MENU

生成AIでQFDを使う方法|プロンプト例と人が確認すべきポイント

QFD(Quality Function Deployment、品質機能展開)は、顧客の声を要求品質へ整理し、それを技術特性へ変換して、何を優先して開発すべきかを明確にする方法です。

生成AIを補助的に使うと、顧客の声(VOC)の整理、要求品質候補の発散、技術特性候補の洗い出し、要求品質と技術特性の関係の抜け確認、技術特性同士のトレードオフ候補、目標・検証観点のレビューなどを効率化できます。

一方で、生成AIにQFDを丸ごと作らせると、実在しない顧客の声を補ったり、顧客価値と技術解を混同したり、根拠のない重要度や関係強度を付けたりする危険があります。

この記事では、研究開発・技術開発でQFDを進める際に、生成AIをどこで使い、どこを人が確認すべきかを、具体的なプロンプト例と通し例で解説します。

QFDの基本から確認したい場合は、QFDとは?を参照してください。具体的な進め方は、QFDのやり方で確認できます。

目次

生成AIを使いやすい7つの場面

QFDでは、生成AIを意思決定者ではなく、候補出し・整理・レビューの補助役に置くと扱いやすくなります。

使いやすい場面は次の7つです。

  1. 顧客の声を整理する
  2. 顧客の声から要求品質候補を出す
  3. 要求品質から技術特性候補を出す
  4. 要求品質と技術特性の関係の抜けを確認する
  5. 技術特性同士のトレードオフ候補を整理する
  6. 優先技術課題を決めるための確認観点を整理する
  7. 技術目標・検証計画の抜けをレビューする

AIが出した内容をそのまま品質表へ転記せず、顧客ヒアリング、利用観察、既存製品データ、競合情報、技術試験、社内基準へ照合することが前提です。

1. 顧客の声を整理させる

顧客インタビューや営業・サービス記録には、似た意味の発言や、困りごとと解決案が混ざっています。

プロンプト例

次の顧客の声を、意味が近いものごとに整理してください。

対象製品:工場の設備点検で使う小型計測機器 対象顧客:保全・設備技術者

顧客の声:

  • 1日持ち歩くと重い
  • 点検途中で充電が切れると困る
  • 手袋を外さず操作したい
  • 暗い設備室では表示が見にくい
  • 大容量バッテリーにしてほしい
  • 落としたとき壊れないか不安

条件:

  • 顧客の発言を新しく作らない
  • 困りごとと技術的な解決案を分ける
  • 元発言が追えるようにする

出力の使い方

AIが、

  • 携帯負担
  • 長時間使用
  • 手袋操作
  • 暗所視認性
  • 落下耐性

のように整理したら、人が元データと照合します。

「大容量バッテリーにしてほしい」は、要求そのものではなく技術的な解決案かもしれません。その背景が「点検途中で充電切れしたくない」であれば、顧客価値は長時間使用側にあります。

2. 顧客の声から要求品質候補を出させる

生成AIは、顧客の言葉を顧客価値の表現へ言い換える補助にも使えます。

プロンプト例

次の顧客の声から、QFDの要求品質候補を出してください。

顧客の声:

  • 1日持ち歩くと重い
  • 手袋を外さず操作したい
  • 暗い設備室では表示が見にくい
  • 点検途中で充電が切れると困る
  • 落としたとき壊れないか不安

条件:

  • 技術手段ではなく「顧客にとって望ましい状態」で書く
  • 部品名や技術名を入れない
  • 元発言との対応を示す
  • 重複候補はまとめる

出力の使い方

AIが、

  • 持ち運びの負担が小さい
  • 手袋着用時でも操作しやすい
  • 暗所でも表示を判読しやすい
  • 1回の充電で長時間使用できる
  • 落下しても壊れにくい

と出したら、人が顧客の発言背景と照合します。

正式な要求品質は、AIの文章ではなく、顧客理解を持つチームが確定します。

3. 要求品質から技術特性候補を出させる

要求品質が決まったら、測定可能な技術特性候補をAIに出させます。

プロンプト例

次の要求品質に影響する、測定可能な技術特性候補を出してください。

要求品質:

  • 持ち運びの負担が小さい
  • 手袋着用時でも操作しやすい
  • 暗所でも表示を判読しやすい
  • 1回の充電で長時間使用できる
  • 落下しても壊れにくい

条件:

  • 抽象語ではなく測定・評価可能な特性にする
  • 単位または評価方法の候補を示す
  • 実在しない規格値は作らない
  • 技術特性を正式採用したことにしない

出力の使い方

AIは、

  • 製品質量
  • 外形寸法
  • ボタン寸法
  • ボタン操作力
  • 表示輝度
  • コントラスト
  • 連続動作時間
  • 平均消費電力
  • バッテリー容量
  • 落下耐性

などを候補として出せます。

人は、設計で動かせるか、測定できるか、要求品質との因果関係を説明できるかを確認して採用します。

4. 関係づけの抜けを確認させる

要求品質と技術特性の関係マトリクスを作るとき、生成AIは「抜けの候補」を見つける補助に使えます。

プロンプト例

次のQFD関係づけ案について、抜けや不自然な関係候補を指摘してください。

要求品質:

  • 持ち運びの負担が小さい
  • 手袋でも操作しやすい
  • 暗所でも表示を判読しやすい
  • 長時間使用できる
  • 落下しても壊れにくい

技術特性:

  • 製品質量
  • ボタン寸法
  • 操作力
  • 表示輝度
  • コントラスト
  • 連続動作時間
  • 平均消費電力
  • バッテリー容量
  • 落下耐性

条件:

  • 関係強度を勝手に確定しない
  • 強い/中/弱の候補理由だけ示す
  • 関係がない可能性も認める
  • 根拠が必要な箇所を指摘する

出力の使い方

AIが、

  • 持ち運び負担 ↔ 製品質量:強い可能性
  • 暗所視認 ↔ 表示輝度・コントラスト:強い可能性
  • 長時間使用 ↔ 連続動作時間・平均消費電力・バッテリー容量:強い可能性

と出しても、関係強度は過去試験や物理関係を見て人が決めます。

根拠が弱い部分は、追加試験や評価項目として残します。

5. 技術特性同士のトレードオフ候補を整理させる

QFDでは、要求品質との関係だけでなく、技術特性同士の衝突も重要です。

プロンプト例

次の技術特性の間にあり得るトレードオフ候補を整理してください。

技術特性:

  • 製品質量
  • バッテリー容量
  • 連続動作時間
  • 平均消費電力
  • 落下耐性
  • 表示輝度

条件:

  • 一般的な可能性として示す
  • 実機で確認していない関係を断定しない
  • トレードオフを確認するために必要なデータも示す

出力の使い方

AIが、

  • バッテリー容量↑ → 連続動作時間↑の可能性
  • バッテリー容量↑ → 製品質量↑の可能性
  • 筐体強化 → 落下耐性↑だが質量↑の可能性
  • 表示輝度↑ → 消費電力↑の可能性

と出したら、人が実機構成とデータで確認します。

トレードオフがあると分かれば、単一特性だけを最大化せず、低消費電力化、構造最適化、表示制御など複数の技術課題へ広げられます。

6. 優先技術課題の確認観点を整理させる

生成AIに「この技術を最優先」と決めさせるのではなく、優先順位を決めるための観点を整理させます。

プロンプト例

次のQFD結果から優先技術課題を決める際の確認観点を整理してください。

重要要求:

  • 長時間使用
  • 落下耐性
  • 暗所視認性
  • 携帯負担

重点技術特性候補:

  • 連続動作時間
  • 平均消費電力
  • 製品質量
  • 表示輝度
  • コントラスト
  • 落下耐性

確認観点:

  • 顧客重要度
  • 関係強度
  • 現状ギャップ
  • 技術難易度
  • コスト
  • 安全・法規
  • トレードオフ

条件:

  • 優先順位を確定しない
  • 合計スコアだけで決めない

出力の使い方

AIの出力をチェックリストとして使い、最終判断は開発チームが行います。

たとえば連続動作時間の重要度が高くても、単純なバッテリー大型化で質量目標を損なうなら、平均消費電力の改善を同時に優先する判断が必要です。

7. 技術目標・検証計画の抜けをレビューさせる

QFDは優先順位を決めただけで終わらず、目標と検証へつなげる必要があります。

プロンプト例

次の技術目標案について、検証計画の抜けを確認してください。

目標候補:

  • 連続動作時間:10時間以上
  • 製品質量:700g以下
  • 暗所表示:社内視認性基準を満たす
  • 落下耐性:社内規定の落下試験を満たす

確認観点:

  • 試験条件
  • 測定方法
  • 合格基準
  • 試作段階
  • 繰り返し回数
  • 使用環境
  • 他特性への影響

条件:

  • 基準値を新しく作らない
  • 正式な合否基準は人が決める

出力の使い方

AIが「連続動作時間の標準使用条件が未定」「落下試験の高さ・回数・方向が社内規定と照合必要」と指摘したら、人が試験基準へ反映します。

通し例|小型計測機器のQFDを生成AIで補助する

開発チームは、工場設備点検で使う小型計測機器の次期モデルを検討していました。

対象顧客は、工場内を巡回する保全・設備技術者です。

1. AIに顧客の声を整理させる

入力した顧客の声は、

  • 1日持ち歩くと重い
  • 手袋を外さず操作したい
  • 暗い設備室では表示が見にくい
  • 点検途中で充電が切れると困る
  • 落としたとき壊れないか不安
  • 大容量バッテリーにしてほしい

でした。

AIは、携帯負担、操作性、暗所視認性、長時間使用、落下耐性へ整理しました。

人は「大容量バッテリー」を要求として採用せず、その背景が「途中充電したくない」ことだと確認しました。

2. AIに要求品質候補を出させる

AIは、

  • 持ち運びの負担が小さい
  • 手袋着用時でも操作しやすい
  • 暗所でも表示を判読しやすい
  • 1回の充電で長時間使用できる
  • 落下しても壊れにくい

を候補として出しました。

人は元発言との対応と重複を確認して正式化しました。

3. AIに技術特性候補を出させる

AIは、

  • 製品質量
  • 外形寸法
  • ボタン寸法
  • 操作力
  • 表示輝度
  • コントラスト
  • 連続動作時間
  • 平均消費電力
  • バッテリー容量
  • 落下耐性

を候補として出しました。

人は、測定可能性と設計変更可能性を確認しました。

4. 関係づけをAIにレビューさせる

AIには関係強度を決めさせず、抜けだけを確認させました。

その結果、

  • 持ち運び負担と製品質量
  • 手袋操作とボタン寸法・操作力
  • 暗所視認と表示輝度・コントラスト
  • 長時間使用と連続動作時間・平均消費電力・バッテリー容量
  • 落下耐性要求と落下耐性特性

の対応を重点確認しました。

実際の強・中・弱は、過去データと技術知見を使って人が決めました。

5. トレードオフ候補をAIに出させる

AIは、

  • バッテリー容量増加と製品質量増加
  • 表示輝度増加と消費電力増加
  • 筐体強化と製品質量増加

の可能性を指摘しました。

人は現行設計へ照合し、実際に確認すべき項目を選びました。

6. 現状・競合差を人が入力する

自社現行品は850g、競合Aは650g、競合Bは780gでした。

また、自社現行品の連続動作時間は6時間で、1日点検では不足するケースがありました。

これらの実測・確認済み情報は人が入力し、AIに架空の競合値を作らせませんでした。

7. 優先技術課題を人が決める

顧客重要度、関係強度、現状ギャップ、技術難易度、トレードオフを見て、

  • 連続動作時間
  • 平均消費電力
  • 製品質量
  • 表示輝度・コントラスト
  • 落下耐性

を重点技術特性としました。

8. 技術目標と検証をAIにレビューさせる

目標候補として、

  • 連続動作時間:10時間以上
  • 製品質量:700g以下
  • 暗所表示:社内視認性基準
  • 落下耐性:社内規定の落下試験

を置きました。

AIには、試験条件や他特性への影響の抜けを確認させ、人が正式な試験方法と合否基準を決めました。

この通し例で生成AIが担当したのは、候補出し、整理、抜け確認、レビューです。

正式な対象顧客、要求品質、重要度、技術特性、関係強度、競合差、優先順位、目標値、検証基準は人が担当しました。

そのまま使える記入型が必要なら、QFDテンプレートを使うと、顧客の声、要求品質、重要度、技術特性、関係づけ、現状・競合、トレードオフ、目標、検証まで整理できます。

具体的な適用過程をケースで追いたい場合は、QFD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、QFD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

顧客の声

AIに顧客の発言を作らせず、実際のインタビュー・観察・営業記録を使います。

要求品質

顧客価値と技術手段が混ざっていないかを確認します。

重要度

顧客ヒアリング件数、利用頻度、業務影響、購買判断などの根拠を使います。

技術特性

測定可能で、設計・技術側が制御または評価できるかを確認します。

関係強度

AIの印象ではなく、過去試験、現行製品データ、物理関係、技術知見を根拠にします。

現状・競合差

AIに数値を生成させず、確認済み情報だけを使います。

優先順位

合計スコアだけで決めず、技術難易度、コスト、安全、法規、トレードオフも確認します。

技術目標と検証

目標値と合否基準は正式な顧客要求・競合情報・社内基準へ照合します。

生成AIの誤りと限界

生成AIは、次のような誤りを起こす可能性があります。

  • 実在しない顧客の声を補う
  • 顧客の困りごとと技術解を混同する
  • 要求品質を技術用語で書く
  • 顧客重要度を推測で付ける
  • 技術特性を抽象語のまま出す
  • 関係強度を根拠なく確定する
  • 競合値や仕様値を作る
  • 全マスに何らかの関係を付ける
  • トレードオフを一般論だけで断定する
  • 合計スコア最大の特性を機械的に最優先とする
  • 目標値や試験基準を勝手に作る

同じAIに候補生成とレビューをさせる場合、自分が出した誤りを見逃す可能性もあります。

重要な判断では、顧客データ、試験結果、設計仕様、競合情報、社内基準へ人が照合します。

生成AIに任せすぎないためのチェックリスト

  • AIに架空の顧客の声を作らせていないか
  • 顧客の声と技術解を分けたか
  • 要求品質を顧客価値の表現にしたか
  • 重要度を人が顧客根拠で決めたか
  • 技術特性を測定可能にしたか
  • 関係強度を人が根拠付きで決めたか
  • 競合値をAIに推測させていないか
  • トレードオフを実データで確認したか
  • 合計スコアだけで優先順位を決めていないか
  • 技術目標を正式情報へ照合したか
  • 検証条件と合否基準を人が確定したか
  • 最終的な開発判断責任者が明確か

関連手法との違い

故障リスク分析との違いは、FMEAとQFDの違いで整理できます。

研究開発プロセスの節目管理との違いは、Stage-GateとQFDの違いで確認できます。

技術成熟度評価との違いは、TRLとQFDの違いで確認できます。

FMEA・Stage-Gate・QFDを目的別に選びたい場合は、FMEA・Stage-Gate・QFDの使い分けも参考になります。

まとめ

生成AIは、QFDの候補出しとレビューを効率化する補助役として使えます。

特に、顧客の声の整理、要求品質候補、技術特性候補、関係づけの抜け確認、技術特性同士のトレードオフ候補、優先順位の確認観点、技術目標・検証計画のレビューで使いやすいです。

一方で、正式な顧客の声、要求品質、重要度、技術特性、関係強度、競合差、優先順位、目標値、合否基準は人が管理する必要があります。

生成AIにQFDを完成させてもらうのではなく、「候補を出させる」「整理させる」「抜けを確認させる」「レビューさせる」ために使うと、作業を効率化しながら、顧客価値と技術判断の責任・根拠を人に残した運用がしやすくなります。

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