拡張思考（Extended Thinking）は、AI に答えを出す前の「考える時間」を多めに与える使い方です。普段のチャットがほぼ即答するのに対し、思考モードでは AI が見えないところで段階的に推論を積み上げてから回答します。難しい数学、込み入ったコード、長文の分析など「一発では解けない問題」で精度が上がる一方、簡単な質問では遅く・割高になります。本稿では 2026 年時点の実際の使い分けを、初めての人にも分かるように整理します。
FIG.1 即答は質問→回答が直結。拡張思考は途中に「内部推論」の工程が挟まる
01そもそも「考えるモデル」とは何か
2026 年の主要 AI には、回答を表示する前に専用の推論パス（deliberation）を走らせる「推論モデル（reasoning model）」という種類があります。この推論はユーザーに見える回答とは別フェーズで行われ、見せ方は製品ごとに違います。
- OpenAI（GPT-5 系の推論モード）：推論の中身は基本的に非表示。要約だけが見えることが多い。
- Claude の拡張思考（Extended Thinking）：推論を別枠の「思考ブロック」として持ち、量を調整できる。
- Gemini の Deep Think：1 本の思考を伸ばすのではなく、複数の仮説を同時に並べて比較・統合してから答える「並列思考」型。
呼び名は違っても狙いは共通で、「一度立ち止まって筋道を立ててから答える」こと。難問ほど効きますが、後述のとおり万能ではありません。
02いつ使い、いつ使わないか
判断基準はシンプルで、「一発では解けず、途中の検討が品質を左右する問題か」です。要約や雑談のような“すぐ答えが出る”作業は即答モードのほうが速く・安く、むしろ快適です。
| 即答モードで十分 | 拡張思考が効く |
|---|---|
| 雑談・カジュアルな質問 | 難しい数学・論理パズル |
| メールやメモの下書き | 長文・複数ファイルにまたがるコーディング |
| 短い要約・言い換え | 戦略立案・多角的な分析 |
| 定型の翻訳・整形 | 研究レビュー・契約書のリスク洗い出し |
研究でも、推論モデルは「2+3 は？」のような単純な問いに対してさえ長大な思考を生成しがちで、簡単な質問では同等の精度を出すのに通常モデルの数倍〜十倍のトークンを使うことが報告されています。簡単な作業にまで思考モードを当てると、待ち時間とコストだけが増えます。
03ON にする方法 ― 「言葉」ではなく「ダイヤル」で
初心者がいちばん誤解しやすいのがここです。2026 年の推論モデルでは、思考の深さはプロンプトの言い回しではなく、専用の設定（ダイヤル）で調整するのが基本になりました。
ChatGPT（OpenAI）
モデル選択で推論系モデルを選ぶ。API では reasoning.effort を low / medium / high から指定して深さを変える。アプリ上でも「より深く考える」系の切り替えが用意されている。
Claude
拡張思考に対応したモデル（Opus 系など）を選び、思考のスイッチを ON。深さ（effort / 思考バジェット）を段階で指定でき、上位モデルでは high のさらに上の段（xhigh など）も用意されている。利用は有料プラン中心。
Gemini
モデルメニューで Deep Think を選ぶ／トグルで有効化する。並列思考で時間をかけて検討するモード。上位の有料プランで利用できる。
深さは設定で決める。プロンプトに「よく考えて」と書き足すより、effort を上げるほうが確実。
04プロンプトの作法が変わった
かつて（推論モデルが無かった頃）は、AI に賢く答えさせるため「順を追って考えて」「ステップごとに」と段取りを細かく指示する手法（チェーン・オブ・ソート）が定番でした。推論モデルでは、その段取りがあらかじめ訓練で内蔵されているため、明示的に「ステップで考えて」と書く価値は小さくなり、場合によっては逆効果になります。
FIG.2 推論モデルでは「考え方の手順」を外から細かく書く必要が薄れた
では何を書けばよいのか。推論モデルに対しては、「やってほしいこと」と「満たすべき条件」を簡潔に渡すのが効果的です。過度に複雑な指示はかえって性能を落とすことがあります。
- ゴールを具体化する：「次年度の事業戦略を、市場・競合・自社強み・打ち手の順で、A4 1 枚に」のように成果物の形を指定する。
- 制約・前提を明記する：使ってよい情報源、予算、対象読者、禁止事項など。
- 出力フォーマットを指定する：表で、箇条書きで、コードのみで、など。
- 深さは effort で：「もっと考えて」と書き足すより、設定の effort を一段上げる。
逆に、確信度や根拠を併記させたいといった“出力の中身に関する要望”は今も有効です。例：「各結論に確信度（高・中・低）と根拠を添えて」。これは思考の手順ではなく、回答の体裁に対する指示だからです。
05コストと「考えすぎ」に注意
拡張思考の弱点は、ほぼそのまま「遅さ」と「割高さ」です。内部で多くのトークンを生成するため、応答に数十秒〜数分かかることがあり、消費トークンも増えます。
遅い
内部推論に時間を使うため、即答用途には不向き。チャットのテンポを求める場面では切る。
トークン増
思考分のトークンが上乗せされる。料金体系やプランは頻繁に変わるので、目安は公式の最新情報で確認する。
考えすぎ
簡単な問いにも長考しがち。単純作業に当てると、精度はほぼ変わらず時間と費用だけ増える。
API で使う場合は、思考分の出力にも上限（max_tokens 等）が絡み、思考が長引くと答えが出る前に上限に達して切れることもあります。難問は effort を上げる一方、簡単な問いには素の即答モードを使う、という「問題に応じた出し分け」がコスト最適化の基本です。
06得意な仕事の実例
「途中の検討」が価値を生む仕事ほど、拡張思考が活きます。いずれも成果物の形を具体的に指定するのがコツです。
- 戦略立案：「次年度の事業戦略を、市場分析→競合→自社強み→4 案→推奨案の順で。各案に想定リスクも」
- コードレビュー：「このコードのバグ・セキュリティ上の懸念・性能上の問題を、重大度順に列挙して」
- 研究計画：「この論文を踏まえ、未解決問題と次の研究テーマ案を 5 つ、それぞれ根拠つきで」
- 契約・規程の精査：「この契約書のリスク条項を列挙し、それぞれ実際にどんな不利益が生じうるか分析して」
ただし AI の出力にはもっともらしい誤り（ハルシネーション）が混じり得ます。重要な判断に使うときは、結論を鵜呑みにせず一次情報（原典・公式資料・実データ）で裏取りする前提で扱ってください。深く考えるモデルでも、事実確認の責任は人間側に残ります。
07即答モードとの上手な併用
実務では、両モードを役割分担させると効率が上がります。難しい思考は拡張思考、伝わる文章への整形は即答モード、という流れです。
拡張思考で“結論”を出す
分析・設計・難問の解決など、検討が要る部分を深く考えさせる。
人が確認・裏取りする
事実・数値・引用を一次情報で点検。ここは省略しない。
即答モードで“整える”
「3 行に要約」「初心者向けに言い換え」「この体裁で清書」など、軽い整形は速い即答モードに任せる。
08まとめ
拡張思考は「難しい問題のための深く考えるモード」。2026 年の推論モデルでは、深さはプロンプトの言葉ではなく effort などの設定で決め、手順を細かく指示する古い書き方は不要になりました。代わりにゴール・制約・出力形式を簡潔に渡すのが効きます。簡単な作業は即答モード、検討が要る難問だけ拡張思考、そして結論は必ず一次情報で裏取り ― この出し分けが、速さ・コスト・精度のバランスを取る近道です。
