AI と壁打ちする ── 1 回で完璧を求めずに、返ってきた答えを次の問いに変える
目次
- 「変な答えだった」── あなたは何をしましたか？
- 「1 問 1 答」というモデルの誤解
- AI との対話は往復が前提です
- 「例を見せる」型との違い
- 返ってきた答えをどう次の問いに変えるか ── よくある 3 つのパターン
- パターン 1：「ここが惜しい」を言語化して返す
- パターン 2：別の角度から問いを足す
- パターン 3：AI に「何が不明確だったか」を聞く
- 3 つのパターンを使う ── 具体的な対話例
- 場面 1：メール下書きを磨く（パターン 1 の適用）
- 場面 2：企画のアイデア出しを広げる（パターン 2 の適用）
- 場面 3：複雑な依頼が通らないときの回復（パターン 3 の適用）
- 往復の「止め時」をどう決めるか
- 止め時の判断軸
- 次のステップ ── 往復の先にある技法
- 出典・参考文献
AI に頼んでみました。返ってきた答えは、なんかちょっと違う。もう一度、少し言い換えて送ってみました。それでも、ズレたままです。
「自分の聞き方が悪いのかな」と思って、次第に使わなくなっていきます。
AI を使い始めた多くの人が通る道です。でも原因は聞き方の技術ではありません。「1 回で完璧な答えを期待してしまう」というスタンスです。AI との対話は、1 問 1 答で完結しません。最初の返答は、次の問いへの素材です。
返ってきた答えをどう次の問いに変えるか、よくある 3 つのパターンで整理します。最初の 1 通の書き方は プロンプト（AI への指示文のこと）の書き方を整理した別の記事にまとめていますので、ここでは「返ってきたあとの往復」に専念します。
「変な答えだった」── あなたは何をしましたか？
AI に何かを頼んで、期待と違う答えが返ってきたとき、人はだいたい次の 3 つのうちのどれかをします。
- もう一度、丁寧に書き直して送った
- 少し言い換えて、もう一度送った
- 「これ、使えないな」と思って、そこで閉じた
3 つのどれかに心当たりがある方に、この記事は届けたいと思っています。特に 3 番目を選んだことがある方は、読み終えたあとに見方が変わるはずです。
実際に聞いてみると、驚くほど多くの人が 3 番を選んでいます。「2〜3 回試してみたけど、結局諦めた」という人は少なくありません。「何回も聞くのって、なんか恥ずかしい」「使い方が悪いんだと思って、やめた」という声も耳にします。
でも、そこには 1 つの根本的な誤解があります。
「1 問 1 答」というモデルの誤解
多くの人は、AI との対話を 「質問 → 答え」で完結するもの だと思っています。辞書で調べるように、1 回引けば答えが出る、という感覚です。
ところが AI は、辞書でも計算機でもありません。新しい仕事を初日に頼まれた新入社員に近い存在です。仕事の背景・目的・完成形のイメージを把握していないまま「とりあえずやってみました」と出してきた初稿が、最初の返答です。
初稿が完璧な人はいません。それは AI も同じです。
Anthropic（Claude を開発している会社）の公式プロンプトガイドには、「最初のプロンプトが完璧に機能することはほぼない。テストして改善する」と明示されています1。OpenAI（ChatGPT を開発している会社）の案内も同じです。「最初の答えが合わなければ、最初からやり直さずに、会話の途中で修正・調整する」と説明しています2。
これは AI の欠陥ではありません。往復することが前提の設計です。
AI との対話は往復が前提です
「壁打ち」という言葉があります。テニスで壁に向かって 1 人でボールを打ち続ける練習のことで、ビジネスでは「相手に問いを投げながら考えを整理したり、アイデアを磨いたりすること」として使われるようになりました。AI との対話は、まさにこの感覚です。
ここで、大事な見方の切り替えが 1 つあります。
最初の返答を「完成品」として読まない。「下書き」として読む。
下書きとして受け取れば、「なんか違う」は失敗ではありません。「どこが惜しいか」を考えるための素材になります。「方向性は合っているが、最初の段落がまだ硬い」「結論が出ていない」「具体例が欲しい」── こういった「どこが惜しいか」の言語化が、次の問いになります。
Google や IBM をはじめ、主要な AI 開発各社が揃って「往復が前提」と説明しています34。往復して磨くことが、AI の使い方の核心なのです。
「例を見せる」型との違い
「最初の 1 通の中に例を入れる」方法（フューショット）は別の技法です。詳しくは AI への頼み方、もう 1 段階 ── 「例を見せる」だけで返答が変わる理由で整理しています。本記事では「返ってきたあとの往復」に絞って説明します。
返ってきた答えをどう次の問いに変えるか ── よくある 3 つのパターン
往復のパターンは大きく 3 つに分かれます。まず試してほしい 3 つを挙げます。
| 状況 | 選ぶパターン |
|---|---|
| 方向性は合っているが、ここが違うと感じる | パターン 1：「ここが惜しい」を言語化して返す |
| 答えが一面的・無難すぎると感じる | パターン 2：別の角度から問いを足す |
| どこがズレているか自分でも分からない | パターン 3：AI に「何が不明確だったか」を聞く |
パターン 1：「ここが惜しい」を言語化して返す
最もシンプルで、使う頻度が一番高いパターンです。
返ってきた答えを読んで、「方向性は悪くないが、ここが違う」と思ったら、その「ここ」を言語化して送ります。
送り方の例：
「全体の方向性はいいです。ただ、最初の段落がまだ硬い。もう少し口語に近づけてください。」
「内容は合っています。文章が長すぎます。全体を半分くらいの長さに縮めてください。」
「結論が出ていません。最後に、私がこれを読んだ人に取ってほしい行動を 1 文で書いてください。」
ポイントは 「何が惜しいか」を 1 点に絞ることです。「全体的にもう少し良くして」のような曖昧なフィードバックは、AI が何を直せばいいかを判断しきれません。「最初の段落を口語に」「結論を 1 文で」のように、修正対象と方向を具体的に指定するほど、次の返答の精度が上がります。
これは人への依頼と同じです。「ちょっと良くして」より「この表の列の順序を入れ替えて」と言う方が、相手は動きやすくなります。
パターン 2：別の角度から問いを足す
返ってきた答えが「間違っているわけではないが、視野が狭い」「一面的だ」と感じたときに使うパターンです。
送り方の例：
「逆の立場から考えたら、どうなりますか？ 反対意見や批判的な観点も出してください。」
「もっと具体的な例を 3 つ挙げてください。それぞれ、業界が異なるものが望ましいです。」
「初心者の読者向けに、同じ内容を説明し直してください。専門用語は使わないでください。」
「別の角度」とは、視点の変更・具体化・対象読者の変更のどれかです。最初の返答が抽象的すぎるとき、逆の視点が欲しいとき、対象を絞りたいとき ── それぞれに対応しています。メールや文章なら「具体化」、企画なら「逆の視点」、受け手を変えたいなら「対象読者の変更」が選びやすい入口になります。
このパターンは、アイデア出しや企画立案で特によく効きます。最初の返答で「無難な案」が出てきたあと、「反対意見は？」「批判的に見たら？」と角度を変えると、まったく別の切り口が出てくることがあります。
パターン 3：AI に「何が不明確だったか」を聞く
最初の返答が大きくズレていて、「どう修正依頼すればいいかも分からない」というときに使うパターンです。
送り方の例：
「私の依頼で曖昧だった部分や、追加で必要な情報があれば教えてください。」
「今の返答はどんな前提で答えましたか？ その前提が私の意図と合っているか確認したいです。」
「この返答で、私が納得しない可能性のある部分はどこですか？」
これは、修正の方向を AI 自身に言語化させる手法です。返ってきた答えが大きく外れているとき、こちら側が「何が問題か」を言語化しきれないことがあります。そういうときに「私の依頼の曖昧な部分を教えて」と返すと、次の往復のための足がかりが見つかることがあります。
Anthropic の公式ドキュメントでは、Claude 自身に「答える前に、情報が不足している点があれば質問してください」と指示する方法を推奨しています1。同じ発想で、返ってきたあとに「前提を教えてください」と問い返すことができます。
3 つのパターンを使う ── 具体的な対話例
よく使われる 3 つの場面を挙げます。
場面 1：メール下書きを磨く（パターン 1 の適用）
最初の依頼（1 通目）：
「取引先への商品遅延のお詫びメールを書いてください。」
AI の返答（最初の下書き）： 丁寧な謝罪の文章が出てきます。ただし、まだ会社のテンプレート文書のような硬さがあります。
2 通目（パターン 1 を使う）：
「謝罪の内容は合っています。ただ、文章が全体的に硬すぎます。相手は長年の取引先で、個人的な信頼関係がある相手です。もう少し打ち解けたトーンにしてください。また、具体的な納期の見通しを第 2 段落に追加してください。」
結果： 硬さが取れ、具体的な情報も入った下書きが出てきます。
ここでのポイントは 「硬すぎる」という課題と「納期の見通しを追加する」という新情報を同時に渡している点です。「文体を変える」と「情報を追加する」のように密接に関連する修正は、同時に伝えても構いません。1 通目で気づいた「足りないもの」を積み上げていくのが往復の本質です。
場面 2：企画のアイデア出しを広げる（パターン 2 の適用）
会社でも、個人の活動でも使える例です。
最初の依頼（1 通目）：
「社内研修のテーマを 5 つ提案してください。対象は管理職です。」
AI の返答（最初の提案）： 「リーダーシップ」「部下育成」「コミュニケーション」「目標設定」「業務効率化」── 無難な 5 つが出てきます。
2 通目（パターン 2 を使う）：
「このリストは一般的すぎます。管理職が『聞いたことがない』と感じるような、意外性のあるテーマを 5 つ追加してください。」
3 通目（さらに別角度）：
「意外性のある案の中から 1 つ選んで、その研修を実施した場合のリスクと反発が予想される意見も出してください。」
「一般的すぎる」と感じた最初の返答を出発点にして、角度を変えながら掘り下げると、1 通目だけでは出てこなかった視点が積み上がっていきます。
場面 3：複雑な依頼が通らないときの回復（パターン 3 の適用）
会社でも、個人の活動でも使える例です。
最初の依頼（1 通目）：
「この提案書のフィードバックをしてください。強みと弱み、改善案を出してください。」（提案書の本文を添付）
AI の返答（最初の出力）： 一般的なフィードバックが出てきますが、提案書の固有の内容には踏み込んでいません。
2 通目（パターン 3 を使う）：
「私の依頼で曖昧だった部分があれば教えてください。また、この提案書をどのような目的・読者向けのものだと判断して答えましたか？」
AI の返答（前提の確認）： 「〇〇という前提で読みましたが、もし対象読者が違う場合はフィードバックの方向も変わります」と返ってきます。
3 通目（前提を修正して再依頼）：
「対象読者は経営層ではなく、現場のプロジェクトリーダーです。その前提でフィードバックし直してください。」
前提が合っていないことが分かると、修正依頼がしやすくなります。「なんとなく違う」という感覚から「前提が違った」という具体的な原因に変えることが、このパターンの価値です。
往復の「止め時」をどう決めるか
往復して磨くことを勧めると、「どこまで続ければいいか」という疑問が出てきます。
「完璧になるまで」では止まれません。完璧な答えは、ほぼ存在しないからです。
目安を 1 つ挙げます。
「自分ひとりで書き直すより、AI と往復した方が早くなっているか」
これが逆転したら、止め時です。3 回往復した結果が「1 回目の返答を自分で直した方が早かった」なら、次回は最初の依頼をもう少し具体的にする方が先の課題になります。
もう 1 つ注意点があります。修正を重ねていくと、AI が「ユーザーの意向に合わせよう」として、正しかった部分まで変えてしまうことがあります。「違います、もっと〇〇にしてください」と強く返すほど、元の正しい答えを捨てて、誤った方向に従い始めることがあります5。
止め時の判断軸
| 状況 | 判断 |
|---|---|
| AI と往復した結果が、自分で書くより明らかに質が高い | 続ける価値があります |
| 3〜4 回往復しても改善が止まっている（前回の返答と今回の返答を見比べて、内容や構成がほぼ変わらないときがそのサインです） | 最初の依頼の具体化を先に考えましょう |
| 自分で直した方が早いと感じる | その作業は AI 向きでない可能性があります |
| AI が正しかった部分まで書き換え始めている | 修正範囲を絞って再指定しましょう |
次のステップ ── 往復の先にある技法
もし「1 通目の精度も上げたい」「依頼が毎回ズレる」と感じていたら、最初の 1 通の書き方を整理した プロンプトの書き方 ── 目的・状況・出力形式を伝えて、欲しい答えを引き出す 5 つの型も合わせて見てみてください。往復の前段にあたる内容で、両方を知っておくと精度がさらに上がります。
もし「例を見せる」という別の技法にも興味があれば、AI への頼み方、もう 1 段階 ── 「例を見せる」だけで返答が変わる理由も参考になります。
まずは 1 回、「なんか違う」と感じた返答に、「ここが惜しい」を 1 文で返してみることです。その 1 文が、往復の始まりになります。