すべての“新人”が身につけるべき、AIを疑う「技術」──“鵜呑み”から脱け出すための思考法

AIの誤情報より警戒すべきもの

企画、仮説の立案、資料の作成や要約、市場の調査・分析。AIに質問を投げると、たった数秒、長くても数分で理路整然とした文章が返ってきます。論点は漏れなく並び、語り口はよどみなく、いかにも「正解然」としています。一見、どこにも穴はありません。

よく言われるように、ChatGPTなどLLM（大規模言語モデル）をはじめとするAIにはハルシネーション（誤情報）とよばれる穴が存在します。しかしAIとやりとりする分野について十分な知識、経験値がなければ、この穴に気づくのは至難の業。

そのため、仕事に慣れていない新人のうちは、AIの出力を「たたき台」ではなく「完成品」だと錯覚しやすいものです。経験という物差しがまだ手元にないぶん、どこを疑えばいいのかが分からないからです。

そうしたハルシネーションに注意しなければならないのは当然ですが、本当に警戒すべきはそれだけではありません。自分の中の小さな違和感や発想を、時間と労力をかけて育てる前に「なるほど、そういうことか」でなかったことにしてしまうこと——これがいちばん怖いのです。

新人がAIを疑えないのは、個人の問題ではない

「新人はAIに頼ってばかりで自分で考えたり、調べたりしようとしない」

今後、あちこちの職場から聞こえてきそうな声です。しかしこれはお門違いの文句と言えます。なぜなら新人がAIを疑えないのは、個人の問題ではないからです。マイクロソフトとカーネギーメロン大学が2025年に発表した調査では、AIを仕事に使う319人の働き手から、936件の「実際の使用例」を集めて分析しました。そこで見えてきたのは、少し意外な傾向です。

ありがちな思い込みは、「AIの精度が高いほど、人は考えなくなる」というもの。けれど実際に人が考えるかどうかを左右するのは、AIの精度ではなくAIへの信頼度のほうでした。つまり、AIを信頼している人ほどそのアウトプットを批判的に見なくなり、逆に、自分の専門性に自信がある人ほど、出力された内容をしっかり精査していたのです。

そのためこの問題を、「AIの返す内容を鵜呑みにしないように気をつけよう」という意識の問題として扱っている限り、AIへの過依存はほとんど減りません。

AIを使って仕事をこなすのが当たり前になっていく世の中にあって、違和感や発想といった主観的な感覚、知性は、ビジネスパーソンにとって非常に重要なスキルになっていきます。意識せずにAIを使っていけば衰えていく可能性が高いこれらのスキルを守るために、私たちがやるべきこととはどんなことなのでしょうか。

ステップ①｜AIより先に、自分の仮説を書き出す

最初にやるべきことは、AIに尋ねる前に、自分なりの答えを先に書き出しておくこと。これだけです（医療の分野における「認知的強制機能」に基づく)。

調べたいことがあるとき、検索窓やプロンプトに飛びつく前に、30秒でも、長くても3分でかまいません。「たぶん答えはこうで、理由はこのあたりだろう」と、粗くていいのでメモを残します。外れていても問題ありません。むしろ外れたほうが、あとで学びになります。

ポイントは「先に」書き出すという点。なぜならAIの答えを見たあとでは、私たちはどうしても、その答えに引きずられて考えてしまうからです。先に自分の手で立てておいた仮説だけが、AIの出力に染まっていない視点を記録しておけるのです。

ステップ②｜生成された回答を「主張・根拠・前提」に分解する

次にやるべきは、AIの回答の解体です。ステップ①で書き出しておいた仮説を基準点にして、自分の仮説とAIの回答、その二つを並べ、「どこがどう違うのか」を検証していきます。ここで使うのが、イギリスの哲学者スティーヴン・トゥールミンが提唱したToulminモデル。

すなわち、何を言っているか（主張）、なぜそう言えるのか（根拠）、そもそも何を当たり前としているか（前提）の3つに、自分の仮説とAIの回答を分解するのです。

多くの人はAIの主張の正誤だけを見、ほとんどの人は根拠の正誤、もしくは有無をチェックするところで検証を終えてしまいがち。しかしきちんとした根拠があっても、その前提となる条件が実際とズレていれば、当然結論も的外れになります。

たとえば3ヶ月連続で前年割れしている商品について、「どう立て直せば良いか」とAIに相談したところ、「価格を下げるべきである」という主張が返ってきました。AIはその根拠として

• 競合のA社がほぼ同等の商品を2割安い価格で売っている。
• 価格比較サイトでも自社商品は「割高」と評されている。

という2つを指摘しました。一見すると真っ当な主張に見えますが、ここには「顧客が離れているのは”値段が高いから”だ」」という前提が隠れています。

しかしもし顧客が離れた本当の理由が価格ではなく、「その商品カテゴリ自体が、別の新しいサービスに置き換わり始めているから」だった場合、値下げしても顧客は戻らず、利益だけが削れて、事態はかえって悪化します。

このような単純なケースなら新人でも疑えるかもしれませんが、現実はもっと複雑です。「鵜呑みにしないように気をつける」だけでは、どうにもならない状況はいくらでもあります。ここで基準点である仮説の出番です。AIの答えと、自分の仮説を並べてみる。すると、両者がずれている箇所が必ず出てきます。そのズレこそ、どちらかの「前提」が誤っているサイン。

仮説という基準点があるから、隠れた前提が浮かび上がる。基準点なしに「なんとなく変だ」と感じても、知識や経験がなければたいていは「でも、自分よりAIの方が正しいよな」と水に流してしまうものです。

ステップ③｜「反証」と「最悪の未来」をぶつける

ステップ②でも問題ないことがわかったら、最後にAIとのチャットの「外側」をぶつけてみましょう。外側とはすなわち、「反証」と「最悪の未来」です。

「反証」をぶつける

反証をぶつける際の基本的なやり方は二つ。一つは、自分の感覚と思考、そして仮説を頼りに情報を収集し、「間違っている証拠はないか」を探しにいく方法です。別のタブを開いて一次情報や公式の発表と照らし合わせ、「こんな資料もあるが、出力したこの数字は間違っていないか？」とAIに聞いてみるのです。

もう一つはAI自身に反証を組み立てさせる方法。AIの出力した内容を主張・根拠・前提に分解させ、そのうえで一つひとつ、反証をリサーチさせるやり方です。

「最悪の未来」をぶつける

「最悪の未来」とは、「この答えを採用した結果、半年後に最悪の失敗をしている」と先に仮定するという思考方法です。

これは経営工学やマネジメントの分野で使われる「事前検死（pre-mortem）」というもので、リスクの早期発見や「もし失敗したら…」という懸念を議論したり、予防策・代替案を事前に計画したりするために行われます。

ステップ③を終えた頃には、「鵜呑み」からは脱け出し、出てきた回答に○か×を付ける「検品」さえも超えて、AIとのディスカッションを通して思考を鍛え上げる「精錬」ができるようになっています。

確かに鵜呑みにするより時間もかかれば、体力も必要でしょう。しかし回数を重ねるごとに、違和感や発想といった主観的な感覚、知性が鍛えられ、より質の高いアウトプットができるようになっているはずです。

まとめ：「もっともらしい“答え”を“仮説X”に戻す技術」を磨く

AIを使えばもっともらしい“答え”はいくらでも生成できます。しかしそれだけでは、AIに使われているにすぎません。AIを使いこなすには、生成される“答え”を一から疑ってかかり、単なる“仮説X（たくさんある仮説のうちの1つ）”として扱うところからスタートしなければなりません。

そのためにはまず、仮説Xと同じくらい説得力のある仮説Yを自分の手と頭で立案し、両者を主張・根拠・前提に分解して、精査していく必要があります。場合によっては、反証や最悪の未来をぶつけて、アイデアを精錬していくことも重要です。

事実冒頭であげたマイクロソフトとカーネギーメロン大学の調査でも、AI時代の人間の仕事は「情報の検証・統合・舵取り」へと移っていくと示しています。知識や経験は、じっくりと時間をかけて試行錯誤と積み重ねを繰り返さなければ身につきません。しかし今回紹介した“鵜呑み”から脱け出すための思考法であれば、今この瞬間から磨いていくことができます。

新人でもAIを使えばもっともらしい“答え”が出せる時代。でもそこから脱け出さなければ、一人前にはなれません。その第一歩を、まずは踏み出してみてはいかがでしょうか。