AHP(Analytic Hierarchy Process)は、複数の候補を複数の評価基準で比較し、優先順位を整理するための方法です。
実務では、候補が多い、評価基準が複雑、関係者の価値観がばらつく、といった場面で使いやすい一方、使い方を誤ると「数字を入れれば結論が出る仕組み」になりやすくなります。
特に起こりやすいのは、結論ありきで評価基準を作る、一対比較の数字だけを入力して理由を残さない、似た評価基準を重複させる、整合性指標だけを機械的に見る、総合得点1位を自動採用する、といった失敗です。
この記事では、AHPでありがちな失敗を、具体的な失敗場面、原因、改善前後、改善後の状態、読者用チェックポイントの順で解説します。
AHPの意味や基本構造から確認したい場合は、AHPとは?を、実際の手順から確認したい場合はAHPのやり方を参照してください。
失敗1|結論ありきで評価基準を作る
ありがちな失敗場面
営業支援システムAを採用したい担当者が、Aに有利な「既存業務との親和性」「営業部門からの人気」といった評価基準を後から追加します。
原因
AHPを意思決定の補助ではなく、既に決めた結論を正当化する道具として使っているためです。
改善前
AHPの計算結果は出ても、評価基準そのものにバイアスがあるため、比較の公正さが失われます。
改善方法
候補比較の前に、意思決定目的と評価基準を確定します。
たとえば、
- 業務適合度
- 導入コスト
- 導入スピード
- 運用しやすさ
を、候補A/B/Cを見る前に合意します。
改善後の状態
候補ごとの好き嫌いではなく、先に合意した基準で比較できます。
チェックポイント
- 特定候補に有利な基準を後から追加していないか
- 基準は候補評価前に決めたか
- 意思決定目的との関係を説明できるか
失敗2|評価基準が重複している
ありがちな失敗場面
次のような基準を同時に入れます。
- 使いやすさ
- 操作性
- 現場の使い勝手
実質的にはかなり似ています。
原因
基準数を増やすほど精緻になると考えているためです。
改善前
似た観点へ重みが重複し、特定の要素が過大評価されます。
改善方法
各基準について、
- 何を評価するのか
- 他の基準と何が違うのか
- どのデータで評価するのか
を確認します。
必要なら「操作性」と「習熟コスト」のように明確に役割を分けます。
改善後の状態
基準ごとの意味が重複せず、重み付けの解釈もしやすくなります。
チェックポイント
- 同義語に近い基準が複数ないか
- 各基準の違いを一文で説明できるか
- 同じ事実を複数基準で二重評価していないか
失敗3|評価基準が抽象的すぎる
ありがちな失敗場面
「将来性」「総合力」「品質」のような広すぎる基準を使います。
原因
短い言葉でまとめた方が扱いやすいと考えるためです。
改善前
参加者ごとに意味が違い、一対比較の数字に一貫性がなくなります。
改善方法
基準ごとに定義を明記します。
例:
- 業務適合度:現行業務要件を標準機能でどこまで満たせるか
- 運用しやすさ:日常運用、権限変更、マスタ更新、問い合わせ対応の負荷
改善後の状態
同じ基準を見て、参加者が近い意味で比較できます。
チェックポイント
- 基準名だけで解釈が分かれないか
- 定義文があるか
- 評価対象を具体的に説明できるか
失敗4|一対比較の数字だけを入力し、理由を残さない
ありがちな失敗場面
「業務適合度はコストより3倍重要」「AはBより5倍良い」と数値だけを入力します。
原因
AHPは数値を入れる方法だと考え、比較理由の記録を省略しているためです。
改善前
後で数値を見直したくても、なぜ3や5にしたのか分かりません。
改善方法
各重要比較には、判断理由を一言残します。
例:
業務適合度をコストより重くする。今回の目的は導入費削減より、営業業務の手戻り削減を優先するため。
改善後の状態
数字の妥当性を後からレビューできます。
チェックポイント
- 大きな差を付けた比較に理由があるか
- 参加者がその理由へ合意しているか
- 後で見ても再現できるか
失敗5|尺度1〜9を細かく使いすぎる
ありがちな失敗場面
4、5、6、7を細かく使い分けますが、その差を説明できません。
原因
細かい数字ほど精密だと思うためです。
改善前
数値の見た目は精密でも、判断理由は曖昧です。
改善方法
「なぜその差なのか」を説明できる範囲で使います。
たとえば、
- 同程度
- やや重要
- 明確に重要
- 非常に重要
のような意味を関係者で共有し、その上で対応する尺度を使います。
改善後の状態
数字より比較理由へ注意を向けられます。
チェックポイント
- 5と6の違いを説明できるか
- 数字を細かくすること自体が目的になっていないか
- 関係者で尺度の意味を共有したか
失敗6|整合性指標CRだけを機械的に見る
ありがちな失敗場面
CRが0.10未満だから問題ない、として比較内容をそのまま採用します。
原因
整合性指標を品質の合否判定そのものだと考えているためです。
改善前
論理的に整合していても、比較理由や基準定義が不適切なら、意思決定の質は上がりません。
改善方法
CRは「比較に大きな矛盾がないかを見る補助指標」として使います。
CRが高い場合は、
- どの比較が矛盾しているか
- 判断理由が変わっていないか
- 基準定義が曖昧ではないか
を見直します。
CRが低くても、基準やデータの妥当性は別途確認します。
改善後の状態
整合性と内容妥当性を分けて確認できます。
チェックポイント
- CRだけで合格扱いしていないか
- 比較理由もレビューしたか
- 低いCRでも基準の妥当性を確認したか
失敗7|整合性が悪いと、数字だけ調整する
ありがちな失敗場面
CRが高いため、数値を少しずつ変えて0.10未満に合わせます。
原因
整合性指標を通過させることが目的化しているためです。
改善前
比較理由と数字が乖離します。
改善方法
まず元の判断理由を確認します。
たとえば、
- AはBよりかなり重要
- BはCよりかなり重要
- なのにAとCはほぼ同じ
という矛盾があれば、どの判断が実態と違うかを議論します。
改善後の状態
数値合わせではなく、判断そのものの矛盾を解消できます。
チェックポイント
- CRを下げるためだけに数字を変えていないか
- 元の理由へ戻ったか
- 関係者の認識差を確認したか
失敗8|候補評価に事実ではなく印象を混ぜる
ありがちな失敗場面
「A社は有名だから安心」「B社は営業担当の対応が良かった」という印象で、業務適合度や運用しやすさを高く評価します。
原因
比較しやすい感覚情報が、正式な評価基準へ流れ込むためです。
改善前
基準と無関係な印象が得点へ影響します。
改善方法
各基準で、何を根拠に比較するかを先に決めます。
例:
- 業務適合度:Fit & Gap結果
- コスト:見積総額
- 導入スピード:導入工程と最短稼働日
- 運用しやすさ:運用タスク数、設定変更可否、問い合わせ体制
改善後の状態
候補比較の根拠を説明できます。
チェックポイント
- ブランド印象を基準評価へ混ぜていないか
- 評価根拠が明確か
- 同じ種類の情報で候補を比較しているか
失敗9|評価する人ごとの前提差を放置する
ありがちな失敗場面
営業、IT、経理が同じ一対比較をしますが、それぞれが違う前提で判断しています。
原因
数字を平均すれば意見がまとまると考えるためです。
改善前
平均値は出ても、なぜ意見が違ったのか分かりません。
改善方法
差が大きい比較では、理由を確認します。
例:
- 営業は業務適合度を最優先
- 経理は総コストを最優先
- ITは運用負荷を重視
この差を可視化した上で、組織としてどの価値観を優先するかを決めます。
改善後の状態
平均値で意見差を隠さず、価値観の違いを意思決定材料にできます。
チェックポイント
- 評価者の前提を確認したか
- 大きな意見差の理由を見たか
- 平均しただけで合意扱いしていないか
失敗10|総合得点1位を自動採用する
ありがちな失敗場面
総合得点がA=0.44、B=0.35、C=0.21なので、Aを即採用します。
原因
AHPの出力を「正解」と考えているためです。
改善前
予算上限、契約条件、法務要件、導入時期など、得点外の制約を見落とします。
改善方法
総合得点を「優先順位の整理結果」として使い、最終判断時に制約条件を確認します。
例:
- Aが1位
- ただし予算上限超過ならBを代替候補
- 法務条件を満たさない候補は得点に関係なく除外
改善後の状態
AHP結果と実務制約を分けて扱えます。
チェックポイント
- 1位を無条件で採用していないか
- 必須条件を別途確認したか
- 代替候補を持っているか
失敗11|感度分析をしない
ありがちな失敗場面
一度出した重みで順位が決まったら、そのまま終了します。
原因
AHP結果を固定的な結論と考えているためです。
改善前
少し条件が変わるだけで順位が逆転する不安定な結果を見逃します。
改善方法
重要な重みを変えて、順位がどの程度変わるか確認します。
たとえば、
- 業務適合度を0.45から下げる
- 導入コストを0.25から0.40へ上げる
といった条件でA/Bの差を見ます。
改善後の状態
「Aが常に1位」ではなく、「どの条件ならBが逆転するか」を説明できます。
チェックポイント
- 重要な重みを変えて確認したか
- 順位逆転条件を把握したか
- 差が小さい候補を断定的に扱っていないか
失敗12|候補を増やしすぎて一対比較が破綻する
ありがちな失敗場面
候補10案、評価基準12個を一度に比較しようとします。
原因
候補を減らす前にAHPへ全部入れればよいと考えるためです。
改善前
比較回数が急増し、評価者の疲労と矛盾が増えます。
改善方法
事前条件で明らかに不適格な候補を除外し、比較対象を絞ります。
また、評価基準も重複を整理し、本当に意思決定に必要なものへ絞ります。
改善後の状態
比較の負担を下げ、判断理由を保ちやすくなります。
チェックポイント
- 必須条件で事前除外できないか
- 基準数を増やしすぎていないか
- 比較負担が現実的か
失敗13|一対比較に慣れていない人へ説明なしで入力させる
ありがちな失敗場面
参加者へ突然「AはBより何倍重要ですか」と聞きます。
原因
AHPの尺度は直感的だと思っているためです。
改善前
参加者ごとに尺度の意味が違い、値のばらつきが増えます。
改善方法
最初に短い練習を行います。
- 同程度
- やや重要
- 明確に重要
- 非常に重要
の意味を共有し、例題で認識をそろえます。
改善後の状態
数字の使い方に共通理解を持てます。
チェックポイント
- 尺度の説明をしたか
- 練習比較を行ったか
- 数字の意味を参加者が理解しているか
失敗14|計算過程がブラックボックスになる
ありがちな失敗場面
ツールへ入力すると重みと順位だけが出るため、関係者は途中計算を見ません。
原因
計算できることと、説明できることを混同しているためです。
改善前
「なぜAが1位なのか」を説明できず、意思決定の納得感が下がります。
改善方法
少なくとも、
- 評価基準の重み
- 各候補の主要評価
- 整合性
- 総合得点
- 感度分析
は見える形で共有します。
改善後の状態
結果だけでなく、判断構造を説明できます。
チェックポイント
- 1位になった理由を説明できるか
- 主要な重みと候補評価を見せられるか
- ツールなしでも意思決定の流れを説明できるか
通し例|営業支援システム選定を立て直す
ある企業では、営業支援システムA/B/Cを選ぶためAHPを使っていました。
当初の運用では、次の問題がありました。
- Aを推す担当者が「営業部門からの人気」を評価基準に追加
- 「使いやすさ」と「操作性」が重複
- 一対比較は数字だけで理由なし
- CRが0.10未満なら無条件で採用
- 総合得点1位をそのまま採用
そこで、意思決定目的を「営業業務の適合性と導入・運用負荷を総合して、候補A/B/Cの優先順位を整理する」と定義し直しました。
評価基準は、
- 業務適合度
- 導入コスト
- 導入スピード
- 運用しやすさ
の4つに絞りました。
「使いやすさ」と「操作性」は統合し、「営業部門からの人気」は正式基準から外しました。
次に、一対比較では数値だけでなく理由を残しました。
たとえば、業務適合度を導入コストより重視する理由を、
今回は初期費用削減より、現場の手戻りを減らし定着率を上げることを重視する
と記録しました。
比較結果から、基準重みは、
- 業務適合度:0.45
- 導入コスト:0.25
- 導入スピード:0.15
- 運用しやすさ:0.15
となりました。
候補ごとの優先度を計算すると、総合得点は、
- A:0.44
- B:0.35
- C:0.21
となり、Aが1位でした。
しかし、そのまま採用せず感度分析を行いました。
導入コストの重みを0.25から0.40へ上げるとAとBの差がかなり縮まり、0.45付近ではBが逆転する条件が見えました。
そこで最終判断を、
- 通常条件ではAを第1候補
- 予算制約が強まる場合はBを代替候補
- 必須要件を満たさない場合は得点に関係なく除外
と整理しました。
改善前は「AHPでAが1位になったからA」という結論でした。
改善後は、「どの価値観を重視した結果Aが1位なのか」「どの条件ならBへ逆転するか」「得点外の必須条件は何か」まで説明できる状態になりました。
自分のAHPを見直すチェックリスト
- 結論ありきで評価基準を作っていないか
- 評価基準が重複していないか
- 基準の定義を説明できるか
- 一対比較の数字に理由を残したか
- 細かい尺度を使いすぎていないか
- CRだけで合格判断していないか
- CRを下げるためだけに数字を調整していないか
- 候補評価に印象を混ぜていないか
- 評価者ごとの前提差を確認したか
- 総合得点1位を自動採用していないか
- 感度分析をしたか
- 必須条件や制約を別途確認したか
- 候補数・基準数が多すぎないか
- 一対比較の尺度を参加者へ説明したか
- 計算過程を説明できるか
そのまま使える型が必要なら、AHPテンプレートを使うと、評価基準、一対比較、重み、整合性、総合得点、感度分析まで整理しやすくなります。
具体的な案件への適用イメージを追いたい場合は、AHPの具体例が参考になります。生成AIを補助的に使って、評価基準候補や比較理由、感度確認を整理したい場合は、生成AIでAHPを使う方法も参照してください。
まとめ
AHPで失敗しやすいのは、結論ありきで基準を作る、重複した基準を使う、数字だけ入力して理由を残さない、CRだけを機械的に見る、総合得点1位を自動採用することです。
また、候補評価へ印象を混ぜる、評価者ごとの前提差を平均で隠す、感度分析をしない、候補や基準を増やしすぎる、計算過程をブラックボックス化することも、実務では大きな失敗につながります。
AHPの価値は、数字で唯一の正解を出すことではありません。どの評価基準をどれだけ重視し、どの候補がその基準で優位なのかを構造化し、整合性や感度も確認しながら、最終判断の根拠を説明しやすくすることにあります。