MENU

生成AIでなぜなぜ分析を使う方法|プロンプト例と人が確認すべきポイント

生成AIは、なぜなぜ分析の「答え」を自動で決めるための道具ではありません。一方で、原因候補を広げる、因果の抜けを見つける、反証質問を作る、追加で見るべきデータを整理する、といった補助には使えます。

重要なのは、AIが出した原因候補を事実として扱わないことです。なぜなぜ分析では、問題を事実で定義し、1段ごとの因果関係を確認し、最後に根本原因候補をデータで検証し、対策後の再発率まで確認する必要があります。

この記事では、生成AIをなぜなぜ分析に補助的に使う方法を、問題設定、原因候補、因果確認、反証、対策、再発確認まで、具体的なプロンプト例と人が確認すべきポイントを交えて解説します。

基本的な意味から確認したい場合は、なぜなぜ分析とは?を参照してください。人だけで進める基本手順は、なぜなぜ分析のやり方で確認できます。

目次

生成AIを使うと効果が出やすい場面

生成AIは、次のような場面で補助として使いやすいです。

  • 問題文に原因仮説が混ざっていないか確認する
  • 1回目の「なぜ」の候補を複数出す
  • 因果の飛躍をレビューする
  • 人のミスで止まらないための追加質問を作る
  • 別の原因枝を広げる
  • 根本原因候補を検証するためのデータ項目を整理する
  • 反証条件を作る
  • 原因と対策の対応をレビューする
  • 対策後の再発確認項目を整理する

一方で、次の判断は生成AIだけに任せない方が安全です。

  • 問題の事実確認
  • 各「なぜ」の因果関係
  • 実際の件数・割合・時刻データ
  • 根本原因の確定
  • 改善優先順位
  • 対策の採否
  • 改善後に本当に再発が減ったか

AIは候補と質問を出す役に置き、事実と判断は人が担います。

1. 問題文を事実だけに整えるプロンプト

なぜなぜ分析では、最初の問題文が重要です。

プロンプト例

次の問題文に、まだ確認していない原因仮説が混ざっていないかレビューしてください。

問題文: 「営業担当者の確認不足により、請求書の送付が遅れた」

以下を出してください。

  • 原因仮説として混ざっている部分
  • 事実だけで書き直すために必要な追加情報
  • 事実ベースの問題文候補

まだ原因は決めないでください。

出力の使い方

AIが、

「確認不足」が原因仮説として混ざっている

と指摘したら、人が実データを確認します。

たとえば、

月末締めの請求書300件のうち42件が、締切日までに送付されなかった

という事実に置き換えます。

2. 1回目の「なぜ」の候補を広げる

プロンプト例

次の問題について、1回目の「なぜ」の原因候補を5つ出してください。

問題: 月末締めの請求書300件のうち42件が、締切日までに送付されなかった。

条件:

  • 原因は断定しない
  • 各候補について、確認すべきデータを示す
  • 人の意識・注意不足だけに寄せない
  • 相互に重複しない候補を優先する

出力の使い方

AIが、

  • 作成開始が遅かった
  • 必要データがそろわなかった
  • 承認待ちが長かった
  • 顧客マスタ更新が遅れた
  • 特殊契約の確認に時間がかかった

と出しても、そのまま原因にはしません。

実際の42件でどの現象が起きていたかを確認します。

3. 因果の飛躍をチェックする

なぜなぜ分析では、「それらしい説明」が並ぶだけで因果が飛ぶことがあります。

プロンプト例

以下のなぜなぜ分析案に、因果の飛躍がないかレビューしてください。

問題:請求書送付が遅れた なぜ1:作成開始が遅れた なぜ2:担当者が忙しかった なぜ3:月末だった なぜ4:人員が少なかった

各段階について、

  • 前段と後段の因果が十分か
  • 間に確認すべき事実
  • 必要なデータ
  • 反証となるケース

を示してください。

出力の使い方

AIが「忙しかった」と「作成開始遅れ」の間に事実が足りないと指摘したら、

  • 未処理件数
  • 受付時刻
  • 着手時刻
  • 担当者ごとの処理件数

を確認します。

4. 人のミスで止まらない追加質問を作る

プロンプト例

なぜなぜ分析で、原因候補が「担当者が契約番号を入力し忘れた」まで来ています。

責任追及ではなく、仕組みの原因を掘り下げる追加質問を10個作ってください。

観点:

  • 必須入力制御
  • 標準
  • チェック
  • 画面設計
  • 引き継ぎ
  • 締切
  • 例外処理

出力の使い方

AIから、

  • なぜ未入力でも提出できたのか
  • 必須項目はどこで定義されているか
  • 提出前チェックは誰がどのタイミングで行うか

といった質問を出させ、現場確認に使います。

5. 原因を1本に決めつけないために分岐を出す

プロンプト例

請求書送付遅延について、入力不備以外の原因枝を広げてください。

既知の情報:

  • 42件の遅延
  • そのうち34件で作成開始遅れ
  • 34件中29件で入力不足確認

出力してください:

  • 入力不備以外の原因枝候補
  • 各原因枝を確認するためのデータ
  • その原因枝が成立しない反証条件

出力の使い方

AIが、承認待ち、顧客マスタ更新待ち、特殊契約確認などを出したら、それぞれの件数と待ち時間を確認します。

1本の原因ですべて説明しないことが重要です。

6. 根本原因候補を検証するためのデータを整理する

なぜなぜ分析の最後に出た答えは、まだ根本原因候補です。

プロンプト例

根本原因候補: 「必須入力項目と提出前チェックの標準がない」

この原因候補が請求書送付遅延に関係しているか検証するために、必要な比較データを整理してください。

出力してください:

  • 原因候補ありの案件で見る指標
  • 原因候補なしの案件で見る指標
  • 比較条件
  • 交絡要因
  • 反証となる結果

出力の使い方

実際に、

  • 入力不備あり:66件
  • そのうち遅延:31件
  • 入力不備なし:234件
  • そのうち遅延:11件

と確認したとします。

入力不備ありの方が遅延率は高いため、主要原因候補として対策する合理性があります。

ただし、入力不備なしでも11件遅延しているので、「唯一の原因」とはしません。

7. 反証質問を作る

生成AIは、自分たちの仮説に都合のよい情報だけを集めないための反証質問作りにも向いています。

プロンプト例

原因仮説: 「入力不備が請求書送付遅延の主要因である」

この仮説を反証するための質問を10個作ってください。

各質問について、

  • 何を確認するか
  • 仮説を弱める結果

を示してください。

出力の使い方

たとえば、

  • 入力不備がない案件でも同程度に遅れていないか
  • 入力不備ありでも期限内送付できた案件は多くないか
  • 遅延の多くが承認待ちではないか

という確認ができます。

8. 原因と対策が対応しているかレビューする

プロンプト例

次の原因候補と対策案の対応をレビューしてください。

原因候補: 必須入力項目と提出前チェックの標準がない

対策案: 営業担当者へ注意喚起メールを送る

出力してください:

  • 原因へ直接効いているか
  • 再発防止として弱い点
  • 仕組みで改善する代替案
  • 効果確認指標

出力の使い方

AIが「注意喚起だけでは弱い」と指摘したら、

  • 必須項目定義
  • 未入力では提出できない入力制御
  • 提出前チェックの画面組み込み
  • 営業向けルール統一

などを検討します。

9. 対策を過大にしないために比較する

プロンプト例

原因候補:必須入力項目が未定義

改善案を、

  • 小さく試す案
  • 中規模の案
  • 大規模な案

の3段階で出してください。

各案について、

  • 期待効果
  • 費用・工数
  • リスク
  • 効果検証のしやすさ

を示してください。

出力の使い方

いきなり基幹システム刷新を選ばず、まず入力制御やチェック追加で効果を確認できます。

10. 改善後の再発確認を設計する

プロンプト例

なぜなぜ分析の対策後に、再発が減ったか確認する測定計画を作ってください。

改善前:

  • 入力不備66件
  • 期限遅延42件

対策:

  • 必須入力化
  • 入力制御
  • 提出前チェック
  • ルール統一

出力してください:

  • 改善後に測る指標
  • 比較期間
  • 比較条件
  • 副作用指標
  • 継続 / 修正 / 中止の判断材料

出力の使い方

改善後に、

  • 入力不備:66件 → 18件
  • 期限遅延:42件 → 15件

と再測定できれば、対策は一定の効果があったと判断できます。

ただし、残った15件は別原因として扱います。

通し例|請求書送付遅延のなぜなぜ分析で生成AIを使う

管理部門で、請求書300件中42件が期限内に送付できませんでした。

最初に、人が問題を事実で定義しました。

月末締めの請求書300件のうち42件が、締切日までに送付されなかった

生成AIには、1回目の「なぜ」の候補と確認データを出させました。

AIは、作成開始遅れ、入力不足、承認待ち、顧客マスタ更新待ちなどの候補を出しました。

人が記録を確認すると、42件中34件で作成開始が遅れ、その34件中29件で売上確定データの不足確認が発生していました。

次にAIへ、「入力不足がなぜ起きたか」を掘る質問を作らせました。

現場確認の結果、営業担当者ごとに入力形式が異なり、必須入力項目と提出前チェックの標準がありませんでした。

ここでAIに根本原因を決めさせず、検証データを整理させました。

実際に300件全体を確認すると、

  • 入力不備あり:66件
  • そのうち遅延:31件
  • 入力不備なし:234件
  • そのうち遅延:11件

でした。

人はこの差を見て、入力不備を主要原因候補の1つと判断しました。

その後、AIには対策案と反証観点を出させ、人が最終的に、

  • 契約番号、顧客コード、請求締日、金額の必須化
  • 未入力では提出できない入力制御
  • 提出前チェックの画面組み込み
  • 営業向けルール統一

を選びました。

2か月後、同じ指標で再測定すると、

  • 入力不備:18件
  • 期限遅延:15件

まで減りました。

ここで重要なのは、「AIが根本原因を当てた」わけではないことです。

AIは、候補を広げ、質問を作り、反証観点を増やし、検証項目を整理しました。事実確認、因果判定、原因確定、対策採否、再発確認は人が行っています。

そのまま使える型が必要なら、なぜなぜ分析テンプレートを使うと、AIの出力を問題・根拠・因果・対策・再発確認へ整理しやすくなります。背景から判断の流れまで具体例で追いたい場合は、なぜなぜ分析の具体例も参考になります。よくある失敗を先に確認したい場合は、なぜなぜ分析で失敗しやすいポイントも参照してください。

人が必ず確認すべきポイント

問題の事実

AIは問題文を整えることはできますが、件数・時刻・発生条件を保証できません。元データを確認します。

各「なぜ」の因果関係

AIはもっともらしい因果を作れます。1段ごとに実際の記録や比較データで確認します。

根本原因候補

最後に出た答えを自動確定しません。原因候補あり・なしで問題発生率を比較します。

反証

自分たちの仮説を支持する事例だけでなく、反例も確認します。

対策

AIが提案した対策をそのまま採用せず、原因との対応、費用、リスク、実行可能性を確認します。

再発確認

施策を入れただけで成功とせず、改善前と同じ定義で再測定します。

生成AIの誤りと限界

実在しない原因を補うことがある

一般的な業務知識から、それらしい原因を作ることがあります。候補として扱い、事実確認します。

因果を滑らかに作りすぎることがある

実際には証拠がない段階でも、自然なストーリーを作ることがあります。各段階の根拠を確認します。

人のミスへ寄せることがある

入力情報が少ないと、「確認不足」「教育不足」などへ寄る場合があります。仕組みを問う条件をプロンプトに入れます。

1本の原因へまとめすぎることがある

複数原因がある問題でも、1つのストーリーにまとめることがあります。原因枝を明示的に出させます。

架空の数値を作ることがある

件数や割合は必ず元データを使います。AIに推定値を作らせないようにします。

機密情報の扱いに注意する

顧客名、個人評価、契約内容、障害ログ、品質不良データなどを入力する場合は、自社の情報管理ルールに従います。必要に応じて固有名詞や具体値を抽象化してください。

生成AIに任せすぎないためのチェックリスト

  • 問題を事実で定義したか
  • AIの原因候補を事実扱いしていないか
  • 各「なぜ」を元データで確認したか
  • 因果の飛躍をチェックしたか
  • 人のミスで止めていないか
  • 原因枝を複数確認したか
  • 根本原因候補を追加データで検証したか
  • 反証データも確認したか
  • 原因と対策が対応しているか
  • 対策を過大にしていないか
  • 改善前後を同じ指標で比較したか
  • 残った問題を別原因枝として扱ったか
  • 機密情報を不用意に入力していないか

まとめ

生成AIは、なぜなぜ分析を効率よく進めるための補助役として使えます。

特に役立つのは、問題文レビュー、原因候補の拡張、因果の抜け確認、仕組みを掘る質問、原因分岐、根本原因候補の検証項目、反証質問、対策案、再発確認項目の作成です。

一方で、問題の事実、各段階の因果、根本原因、対策採否、再発確認は人が担う必要があります。

生成AIに「原因を当ててもらう」のではなく、「候補を広げる」「反証を増やす」「検証漏れを減らす」ために使うと、なぜなぜ分析をより速く、かつ事実に基づいた形で実践しやすくなります。

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