こんにちは、インフラエンジニアのryuです。
インフラの勉強を始めたばかりの人から、最近こんな声をよく聞きます。「分からないところは、とりあえずChatGPTに聞いてます」。
これ、すごく良いことだと思います。以前なら、分厚い専門書と何時間もにらめっこして、それでも分からずに挫折していたような疑問に、いまは24時間いつでも答えてくれる相手がいる。独学のハードルは確実に下がりました。
でも一方で、こうも思うんです。「その使い方、本当に力になっていますか？」と。
生成AIは、使い方次第で最高の家庭教師にも、成長を止める楽な逃げ道にもなります。今日は、インフラ学習に生成AIをどう組み込めば「本当に身につくのか」を、一緒に考えていきましょう。
生成AIは、独学の家庭教師になるのか？¶
まず、生成AIがなぜインフラの独学と相性が良く見えるのか。理由ははっきりしています。
分からないことを、恥ずかしがらずに何度でも聞けるからです。
学校や職場だと、「こんな初歩的なこと聞いていいのかな」とためらってしまう。でも相手がAIなら、ping って何ですか、から サブネットマスクをもう一度、小学生にも分かるように まで、遠慮なく質問できます。しかも、あなたの理解度に合わせて説明の深さを変えてくれる。
これは、独学者にとって本当に大きな価値です。
なぜ「相棒」として優秀に見えるのか¶
たとえば、あなたがLinuxのコマンドでつまずいたとします。エラーメッセージをそのまま貼り付けて「これ何が原因ですか」と聞けば、数秒で候補を挙げてくれる。
昔は、このエラーの意味を調べるだけで検索の海を延々とさまよったものです。それが一瞬で片づく。
生成AIは、いわば「文脈を汲んでくれる、疲れ知らずの案内係」のような存在です。あなたが道に迷ったとき、地図の該当ページを開いて「いまここですよ」と指を差してくれる。この体験の心地よさは、独学のモチベーションを支えてくれます。
ただ、ここに一つ、大きな落とし穴があります。案内係は、ときどき自信満々に「間違った地図」を差し出してくるのです。
その答え、本当に正しい？ ハルシネーションの正体¶
生成AIを使ううえで、これだけは絶対に知っておいてほしい言葉があります。ハルシネーション、日本語で言うと「幻覚」です。
生成AIは、事実を「知っている」わけではありません。膨大な文章のパターンから、「次に来そうな、それっぽい言葉」を確率的につないでいるだけなんです。
つまり、正しいことを言おうとしているのではなく、もっともらしいことを言おうとしている。ここが、検索エンジンとの決定的な違いです。
なぜ「それっぽい嘘」が生まれるのか¶
2025年にOpenAIが発表した論文「Why Language Models Hallucinate」は、この現象を数学的に説明していて興味深いです。
彼らの主張をざっくり言うと、こういうことです。モデルの学習や評価の仕組みが、「分かりません」と正直に答えるより、自信を持って当てずっぽうを言うほうを高く評価してしまう。だからモデルは、知らないことでも堂々と言い切る「クセ」を身につけてしまう、と。
たとえるなら、テストで空欄にすると0点だけど、適当に埋めれば当たるかもしれない、という状況で育った生徒のようなものです。分からなくても、とりあえず自信ありげに書く。
生成AIは「それっぽさ」を最大化するように作られている。だから、実在しないコマンドオプションや、微妙に間違った設定例を、まるで正解のように提示してくることがある。
これがインフラ学習では特にやっかいです。存在しないコマンドや、古いバージョンの手順、セキュリティ的に危ない設定を、平然と教えてくることがある。そのまま本番サーバーで実行したら、目も当てられません。
だから鉄則はひとつ。生成AIの答えは「仮説」として受け取り、一次情報で裏を取る。公式ドキュメントや、実際に自分の手元の環境で動かして確かめる。この一手間が、初心者を「なんとなく分かった人」から「本当に分かる人」へと変えていきます。
「AIに聞くと、かえって覚えない」問題¶
もう一つ、耳の痛い話をします。
生成AIを勉強に使うと、かえって知識が定着しにくくなる、という研究結果があるんです。ある実験では、AIの助けを借りて学習したグループのほうが、後のテストで点数が低い傾向が報告されました。
なぜ、こんなことが起きるのでしょうか。
答えはシンプルで、「自分の頭で思い出す」というプロセスを、AIが肩代わりしてしまうからです。
記憶は「思い出す」ときに強くなる¶
学習の科学では、アクティブリコール（想起練習）という考え方が知られています。読んで理解するだけでなく、「思い出そうと頭をひねる」瞬間にこそ、記憶は強く刻まれる、というものです。
筋トレと同じですね。負荷をかけるから筋肉がつく。楽をしたら、鍛えられない。
AIにすぐ答えを聞いてしまうと、この「思い出そうともがく」負荷がまるごと消えてしまう。分かった気にはなるけれど、いざ自分ひとりになると、何も出てこない。これが「AIに聞くと覚えない」問題の正体です。
とはいえ、これはAIが悪いのではありません。使い方の問題です。答えを丸ごともらうのではなく、AIを「思い出す練習の相手」として使えばいい。この切り替えが、独学の質を大きく変えます。
インフラ学習で生成AIを味方につける5つの型¶
では、具体的にどう使えばいいのか。私がおすすめする使い方を、表に整理しました。
| 使い方 | ダメな例 | 力がつく例 |
|---|---|---|
| 概念の説明 | 「DNSって何？」で終わる | 説明を読んだ後「宅配便でたとえて」と変換させ、自分の言葉で要約する |
| コマンド | コマンドをコピペして実行 | まず自分で書いてみて、AIに添削してもらう |
| 出題役 | 答えをすぐ聞く | 「LPICの模擬問題を5問出して」と問題を作らせ、自分で解く |
| エラー解決 | 直し方だけもらう | 「なぜこのエラーが起きたか、原因から説明して」と理由を掘る |
| 学習計画 | 丸投げして満足 | ロードマップの叩き台を作らせ、自分で取捨選択する |
ポイントは全部同じです。AIに答えを「もらう」のではなく、AIを使って自分に「負荷をかける」。
たとえば、AIを出題役にするプロンプトはこんな感じです。
あなたはインフラ学習の家庭教師です。
Linuxの基礎について、初心者向けの4択問題を3問ずつ出してください。
私が答えを言うまで、正解は絶対に教えないでください。
私の回答を聞いたら、正誤と、なぜそうなるかの解説をお願いします。
こうすると、AIは「答えをくれる相手」ではなく、「あなたに思い出させる相手」に変わります。ここまで来ると、生成AIは本当に優秀な家庭教師です。
実践：Linuxコマンドを生成AIと学ぶ一日¶
イメージが湧くように、具体的な学習の流れを追ってみましょう。テーマは「Linuxのファイル操作コマンド」です。
まず、自分でやってみる。ここが一番大事です。
# ディレクトリを作って、ファイルを置いて、中身を確認する
mkdir practice
cd practice
touch memo.txt
ls -l
ここで ls -l の -l が何を意味するのか、パーミッションの rwx がどう読めるのか、たぶん最初は分かりません。それでいいんです。
そこで初めてAIに聞きます。ただし、こう聞きます。「ls -l の出力の各列が何を表しているか、初心者向けに1つずつ説明して。そのあと、私の理解を確認する質問を1つして」。
答えを読んだら、AIからの確認質問に、見ないで自分の言葉で答える。ここでアクティブリコールが発動します。
そして最後に、一次情報で裏を取る。man ls を叩けば、公式の説明が読めます。AIが言ったことと、公式の説明が一致しているか、自分の目で確かめる。
この「自分でやる → AIに聞く → 思い出す → 公式で確かめる」の一周を回すと、記憶への定着がまるで違います。手を動かすインフラ学習の基本は、こちらのLinuxコマンドの始め方でも詳しく紹介しています。
ちなみに、一次情報で裏を取る習慣は、ここでも効いてきます。生成AIは、たとえば「chmod 777 にすれば動きますよ」といった、動くけれど危ない答えを平気で返すことがあります。man コマンドや公式ドキュメントを開けば、「なぜ777が危ないのか」まで説明されている。AIの答えを入り口に、公式で深掘りする。この二段構えが、初心者を安全に育ててくれます。
最初は面倒に感じるかもしれません。でも、これを続けた人だけが、AIに振り回されるのではなく、AIを道具として使いこなせるようになります。
学習の「地図」は自分で持っておく¶
生成AIはピンポイントの疑問に強い一方で、「そもそも何を、どの順番で学べばいいか」という全体像を描くのは苦手です。聞くたびに違うことを言うこともあります。
だからこそ、学習の地図は自分で一つ持っておくのがおすすめです。
InfraAcademyでは、インフラエンジニアを目指す人のための学習ロードマップを用意しています。Linux・ネットワーク・クラウドを、どの順番で、どこまで学べばいいかが見通せます。まずLinuxの学習ロードマップで土台を固め、そこからネットワークの始め方へ進む、といった道筋を描いておくと、生成AIへの質問もぐっと的確になります。
資格を軸に学ぶなら、LPICの勉強法の記事もあわせて読んでみてください。ゴールが決まると、AIに「この範囲の弱点を突く問題を出して」とお願いできるようになり、独学の精度が一段上がります。
地図を持ったうえでAIを使う。これが、遠回りしないコツです。
頼りすぎないための「3秒だけ自分で考える」ルール¶
ここまで読んで、「便利なのは分かったけど、つい答えを聞いちゃいそう」と思った人もいるでしょう。よく分かります。私もそうです。
そこでおすすめしているのが、「3秒だけ自分で考える」というシンプルなルールです。
質問を打ち込む前に、たった3秒でいいので「自分ならどう答えるか」を頭の中で言ってみる。分からなくても、当てずっぽうでいい。「たぶんこうかな」という仮説を、いったん自分の中に作ってからAIに聞くんです。
なぜ、これが効くのでしょうか。
人は、自分で予想したことの答え合わせをするとき、いちばん記憶に残るからです。何も考えずに読んだ答えは右から左へ抜けていきますが、「自分はこう思ったのに、実際は違った」という驚きは、強く記憶に刻まれます。
学びは「予想」と「答え」のズレから生まれる。AIに聞く前の3秒は、そのズレを作るための時間だ。
たとえば、ネットワークの勉強で「デフォルトゲートウェイって何だろう」と思ったとき。すぐ聞かずに、「たぶん、外に出るときの出口みたいなものかな」と3秒で仮説を立てる。それからAIに説明してもらうと、「あ、出口という理解で合ってたんだ」あるいは「出口だけじゃなくて、こういう役割もあるのか」と、自分の理解の輪郭がくっきりします。
この小さな習慣が、「AIに聞くと覚えない」問題への、いちばん手軽な対策になります。
分からないことを「言語化」する力も鍛えられる¶
もう一つ、AIへの質問には隠れた効能があります。
それは、「自分が何を分かっていないのか」を言葉にする訓練になる、ということです。
インフラの現場では、先輩や同僚に質問する場面が必ずあります。そのとき、「なんか動きません」としか言えない人と、「この設定をこう変えたら、この部分がこうなると期待したのに、実際はこうなりました」と説明できる人とでは、成長のスピードがまるで違います。
AIへの質問は、この「分からなさの言語化」を、誰にも気兼ねなく練習できる場です。うまく伝わらなければAIも的外れな答えを返してくるので、「どう聞けば伝わるか」を自然と工夫するようになる。これは、実務でそのまま役立つコミュニケーション力です。
つまり生成AIは、知識を得る道具であると同時に、「質問する力」を鍛えるトレーニング相手でもあるわけです。この視点を持つと、AIとの向き合い方がもう一段、前向きになります。
そして、うまく言語化できたときは、その質問文をメモに残しておくのもおすすめです。あとで振り返ると、「あのとき自分はここでつまずいていたのか」という成長の記録になります。分からなかったことを恥ずかしがる必要はありません。つまずいた場所こそ、あなたが伸びた証拠だからです。
AIに聞いて終わり、ではなく、聞いたやりとりを自分の学習ログとして積み上げていく。この積み重ねが、半年後のあなたを大きく変えていきます。
まとめ¶
今日は、生成AIをインフラ独学の家庭教師にする使い方をお話ししました。
生成AIは、疲れ知らずで、何度でも付き合ってくれる最高の相棒です。でも、その答えは「もっともらしい仮説」であって、正解の保証ではない。ハルシネーションを前提に、一次情報で裏を取る習慣を持つこと。
そして、答えを「もらう」のではなく、AIを使って自分に「思い出す負荷」をかけること。手を動かして、自分の頭でつまずいて、それからAIに聞く。この順番を守るだけで、独学の質は驚くほど変わります。
道具は、使う人しだいです。同じ生成AIでも、答えを丸ごともらう人と、思い出す練習に使う人とでは、半年後にまったく違う場所に立っています。あなたの隣にいる優秀な家庭教師を、ぜひ賢く味方につけてください。
焦らず、一歩ずつ。今日も一緒にがんばりましょう。
