ChatGPT日誌⑤「2SDの彼方へ──生成AIに『ちょっとズレた』視点を求める試み」

※2SD（Standard Deviation＝標準偏差）：統計学的に、偶然と必然の境界とされる指標

【1】偶然から始まった「2SDプロンプト」

ChatGPTに、敢えて産業医業務で対応が難しいケース（実際の事例ではありません）を提示し、それに対してどのような答えが返ってくるかを試したことがあります。予想通り、ある意味「通り一遍」の回答が出力されました。
そこで、私が提案した対応例を挙げたうえで、「なぜこのような答えが出力されなかったのか？」と問いかけてみました。すると、ChatGPTから以下のような自己分析的な回答が返ってきました。

• 生成AIは「定型的・安全な切り返し」は得意だが、「人間らしい機転」や「間接話法」は苦手。

• 一般論やガイドラインに基づく出力が多く、現場の「さじ加減」や「状況に応じた絶妙なニュアンス」の自動調整は難しい。

• 現場での「暗黙知」や「経験則」によるアドバイスは、まだ生成AIが自然に到達するのは困難な領域。

• 文献・ネット情報・教科書的知識の統合はできるが、リアルな現場の空気感や「読み」には一歩届かないことが多い。

このやり取りから、ChatGPTが「苦手とする領域」の輪郭が浮かび上がってきました。そして、今後もこのように自分の対応とAIの出力を比較し続けていけば、人間が考えるべき領域と、AIに任せてもよい領域との境界が、より明確になっていくのではないかと感じました。
同時に、別のケース──たとえば「宣伝用のコピーを考えてください」という依頼においても、情報を提示して「10個の案をください」とだけ伝えるのではなく、「そのうちいくつかはかなりレアな表現にしてください」と指示すると、これまでに見たことのないようなコピーが出てくることに気づきました。これについてChatGPTは、次のように説明しました。

• 生成AIはプロンプトに応じて「枠」を広げる。
  　→「レアな表現」「奇抜な案」「型破りな例」など、常識の外を許容する指定があると、「平均点の表現」に加えて「飛び道具的な表現」も出てきやすくなる。

• 比較することで、自分の中の「良いコピー観」もアップデートできる。
  　→「無難」な案と「レア」な案を並べることで、思いもよらぬ角度から「刺さる」言葉が見つかることがある。

このやり取りから着想したのが、「2SD」という言葉をプロンプトに入れるという試みでした。生成AIが言語モデルとして、ある言葉の次に来る語を「確率的に」選んでいるのであれば、統計的な指標を使って「外れ値」を指定することで、より「ズレた視点」を得られるのではないか──そう考えたのです。

【2】実際にやってみた──標準回答 vs. ±2SD回答

実際に、日本の保健・医療・福祉──つまり社会保障制度について、自分なりの現状分析を提示し、ある提案を行い、そのうえでChatGPTに次のようなプロンプトを投げかけてみました：
「最も適切だと思うコメント、ポジティブな方向に2SDくらいズレたコメント、ネガティブな方向に2SDくらいズレたコメントの3種類を出力してください」
その結果、いずれの視点でも共通していたのは、「このままの仕組みでは、日本の医療は立ち行かなくなるだろう」という現状認識でした。このことから、私の現状認識はほぼ妥当であろうと結論付けました。
しかし、3つのコメントにはそれぞれ異なる立ち位置が見られました：

• 適切なコメント：課題は多いが、提案にも一定の現実味がある。ただし、制度的・政治的な障壁も大きい。

• ポジティブ側2SD：むしろ今の危機は「絶好のチャンス」であり、大胆な再設計が可能だ。

• ネガティブ側2SD：すでに手遅れ。制度疲労が進みすぎており、抜本的解決は困難。

このように「外れ値」的な視点を含むことで、共通している部分がどこか、またステークホルダーがどの位置に立っているかを把握しやすくなります。そして、ギャップをどう埋めるか、どこに橋をかけるべきかといったことが、より具体的に見えてきます。
ChatGPTからは、このような「グラデーション＝揺らぎを持った出力」は、以下のような応用にも役立つのではないか、といった提案がありました。

• 会議・研修・政策立案などでの意見の可視化

• 自分の立場の「相対的な位置」を確認するチェックリストとして

• SNSなどで極端な意見ばかりが目立つ時代に、「分布感覚」を育てるリテラシー教育

• 書籍・記事・プレゼン資料における、コメントの分布提示による説得力の強化

• ChatGPTとの壁打ちで「中間＋両極」を意図的に含め、思考の幅を確保する

読者の皆さんも、ぜひこのプロンプト──
「最も適切だと思うコメント、ポジティブな方向に2SDくらいズレたコメント、ネガティブな方向に2SDくらいズレたコメントを出してください」
を一度試してみてください。

【3】思考に「幅」をもたらす技法として

この方法は、多様な視点を可視化するうえでも有効ですし、クリエイティブなアイデア出しにも使えると感じています。たとえ「外れ値」が多く混じっていたとしても、その中から光るものを拾い上げることができれば、大きな価値を持つはずです。
ただしこのアプローチでは、AIの出力を「そのまま使う」のではなく、自分のセンスで取捨選択する作業が欠かせません。むしろその選別プロセス自体が、人間の思考力を鍛えるものになるとも言えます。
また、2SD以外にも、確率論的な視点を応用できる可能性があります。たとえば：

• 上位5％／下位5％のように「極端な領域」を指定

• 四分位（25％ごと）や五分位（20％ごと）での出力比較

こうした方法で「確率分布思考」を取り入れると、社会に存在する多様な意見や視点を、より構造的に捉えることができるのではないかと感じています。
SNSの発達によって、極端な意見が目立ちやすい時代だからこそ、「2SD」的な発想で「ズレ」を活かし、思考の幅と深さを同時に獲得するプロンプト設計が、より重要になってくるかもしれません。
今回は、生成AIの出力を確率論的にコントロールする発想について、速報的にご紹介しました。毎週水曜日に公開している定期記事の第12回（7月中旬予定）では、この考え方をさらに詳細に掘り下げた「分布思考型プロンプト設計」について解説する予定です。ぜひそちらもご一読ください。

※この記事は、本編連載の補足・応用として、現場の実践例を共有する【番外編】です。
本編の構成や背景は以下をご覧ください：
👉 第0回：「成長の道具」としての生成AI活用論

※本記事は筆者個人の見解に基づくものであり、所属組織（大学等）の公式見解を示すものではありません。

※本記事および掲載図表、写真の著作権は鈴木孝太に帰属します。
無断転載・複製・商用利用を禁じます。
© 2025 Kohta Suzuki. All rights reserved.