AI×コーチング｜生成AIへの質問術とAIコーチングの可能性・限界

結論：聞き方の解像度が、答えの解像度になる

この記事では2つのことを扱います。ひとつは生成AIから良い答えを引き出す質問術、もうひとつはAIコーチングの可能性と限界です。

先に結論を書きます。生成AIは、知りたいことを入力すると大量のデータをもとに答えを返すツールです。したがって、漠然と聞けば漠然と返ります。「リーダーシップについて教えて」と聞けば教科書的な一般論が返り、条件を与えれば、その条件に沿った答えが返ります。

そしてAIコーチングは、24時間使えること、費用が抑えられること、記録が残ることに可能性がある一方、関係性・非言語・責任・危機対応は担えません。研究はまだ初期段階です。

AIは「漠然と聞けば漠然と返る」ツール

人に質問するときと、AIに質問するときで、決定的に違う点があります。人は文脈を推測してくれますが、AIは書かれていない前提を知りません。

たとえば「部下のモチベーションを上げるには？」という質問には、次の情報が抜けています。

• どんな仕事の、何人のチームか
• その部下は何に困っているのか
• あなたはどの立場で、何ができるのか
• いつまでに、どうなっていたいのか

これらが書かれていないぶんは、AIが平均的な想定で埋めます。結果として、どこかで読んだことのある一般論が返ってきます。返答が薄いのは、たいていAIの性能ではなく入力の情報量の問題です。

これはコーチングの質問と同じ構造です。「最近どう？」と聞けば「まあまあです」と返るのと変わりません（→良い質問とは何か）。

良いプロンプトの5要素

情報を足すといっても、やみくもに長く書けばよいわけではありません。次の5つを意識すると、過不足なく伝わります。

要素	何を書くか	例
役割	どんな立場で答えてほしいか	「組織開発の実務者として」
背景	状況・関係者・これまでの経緯	「5人の開発チーム。異動2か月目のメンバーが1人」
目的	何のために使う答えか	「来週の1on1で話す論点を決めたい」
制約	条件・使えない手段・前提	「予算はなし。人事制度は変えられない」
出力形式	どんな形で返してほしいか	「箇条書きで5つ。各2文以内」

5つすべてを毎回書く必要はありません。ただ、答えが薄いと感じたときは、このうちどれが抜けているかを点検すると立て直せます。とくに「目的」と「制約」は抜けやすく、抜けると実行できない提案が返ってきます。

答えの質を高める、多角的な聞き方

一度返ってきた答えをそのまま受け取らず、視点を足していくと精度が上がります。次の4つが使いやすい型です。

1. 反対意見を出させる：「いまの提案に対する、もっとも強い反論を3つ挙げてください」
2. 前提を問い直させる：「この回答が置いている暗黙の前提を列挙してください。そのうち疑わしいものはどれですか」
3. 複数案を比較させる：「方向性の異なる案を3つ出し、それぞれの利点・リスク・向いている条件を表にしてください」
4. 根拠を確認する：「その主張の根拠になっている研究や実務上の知見を挙げ、確からしさの程度も示してください」

この4つに共通するのは、AIを答えの出所ではなく、思考を広げる相手として使うという姿勢です。コーチングで選択肢を広げる質問を使うのと同じ考え方です（→質問大全）。

そのまま使えるプロンプト例

例1：1on1の準備

あなたは組織開発の実務者です。私は5人の開発チームのリーダーで、異動2か月目のメンバーが1人います。来週の1on1で話す論点を決めたいと考えています。予算はなく、人事制度も変えられません。この状況で扱うとよい論点を5つ、それぞれ理由を1文添えて挙げてください。最後に、避けたほうがよい聞き方も3つ示してください。

例2：考えを整理する

これから私が今の悩みを話します。あなたは助言をせず、私の考えを整理するための質問だけを1回に1つずつしてください。私が「まとめて」と言ったら、それまでに私が話した内容だけを使って要点を5つにまとめてください。

例3：反論を集める

次の計画に対して、立場の異なる3者（現場の担当者・経営層・顧客）それぞれの視点から、もっとも強い反論を挙げてください。反論ごとに、その反論が成り立つ前提条件も示してください。計画：（ここに計画を貼る）

例4：根拠を確かめる

いまの回答のうち、研究で確かめられていること、実務上の経験則にすぎないこと、あなたの推測であることを分けて示してください。研究にあたる部分は、確からしさの程度もあわせて書いてください。

例2は、AIにコーチ役ではなく質問役を割り当てる使い方です。助言を止めるだけで、対話の性質が変わります。

AIの答えを鵜呑みにしないための手順

生成AIは、事実と異なる内容を、事実と同じ文体で出力することがあります。存在しない文献や統計が提示される場合もあります。断定的な文体は、正確さの保証ではありません。

実務では、次の手順で確認します。

1. 数値・固有名詞・出典に印をつける。 この3つが誤りの入りやすい箇所です。
2. 出典を検索で確かめる。 著者名と論文タイトルが実在するか。実在しても内容が主張と合っているか。
3. 同じ質問を、条件を変えてもう一度聞く。 答えが大きく揺れる部分は、確かでない可能性が高い領域です。
4. 人に確認する。 自分の組織の事情や制度に関わる部分は、AIではなく当事者に聞きます。
5. 最終判断は自分で行う。 AIの回答は材料であって、決定ではありません。

とくに、他者の評価や処遇に関わる判断をAIの回答だけで下すことは避けます。責任を負うのは常に人の側です。

AIコーチングにできること・できないこと

ここからは、AIをコーチとして使う話です。

できること（可能性）

• 24時間、いつでも対話できる
• 人のコーチに比べて費用を抑えやすい
• 記録が自動的に残り、あとから振り返れる
• 難しい会話の練習相手になる（1on1の予行演習など）
• 質問の候補を大量に出せる。自分では思いつかない切り口が出る

できないこと（限界）

• 関係性そのもの：信頼が積み重なる経験、見ていてくれる人がいるという感覚
• 非言語の情報：声の詰まり、間、表情の変化から拾う情報
• 責任：助言の結果に対して責任を負う主体になれない
• 危機対応：自傷や強い抑うつのサインを察知し、適切につなぐ判断
• 身体をもつ経験：働くこと、疲れること、迷うことを実際に経験していない

人間のコーチとの違い

	AIコーチング	人間のコーチング
可用性	24時間・即時	予約が必要
費用	低〜中	中〜高
一貫性	毎回ぶれにくい	体調や相性で変動する
非言語	ほぼ扱えない	中核的な情報源
関係性	蓄積はするが相互性は限定的	作業同盟が変化を支える
責任	負えない	負う（倫理規定・苦情処理）
危機対応	適さない	専門機関へのリファーが可能

倫理上の注意と、研究の現在地

メンタル不調時の限界。 気分の落ち込みが続く、眠れない、生活に支障が出ているといった状態では、AIとの対話ではなく医療・心理の専門機関につながることが優先されます。AIは危機のサインを見落とすことがあります。

個人情報。 入力した内容がどう扱われるかはサービスによって異なります。他者の氏名、人事情報、健康に関する情報は入力しないという線引きを、自分のルールとして先に決めておきます。第三者の話を扱うときは、その人の同意なく詳細を書かないことです。

依存。 いつでも答えてくれる相手ができると、自分で考える前に聞く習慣がつくことがあります。AIに聞く前に、次を自分に問うだけでも変わります。

• いま自分は、何を決めようとしているのですか。
• すでにわかっていることは何ですか。
• AIに何を出してもらえたら、次に進めますか。

研究はまだ初期段階です。 AIコーチと人間のコーチで目標達成の度合いを比較した研究は出はじめており、一定の条件下では差が小さかったという報告もあります。ただし、対象者・期間・目標の種類は限られています。長期的な効果、どんな人に向くか、どこから人が担うべきかは、まだわかっていません。 研究の読み方は研究・エビデンスで整理しています。

AI時代に、コーチの仕事はどう変わるか

確かなことは言えませんが、方向としては次のように考えられます。

AIに移りやすい部分。 定型的な質問の提示、セッション記録の要約、振り返りの整理、学習コンテンツの提供。これらは反復と一貫性が求められる領域で、AIが得意とします。

人に残りやすい部分。 その場で起きていることへの応答、沈黙をどう扱うか、言葉になっていないものへの気づき、倫理的に難しい判断、そして「この人が見ていてくれる」という関係。

新しく必要になる部分。 クライアントがAIをどう使っているかを一緒に点検すること、AIの回答に振り回されている状態を扱うこと、AIを練習相手として使う設計をすること。

つまり、AIはコーチを置き換えるというより、コーチが何をしている人なのかを明確にする方向に働く可能性があります。質問の型が誰でも手に入るようになるほど、型ではない部分――関係の質と、避けたい聞き方をしない判断力――が問われることになります（→NG質問大全）。