ここでいう「空気」とは、発話に含まれていない前提を、その場にいる人が互いの関係、過去の経緯、表情、沈黙、時間の制約から補い合っている状態を指す。人間は会話の内容と同時に、自分がその場で何を見聞きし、誰と何を経験してきたかを使って、次に言うことと控えることを決めている。AIが受け取るのは、その状況から選ばれて記録された言葉、画像、履歴、操作対象である。記録されなかった前提は、AIにとって推測の候補にしかならない。
空気は共有された経緯の圧縮である
会議で誰かが「それでいいと思います」と言ったとき、その一文だけでは賛成の強さは分からない。声の調子、返答までの間、直前に退けられた案、発言者と決裁者の関係、会議終了までの残り時間が重なることで、その言葉が積極的な賛成なのか、議論を終えるための受諾なのか、反対を言いにくい状態なのかが変わる。同じ言葉でも意味が変わるのは、言葉の外側にある関係が違うからである。
言語化は複雑な現実の一部を切り取るため全てを伝えることはできないで述べたように、言葉は現実から一部を選んだ記録である。人間が空気を読むときは、発話だけを解釈しているのではない。その場に居合わせた身体と記憶を使い、切り取られなかった部分を補っている。長く一緒に働いた相手なら、普段との微かな違いも手掛かりになる。新しく参加した人には同じ差が見えない。空気は、その場の全員へ均等に存在する情報ではなく、経験によって読める範囲が変わる共有文脈である。
人間の空気読みも正確とは限らない。沈黙を賛成だと受け取る人もいれば、懸念があると受け取る人もいる。過去の関係を知っているつもりで、現在の意思を決めつけることもある。空気を読むとは事実を直接知る能力ではなく、手掛かりと経験から、その場に合う行動を選ぶための推論である。
AIが扱うのはその場から切り出された記録である
AIは指示文、添付資料、会話履歴、議事録、画像、コード、接続されたツールの状態を材料にする。経験と認知特性がAIに渡せるコンテキストの範囲を決めるように、何が材料になるかは、使う人が何に気づき、何を残す価値があると判断したかに左右される。依頼者が認知していない緊張や、当然すぎて書かなかった制約は、入力へ入らない。
録音や映像があれば、声の強さ、沈黙の長さ、視線の動きも手掛かりにできる。それでも、カメラの外で起きたこと、会議前のやり取り、発言者が背負う評価、過去の失敗で生まれた警戒までは自動的に揃わない。記録には、何を撮り、いつから残し、どの資料と結びつけるかという選択が入る。AIが扱う状況は現実そのものではなく、誰かが切り出した状況である。
AIはパターンマッチングで可能性を生成し、人間はコンテキストから意味を創造し削り出すという命題に沿えば、AIは入力された手掛かりから、ありそうな背景と応答を組み立てられる。丁寧な断り方、会議で角が立ちにくい表現、不安そうな相手への返しも生成できる。その自然さは、実際の相手の意図を知っている証拠にはならない。AIが出すのは、与えられた記録に合いそうな空気であり、その場で共有されていた空気と一致するかは別途確かめる必要がある。
それらしい応答は欠けた文脈を隠す
AIの返答が不自然なら、文脈不足には気づきやすい。扱いにくいのは、文章として整い、その場でも使えそうに見える返答である。たとえば、会議の文字起こしに反対意見がなければ、AIは「合意した」と要約するかもしれない。しかし、発言しなかった人が判断を保留していたのか、決裁者の意向を見て黙ったのか、単に時間がなかったのかは、文字起こしだけでは区別できない。もっともらしい要約が、存在しなかった合意を記録へ固定することがある。
同じ問題は文章やデザインの依頼でも起きる。「やわらかい印象にして」「経営者向けに短くして」といった指示には、その組織で何が強く見え、誰がどの表現に反応し、どこまで説明を省いてよいかが含まれていない。AIは一般的な「やわらかさ」や「経営者向け」を再現する。依頼者の頭の中では明白だった基準が出力に現れず、結果を見て初めて違いに気づく。「AIに任せると遅い」という感覚は、自分の判断が言語化されていないことを測っているのは、この差が修正の往復として現れるからである。
空気を読んだように見える出力ほど、根拠を問い直す必要がある。AIがどの記録からそう判断したか、事実として書かれていたことは何か、一般的なパターンから補った部分はどこかを分ける。特に、人の賛否、感情、責任、合意を扱う場面では、推測を確定した事実として保存すると、次の判断まで誤らせる。
空気は判断に必要な形へ外に出す
AIと仕事をするとき、状況の全てを文章へ変換することはできない。必要なのは、今回の判断を変える前提を選ぶことである。誰がこの成果物を使うのか。いま何を決める段階なのか。過去にどの案が退けられ、何を守るために退けられたのか。どの表現ならその相手が動けて、どの扱いが関係を損なうのか。こうした情報があると、AIは文章の表面だけでなく、その仕事で起こしたい変化に合わせて案を作りやすくなる。
全てのナレッジワークは言語化されていないコンテキストを言語化する営みであるという見方では、AIへの依頼も、頭の中の前提を外へ出す仕事の一部になる。結論だけを記録するより、「なぜ今それを決めたか」「どの反応を見て判断を変えたか」「まだ誰の意思を確認できていないか」を残す方が、次のAIも人間も同じ誤読を避けやすい。
この記録は、本人へ聞く、実物を見る、同じ場に参加する必要がある箇所を特定するために使う。文章へ変換できない感覚が残るなら、画像、音声、モックアップ、比較対象を置く。言語化されていないコンテキストは音声入力と媒介物の往復から立ち上がるように、具体物への反応を重ねると、「なんとなく違う」の内側にあった判断が少しずつ表へ出る。
出力とのズレから空気の欠落を見つける
AIの初回出力は、依頼者が渡した文脈だけで作られた仮説として読める。意図と違う箇所には、指示に含まれなかった判断基準がある。「丁寧すぎて距離を感じる」「説明は正しいが今の会議では重い」「この提案では相手が断りにくい」と反応したなら、その違和感を次の指示だけで消費せず、判断理由として残す。出力の修正と同時に、次回の前提が増える。
AI側から問いを返させることも有効である。モデルに質問させ、十分な情報を得るまで対話を続けさせると、誰が判断するのか、すでに決まっていることは何か、失敗と見なす状態は何かといった欠落を、生成前に見つけやすくなる。質問への回答だけで文脈が完成するわけではないが、少なくとも推測のまま進める箇所を減らせる。
判断理由や過去の反応を継続して保存すると、毎回の依頼で同じ空気を説明し直す負担も減る。個別文脈と一般概念をコンテキストソースにするとエージェントは知的生産の相手になるのは、その場限りだった経緯や判断基準が、次の対話で読める材料になるからである。AIに空気を読ませる能力は、自分たちが何を見て判断したかを記録し、出力とのズレから不足を更新し続ける能力である。