職場でAIの使い方が話題になり、「AIを使うにも言葉にする力が必要だよね」という話が出ました。曖昧な指示だと思った結果が返ってこないので、読み書きは大事だし、ある程度思考を整理して言語化してから使ったほうが早かったりもするといった話です。
それを聞いて思い当たるのは、AIにSQLのクエリについて相談しているときのことです。
>SQLで「こういうデータを取りたい」と伝えると、AIはかなり早くクエリを書いてくれます。でも実行してみると欲しかった結果と違うことがあります。
SQLの場合
頭の中では、欲しいデータの形がある程度見えていますが、それをAIへ説明するときには、テーブル名やカラム名と簡単な条件を伝えただけで、集計する単位や対象期間、重複やNULLの扱いといった詳細を省いていることがあります。
AIは書かれていない条件を何らかの形で補ってクエリを作るので、その補い方が自分の想定と違えば、返ってきたSQLも当然ずれてきます。
ずれた結果を下に修正のやり取りをしていると、自分の中では分かっていたつもりの条件をAIには伝えていなかったと気づくことがあります。
SQLの場合は結果が数字や一覧として返ってくるので、認識のずれも分かりやすいです。欲しかった件数と合わなかったり、同じデータが何行も出てきたりすると、どこかの条件が足りていなかったことに気づきます。
その原因をAIに伝えようとすると、「なんか違う」では済ませられなくて、どの結果がおかしくて、本来どうなってほしかったのかまで言葉にする必要があります。
AIとのやり取りを続けているうちに、クエリを書く技術とは別に、自分の考えている条件を相手へ伝わる形にする力も必要なのだと感じるようになりました。
文章の場合
AIに対してでなく、仕事関係の人を相手にしているメールやチャットツールの文章でも、同じことをやってしまっている可能性があります。
自分の中では話がつながっているので、主語や前提を省いてしまったり、書いた本人には分かっていても、初めて読む人には分からないようなことを書いてしまいがちです。（その後に受けた質問で、前提を共有できておらずすみませんと謝りながら返信することもたまにあります💦）
AIとのやり取りでも、自分の考えを言葉にして伝え、返ってきた内容に違和感があれば、その理由をもう一度考えることになります。こうしたやりとりを重ねていると、自分の考えが曖昧だった部分にも気づけたりします。
言語化
AIを使うのが当たり前になるにつれて、言語化する力の重要性についても意識するようになりました。
うまく言葉にできないときには、自分自身もまだ考え切れていないことがあり、「この説明は何か違う」と思っても、どこが違うのか説明できなかったりします。
自分の中でも考えや求めている結論が曖昧だったことに気づいて、AIに伝えるために言葉を探しているうちに、自分の考えがはっきりしてくることもあります。
AIを使うと考えなくなるという話もありますが、むしろ自分の考えの曖昧なところを見つける道具にもなるように思いました。
