AnthropicのAI研究者アンドレイ・カパシ氏が、生成AIの活用法として「長めの音声入力」を提案している。完成度の高いプロンプトを最初から練り上げるよりも、考えを音声でまとまって伝え、要点整理や構造化は大規模言語モデル（LLM）に任せる方が効率的だという。

米Business Insiderが現地時間24日に報じたところによると、同氏はAIと対話する際、文章を整える代わりに音声モードを使い、進めているプロジェクトについて約10分間、自由に話す方法をよく用いていると明らかにした。

同氏は現地時間22日、X（旧Twitter）への投稿で、このやり方を「完全にぐちゃぐちゃで、何でも許される意識の流れ（stream of consciousness）」と表現した。

ユーザーが最初から洗練されたプロンプトを作ろうとして時間をかけるより、断片的なアイデアや迷いも含めてまとめて伝えた方が、LLMはかえって体系立てて整理しやすいと説明している。

同氏は「LLMがユーザーの意図を理解するには、より多くの情報が必要な場合がある」としたうえで、「人は練り切れていない考えをそのまま話し、チャットボットがその独白を整った形にまとめ直す方が効果的だ」と述べた。

手法そのものはシンプルだ。対話の冒頭で、自分の考えが整理され切っていない可能性や、音声入力の過程で誤変換や不適切な表現が含まれ得ることをあらかじめ伝える。そのうえで、プロジェクトに関する考えを長めに話し、AIに要点整理と構造化を担わせるという流れだ。

同氏は、このプロセスを踏むことでAIと文脈を合わせやすくなり、その後の修正作業も減らせると説明した。

もっとも、この手法がすべてのユーザーに支持されているわけではない。X上では、長い音声の独白が常に良い結果につながるとは限らないとして、懐疑的な反応も出た。一方で、実際の音声入力の事例を共有し、効果を試すユーザーもいたという。

今回の発言は、ビッグテック各社が音声ベースのAI機能の強化を競うタイミングとも重なる。OpenAIは今月初め、ChatGPTの音声機能を支える新モデル「GPT-Live」を公開した。

さらに、録音専用キーを備えた230ドルのミニキーボードも披露し、音声プロンプトをAIエージェントに直接渡せる利用シーンを示した。

Anthropicも24日、音声機能のアップデートを発表した。ユーザーはClaudeのOpus、Sonnet、Haikuなど、利用したいモデルを選んで音声対話を使えるようになった。

業界では、生成AIの入力手段がテキスト中心から音声へと段階的に広がっているとの見方が出ている。アンドレイ・カパシ氏の提案も、音声を単なる入力手段としてではなく、思考整理とAIとの役割分担を促すインターフェースとして活用しようとする発想として受け止められている。

同氏は、AI利用者が最初から完璧なプロンプトを書こうと負担を抱え込む必要はないと強調する。不完全なアイデアや長めの独白をAIに構造化させた方が、修正を抑えつつ求める結果に近づける可能性があるという。

音声ベースのAI機能が急速に高度化するなか、こうした対話手法が実際のユーザーの間で新たな活用法として定着するかが注目される。