MENU

生成AIでStage-Gateを使う方法|プロンプト例と人が確認すべきポイント

Stage-Gateは、研究開発や新製品開発のテーマを複数のStage(活動区間)とGate(評価ポイント)に分け、節目ごとに継続・中止・保留・やり直しを判断する方法です。

生成AIを補助的に使うと、Gateで確認すべき論点の整理、事実・仮説・未確認事項の分類、追加検証候補の洗い出し、Go / Kill / Hold / Recycleの判断材料整理、次Stageへ持ち越す条件の具体化、振り返りの抜け確認などを効率化できます。

一方で、生成AIにStage-Gateの判断そのものを任せると、実在しない試験結果を補ったり、未確認の改善案を「実現可能」と扱ったり、追加投資や中止判断を根拠なく勧め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Stage-Gateを運用する際に、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。

Stage-Gateの基本から確認したい場合は、Stage-Gateとは?を参照してください。具体的な進め方は、Stage-Gate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

Stage-Gateでは、生成AIを意思決定者ではなく、論点整理・候補出し・レビューの補助役に置くと使いやすくなります。

使いやすい場面は次の7つです。

  1. Gate評価論点を整理する
  2. 事実・仮説・未確認事項を分類する
  3. 追加検証候補を洗い出す
  4. Go / Kill / Hold / Recycleの判断材料を比較する
  5. 条件付きGoやRecycleの次条件を具体化する
  6. Stageが進むにつれて必要な証拠水準をレビューする
  7. テーマ終了時の学びを整理する

AIの出力は、顧客ヒアリング、試験結果、設計仕様、コスト見積もり、リスク情報、社内Gate基準へ照合して使います。

1. Gate評価論点を整理させる

Gateの前に、「何を確認すべきか」が抜けていないかをAIにレビューさせます。

プロンプト例

次の研究開発テーマについて、Gateで確認すべき論点候補を整理してください。

テーマ: 工場設備の振動を常時監視し、異常兆候を早期に捉える小型無線センサー。

今回のStage目的: 主要な技術成立性を確認する。

確認済み項目:

  • センサー感度
  • 通信安定性
  • 平均消費電力
  • 電池寿命見積もり

条件:

  • 顧客価値、技術成立性、主要リスク、必要資源の観点に分ける
  • 実在しないデータを追加しない
  • Gate基準そのものは決めない

出力の使い方

AIが、

  • 対象異常を識別できるか
  • 金属遮蔽物環境で通信が安定するか
  • 電池寿命目標への到達見通しがあるか
  • 未解決リスクが次Stageで管理可能か
  • 次Stageの追加投資に合理性があるか

と整理したら、人が正式なGate基準と照合します。

AIに「この項目ならGo」と決めさせるのではなく、論点抜けを防ぐために使います。

2. 事実・仮説・未確認事項を分類させる

Stage-Gateでは、期待や改善案を確認済み事実として扱わないことが重要です。

プロンプト例

次の内容を、確認済み事実、仮説、未確認事項に分類してください。

  • センサー感度試験では対象異常を識別できた
  • 金属遮蔽物環境で通信切れが発生した
  • アンテナ配置を変更すれば通信が改善すると思う
  • 現行設計の平均消費電力は目標を上回った
  • スリープ制御を見直せば電池寿命を伸ばせる可能性がある
  • 改善後の通信切れ率はまだ測定していない

条件:

  • 元情報から推測を追加しない
  • 「可能性」「見込み」は仮説として扱う
  • 未測定は未確認事項として扱う

出力の使い方

AIの分類結果を会議資料の下書きに使い、人が原データへ照合します。

たとえば、

確認済み事実:

  • 対象異常を識別できた
  • 金属遮蔽物環境で通信切れが発生した
  • 平均消費電力は目標超過

仮説:

  • アンテナ配置変更で通信改善できる可能性
  • スリープ制御見直しで消費電力低減できる可能性

未確認事項:

  • 改善後の通信切れ率
  • 改善後の平均消費電力

と分かれます。

正式な区分は、試験記録と担当者確認を基に人が確定します。

3. 追加検証候補を洗い出させる

Recycleを検討する場面では、「何を追加で確かめれば判断できるか」をAIに候補出しさせます。

プロンプト例

次の未確認事項について、追加検証候補を整理してください。

未確認事項:

  • 金属遮蔽物環境での通信改善可能性
  • 平均消費電力の低減可能性

改善仮説:

  • アンテナ位置変更
  • 通信再送制御の見直し
  • スリープ時間延長
  • 測定頻度最適化

条件:

  • 検証項目、必要データ、成功時に何が分かるかを整理する
  • 成功を前提にしない
  • 実施期間や費用を勝手に作らない

出力の使い方

AIが、

  • アンテナ位置変更前後の通信切れ率比較
  • 遮蔽物条件をそろえた再試験
  • スリープ制御変更前後の平均消費電力比較
  • 更新後の電池寿命見積もり

を候補として出したら、人が実験可能性と優先順位を決めます。

4. Go / Kill / Hold / Recycleの判断材料を比較させる

生成AIに最終判断をさせず、各判断に必要な論点を比較させます。

プロンプト例

次の状況について、Go / Kill / Hold / Recycleを判断する際の確認材料を整理してください。

状況:

  • センサー感度は目標に近い
  • 金属遮蔽物環境で通信課題あり
  • 平均消費電力は目標未達
  • 改善案はあるが未検証

確認観点:

  • 顧客価値
  • 技術成立性
  • 追加検証で減らせる不確実性
  • 追加投資の大きさ
  • 外部前提待ちの有無

条件:

  • 最終判断はしない
  • 判断ごとに「どの状態なら検討しやすいか」を整理する

出力の使い方

AIの出力を、たとえば次のように整理して使います。

  • Go:主要条件を満たし、残存リスクが許容可能
  • Kill:顧客価値や技術成立性の前提が崩れ、追加投資の合理性が低い
  • Hold:外部規格、顧客決定、予算など前提待ち
  • Recycle:追加検証で重要な不確実性を減らせる

実際にどれを選ぶかは、組織のGate基準と追加投資判断を基に人が決めます。

5. 条件付きGoやRecycleの次条件を具体化する

Stage-Gateでありがちな失敗は、「条件付きGo」とだけ書いて条件が曖昧なことです。

プロンプト例

次のGate判断を、次Stageで実行可能な条件へ具体化してください。

判断:Recycle

理由: 通信安定性と平均消費電力が未達だが、改善仮説があり追加検証で判断可能。

条件:

  • 何を測るか
  • 何を更新するか
  • 誰の担当か
  • 期限
  • 再Gate要否

制約:

  • 担当者名・期限は空欄で示す
  • 目標値を勝手に作らない

出力の使い方

AIが、

  • 通信切れ率を再測定
  • 平均消費電力を再測定
  • 電池寿命見積もりを更新
  • 重大リスク一覧を更新
  • 再Gate実施

と出したら、人が正式な担当、期限、達成基準を埋めます。

そのまま使える記入型が必要なら、Stage-Gateテンプレートを使うと、Gate条件、判断理由、次Stage条件、担当・期限まで整理できます。

6. 証拠水準がStageに合っているかレビューさせる

初期Stageと後半Stageで、同じ証拠水準を使ってはいけません。

プロンプト例

次のStage別証拠案について、証拠水準が段階的に上がっているかレビューしてください。

Stage 1:顧客ヒアリング、技術仮説 Stage 2:要素試験、実測 Stage 3:統合試作品、複合条件評価 Stage 4:顧客現場実証、再現性確認

条件:

  • 不足する証拠の種類だけを指摘する
  • 未取得データを取得済みと扱わない
  • 正式なGate基準は人が決める

出力の使い方

AIが「Stage 4で顧客現場データが不足」「再現性確認がない」などを指摘したら、次の評価計画へ反映します。

後半Stageで「理論上いける」という説明だけになっていないかをチェックする用途に向きます。

7. テーマ終了時の学びを整理させる

GoでもKillでも、学びを残すことが重要です。

プロンプト例

次のテーマ終了記録から、類似テーマへ再利用できる学びを整理してください。

記録:

  • 初期の通信リスク評価は妥当だった
  • 電池寿命は机上計算だけでは不十分だった
  • 設置工数の問題は統合試作で初めて明確になった
  • Recycleで小さい追加投資により重要な不確実性を減らせた

条件:

  • 成功要因、見落とし、次回の改善案に分ける
  • 新しい事実を追加しない

出力の使い方

AIの整理をそのまま確定版にせず、プロジェクト責任者が振り返り記録として確認します。

通し例|小型無線センサーのStage-Gateを生成AIで補助する

ここでは、工場設備向け小型無線センサー開発を通して、AIをどこで使うかを見ます。

Stage 1|探索

開発チームは、設備保全部門へのヒアリング結果、既存点検方法、競合情報、技術仮説をまとめました。

AIには、

顧客課題、技術機会、主要リスク、次Stageで確認すべき論点に分類してください。

と依頼しました。

AIは、

  • 巡回点検負荷
  • 異常兆候の早期検知ニーズ
  • 電池交換負荷
  • 設置作業負荷
  • 通信安定性

などを整理しました。

人は元のヒアリング記録に戻り、実際に確認できた内容だけを採用しました。

Gate 1の判断は、AIではなくGateメンバーが行い、「感度・通信・電池寿命を次Stageで重点検証する条件付きGo」としました。

Stage 2|技術成立性検証

要素試験では、センサー感度は良好でしたが、金属遮蔽物環境で通信切れが発生し、平均消費電力も目標未達でした。

AIには、事実・仮説・未確認事項の分類を依頼しました。

AI出力を人が確認し、

  • 事実:通信切れ、消費電力目標超過
  • 仮説:アンテナ配置変更、スリープ制御で改善可能
  • 未確認:改善後の通信切れ率、平均消費電力

と整理しました。

Gate 2|Recycle候補を検討

AIには、Go / Kill / Hold / Recycleごとの判断材料を整理させました。

その結果、「追加検証で重要な不確実性を減らせるならRecycle」という論点が明確になりました。

人は、追加試験の工数、費用、判断価値を確認し、Recycleを決定しました。

ここでAIが「Recycleすべき」と決めたわけではありません。

追加検証

AIには、改善仮説から必要な確認項目の候補を出させました。

  • アンテナ位置変更前後の通信切れ率
  • 再送制御変更後の通信安定性
  • スリープ制御後の平均消費電力
  • 更新後の電池寿命見積もり

人が実験条件を確定し、実測を行いました。

再Gateでは、通信切れ率と平均消費電力の改善、電池寿命目標への到達見通しを確認し、Goとしました。

Stage 3|統合試作

統合試作品では技術性能は概ね良好でしたが、取り付け治具が複雑で設置工数が大きい課題が出ました。

AIには、

技術性能以外にGateで確認すべき顧客運用論点を整理してください。

と依頼しました。

AIは、設置時間、工具点数、作業手順、保守負荷などを候補として整理しました。

人は顧客運用実態と照合し、「現場設置時間の改善」を次Stageの必須条件にしました。

Stage 4|顧客実証

AIには、顧客実証前のチェックリストレビューを依頼しました。

確認対象は、

  • 異常兆候検出
  • 通信安定性
  • 電池寿命
  • 設置工数
  • 操作性
  • 顧客運用性

です。

実証結果をAIへまとめさせても、最終GateのGo判断は人が行いました。

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

正式なGate基準、試験条件、達成基準、Go / Kill / Hold / Recycle、追加投資、担当・期限、最終判断は人が担当しました。

具体的なStage-Gateの適用過程をケースで追いたい場合は、Stage-Gate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、Stage-Gate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

Gate基準

AIに基準を作らせてそのまま採用せず、顧客価値、技術目標、事業条件、リスク許容度、社内標準へ照合します。

事実と仮説

AIが文章上きれいにまとめても、元データで確認できなければ事実ではありません。

Go / Kill / Hold / Recycle

最終判断は、追加投資、機会損失、技術成立性、顧客価値、事業性を踏まえて人が行います。

条件付きGo

条件、達成基準、担当、期限、再Gateを人が確定します。

追加検証

AIが出した候補は、実験の安全性、費用、期間、設備制約を確認して採否を決めます。

証拠水準

Stageが進むほど、仮説から実測、統合試作、顧客実証へ証拠を強くします。

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。

  • 実在しない試験結果や顧客情報を補う
  • 仮説を確認済み事実のように書く
  • 未検証の改善案を実現可能と断定する
  • Gate基準を一般論で作る
  • Go / Kill / Hold / Recycleを根拠なく勧める
  • 追加投資額や期限を勝手に作る
  • 技術性能だけを重視し、顧客運用性を見落とす
  • 条件付きGoの条件を抽象化する
  • Stageが進んでも証拠水準の違いを意識しない
  • 過去の判断を正当化する方向に文章を整える

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Gate判断では、原データ、試験記録、顧客情報、コスト、リスク、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に架空の試験結果や顧客情報を作らせていないか
  • 事実・仮説・未確認事項を元データへ照合したか
  • Gate基準を人が正式に決めたか
  • Go / Kill / Hold / Recycleを人が判断したか
  • HoldとRecycleを前提待ち/追加検証で区別したか
  • 条件付きGoに達成基準・担当・期限・再Gateを付けたか
  • 追加検証の費用・期間・安全性を人が確認したか
  • Stageが進むほど証拠水準を上げたか
  • 技術性能だけでなく顧客運用性も確認したか
  • AIの要約だけでなく原データを見たか
  • 最終的な投資判断責任者が明確か

まとめ

生成AIは、Stage-Gateの論点整理とレビューを効率化する補助役として使えます。

特に、Gate評価論点、事実・仮説・未確認事項の分類、追加検証候補、Go / Kill / Hold / Recycleの判断材料、条件付きGoやRecycleの次条件、証拠水準、テーマ終了時の学び整理で使いやすいです。

一方で、正式なGate基準、試験条件、達成基準、追加投資、Go / Kill / Hold / Recycle、担当・期限、最終判断は人が管理する必要があります。

生成AIにStage-Gateの意思決定を任せるのではなく、「論点を出させる」「事実と仮説を分けさせる」「追加検証候補を出させる」「抜けをレビューさせる」ために使うと、判断の根拠と責任を人に残しながら運用を効率化できます。

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