AIとの壁打ちが途中で浅くなるのはなぜか

考えを整理したくてチャットを開く。最初の数往復は本当に調子がいい。 こちらの枠組みを拾い、書き出していなかった論点を足し、散らかっていたものを3つの選択肢に整理してくれる。 前に進んでいる感触があります。

ところが10通目あたりで気づきます。自分は何ひとつ考えを変えていない。持ち込んだアイデアは身なりが良くなりました。見出しがつき、リスクの節までついた。 でも中身は同じアイデアで、会話の中でそれが本気で揺さぶられた瞬間は一度もありませんでした。

モデルは同意するように最適化されていて、それが非常に上手い

モデルは人間の選好フィードバックで調整されており、人間は「役に立つ」「肯定的」「話題から外れない」答えを高く評価します。 結果として、あなたの発言を否定するのではなく、その上に積み上げる方向への強い引力が生まれます。 ユーザーに反対する振る舞いは訓練によって抑制されます。多くの文脈では、それが不親切に読まれるからです。

ほとんどの依頼にとっては、それが正しい初期設定です。 しかし壁打ちにとっては間違った初期設定です。相手の価値は、あなたの前提を最初から共有していないことにあるからです。

会話は自分自身の上に積み上がるので、狭くなっていく

同意しやすさとは無関係な、もう1つの効果があります。 チャットのすべてのターンは、それ以前のすべてを条件として生成されます。 10通目のモデルは、もうあなたの問題に応答していません。あなたの問題についての、自分自身の過去9個の答えに応答しています。

ターンごとに枠組みへのコミットが少しずつ強まり、アイデアの空間は広がるのではなく狭まります。 壁打ちの目的の正反対です。序盤の往復に扉を開けてほしかったのに、静かに閉めていたわけです。

長いセッションの後で、同じ質問をまっさらな新規チャットに投げてみると、これが体感できます。 新しい答えは、長い会話が行き着いた場所とはっきり違っていて、しばしばそちらの方が良い。途中で何かを学んだわけではなく、部屋が狭くなっていただけです。

本当の壁打ち相手がしていること

まだ形になっていない考えを詰めるとき、同僚が役に立つのはなぜかを思い出してください。 自分より物を知っているから、であることはまれです。前提を自動的に受け入れないからです。なぜその枠組みで問題を立てたのかを聞く。 見たくなくて素通りした部分を指さす。

そのためには2つが必要で、1つのチャットセッションはそのどちらも安定して与えてくれません。

• あなたの立場から派生していない立場。独立に問題に到達した相手であること。そうでなければ、その反論はあなた自身のアイデアの丁寧な変奏にすぎません。
• それを保持する意思。こちらが押し返した瞬間に折れないこと。有益な部分は、たいてい2回目3回目のやり取りに現れるからです。

モデルを増やすときの落とし穴

明白な対処は、互いから派生していない立場を得るために、モデルを複数にすることです。 実際それは有効ですが、知っておくべき特有の失敗の仕方があり、それは予想されるものとは違います。

マルチエージェント構成についての2026年の研究は、エージェントに異なる専門家の役割を与えると、 試したすべての構成の中で最も多様性の低いアイデアが生まれ得ることを見つけました。 役割を割り当てると多様性が生まれる気がします。 実際に起きるのは、各エージェントが割り当てられた役割のステレオタイプな中心に寄っていくことで、 それは誰も指示されなければ行っていたはずの場所より狭いのです。

つまり声を増やせば自動的に思考が増えるわけではありません。数より構造です。この研究は別記事で詳しく扱いました。私たちの作り方を変えた研究だからです。

代わりにやること

• 感想ではなく、最強の反論を求める。「どう思う？」は同意を誘います。「これが間違っているとする最も強い論拠は何か」は、 モデルに反対する許可を与えます。放っておいてもモデルはその許可を自分では取りません。
• 驚きがなくなったらスレッドを捨てて始め直す。壁打ちにおいて、10往復ぶんの蓄積された文脈は資産ではなく負債であることがよくあります。 問題を新しいセッションで簡潔に言い直すコストは1分です。
• 議論させる前に、独立した答えを取る。本当に異なる立場が欲しいなら、それらは互いを見ないまま形成される必要があります。後からの議論は有益ですが、最初からの議論は合意を生みます。
• 早すぎる一致を警戒する。2つ目のモデルが即座に1つ目を支持したなら、それは意見の相違よりも疑うに値します。

Parleyがどこに当てはまるか

Parleyはこの形を中心に作られています。 まず複数のモデルが同じ質問に別々に答えるので、どれも他のモデルの枠組みに反応していません。 そのうえで違いが並べられます。 目的は意見を多く集めることではありません。十分な根拠を持った立場が実際に食い違う場所を見つけることで、 そこにこそ自分の思考が動く余地があるからです。

限界についても率直に書いておきます。 既に答えが決まっていて文章にまとめたいだけの場面では役に立ちません。 堂々巡りをしている気がするのに、何を避けているのか自分で分からない場面で効きます。 どの問いが手間に見合うかはベストプラクティスのガイドに整理してあります。

あわせて読む

• AIエージェントを増やすと、かえって悪化することがある。上の役割についての警告の根拠になっている研究です。
• 同じ質問なのに、ChatGPTとClaudeで答えが違うのはなぜか。独立した立場を独立たらしめているものを扱っています。