「Garbage In, Garbage Out」という言葉。直訳すれば「ゴミを入れれば、ゴミが出てくる」。
コンピューターサイエンスの世界で語り継がれてきた格言です。
生成AIが業務に浸透した今、この言葉の重みは静かに、しかし確実に増しています。
同じAIを使っているのに、ある人は驚くほど精度の高い答えを引き出し、別のある人は「思ったほど使えない」と肩を落とす。
その差を生んでいるのは、AIの性能ではなく、入口の設計かもしれません。Garbageを入れないために、私たちは何に気をつけるべきなのか。
「Garbage In, Garbage Out」の本当の意味
格言が、なぜ改めて重みを持つのか
「Garbage In, Garbage Out」、略してGIGO（ガイゴ）と呼ばれるこの言葉。
もともとは1950年代から60年代、コンピューターの黎明期に生まれた表現といわれています。
コンピューターは入力されたデータを正確に処理しますが、そのデータが間違っていれば、出力もまた間違ったものになる。
当たり前の話のようでいて、計算機の本質を突いた指摘といえます。
古い格言、生成AIの時代になって改めて存在感を増しているように感じます。
理由はシンプルで、AIが「曖昧な指示でも、それなりに答えを返してくれる」から。
従来のソフトウェアは、入力が間違っていればエラーを返してくれました。
しかしながら、生成AIは、入力が雑でも、その範囲で最善の答えを出そうとします。
結果として、ユーザーは「答えが返ってきた」ことそのものに満足してしまい、その答えが「自分の意図とズレている」ことに気づかないままに、使い続けてしまう。
ここに、GIGO問題が生じえます。
AIは「賢いコピー機」ではなく「文脈を読む鏡」
多くの方が誤解しがちなのは、AIをコピー機や検索エンジンの延長として捉えてしまうこと。
「質問を入れたら、正しい答えが返ってくる装置」というイメージです。
しかし、生成AIの性質は少し違っています。
渡された言葉と文脈を読み取り、その範囲で「もっともらしい応答」を組み立てる存在。
言い換えれば、”入力された情報の鏡”のような性質を持っています。
つまり、雑な質問には、雑な答えが返ってくる。丁寧な文脈と一緒に渡せば、丁寧な思考が返ってくる。
AIの精度を引き出すのは、AIを操作する技術以前に、「何を渡すか」という設計の段階で決まっているといえます。
出力の質は、入力の設計でほぼ決まる
AIに対する評価、大きく2極化しているように感じます。
一方は”もう手放せない”と語る活用派、もう一方は”期待したほどではない”と感じている懐疑派。
両者の使っているAIに、技術的な差はほとんどなく、異なるのは、”AIに何を渡しているか”。
活用派の方々は、無意識のうちに「文脈・前提・目的」を伝える習慣が身についている。
懐疑派の方々は、検索エンジン的な短い問いを投げて、期待した答えが返ってこないことに失望している。
つまり、AIの真価を引き出すかどうかは、入口の設計次第。
これがGIGOの本当の意味だと考えられます。
「Garbage」とは何か ― 見落とされがちな3つの性質
GIGOを避けるために、そもそもGarbageとは何かを理解しておく必要があります。
ここでは、3つの性質に分けて整理してみます。
情報量が多すぎるGarbage
情報は、「足りない」だけでなく「多すぎても」Garbageになるといわれています。
資料を丸ごとAIに渡して「要約して」とだけ伝えると、AIはどこに注目すべきかわからず、平凡な総論を返してくることがあります。情報の海の中で、AIは溺れる。
重要なのは、情報の量ではなく、「目的に対する情報の選別」であると考えられます。何を残し、何を削るか。
この取捨選択が、入力品質の第一歩になると考えられます。
文脈が抜け落ちたGarbage
次に多いのが、文脈が欠けたGarbageです。
例えば、「この文章を改善して」とだけ伝えても、AIは何を改善すべきかわかりません。
誰に向けた文章なのか、どんな目的で書かれたものか、改善の方向性は何か。
これらの背景情報が抜け落ちていると、AIは一般論的な編集にとどまってしまうことになります。
文脈は、AIにとっての判断材料そのものになります。
目的が曖昧なGarbage
3つ目は、目的が曖昧なGarbageです。
「いい感じにまとめて」「うまく書いて」といった指示は、ゴール地点が定まっていません。
ゴールが見えない場合、AIは”とりあえずの中間点”で返してきます。
・何のためにその答えが欲しいのか。
・それを誰に見せるのか。
・どんな状態になれば「成功」と言えるのか。
目的の解像度が、そのまま出力の解像度を決めることになります。
質の高いインプットを設計する3つの問い
ではGarbageを入れないために、何を意識すればいいのか。
「誰のための答えか」を決める
最初の問いは、「誰のための答えなのか」という視点です。
社内向けのメモなのか、お客様向けの提案書なのか、自分自身の思考整理なのか。
受け取り手が変われば、必要な答えも変わることになります。
生成AIに指示を出す前に、まず「この答えを最終的に誰が読むのか」を添えることで、返ってくる答えの解像度は変わると考えられます。
「前提と背景」を渡す
2つ目の問いは、「前提と背景をどう渡すか」です。
業界の特性、組織の規模、現在の状況、過去の経緯。
これらの情報は、AIにとってはまったくの未知です。
すべてを渡す必要はないけれど、判断に必要な前提だけは丁寧に渡す。
この選別の感覚が、入力品質を大きく左右します。
「望む形式と粒度」を伝える
3つ目は、「望む形式と粒度をあらかじめ伝える」ことです。
箇条書きで欲しいのか、文章で欲しいのか。
専門用語を使ってよいのか、平易な言葉に置き換えてほしいのか。
500字程度か、3,000字程度か。
形式と粒度を伝えるだけで、修正の往復回数が減少します。
これはAI活用の話を超えて、人に仕事を依頼するときの原則とも重なります。
GIGOを避けるという視点は、実は人間同士のコミュニケーションを見直すきっかけにもなるのかもしれません。
「Garbage In, Garbage Out」という格言、AI時代において、新しい意味を帯びて私たちに問いを投げかけています。
それは、技術の進歩がどれだけ進んでも、最後にものを言うのは「人間の側の設計力」。
”AIを使いこなす”とは、AIを操る技術ではなく、「AIに何を渡すかを考え抜く姿勢」なのかもしれません。
入力の質を磨くことは、思考の質を磨くことと地続きです。
AIに上手に問いを立てられる人は、自分自身にも上手に問いを立てられる人。
そう考えると、GIGOへの向き合い方は、経営者として、ビジネスパーソンとして、自分の思考を鍛える格好の鏡になるとも言えそうです。
