AIの回答が的外れなのは、AIの性能が低いからでしょうか。
もしかすると、私たちが投げかけている「問い」に問題があるのかもしれません。
生成AIは、膨大な情報を短時間で整理し、分析し、もっともらしい答えを提示します。しかし、AIが優れた回答を生成しても、最初の問いが適切でなければ、問題の本質にはたどり着けません。
AI時代に必要なのは、プロンプトを上手に書く技術だけではありません。
何に時間とエネルギーを使うべきか。何を明らかにしたいのか。何を前提としているのか。どの情報が信頼できるのか。そして、何を決めるべきなのか。
こうした問いを的確に組み立てる能力です。
そのために活用できるのが、PQA（精密な質問と回答）です。
今回は、公開情報を調査するPeemoと、リーダーシップ開発を分析するDashが、PQAの7つの質問カテゴリーを使いながら、AIの活用をより質の高い意思決定につなげる方法を考えます。
1．AI時代に、なぜ「問う能力」が重要なのか
Peemo：
生成AIを使うと、これまで何時間もかかっていた情報収集や分析が短時間でできるようになりました。
しかし、AIに質問すれば、必ず良い答えが得られるわけではありません。
Dash：
例えば、営業部門の管理職がAIに次のように尋ねたとします。
「営業担当者の報告書作成時間を50％削減する方法を提案してください」
AIは、入力作業の自動化、報告書テンプレートの改善、音声入力の活用など、さまざまな提案をするでしょう。
しかし、ここで別の問いを投げかけたらどうでしょうか。
「そもそも、この報告書は何のために必要なのか？」
さらに、PQAの「フォーカス」の視点から考えてみます。
「営業担当者の限られた時間とエネルギーを、報告書の作成と顧客との対話のどちらに重点的に使うべきか？」
この問いによって、単なる報告書作成の効率化から、営業活動全体の優先順位を考えることができます。
もしかすると、その報告書は以前の管理方法を踏襲しているだけで、現在の意思決定にはほとんど使われていないかもしれません。
その場合、報告書を速く作ることより、報告業務そのものを見直し、顧客との対話に時間を振り向ける方が大きな価値を生む可能性があります。
AIは、与えられた問いに対して答えを生成します。
しかし、何に注意を向け、何を問うべきかを判断することは、人間が担う重要な役割です。
2．PQAとは何か
Peemo：
PQAは、精密な質問と回答を通じて、コミュニケーションの効率とクリティカルシンキングを高めるアプローチです。
その特徴は、質問を7つのカテゴリーに整理していることです。
① フォーカス：時間とエネルギーの使い方や注意の方向性を決める。
② 補足説明：何を意味しているのか。
③ 前提条件：何を前提としているのか。
④ 根拠・確証：それが正しいとどう分かるのか。
⑤ 原因：何がその結果を引き起こしているのか。
⑥ 影響：どのような結果や波及効果があるのか。
⑦ 行動：誰が、何を、いつ行うべきか。
Dash：
この7つは、質問を順番に機械的に使うためのチェックリストではありません。
状況に応じて、どのカテゴリーの問いが必要なのかを判断するための道具です。
特に、第1カテゴリーの「フォーカス」は重要です。
私たちは、限られた時間とエネルギーの中で仕事をしています。
AIによって大量の情報や選択肢を短時間で得られるようになるほど、何に注意を向け、何を優先するかという判断が重要になります。
例えば、AIが提示した解決策に違和感がある場合、いきなり「別の解決策を出してください」と依頼するのではなく、まず次のように考えます。
「私たちは、今、本当に重要な問題に取り組んでいるのか？」
「この問題に、どの程度の時間とエネルギーを使うべきか？」
「注意を向けるべき、もっと重要な問題はないか？」
そのうえで、必要に応じて前提条件や根拠を問い直します。
原因が十分に分かっていない場合は、行動を決める前に原因を掘り下げます。
PQAの価値は、質問を増やすことではありません。
意思決定に必要な問いを選び、必要な深さまで掘り下げることにあります。
3．活用例① 製造業の品質問題をAIで分析する
Peemo：
ある製造部門で、製品の不良率が上昇したとします。
担当者がAIに次のように依頼しました。
「不良率を下げるための対策を提案してください」
AIは、設備の点検、作業手順の見直し、検査頻度の増加などを提案しました。
Dash：
どれも考えられる対策ですが、原因が特定されていない段階で実行すると、効果が限定的になる可能性があります。
そこで、PQAを使って問いを組み立て直します。
フォーカス：
「複数の品質問題の中で、今、最も注意と時間を集中すべき問題はどれか？」
補足説明：
「不良率が上昇したとは、具体的にどの製品、工程、期間のことか？」
前提条件：
「設備に原因があると考えているのはなぜか？」
根拠・確証：
「不良率の上昇を示すデータは十分か？測定方法に変更はなかったか？」
原因：
「不良が増え始めた時期に、材料、設備、作業条件にどのような変化があったか？」
影響：
「この問題が続くと、納期、コスト、顧客の信頼にどのような影響があるか？」
行動：
「どの仮説から検証するか？誰が、いつまでに確認するか？」
これらの問いをAIとの対話に組み込むことで、単なる対策の列挙から、優先順位を明確にした原因分析へと進められます。
例えば、次のようなプロンプトが考えられます。
「以下の品質問題について、まず対応の優先順位を整理してください。そのうえで原因を断定せず、確認すべき事実、暗黙の前提、考えられる原因仮説を示してください。各仮説を検証するために必要なデータも挙げてください」
AIが提示した仮説を、現場のデータや観察によって確かめることが重要です。
AIの回答を完成した結論として受け取るのではなく、検証すべき仮説として扱う。
ここにPQAを活用する価値があります。
4．活用例② 営業活動で顧客の本当の問題を発見する
Peemo：
ある営業担当者が、顧客から「価格を下げてほしい」と要望されました。
そこでAIに次のように尋ねました。
「値引きをせずに受注するための交渉方法を教えてください」
AIは、商品の付加価値を説明する方法や、競合製品との差別化を提案しました。
Dash：
しかし、この質問には一つの前提が隠れています。
「顧客が価格の引き下げを求めているのは、価格そのものに不満があるからだ」という前提です。
PQAの視点から、問いを変えてみましょう。
フォーカス：
「この商談では、価格交渉と顧客の事業課題の理解のどちらに、時間と注意を集中すべきか？」
補足説明：
「顧客が言う『高い』とは、何と比較して高いのか？」
前提条件：
「顧客は本当に値引きだけを求めているのか？」
原因：
「なぜ今、価格の見直しを求めているのか？」
影響：
「価格以外に、顧客の事業に大きな影響を与えている問題はないか？」
こうした問いを考えたうえで顧客と対話すると、別の事情が見えてくるかもしれません。
例えば、顧客の本当の問題は購入価格ではなく、設備停止による生産ロスだったとします。
その場合、値引きよりも、保守サービスや納入体制の改善が顧客にとって価値のある提案になる可能性があります。
AIは交渉方法を提案できます。
しかし、顧客が何を問題としているのかを確かめるには、営業担当者自身の問いと対話が欠かせません。
5．活用例③ 人材開発で研修の効果を高める
Peemo：
ある企業の人材開発部門では、管理職向け研修の受講者満足度が高いにもかかわらず、職場での行動変化が見られませんでした。
担当者はAIに次のように尋ねました。
「管理職研修の満足度をさらに高める方法を提案してください」
Dash：
しかし、満足度がすでに高いのであれば、別の問題を考える必要があります。
PQAを使って、次のように問い直します。
フォーカス：
「研修の満足度を高めることと、職場での行動変化を促すことのどちらに、時間とエネルギーを集中すべきか？」
補足説明：
「職場での行動変化とは、具体的にどのような行動を指しているのか？」
前提条件：
「研修を受講すれば、職場で行動が変わると考えていないか？」
根拠・確証：
「行動が変わっていないと判断した根拠は何か？」
原因：
「行動を実践できない理由は、本人の能力なのか、上司の支援不足なのか、職場環境なのか？」
行動：
「研修後に誰が、どのようなフォローアップを行うべきか？」
これらの問いによって、研修内容の改善だけでは解決できない問題が見えてきます。
例えば、受講者が研修で学んだ部下へのフィードバックを実践しようとしても、上司がその行動を評価せず、日常業務に追われて実践機会がない場合があります。
その場合、研修の満足度をさらに高めるより、上司によるフォローアップやピアコーチングを組み込む方が効果的かもしれません。
AIに研修プログラムを提案させる前に、何を変えるべきなのかを明確にする。
これもPQAの重要な活用方法です。
6．活用例④ 経営会議でAIの提案を検証する
Peemo：
経営会議では、AIを使って市場分析や投資計画を作成する機会が増えると考えられます。
例えば、AIが次のような提案をしたとします。
「今後3年間で、この市場への投資を拡大すべきです」
Dash：
経営判断では、もっともらしい結論だけで意思決定することはできません。
PQAの7つのカテゴリーを使って、提案を検証してみましょう。
フォーカス：
「限られた経営資源と経営陣の注意を、今この投資判断に集中させるべきか？それとも、より重要な課題があるのか？」
補足説明：
「投資拡大とは、具体的にどの程度の規模を意味するのか？」
前提条件：
「市場が成長し続けるという前提は妥当か？」
根拠・確証：
「成長予測は、どのデータに基づいているのか？」
原因：
「市場成長を生み出している要因は何か？」
影響：
「投資が失敗した場合、財務や人材配置にどのような影響があるか？」
行動：
「投資判断の前に、どの情報を誰が確認すべきか？」
さらに、次の問いも重要です。
「私たちがまだ質問していない、重要な問題はないか？」
これはPQAで重視される、見落としを防ぐための問いです。
AIが提示した情報だけでなく、AIが触れていないリスクや前提にも目を向けることができます。
ただし、AIが自らの見落としを完全に発見できるとは限りません。重要な意思決定では、一次情報や専門家の判断による検証が必要です。
7．AIへの質問と、人間同士の対話はどう違うのか
Peemo：
PQAは、相手の思考を深く検証するための方法です。
一方、質問を鋭くするほど、相手が追及されていると感じる可能性もあります。
Dash：
ここは重要な点です。
PQAは、信頼関係を築くことや自由な発想を促すブレインストーミングを主目的とするものではありません。
効率的で効果的な知的交流を実現するための方法です。
したがって、AIへの質問と、人間への質問では、同じ内容でも伝え方を変える必要があります。
例えば、AIには次のように尋ねても問題ありません。
「その結論の根拠は何か？前提条件をすべて列挙してください」
しかし、部下に同じ調子で質問すると、詰問されていると感じるかもしれません。
そこで、次のように伝えます。
「一緒に結論の確かさを確認したいので、どのような根拠からそう考えたのか教えてもらえますか？」
問いの内容は変えずに、口調やペースを調整するのです。
ダイアローグワークスの視点では、相手のメンタルモデルを理解し、自分の解釈を事実と思い込まないことが重要です。
PQAで問いの精度を高め、ダイアローグワークスで相手との理解を深める。
この2つを組み合わせることで、AIの活用だけでなく、職場のコミュニケーションの質も高められると考えます。
8．精密な回答が、AIの活用をさらに高める
Peemo：
PQAには、精密な質問だけでなく、精密な回答というもう一つの側面があります。
重要な原則は、回答者が最初に核心を伝え、その後、必要に応じて詳細を説明することです。
Dash：
例えば、経営会議で役員から次のように尋ねられたとします。
「このAI導入プロジェクトは予定どおり進んでいるのか？」
ここで担当者が、これまでの経緯や作業内容を長々と説明すると、役員は結論をつかみにくくなります。
精密な回答では、まず核心を伝えます。
「現時点では、予定より2週間遅れています。主な原因はデータ整備の遅れです。来週までに対応策を確定します」
そのうえで、必要に応じて根拠や詳細を説明します。
また、回答には不確実性を適切に示す必要があります。
例えば、
「現時点の情報では、予定どおりの完了は可能と考えています。ただし、外部システムとの接続試験が完了していないため、確定的ではありません」
という答え方です。
AIが作成した説明資料についても同じことが言えます。
長く詳しい回答が、必ずしも良い回答とは限りません。
結論、根拠、前提条件、不確実性、必要な行動を整理して伝えることが、意思決定の質を高めます。
9．PQAを人材開発にどう組み込むか
Peemo：
PQAの7つのカテゴリーは、AI活用研修だけでなく、管理職研修や日常の会議にも応用できます。
Dash：
例えば、次のような3か月間の実践プログラムが考えられます。
1か月目：問いの精度を高める
参加者は、自分が日常的にAIへ入力している質問を持ち寄ります。
その質問が、どのような前提に基づいているかを確認し、PQAの7つのカテゴリーを使って問い直します。
特に、フォーカスの問いを使って、どの問題に時間とエネルギーを集中すべきかを検討します。
同じテーマについて、質問を変えることでAIの回答がどう変わるかを比較します。
2か月目：AIの回答を検証する
AIが提示した結論について、根拠、前提条件、原因、影響を検討します。
特に、AIの回答と現場の実態が異なる場合、何が違いを生んでいるのかを分析します。
3か月目：職場の意思決定に活用する
参加者は、実際の業務課題を一つ選び、PQAを使って問題を整理します。
そのうえでAIを活用し、複数の選択肢を検討して、意思決定と行動につなげます。
ピアコーチングでは、参加者同士が問いの質を検討します。
「その問いは、本当に解くべき問題を捉えているか？」
「今、最も時間とエネルギーを集中すべき課題は何か？」
「見落としている前提はないか？」
「意思決定に必要な情報は何か？」
こうした実践を繰り返すことで、PQAを知識として理解するだけでなく、日常の仕事で使える能力へと発展させます。
10．AI時代に問われるのは、答える力だけではない
Peemo：
生成AIの進化によって、私たちは以前よりはるかに速く、多くの答えを得られるようになりました。
Dash：
しかし、答えを得る速度が上がったからといって、意思決定の質が自動的に高まるわけではありません。
むしろ、もっともらしい答えが簡単に得られる時代だからこそ、問いの質が重要になります。
私たちは何に時間とエネルギーを使うべきなのか。
何を明らかにしたいのか。
何を前提としているのか。
その情報が正しいと、どうして分かるのか。
本当の原因は何か。
どのような影響があるのか。
そして、何をすべきなのか。
PQAの7つの質問カテゴリーは、こうした思考を体系的に進めるための道具です。
AIに優れた答えを求める前に、まず優れた問いを立てる。
AIの答えを受け取った後も、さらに問い続ける。
そして、得られた情報を、責任ある判断と行動につなげる。
AI時代の人材開発では、AIを操作する能力だけでなく、この「問う能力」を育てることが不可欠になるのではないでしょうか。
皆さんの組織では、社員にAIの使い方を教えるだけでなく、何を問うべきかを考える力を育てていますか？
※本記事のAIへの応用、職場の事例、3か月間の育成プログラムはSmartWorksによる分析・提案です。
Akira Chida (Dash)
SmartWorks