プロンプト型から対話型へ——AI活用の考え方を変える

AIの使い方について、多くの場面で語られるのは「プロンプト最適化」だ。
いかに良い指示文を書くか、いかに一発で狙った出力を得るか。この文脈では、AIはあくまで“高性能な実行装置”として扱われる。

しかし、このアプローチが本質的に機能するのは、すでに正解が定義されている場合に限られる。

SQLを書かせたい。
文章を要約させたい。
決まったフォーマットのレポートを生成したい。

こうしたケースでは、

• ゴールが明確
• 良し悪しの評価軸が固定
• 出力を即座に判定できる

という条件が揃っている。

この領域でプロンプト型は非常に強い。

ただし同時に、このアプローチは重要な性質を持っている。

正解が分かっているなら、人間が自分で書くこともできる。

つまりプロンプト型AIとは、「既知の問題を高速に展開する装置」だ。
優れた道具であることは確かだが、それはすでに地図が存在するときに限って有効な羅針盤でもある。

正解が存在しない領域

一方、現実の多くの思考・創作・設計の場面では事情がまったく違う。

• ゴールは最初から決まっていない
• 評価軸は途中で変わる
• 試行錯誤の中で「何を作っているか」自体が更新される

ここで起きているのは「最適化」ではなく、「探索」だ。

人は、

これは違う。
こっちの方が近い。
予想していなかったが面白い。

という微細な往復を重ねながら、徐々に形を見つけていく。

このプロセスは、プロンプト一発型では再現できない。
なぜなら重要なのは最終出力ではなく、

途中のズレ、寄り道、修正履歴そのもの

だからだ。

探索の過程で生まれた問いの跡こそが、思考の実質を成している。

対話型という思考モデル

この構造は、かつての数学者コンビ
John von Neumann と
Stanisław Ulam
の関係に近い。

ノイマンは構造化・形式化・収束を担い、
ウラムは直感・飛躍・予想外の方向付けをもたらした。

モンテカルロ法はこの協働から生まれた成果のひとつとして知られるが、本質は手法そのものではない。
重要なのは、両者の往復によって形成された発見ループだ。

どちらも単体では不完全で、

• 直感が構造に整理され
• 構造が再び直感を刺激する

という循環の中で、新しい地形が立ち上がっていた。

AIとの対話も同様の構造を持ちうる。

人間が方向を投げ、
AIが整理・展開し、
その結果を見て人間の認識が変わり、
変わった認識から次の問いが生まれる。

この循環が成立したとき、AIは単なる道具ではなく
思考の共振相手になる。

プロンプト型と対話型の違い

プロンプト型

• 「この仕様でAPIコードを書いて」
• 「この文章を要約して」
• 「この形式でレポートを生成して」

特徴：

• ゴール固定
• 出力評価が即可能
• AIは実行エンジン

対話型

• 「この構造、どこか歪んでない？」
• 「A案とB案、どちらが自然に見える？」
• 「これ、別の切り口ない？」

特徴：

• ゴール未定義
• 会話の中で評価軸が変化
• 人間側の思考も更新される

ここではAIは展開装置ではなく、探索の同行者になる。

これから求められる人間像

世の中の多くの課題は、すでに「正解がない」領域に移行している。

その中で重要になるのは、

良いプロンプトを書く能力ではなく、
不完全な状態のまま対話を続けられる能力だ。

答えを投げる人ではなく、揺れを維持できる人。

結論を急がず、問いの変形を恐れず、ズレの中に可能性を見出せる人間が、AI時代の探索者になる。

最適化型の使い手よりも、
探索型の対話者のほうが、長く面白い仕事ができるはずだ。

少なくとも——地図がまだ存在しない場所では。

— 著：霧星礼知(min.k)／構造支援：ChatGPT GPT-5.2／AI-assisted / Structure observation