KPTは、Keep(続けたいこと)、Problem(問題・困りごと)、Try(次に試すこと)に分けて振り返る方法です。毎日や週次の業務改善で使いやすい一方、実際には「Keepが感想だけになる」「Problemが人への批判になる」「Tryが大きすぎる」といったつまずきが起こりやすくなります。
生成AIは、KPTを自動で完成させる道具ではありません。しかし、業務メモから事実を整理する、Keep・Problem候補を広げる、Tryを具体化する、抜け漏れをレビューするといった補助には使えます。
重要なのは、AIが出した内容をそのまま採用しないことです。何が実際に起きたか、どのProblemを優先するか、原因が本当に正しいか、誰がいつまでにTryを実行するかは、人が業務状況を確認して決める必要があります。
この記事では、生成AIをKPT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。
KPTの意味や基本構造から確認したい場合は、KPTとは?を参照してください。人だけで進める基本手順は、KPT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。
- 日報やチャットから振り返り材料を整理する
- Keep候補を「成果」と「再現条件」に分ける
- Problem候補を事実と影響に分ける
- Problemが人への評価になっていないか確認する
- Try候補を複数出す
- Tryを小さな行動に分解する
- 担当・期限・完了条件の抜けを探す
- 前回Tryの結果をレビューする
- 同じProblemが繰り返されていないか確認する
一方で、次の判断はAIだけに任せない方が安全です。
- 事実として何が起きたか
- Problemの本当の原因
- どのProblemを優先するか
- Tryの実行責任者
- 実際に守れる期限
- 影響が大きい業務ルール
- 人事評価や個人の能力に関する判断
- 最終的に採用するTry
AIは「候補を広げる」「表現を具体化する」「抜けを探す」役に置き、最終判断は人が行います。
1. 日報や業務メモから振り返り材料を整理する
プロンプト例
以下は今日の業務メモです。KPTを書く前の材料として、事実だけを整理してください。
メモ:
- 午前中に問い合わせ10件を処理した
- 料金変更の質問が4件あり、同じ説明を何度もした
- FAQを見ても必要な情報が見つからず、開発チームへ2回確認した
- 夕方に高優先度案件が3件集中した
- 15時の時点では未処理件数が0だった
条件:
- Keep、Problem、Tryにはまだ分類しない
- 評価や推測を追加しない
- 件数や時間など、入力にある事実を残す
出力の使い方
AIにいきなりKPTを作らせるより、まず事実を整理させると、感想や推測が混ざりにくくなります。
人は、件数や時刻が実際の記録と合っているか確認します。
2. Keep候補を「何が良かったか」と「なぜ再現できたか」に分ける
プロンプト例
以下の事実からKeep候補を出してください。
事実:
- 午前中に問い合わせ10件を処理した
- 15時の時点で未処理件数が0だった
- よく使う回答文を事前に3件テンプレート化していた
条件:
- 「頑張った」など感想だけにしない
- 成果と、それを再現しやすくする行動・条件を分ける
- 候補は3件以内
出力の使い方
AIは、
- よく使う回答文を事前にテンプレート化したことで処理が進み、15時時点で未処理0件にできた
のような候補を出せます。
人は、成果が本当にテンプレート化によるものかを確認します。単なる同時発生でもっともらしい因果関係を作っていないかを見ることが重要です。
3. Problemを「事実」と「影響」に分ける
プロンプト例
以下の業務メモからProblem候補を整理してください。
- 料金変更の質問が4件あった
- FAQで必要情報が見つからず、開発へ2回確認した
- 夕方に高優先度案件が3件集中した
条件:
- 誰かを責める表現にしない
- 事実と業務への影響を分ける
- 原因は断定せず、必要なら仮説として別欄にする
出力の使い方
AIは、
- 事実:FAQだけで料金変更の回答を完結できず、開発確認が2回発生した
- 影響:回答までの時間が延び、担当者間の往復が増えた
のように整理できます。
ここでAIが「FAQの設計が悪い」「開発の共有不足が原因」と決めつけていたら、人が止めます。原因は別途確認する必要があります。
4. Problemが人への評価になっていないかレビューする
プロンプト例
以下のProblem表現から、個人への評価や決めつけが混ざっている箇所を指摘し、事実ベースに書き換える候補を出してください。
- 開発チームの共有が雑だった
- 担当者が確認不足だった
- 新人の回答が遅かった
条件:
- 人格・能力評価を避ける
- 観測できる出来事へ変える
- 不明な件数や時間は作らない
出力の使い方
AIは、
- 開発確認時に必要情報が1回でそろわず、追加確認が発生した
- 回答前チェックリストの確認項目が未記入だった
のように、行動や状態へ置き換える候補を出せます。
チームKPTでは、こうした使い方が特に有効です。
5. Try候補を複数出す
プロンプト例
以下のProblemに対するTry候補を5つ出してください。
Problem:料金変更の質問でFAQだけでは回答できず、開発確認が2回発生した。
条件:
- 1〜3営業日で試せる小さな行動にする
- 担当者を勝手に決めない
- 大規模なシステム改修を前提にしない
- 効果を確認できる形にする
出力の使い方
AIは、
- 料金変更FAQの不足項目を洗い出す
- よく出た質問4件をFAQ候補へ追加する
- 開発確認時に「現象・再現条件・期待結果」をセットで書く
- FAQ回答案を1日分だけ試験運用する
などを候補にできます。
人は、実行コストと期待効果を見て採用候補を絞ります。
6. Tryを具体的な実行条件まで落とす
プロンプト例
以下のTryを、実行可能な形に具体化してください。
Try:FAQを改善する。
条件:
- 具体的な行動
- 担当
- 期限
- 完了条件
- 確認方法
の欄を作る
- 担当と期限は空欄のままにする
出力の使い方
AIは、
- 行動:直近1週間の料金変更質問を確認し、不足FAQ項目を3件以内で追加候補化する
- 担当:要設定
- 期限:要設定
- 完了条件:追加候補と回答案がレビュー可能な状態になる
- 確認方法:翌日の問い合わせで追加確認回数を記録する
のように整理できます。
正式な担当と期限は人が決めます。
7. Tryを絞り込むための比較材料を作る
プロンプト例
以下のTry候補を、実行コスト、期待効果、すぐ試せるか、結果を確認しやすいか、の4軸で比較してください。
候補:
- FAQ不足項目を3件追加する
- 全FAQを全面改訂する
- 開発確認依頼に3点セットを入れる
- 問い合わせ管理システムを刷新する
条件:
- 最終順位は決めず、比較材料だけ出す
- 根拠がない効果数値は作らない
出力の使い方
AIは比較材料を整理できますが、どのTryを選ぶかは人が決めます。
短いKPTでは、Tryを1〜3件程度に絞る方が実行しやすくなります。
8. 前回Tryを次回KPTでレビューする
プロンプト例
前回Tryと今回の結果から、Keep、継続Try、修正Try、終了の候補に分類してください。
前回Try:料金変更FAQの回答案を3件追加する。
結果:
- 追加した3件のうち2件は問い合わせで再利用した
- 2件については追加確認0回で回答できた
- 1件は古いFAQリンクが残っていて再確認が必要だった
条件:
- 成果と残課題を分ける
- 「成功」「失敗」の二択にしない
出力の使い方
AIは、
- Keep候補:追加FAQ2件はそのまま活用継続
- 新Problem候補:旧FAQリンクが残存
- 次Try候補:リンク更新対象を確認する
と整理できます。
この使い方なら、KPTが毎回リセットされず、前回Tryから次回へつながります。
9. 同じProblemが繰り返されていないか確認する
プロンプト例
以下は過去4回のKPTです。同じProblemが表現を変えて繰り返されていないか整理してください。
条件:
- 類似Problemをグループ化する
- 原因を断定しない
- 繰り返し回数だけ示す
- 次に確認すべき質問を出す
出力の使い方
AIは、たとえば「開発への追加確認」「情報不足」「FAQ不足」が似た構造で繰り返されている可能性を示せます。
人は、単発のTryを続けるのか、もう一段深い原因確認へ進むのかを判断します。
通し例|日次KPTを生成AIで補助する
カスタマーサポート担当者が、1日の終わりに10分でKPTを行うケースを考えます。
1. まず業務メモをAIへ渡す
入力した事実は次のとおりです。
- 問い合わせ10件を処理
- 料金変更質問4件
- FAQ不足で開発確認2回
- 15時時点で未処理0件
- 夕方に高優先度案件3件
AIには、最初からKPTを作らせず、事実の整理だけを依頼しました。
2. Keep候補を出す
AIは、
- 回答テンプレートを事前に使ったことで、15時時点で未処理0件にできた可能性
を候補にしました。
人が確認すると、確かにテンプレート利用が処理時間短縮に寄与していたため、Keepとして採用しました。
3. Problem候補を整理する
AIは、
- FAQ不足により開発への追加確認が2回発生
- 夕方に高優先度案件が集中
を候補化しました。
人は、影響が大きく自分たちで改善可能な「FAQ不足による開発確認」を優先Problemにしました。
4. Try候補を出す
AIからは、
- 料金変更FAQの不足項目を洗い出す
- 頻出質問4件をFAQ候補にする
- 開発確認依頼を3点セット化する
- FAQ全面改訂
などの候補が出ました。
人は、当日中に動けるTryへ絞りました。
5. 実行Tryを確定する
最終的に、
- 直近の料金変更質問から不足FAQを3件抽出する
- 回答案を作り、翌朝レビューする
- 開発確認依頼では「現象・再現条件・期待結果」の3点を必ず入れる
の2件を採用しました。
担当と期限は人が決めました。
6. 翌日に前回Tryをレビューする
翌日、FAQ回答案2件は追加確認0回で使えました。一方、1件は旧FAQリンクが残っていて再確認が必要でした。
AIにレビューさせると、
- Keep:追加FAQ2件は継続
- Problem:旧FAQリンク残存
- Try:旧リンク確認と更新
という候補が出ました。
人は内容を確認し、そのまま次のKPTへつなげました。
この例でAIが担ったのは、事実整理、Keep/Problem候補、Try案、具体化、前回Tryレビューです。
人が担ったのは、事実の正しさ、優先Problem、原因の扱い、採用Try、担当、期限、最終判断です。
そのまま使える型が必要なら、KPTテンプレートを使うと、AIの出力をKeep、Problem、Try、担当、期限、完了条件、次回レビューへ整理しやすくなります。
具体的な適用イメージを見たい場合は、KPT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、KPT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
AIは入力された情報しか分かりません。件数、時刻、発生内容は実際の記録と照合します。
原因
AIはもっともらしい原因を作ることがあります。「FAQ不足だから」「担当者の確認不足だから」と断定せず、必要なら仮説として扱います。
Problemの優先順位
AIは一般的な重要度を推測できますが、顧客影響、業務リスク、改善可能性は現場が判断します。
Tryの実行可能性
AIが出す案は、実際の工数や権限を考慮していないことがあります。小さく試せるかを人が確認します。
担当と期限
担当者名や期限をAIに推測させない方が安全です。正式な責任者と実際の予定から決めます。
生成AIの誤りと限界
存在しない事実を補うことがある
入力にない件数や時間を、自然な文章にする過程で加える場合があります。
原因を早く決めつけることがある
Problemからもっともらしい原因を生成しますが、相関と因果は別です。
個人評価へ寄ることがある
「担当者のスキル不足」「確認不足」といった表現を出すことがあります。チームKPTでは、事実と仕組みへ戻します。
Tryを大きくしすぎることがある
「システム刷新」「全FAQ改訂」など、短い振り返りでは実行しにくい案を出すことがあります。
Tryを増やしすぎることがある
候補が多いほど良いわけではありません。実行可能な1〜3件へ絞ります。
機密情報の扱いに注意する
顧客名、障害情報、人事評価、未公開施策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
- AIが補った事実をそのまま使っていないか
- Keepの因果関係を人が確認したか
- Problemが個人批判になっていないか
- 原因を断定していないか
- 優先Problemを人が選んだか
- Tryが小さく試せるか
- Tryを増やしすぎていないか
- 担当者をAIに推測させていないか
- 期限を実際の予定から決めたか
- 完了条件と確認方法があるか
- 前回Tryの結果を次回KPTへつないだか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、KPTを効率よく進めるための補助役として使えます。
特に役立つのは、業務メモから事実を整理する、Keepと再現条件を分ける、Problemを事実と影響に分ける、個人批判を事実表現へ戻す、Try候補を広げる、Tryを具体化する、前回Tryをレビューするといった作業です。
一方で、事実、原因、優先順位、正式担当、期限、最終Tryは人が決める必要があります。
生成AIにKPTを完成させてもらうのではなく、「候補を広げる」「表現を具体化する」「抜け漏れを探す」「前回Tryを次回へつなぐ」ために使うことで、KPTを感想会で終わらせず、実行可能な業務改善へつなげやすくなります。