メインコンテンツへスキップ
見出し画像

11-2 DeepSeek 比較検討の設計 — 「どっちがいい?」と聞く前に設計する

    はじめに:比較検討が失敗する典型パターン

    AIに比較検討を頼むとき、多くの人はこう聞きます。

    「AとB、どっちがいい?」

    この聞き方には、3つの落とし穴があります。

    1. 評価軸がAI任せになる — 何を基準に比較するかが曖昧なまま、AIが「一般的に重要そうな軸」を勝手に選ぶ

    2. 結論だけが返ってくる — 「総合的にはAがおすすめです」と言われても、自分の状況に当てはまるか判断できない

    3. 抜け漏れに気づけない — 比較対象そのものが適切か、検討すべき軸が他にないかを検証できない

    比較検討の設計とは、「比較の枠組みそのものを先に組み立てる」 ことです。AIに答えを出させる前に、何を・どの軸で・どの条件で比べるかを人間が設計します。


    なぜ「設計」が必要なのか

    比較検討は、思考の足場(scaffolding)です。AIに丸投げすると、足場がぐらついたまま上に建物を建てるようなもの。結論が「正しそう」に見えても、土台が検証不能では使いものになりません。

    設計を先に行うことで、次の3つが手に入ります。

    • 検証可能性 — どの軸でどう評価したかが追える

    • 再現性 — 条件を変えて同じ枠組みで再比較できる

    • 発見 — 自分が想定していなかった評価軸に気づける

    特に3つ目が重要です。AIは「自分では思いつかなかった比較軸」を提示してくれることがあります。ただしそれは、こちらが枠組みを提示したからこそ、その差分が見える のです。枠組みなしに「おすすめは?」と聞いても、差分は見えません。


    比較検討の設計:4つのステップ

    ステップ1:比較対象を確定する

    まず「何と何を比べるのか」を明示します。曖昧なまま進めると、AIは勝手に対象を追加したり、逆に絞り込んだりします。

    比較対象:
    - 選択肢A:〇〇
    - 選択肢B:△△
    - (必要なら)選択肢C:□□
    
    ※上記以外の選択肢を提案する場合は、
      比較の前段で「追加候補」として提示してください。

    「他にもっと良い選択肢があるのでは?」という問いは、比較の 後 に回します。最初から「最適な選択肢を探して」と頼むと、比較の土台が定まりません。

    ステップ2:評価軸を自分で列挙する

    ここが設計の核心です。AIに「評価軸を挙げて」と聞くのではなく、自分で思いつく軸を先に書く。そのうえで、AIに「抜けている軸はないか」を問います。

    評価軸(私の案):
    1. 導入コスト
    2. ランニングコスト
    3. 学習曲線(習得のしやすさ)
    4. 拡張性
    5. サポート体制
    
    → 上記以外に、検討すべき軸があれば提案してください。
      ただし、なぜその軸が重要かを必ず説明すること。

    この順序が大事です。AIに軸をゼロから作らせると、一般的なフレームワーク(価格・性能・サポート…)に収束しがちです。自分の文脈から出た軸と、AIが提案する軸を 突き合わせる ことで、はじめて思考が深まります。

    ステップ3:各軸の重みと条件を決める

    すべての軸が等価ではありません。自分の状況ではどれが重要かを明示します。

    重み付け:
    - 導入コスト:高(予算制約が厳しい)
    - ランニングコスト:中
    - 学習曲線:高(チームのスキルが限られる)
    - 拡張性:低(当面の利用範囲が限定的)
    - サポート体制:中
    
    前提条件:
    - 利用期間:1年
    - チーム規模:5名
    - 予算上限:〇〇円

    ここを省くと、AIは「一般的には拡張性が重要」といった無難な結論に逃げます。自分の制約条件を書くことが、比較を自分事にする のです。

    ステップ4:出力形式を指定する

    比較結果をどう受け取るかを決めます。表形式か、軸ごとの記述か、結論を先に出すか。用途によって変わります。

    出力形式:
    1. まず比較表(軸×選択肢)
    2. 各軸について、なぜその評価になったかの根拠
    3. 重み付けを踏まえた総合判断(ただし断定はしない)
    4. 判断が分かれるポイント(トレードオフの明示)
    5. 追加で確認すべき情報

    特に 4番と5番 が重要です。「どちらが良いか」を断定させず、トレードオフを明示させる。これにより、最終判断を自分に残せます。


    実践例:ノートPCの選定で比較してみる

    悪い例(設計なし)

    ユーザー:ノートPCを買いたい。MacBookとWindows、どっちがいい?

    AI:用途によりますが、一般的には…(以下、一般的な比較)
    この場合、AIは「一般的な」比較しかしません。自分の用途・予算・環境が反映されません。

    良い例(設計あり)

    ユーザー:ノートPCの比較検討をしたい。以下の設計で進めてください。

    比較対象:

    • MacBook Air (M3)

    • Windows:ThinkPad X1 Carbon

    評価軸(私の案):

    1. 携帯性(重量・サイズ)

    2. バッテリー持続時間

    3. 開発環境の親和性(Python / Docker)

    4. 周辺機器との接続性

    5. 初期費用・3年運用コスト

    6. 修理・サポートのしやすさ

    重み付け:3と5が高、1と2が中、4と6が低
    前提:在宅と出社の半々、開発用途メイン、予算20万円前後
    出力形式:

    1. 比較表

    2. 各軸の根拠

    3. 私の重み付けでの総合判断(断定はしない)

    4. トレードオフの明示

    5. 追加確認事項

    注意:評価軸に抜けがあれば、比較の前に提案してください。
    この設計なら、AIは自分の文脈に即した比較を返します。そして「抜けている軸」があれば、比較の前に指摘してくれます。


    よくある失敗と対処

    画像
    失敗パターンと対処のマッピング

    比較検討が失敗する典型パターンは、いずれも「設計をAIに任せてしまう」ことに起因します。前提条件や重み付けを書かなければ一般論しか返らず、「どっちがいい?」と聞けば結論を押し付けられ、軸を作らせれば浅くなり、検証を怠れば抜け漏れに気づけません。

    つまり、これらはすべて設計フェーズ(ステップ1〜4)の省略が生む症状であり、対処法も「人間が先に枠組みを書き、AIには抜けを問い、最終判断は自分に残す」という一点に集約されます。


    演習:自分のテーマで設計してみる

    以下のテンプレートを埋めて、実際にDeepSeekに投げてみてください。
    text

    【比較検討の設計】
    
    ■比較対象
    - A:
    - B:
    - (追加候補の提案可否:可 / 不可)
    
    ■評価軸(自分の案)
    1.
    2.
    3.
    (追加提案:可 / 不可)
    
    ■重み付け
    - 高:
    - 中:
    - 低:
    
    ■前提条件
    - 期間:
    - 規模:
    - 制約:
    
    ■出力形式
    1. 比較表
    2. 各軸の根拠
    3. 重み付けを踏まえた判断(断定しない)
    4. トレードオフの明示
    5. 追加確認事項

    この型を何度か回すと、比較の設計そのものが自分の思考訓練 になっていることに気づきます。AIは比較の実行役、設計は人間の仕事。この分担が、思考を弱めないAIの使い方です。


    まとめ

    • 比較検討は「どっちがいい?」と聞く前に、枠組みを設計する

    • 設計の4ステップ:対象確定 → 軸の列挙 → 重みと条件 → 出力形式

    • 軸は 自分で先に書く。AIには抜けを問う

    • 結論は 断定させず、トレードオフを明示させる

    • 最終判断は自分に残す

    画像
    ユーザーとDeepSeekの対話フロー

    次回(11-3)は、この比較検討で洗い出された「確認すべき情報」を、どのように一次情報へ遡って検証するかを扱います。


    ▼ この連載の元になった書籍
    『DeepSeek 対話の設計 ― ブラウザで試す、考える、深める』


    あなたへのおすすめ