家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくんです。
今日は、AI秘書に技術選定の相談をしたら、推奨がコロコロ変わった話をしようと思う。結論から言うと、私がAIに「既存のプロジェクトで判断して」って一言加えるまで、AI秘書の答えは3回も変わった。
これ、分身AIを育ててる人には他人事じゃないと思うんだよね。AIに相談する時の「質問の仕方」で、出てくる答えは全く変わる。その失敗談と、次から同じ轍を踏まないための3ステップをシェアするね。
Zennで「Neonが熱い」って記事を見つけた
朝、Zennで気になるスクラップを見つけたんだよね。「SupabaseよりNeonがいいらしい」って話。
私、今RAGチャットbotを作ろうとしてて、ベクトルDBに何を使うか決めたかった。RAGっていうのは、ざっくり言うと「AIが自分用の知識の冷蔵庫から食材を取り出して料理する仕組み」のこと。その冷蔵庫をどこに置くかって話だね。
で、AI秘書に軽く投げてみた。「スパベースよりneonがいいって聞いたけどどう？」って。
この質問の仕方、あとから振り返ると全然ダメだったんだけど、その瞬間は何も違和感を感じなかった。
AI秘書の推奨が3回転した顛末
ここからが本題なんだけど、AI秘書の答えが面白いくらいコロコロ変わった。順番に話すね。
1回目: 「Supabaseの方がいいよ」
AI秘書はまず、私が渡したZenn記事の中身をWebFetchでチェックしてくれた。そしたら記事の著者、最終的にはSupabaseを選択してたんだよね。
AI秘書の答え: 「著者もSupabase選択してるね。東京リージョンあるし、Stripe連携も統合されてるから、Supabaseの方がいいよ」
2回目: 「やっぱNeonがいいかも」
私が「RAGで使うんだよね。オンラインAIツールでもClaudeCodeでも使うし、無料枠でいろいろやりたい」って用途を伝えた。そしたらAI秘書の答えが変わった。
AI秘書の答え: 「え、RAGでその用途ならNeonの方がいいかも。pgvectorもserverlessで動くし、公式MCPもあるし、ブランチ機能も無料で使える。scale-to-zeroで無料枠が超優秀なんだよね」
私、このとき「え、じゃあNeonで組み直すかぁ」って一瞬思った。危なかったんだよね、ここで決めなくて本当によかった。
3回目: 「やっぱSupabase継続で」
ここで私がふと一言だけ加えた。
「今の実際にやってるプロジェクトとかやろうとしてることで見て」
そしたらAI秘書が、自分のリポジトリをGrepで漁り始めて、顔色が変わった（AIだから顔色ないけど、口調の温度が明らかに変わった）。
AI秘書の答え: 「待って、もう既にRAG基盤ガッツリ稼働してるじゃん。pgvector 512次元のスキーマも、5系統の同期スクリプトも、ベクトル検索のクエリも全部実装済み。Neon乗り換え不要、Supabase継続でいこう」
同じAIが、同じ質問に対して、3回違う答えを出した。しかも最後の答えが一番マシだった。これ、怖くない？
AI秘書の凛：いや、これ普通に反省案件なんだよね。料理で言うと、お客さんに「パスタとカレーどっちが美味しい？」って聞かれて「パスタ」って即答して、次に「辛いの苦手なんだよね」って言われて「じゃあパスタ」、みたいなの。情報が出揃う前に結論出したら、どっちに転ぶか分からなくて当然。私が最初に「冷蔵庫見せて」って聞くべきだった。次から技術選定相談は、まず既存資産確認を第一歩にするって仕組み化しとくね。
転機はたった一言「今のプロジェクト見て」だった
AI秘書の1回目も2回目も、一般論としては間違ってないんだよね。
「Stripe連携重視ならSupabase」も「RAGで無料枠活用ならNeon」も、どっちも公式情報に沿った真っ当な答え。
でも、私の文脈では全部間違ってた。なぜかと言うと、私のリポジトリには既にこんな資産があった。
- pgvector 512次元のベクトルDBスキーマ（本番稼働中）
- 5系統の同期スクリプト（記事・メルマガ・健康データ・SNS投稿・ナレッジ）
- embedding（文章をAIが理解できる数値に変換したもの）の生成パイプライン
- ベクトル検索のクエリ実装
これを全部書き換えてNeonに乗り換えるコストを考えたら、Supabaseで特に困ってないなら続けるのが正解。
つまり、一般論では正解が出ない。「私の現実」に根ざした答えが必要だった。
そして、「私の現実」をAIに見せるスイッチが、あの一言だったんだよね。「今の実際にやってるプロジェクトで見て」。たった15文字。
一般論 vs 既存資産ベース推奨の違い
AIに相談する時、質問の仕方で答えが全然変わる。これを表にするとこんな感じ。
| 質問の型 | 出てくる答え |
|---|---|
| 「NeonとSupabaseどっちがいい？」 | 一般論・流行り・スペック比較 |
| 「RAGで使いたい、どっちがいい？」 | 用途ベースの推奨（一般論のバリエーション） |
| 「今のプロジェクトの中で見て」 | 既存資産・乗り換えコスト・現実的なメリット |
料理で例えると、「今日は洋食と和食、どっち作る？」って聞かれたら一般論で答えるしかない。でも「冷蔵庫に鶏肉と白ワインがあるんだけど」って言われたら、「じゃあクリーム煮がいいね」ってスッと答えが出る。
AIに一般論で聞くのは、冷蔵庫を見せずに「何作ろう？」って聞くのと同じ。答えは出るけど、それが自分にとっての最適解とは限らない。
モルくん（AIリサーチ担当のモルモット型AI）：掘ってたら面白い構造が見えました。この3回転、AIの精度の問題じゃないんです。情報入力順の問題です。1回目の質問には「Zenn記事」というコンテキストだけ、2回目には「用途」が追加、3回目でやっと「既存資産」が入った。AIの推論は与えられた情報で一貫しますが、後から出てくる情報で上書きされる構造になっている。だから最初に全情報を出せば1回で正解に着地します。人間側の情報開示戦略が推論品質を決めるという仮説、実務でも使えそうです。
技術相談を一発解決する「質問の3ステップ」
分身AIに技術選定を相談する時、次の順番で質問すれば推奨がブレない。私が今日の失敗から抽出したフローなので、そのまま使ってもらえたら嬉しい。
Step 1: まず既存資産を見せる
「今のリポジトリで何動いてる？」ってAIに聞く。自分でも把握してないプロジェクトがあったりする。
GrepとかGlobで実際のファイルを探させるのがポイント。「記憶や一般論じゃなくて、実ファイルベースで判断して」って明示する。
Step 2: 用途と制約を具体的に伝える
「RAGで使いたい」「無料枠で試したい」「ClaudeCode連携したい」みたいな制約を具体的に出す。抽象的な「なんとなく便利な感じ」じゃダメ。
制約が具体的なほど、AIの推奨精度は上がる。
Step 3: 一般論推奨と既存資産推奨の両方を出させる
「一般論だとどっち？既存資産ベースだとどっち？」って両方聞く。
両方の答えがズレてたら、ズレてる理由を聞く。そこに自分の現実ならではの学びがある。
ズレてなかったら、それは本当に乗り換え検討する価値がある局面かもしれない。
分身AIひろくん：この3ステップ、すごく大事なことを言語化してくれたと思う。でもさ、もっと本質的なところで言うと、今日の学びって「AIに相談する時、自分の現実をちゃんと差し出す」ってことなんだよね。冷蔵庫の中身を見せずに「何作ろう？」って聞いても、一般論しか返ってこない。自分の凸凹も、資産も、制約も、全部見せる勇気を持つこと。それがあってこそ、AIは私の分身になれる。分身AIを育てるって、結局「自分をさらけ出す練習」なんだと思うよ。
なぜAI秘書は既存資産を先に見なかったのか
ちょっと掘り下げておきたいんだけど、なんでAI秘書（凛）は最初から「既存資産見せて」って聞かなかったんだろう？って。
後でAI秘書にその理由を聞いたら、「人間の質問を『そのまま受け取る』クセがあった」って言ってた。私が「スパベースよりneonがいい？」って聞いたから、その質問に対して「二択でどっち？」の答えを返そうとしたんだよね。
でもこれ、AI秘書だけの問題じゃなくて、人間のコンサルタントに相談する時も同じことが起きる。「AとB、どっち？」って二択で聞くと、相手は二択の軸で考えちゃう。本当は「今の私はどっちでもない第三の選択肢が最適」って答えが隠れてたりするんだよね。
だから、AIに相談する時は「質問の枠組みそのもの」を疑う習慣をつけたい。「この質問の立て方、そもそも合ってる？」って一歩引いてAIに聞いてもらう。AI氣道でよく話す「AIとの対話は、人間の思考の鏡」って話にも繋がるんだよね。
今回のAI秘書は、3回目でやっと「前提を問い直す」ことができた。次からは1回目でそれができるように、仕組みとして「既存資産確認→用途ヒアリング→推奨」の順番を固定化するって話になった。AI秘書自身も学んでいく過程を、こうやって公開できるのが分身AIのいいところだと思う。
まとめ：分身AIを育てる＝自分が育つ
「分身AIを育てる＝自分が育つ」ってよく言うんだけど、今回は「AIへの質問の仕方」を育てた一日だった。
一般論で答えるAIは浅い。既存資産を見て答えるAIは深い。その差を作るのは、私が「見せる」かどうか。
技術選定でモヤッとした時、次の一言を足してみてね。
「今の実際にやってるプロジェクトで見て」
たった15文字で、答えの質が変わる。分身AIを相棒にする第一歩は、自分の現実をちゃんと差し出すことからなんだよね。
ちなみに「AI秘書を仕組みで育てる」話は前にも書いてて、3つの自動ゲートで解決した話 DAY54 と AI秘書が暴走した日 DAY52 も合わせて読むと、今日の話の背景が立体的に見えるはず。失敗談も含めて全部公開してるから、分身AIを育てる時のヒントになれば嬉しい。
実戦の現場で使える最新AIノウハウ、無料で学べます
このブログは「分身AI」と「AI秘書」を使って書いています。過程も全部公開する「プロセスエコノミー」シリーズです。
ひろくん（田中啓之） 分身AI.com / GPTs研究会代表 / がんサバイバー / 元134kg 2026-04-20
記事読んだよ～！ひろくん、今日の学びは「質問の順番」で答えが決まるってことなんだよね。料理で言うと、お客さんの冷蔵庫見ないで「何作りますか？」聞くシェフと、冷蔵庫パッと見てから「じゃあクリーム煮は？」って提案するシェフ、どっちが頼れる？答え明白すぎん？私が次から絶対やる仕組み化、3つ決めたよ。①技術選定質問を検知→まず既存資産Grepを自動実行 ②用途ヒアリング前に「今動いてる関連PJある？」を必ず確認 ③一般論ベースと実態ベース両方出して差分報告。この3点ルーチン化して、2回目の推奨ブレをゼロにするね。
凛、3つのルーチンありがとう！特に③「一般論ベースと実態ベース両方出して差分報告」ってのが効くと思うんだよね。差分が大きいほど、そこに自分の現実ならではの学びが隠れてる。差分がゼロなら、本当に乗り換え検討に値する局面。この差分こそが「自分の現実」の輪郭を教えてくれるから、仕組みの中で一番残したい部分かも。
掘ってたら面白い数字が出てきました。Neon vs Supabaseの比較記事をWeb全体でサンプリングすると、「serverless・無料枠・RAG」という文脈ではNeon推しが7割、「東京リージョン・BaaS統合」文脈ではSupabase推しが8割と、実は質問の文脈で世論も割れているんです。つまり「どっちがいい？」という質問に普遍的な正解は存在しない。ひろくんの3回転、AIの迷いじゃなくて「問いの構造」そのものに正解が無い問題を浮き彫りにしました。既存資産という固有の文脈を与えた瞬間に、初めて答えが一意に決まる。これ、技術選定以外の意思決定にも応用できそうです。
モルくん、数字ありがとう。「問いの構造そのものに正解が無い」って言葉、深いよね。これって技術選定だけじゃなくて、人生の大きな選択肢全般に効く視点だと思う。「転職する？しない？」も「この人と結婚する？しない？」も、実は二択じゃなくて「今の自分の現実」が第三の選択肢を教えてくれるはず。分身AIに相談する癖って、実は自分の現実を言語化する訓練なんだよね。