「同じChatGPTを使っているのに、なぜあの人の方がいいものを作れるんだろう？」
生成AIを仕事で使う人が増えるほど、このような疑問を持つ人も増えていくと思います。
ChatGPT、Claude、Geminiなど、基本的には誰でも同じAIを利用できます。
しかし、実際に仕事で使ってみると、
- AIで簡単な文章を作るだけの人
- 資料作成を大幅に効率化する人
- 新しい企画を次々と生み出す人
- 営業やマーケティングに活用する人
- 業務そのものをAIで再設計する人
など、活用レベルには大きな差が生まれます。
なぜ同じAIを使っているのに、これほど成果に差がつくのでしょうか？
結論から言えば、
AIそのものの性能だけではなく「AIを使う人間側の能力」が成果を大きく左右するからです。
AIが高性能になるほど、
「どのAIを使っているか？」だけでは差別化しにくくなります。
これから重要になるのは
「高性能なAIを、自分の知識や経験とどう組み合わせるか？」です。
同じAIを使えば同じ成果が出るわけではない
生成AIが登場した当初は、
「AIを使える人と使えない人で差がつく」
と言われていました。
しかし、これからは少し状況が変わります。
AIを使うこと自体が当たり前になれば、
「AIを使っている」というだけでは差別化にならなくなるからです。
例えば、同じ会社の営業担当者2人が、同じChatGPTを使っていたとします。
一人は、「営業メールを作って」と入力する。
もう一人は
「この会社の事業内容、担当者の役職、過去の商談内容、今回提案したい商品、相手が抱えていると思われる課題はこれです。この情報を踏まえて営業メールを作成してください」
と依頼する。
同じAIを使っていても、出てくる回答は変わります。
つまり、
AIの性能が同じでも、AIへ渡す情報と指示が違えば、成果物も変わる
ということです。
差がつく理由①「問いの質」が違う
AI活用で最初に差がつくのが、「何をAIに聞くのか？」という部分です。
例えば、
「売上を増やす方法を教えて」と聞けば、AIは一般的な回答を返します。
一方で、
「既存客からのリピート率を上げるために、現在の購入後フォローをどのように改善すべきか？」
と聞けば、回答の方向性はかなり具体的になります。
さらに、
「新規客を増やすのではなく、既存客の再購入を増やすことを目的に考えてください」
と条件を加えれば、さらに回答を絞り込めます。
良い答えを得るには「良い問い」が必要になる
これはAI以前から変わりません。
優秀なコンサルタントに
「会社を良くする方法を教えてください」と聞いても、具体的な回答は難しいでしょう。
何が問題なのか。
どこを改善したいのか。
何を達成したいのか。
ここが明確だからこそ、具体的な提案ができます。
AIも同じです。
AI時代は「答えを知っている人」だけではなく、「良い問いを作れる人」の価値が高くなる
と考えています。
差がつく理由② AIに渡している「材料」が違う
生成AIは非常に賢くなっています。
しかし、AIがあなたの会社について何でも知っているわけではありません。
例えば、
「うちの会社に合った営業戦略を考えて」
とだけ入力しても、
- 商品
- 価格
- 利益率
- お客さん
- 過去の営業方法
- 競合
- 営業人数
- 強み
- 課題
などが分からなければ、一般論になりやすくなります。
AIは「材料」が増えるほど具体的な仕事をしやすくなる
そこで重要になるのが、AIへ必要な情報を渡すことです。
例えば、
- 自社の商品資料
- 過去の営業資料
- お客さんからの質問
- アンケート結果
- 商談記録
- 社内マニュアル
- 過去に成果が出た施策
- 失敗した施策
などです。
こうした情報を適切に与えた上で、
「この情報を前提に考えてください」と依頼する。
当然、何も情報を渡していない場合と比べて、より自社の状況に合った回答を得やすくなります。
これからのAI活用では、
「どんなプロンプトを書くか？」だけでなく、「AIにどんな情報を与えるか？」が非常に重要になります。
差がつく理由③ 使う人自身の「前提知識」が違う
ここはAI活用で見落とされやすいポイントです。
例えば、マーケティングをまったく知らない人と、マーケティングを長年経験してきた人が同じAIを使ったとします。
AIが、
「ターゲットを絞りましょう」
「LPを改善しましょう」
「広告クリエイティブをテストしましょう」
と提案したとします。
マーケティング経験者であれば、
「このケースではターゲットを狭めすぎない方がいい」
「問題はLPではなく広告とのメッセージのズレでは？」
「まずこの数字を確認した方がいい」など
AIの回答をさらに深掘りできます。
一方、知識がなければ
AIが出した回答をそのまま正解だと思ってしまう可能性があります。
AIが賢くなるほど専門知識が不要になるとは限らない
「AIが全部教えてくれるなら、勉強しなくてもいい」
と思う人もいるかもしれません。
私は逆の側面もあると思っています。
専門知識がある人ほど
- AIへの質問を具体化できる
- 回答のおかしい部分に気づける
- より深い追加質問ができる
- 現場で使える形へ修正できる
からです。
AIによって知識へアクセスするハードルは下がりました。
しかし、
その情報が正しいのか、使えるのかを判断するための知識まで不要になったわけではありません。
差がつく理由④「指示の具体性」が違う
同じ仕事を頼む場合でも、指示の出し方によって結果は変わります。
例えば
「プレゼン資料を作って」だけでは、AI側には分からないことがたくさんあります。
誰に見せるのか。
何分話すのか。
目的は何なのか。
初心者向けなのか。
経営者向けなのか。
社内向けなのか。
営業目的なのか。
こうした条件を伝えることで、成果物の精度を高めやすくなります。
「目的・対象・条件」を伝える
例えば、
「中小企業の経営者向けに、生成AI導入の必要性を説明する30分のプレゼン資料を作ってください。AI初心者を想定し、専門用語を減らしてください。最終的には社内でAI活用を検討してもらうことが目的です」
と伝えれば、かなり条件が明確になります。
難しいプロンプトの型を何十個も暗記する以前に、
「誰に・何のために・どんな条件で作るのか」を明確に伝えることが重要です。
差がつく理由⑤ AIの回答を「疑えるか」が違う
生成AIは非常に便利ですが、常に正しい回答をするわけではありません。
存在しない情報をもっともらしく説明したり、古い情報を前提に回答したり、文脈を誤って理解したりすることもあります。
だからこそ重要なのが「AIの回答をそのまま信用しないこと」です。
特に、
- 法律
- 税務
- 医療
- 金融
- 統計
- 最新の制度
- 商品価格
- 会社情報
など、間違えると影響が大きい情報については確認が必要です。
AIを「答えを出す機械」ではなく「優秀な補助者」として使う
AIが出した答えを、
「ChatGPTが言っているから正しい」
と判断する人と、
「この数字の根拠は？」
「一次情報はどこ？」
「反対意見はない？」
「この前提は本当に正しい？」
と確認する人。
同じAIを使っていても、最終成果物の信頼性には大きな差が出ます。
AI時代には、
AIを使う能力と同時に、AIを疑う能力も必要です。
差がつく理由⑥ AIの回答を「実行」できるかが違う
そして、最後に最も重要なのがここです。
AIに素晴らしい戦略を考えてもらっても、実行しなければ成果は出ません。
例えばAIから、
「既存客へ定期的に情報発信した方がいい」
「営業後のフォローを改善した方がいい」
「採用ページを改善した方がいい」
と提案されたとします。
その回答を読んで
「なるほど」で終わる人もいます。
一方で、
今日からメールを変更する。
営業資料を書き換える。
採用ページを修正する。
1週間実践して結果を見る。
結果をAIに渡して改善案を出してもらう。
ここまでやる人もいます。
当然、成果には差が出ます。
本当の差は「AIを使った後」に生まれる
生成AIが普及すると、多くの人が同じようなAIを使うようになります。
そうなると、
「ChatGPTを使っています」
というだけでは、大きな差別化にはなりません。
私はこれから、
AIを使う前と、AIを使った後に差がつくと考えています。
AIを使う前
- 何が問題なのかを考える
- 目的を決める
- 必要な情報を集める
- 良い問いを作る
AIを使っている最中
- 適切な情報を渡す
- 具体的に指示する
- 追加質問をする
- 別の視点から考えさせる
AIを使った後
- 回答を検証する
- 自分の経験と照らし合わせる
- 現場に合わせて修正する
- 実行する
- 結果を確認する
- AIを使ってさらに改善する
この一連の流れを回せる人ほど、AIを仕事の成果につなげやすくなります。
AI時代は「能力差がなくなる」のではなく、むしろ広がる可能性がある
AIが普及すれば、
「誰でも同じレベルの仕事ができるようになる」
と思われるかもしれません。
確かに、一定水準までの成果物を作るハードルは下がります。
文章を書くのが苦手だった人でも文章を作れる。
デザイン経験がない人でも画像を作れる。
プログラミング経験が少なくてもコードを書ける。
これは生成AIの大きなメリットです。
しかし一方で、
AIを使いこなせる人は、自分がもともと持っている知識や経験をAIによってさらに拡張できます。
マーケティングに詳しい人がAIを使う。
営業経験が豊富な人がAIを使う。
経営経験のある人がAIを使う。
専門知識にAIの処理能力が加われば、仕事のスピードや対応できる範囲はさらに広がります。
そのため私は、
AIによって全員の能力差がなくなるのではなく、AIをどう使うかによって新しい能力差が生まれる
と考えています。
会社のAI研修も「操作方法」だけでは足りない
これは会社が生成AI研修を行う場合にも重要です。
「ChatGPTの登録方法」
「プロンプトの書き方」
「このボタンを押してください」
だけを教えても、それだけでは会社全体の成果にはつながりにくいでしょう。
もちろん基本操作は必要です。
しかし、本当に重要なのは、
「自分たちの仕事のどこでAIを使えば成果が出るのか？」を社員自身が考えられるようになることです。
例えば営業なら、
- 商談前の企業リサーチ
- 営業メール作成
- 提案資料作成
- 商談練習
- 議事録作成
- 商談後のフォロー
- 既存客への追加提案
など、業務を分解してAIを活用できます。
総務、人事、経理、マーケティング、製造、建設などでも同じです。
「ChatGPTが使える社員」を増やすのではなく、
「自分の業務を分解して、AIをどこに組み込めばいいか考えられる社員」を増やす。
ここまでできて初めて、会社全体のAI活用につながっていくと思います。
まとめ｜AI時代に差がつくのは「AIの性能」ではなく「人間側の使い方」
同じChatGPTを使っている。
同じClaudeを使っている。
同じGeminiを使っている。
それでも成果には差がつきます。
なぜなら、AIに仕事を任せる前の段階から違うからです。
何を目的にするのか。
何を質問するのか。
どんな情報を渡すのか。
どこまで具体的に指示するのか。
AIの回答をどう判断するのか。
そして、その回答を実際の仕事へどう落とし込むのか。
AIが同じだからといって、成果まで同じになるわけではありません。
むしろAIの性能が上がり、誰でも高性能なAIを使えるようになるほど、
「AIを持っているか」ではなく「AIに何をさせられるか」が重要になります。
そして最終的には、
AIが出した答えを使って、現実世界で成果を出せるかどうか。
ここで差がつきます。
AIは能力差を完全になくす道具ではありません。
自分が持っている知識、経験、判断力、行動力を拡張する道具です。
だからこそ、これからのAI時代に学ぶべきなのは、単なるプロンプトのテクニックだけではありません。
問いを作る力、専門知識、判断する力、そして実行して改善する力。
同じAIを使う人が増えれば増えるほど、こうした「人間側の能力」が、最終的な成果の差になっていくのだと思います。