AHP(階層分析法)は、複数の候補を複数の評価基準で比較し、基準の重みと候補の優先度を組み合わせて意思決定を整理する方法です。
生成AIを使うと、評価基準の候補出し、一対比較の理由の言語化、基準の重複チェック、感度分析で試すシナリオの洗い出し、結果説明の草案づくりを効率化できます。
一方で、AIに「最適な基準」「正しい一対比較値」「最終的に選ぶ案」を決めさせるのは危険です。AHPは数値計算を含みますが、数値の前提は意思決定者の判断にあります。AIがもっともらしい数字を作ると、計算だけ整った誤った意思決定になりかねません。
この記事では、生成AIをAHPの補助に使う方法を、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、誤り・限界まで含めて解説します。
AHPの意味や基本構造から確認したい場合は、AHPとは?を参照してください。人だけで進める基本手順は、AHPのやり方で確認できます。
生成AIを使うと効果が出やすい場面
生成AIは、次の作業で補助役として使いやすくなります。
- 意思決定目的から評価基準候補を出す
- 評価基準の重複や抜けを指摘する
- 一対比較の判断理由を文章化する
- 比較が極端すぎないか問い返す
- 候補ごとの評価根拠を整理する
- 感度分析で動かす重みの候補を出す
- 順位逆転の条件を説明する
- 会議用に結果を短くまとめる
- AHPの計算結果と非数値条件を分けて説明する
逆に、次の判断はAIだけに任せない方が安全です。
- 評価基準を正式採用するか
- 基準間の一対比較値
- 候補間の一対比較値
- 比較理由が実態に合うか
- 整合性が悪い場合にどの比較を見直すか
- 必須条件や失格条件
- 感度分析の前提
- 最終的な採否
1. 評価基準の候補を出す
AHPでは、最初の基準設計が重要です。ここでAIを使うと、抜け漏れを減らせます。
プロンプト例
以下の意思決定について、AHPで使えそうな評価基準候補を出してください。
意思決定:営業支援システムA・B・Cから導入候補を選ぶ。
前提:
- 利用者は営業部50名
- 予算上限がある
- 3か月以内に導入したい
- 現行業務との適合性を重視する
条件:
- 評価基準は5個以内
- 互いに意味が重複しないようにする
- 「良さ」「使いやすさ」のような曖昧語は避ける
- 各基準について、何を評価するか1文で説明する
- 最終採用はせず候補として出す
AI出力の使い方
AIは、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
- 拡張性
などを候補にできます。
ここで人は、拡張性が今回の意思決定で本当に必要か、運用しやすさと業務適合度が重複していないかを確認します。
評価基準はAIが出した数をそのまま増やさず、意思決定に必要なものへ絞ります。
2. 評価基準の重複をチェックする
基準が重複すると、同じ価値を二重に評価することがあります。
プロンプト例
以下のAHP評価基準について、意味の重複がないかレビューしてください。
- 業務適合度
- 操作性
- 使いやすさ
- 導入コスト
- 導入スピード
条件:
- 重複の可能性がある組み合わせを示す
- 統合案を出す
- 勝手に削除せず、人が確認すべき質問にする
AI出力の使い方
AIは、「操作性」と「使いやすさ」が重複する可能性を指摘できます。
人は、
- 操作性は画面操作の分かりやすさ
- 使いやすさは運用全体の負担
と明確に分けられるなら両方残す、区別できないなら統合する、と判断します。
3. 一対比較の前に「比較理由」を整理する
AHPでは、一般に1〜9の尺度を使って「どちらをどの程度重視するか」を表します。
ただし、数字だけ先に決めると、後から説明できなくなります。
プロンプト例
評価基準「業務適合度」と「導入コスト」を一対比較します。
次の情報から、比較判断に使う論点を整理してください。
- 現行業務を大きく変えずに導入したい
- 予算上限はあるが、多少の超過より定着失敗を避けたい
- 現場50名が毎日利用する
条件:
- 一対比較の数値は決めない
- 「どちらを重視すべきか」を断定しない
- 数値を決める前に確認すべき理由を3点以内で出す
AI出力の使い方
AIは、
- 業務不適合は定着失敗へつながる
- コスト超過には明確な上限がある
- 毎日50名が使うため適合度の影響が継続する
などの論点を整理できます。
人はその理由を確認した上で、一対比較値を決めます。
4. 一対比較値の入力をAIに決めさせない
悪い使い方は、
業務適合度はコストより何倍重要ですか?数字で答えてください。
とAIへ任せることです。
AIは、もっともらしい3、5、7などを返す可能性があります。しかし、その数字に組織としての根拠はありません。
改善したプロンプト例
「業務適合度を導入コストより重視する」と決めています。
一対比較値を人が決めるために、1、3、5、7、9の違いを判断できる質問を作ってください。
条件:
- 数字自体は決めない
- 比較理由を具体化する質問にする
出力の使い方
AIが、
- コストが20%上がっても業務適合度の高い案を選ぶか
- コスト差が小さい場合はどちらを優先するか
- 業務適合度が低い場合、導入後の損失はどの程度か
といった質問を出せば、人が一対比較値を決めやすくなります。
5. 比較理由を記録用の文章へ整える
会議中に一対比較を行うと、数字だけ残って理由が消えがちです。
プロンプト例
以下の会議メモを、AHPの一対比較理由として短く整理してください。
メモ: 「予算は大事。ただ、毎日50人が使うので、現場に合わないと結局使われない。数十万円差なら適合度を優先したい。」
条件:
- 判断理由を1〜2文にする
- 数字を勝手に追加しない
- 元の発言にない理由は補わない
出力例
予算制約は重要だが、50名が日常利用するため、業務不適合による定着失敗の影響を重く見る。許容可能なコスト差の範囲では、業務適合度を優先する。
この文章を一対比較値とセットで残します。
6. 整合性が悪いときに「どこを見直すか」を出す
AHPでは、一対比較の整合性を見るためにCIやCRを確認することがあります。CR 0.10未満を一つの目安とすることがありますが、機械的に合否を決めるのではなく、矛盾した比較がないかを見直すために使います。
プロンプト例
AHPの基準比較で整合性が悪くなりました。
比較理由:
- 業務適合度はコストよりかなり重要
- コストは導入スピードよりかなり重要
- 導入スピードは業務適合度より重要
この3つに論理的な循環や矛盾がないか説明してください。
条件:
- 数値は変更しない
- どの比較理由を人が再確認すべきか示す
- 正しい答えを断定しない
AI出力の使い方
AIは、優先関係が循環している可能性を指摘できます。
人は、数字を帳尻合わせで変えるのではなく、元の判断理由へ戻って再確認します。
7. 候補評価の根拠を整理する
各評価基準で候補A・B・Cを比較するときも、AIに数字を決めさせるのではなく、根拠整理へ使います。
プロンプト例
営業支援システムA・B・Cを「導入コスト」で比較します。
事実:
- A:初期費用500万円、年間運用100万円
- B:初期費用350万円、年間運用120万円
- C:初期費用420万円、年間運用90万円
この情報から、一対比較で人が判断するときの比較ポイントを整理してください。
条件:
- 一対比較値は決めない
- 初期費用と年間費用を混同しない
- 何年利用する前提か確認質問を出す
AI出力の使い方
AIは、初期費用だけならBが有利、年間費用だけならCが有利、利用期間で総コストが変わる、と整理できます。
人は利用期間や割引率などの正式前提を確認し、比較値を決めます。
8. 感度分析のシナリオ候補を出す
AHPの総合得点で1位が決まっても、重みが少し変わるだけで順位が逆転するなら、結論は安定していません。
プロンプト例
AHPの基準重みは次のとおりです。
- 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
現在の総合得点ではAが1位、Bが2位です。
感度分析で試すべきシナリオ候補を3つ出してください。
条件:
- 重みの変更理由を付ける
- 合計1になるよう他基準の調整が必要と明記する
- 結果を推測せず、試す条件だけ出す
AI出力の使い方
AIは、
- 予算制約が強まり導入コスト重みを上げる
- 現場定着を重視して業務適合度をさらに上げる
- 納期短縮が必要になり導入スピードを上げる
などを候補にできます。
実際の重み変更と再計算は、人が前提を確認した上で行います。
9. 結果を「1位だから採用」ではなく説明する
プロンプト例
AHPの結果説明を、経営会議向けに200字程度でまとめてください。
情報:
- Aが総合得点1位
- Bが2位
- Aは業務適合度で強い
- Bは導入コストで強い
- コスト重みを大きくするとBが逆転する可能性がある
- 予算上限を超える案は採用不可
条件:
- 「AHPがAを選んだ」と書かない
- 得点と判断条件を分ける
- 必須条件を得点より優先する
出力の使い方
AIは、
現行の重みではAが最上位で、主因は業務適合度の高さです。一方、予算制約を強めるとBとの差が縮まるため、Aを第一候補としつつ、予算上限を超える場合はBを代替候補とします。
のような説明草案を作れます。
最終的な表現は、人が正式な前提と数字を確認して確定します。
通し例|生成AIを補助にして営業支援システムを選ぶ
ここでは、営業支援システムA・B・Cの選定でAIを使う流れを見ます。
1. 評価基準候補を出す
意思決定目的と制約をAIへ渡し、評価基準候補を出しました。
AIは、業務適合度、導入コスト、導入スピード、運用しやすさ、拡張性を提案しました。
人が確認し、今回の選定では拡張性より現行運用との適合を重視するため、4基準に絞りました。
- 業務適合度
- 導入コスト
- 導入スピード
- 運用しやすさ
2. 基準比較の理由を整理する
会議メモをAIへ渡し、一対比較の理由を短文化しました。
人が一対比較値を決め、最終的な基準重みは、
- 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。
AIはこの重みを決めていません。会議で決めた値を説明可能な形へ整理しただけです。
3. 候補比較の根拠を整理する
各基準について、候補A・B・Cの事実をAIへ渡しました。
たとえば導入コストでは、初期費用と年間費用を分け、利用期間の確認が必要という指摘を得ました。
業務適合度では、機能数ではなく、主要業務シナリオへの適合状況を比較するよう質問を作らせました。
4. 整合性を確認する
一対比較からCI・CRを確認し、整合性が悪い箇所について、AIには数値修正ではなく「どの比較理由を再確認すべきか」を出させました。
人が元の比較理由へ戻り、必要な箇所だけ再評価しました。
5. 総合得点を確認する
計算の結果、Aが1位、Bが2位、Cが3位になりました。
ここでAIへ「Aを採用すべきか」とは聞きませんでした。
代わりに、「順位に最も効いている基準」「AとBの差が縮まる条件」を説明させました。
6. 感度分析を行う
AIが出したシナリオ候補から、予算制約が強まるケースを採用しました。
導入コストの重みを高めて再計算すると、AとBの差が縮まり、条件によってはBが逆転することが分かりました。
7. 最終判断
最終的には、
- 通常条件ではAを第一候補
- 予算制約が強まった場合はBを代替候補
- 必須要件未達の案は総合得点に関係なく除外
としました。
この例でAIが担ったのは、基準候補、重複チェック、比較理由の文章化、確認質問、感度分析シナリオ、説明草案です。
人が担ったのは、基準の正式採用、一対比較値、整合性の見直し、必須条件、感度分析の正式前提、最終採否です。
そのまま使える型が必要なら、AHPテンプレートを使うと、AIの出力を評価基準、一対比較、重み、整合性、総合得点、感度確認、最終判断へ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。よくある失敗を先に確認したい場合は、AHP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
評価基準の妥当性
AIは一般的な基準を提案できますが、自社の意思決定に必要かどうかは人が判断します。
一対比較値
AIが出した3、5、7などをそのまま使わないでください。比較理由を確認し、意思決定者が数値を決めます。
比較の整合性
CRなどの指標は、矛盾を見つける補助です。基準値を満たすために数字だけ調整しないことが重要です。
必須条件
法令、予算上限、セキュリティ必須条件などは、総合得点とは別に確認します。
感度分析
重みを変える場合は、「なぜそのシナリオを試すのか」を人が決めます。
最終判断
AHPの1位は意思決定材料です。自動採用ではありません。
生成AIの誤りと限界
もっともらしい一対比較値を作る
根拠のない数字でも自然に生成することがあります。
基準を増やしすぎる
網羅性を重視して、似た基準を多数提案することがあります。
事実と推測を混ぜる
候補製品の情報が足りないと、一般的な特徴を事実のように補うことがあります。
計算結果を過信する
総合得点1位を「最適解」と表現することがあります。
整合性を数字合わせで直そうとする
矛盾した判断理由ではなく、数値だけを調整する案を出す場合があります。
機密情報の扱いに注意する
価格、契約条件、候補ベンダー評価、社内の意思決定基準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。
生成AIに任せすぎないためのチェックリスト
- 意思決定目的を人が明確にしたか
- 評価基準を人が正式採用したか
- 重複基準を確認したか
- 一対比較値をAIに決めさせていないか
- 比較理由を記録したか
- AIが補った事実を使っていないか
- 整合性が悪いとき理由へ戻ったか
- CRだけで機械的に判断していないか
- 必須条件を総合得点と分けたか
- 感度分析の前提を人が決めたか
- 1位を自動採用していないか
- 最終説明を正式な数字と照合したか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、AHPを効率よく実践するための補助役として使えます。
特に役立つのは、評価基準候補の作成、基準重複のチェック、一対比較理由の文章化、整合性が悪い箇所の確認質問、候補評価根拠の整理、感度分析シナリオ、結果説明の草案です。
一方で、評価基準の正式採用、一対比較値、整合性の見直し、必須条件、感度分析の正式前提、最終採否は人が担う必要があります。
生成AIにAHPの答えを決めてもらうのではなく、「比較理由を見える化する」「抜けを探す」「判断を問い直す」「説明を整える」ために使うことで、数値だけに引きずられず、説明可能な意思決定へつなげやすくなります。