生成AIは、7Sを自動で「正しく分析する」ための道具ではありません。一方で、Strategy・Structure・Systems・Shared Values・Style・Staff・Skillsの7要素について、情報を整理する、抜けを探す、要素間のズレ候補を出す、施策案を広げる、といった補助には使えます。
重要なのは、AIが出した分析をそのまま組織診断として採用しないことです。実際の組織構造、評価制度、意思決定の癖、暗黙の価値観、人材配置、強みとなるスキルは、社内事情を知る人が一次情報で確認する必要があります。
この記事では、生成AIを7S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。
7Sの意味や基本構造から確認したい場合は、7Sとは?を参照してください。人だけで進める基本手順は、7S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、次のような作業で補助役として使いやすくなります。
- 7要素ごとの情報を分類する
- 現状情報から不足質問を作る
- StrategyとStructureのズレ候補を出す
- StrategyとSystemsの不整合候補を探す
- Shared Valuesと実際の行動の差を整理する
- Styleと意思決定プロセスの関係を言語化する
- StaffとSkillsの不足候補を整理する
- 要素間の因果仮説を複数出す
- 優先課題候補を比較する
- 90日・180日の施策案を広げる
一方で、次の判断はAIだけに任せない方が安全です。
- どの情報が事実として正しいか
- 暗黙の価値観や社風の実態
- 誰が意思決定権を持つか
- 評価制度や人事制度の正式ルール
- 人材配置の変更可否
- 優先課題の最終決定
- 実施する施策と順番
1. 7Sの情報を分類する
プロンプト例
以下の組織情報を、7Sの7要素へ分類してください。
- 製造・物流業界を重点市場にする方針
- 営業組織は地域別
- 営業評価は既存売上の達成率を重視
- 顧客第一を掲げている
- 案件判断は部長承認が多い
- 製造・物流業界の経験者が少ない
- 業種別提案や効果定量化のスキルが不足
条件:
- Strategy、Structure、Systems、Shared Values、Style、Staff、Skillsに分類する
- 複数要素に関係する場合は重複候補として示す
- 不明点は推測せず「要確認」とする
出力の使い方
AIは、情報を7要素へ整理する下書きを作れます。
ただし、「顧客第一」はShared Valuesの表明かもしれませんが、実際の行動として本当に共有されているかは別問題です。人は制度・会議・現場行動を見て確認します。
2. 足りない情報を質問にする
プロンプト例
以下の7S分析メモをレビューし、各要素で不足している情報を質問にしてください。
Strategy:製造・物流業界を重点化 Structure:地域別営業組織 Systems:既存売上中心の評価制度 Shared Values:顧客第一 Style:部長承認が多い Staff:重点業界経験者が少ない Skills:業種別提案、効果定量化が弱い
条件:
- 事実確認に使える質問にする
- 一般論ではなく、現状把握に必要な問いを優先する
出力の使い方
AIは、
- 製造・物流業界の売上比率は現在どの程度か
- 地域別組織のまま業界別責任を誰が持つのか
- 新規案件は評価指標へどう反映されるか
- 顧客第一が会議や評価でどう表れるか
といった質問候補を出せます。
7Sは、空欄を埋めることより、実態を確認する問いを作ることが重要です。
3. StrategyとStructureのズレ候補を探す
プロンプト例
StrategyとStructureの整合性をレビューしてください。
Strategy:製造・物流業界へ重点化し、標準ソリューションで新規開拓を伸ばす Structure:営業組織は地域別。業界別責任者はいない
条件:
- ズレ候補を3つまで出す
- なぜ実行上の問題になるか説明する
- 組織変更を勝手に決めず、確認質問も出す
出力の使い方
AIは、
- 業界別の責任主体が曖昧
- ノウハウ蓄積が地域ごとに分散
- 標準ソリューションの改善責任が不明
といった仮説を出せます。
人は、実際に業界別リーダー機能が別の形で存在していないか確認します。
4. StrategyとSystemsのズレ候補を探す
プロンプト例
次の2要素に不整合がないかレビューしてください。
Strategy:新規開拓を伸ばす Systems:営業評価は既存売上の達成率を重視
条件:
- 制度が現場行動へ与える影響を整理する
- 断定ではなく仮説として出す
- 追加確認すべきKPIを提案する
出力の使い方
AIは、「新規開拓を増やしたいのに、評価制度が既存顧客維持を優先する行動を強める可能性がある」と整理できます。
人は、実際の評価配点、賞与連動、目標設定ルールを確認します。
5. Shared Valuesと実際の行動の差を見る
プロンプト例
以下の情報から、Shared Valuesの表明と実際の行動に差がないか確認する質問を作ってください。
表明:顧客第一 実態候補:既存大口顧客への対応が優先され、新規市場向け提案の準備時間が取りにくい
条件:
- 理念そのものを否定しない
- 会議、評価、資源配分、日々の判断で確認できる質問にする
出力の使い方
AIは、
- 新規顧客と既存顧客の優先順位はどう決まるか
- 重点市場向け提案時間を確保する制度があるか
- 「顧客第一」が既存顧客優先と同義になっていないか
といった問いを出せます。
6. Styleを「社風」だけで終わらせない
プロンプト例
Styleについて、抽象語ではなく意思決定行動として整理してください。
現状メモ:慎重な社風、部長の承認が多い
条件:
- 会議、承認、権限委譲、失敗への反応、現場判断の観点で具体化する
出力の使い方
AIは、
- 価格例外の承認段階
- 提案変更を現場で決められる範囲
- 新規施策の承認に必要な会議数
- 失敗案件レビューの進め方
など、行動として確認できる観点へ変換できます。
7. StaffとSkillsの不足候補を整理する
プロンプト例
次のStrategyに対して、StaffとSkillsの観点で不足候補を整理してください。
Strategy:製造・物流業界へ重点化し、標準ソリューションで新規開拓を伸ばす
現状:重点業界経験者が少ない。業種別提案と効果定量化が弱い。
条件:
- StaffとSkillsを混同しない
- 採用、配置、育成、標準化の選択肢を分ける
- 最終施策は決めず候補だけ出す
出力の使い方
AIは、Staffでは「重点業界経験者の配置・採用」、Skillsでは「業種別提案、ROI試算、標準ソリューション適用判断」のように分けて整理できます。
人は、採用余力、既存人材の配置転換、育成期間を確認します。
8. 7要素のズレをまとめる
プロンプト例
以下の7S現状から、要素間の主要なズレを5件以内で整理してください。
Strategy:製造・物流重点、新規開拓拡大 Structure:地域別営業 Systems:既存売上中心の評価 Shared Values:顧客第一 Style:部長承認が多い Staff:重点業界経験者が少ない Skills:業種別提案、効果定量化が弱い
条件:
- 1要素だけの問題ではなく、2要素以上の関係として書く
- 事実と仮説を分ける
- 追加確認事項も出す
出力の使い方
AIは、
- Strategy × Structure:重点業界の責任主体が不明
- Strategy × Systems:新規開拓戦略と評価制度が不整合
- Strategy × Staff/Skills:重点市場を攻める人材・能力が不足
- Shared Values × Systems:顧客第一が既存顧客偏重として実装されている可能性
- Style × Strategy:承認の細かさが新規提案速度を落とす可能性
などを候補化できます。
9. 優先課題候補を比較する
プロンプト例
以下のズレ候補を、
- 戦略実行への影響
- 緊急性
- 変更難易度
- 他要素への波及
の4観点で比較してください。
候補:
- 業界別責任が不明
- 新規開拓と評価制度が不整合
- 業種別提案スキル不足
- 承認が細かく意思決定が遅い
条件:
- 点数は仮置きと明記する
- 最終順位は人が決める前提にする
出力の使い方
AIは比較表のたたき台を作れます。
ただし、経営上の重要度や政治的実行可能性は、AIでは判断しきれません。最終順位は経営・事業責任者が決めます。
10. 90日・180日の施策候補を出す
プロンプト例
優先課題について、90日以内にできる施策候補と、180日程度で制度化する施策候補を分けてください。
優先課題:
- 業界別責任が不明
- 新規開拓と評価制度が不整合
- 業種別提案スキル不足
条件:
- 90日は小さく始められる施策
- 180日は制度・人材配置・育成への反映
- 各施策に観測可能な成果指標候補を付ける
出力の使い方
AIは90日施策として、
- 業界リーダー任命
- 新規案件KPIの追加
- 業界別提案テンプレート作成
- 効果試算シートの導入
- 月2回の案件レビュー
などを候補にできます。
180日施策として、
- 評価制度の見直し
- 重点業界への人材配置
- 業界別提案研修
- 管理職レビュー方法の変更
などを出せます。
人は、制度変更の権限や時期、労務・人事上の制約を確認します。
通し例|生成AIを使って7S分析を補助する
あるBtoBサービス事業では、売上成長が鈍化していました。
経営側は、
製造・物流業界へ重点化し、標準ソリューションで新規開拓を伸ばす
という戦略を掲げました。
しかし、半年たっても新規案件が思うように増えませんでした。
担当者は、7Sで現状を整理し、AIを補助に使いました。
1. まず事実を入力
- Strategy:製造・物流重点、新規開拓拡大
- Structure:地域別営業組織
- Systems:既存売上中心の評価制度
- Shared Values:顧客第一
- Style:部長承認が多い
- Staff:重点業界経験者が少ない
- Skills:業種別提案、効果定量化が弱い
AIへ7S分類と不足質問を出させました。
2. 要素間のズレを候補化
AIは、
- Strategy × Structure:業界別責任が不明
- Strategy × Systems:新規開拓と既存売上中心評価が不整合
- Strategy × Staff/Skills:重点市場を攻める人材・能力不足
- Style × Strategy:承認の細かさが提案速度を下げる可能性
といった仮説を出しました。
3. 人が一次情報で確認
営業評価制度を確認すると、新規案件の比重は低く、既存売上の達成が大きく評価されていました。
組織図を見ると、地域責任者はいましたが、重点業界の責任者はいませんでした。
案件レビューを確認すると、価格や提案内容の細かな変更にも部長承認が多く、現場判断の範囲が狭い状態でした。
ここで初めて、AIの仮説のうち何が事実に近いかを確定しました。
4. 優先課題を人が絞った
最終的に、最初に扱う課題を次の3つへ絞りました。
- 業界別責任が不明
- 新規開拓と評価制度が不整合
- 業種別提案の型とスキルが不足
承認プロセスの見直しも重要でしたが、最初の90日では上記3点を優先しました。
5. AIで施策候補を広げた
AIへ90日施策候補を出させ、
- 業界リーダーの任命
- 新規案件数、業界別提案件数、標準提案利用率のKPI化
- 業界別提案テンプレート
- 効果試算シート
- 月2回の案件レビュー
などを候補化しました。
人が実行可能性を確認し、採用する施策を決めました。
6. 180日施策へつなげた
短期施策の結果を見た上で、
- 評価制度の見直し
- 重点業界への人材配置
- 業界別提案研修
- 管理職レビュー方法の変更
へ広げる計画を作りました。
この例でAIが担ったのは、情報整理、不足質問、ズレ候補、比較軸、施策候補の生成です。
人が担ったのは、事実確認、暗黙の組織ルールの把握、優先順位、制度変更可否、施策の最終決定です。
そのまま使える型が必要なら、7Sテンプレートを使うと、AIの出力を7要素、要素間のズレ、優先課題、90日・180日施策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見たい場合は、7S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、7S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
事実関係
AIは社内の一次情報を知りません。制度、組織図、KPI、会議運用、人員配置は人が確認します。
Shared Valuesの実態
掲げている理念と、現場で実際に優先される価値観は違うことがあります。AIはこの差を自動では判断できません。
Styleの実態
「トップダウン」「現場重視」といった抽象語ではなく、誰が何を決めるか、どこで承認が必要かを人が確認します。
StaffとSkills
人数不足なのか、配置の問題なのか、能力不足なのかで施策は変わります。
優先順位
AIは比較材料を出せますが、経営上どこから変えるかは人が決めます。
制度変更の実行可能性
評価制度、人事配置、権限変更は、組織ルールや時期の制約があります。
生成AIの誤りと限界
7Sの分類を一意に決めすぎることがある
1つの事象が複数要素にまたがることがあります。無理に1分類へ固定しない方がよい場合があります。
もっともらしい組織課題を補うことがある
一般的な企業像から、存在しない承認問題や人材不足を作ることがあります。
Shared Valuesを理念文だけで評価しがち
実際の意思決定や資源配分を見ないと、共有価値観は判断できません。
StaffとSkillsを混同することがある
人数を増やすべきか、育成すべきか、配置を変えるべきかは別の問題です。
施策を増やしすぎることがある
AIは多数の改善案を出せますが、全要素を同時に変えると実行負荷が高くなります。
組織政治や変更抵抗を正確に読めない
制度や権限の変更には、合理性以外の制約もあります。
機密情報の扱いに注意する
評価制度、人員配置、個人名、組織課題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
- 7Sの各要素に事実と仮説を分けて記録したか
- AIが補った事実をそのまま使っていないか
- 1つの事象を無理に1要素へ固定していないか
- Strategyと他6要素の整合性を確認したか
- Shared Valuesを理念文だけで判断していないか
- Styleを抽象語だけで済ませていないか
- StaffとSkillsを分けたか
- 優先課題を人が最終決定したか
- 全要素を同時に変えようとしていないか
- 90日施策と180日施策を分けたか
- 制度変更の実行可能性を確認したか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、7S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、7要素への情報分類、不足質問の作成、要素間のズレ候補、比較軸、優先課題候補、90日・180日の施策案の整理です。
一方で、事実確認、暗黙の価値観、意思決定スタイル、人材の実態、優先順位、制度変更の可否は人が判断する必要があります。
生成AIに7S分析を完成させてもらうのではなく、「問いを広げる」「ズレ候補を出す」「比較材料を作る」「施策候補を広げる」ために使うことで、7Sを戦略実行の診断と改善へ効率よくつなげやすくなります。