質問力を鍛える：生成AIと進める質問ループと、人に聞く順番の設計

# 質問しているのに、欲しい答えが返ってこない

部下に「何か困ってることある？」と聞いて「特にないです」と返ってくる。顧客に「ご要望はありますか」と聞いて「まあ、今のままで」と言われる。AIに聞いても、当たり障りのない一般論が返ってくる。

共通しているのは、質問はしているのに、判断に使える答えが得られていないことです。

質問の技術は昔から語られてきました。オープン質問とクローズド質問を使い分ける、5W1Hで掘る、詰問にならないようにする。どれも正しい。

ただ、生成AIが入ってきて、状況がひとつ変わりました。質問する相手が人だけではなくなったのです。

そして多くの現場で、この2つがバラバラに扱われています。人への質問の研修と、プロンプトの書き方の研修が別々にある。実務では、同じ案件の中で人とAIに交互に聞いています。分けて学ぶと、つながりません。

この記事では、質問を3つに分けたうえで、人とAIをまたいだ1本の流れとして設計する方法を書きます。

# 質問力とは、不確実性を減らす情報設計の力

定義から始めます。質問力は、分からないことを尋ねる力ではありません。

分からないことを尋ねるだけなら、誰でもできます。「これどうなってますか」と聞けばよい。それで仕事が前に進まないのは、聞くべきことを選べていないからです。

質問力を実務の言葉で定義すると、こうなります。いま何が分かっていないかを特定し、それを誰にどの順番で聞けば判断できる状態になるかを設計する力です。

この定義には3つ含まれています。

• 何が分かっていないかを特定する。ここが最初で、いちばん抜けやすい
• 誰に聞くかを決める。同じ質問でも、聞く相手を間違えると答えは得られない
• 順番を決める。先に聞くべきことを後に回すと、往復が増える

1問の巧さの話ではありません。「いい質問」の例文を覚えても、聞く相手と順番を間違えれば同じです。

# 欲しい答えが得られない、よくある5つの原因

原因はほかにもありますが、実務で扱いやすい5つに絞ります。

1. 目的が決まっていない。何を判断したくて聞いているのかが自分の中で曖昧なまま質問すると、返ってきた答えを使えません。相手も何を答えればいいか分からない。

2. 前提を渡していない。相手が知らない背景を省いて聞くと、噛み合いません。特に他部署や社外に聞くときに起きます。

3. 一度に複数のことを聞いている。「あの件どうなってて、あと来月の予定はどうですか、それと例の資料は」。最後の質問にだけ答えが返ってくることがよくあります。

4. 答えを誘導している。「やっぱりこれ、厳しいですよね？」と聞けば「厳しいですね」と返ってきます。自分の仮説を確認しに行くと、確認しかできません。

5. 返ってきた答えを検証していない。これがいちばん多い。聞いて、返ってきて、そのまま使う。質問力の話は、たいてい聞き方で終わっていますが、実務では受け取り方のほうが事故になります。

このうち4と5は、AIが相手のときに特にひどくなります。AIは誘導に乗りやすく、そして自信ありげに答えるからです。

# 人への質問とAIへの質問は、何が違うのか

同じ「質問」でも、性質がかなり違います。

	人に聞く	AIに聞く
相手が持っている情報	その人固有の経験と現場の事実	一般的な知識と、渡した材料（社内データに接続していればその範囲も）
分からないとき	分からないと言える	それらしく埋めることがある
聞ける回数	限りがある。関係性を消費する	人より繰り返しやすい（利用上限や費用の範囲で）
誘導への耐性	違うと言い返してくれる	誘導に乗りやすい
検証の必要性	相手が責任を持つ	こちらが確認するしかない

上2行が決定的です。社内のデータや検索に接続していないAIは、渡していない現場の事実を持っていません。持っていないので、聞けば一般論が返ってきます。

なお、社内システムや文書に接続する構成なら、記録に残っている事実はAIからも引けます。ただし、記録に残っていないことは依然として人に聞くしかありません。実務で問題になるのは、たいていこちらです。

そして4行目。人も誘導質問には影響されます。立場の差があればなおさらで、「厳しいですよね」と上司に聞かれて否定できる部下ばかりではありません。

そのうえで、AIには利用者に迎合する傾向が観測されているモデルがあります。程度はモデルや調整によって違いますが、否定が返ってきにくい方向に働きやすい。どちらにも誘導の影響はあり、AIのほうが気づきにくい、と理解しておくのが実務的です。

ここから導かれる原則が1つあります。事実は人に聞き、整理と発想はAIに聞く。逆にすると、どちらも空振りします。

# AIへの入力を、3つに分ける

ここがこの記事の中心です。AIへの入力を全部まとめて「質問」と呼ぶから、何を鍛えればいいのか分からなくなります。

3つに分けてください。

種類	何を決めているか	例
問い	何を明らかにしたいのか	解約が増えている原因は、価格なのか使いにくさなのか
指示	どんな形で答えてほしいか	箇条書きで3案、各100字で
検証質問	その答えを信じてよいか	その根拠は渡した資料のどこにあるか

多くの人が上達したと感じているのは、真ん中の指示だけです。出力形式を指定する、文字数を決める、役割を与える。これは確かに効きますが、質問力ではなく指示の技術です。

差がつくのは、上と下です。

問いは、何を比べるべきか、どの情報が足りていないかを決める部分です。ここは業務を知っている人にしか作れません。解約の原因を価格と使いにくさに絞ったのは、その人の判断です。

検証質問は、返ってきた答えを扱う部分です。ここを持っていないと、もっともらしい答えをそのまま使うことになります。

# 検証質問の型

具体的に4つ挙げます。これを覚えるだけで、受け取り方が変わります。

「その根拠は、私が渡した情報のどこにありますか。渡した情報に無い場合は、無いと言ってください」

「この回答と反対の結論になるとしたら、どんな前提が必要ですか」

「この回答で、あなたが推測で補った部分はどこですか」

「この件について、私がまだ聞いていない重要な観点はありますか」

3つ目が使いやすい問いです。ただし、返ってきた自己申告をそのまま信じないでください。AIの自己説明が、実際の生成過程を正確に表しているとは限らないことが研究でも指摘されています。自己申告は、どこを確認するかの当たりをつける補助であって、確認したことにはなりません。元の資料と突き合わせる工程は残ります。

# 人とAIをまたぐ「質問ループ」

実務では、人とAIに交互に聞いています。これを1本の流れとして設計します。業務改善を例にします。

1. 現場の担当者に、事実と例外を聞く

ここは人にしか聞けません。特に例外です。「基本はこの手順ですが、月末だけ違います」「A社だけ別扱いです」。この例外が、後で自動化や改善を壊します。

現場への質問: 「この作業、いつもと違う進め方になるのはどんなときですか」

2. AIに、聞いた内容を手順として整理させる

「次の説明をもとに、作業手順を番号つきで書き出してください。説明に無い部分は推測で補わず、不明と書いてください」

3. AIに、足りない情報を挙げさせる

「この手順で、実際に運用するときに決まっていない点を10個挙げてください。質問の形でお願いします」

4. 出てきた質問を、現場に持ち帰る

ここが往復の肝です。AIが挙げた10個のうち、自分で答えられないものだけを現場に聞きます。全部聞くと相手の時間を使いすぎます。

5. AIに、複数案とリスクを出させる

材料が揃ってから、はじめて案を出させます。

6. 人が決める

7. 実行後、結果を問い直す

「想定と違ったのはどこか」「なぜ違ったのか」

この7ステップの要点は、AIを真ん中に置いていることです。現場に聞くべきことをAIに洗い出させ、AIの答えの穴を現場で埋める。どちらか一方では、この往復ができません。

そして、現場に聞く回数が減ります。思いつきで何度も聞きに行くのではなく、聞くことをまとめてから1回で行ける。相手の時間を使わないことは、質問力の一部です。

# 会議で使える質問の型

会議は、質問力がいちばん見える場面です。使える型を場面別に挙げます。

議論が抽象的なまま進んでいるとき

「いま出ている話で、実際にあった具体例をひとつ挙げるとしたら何ですか」

抽象論は、具体例を1つ入れるだけで前に進みます。

反対意見が出ないとき

「この案がうまくいかないとしたら、いちばんありそうな理由は何でしょうか」

反対ですか、と聞かないのがコツです。反対の立場を取らせるのではなく、失敗の理由を挙げてもらう形にすると、賛成している人からも出てきます。

話が長い人がいるとき

「いまの話で、今日決めたいことに直接関わるのはどの部分ですか」

遮らずに、範囲を絞る質問です。

誰も発言しないとき

「何か意見ありますか」は、範囲が広すぎて答えにくい聞き方です。

「この案で、自分の担当に影響が出そうな人はいますか」

答える人が絞られると、口を開きやすくなります。

決まったように見えて決まっていないとき

「これは決定ということでよいですか。それとも、まだ検討中ですか」

恥ずかしい質問に見えて、いちばん役に立ちます。ここを曖昧にしたまま終わる会議が非常に多い。

# 質問力を鍛える練習

一人でできる形にします。

# 練習1: 会議前に、問いを3つ書く

会議に出る前、その会議で自分が明らかにしたいことを3つ書きます。議題ではなく、自分が知りたいことです。

書けないときは、その会議で自分が何をしに行くのかを確認する合図だと思ってください。情報を受け取るだけの出席、決定の場に立ち会う出席もあるので、書けない即欠席ではありません。ただ、書けないまま出ると発言はしにくくなります。

# 練習2: 聞いた後に、答えを分類する

返ってきた答えを、事実・意見・推測に分けます。

多くの人は、この3つを区別せずに受け取っています。「たぶん来月には落ち着くと思います」を、来月落ち着くという事実として持ち帰ってしまう。分ける習慣がつくと、確認すべき箇所が見えます。

# 練習3: AIに、自分の質問を評価させる

これは効きます。

「次の質問を、これから相手に投げようとしています。この質問で、私が本当に知りたいことが得られると思いますか。得られない場合は、何が足りないか教えてください。改善した質問文も1つ作ってください」

投げる前に見てもらえるのが利点です。人相手だと1回しか聞けませんが、AI相手なら投げる前に何度でも直せます。

# 練習4: 誘導していないか点検する

「次の質問は、特定の答えを誘導していますか。誘導していると感じる場合は、どの部分がそうかを指摘してください」

自分では誘導しているつもりがない質問ほど、誘導しています。「やっぱり」「〜ですよね」が入っていたら、たいてい誘導です。

# 練習5: 答えられなかった質問を、翌日もう一度考える

聞かれて答えられなかった経験は、たいてい忘れます。そこがいちばん伸びる場所なのに、放置されます。

その日のうちにメモしてください。誰に何を聞かれて答えられなかったか、それだけで構いません。そして翌日、もう一度その質問を自分に投げます。一晩置くと答えが出ることがあり、出なければそれは自分が持っていない情報だと分かります。

翌日も出ない場合、情報を持っていないのか、質問が曖昧なのか、判断の基準が無いのかを切り分けてください。持っていないなら聞きに行く相手がいる、曖昧なら問いを立て直す、基準が無いなら何を基準に決めるかを先に決める。原因で打ち手が変わります。

# 部下や後輩に聞くときの、答えが返る聞き方

人に聞く場面でいちばん難しいのが、立場が下の相手から本当のことを引き出すことです。「困ってることある？」に「特にないです」が返ってくるとき、本当に困っていない場合もあります。ただ、そうでない場合の理由として、よくあるものが3つあります。ひとつは、質問が広すぎること。困りごと全般を聞かれても、どこから話せばいいか分かりません。もうひとつは、答えた後に何が起きるか分からないこと。言ったせいで仕事が増えるかもしれない、評価に響くかもしれないと思えば、黙るほうが安全です。3つ目は、相手が忙しそうで、聞くタイミングを逃すこと。声をかけていいのか迷っているうちに、結局聞きそびれます。

対処はそれぞれ違います。範囲を狭めるのは技術で解けます。困りごとではなく、直近の具体的な場面を指定してください。「先週の月次処理で、時間がかかったのはどの工程ですか」。これなら答えられます。

答えた後の扱いは、先に伝えるのが効きます。といっても大げさな宣言ではなく、「今、月次の流れを調べていて」と目的を一言添えるくらいで十分です。とりあえず聞きたいだけなら、「特に何かするわけではないんだけど」と正直に言うほうが、相手は答えやすくなります。逆に、「聞いたら直します」とは言い切らないでください。直せるかどうかは内容次第で変わるので、守れない約束になりがちです。

3つ目は、区切りを作れば解けます。「5分だけ時間もらってもいい？」と先に頼んでください。時間の枠を示されると、相手は手を止めやすくなります。ながらで聞かれた質問には、ながらの答えしか返りません。

そして、答えが返ってきたときの反応が、次の質問の答えを決めます。せっかく話したのに「それは仕方ないね」で終わると、次から話しません。すぐ解決できなくても、聞いた内容を覚えていることを示すだけで違います。前回の話を引いて次の質問をすると、この人には話していいと伝わります。

# 顧客や社外に聞くときに気をつけること

社外は、聞ける回数がさらに限られます。時間や参加人数にもよりますが、1回の打ち合わせで踏み込んで聞けるのは、体感で3つか4つ程度です。

だから、順番の設計が効きます。原則は答えやすいものから、答えにくいものへです。いきなり予算や決裁者を聞くと、警戒されて後の質問にも影響します。事実から入って、解釈を聞いて、最後に判断に関わることを聞く。

もうひとつ、相手が答えられない質問を避けるという配慮も要ります。担当者に決裁の見通しを聞いても、本人が知らなければ答えようがありません。答えられない質問をされると、相手は気まずくなります。誰に何を聞けるかを、先に整理しておいてください。

事前準備にAIが使えるのはここです。

「次の打ち合わせで、相手は先方の担当者です。決裁権は持っていない前提です。この人に聞いて意味のある質問と、この人には答えられない質問に分けてください」

分けてもらうだけで、当日の質問リストが短くなります。短いリストのほうが、結果的に多く聞けます。

# 質問した後に、記録に残すこと

聞きっぱなしにすると、同じことをまた聞くことになります。相手にとって、同じ質問を二度されるのは信頼を損ないます。

残すのは3つで足ります。誰に聞いたか、何と答えたか、それが事実か意見か。日付も入れてください。半年経つと状況が変わっているので、いつの話かが効きます。

そして、答えが得られなかった質問も残してください。聞いたが分からなかった、あるいは答えてもらえなかった。これは「まだ分かっていないこと」の一覧になります。この一覧が、次に何を聞くべきかを教えてくれます。

多くの現場で、この一覧がありません。だから毎回ゼロから考えることになり、聞き漏らしが起きます。

# AIに質問するときの注意点

いくつか押さえておくべきことがあります。

1. AIは、分からないと言いにくい。渡した情報に無いことを聞かれても、それらしく埋めることがあります。分からない場合は分からないと言ってください、と毎回指定してください。改善する場合がありますが、指示に従うとは限らないので、正確性の保証にはなりません。

2. 誘導に乗る。自分の仮説を含んだ質問をすると、それを支持する答えが返ってきます。仮説を検証したいときは、反対の仮説も同じ強さで聞いてください。

3. 長い対話では、最初の仮定を引きずることがある。情報が何往復にも分かれて渡される対話で、初期の前提や誤答に依存し続ける挙動が観測されています。途中で前提が変わったら、いったん整理し直すか、新しい会話を始めるほうが速い。

4. 質問の質が高ければ答えの質も上がる、とは限らない。前提が間違っていれば、丁寧に聞いても間違った答えが返ってきます。質問の前に、前提を疑う工程が要ります。

5. 検証を省くと、確認の手間が後ろにずれるだけ。その場は速く終わりますが、間違いは後で見つかります。後で見つかるほうが高くつきます。

# 質問を個人の技で終わらせない

チームで仕事をしているなら、もう一段あります。

AIに聞いた内容と、その答えを共有してください。多くの会社で、AIとのやり取りは個人の画面の中で完結しています。同じことを、隣の人も別々に聞いている。

共有する形は凝らなくてよく、効いた問いだけを1か所に貯めるので十分です。ファイル1つで足ります。

そして、検証質問の型をチームで揃えるのが効きます。前に挙げた4つを、誰もが使う状態にする。すると、AIの答えを持ってくる人が最初から根拠を添えるようになります。受け取る側が毎回確認しなくて済みます。

もうひとつ。現場に聞きに行く前に、AIで整理してから行くというやり方をチームの手順にすると、現場の負担が減ります。思いつきの質問で何度も止められる状態が解消されます。

# KOIYALの見解: 鍛えるべきは、指示ではなく問いと検証

主張をまとめます。

質問力の講座やプロンプトの解説で扱われているものの多くは、指示の技術です。出力形式を決める、役割を与える、条件を並べる。これは重要ですが、やり方が広く共有された時点で差がつかなくなりました。

差が残るのは、前後の2つです。

問い。何を明らかにすべきかを決める部分。これは、自分の業務で何が分かっていないかを把握していないと作れません。AIには代われません。

検証質問。返ってきた答えを扱う部分。ここを持っていない人は、AIの答えをそのまま持ってきます。そして持ってきた本人が、根拠を聞かれても答えられない。

そして、この2つは人に質問するときにもそのまま効きます。何を明らかにしたいかを決めてから聞く、返ってきた答えを検証する。人とAIで別々のスキルではありません。

だから、社内で教えるなら分けないほうがよいと考えています。プロンプトの研修と、コミュニケーションの研修を別々にやると、実務でつながりません。同じ案件を題材に、人にもAIにも聞く流れとして練習するほうが、身につきます。

最後にもうひとつ。質問力が上がると、聞く回数は減ります。何を聞くべきかが分かるので、往復が減る。よく質問する人が質問力の高い人だとは限りません。

# 次の一歩

今日ひとつだけ試すなら、検証質問です。次にAIから答えを受け取ったとき、「この回答で、あなたが推測で補った部分はどこですか」と1回だけ聞いてください。

返ってきた内容を見て、そのまま使うつもりだったかどうかを確認してみてください。10秒で終わり、受け取り方が変わります。

社内でAIの使い方にばらつきがある、持ってくる答えの根拠が確認できない、といった段階に来ている場合は、検証の型をチームで揃えるところから設計が必要になります。KOIYALでは、自社の業務を題材にAIの使い方と定着まで設計する法人向け研修を提供しています。

考えを言葉にする側の話は言語化力を鍛えるに、前提そのものを疑う話はAI時代の思考法にまとめています。

# 出典・確認日

• 本記事の内容は、当社の法人研修・伴走支援での指導経験と、自社業務での実践に基づいています
• 自社での実践例: セッションとコンテキスト圧縮を理解する（AIに渡す文脈と問いを設計している実録）
• 最終確認日: 2026年8月9日