MENU

生成AIで感度分析を使う方法|プロンプト例と人が確認すべきポイント

感度分析は、投資や事業評価の前提を1つずつ動かし、NPV、IRR、利益、キャッシュフローなどの結果がどの程度変わるかを見る方法です。

生成AIを補助的に使うと、候補変数の洗い出し、変動幅の考え方、計算構造のチェック、ブレークポイント候補、投資後KPIの整理を効率化できます。

一方で、生成AIに感度分析そのものを丸投げすると、根拠のない変動幅を作る、複数変数を同時に動かす、NPVやIRRを誤計算する、入力にない前提を補う、最終投資判断まで断定するといった危険があります。

この記事では、生成AIを感度分析の補助として使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、AIの限界まで含めて解説します。

感度分析の基本から確認したい場合は、感度分析とは?を参照してください。実務の手順は、感度分析のやり方で確認できます。

目次

生成AIを使いやすい6つの場面

生成AIは、次の6つの場面で使いやすいです。

  1. 感度分析の候補変数を洗い出す
  2. 変数ごとの変動幅候補を整理する
  3. 1変数ずつ動かす計算構造を確認する
  4. 影響度の読み方を整理する
  5. ブレークポイント候補を言語化する
  6. 投資前の追加確認事項と投資後KPIを整理する

重要なのは、AIを「計算の責任者」ではなく「整理・レビュー補助」に置くことです。

1. 候補変数を洗い出させる

感度分析では、まず何を動かすべきかを考えます。

プロンプト例

次の投資案件について、感度分析の候補変数を洗い出してください。

案件:BtoB設備保守サービス会社の遠隔監視システム投資 評価期間:5年 主な成果指標:NPV、IRR、回収期間

条件:

  • 売上側、コスト側、投資側、資本コスト側に分ける
  • 入力にない数値は作らない
  • 各変数がどの結果へ効くかを示す
  • 最終的な採用変数は決めない

出力の使い方

AIから、たとえば、

売上側:

  • 新規顧客獲得数
  • 顧客単価
  • 解約率
  • 遠隔監視利用率
  • 追加サービス契約率

コスト側:

  • 人件費
  • 保守費
  • 運用費

投資側:

  • 初期投資額
  • 追加開発費

資本コスト側:

  • 割引率

といった候補が出たら、人が実際の財務モデルや事業ドライバーに照らして優先順位を付けます。

2. 変動幅候補を整理させる

感度分析では、すべての変数を一律±10%で動かすのは避けます。

プロンプト例

次の変数について、変動幅を決めるために確認すべきデータの種類を整理してください。

変数:

  • 新規顧客獲得数
  • 解約率
  • 初期投資額
  • 追加開発費
  • 割引率

条件:

  • 具体的な変動幅は作らない
  • 過去実績、見積レンジ、予算差異、社内基準のどれを見るべきか示す
  • 変数ごとに違う根拠を使う

出力の使い方

AIには、

  • 新規顧客獲得数 → 過去の計画差、営業パイプライン
  • 解約率 → 過去12か月実績、顧客セグメント別差
  • 初期投資額 → 複数見積、仕様変更履歴
  • 追加開発費 → 過去案件の追加費用
  • 割引率 → 社内資本コストレンジ

などを整理させます。

正式な幅は人が決めます。

3. 1変数ずつ動かす構造をチェックさせる

感度分析では、他条件を固定して1つの変数だけを動かすのが基本です。

プロンプト例

次の感度分析案について、1変数ずつ動かす構造になっているか確認してください。

ベースケース:

  • 初期投資:5,000万円
  • 1〜5年目CF:1,200、1,500、1,800、2,000、2,200万円
  • 割引率:8%

分析案:

  • ケースA:新規顧客獲得数-20%
  • ケースB:解約率悪化
  • ケースC:初期投資6,000万円
  • ケースD:追加開発費500万円
  • ケースE:割引率10%

条件:

  • 複数変数同時変更があれば指摘する
  • 数字は修正しない
  • 他条件を固定すべき箇所を示す

出力の使い方

AIには、

ケースAでは新規顧客獲得数だけを変え、解約率・初期投資・割引率はベースに固定する

といったチェックをさせます。

正式な再計算は表計算シートや承認済み財務モデルで行います。

4. 影響度の読み方を整理させる

AIは、結果の比較を文章へ整理する補助にも使えます。

プロンプト例

次の感度分析結果を、影響度が高い・中程度・低いの3段階で整理してください。

条件:

  • 数字そのものは変更しない
  • NPVの変化幅、IRRの余裕、回収期間の変化で見る
  • 発生可能性とは分けて説明する
  • 最終投資判断はしない

出力の使い方

たとえば、

  • 新規顧客獲得数と解約率 → 影響大
  • 初期投資額と追加開発費 → 中程度
  • 割引率6〜10% → 相対的に小さい

という整理が出ても、AIの評価をそのまま採用しません。

実際の変動幅と発生可能性を人が確認します。

5. ブレークポイント候補を整理させる

感度分析は、影響度ランキングだけで終わると実務につながりにくくなります。

プロンプト例

次の投資案件について、確認すべきブレークポイントの問いを作ってください。

評価指標:NPV、IRR、回収期間 主要変数:

  • 新規顧客獲得数
  • 解約率
  • 初期投資額
  • 追加開発費

条件:

  • 閾値そのものは作らない
  • どの変数がどの判断基準を超えると問題か、問いの形で示す

出力例

AIには、

  • 新規顧客獲得数がベース比何%まで下がるとNPV=0になるか
  • 解約率がどこまで悪化するとIRRが社内ハードルレートを下回るか
  • 初期投資額がいくらを超えると回収期間が許容上限を超えるか
  • 追加開発費がいくらを超えるとNPVの余裕がなくなるか

といった問いを作らせます。

正式な閾値は人が財務モデルで逆算します。

6. 投資前の追加確認と投資後KPIを整理させる

感度が高い変数は、そのまま追加確認事項やKPIへつなげると実務で使いやすくなります。

プロンプト例

次の感度分析結果を前提に、投資前に追加確認すべきデータと、投資後に追うKPI候補を整理してください。

感度が高い変数:

  • 新規顧客獲得数
  • 解約率

条件:

  • KPI目標値は作らない
  • 投資前と投資後を分ける
  • 変数とKPIの対応関係を示す

出力の使い方

AIには、投資前として、

  • 受注確度の高い営業パイプライン
  • 過去12か月の解約率
  • 顧客セグメント別継続率
  • 遠隔監視利用意向

投資後として、

  • 月次新規契約数
  • 解約率
  • 遠隔監視利用率
  • 追加サービス契約率

などを候補として出させます。

正式な目標値や見直し条件は人が設定します。

通し例|5,000万円投資を生成AIで補助する

ここでは、BtoB設備保守サービス会社が遠隔監視システムへ5,000万円を投資するケースを通して見ます。

1. 人がベースケースを固定する

  • 初期投資:5,000万円
  • 1年目CF:1,200万円
  • 2年目CF:1,500万円
  • 3年目CF:1,800万円
  • 4年目CF:2,000万円
  • 5年目CF:2,200万円
  • 割引率:8%

とします。

2. AIに候補変数を出させる

AIには、売上、コスト、投資額、資本コストの観点から候補を出させます。

人が事業への影響と不確実性を見て、

  • 新規顧客獲得数
  • 解約率
  • 初期投資額
  • 追加開発費
  • 割引率

を主要変数として採用します。

3. AIに変動幅の根拠候補を整理させる

正式な変動幅は、人が、

  • 新規顧客獲得数:±10%、±20%
  • 初期投資:5,000、5,500、6,000万円
  • 追加開発費:0、300、500万円
  • 割引率:6%、8%、10%
  • 解約率:過去実績レンジ

と決めたとします。

AIは「その幅の根拠が何か」を整理する役です。

4. AIに計算構造を確認させる

新規顧客獲得数-20%を分析するときは、他条件をベースへ固定します。

次に解約率だけ、初期投資額だけ、追加開発費だけ、割引率だけを動かします。

AIには、複数変数を同時に動かしていないかをチェックさせます。

5. 人が正式計算を行う

NPV、IRR、回収期間は、表計算シートや管理会計モデルで人が再計算します。

AIには正式計算の責任を持たせません。

6. AIに結果の整理をさせる

結果として、

  • 新規顧客獲得数
  • 解約率

への感度が高く、

  • 初期投資額
  • 追加開発費

が中程度、

  • 割引率6〜10%

が相対的に小さいとします。

AIには、その違いを文章で整理させます。

7. 人がブレークポイントを計算する

人が正式モデルで、

  • 新規顧客獲得数が何%下がるとNPV=0か
  • 解約率がどこまで悪化するとIRRがハードルレートを割るか
  • 初期投資がいくらを超えると回収期間が許容外か

を逆算します。

8. 人が最終判断する

感度が高かった顧客獲得数と解約率について、営業パイプラインと過去実績を追加確認し、投資後も月次新規契約数と解約率を継続監視します。

この通し例でAIが担当したのは、候補変数、変動幅の根拠候補、計算構造チェック、結果の言語化、ブレークポイントの問い、KPI候補です。

正式な前提値、財務計算、閾値、投資判断は人が担当しました。

そのまま使える入力型が必要なら、感度分析テンプレートが使えます。具体的な適用過程をケースで追いたい場合は、感度分析の具体例を参照してください。

人が必ず確認すべきポイント

ベースケース

AIが入力にない売上、CF、投資額、割引率を補っていないか確認します。

変動幅

±10%・±20%といった幅をAIが勝手に作っていないか確認します。正式な幅は実績や見積に基づいて人が決めます。

1変数ずつ動いているか

顧客獲得数を動かすケースで、解約率や投資額まで同時に変わっていないか確認します。

財務計算

NPV、IRR、回収期間は承認済みの計算ロジックで再確認します。

ブレークポイント

AIが閾値を推測していないか確認します。NPV=0やIRR基準割れは正式モデルで逆算します。

発生可能性

感度が高い変数でも、実際にその幅まで動く可能性が低い場合があります。感度と発生可能性を分けます。

最終投資判断

AIが「NPVがプラスなので投資すべき」と結論しても、そのまま採用しません。

よくある失敗を確認したい場合は、感度分析で失敗しやすいポイントも参考になります。

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。

  • 入力にない前提値を作る
  • すべての変数を一律±10%にする
  • 複数変数を同時に動かす
  • 感度分析とシナリオ分析を混同する
  • NPVやIRRを誤計算する
  • 割引率の扱いを誤る
  • 影響度と発生可能性を混同する
  • NPVがプラスだけで問題なしと判断する
  • 根拠なくブレークポイントを作る
  • KPI目標値を勝手に作る
  • 古いベースケースを使い続ける
  • 最終投資判断まで断定する

また、同じAIに分析案の作成と最終レビューをさせると、自分が出した候補を正当化する方向へ偏る可能性があります。

重要な判断では、正式な見積、会計データ、顧客実績、管理会計モデル、社内投資基準へ戻ります。

生成AIに任せすぎないためのチェックリスト

  • ベースケースを人が固定したか
  • 正式な前提値をAIに作らせていないか
  • 主要変数を人が選んだか
  • 変動幅を実績・見積から決めたか
  • 1変数ずつ動かしているか
  • 複数変数同時変更をシナリオ分析と分けたか
  • NPV・IRR・回収期間を正式モデルで再計算したか
  • 感度と発生可能性を分けたか
  • 影響度だけで結論を出していないか
  • ブレークポイントを正式モデルで逆算したか
  • 感度が高い変数を投資前に追加確認したか
  • 投資後KPIへつなげたか
  • KPI目標値をAIに作らせていないか
  • ベースケース更新後に再分析したか
  • AIに最終投資判断を丸投げしていないか

まとめ

生成AIは、感度分析の前提整理やレビューを効率化する補助役として使えます。

特に、候補変数の洗い出し、変動幅の根拠候補、1変数ずつ動かす構造チェック、影響度の言語化、ブレークポイントの問い、投資前の追加確認事項と投資後KPI候補の整理で使いやすいです。

一方で、正式な前提値、変動幅、NPV・IRR・回収期間の計算、ブレークポイント、最終投資判断は人が管理する必要があります。

生成AIに「感度分析を完成させてもらう」のではなく、「候補を出させる」「計算構造の誤りを探させる」「結果を整理させる」「確認すべき閾値とKPI候補を広げさせる」ために使うと、判断責任を人に残しながら感度分析を効率化できます。

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