生成AIの本質的な考え方となる思考OSプロンプト25選
技術1
具体⇄抽象
具体⇄抽象
技術2
問いの精度
問いの精度
技術3
立場転換
立場転換
技術4
対比構造
対比構造
技術5
言語化と評価
言語化と評価
フェーズ1
認知・目的理解
認知・目的理解
細部に囚われ全体像を見失い優先順位で困ったとき
問題が広すぎて何を優先すべきか迷っているとき
誰の視点で考えるか分からないとき
従来の視点では打開策が見えないとき
情報過多で要点を一言にまとめたいとき
フェーズ2
分解・課題抽出
分解・課題抽出
事例が多く本質的パターンを抽出できないとき
最初の問いが的外れで問い直したいとき
他者の視点で課題を分解したいとき
逆要因を探して本質を見極めたいとき
因果が混乱し図解で整理したいとき
フェーズ3
提起・仮説構築
提起・仮説構築
問題を別定義で言い換え本質を見直したいとき
核心を突く問いを掘り起こしたいとき
主語を替えて仮説を検証したいとき
逆仮説で矛盾点を洗い出したいとき
一文で問題を提起したいとき
フェーズ4
設計・戦略策定
設計・戦略策定
シナリオを複数検討したいとき
何を残し何を捨てるか決めたいとき
利害関係者の視点を整理したいとき
あえてしないことを明確にしたいとき
戦略を汎用プロセス化したいとき
フェーズ5
実装・言語伝達
実装・言語伝達
抽象アイデアを具体例で伝えたいとき
内容を1問いでまとめたいとき
受け手に響くようリライトしたいとき
共感と反論を整理し説得力を上げたいとき
説明をテンプレ化して再利用したいとき
フェーズ1
認知・目的理解
認知・目的理解
技術1
具体⇄抽象
具体⇄抽象
細部に囚われ全体像を見失い優先順位で困ったとき
技術2
問いの精度
問いの精度
問題が広すぎて何を優先すべきか迷っているとき
技術3
立場転換
立場転換
誰の視点で考えるか分からないとき
技術4
対比構造
対比構造
従来の視点では打開策が見えないとき
技術5
言語化と評価
言語化と評価
情報過多で要点を一言にまとめたいとき
フェーズ2
分解・課題抽出
分解・課題抽出
技術1
具体⇄抽象
具体⇄抽象
事例が多く本質的パターンを抽出できないとき
技術2
問いの精度
問いの精度
最初の問いが的外れで問い直したいとき
技術3
立場転換
立場転換
他者の視点で課題を分解したいとき
技術4
対比構造
対比構造
逆要因を探して本質を見極めたいとき
技術5
言語化と評価
言語化と評価
因果が混乱し図解で整理したいとき
フェーズ3
提起・仮説構築
提起・仮説構築
技術1
具体⇄抽象
具体⇄抽象
問題を別定義で言い換え本質を見直したいとき
技術2
問いの精度
問いの精度
核心を突く問いを掘り起こしたいとき
技術3
立場転換
立場転換
主語を替えて仮説を検証したいとき
技術4
対比構造
対比構造
逆仮説で矛盾点を洗い出したいとき
技術5
言語化と評価
言語化と評価
一文で問題を提起したいとき
フェーズ4
設計・戦略策定
設計・戦略策定
技術1
具体⇄抽象
具体⇄抽象
シナリオを複数検討したいとき
技術2
問いの精度
問いの精度
何を残し何を捨てるか決めたいとき
技術3
立場転換
立場転換
利害関係者の視点を整理したいとき
技術4
対比構造
対比構造
あえてしないことを明確にしたいとき
技術5
言語化と評価
言語化と評価
戦略を汎用プロセス化したいとき
フェーズ5
実装・言語伝達
実装・言語伝達
技術1
具体⇄抽象
具体⇄抽象
抽象アイデアを具体例で伝えたいとき
技術2
問いの精度
問いの精度
内容を1問いでまとめたいとき
技術3
立場転換
立場転換
受け手に響くようリライトしたいとき
技術4
対比構造
対比構造
共感と反論を整理し説得力を上げたいとき
技術5
言語化と評価
言語化と評価
説明をテンプレ化して再利用したいとき
マスをクリックするとプロンプトが表示されます。
生成AIの本質的な考え方について
1. 何を質問するのか?(問いの設定)
AIを活用する上で最も重要なのは、「何を質問するか」ではなく、「なぜそれを質問するのか」という目的の設計です。質問の背景にある目的や意図が曖昧だと、問いも表面的になり、AIから返ってくる答えも浅くなります。逆に、目的が明確になれば、問いの精度が高まり、AIの知見を効果的に引き出すことができます。問いを設計する際には、まず自分が今どんな状態にいるのかを見極めることが大切です。
質問する前に整理しておきたい「自分の状態」
| 認知の状態 | 状態の特徴 | 問いの目的 |
|---|---|---|
| 知っている(再確認) | 情報はあるが整理・想起が難しい | 要点整理/要約/理解の確認 |
| 知らない(探索) | 情報が不足しており、調査や学習が必要 | 基礎知識を得る/調べる足がかりを作る |
| 導き出せない(再思考) | バイアスや視野の偏りがあり、思考が詰まっている | 視点の転換/第三者の視点・比喩・引用を借りる |
このように、「問いの背景にある目的」と「自分の認知状態」をセットで捉えることで、ただ質問するだけでなく、思考を深め、広げるための問いを設計できるようになります。問いは“意図のない質問”ではなく、“目的のある設計”です。この認識が、生成AIとの対話の質を大きく左右します。
2. どうやって聞くのか?(聞き方・構造・指示の工夫)
AIに何を聞くかと同じくらい、**どう聞くか(問い方の設計)**が重要です。
問いの構造や指示の出し方によって、AIの出力の精度・深さ・再現性は大きく変わります。
その設計を支えるのが、以下の5つの問い方の技術です。
これは単なる表現技法ではなく、思考の視野と質を広げるためのフレームです。
プロンプト設計を支える5つの技術
| 技術名 | 機能・目的 | 解説 |
|---|---|---|
| 具体⇄抽象 | 本質の理解と応用の幅を広げる | 抽象度を自在に行き来することで、思考の幅を広げる。具体から抽象で「意味や構造」を掴み、抽象から具体で「実行や応用」へつなげる。できない人は固定的なレベルでしか考えられず、視野が狭くなるため、AIに変換を依頼することが効果的。 |
| 問いの精度 | 出力の明確化・不要な混乱の排除 | 曖昧な問いではAIの出力もブレる。前提・条件・制約(例:論理的に/この3点だけで/この文脈ではなど)を明示することで、必要な情報だけを引き出せる。いらないものを「捨てる」ことも問いの精度を上げる鍵。 |
| 立場転換 | 視野の拡張・思考バイアスからの解放 | 自分とは異なる立場(顧客・部下・専門外の人・初心者など)で問い直すことで、知の呪縛を超えた視点が得られる。例:「小学生に説明するなら?」「相手が反対意見を持っていたら?」など。 |
| 対比構造 | 意味や価値の相対化・前提の見直し | 異なるものを比較することで、見えていなかった構造や前提があぶり出される。逆説的な問いや、異業種・非常識・未来視点などを持ち込むと、思考に新たな深みが生まれる。 |
| 言語化と評価 | 思考の可視化と質の向上 | 出力を自分の言葉で再整理し、「使える形」に変える工程。全体を俯瞰し、汎用性・再現性を評価したり、戦略をプロセス化したりすることで、思考は初めて他者にも伝えられる。例:「5ステップで整理」「一言で言い換えて、自己評価してください」など。 |
このように、問いの内容だけでなく問い方の質=プロンプトの構造設計力が、AIとの対話の本質を決めます。
良い問いは、深い答えを引き出すだけでなく、自分の思考自体を変えてくれます。
3. 出力された答えをどう精査し活用するか?
- ここが人間の思考との接続点。
- 「AIが出したからOK」ではなく、そこから矛盾・抜け・示唆を自分で再評価する思考習慣が要る。
- 「言語化と評価」がここで真価を発揮します。
4. 目的の明確化
- この視点がないと、生成結果はブレるし、何を良しとするか判断できない。
- 自分が「何のために聞いているのか」をAIに伝えないと、表面的な答えにしかならない。
- これは「フェーズ1」に深く関わる土台です。
5. 視点の多様性
- AIの強みは「瞬時に立場や前提を変えられる」こと。
- 自分では持てない観点(逆説・利害・業界・文化)を借りることで、視野が広がる。
- 「立場転換」「対比構造」がここで活きます。
6. 構造を把握する
- 会話を通じて、問題や情報の構造化が自動で進む。
- この構造化があるから、初めて「再利用・応用・説明」が可能になる。
- 「分解・抽象化・図解・フレーム化」などが重要なスキル。
