ほとんどの人がAIを使う際、いわゆる「コンテキスト・プッシュ」型のアプローチをとります。AIがタスクを完了するために必要だと思われるコンテキストをできる限りプロンプトに詰め込むというものです。表面上は理にかなっているように見えます。AIが必要とするすべての情報を最初に与えれば、良い結果が得られるはずだ、と。

しかし、このアプローチには根本的な欠陥があります。提供できるコンテキストは、あなたがAIに必要だと思うものに限られるということです。あなた自身のタスクに対するメンタルモデルに基づいて動いているため、必然的に盲点が生じます。知らないことは知らないのであり、そのコンテキストのギャップがAIの出力品質に大きく影響することがあります。

コンテキスト・プリングとは何か？

AIにコンテキストをプッシュするのではなく、AIが戦略的な質問を通じてあなたからコンテキストを引き出すようにプロンプトを設計してみてはいかがでしょうか？これは発想を完全に逆転させるものです。

コンテキスト・プリングのコンセプトはエレガントなほどシンプルです。AIに目標を与えつつ、AIの最初の仕事がその目標を達成するために必要なコンテキストを集めるための適切な質問をすることになるようにプロンプトを設計します。つまり、必要な情報を正しく推測できているかどうかを期待するのではなく、どの情報が必要かを判断する責任をAIに持たせるということです。

コンテキスト・プリングはどのように機能するか？

コンテキスト・プリングの力はプロンプトエンジニアリングにあります。AIに対して以下を行うよう明示的に指示するプロンプトを作成します。

  • 目標を理解する：最終的に何を達成しようとしているかを把握する
  • 情報のギャップを特定する：成功するために必要なコンテキストを明確にする
  • 戦略的な質問をする：的を絞った質問を通じてあなたからコンテキストを引き出す
  • 体系的に掘り下げる：十分な情報が得られるまで質問を続ける
  • 慎重に前進する：質の高いアウトプットを提供できると確信できた時点で初めて次のステップに進む

実践的な例：職務経歴書の最適化

AIを使って職務経歴書を改善する場面を想像してください。職務経歴書をアップロードして「より良くして」と頼むのではなく、コンテキスト・プリングのアプローチは次のように機能します。

プロンプトはAIに以下を指示します：

  • まず、これまでに担当した主要な役職すべてについて概要をお聞きします
  • 概要の説明が終わったらサインを送ってください
  • その後、各役職を一つずつ順番に確認していきます
  • 各役職について、指標・インパクト・具体的な成果に関する詳細な質問をします
  • 現在の役職について説得力のあるコンテンツを書くのに十分な詳細が得られるまで、次の役職に進むことを拒否する

AIはインタビュアーとなり、あなたの分野で優れた職務経歴書を作るために何が重要かを熟知した専門家として、あなたの経験を深く掘り下げていきます。

コンテキストの引き出しによってより良い結果が得られるのはなぜですか？

コンテキストの引き出しにより、自分では提供しようと思わなかった情報に関する質問が浮かび上がります。上記の例で言えば、管理したチームの規模を数値化することが職務経歴書において重要だと気づかないかもしれませんし、特定の実績を効果的に位置づけるためにAIがその業務上の背景を理解する必要があることも見落としがちです。

AIがこれらの質問をすることで、本当に重要なコンテキストを提供するよう促されます。それは、AIが成功するアウトプットに何が必要かを理解したうえで、必要と判断したコンテキストです。

これにより、根本的に異なる結果がもたらされます。AIは、あなたが必要だと思うコンテキストで動作しているのではなく、AIが必要だと認識しているコンテキストで動作しています。その違いがすべてです。

コンテキスト引き出しのより広い応用

CVの例はわかりやすいですが、コンテキスト引き出しは事実上あらゆるAI支援タスクに適用できます：

  • 戦略文書：AIが市場のダイナミクス、競合ポジショニング、組織の能力についてインタビューを行ってから草案を作成します。
  • 製品仕様：AIが要件、制約、ユーザーニーズ、技術的考慮事項を体系的に収集します。
  • コンテンツ作成：AIは、執筆前にオーディエンスのインサイト、トーンの好み、主要メッセージ、および目的を収集します。
  • データ分析：AIは、答えようとしている質問、調査結果に基づく意思決定の内容、およびデータを取り巻くコンテキストを明確にします。

いずれの場合も、AIのドメイン知識を活用して、単に多くのコンテキストを提供するのではなく、適切なコンテキストを提供していることを確認しています。

コンテキスト引き出しを実装するための5つの重要な原則

  1. 質問フレームワークを用いてプロンプトを設計する: タスクを実行する前にAIが質問するよう、明示的な指示を組み込みます。
  2. 質問を体系的に行う: AIがトピックを順序立てて処理し、網羅的にカバーできるようにします。
  3. 完了基準を設定する：「十分なコンテキスト」がどのような状態かをAIに指示し、質問をやめて実行を開始するタイミングを把握できるようにする。
  4. インタビューのダイナミクスを受け入れる：最良の結果は独白ではなく対話から生まれることを受け入れる。
  5. AIの判断を信頼する：AIが情報を求めている場合、たとえすぐにその理由がわからなくても、その情報が必要である可能性が高いです。

人間とAIのコラボレーションにおけるパラダイムシフト

コンテキストプルは、AIとの協働に対する考え方の根本的な転換を意味します。AIを、与えられた情報を処理するだけの受動的なツールとして扱うのではなく、質の高い成果を出すために何が必要かを自ら判断できる、能動的なパートナーとして位置づけるアプローチです。

最初は直感に反するように感じられます。人間である私たちこそ、どのようなコンテキストを提供すべきか最もよく知っているはずではないでしょうか？しかし、その思い込みは本質を見誤っています。AIは、無数の領域において優れたアウトプットを生み出すパターンをもとに学習されています。どの情報が重要かを知っているのです。AIに質問させることで、私たちはその知識を活用することができます。

その結果として得られるアウトプットは、単に技術的に正確なだけでなく、真に有用なものとなります。なぜなら、インテリジェントな質問を通じて体系的に収集された、実際に重要なコンテキストの基盤の上に構築されているからです。

The Vibe PM podcastのその他のエピソードはこちらからご覧ください。