MENU

生成AIでダブルダイヤモンドを使う方法|プロンプト例と人が確認すべきポイント

ダブルダイヤモンドは、課題を広く探索して絞り込み、解決策を広く発想して再び絞り込む「発散→収束」を2回繰り返すフレームワークです。生成AIを使うと、Discoverで情報を整理したり、Defineの課題候補を比較したり、Developで解決策の方向性を増やしたり、Deliverで検証案を整理したりする作業を効率化できます。

ただし、生成AIは顧客の現場を直接観察しているわけではありません。事実と仮説を混同したり、もっともらしい課題を作ったり、評価点を根拠なく精密化したりすることがあります。

そのため、生成AIはダブルダイヤモンドの「補助役」として使い、顧客事実の確認、Defineでの課題決定、収束の判断、採否、検証結果の解釈は人が担う必要があります。

この記事では、生成AIでダブルダイヤモンドを使う具体的な手順を、プロンプト例、出力の使い方、人が確認すべきポイント、ありがちな誤りまで含めて解説します。基本構造を先に確認したい場合は、ダブルダイヤモンドとは?意味・使い方・具体例を参照してください。

目次

生成AIに任せやすいこと・人が判断すべきこと

ダブルダイヤモンドで生成AIに任せやすいのは、情報の整理、論点の拡張、候補の比較です。

たとえば、次の作業は補助させやすい領域です。

  • インタビュー記録から事実・解釈・仮説を分ける
  • 類似する顧客発言をグループ化する
  • 見落としている課題候補を列挙する
  • Define候補の比較軸を作る
  • Developで方向性の異なる解決策案を出す
  • 類似案をコンセプト単位にまとめる
  • Deliverで検証方法の候補を作る
  • 検証結果から追加で確認すべき点を整理する

一方で、人が判断すべきことは次です。

  • 顧客発言や行動が実際の事実か
  • 課題候補のうち何を優先するか
  • Defineで何を解くべき課題とするか
  • どの解決策を実際に試すか
  • 法務・安全・契約・コスト上の問題がないか
  • 検証結果をどう解釈するか
  • 前工程へ戻る必要があるか

生成AIに「答え」を決めさせるのではなく、「判断材料を増やし、整理する役割」を担わせるのが基本です。

生成AIでダブルダイヤモンドを使う基本手順

1. 人がテーマと対象範囲を定義する

最初に、何を探索するのかを人が決めます。

悪い入力例:

「新規事業を考えて」

良い入力例:

「従業員50〜300名の企業で、新任管理職が部下との1on1や評価面談で困る場面を探索し、支援サービスの方向性を見つけたい」

ダブルダイヤモンドは、課題探索と解決策探索を分けるフレームワークです。最初から「管理職向けアプリを作りたい」と決めると、Discoverがその案を正当化する作業になりやすくなります。

2. Discoverで素材をAIに整理させる

Discoverでは、まず顧客インタビュー、行動観察、問い合わせ記録、利用データなど、人が集めた素材を使います。

AIには、素材を事実・解釈・仮説へ分けさせると使いやすくなります。

以下は新任管理職5名へのインタビュー記録です。

この内容を、
1. 明示された事実・発言
2. そこから考えられる解釈
3. まだ確認が必要な仮説
に分けて整理してください。

条件:
- 入力にない事実を追加しない
- 推測は必ず「仮説」と明記する
- 発言数が多いことだけで重要度を判断しない

このプロンプトの目的は、AIに課題を決めてもらうことではありません。人が集めた材料を、後で比較しやすい形へ整えることです。

3. Discoverで反証・例外を探させる

AIは入力された内容の多数派をまとめるのは得意ですが、少数例や反証を軽視しやすいことがあります。

そこで、あえて次のように聞きます。

先ほどのインタビュー記録について、
現在の仮説「新任管理職は研修知識が不足している」を反証する情報、
例外となる情報、
追加確認すべき質問を整理してください。

たとえば、

  • 研修内容は理解できている
  • 困っているのは実際の面談場面である
  • 上司へ相談する時間がない

といった事実が見つかれば、「研修不足」という仮説を見直す材料になります。

4. Defineの課題候補を比較させる

Discoverで材料が集まったら、課題候補を複数出し、比較します。

以下の事実から考えられる課題候補を3〜5個に整理してください。

各候補について、
- 誰が困っているか
- どんな場面か
- 何に困っているか
- 根拠となる事実
- まだ未確認の点
を示してください。

課題を解決策の言葉で書かないでください。

AIが、

「管理職研修をオンライン化する」

と書いた場合、それは課題ではなく解決策です。

良い課題候補は、

「新任管理職が、実際の部下面談で困ったときに、状況に応じた相談と振り返りができない」

のように、誰が・どんな場面で・何に困るかがわかる形です。

5. Defineの最終決定は人が行う

AIには比較表を作らせても構いません。

以下の課題候補を、
- 深刻度
- 発生頻度
- 代替手段の弱さ
- 自社が貢献できる可能性
- 検証可能性
で比較するための表を作ってください。

ただし点数は推定せず、
評価に必要な追加情報を示してください。

ここが重要です。

AIに「どれが一番重要ですか」と聞いて、その答えをそのまま採用してはいけません。AIは実際の顧客への影響や自社の戦略を完全には知りません。

比較表は判断材料であり、Defineの最終決定は人が行います。

Developで生成AIを使う

6. 方向性の異なる解決策を発散させる

Defineした課題をもとに、Developで解決策を広げます。

以下の課題に対して、方向性の異なる解決策を20案出してください。

課題:
新任管理職が、実際の部下面談で困ったときに、状況に応じた相談と振り返りができない

条件:
- 同じ案の言い換えを避ける
- 研修だけに限定しない
- 人による支援、運用変更、テンプレート、コミュニティ、デジタル支援など複数方向を含める
- この段階では採否を決めない

出力例として、

  • 面談前チェックリスト
  • 面談後5分レビュー
  • ピア相談会
  • 匿名相談窓口
  • ケース別短時間動画
  • 専門家相談
  • AIによる面談準備支援

などが考えられます。

ここでのAIの役割は、最適解を決めることではなく、発想の幅を広げることです。

7. 類似案をコンセプトへまとめさせる

案が増えたら、似たものを整理します。

以下の解決策案を、顧客への提供価値が近いもの同士で3〜5グループに整理してください。

各グループについて、
- 共通する狙い
- 代表案
- 組み合わせ可能な案
- 他グループとの違い
を示してください。

たとえば、

  • 面談前の準備支援
  • 面談後の振り返り支援
  • 困った場面の相談支援

というコンセプトにまとめられます。

Deliverで生成AIを使う

8. 小さな検証方法を出させる

Deliverでは、本番開発前に小さく試します。

AIには、検証方法の候補を作らせます。

以下の企画コンセプトについて、2週間以内に実施できる検証方法を3案出してください。

コンセプト:
面談前チェック+面談後5分レビュー

条件:
- システムの本開発前に実施できる
- 5〜10名程度で試せる
- 仮説、対象者、実施方法、観察項目、成功条件まで示す

たとえば、フォームとスプレッドシートだけで仮提供し、5名に2週間使ってもらう方法が考えられます。

9. 検証結果の整理をAIに補助させる

検証後は、結果をAIへ渡し、事実と解釈を分けます。

以下は2週間の検証結果です。

- 面談前チェック:5名中5名が利用
- 面談後レビュー:5名中2名が継続
- 未利用者3名のうち2名は「面談直後は別業務へ移るため忘れる」と回答

この結果を、
1. 確認できた事実
2. 考えられる仮説
3. 次に追加確認すべきこと
4. Deliver内で修正すべきか、DevelopやDefineへ戻る可能性があるか
に分けて整理してください。

AIは「通知タイミングを変える」という案を出すかもしれません。

ただし、人は、そもそも面談後レビュー自体が必要なのか、課題定義がずれていないかも確認します。

そのまま使えるダブルダイヤモンド用プロンプト

次のプロンプトは、テーマや顧客情報を入れ替えて使えます。

あなたはダブルダイヤモンドを使った企画探索の整理補助役です。
人の判断を代替せず、入力された事実と仮説を分けてください。

【テーマ】

【対象顧客・利用者】

【今回の検討範囲】

【人が確認済みの事実】

【未確認の仮説】

【制約条件】

【依頼】
1. Discover:事実・解釈・仮説を分ける
2. Discover:反証・例外・追加質問を挙げる
3. Define:課題候補を3〜5個作る
4. Define:各候補の根拠と未確認点を整理する
5. Develop:方向性の異なる解決策を複数出す
6. Develop:類似案をコンセプト化する
7. Deliver:小さく試せる検証案を出す
8. 人が最終判断すべき点を明示する

【条件】
- 入力にない事実を追加しない
- 推測は仮説と明記する
- 課題を解決策の表現にしない
- 最適案を断定しない
- 点数を根拠なく付けない
- 不足情報がある場合は「未確認」と明記する

記入しながら進めたい場合は、ダブルダイヤモンドテンプレートも使えます。

通し例|新任管理職支援サービスを生成AIと一緒に検討する

Discover

人が、新任管理職5名へのインタビュー、人事担当者へのヒアリング、研修後アンケートを集めます。

AIには、

  • 研修内容は理解できている
  • 1on1では対応に迷う
  • 上司へ相談する時間がない
  • 面談後の振り返りが続かない

といった事実を整理させます。

さらに、「研修知識不足」という仮説を反証する情報を探させます。

Define

AIに課題候補を作らせると、

  • 研修知識不足
  • 実践場面での判断支援不足
  • 相談相手不足
  • 振り返り不足

などが出ます。

人は根拠を確認し、

「新任管理職が、実際の部下面談で困ったときに、状況に応じた相談と振り返りができない」

を主要課題として選びます。

Develop

AIに方向性の異なる解決策を出させ、

  • 面談前チェック
  • 面談後レビュー
  • ピア相談
  • 匿名相談
  • AI支援
  • 専門家相談

などを得ます。

人は、顧客価値、実現性、運用負荷、検証容易性を見て、まず「面談前チェック+面談後レビュー」を試すことにします。

Deliver

AIには、システム開発前に試せる検証方法を出させます。

人はフォームで2週間試す方法を選び、5名へ提供します。

結果は、面談前チェックは5名全員が利用、面談後レビューは2名だけ継続でした。

AIに結果を整理させると、「面談直後ではなく翌朝通知する」という改善案が出ました。

人は、その案を採用する前に、レビューそのものの価値があるかを利用者へ再確認します。

このように、生成AIは各工程の整理速度を上げますが、「何を解くか」「何を採用するか」は人が決めます。

具体的な実務手順は、ダブルダイヤモンドのやり方で確認できます。別の適用ケースを見たい場合は、ダブルダイヤモンドの具体例も参考になります。

人が必ず確認したい6つのポイント

1. AIが入力にない事実を追加していないか

生成AIは、もっともらしい背景を補うことがあります。顧客発言、利用データ、業界慣行などは、入力にないものを事実として扱わないようにします。

2. 事実と仮説が分かれているか

「4人が困っている」は事実ですが、「すべての新任管理職が同じ課題を持つ」は仮説です。

3. DefineをAIへ丸投げしていないか

課題優先順位は、顧客への影響、自社戦略、実現可能性など現場情報を踏まえて人が判断します。

4. Developで似た案ばかりになっていないか

AIは条件を与えないと、同じ案の言い換えを大量に出すことがあります。「提供方法の違う案」「人が介在する案」「運用変更」など方向性を指定します。

5. AIの評価点を結論にしていないか

AIが「顧客価値5、実現性4」と出しても、それは実測値ではありません。点数より、評価に必要な情報と未確認事項を出させます。

6. 検証結果の解釈をAIだけに任せていないか

利用率が低い場合でも、原因が解決策なのか、提供タイミングなのか、課題定義なのかは追加確認が必要です。

悪い使い方と改善例

悪い例1:AIにDiscoverを丸ごと作らせる

「新任管理職の課題を20個挙げて」と頼むだけでは、一般論や推測が混ざります。

改善

人が集めたインタビューや観察事実を入力し、その整理を依頼します。

悪い例2:AIにDefineを決めさせる

「最も重要な課題を1つ選んで」と依頼すると、AIが知らない現場事情を無視した結論になる可能性があります。

改善

候補・根拠・未確認点・比較軸までを出させ、最終決定は人が行います。

悪い例3:アイデア数だけを増やす

100案出しても、同じ方向の言い換えばかりなら発散の質は上がりません。

改善

人、運用、テンプレート、コミュニティ、デジタル、提供タイミングなど、方向性の違いを条件として指定します。

悪い例4:AIが作った検証計画をそのまま実行する

顧客への連絡方法、個人情報、社内規定、契約条件など、AIが把握していない制約があります。

改善

検証案を候補として受け取り、法務・安全・情報管理・現場負荷を人が確認します。

よくある運用上の失敗は、ダブルダイヤモンドで失敗しやすいポイントでも詳しく解説しています。

情報管理にも注意する

生成AIへ入力する素材には、顧客名、インタビュー記録、未公開の事業案、利用ログ、契約情報などが含まれる場合があります。

利用前に、所属組織の生成AI利用ルールを確認してください。

特に、

  • 個人名・顧客名
  • 未公開の商品企画
  • 営業秘密
  • 契約情報
  • 利用ログ
  • 人事情報

などは、そのまま入力してよいか慎重に判断します。

必要に応じて匿名化し、検討に必要な最小限の情報だけを渡します。

他のフレームワークと組み合わせる場合

ダブルダイヤモンドは、課題探索と解決策探索の全体プロセスを設計するのに向いています。

顧客理解や試作の考え方との違いを整理したい場合は、デザイン思考とダブルダイヤモンドの違いを参照してください。

事業モデル全体を整理したい場合は、リーンキャンバスとダブルダイヤモンドの違いが参考になります。

3つを目的別に選びたい場合は、デザイン思考・リーンキャンバス・ダブルダイヤモンドの使い分けも確認できます。

まとめ|AIには発散と整理を任せ、収束と検証判断は人が行う

生成AIを使うと、ダブルダイヤモンドのDiscoverで情報を整理し、Defineで課題候補を比較し、Developで方向性の異なる解決策を増やし、Deliverで小さな検証案を作る作業を効率化できます。

一方で、顧客事実の確認、課題の最終定義、収束の判断、採否、検証結果の解釈は人が担う必要があります。

実務では、「AIにダブルダイヤモンドを実行してもらう」のではなく、「人が現場の事実と判断責任を持ち、AIで発散・整理・比較を加速する」という使い方が適しています。

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次