あなたは今まで、ChatGPTに裏切られたことがあるだろうか。
「34×12は？」というシンプルな計算で、とんでもない答えが返ってくる。
ビジネスプランを考えてもらったら、穴だらけの提案が出てくる。
「やっぱりAIなんて、所詮この程度か」
そう思って、ブラウザのタブを閉じる。
でも、ちょっと待ってほしい。
もしかしたら、それはAIが悪いんじゃない。あなたの使い方が間違っているだけかもしれない。
今日、あなたにたった一つの「魔法の言葉」を教える。
これを知るだけで、今まで使い物にならなかったAIが、まるで別人のように賢くなる。
その言葉とは——
「ステップ・バイ・ステップで考えて」
たったこれだけ。
騙されたと思って、最後まで読んでほしい。
AIには「頭の中」が存在しない
人間とAIの決定的な違い
私たちが「34×12は？」と聞かれたとき、何が起きているか考えてみよう。
頭の中でこんな独り言が始まる。
「えーっと、34かける10で340。残りの2倍は68。足して…408！」
この見えない計算プロセスは、脳の中の「メモ帳」で行われている。
誰にも見えないが、確実に存在する思考の足場だ。
ところが。
AIには、この「頭の中のメモ帳」が存在しない。
これは比喩でも何でもなく、技術的な事実である。
AIの正体：次の文字を予測するマシン
ChatGPTやClaude、Geminiといった大規模言語モデル（LLM）の仕組みは、極めてシンプルだ。
「次に来るべき文字を、確率で予測する」
それだけ。
あなたが「34×12=」と入力すると、AIは計算をするのではない。
学習データの中から「34×12=の後に続きそうな数字」を、統計的に推測しているだけなのだ。
つまり、AIにとって数学の問題は「計算」ではなく、「パターン認識ゲーム」に過ぎない。
これが、AIが時々びっくりするようなミスをする理由だ。
知ったかぶりの天才
もっと深刻な問題がある。
AIは「わからない」と言えない。
人間なら「ちょっと考えさせて」「計算させて」と言えるが、AIにはその選択肢がない。
質問されたら、何かを答えなければならない。
その結果、自信満々に間違った答えを返す。
これを専門用語で「ハルシネーション（幻覚）」と呼ぶ。
まるで、テストで答えがわからない学生が、とりあえず何か書いて提出するようなものだ。
「出力すること」が「考えること」である
AIの思考は可視化されている
ここからが面白い。
人間の思考は見えない。あなたが今何を考えているか、私には一切わからない。
でも、AIの思考は100%可視化されている。
なぜなら、AIにとって「出力されたテキスト」こそが思考そのものだからだ。
逆に言えば、出力されていないことは、AIにとって「考えていない」と同じなのである。
思考の連鎖（Chain of Thought）
2022年、GoogleのAI研究チームが驚くべき発見をした。
AIに複雑な問題を解かせるとき、いきなり答えを求めるより、「途中経過を説明させた方が、正答率が劇的に上がる」という事実だ。
例えば、こんな問題。
ロジャーはテニスボールを5個持っている。彼はさらに2缶のボールを買った。各缶には3個ずつボールが入っている。ロジャーは今、何個のボールを持っているか？
普通の指示:
質問：ロジャーはテニスボールを5個持っている。彼はさらに2缶のボールを買った。各缶には3個ずつボールが入っている。ロジャーは今、何個のボールを持っているか？
答え：
AIの回答: 「8個です」（間違い）
ステップ・バイ・ステップ指示:
質問：ロジャーはテニスボールを5個持っている。彼はさらに2缶のボールを買った。各缶には3個ずつボールが入っている。ロジャーは今、何個のボールを持っているか？
ステップ・バイ・ステップで考えてください。
答え：
AIの回答:
ステップ1: ロジャーは最初に5個のボールを持っている
ステップ2: 2缶買って、各缶に3個なので、2×3=6個のボールが増える
ステップ3: 最初の5個と新しい6個を足すと、5+6=11個
答え: 11個です
正解だ。
なぜこれが機能するのか
ここからが技術的に美しいポイントだ。
AIは、「自分がさっき出力した文字」を、次の思考の材料として使っている。
つまり、「ステップ1: ロジャーは最初に5個」と書いた瞬間、その情報が次の予測のヒントになる。
「ステップ2: 2缶買って」と書けば、また新しい情報が足場に加わる。
こうして、AIは自分自身の出力を思考の足場（scaffold）として、一歩ずつ論理を積み上げていくのだ。
人間に例えるなら、「声に出して考えることで、思考が整理される」現象に似ている。
あなたも経験があるはずだ。
複雑な問題を誰かに説明しているうちに、自分自身が答えに辿り着いた瞬間が。
AIも同じなのだ。喋ること（出力すること）で、初めて深く考えられる。
魔法の呪文バリエーション集
「ステップ・バイ・ステップで考えて」は、最も有名な呪文だが、これだけではない。
状況に応じて、いくつかのバリエーションを使い分けると、さらに効果的だ。
基本形：思考を促すフレーズ
- 「ステップ・バイ・ステップで考えて」
- 「段階的に説明して」
- 「順を追って考えて」
- 「焦らなくていいから、ゆっくり考えて」
応用形：思考の質を上げるフレーズ
- 「まず何を確認すべきか、考えてから答えて」
- 「途中で間違いに気づいたら、遠慮なく訂正して」
- 「なぜそう考えたのか、理由も含めて説明して」
- 「複数の可能性を検討してから、ベストな答えを出して」
上級形：専門的なタスク向け
- 「計算式も含めて、各ステップを明示して」
- 「情報源ごとに整理しながら考えて」
- 「仮説を立てて、それを検証する形で考えて」
- 「反論も想定しながら、論理を組み立てて」
禁断の呪文：AIの自己修正能力を引き出す
- 「これまでの答えに間違いがないか、もう一度検証して」
- 「別の角度から考え直して、最初の答えと比較して」
これは特に強力だ。
AIに「自分の答えをレビューさせる」ことで、驚くほど精度が上がる。
まるで、作家が自分の原稿を読み返して推敲するように、AIも自己修正できるのだ。
音声入力の隠れたメリット
ここで、第3章で触れた音声入力の話に戻ろう。
実は、音声入力には「自然とステップ・バイ・ステップ思考を促す」という隠れた効果がある。
キーボードは「結論」を急ぐ
キーボードでタイプするとき、私たちは無意識に簡潔さを求める。
指が疲れるし、面倒くさい。
だから、こうなる。
売上予測出して
これでは、AIはいきなり答えを出そうとして、浅い分析になる。
音声は「プロセス」を喋る
でも、音声で話すときはどうだろう。
えーっと、今期の売上予測を出したいんだけど、
まず先月のキャンペーンの影響を考慮してほしくて、
あと季節要因もあるから、
その辺を順番に整理しながら予測してみてくれる？
この「えーっと」「まず」「順番に」という言葉が、実は強力なトリガーになっている。
人間が自然と喋る「つなぎ言葉」こそが、AIにとっての「ステップ・バイ・ステップ」指示なのだ。
これが、音声入力の方がキーボードより高品質な回答を引き出せる、もう一つの理由である。
実験：Before & After
理論はわかった。では、実際にどれくらい違うのか見てみよう。
実験1：数学の問題
Before（指示なし）
質問：127×34は？
AIの回答：4,318です
（正解は4,318だが、複雑な問題だとミスが増える）
After（ステップ・バイ・ステップ）
質問：127×34は？ ステップ・バイ・ステップで計算して。
AIの回答：
ステップ1: 127×30を計算します
127×30 = 127×3×10 = 381×10 = 3,810
ステップ2: 127×4を計算します
127×4 = 508
ステップ3: 結果を合計します
3,810 + 508 = 4,318
答え: 4,318です
実験2：ビジネス戦略
Before（指示なし）
質問：新規顧客獲得のためのマーケティング戦略を考えて
AIの回答：
SNS広告を活用し、ターゲット層にリーチしましょう。インフルエンサーとのコラボも効果的です。SEO対策で検索順位を上げることも重要です。
（よくある、浅いアドバイス）
After（ステップ・バイ・ステップ）
質問：新規顧客獲得のためのマーケティング戦略を考えて。ステップ・バイ・ステップで、まず現状分析から始めて。
AIの回答：
ステップ1: 現状分析
まず、現在の顧客獲得単価（CPA）とLTV（顧客生涯価値）の比率を確認する必要があります。LTVがCPAの3倍以上であれば、広告投資は健全です。
ステップ2: ターゲット特定
既存顧客データから、最も利益率の高い顧客セグメントを特定します。年齢、職業、購買パターンなどを分析し、「理想の顧客像」を明確にします。
ステップ3: チャネル選定
そのターゲットが最も時間を使うチャネルを特定します。例えば、30代ビジネスパーソンならLinkedInとPodcast、若年層ならTikTokとInstagramなど。
ステップ4: メッセージ設計
単に「商品の機能」を訴求するのではなく、「ターゲットが解決したい悩み」に焦点を当てたストーリーを作ります。
ステップ5: 小規模テスト
いきなり大金を投じるのではなく、複数のクリエイティブとメッセージでA/Bテストを実施し、最も反応率の高い組み合わせを見つけます。
この違い、わかるだろうか。
同じAI、同じ質問。
でも、「ステップ・バイ・ステップで考えて」という一言を加えるだけで、これほど深い思考が引き出せるのだ。
なぜ「急がば回れ」が最速なのか
ここで、逆説的な真理に辿り着く。
「ゆっくり考えさせた方が、結果的に速く正解に辿り着く」
これは人間にも当てはまる法則だ。
暗算で失敗する時間 vs 筆算で成功する時間
あなたが複雑な計算を暗算でやろうとして、何度もミスをする。
やり直すたびに時間がかかり、最終的に30分かかった。
でも、最初から紙に書いて筆算していれば、5分で終わっていた。
AIも全く同じなのだ。
「簡潔に答えて」は思考停止の命令
「簡潔に答えて」「手短に」「結論だけ」
これらは、一見効率的に見える。
でも実際は、AIの思考能力を奪う禁句である。
AIにとって、これは「暗算しろ」と言っているのと同じ。
結果、浅い答えが返ってくるか、間違った答えが返ってくる。
そしてあなたは、もう一度質問し直すハメになる。
最初から「ステップ・バイ・ステップで」と言っておけば、一発で深い答えが得られたのに。
上級テクニック：思考の足場を設計する
ステップ・バイ・ステップの考え方に慣れてきたら、さらに高度な使い方がある。
テクニック1：段階数を指定する
この問題を、5つのステップに分けて考えて
こうすることで、AIは「どれくらい細かく考えるべきか」の基準を得る。
複雑な問題なら「10ステップ」、シンプルな問題なら「3ステップ」など、調整できる。
テクニック2：思考の「型」を提供する
以下の順序で考えて：
1. 問題の定義
2. 原因分析
3. 解決策の列挙
4. 各解決策の評価
5. 最適解の選択
これは、AIに「思考の設計図」を渡すようなものだ。
特にビジネス文書や企画書を作るとき、毎回この型を使えば、一貫性のある高品質な成果物が得られる。
テクニック3：自己対話させる
まず、Aという立場から考えて。
次に、Bという立場から反論して。
最後に、両者を統合した答えを出して。
これは「ディベート形式」で思考させる方法だ。
AIに自分自身と議論させることで、多角的な視点が得られる。
弁証法（thesis → antithesis → synthesis）を、AI内部で再現するイメージだ。
テクニック4：検証ステップを入れる
答えを出したら、最後にその答えが本当に正しいか検証して
これをやると、AIは一度出した答えを「別の視点」から見直す。
人間でいう「セルフレビュー」「推敲」のプロセスだ。
この一言を加えるだけで、精度がさらに10〜20%向上する。
「思考とは出力である」という新しい世界観
ここまで読んで、あなたは気づいたかもしれない。
人間とAIの違いは、「思考が見えるか見えないか」だけかもしれない。
人間も実は「内的対話」で考えている
私たちが「考える」とき、実は頭の中で言葉を使っている。
「まず、これをして…次に、あれをして…でも、こうなったらどうしよう…」
この無意識の独り言が、思考の正体だ。
天才と呼ばれる人たちは、この内的対話が異常に高速で、複雑なだけなのかもしれない。
AIは「内的対話」を外部化している
AIは、人間が頭の中でやっている独り言を、そのまま外に出しているに過ぎない。
つまり、「ステップ・バイ・ステップで考えて」という指示は、
「あなたの内的対話を、私に見せてください」
というお願いなのだ。
こう考えると、AIとのコミュニケーションは「質問→回答」ではなく、
「共同思考」
という新しい形に進化する。
あなたとAIが、同じ問題について一緒に考える。
AIが途中経過を喋り、あなたがそれを見て「いや、ここはこうじゃないか？」と軌道修正する。
これは、優秀なビジネスパートナーとのブレストと、まったく同じプロセスではないだろうか。
【実践チャレンジ】
今すぐ、ChatGPTやClaudeを開いて、試してほしい。
あなたがいつも聞いている質問に、「ステップ・バイ・ステップで考えて」を付け加えてみよう。
その違いに、きっと驚くはずだ。
そして、その驚きを忘れないうちに、次章へ進んでほしい。
物語は、まだ始まったばかりだ。
次回は「●●しないでください」は使っちゃダメ。。という話。人間でも「ピンクの象を想像しないでください。絶対にですよ。約束ですよ」と言われると絶対に想像してしまう。AIも同じなので「否定は使わずに肯定形で攻めよう」って話。
コメント