はじめに
AI に設計や文章を頼んだのに、返ってくるのが「どのプロジェクトにも当てはまりそうな一般論」だった。そんな経験はないでしょうか。
原因の多くは AI 側ではなく、こちらの頭の中にあります。判断基準や制約、優先順位といった 暗黙知 がプロンプトに書かれていないので、AI は足りない情報を一般論で埋めるしかありません。
そこで「AI に答えさせる前に、AI に質問させる」という方法が提案されています。元になったのは、2026 年 1 月に Zenn で公開された記事 「AI に指示するのではなく、まずは AI に質問させた方が捗る」 です。11 月には Koder さんのポスト がこの記事を紹介しています。そこでは「1 月の記事だが今の方が納得がある」「plan mode 任せで前提の言語化を省いていた」と振り返られています。
本記事では、この インタビュー型プロンプティング の考え方と、すぐ使えるプロンプトの書き方をまとめます。結論を先に言うと、プロンプトに「役割と目的」「質問の制限」「終了条件」の 3 点を入れるだけです。
| 用語 | 意味 |
|---|---|
| 暗黙知 | 本人の頭の中にあるが、言葉になっていない手順・判断基準・前提 |
| インタビュー型プロンプティング | AI に答えを作らせる前に、AI からユーザーへ質問させて暗黙知を引き出す手法 |
| トレードオフ表 | 複数の選択肢を、信頼性・コストなどの評価軸で並べて比べる表 |
| 終了条件 | インタビューを切り上げて成果物づくりに移るタイミングの取り決め |
| メタ認知 | 自分の考えを一歩引いて客観的に捉えること |
| plan mode | Claude Code の、ファイルを編集せずに実装計画だけを提案させるモード |
なぜ「指示」だけではうまくいかないのか
元記事が指摘するように、LLM は足りない情報を一般論で補完して答えを作ってしまいます。たとえば「通知配信の方式を比較して」とだけ頼むと、次の前提が抜けたまま一般論の比較表が出てきます。
- 通知が重複して届くのは許されるのか
- 1 人宛てのトランザクション通知なのか、全員への一斉配信なのか
- どれくらい遅れてよいのか
これらはプロジェクトごとに答えが違い、しかも本人にとっては「当たり前」なのでプロンプトに書き忘れます。AI に質問させると、この「当たり前」を外から突いてもらえます。質問に答えるうちに、自分がまだ決めていなかったことに気づく — つまり メタ認知 が起きるのが、この手法のいちばんの効用です。
インタビュー型プロンプティングの 3 つの要点
元記事は、インタビューさせるプロンプトに次の 3 つを入れるよう勧めています。
- インタビューしてほしいことを明文化する — AI の役割(例: 技術設計のレビュアー)と、最終的に何を作りたいのかを書く
- 自明な質問を避けさせ、質問数を制限する — 「表面的・自明な質問は避け、最大 3 問ずつ」のように縛る
- 途中で切り上げられるようにする — 「こちらが『十分』と言うか、AI が十分と判断したら成果物を作る」という終了条件を決める
2 点目の質問数の制限は、意外と効きます。制限しないと AI が一度に大量の質問を並べることがあり、答える側が疲れて対話が続きません。3 問ずつなら気軽に答えられ、次の 3 問は前の回答を踏まえた深い質問になります。
3 点目の終了条件を忘れると、質問が延々と続いていつまでも成果物が出てきません。「十分」という合図をあらかじめ決めておくのが大切です。
プロンプトのテンプレート
元記事のプロンプトを参考に、筆者がテンプレートとしてまとめ直したものです。{{ }} の部分を書き換えて使います。
あなたは「{{役割: 例) 技術設計のレビュアー}}」です。
これから渡すメモをもとに、私にインタビューして、
私の暗黙知(前提・制約・判断基準・優先順位)を言語化してください。
# 質問のルール
- 表面的・自明な質問は避けること
- 質問は最大 3 問ずつ。私の回答を踏まえて次の 3 問に進むこと
# 終了条件
- 私が「十分」と言うか、あなたが十分な情報が揃ったと判断したら、
質問をやめて {{成果物: 例) トレードオフ表}} を作成すること
# メモ
{{箇条書きのメモ}}
メモは整った文章でなくてかまいません。箇条書きの断片で十分で、足りない部分は AI の質問が埋めてくれます。
例: 通知配信の方式を決める
元記事では、技術設計の例として通知配信(Push / メール)の方式選びを取り上げています。渡すメモはこの程度です。
- 新機能: 通知配信(Push / メール)
- ピーク時に数十万件/日
- 取りこぼしは最小化したい
- 段階的に導入したい
- 監視・運用コストは抑えたい
- 候補: 同期処理 / 非同期キュー(Amazon SQS など)/ バッチ処理
これに対して AI がまず尋ねてきたのは、次のような方向の質問だったそうです(要約)。
- 「取りこぼし最小化」は重複とどう両立させるのか。重複送信は許されるか、チャネルによって違うか
- 主な通知はユーザー個人宛てのトランザクション通知か、大勢への一斉配信か
- 許容できる遅延の上限と、再送を諦める期限はどれくらいか
どれも「言われてみれば決めていなかった」類の問いです。回答を受けた次の 3 問では、段階導入の切り方、監視を最小限にするための観測点、失敗時の安全策(永続化・再試行・冪等性 = 同じ処理を何度実行しても結果が変わらない性質)へと踏み込んでいったそうです。
十分になったところで「トレードオフ表を作成して」と頼むと、同期処理・非同期キュー・バッチ処理を「信頼性(取りこぼし)」「遅延」「運用負荷」「実装難度」「コスト」の軸で比べた表が作られます。前提を固めてから作らせているので、一般論ではなく 自分のプロジェクトの条件で評価した表 になっている点が違いです。
ただし元記事も断っているとおり、表の評価はあくまで叩き台です。最終判断は人が行います。
技術設計以外への応用
役割と終了条件を差し替えれば、同じ型をほかの場面にも使えます。元記事では次の 2 つが紹介されています。
| 用途 | 役割 | 深掘りする内容 | 成果物 |
|---|---|---|---|
| 技術記事の構成づくり | 技術記事の編集者兼インタビュアー | 何を書くかではなく、読者がなぜ読むべきか・読後にどう変わるか | 読者のメリットがはっきりした構成案 |
| キャリアの振り返り | キャリアコーチ兼インタビュアー | 出来事の事実ではなく、なぜその選択をしたか・何に違和感を持ったか | 強み・価値観と次のアクションのまとめ |
どちらも「事実確認や自明な質問は避ける」「最大 3 問ずつ」という制約は共通です。浅い質問を禁じることで、AI の質問が本人の価値観や判断基準といった深い層に向かいます。
コーディングエージェントで使うときのヒント
Koder さんは「plan mode 任せで前提の言語化を省いていた」と振り返っていました。ここからは筆者の見解ですが、計画機能に任せきりにすると、こちらが前提を書かないまま AI に計画を組み立てさせることになりやすいと感じます。そこで、計画を立てさせる前にインタビューの段階を 1 つ挟むのがおすすめです。
実装計画を立てる前に、私にインタビューしてください。
仕様・制約・既存コードとの関係で、私が言語化していない前提を
自明でない質問に絞って最大 3 問ずつ聞いてください。
私が「十分」と言ったら、回答内容を前提として明記したうえで計画を作ってください。
ポイントは最後の一文です。インタビューで得た回答を「前提」として計画の冒頭に書き出させると、AI が何を前提に計画したかを人間がレビューでき、ずれていればその場で直せます。
筆者の spec-loop と比べてみる
筆者がメンテナンスしている Claude Code プラグイン spec-loop にも、「AI に質問させる」仕組みがあります。要求を確定させる req-loop スキルは、仕様の未決定事項を AI が Q&A 表に質問として起票し、レビュー会で利用者に答えてもらいます。この記事の 3 つの要点と照らし合わせてみました。
| 記事の要点 | spec-loop の req-loop | 評価 |
|---|---|---|
| ① 役割と目的を明文化する | 目的が要求確定に固定されている。質問の出どころも「決定表の空欄・TBD・決まっていない分岐」と決まっている | ◎ |
| ② 自明な質問を禁じる | 「自分で決められることを質問にしない」「利用者に見える結果が変わらない質問は開発者の内部の表へ回す」「重複させない」を明文化 | ◎ |
| ② 質問数を制限する | 規定がない。未決定事項はすべて 1 回のレビュー会に載る | △ |
| ③ 終了条件を決める | 1 周ごとに「回答待ち」で止まる。ループを抜けるのは人間がサインオフのタグを付けたとき | ◎ |
記事の手法を超えているところ
- 答えやすい。 質問には選択肢と、提案側の推奨・その理由が付きます。利用者は選ぶだけで答えられます。
- 推測で埋めない。 回答の列に書けるのは、利用者が書いたもの、利用者が明示した回答、利用者が「暫定で採ってよい」と指示したものだけです。選択肢の 1 つを既定値として書くことも推測と見なして禁じています。
- 会話をまたいで続けられる。 続きを会話ではなく表の状態から読むので、会話を閉じても前提が消えません。
- 答えから次の質問が生まれる。 「A だが条件付き」という答えからは、その条件を新しい質問として起票します。
記事の手法のほうが得意なところ
- 質問の量を抑えていない。 記事が 3 問に絞るのは答える側を疲れさせないためです。req-loop では、仕様の穴が多い初期に、数十問が 1 回のレビュー会に載ることがありえます。
- 推奨に引っ張られる。 選択肢と推奨があると答えるのは楽ですが、利用者が考えずに推奨を選ぶと、暗黙知は出てきません。
- 仕様に枠のあることしか聞けない。 質問は決定表の空欄や TBD から生まれます。まだどこにも書かれていない業務の前提や優先順位は、記事のインタビューのほうが引き出しやすいです。
- 深掘りが遅い。 記事は 1 回の会話で何度もやり取りしますが、req-loop の 1 往復はレビュー会 1 回分です。
まとめると、質問を管理する面(質・追跡・推測の禁止・止まる場所)は spec-loop が上回り、暗黙知を引き出す面(量を絞る・その場で深掘りする・枠のない前提を聞く)は記事の手法が上回ります。両者は対立するものではありません。そこで、最初の周だけ記事の型で対話して業務の前提を聞き出し、その結果を Q&A 表に落とす改善を検討しています(hdknr/claude-code-setup#1042)。
まとめ
- AI の回答が一般論になるのは、こちらの暗黙知がプロンプトに入っていないから
- 指示する前に AI に質問させると、自分でも気づいていなかった前提を言語化できる
- プロンプトには「役割と目的」「自明な質問の禁止と最大 3 問の制限」「終了条件」の 3 点を入れる
- 前提が固まってから、トレードオフ表や構成案などの成果物を作らせる
- 質問を表で管理する仕組み(spec-loop など)と組み合わせると、会話の外でも前提を残せる
AI でも人間同士でも、明文化しないと伝わらないことは同じです。AI を「答える係」だけでなく「聞き出す係」としても使ってみてください。
