概要
https://zenn.dev/hataluck/articles/d347a5011cf71e
詳細内容
## AI に指示するのではなく、まずは AI に質問させた方が捗る
https://zenn.dev/hataluck/articles/d347a5011cf71e
ユーザーの暗黙知を引き出し、AIの回答精度とユーザー自身の思考整理を同時に実現する「インタビュー型プロンプティング」の手法を解説する。
**Content Type**: 📖 Tutorial & Guide
**Language**: ja
**Scores**: Signal:4/5 | Depth:3/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 83/100 | **Annex Potential**: 81/100 | **Overall**: 80/100
**Topics**: [[プロンプトエンジニアリング, LLM, 暗黙知, 技術設計, メタ認知]]
LLM（大規模言語モデル）を活用する際、多くのエンジニアが「指示を出しても一般論しか返ってこない」という壁に直面する。著者はその根本原因が、ユーザーの頭の中にある前提・制約・優先順位といった「暗黙知」が言語化されないまま入力されている点にあると指摘する。LLMは不足している情報を一般的な学習データで補完しようとする性質があるため、具体的な文脈が欠けると、ユーザーの状況に合致しない「それっぽい回答」に終始してしまうのだ。この課題を解決する手段として、著者は「AIに答えさせる」のではなく「AIに質問させる」手法、すなわち「インタビュー型プロンプティング」の有効性を提唱している。
この手法の核となるのは、AIからの問いかけを通じてユーザーに「メタ認知（自分の思考を客観視すること）」を引き起こさせるプロセスにある。著者が提唱するプロンプトの型は、以下の3つの要素で構成されている。まず、AIに「インタビュアー」としての役割を与え、思考の整理が目的であることを明確に定義すること。次に、「表面的・自明な質問の禁止」と「一度の質問数を制限（例：最大3問）」する制約を設けることで、ユーザーの思考負荷を抑えつつ対話の質を維持すること。そして、議論が停滞しないよう「情報が揃ったと判断したらアウトプットを出す」という明確な終了条件を設けることである。
記事では具体的な活用シーンとして、新機能の通知配信システムに関する「技術設計のトレードオフ表作成」が挙げられている。ユーザーが断片的なメモを入力すると、AIは「重複NGか取りこぼし最小化か」「遅延の許容上限は」といった、設計の分岐点となる核心的な質問を投げ返してくる。この対話のラリーを経て作成されたトレードオフ表は、単なる「非同期処理がいい」といった結論を超え、具体的な判断軸と根拠が明確に可視化されたものとなる。
著者は、このアプローチが技術設計だけでなく、技術記事の構成案作成やキャリアコーチングなど、言語化が困難なあらゆる場面で応用可能であると主張する。AIを単なる「指示を待つツール」としてではなく、対話を通じてユーザー自身の思考を明文化し、高精度なアウトプットへと導く「伴走者」として再定義する本手法は、日々の開発業務におけるAI活用の解像度を一段引き上げる実用的な知見である。