答えが無料になった世界で ── 問いの解像度

AIを使い始めた頃、雑な質問ばかりしていた時期がある。

「腹痛について教えて」「マーケティングのコツは？」「良い文章の書き方は？」

返ってくるのは、教科書の目次のような答えだった。正しい。でも、何も刺さらない。

AIが馬鹿なのだと思っていた。違った。鏡だった。 雑な問いを投げれば、雑な答えが返る。それだけのことだった。

前のレッスンでは「指示の解像度」の話をした。今回は一段深い層、「そもそも何を考えるかを決める力」、問いの解像度の話をする。指示が「伝え方」なら、問いは「何を考えるか」だ。

答えは無料になった

かつて、答えを持っていることに価値があった。知識は力だった。情報を持っている人が、持っていない人より有利だった。

AIがその構造を変えた。答えは、ほぼ無料で手に入るようになった。しかも前々回見たとおり、その値段は12ヶ月ごとに10分の1になり続けている。

では、何に価値が移ったか。問いの質だ。

アインシュタインはこう言ったとされる。

問題を解くのに1時間与えられたら、55分を問いの定義に使い、5分で解く

AIが「5分」の部分を0.5秒にしてくれる時代になった。残り59分55秒は、問いの設計に使える。

言語の限界は世界の限界

ヴィトゲンシュタインは1921年の『論理哲学論考』でこう書いた。

私の言語の限界が、私の世界の限界を意味する

問いの質は、言語の解像度で決まる。 曖昧にしか言葉にできないものは、曖昧にしか考えられない。

私の現場の例を1つだけ挙げる。小児科の外来で、子どもが「お腹が痛い」と言う。親も「お腹が痛いらしいんです」と言う。

小児科医は同じ言葉から、20の鑑別を頭に浮かべる。右下腹部か、心窩部か、臍のまわりか。押すと痛いのか、何もしなくても痛いのか。急に始まったのか、繰り返しているのか。食事との関係は。排便は。

同じ「お腹が痛い」を、20種類に分解できる。この分解力が、問いの解像度だ。

そしてこれは医療の専売特許ではない。あなたの仕事にも「お腹が痛い」がある。「売上が伸びない」「チームの雰囲気が悪い」「この文章がなんか読みにくい」。プロとは、素人が1語で言うことを20に分解できる人のことだ。

AIに「腹痛について教えて」と聞く人と、「臍のまわりの繰り返す腹痛で、器質的な病気を除外した後の対応について」と聞く人。返ってくる答えの質は天と地ほど違う。あなたの分解力が、そのままAIの出力の上限になる。

精密と曖昧の間

ただし、細かくすればいいという話でもない。ここが問いの面白いところだ。

ゲルハルト・リヒターという画家がいる。写真をもとに絵を描き、そこに「ぼかし」を加える。

普通、ぼかすと情報が減ると思う。でも逆だ。ぼかすことで、見る人の脳が「何が描かれているんだろう」と動き出す。鑑賞者が自分の経験や記憶を重ねて、意味を補完し始める。

精密に描きすぎると、見る側は受け取るだけ。思考が止まる。ぼかすと、見る側が考え始める。

AIとの対話にも同じことが言える。指示を精密にしすぎると、AIの思考の余地がなくなる。答えが狭くなる。一方で、抽象的すぎると漠然とした答えしか返ってこない。

良い問いは、リヒターの絵のように、必要な情報は与えつつ、AIに考える余白を残す。 精密と曖昧の間。そこに最良の問いがある。

会議の冒頭10分に、価値が集中する

数年先の会議室を描いてみる。

出席者は全員、同じAIを持っている。誰かが調べれば10秒で全員が同じデータにたどり着く。「調べておきます」という宿題は、もう会議の成果ではない。その場で終わるからだ。

すると、会議の価値はどこに残るか。

冒頭の10分だ。「今日、私たちは何を問うのか」を決める10分。 そこから先の展開は、問いさえ良ければAIと一緒に高速で進む。問いが凡庸なら、高速で凡庸な結論に着く。

答えを持ち寄る会議は消えていく。問いを持ち寄る会議だけが残る。あなたが次の会議に持っていくべきものは、資料ではなく、練り上げた問いが1つ。

これは技術的には、もう可能になっている。していないのは、私たちの側だ。

答えが無料になった世界で

答えが無料になった世界で、あなたは何を問うか。

Naval Ravikantはこう言っている。

全員が無限のレバレッジを持ったとき、差がつくのは判断力とセンスだ

判断力とセンスとは、つまり**「何を問うか」を選ぶ力**のことだ。この判断力の正体は、最終レッスンでもう一度掘る。

今日のまとめ

3行で振り返ります。

• 答えの値段はゼロに向かっており、価値は「何を問うか」を決める力に移った
• 問いの解像度＝分解力。素人が1語で言うことを20に分解できるのがプロで、その分解力がAIの出力の上限を決める
• ただし精密にしすぎない。必要な情報を与えつつAIに考える余白を残す「精密と曖昧の間」に最良の問いがある

Sources & Further Reading