AIへの質問を変えたら、返ってくる答えが別物になった

「まとめて」では引き出せないものがある

ある人が子供の塾のテキストをNotebookLMに入れて使っていた。最初は「この単元をまとめて」と聞いていた。当然、テキストに書いてある範囲でしかまとめてくれない。

質問を変えた。

「この単元で子供がつまずきやすいポイントと、その理由は？」

返ってくる答えが別物になった。テキストの要約ではなく、学習のつまずきパターンという、テキストには書かれていない知見が出てくる。

同じ資料、同じAI。変わったのは質問だけだ。

MITの大学院生が見せた「48時間学習法」

MITの大学院生が1学期分の学習を48時間で終わらせる方法を実演した。

やったことは意外とシンプルだった。

準備：大量のソースをAIに投入する

教科書1冊ではなく、以下を全てNotebookLMに入れる。

• 教科書 6冊
• 研究論文 15本
• 講義の文字起こし

1冊を精読するのではなく、分野全体を俯瞰できる量を一気に投入する。

3つの質問で知的地図を作る

質問1：メンタルモデルを抽出する

「この分野の専門家が共有している5つのメンタルモデルは何か？」

分野の骨格が見える。

質問2：対立軸を把握する

「専門家が根本的に意見が割れている論点は何か？ それぞれの最強の主張は？」

ここまでで20分。分野の知的地図が出来上がる。

質問3：理解度テストを作らせる

「この分野を深く理解している人と、暗記だけの人を見分ける質問を10個作って」

この質問が鍵になる。暗記では答えられない、理解を試す問いをAI自身に設計させる。

6時間、答え続ける

作らせた10問に答え続ける。間違えるたびにAIに聞く。

「なぜ間違いか？ 何を見落としている？」

この「間違い→なぜ？」のループが理解を深める。

48時間後、彼は教授と議論できるレベルに到達していた。

保険営業でも同じことが起きている

損保の営業マンがこのやり方を仕事に持ち込んでいた。

新しいリスクを理解するために、まず資料を全部AIに入れる。

• 約款
• 引受ガイドライン
• 事故判例
• 監督指針
• 業界レポート
• 過去の事故レポート

そしてこう聞く。

「このリスクを引き受けるとき、損保の引受担当者が共通して使っている5つの判断フレームは何か？」

「このリスクについて、業界で見解が割れている論点は何か？ それぞれの最も強い主張は？」

20分でその分野の「リスク地図」ができる。

さらにこう聞く。

「この分野を本当に理解している人と、約款を暗記しているだけの人を見分ける質問を10個作って」

その質問に答え続ける。詰まるたびにAIに聞く。

「この判断が間違いな理由は？ 引受担当者は何を見落とさない？」

数時間後、ベテランの引受担当と議論できるレベルになる。

税理士事務所でも使える

税理士事務所で考えてみる。

まず資料をAIに入れる。

• 税務賠償事例集
• 誤りやすい税務処理のケーススタディ
• 税務通達・裁決事例
• 過去の申告ミス事例

そしてこう聞く。

「税務申告で実務家が共通して使っている5つの判断フレームは何か？」

「税務処理で見解が割れやすい論点は何か？ それぞれの根拠は？」

20分で税務判断の地図ができる。

さらにこう聞く。

「税務を本当に理解している人と、通達を暗記しているだけの人を見分ける質問を10個作って」

賠償事例や誤りやすい処理をデータとして持っていれば、そこから実務に直結するクイズをAIに作らせることもできる。

たとえば、国税庁の「誤りやすい事例集」にこんな事例がある。

令和5年1月1日以後、事業所を納税地とする場合、事業所を納税地とする届出書の提出が必要と考えている。

この事例をAIに渡して「暗記している人と深く理解している人を見分けるクイズを作って」と聞くと、こういうクイズが出てくる。

クイズ：個人事業主Aさんは自宅（世田谷区）と事業所（渋谷区）を持っています。令和5年4月に渋谷区を納税地として確定申告をしたいと考えました。届出書は必要ですか？ また、令和6年3月にAさんが法人成りして個人事業を廃業した場合、納税地はどうなりますか？

暗記だけの人の回答はこうなる。

「令和5年以降は届出書が不要になりました。」

ここで止まる。改正の事実は知っているが、それだけだ。廃業時にどうなるかは答えられない。

深く理解している人の回答はこう変わる。

「令和5年1月1日以後は、届出書の提出は不要です（所法16②、令4年改正法附則2, 3）。ただし、事業所を納税地としていた人が廃業や法人成りをした場合には、納税地を事業所から住所地へ変更する必要があります。Aさんの場合、令和6年3月の法人成り時点で、納税地を渋谷区から世田谷区に変更する手続きが必要です。」

違いは明確だ。暗記した人は改正の事実だけを答える。理解している人は、なぜその改正があったのか、どういう場面で注意が必要かまで答えられる。

間違えるたびに「なぜこの処理が誤りか？ どの通達を見落としている？」と聞く。このループを繰り返すことで、暗記から理解に変わっていく。

事務所の研修にこのやり方を取り入れれば、新人スタッフが実務の勘所を身につける速度が変わる。

何が変わったのか

「問いを立てる力が大事だ」とは昔から言われてきた。

ただ以前は、問いを立てた後にその答えを出す部分が難しかった。良い問いがあっても、答えにたどり着くには膨大な時間と経験が必要だった。

AIが変えたのはここだ。答えを出す部分をAIに任せられるようになった。問いさえ立てれば、AIが全資料を横断して答えを返してくれる。

ボトルネックが「答えを出す力」から「問いを立てる力」に移った。

そして問いを立てること自体は、やり方を知れば難しくない。「この単元をまとめて」ではなく「子供がつまずくポイントは？」と聞く。「約款を要約して」ではなく「引受担当者の判断フレームは？」と聞く。この習慣を身につけるだけで、AIから引き出せるものが変わる。

対話型の学習が持つ力

目で読んで暗記する学習と、AIと対話しながら学ぶ学習は根本的に違う。

AIとの対話では、自分が発した問いに対して毎回フィードバックが返ってくる。音声入力を使えば、喋りながら考えを整理し、AIの返答を聞いてさらに深掘りできる。本を読んで一方的にインプットするのではなく、問いと応答のキャッチボールの中で理解が進む。

この「対話の中で学ぶ」という体験は、従来の学習にはなかったものだ。

教える側も変わらなければならない

学ぶ側がこのやり方で学習してくるなら、教える側も変わる必要がある。

AIを使った学習者は、単元の要約ではなく、つまずきパターンや専門家の判断フレームをすでに把握した状態で授業に来る。「教科書の内容を説明する」だけの授業では、AIがすでにやったことの繰り返しになる。

教師に求められるのは、AIでは再現しにくい部分だ。たとえば、生徒がAIに立てた問いの質そのものを評価すること。「その問いは良い角度だけど、こっちの視点が抜けている」というフィードバックは、対話の中でしか生まれない。

授業の中にAIとの対話プロセスを組み込むのも一つの手だ。教師がリアルタイムにAIに質問し、どう聞くと何が返ってくるかを見せる。質問を少し変えるだけで出力がどう変わるかを、目の前で実演する。これは講義スライドを読み上げるよりずっと伝わる。

教材の設計も変わる。知識を順序よく伝えるための教材から、学習者がAIと対話するための「問いのテンプレート」を含んだ教材へ。授業の形態も、講義型から、AIで事前に構造化した知識をもとに議論する演習型へ。

学習者と教師、両方のやり方が変わって初めて、この質問力を活かした学び方が機能する。

「蛍光ペン」として使うか「家庭教師」として使うか

多くの人はAIを高性能な蛍光ペンとして使っている。テキストを要約させ、重要箇所をハイライトさせる。

でもAIは、全ての文献を読んだ家庭教師として使える。テキストの範囲内で答える要約マシンではなく、知識を構造化し、自分の理解を試してくれる相手になる。

差を生むのはコンテンツの量ではない。質問の質だ。