こんにちは、インフラエンジニアのryuです。
分からないことがあったら、とりあえずChatGPTに聞く。エラーが出たら、そのままコピペして「これ何？」と投げる。
いまや、そんな学び方が当たり前になりました。数年前まで何時間もかけて調べていたことが、いまはほんの数十秒で答えらしきものが返ってきます。
これは、独学するうえで本当に心強い変化ですよね。
ところが、です。「AIに聞けばすぐ分かるはずなのに、なぜか実力がついている気がしない」という声を、最近よく聞くようになりました。
今回は、生成AIを『答えを教えてくれる先生』ではなく『一緒に考えてくれる相棒』として使い、未経験からのインフラ独学をちゃんと前に進めるコツをお話しします。
AIは最強の家庭教師、でも半分は疑ったほうがいい？¶
まず、いまエンジニアがAIとどう付き合っているのかを見ておきましょう。数字を知ると、正しい距離感がつかめます。
2025年の大規模な開発者調査では、開発者の84%が「AIツールを使っている、または使う予定」と答えました。前の年の76%から、はっきり増えています。
もはや、AIを使うか使わないかを議論する段階は過ぎたわけですね。
面白いのは、その先です。同じ調査で「AIの出力の正確さを信頼していない」と答えた人が46%にのぼり、こちらも前年の31%から大きく増えました。つまり、みんな使っているのに、みんな半分は疑っているのです。
なぜでしょうか。もっとも多かった不満が、その答えを言い当てています。「ほぼ正しいけれど、少しだけ違う」回答に振り回される、というものでした。
初心者にとって、この「ほぼ正しい」ほど厄介なものはありません。完全に間違っていれば動かないので気づけますが、8割合っている答えは、堂々と間違った知識として頭に残ってしまうからです。
しかも、その調査では、こうした「惜しい答え」の手直しに、かえって時間を取られていると感じる人が多数を占めていました。ベテランほど慎重で、経験の浅い人ほど鵜呑みにしやすい、という傾向も見えています。
この事実は、独学中のあなたにとって、むしろ追い風だと私は思います。プロでも半分は疑いながら使っているのだと知っておけば、「AIが言うんだから正しいはず」と思考停止せずに済むからです。疑うことは、AIを使いこなす人の作法なのですね。
なぜAIは『それっぽい嘘』をつくのか¶
ここで、生成AIの仕組みを、たとえ話で少しだけ理解しておきましょう。仕組みが分かれば、どこを疑えばいいかが見えてきます。
生成AIの中身は、乱暴に言えば「次に来そうな言葉を、ものすごく上手に予測する装置」です。膨大な文章を読み込んで、「この文脈なら、次はこの単語が来るだろう」という確率で言葉をつないでいます。
ここが大事なところなのですが、AIは事実かどうかを確かめて答えているわけではありません。あくまで「それっぽく続く言葉」を選んでいるだけなのですね。
だから、知らないことを聞かれても「知りません」と言わず、それっぽい答えを作ってしまうことがあります。この、もっともらしいのに事実と違う出力を、専門用語でハルシネーション（幻覚）と呼びます。
AIを開発しているOpenAI自身も、モデルが「分かりません」と正直に答えるより、当てずっぽうでも答えたほうが評価されやすい訓練のされ方に、この問題の原因があると説明しています。
料理にたとえるなら、レシピを理解している料理人ではなく、何万食も見てきて「この盛り付けの次はこのソース」と真似がうまい人、というイメージでしょうか。見た目は完璧でも、味の保証はされていないのです。
相棒として使いこなす、3つのコツ¶
仕組みが分かれば、付き合い方も決まります。疑うべきは疑い、頼るべきは頼る。そのための具体的なコツを3つに絞ってお話しします。
コツ1：「教えて」ではなく「一緒に考えて」で聞く¶
同じAIでも、聞き方を変えるだけで学びの質は大きく変わります。
やりがちなのは、答えそのものを最短で取りにいく聞き方です。たとえば「Webサーバーの構築手順を教えて」と投げると、コマンドの羅列が返ってきます。それをコピペすれば動くかもしれませんが、記憶にはほとんど残りません。
そうではなく、考える過程を引き出す聞き方をしてみましょう。
| ありがちな聞き方 | 伸びる聞き方 |
|---|---|
| 「このエラーの直し方を教えて」 | 「このエラーは何が原因で起きる？切り分けの手順も教えて」 |
| 「Apacheの設定を書いて」 | 「この設定は各行が何をしている？初心者向けに解説して」 |
| 「正解のコマンドは？」 | 「私はこう考えたけど合ってる？間違いがあれば理由も教えて」 |
ポイントは、答えではなく「理由」と「切り分け方」を聞くことです。理由が分かれば応用が効きますし、切り分け方が身につけば、次は自分で原因にたどり着けるようになります。
もうひとつ効くのが、自分の考えを先に言ってから聞く、という方法です。「私はこのエラーはポート番号の設定が原因だと思うのですが、合っていますか」と投げると、AIは単なる答えではなく、あなたの仮説を採点しながら説明してくれます。
これは、現場でよくある「先輩に質問する前に、自分の考えを添える」振る舞いと同じです。自分の頭で一度考えてから確かめるので、当たっても外れても学びが残ります。丸投げの質問と、仮説つきの質問。この差が、半年後の実力に効いてきます。
実際のプロンプトなら、こんな一文を添えるだけで十分です。
あなたはインフラの新人研修の講師です。
未経験者にも分かるように、専門用語には短い補足をつけて、
なぜそうなるのかを一緒に考えながら説明してください。
コツ2：答えは必ず一次情報で裏を取る¶
AIの答えは、そのまま信じずに「下書き」として受け取りましょう。清書は自分でやる、という意識です。
とくにコマンドのオプションや設定ファイルの書き方は、AIが古い情報や別バージョンの仕様を混ぜてくることがあります。ソフトウェアは日々更新されますが、AIが学んだ知識には時間差があるからです。去年まで正しかった書き方が、いまは非推奨になっている、ということも珍しくありません。
ここで頼りになるのが、公式ドキュメントやmanコマンドといった一次情報です。
たとえばLinuxのコマンドなら、AIの説明を読んだあとに man コマンド名 で本家の説明を確かめる。この一手間が、あなたの知識を「うろ覚え」から「確信」に変えてくれます。
面倒に感じるかもしれませんが、裏を取る習慣は、あとから何倍にもなって返ってきます。一次情報を読む力そのものが、インフラエンジニアに欠かせないスキルだからです。現場でも、最終的な拠りどころは公式ドキュメントです。学習のうちからその筋道に慣れておけば、AIが使えない場面でも自分で答えにたどり着けるようになります。
一次情報とは、開発元が公式に出している説明のことです。誰かがまとめ直したブログ記事（二次情報）より、まず本家を確認する癖をつけましょう。
InfraAcademyのような学習サイトの講座や演習も、この裏取りの相手として使えます。AIに大枠をつかませ、体系立った教材で筋を通し、公式ドキュメントで細部を確定させる。三つを組み合わせると、独学でもぐらつかない土台ができます。
コツ3：最後は自分の手で動かして確かめる¶
そして、いちばん大切なのがこれです。読んで分かった気になったことを、必ず自分の手で動かして確かめること。
インフラの学習は、コマンドを打ち、結果を目で見て、初めて腹落ちする世界です。AIの説明を10回読むより、1回自分の環境で動かしたほうが、記憶にも理解にも深く残ります。
手を動かす環境の作り方は、Linuxをハンズオンで学ぶ方法で詳しくお話ししています。仮想マシンやDockerを使えば、自分のパソコンの中に壊しても平気な練習場を無料で作れます。
AIに手順を教わったら、そのまま鵜呑みにせず、実際に打って、わざとエラーを出して、直してみる。この「AIで学び、手で確かめる」往復こそが、独学を加速させる王道です。
わざと失敗させる、というのは大げさに聞こえるかもしれません。でも、うまくいく手順だけをなぞっても、身につくのは「作業の記憶」だけです。設定を一箇所わざと間違えて、どんなエラーが出るかを見ておくと、本番で同じエラーに出会ったとき、すぐに原因が思い浮かびます。これは、AIに答えを聞くだけでは決して手に入らない財産です。
独学の1日に、AIをどう組み込むか¶
コツが分かったところで、実際の学習の流れにAIをどう溶け込ませるかを、1日の例で見てみましょう。
たとえば「Linuxのファイル権限を理解する」を今日のテーマにしたとします。流れはこうです。
まず、AIに全体像を聞きます。「Linuxのパーミッションを、初心者向けにたとえ話で説明して」。ここでざっくりした地図を手に入れます。
次に、公式の情報で裏を取ります。man chmod を読み、AIの説明とズレがないかを確かめます。
そして、手を動かします。実際にファイルを作り、権限を変え、わざとアクセスできない状態を作って、エラーを体験します。
最後に、AIを相手に理解を試します。「私はパーミッションをこう理解したけど、抜けている観点はある？」と聞けば、自分では気づけなかった穴を埋められます。
この流れの良いところは、AIを最初と最後にだけ使い、真ん中で必ず自分の手と公式情報を挟んでいる点です。入り口でAIに地図を描いてもらい、出口でAIに答え合わせをしてもらう。その間の一番大事な「理解する」ところは、自分でやる。こうすると、AIに頼っているのに、実力は自分に貯まっていきます。
慣れてくると、この一周がだんだん速くなります。最初は1テーマに何日もかかっていたのが、AIのおかげで下調べの時間がぐっと減り、手を動かす時間に集中できるようになるからです。浮いた時間で、もう一歩踏み込んだ実験ができるのも、独学者にとっては大きな利点ですね。
この4ステップは、どのテーマにも応用できます。学ぶ順番そのものに迷うなら、未経験からの3ヶ月学習計画やインフラエンジニアの学習ロードマップを土台にして、その各テーマにこのAI活用を重ねるのがおすすめです。
それでも、基礎は自分の中に貯めておく¶
ここまで読んで、「じゃあ全部AIに任せればいいのでは」と思ったかもしれません。でも、そこには落とし穴があります。
AIが「ほぼ正しい」答えを返してきたとき、その違和感に気づけるのは、基礎を自分の中に持っている人だけです。土台がなければ、間違いをそのまま受け取ってしまいます。
たとえば、AIが提案したコマンドに危険なオプションがまぎれていても、基礎がなければ「そういうものか」と実行してしまいます。基礎がある人だけが「これ、本番で打ったらまずいのでは」と手を止められるのです。この一瞬のブレーキが、現場では何よりも価値を持ちます。
言いかえれば、これからの独学で身につけるべきは、答えそのものではなく、AIの答えを評価できる目です。答えはAIがいくらでも出してくれます。だからこそ、その良し悪しを見抜く力に、自分の学習時間を投資したほうがいいのですね。
なぜAIの時代でも基礎が要るのかは、AI時代にインフラの基礎を学ぶ重要性や、答えを覚えるより違和感に気づく力が重要という話で掘り下げています。あわせて読むと、今日の話がもう一段しっくりくるはずです。
とくに、初心者がAWSなどで挫折する背景には前提知識の不足があることが多く、その構造は初心者がAWSの勉強で挫折する理由でも触れています。AIは近道を見せてくれますが、その道を歩ける脚力は、地道に貯めるしかないのですね。
なお、体系立てて基礎から積み上げたい人は、Linuxのロードマップのように、順番が整理された学習ルートに沿って進めると迷いにくくなります。資格を軸に基礎を固めたいなら、LPICの勉強方法から入るのも良い選択です。
まとめ¶
最後に、今日の要点を振り返りましょう。
生成AIは、独学の相棒として本当に頼もしい存在です。いまや多くの開発者が使い、疑問をその場で解消できます。
ただし、その答えは「事実の保証つき」ではありません。「ほぼ正しい」に振り回されないために、答えではなく理由と切り分け方を聞き、一次情報で裏を取り、最後は自分の手で動かして確かめる。この3つを守るだけで、同じAIがまるで違う学びをくれます。
そして、その違和感に気づくための基礎だけは、自分の中に地道に貯めていく。AIは近道を照らしてくれますが、歩くのはあなた自身です。
大切なのは、AIを敵にも、絶対の先生にもしないことです。分からないことを気軽に相談でき、自分の考えを試せる、少し頼れる先輩くらいの距離感がちょうどいい。その距離を保てる人が、これからの独学ではぐんと伸びていきます。
今日から、AIへの質問を「教えて」から「一緒に考えて」に変えてみてください。それだけで、独学のスピードはきっと変わります。あなたの学びが、いい相棒とともに前へ進んでいくことを願っています。
