AIへの問いの立て方が、リサーチの質を決める

同じテーマについてAIに尋ねても、聞き方ひとつで返ってくる答えの深さはまったく違います。「AIの活用事例を教えて」という問いと、「従業員300人未満の製造業でAIをどう活用しているか、課題と効果を分けて教えて」という問いでは、後者のほうが具体的で使える回答が返ってきます。差を生んでいるのは、AIの性能ではなく、リサーチ質問（問い）そのものの設計です。

この記事では、AIに何をどう尋ねるかという観点から、リサーチ質問を設計する手順を整理します。AIを使って必要な情報を効率的に探す実践手順で扱ったキーワードの分解を、より踏み込んで「問いの構造」として組み立て直す内容です。

前提：良い問いと悪い問いの違い

AIにとっての「悪い問い」は、人間にとっても答えにくい問いであることがほとんどです。範囲が広すぎる、比較対象が示されていない、どのレベルの詳しさで答えるべきか分からない——こうした問いに対して、AIは無難で当たり障りのない回答を選びがちです。これはモデルの限界というより、問い自体の設計不足が原因です。

逆に、良い問いは次の4要素のうち複数を含んでいます。スコープ（対象範囲）、粒度（詳しさのレベル）、比較軸（何と比べて評価するか）、判断基準（どこまで分かれば十分か）です。すべてを毎回書く必要はありませんが、少なくとも2つは明示することを目安にしてください。

手順：AIへの問いを設計する4段階

段階1 リサーチの目的を1文で言い切る

「なぜこの情報が必要なのか」を1文にします。目的が曖昧なまま問いを作ると、AIが目的を勝手に推測し、こちらの意図とずれた回答を返してくることがあります。

段階2 スコープと粒度を数値や条件で区切る

「最近の」「主要な」といった曖昧な言葉は、期間や件数、業界名など具体的な条件に置き換えます。AIへの指示は、検索エンジンのキーワードより文章として自由度が高い分、条件を書かないと際限なく広がってしまいます。

段階3 比較軸を先に決めておく

複数の選択肢や情報源を比較したい場合は、比較する軸（価格・機能・対象業種など）を先に決めてから問いに含めます。軸を決めずに「比較して」とだけ頼むと、AIが選ぶ軸と自分が知りたい軸がずれることがあります。

段階4 判断基準を問いに含める

「十分な情報が集まったと言えるのはどんな状態か」を、あらかじめ自分の中で決めておきます。これは主にリサーチする自分自身のための基準ですが、AIへの問いに「〇〇の観点で判断できる情報を」と含めることで、回答の焦点が絞られます。

プロンプト例：問いの型を使い分ける

目的別に、問いのテンプレートを2つ紹介します。まず、現状把握を目的とする場合です。

目的：新しい会計ソフト導入の判断材料を集めたい
スコープ：国内で提供されているクラウド会計ソフト、中小企業向け
粒度：機能一覧ではなく、導入企業が実際につまずいた点を中心に
判断基準：導入・運用コストと、既存の経理フローとの相性が分かればよい

次に、比較を目的とする場合です。

A・B・Cという3つのサービスを、
価格体系／サポート体制／既存システムとの連携のしやすさ
の3軸で比較してください。
断定できない情報は「公式サイトで要確認」と明記してください。

比較軸を明示すると、AIが独自に選んだ軸で比較してくる、という事態を避けられます。

出力の確認：問いが機能したかどうかの見極め方

問いの設計がうまくいったかどうかは、返ってきた回答が「次の行動につながるか」で判断できます。回答を読んで、追加の作業（誰かに確認する、資料を探す、意思決定するなど）が具体的に思い浮かぶなら、問いは機能しています。逆に「なるほど、で？」としか思えない回答が返ってきたときは、スコープか粒度のどちらかが曖昧だった可能性が高いです。

OpenAIやAnthropic、Googleが公開しているプロンプト設計のガイダンスでも、目的・制約条件・出力形式を明示することが回答精度を左右すると説明されています※1※2※3。各社の推奨は細部で異なるため、使っているツールの公式ガイドを一度は確認しておくと、問いの設計に迷ったときの拠り所になります。

つまずきやすい点

一番多いつまずきは、問いを一度に詰め込みすぎることです。目的・スコープ・比較軸・判断基準をすべて1つの長い文に押し込むと、AIがどの条件を優先すべきか判断できず、結果的に総花的な回答になります。条件が多い場合は、箇条書きで分けて渡したほうが読み取られやすくなります。

もっとも、問いを分解しすぎるのも考えものです。細かく分けた質問を何十個も投げると、それぞれの回答がばらばらになり、後で統合する手間が増えます。目安として、1回のやり取りで扱う論点は3〜4個程度に絞ると、回答の一貫性を保ちやすくなります。

また、社内の人事評価や取引先の契約条件など、機密性の高いテーマを扱う場合は、具体的な固有名詞や数値を伏せた形で問いを設計してください。情報処理推進機構（IPA）も、生成AIの業務利用にあたって機密情報の取り扱いに注意するよう呼びかけています※4。

次の一歩

問いの設計ができるようになったら、次は複数の情報源を比較するフェーズに進みます。複数の情報源をAIで比較し、違いと共通点を整理する記事では、ここで設計した比較軸をどう使うかを扱っています。基本のキーワードと問いの立て方に戻りたいときは、AIを使って必要な情報を効率的に探す実践手順もあわせて確認してください。

参考文献

1. OpenAI. "Prompt engineering." OpenAI Platform Documentation（本稿執筆時点の情報。項目は随時更新される）。
2. Anthropic. "Prompt engineering overview." Anthropic Documentation（本稿執筆時点の情報）。
3. Lee Boonstra. "Prompt Engineering." Google, 2025.（Google発行のプロンプト設計に関するホワイトペーパー）。
4. 情報処理推進機構（IPA）. 生成AIの利用にあたっての注意事項に関する公表資料.（本稿執筆時点の情報。最新情報はIPA公式サイトを参照のこと）。