「スマホ、そろそろ買い替えた方がいいかな」
AIに聞くと、見事な比較表が出てくる。おすすめ機種も、買い替える理由も、やけに説得力がある。なるほど。……で、本当に今のスマホを替える必要はある？
AIが答えをきれいに並べたことと、自分の判断が良くなったことは別。 そこを間違えると、調べ物が上手になったつもりで、ただ背中を押してもらっているだけかもしれない。
まず、自分が困っていることを一行にする
買い替えなら「電池が一日もたない」「写真が暗い」「動作が遅い」など。何を解決したいかで、比べるべきものは変わる。
ここを飛ばして「おすすめは？」と聞くと、AIは一般的な人気商品を教えてくれる。でも人気商品と、自分に必要な商品は同じではない。
最初に「予算はここまで」「困るのはこの点」「今のまま使う選択肢も比べたい」と渡す。買う前提を置かないのが、意外と大事だ。
AIには、答えより「候補と反対意見」を出してもらう
昔は小さな疑問でも、検索して、複数の記事を読み、違いを調べるのが面倒だった。そこで「まあ、いいか」で終わることが多かった。
AIが便利なのは、その面倒な最初の整理を頼みやすいこと。
たとえば「買い替え」「電池だけ交換」「あと半年使う」を比べてもらう。さらに「おすすめが間違っているとしたら、どこ？」と聞く。
答えを一つだけもらうより、自分が見落としていた別案を見つける方が役に立つ。脳内に小さな調査部を雇ったようなものだ。なお、部長がAIになったわけではない。
数字と出典は、元の場所で確認する
AIは自信たっぷりに間違えることがある。存在しない研究や、古い料金まで、流れるように説明してしまうこともある。
だから価格は販売元、制度は官公庁、健康情報は信頼できる医療機関など、判断の決め手になる部分だけ元の情報へ戻る。出典の名前があるだけでは確認したことにならない。実際に開き、その数字や条件が書いてあるかを見る。
すべての疑問で論文を十本読む必要はない。ジュースの味なら試してみればいい。契約や大きな買い物なら、確認に時間を使う価値が高い。
米国NISTも、生成AIが誤った内容をもっともらしく提示する危険を、2024年の資料で取り上げている。便利だからこそ「自信ありげな文章」と「裏付け」は分けて扱いたい。
最後は、予想と結果を比べてみる
調べて「へえ、なるほど」で終わるのはもったいない。
「電池を交換すればあと半年使えるはず」と考えたなら、半年後に実際どうだったかを振り返る。買い替えたなら、困りごとは解消したか、想定外の出費はなかったかを確かめる。
この予想→試す→結果を見るを何度か繰り返すと、「自分は何を重視すると後悔しにくいか」という判断の材料がたまっていく。
ただし、AIに尋ねるたび何でも正確になるわけではない。AIが示した最初の結論に引っ張られることもあるし、調べても決め手が見つからないこともある。
「まあ知らんけど」を減らす。でも判断は手放さない
AIのおかげで、昔なら放置していた疑問を気軽に調べられるようになった。そこは確かに大きな変化だ。
ただし、調べた回数が増えたことと、判断が正しくなったことは同じではない。
目的を決める。別案を出す。大事な根拠を確かめる。結果を振り返る。 この四つがそろって初めて、便利な調査が自分の判断につながりやすくなる。
AIは優秀な調査係。最後に決める人の椅子まで譲る必要はない。
参考：米国国立標準技術研究所（NIST）『Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile』（2024年） https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf
