第1回、第2回では理論編として、AI活用における格差の実態と、なぜ「対話」が知識ベースを拡大するのかを解き明かしてきた。
第3回からは、いよいよ実践編に移る。では、ビジネスの現場で具体的にどうAIとの「対話」を実現すればよいのか。
本稿では、AIとの対話による知識創造メソッド「DIVEモデル」の全体像を示した上で、全4ステップのうち最初の2つのステップを紹介する。ステップ1「ソクラテス式AI」は、問いを通じて自分が何を知らないかを全体的に把握し、無知を自覚するプロセスだ。ステップ2「AI壁打ち」は、特定の領域にフォーカスを絞り、仮説を深化させるプロセスである。この2つのステップが、「消費型」から「対話型」への転換を実現する。
理論から実践へ：AIとの対話による知識創造メソッド「DIVEモデル」
第1回、第2回の理論編を通じて、「消費型」から「対話型」へのマインドセット転換の重要性はご理解いただけたと思う。ビジネスの現場で、どのようにAIとの「対話」を実現すればよいのか。理論的理解を具体的な行動に変えるための方法論を、段階的に解説していく。
今回紹介するAIとの対話による知識創造メソッドは、単発のテクニックではない。第4回で紹介する「仮説検証」「知識の内部化」と合わせた4つのステップが連結し、継続的な学習サイクルを形成する。
筆者は、このサイクルを「DIVEモデル」と名付けた。これは、第1回で提示した正のトライアングル①知識ベースの整理・拡大、②思考力の向上、③良い問いの創出を実現するための具体的なフレームワークである。
DIVEモデルは、以下の4つのステップから構成される。
D：Discover（探究）：ステップ1「ソクラテス式AI」 無知を自覚する
I：Interact（壁打ち）：ステップ2「AI壁打ち」 仮説を立案する
V：Verify（検証）：ステップ3「仮説検証」 知識ベースを拡大する
E：Embed（定着）：ステップ4「内部化」 知識を内部化する
DIVEモデル ステップ1：ソクラテス式AI
①ソクラテス式AIとは？その活用法
最初のステップが、ソクラテス式問答法をAIで実現した「ソクラテス式AI」である。
ソクラテス式問答法とは、古代ギリシャの哲学者ソクラテスが実践した、問いを通じて批判的思考を促進する探求手法だ。対話によって相手に自らの「無知」を自覚させ、内面から真理を引き出す。この手法をAIで実現するには、すぐに答えを提示させるのではなく、常に問いを投げかけさせるように設計し直す必要がある。AIにあえて正解を与えさせず、問いを返させることで、我々の思考を強制的に駆動させるのである。
この「ソクラテス式AI」は、特にビジネスにおいて図2にあるような、①知識ベースが欠如している状態、もしくは②思考が固定化・膠着している状態で真価を発揮する。
まず①知識ベースの欠如の例として、東南アジア市場での新規事業立案を命じられた場合を想定しよう。居住経験がなく、出張程度の知見しかない状態では、事例や定量的なファクトが圧倒的に不足している。このままAIに「東南アジアで成功する新規事業案を」と求めても、返ってくるのは表面的な空論に過ぎない。しかし、AIとの対話で問いに答えるプロセスを経ることで、自分が何を知らないのかが浮き彫りになっていく。
次に、②思考の固定化・膠着の例として、既存製品の売り上げが停滞し「既存チャネルでは限界だ」と結論づけてしまった状態を想定しよう。だが、本当にそうだろうか。AIとの対話を通じて、例えば「提案頻度」という指標を見落としていたことに気づく場合もある。このように、対話が思考の膠着を解き、新たな視点の獲得へと導いてくれるのだ。
実際の「ソクラテス式AI」のやりとりのイメージは以下の通り。AIが常に中立的な立場で質問を繰り返す。例えば、現地のターゲット顧客の消費行動について、「映える消費」という一般的な回答から、一歩踏み込んで「その場合にどのようにお金を工面しているか」という点まで問われることで、その点も考慮に入れる必要があることに気づかされる。このようなやりとりを繰り返しながら、無知を自覚していくのである。
②ゴール：無知の自覚
ソクラテス式AI活用法を通じて、我々が目指すべきゴールは無知の自覚である。AIからの問いの繰り返しで、自分の認知を俯瞰し、あるいはあえてフォーカスをずらしてみる。そのプロセスを経て、自分は何を知っていて、何を知らないのかを認識する。この無知の自覚こそが、知識ベース拡大における真のスタートラインとなる。
第2回で解説したZPD（Zone of Proximal Development：発達の最近接領域）理論モデルを思い出してほしい。他者の適切な支援があればできる領域（ZPD）を拡張するには、まず自分が支援を必要とする領域を認識する必要がある。ソクラテス式AI活用法は、AIに問いを投げかけさせることで、この認識を促すのである。
③メタ認知の重要性：生成AI時代の危険な認知バイアスを避ける
ステップ1の「ソクラテス式AI」を通じて、目指すべきゴールは無知の自覚であることをご理解いただけただろう。この無知の自覚こそが、メタ認知である。メタ認知とは、自分自身の知識について知っていることだ。つまり、自分が何を知っていて、何を知らないかを正しく認識している状態である。例えば、東南アジア市場について、「私はターゲット顧客の消費行動を知らない」と自覚している状態が、メタ認知である。
このメタ認知が欠如すると、ビジネスパーソンは危険な認知バイアスに陥る。それがダニング=クルーガー効果だ。これは、特定の分野において能力や知識が低い人ほど、自分の能力を過大評価してしまうという認知バイアスである。そして、生成AIの普及がこのバイアスの危険性を増幅させている。そのメカニズムはこうだ。AIは常にもっともらしい答えを、流暢な文章で提示してくる。それを受け取るユーザーは、あたかも自分自身がその知識を習得したかのような錯覚に陥る。結果、無批判にAIの出力を受け取り、自身のアウトプットに使う。最新の研究でも、AIの使用によってわかったつもりになり、自己評価を過剰に高めることが分かっている。[1]筆者が警鐘を鳴らす「消費型」のAI活用は、このダニング=クルーガー効果を最も強く引き起こす使い方だと言えるだろう。
では、この認知バイアスを避けるにはどうすればよいのか。それは、メタ認知を獲得することである。「ソクラテス式AI」を実践し、AIと対話をしながら、「自分は何を理解していて、何を理解していないのか」を意識する。AI活用を「対話型」へ転換することで、この認知バイアスから逃れることができるのだ。
ステップ1の「ソクラテス式AI」で、メタ認知による全体像の把握ができた。では、次のステップでは何が必要か。それは、特定の領域にフォーカスを絞って、さらにメタ認知を強化することだ。次に紹介するステップ2は「AI壁打ち」である。ステップ1で全体像を把握した後、ステップ2ではその中の特定領域について深掘りし、仮説を立案していく。より実務に即した形で、AIとの対話を通じて思考を研ぎ澄ませるのである。
DIVEモデル ステップ2：AI壁打ち
①AI壁打ちによる仮説の深化
ステップ1の「ソクラテス式AI」が、「何を知らないか」を全体的に把握するプロセスであったのに対し、ステップ2の「AI壁打ち」は、特定の領域にフォーカスを絞り、メタ認知を強化し、仮説を立てるプロセスである。図4に示すように、AIの役割は問いの投げかけという点では変わらないが、その目的と対話の範囲が異なる。
ステップ1で「自分が何を知らないか」を明確にした後、ステップ2でその領域について「具体的にどう考えるべきか」を深めていくのである。
ステップ2「AI壁打ち」は、基本的に全ての業務で使える。しかし、特に不確実性の高い業務において真価が発揮される。なぜなら、新規事業検討や複雑な意思決定、およびそれらに付随するリサーチなどでは、答えが無い中で仮説を立てながら業務を遂行する必要がある。このような場面では、思考の質がアウトプットに直結するため、AIとの対話を通じて思考を深めることが不可欠だからだ。
では、ステップ2の「AI壁打ち」の実際の活用場面を、新規事業の検討の例を用いて考えてみよう。
東南アジア市場（インドネシア・タイ）で新規事業案を命じられた際、ステップ1の「ソクラテス式AI」で以下のことについて、分かっていないことが見えた。
- ターゲット顧客である、平均的な収入層の「映え消費」の際の消費行動の詳細
- 競合企業、サービスがあるか
- 現地の法規制
ここから、ステップ2の「AI壁打ち」を実践する。具体的なやりとりについて、以下の図5がイメージである。
この対話は、分からないことの中で一つの領域を選択し、深掘りを行った。実はこの対話を指示しているプロンプトには、新規事業検討のために必要なフレームワークを使うことを指示している。対話を繰り返すことで、検討に必要な項目のどこが足りていないのか、どこの検討が甘いのかを判定できるようになっている。その足りない部分、検討が甘い部分において検証が必要な仮説を導くという流れになっている。
②ゴール：「良い問い」につながる仮説
「AI壁打ち」において最も意識すべきは、自分が何を知らないかをどこまで解像度高く認識できているかという点だ。もし、知らないこと自体がまだ曖昧であれば、さらに問いを重ね、対話を深めていく必要がある。その繰り返しの結果、ようやく「良い問い」につながる仮説が立ち上がる。
AI時代のビジネスパーソンに求められるのは、AIから答えを得る速さではない。AIを壁として使い、自分の思考をどこまで広く、深く、構造化できるかである。その対話の総量こそが、格差を生む源泉となる。第2回で学んだICAPフレームワークを思い出してほしい。AIの出力をただ受け取るPassive（受動的）の状態ではなく、自分の言葉で再構築するConstructive（構成的）、そしてAIと議論を重ねるInteractive（対話的）この姿勢こそが、知識ベースを拡大し、正のトライアングルを回し続ける鍵なのである。
おわりに
第3回では、AIとの対話による知識創造メソッドとして、「DIVEモデル」の全体像とその最初の2つのステップである、「ソクラテス式AI」「AI壁打ち」を紹介した。最終回となる第4回では、得られた仮説の検証、そして知識の内部化という残りのステップを紹介する。最後にこれらのステップを振り返りながら統合し、現場でAIを活用した学習サイクルを設計するフレームワークを改めて提示する。正のトライアングルを回し続け、知識を創造し、持続的に成長するための実践的な指針を示す。
参考文献
[1]Journal of Applied Learning & Teaching（2024）,“Negative effects of Generative AI on researchers: Publishing addiction, Dunning-Kruger effect and skill erosion”, https://journals.sfu.ca/jalt/index.php/jalt/article/view/2131（参照2026年2月9日）
