AIは文章を予測して作る
人間のように事実をそのまま思い出しているとは限りません。もっともらしい文章を組み立てるため、誤情報が混ざる場合があります。
まず知っておきたい基本
AIの回答を「検索結果」や「正解集」と同じものとして扱わないことが最も重要です。
「詳しく」が万能ではない
目的・対象・制約・出力形式を具体的に伝える方が効果的です。長い指示より、必要な条件が揃っていることが重要です。
難しい時だけ深く考えさせる
簡単な翻訳や文章修正では軽い推論で十分です。複雑なバグ調査や設計では高い推論レベルが役立ちます。
AIに道具を使わせる
Web検索、計算、コード実行、ファイル解析などが使える場合、知識だけで答えさせるより精度を上げやすくなります。
AIが得意なこと・苦手なこと
得意になりやすいこと
- 文章の要約・言い換え・翻訳
- アイデア出し、下書き、構成整理
- プログラムの雛形や小規模な修正
- 大量の文章から要点を抜き出す
- 複数の案の違いを整理する
- 指定フォーマットへの変換
注意が必要なこと
- 最新ニュースや現在の価格・仕様
- 存在するか不明な人物・論文・URL
- 厳密な計算を暗算だけで任せること
- 長いコード全体の整合性
- 医療・法律・金融など高リスクな判断
- 「絶対」「必ず」が必要な事実確認
ポイント：「AIが苦手」＝「使えない」ではありません。検索・計算・ファイル・コード実行など、適切な道具と組み合わせることで補える場合があります。
推論レベルは、問題の「複雑さ」で変える
すべてを高推論にする必要はありません。簡単な仕事では速度重視、複雑な仕事では思考量重視にすると効率的です。
軽FAST
すぐ答えられる仕事
条件が少なく、途中の判断をほとんど必要としないもの。
- 翻訳・言い換え
- タイトル変更
- 短いCSS調整
- 用語の説明
中BALANCED
複数の条件がある仕事
少し考えて整合性を取る必要があるもの。多くの開発作業はここで十分です。
- 機能追加を伴う改修
- 複数条件の比較
- 中規模なデバッグ
- 設計＋実装
高DEEP
原因が見えない・影響範囲が広い仕事
複数の仮説を検証したり、長い依存関係を追う必要があるもの。
- 原因不明の複雑なバグ
- 大規模コードのレビュー
- アーキテクチャ設計
- 複雑な数学・アルゴリズム
判断のコツ
「途中で何度も判断しないと答えにたどり着けないか？」が目安です。Yesなら推論レベルを上げる価値があります。
良い頼み方は「目的・材料・条件・形式」
1. 目的何をしたいか
2. 材料元の文章・コード・データ
3. 条件守るルールや制約
4. 形式どんな形で返してほしいか
曖昧
「このサイトを良くして」
具体的
「このLPをスマホ優先で改善。文章量は増やさず、CTAを目立たせ、Core Web Vitalsを悪化させない。修正版HTML/CSSを返して」
一度に詰め込みすぎない
巨大な変更は「設計→実装→確認」のように分けるとミスを見つけやすくなります。
禁止事項も書く
「既存機能は削除しない」「見た目は変えない」など、やってほしくないことも明示します。
例を1つ見せる
希望する出力例があるなら、説明を長くするよりサンプルを見せた方が伝わりやすいことがあります。
ハルシネーション対策は「確認できる形」にする
AIが事実ではない内容を、自然な文章で提示することがあります。重要な情報ほど検証を前提に使います。
最新情報なら検索させる
製品仕様、価格、法律、ニュース、API仕様などは更新されます。現在の情報が重要ならWeb検索や公式資料を使います。
一次情報を優先する
公式ドキュメント、原論文、行政機関、メーカーなど、元情報に近い資料を優先します。
出典や根拠を求める
重要な主張は「どこから判断したか」を確認します。ただし、AIが出典そのものを作ってしまう可能性もあるためURLや原文も確認します。
再計算・実行で確かめる
計算は計算ツール、コードは実行環境、データ処理はスクリプトなど、検証可能な方法に渡します。
特に要確認：
医療・法律・税務・投資・契約・セキュリティ・安全に関わる操作など、誤りの影響が大きい内容。
「AIの知識」より「AI＋道具」が強い場面
Web検索
最新情報、価格、現在の仕様、ニュース、店舗、旅行情報など。
コード実行
大量データ処理、計算、検証、グラフ作成、ファイル変換など。
ファイル解析
PDF、表計算、長い仕様書、ログ、ソースコードなどを直接読ませる。
画像理解・生成
スクリーンショットの解析、デザイン案、画像編集、アイコン作成など。
利用できるツールはAIサービスやプラン、環境によって異なります。
会話が長くなるほど「前提のズレ」に注意
AIは会話の文脈を参照できますが、長大な会話では重要な条件の優先度が下がったり、以前の指示と新しい指示が衝突したりします。
- 重要な条件は最新版の依頼でもう一度まとめる
- 「現在の仕様」を箇条書きで渡す
- 古い案を捨てる場合は明示する
- 大規模作業は途中で要件を再確認させる
長い会話で有効な一言
「これまでの変更を踏まえ、現在の仕様を先に整理してから修正して」
入力する情報は「送ってよい情報か」を考える
そのまま貼らない方がよい例
- パスワード・秘密鍵・APIキー
- 個人を特定できる機密情報
- 未公開の顧客データ
- 会社の機密資料
- セキュリティ上重要な認証情報
代わりにできること
- 値を
YOUR_API_KEYに置き換える - 氏名やメールをダミー化する
- 必要な部分だけ抜き出す
- 組織のAI利用ルールを確認する
- 利用サービスのデータ取扱設定を確認する
この作業、どの推論レベル？
3つの質問に答えると、おおまかな目安を表示します。
Q1. 複数のファイル・条件・機能が関係しますか？
Q2. 原因や正解への道筋が最初から明確ですか？
Q3. 間違えると、他の部分まで大きく影響しますか？
3つ選択すると結果が表示されます。
モデルは「一番大きいもの」を常用しなくてよい
| 目的 | 向いている考え方 |
|---|---|
| 短い翻訳・文章修正 | 高速・軽量なモデルを優先 |
| 一般的な相談・コード補助 | 速度と精度のバランス型 |
| 難しいデバッグ・研究・設計 | 高性能モデル＋高い推論 |
| 大量の定型処理 | 小型・低コストモデルを検討 |
| 最新情報 | モデル性能だけでなく検索機能を重視 |
精度を上げる実践ワークフロー
1目的を伝える
何を完成させたいかを明確にする。
2材料を渡す
文章・コード・画像・ファイルなどを用意。
3制約を書く
変えてよい範囲、禁止事項、環境を書く。
4適切な推論を選ぶ
難しい時だけ深く考えさせる。
5検証する
重要部分は検索・実行・一次情報で確認。
6修正を具体化
「違う」だけでなく、どこが違うか伝える。
よくある疑問
毎回「高い推論」にすれば一番正確になりますか？
必ずしもそうではありません。簡単な仕事では結果がほとんど変わらないことがあり、速度や計算量だけが増える場合があります。問題の複雑さに合わせるのが効率的です。
プロンプトは長いほど良いですか？
長さより、必要な情報が揃っていることが重要です。目的、材料、条件、出力形式が明確なら短くても十分です。
同じ質問でも答えが変わるのはなぜ？
生成AIには回答の生成に確率的な要素があり、文脈やモデル、設定によって表現や結論まで変わる場合があります。厳密さが必要な作業は検証可能な方法と組み合わせます。
AIが「できる」と言った機能は本当に使えますか？
AIサービスによって検索、ファイル操作、画像生成、コード実行など利用可能な機能が異なります。実際に使えるツールや権限を確認する必要があります。