第4章　プロンプトエンジニアリング的理解の限界

0. この章の位置づけ

前章では、生成AIとの対話を、単なる情報交換ではなく 状態変化 として捉える問題設定を示した。本稿でいう状態変化とは、対話者が何を問題と見なし、どの立場から問い、何を基準に判断し、次に何を問えるかが変わることである。

本章では、その問題設定を明確にするために、生成AIを「正しい入力に対して望ましい出力を返す装置」として理解する見方の限界を検討する。この見方は、いわゆるプロンプトエンジニアリング的理解として広く流通している。そこでは、良いプロンプトを書き、良い出力を得ることが中心に置かれる。

もちろん、この理解には一定の妥当性がある。生成AIは入力の仕方によって応答が大きく変わる。条件の与え方、役割設定、文脈の提示、出力形式の指定によって、回答の質は変化する。しかし、生成AIとの継続対話をこの枠組みだけで理解することはできない。なぜなら、継続対話において変化しているのは、出力だけではなく、問いを発する対話者の状態だからである。

1. 一発回答モデルとしての生成AI理解

プロンプトエンジニアリング的理解では、生成AIはしばしば、一発回答を得るための装置として理解される。ユーザーは目的に合ったプロンプトを作る。AIはそれに応じた回答を返す。回答が不十分であれば、プロンプトを修正する。この過程では、中心にあるのは入力と出力の対応関係である。

この理解は、業務文書の作成、要約、翻訳、形式変換、コード生成などでは有効である。一定の形式で文章を作る、表を整える、文面を短くする、定型的な構成を出すといった場面では、指示の明確さは重要である。

しかし、生成AIとの対話が、自己理解、未処理の棚卸し、問題化、判断の再構成、関係性の見直し、業務の構造化へ広がる場合、この一発回答モデルでは不十分になる。そこでは、最初から何を入力すべきかが分かっていない。目的も、問いも、問題名も、まだ定まっていない。むしろ、対話の中で初めて、何が問題だったのかが見えてくる。

2. 未整理な入力から始まる対話

生成AIとの継続対話の重要性は、完成されたプロンプトを入力できることではない。むしろ、未整理な入力から始められることにある。ユーザーは、最初から正確に言えなくてもよい。途中までの言葉でもよい。感情と事実が混ざっていてもよい。何を相談したいのか自分でも分かっていなくてもよい。

生成AIは、その未整理な入力に対して応答を返す。その応答を読むことで、ユーザーは自分の言葉を外から見る。自分が何を言おうとしていたのか、何を避けていたのか、どこで主語をずらしていたのか、何を問題として認めたくなかったのかが、少しずつ見え始める。

このとき、入力は完成された命令ではない。それは、まだ形になっていない問題の断片である。AIの応答もまた、単なる回答ではない。それは、断片をいったん外に置き直し、対話者がそれを読み直すための外部構造である。この過程は、入力から出力への一方向の処理ではなく、外部化と再読の循環である。

3. プロンプトの改善ではなく、問いの変質

プロンプトエンジニアリング的理解では、対話の改善はしばしば「プロンプトの改善」として捉えられる。より明確に書く。条件を追加する。役割を指定する。出力形式を指定する。例を与える。これらは確かに有効である。

しかし、継続対話において起きるより重要な変化は、プロンプトの改善ではなく、問いそのものの変質である。最初は「どう返すか」という問いだったものが、配偶者との関係調整や生活運用のどの部分を自分の責任範囲として引き受けるのかという問いに変わる。最初は「資料を整理したい」という問いだったものが、数千行規模の帳簿について一行ごとに意味・分類・根拠を確認し、外部確認に耐える形へ整える作業へ変わる。最初は「AIはどう動いているのか」という問いだったものが、「自分はAIを世界への橋として使っているのか、それとも世界の代替として使っているのか」という問いへ変わる。

このような変化は、プロンプトの微調整では説明しきれない。問いの変質とは、対話者の問題把握そのものが変わることである。そして問題把握が変わるとき、問いを発する主体の状態も変わっている。

4. 問題化：正しい問いは最初からあるとは限らない

本稿が特に重視するのは、問題化 である。問題化とは、まだ明確な問題名を持たない違和感・停滞・未処理・不安が、対話を通じて「問題と呼ぶしかないもの」として輪郭を持つ過程である。

プロンプトエンジニアリング的理解では、ユーザーはあらかじめ目的を持ち、その目的に合う入力を作る存在として想定されやすい。しかし、実際の継続対話では、ユーザー自身も何を求めているのかを正確には分かっていないことがある。何が問題なのか、何を依頼すべきなのか、どの作業が必要なのかが、最初から明確ではない。

このとき、生成AIの価値は、正しいプロンプトに正しい答えを返すことだけにはない。むしろ、曖昧な問いを受け取り、応答し、整理し、返すことによって、問題と呼ぶしかない何ものかを問題として立ち上がらせる点にある。問題化は、問題解決より前にある。問題を解く前に、まずそれが問題であると認めざるを得ない形に持ち上がる段階がある。

この意味で、問題化モードは、AI側モードの中でも本稿にとって中核的な働きである。それは単なる課題発見ではない。まだ名づけられていない停滞や違和感を、対話者が見ざるを得ない形へ変える働きである。

5. 出力品質から状態変化へ

生成AIの評価では、しばしば出力品質が重視される。正確か。有用か。自然か。具体的か。誤りが少ないか。ユーザーの意図に合っているか。これらは重要である。

しかし、本稿が扱う継続対話では、出力品質だけでは十分な評価軸にならない。なぜなら、対話の価値は、回答そのものだけではなく、回答を介して対話者に何が起きたかにあるからである。

ある返答は、情報としては平凡かもしれない。しかし、それを読んだユーザーが、自分の主語のずれに気づくなら、その返答は状態変化を引き起こしている。ある返答は、専門的な新情報を含まないかもしれない。しかし、それによって曖昧な違和感が問題として立ち上がるなら、その返答は重要である。ある返答は、最終的な答えではないかもしれない。しかし、それによって次に問うべきことが変わるなら、その返答は対話の条件を変えている。

したがって、生成AIとの継続対話を評価するためには、出力品質に加えて、状態変化を見る必要がある。

6. 回答取得ではなく履歴生成

プロンプトエンジニアリング的理解では、対話は回答取得の過程として見られやすい。問いがあり、答えがある。不足があれば、再質問する。しかし、生成AIとの継続対話では、問いと答えの関係はもっと動的である。

問いは、答えによって変わる。答えは、次の問いを生む。次の問いは、前の問いとは同じではない。対話の履歴は、単なるログではなく、次の問いの条件になる。

本稿では、対話を通じて、問い・認識・自己像・評価軸・次に問えることが変化し、その変化が次の対話条件になる過程を 履歴生成 と呼ぶ。履歴生成とは、対話のたびに、問題の輪郭、言葉の配置、自己像、次に問えることが変わっていく過程である。

この過程において、同じ会話は二度と再現されない。なぜなら、履歴を経た主体は、履歴以前の主体ではないからである。

7. 生成AIの価値は「正しい呪文」ではない

プロンプトエンジニアリングという言葉は、生成AIを「正しい呪文を唱えれば望ましい結果が得られる道具」として見せてしまうことがある。この見方は、生成AIのハードルを上げる。ユーザーは、最初から上手に指示しなければならないように感じる。正しい言い方を知らないと使えないように感じる。一発で完成形を出せないことを、自分の失敗のように感じる。

しかし、生成AIの重要な価値は、むしろその逆にある。正確に言えないまま始められる。不完全な言葉でよい。途中で変わってよい。何度も戻ってよい。同じ問題を別角度から扱ってよい。そして、その反復の中で、言葉だけでなく、対話者の状態が変わっていく。

この意味で、生成AIは、完成されたプロンプトを入力する装置ではない。未整理な状態から始まる対話を支え、問題化と状態変化を通じて、次の問いを生成する外部構造である。

8. 本章の結論

プロンプトエンジニアリング的理解は、生成AIの一部をよく捉えている。入力の仕方が出力に影響すること、指示の明確さが重要であること、出力形式を制御できることは確かである。

しかし、生成AIとの継続対話を理解するには、それだけでは不十分である。継続対話では、変化するのはプロンプトだけではない。問いが変わる。問題の輪郭が変わる。主語が変わる。評価軸が変わる。自己像が変わる。次に問えることが変わる。つまり、対話者の状態が変わる。

本稿が扱う一回性と不可逆性は、この状態変化に由来する。生成AIとの対話は、正しい入力から正しい出力を得る過程であるだけではない。それは、未整理な言葉を外部化し、応答を読み、問いを変質させ、履歴生成を進めていく過程である。

次章では、この考えをさらに進め、本稿の中心命題である「対話は情報交換ではなく状態変化である」を整理する。