MENU

生成AIでCAPAを使う方法|プロンプト例と人が確認すべきポイント

生成AIは、CAPAの判断を自動化するための道具ではありません。一方で、問題の整理、原因仮説の洗い出し、確認データの整理、是正処置案、横展開候補、効果確認項目を広げる補助には使えます。

重要なのは、AIが出した原因や対策をそのまま採用しないことです。CAPAでは、発生事実、影響範囲、根本原因、是正処置の有効性を証拠で確認する必要があります。

この記事では、生成AIをCAPAに補助的に使う方法を、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、誤りや限界まで含めて解説します。

CAPAの基本的な意味から確認したい場合は、CAPAとは?を参照してください。人だけで進める基本手順は、CAPAのやり方で確認できます。

目次

生成AIを使うと効果が出やすい場面

生成AIは、次のような場面で補助として使いやすいです。

  • 問題事実を整理する
  • 原因仮説を複数出す
  • 原因検証に必要なデータを洗い出す
  • 是正処置案を比較する
  • 類似業務への横展開候補を出す
  • 効果確認指標を整理する
  • CAPAレビュー用の確認質問を作る

一方で、次の判断は生成AIだけに任せない方が安全です。

  • 何が事実として起きたか
  • どこまで影響が広がっているか
  • 何が根本原因か
  • 法令・規格・社内手順に適合しているか
  • 是正処置が本当に有効か
  • CAPAをクローズしてよいか

生成AIの出力は「候補」「仮説」「確認質問」として扱い、最終判断は人が行います。

ステップ1|問題事実を整理する

最初に、原因を考える前に、何が起きたのかを事実で整理します。

プロンプト例

以下の品質問題について、事実と推測を分けて整理してください。

  • 対象業務:月次請求処理
  • 対象件数:250件
  • 発見した誤り:税区分誤り8件
  • 顧客送付済み:5件
  • 発見日:8月2日
  • 現時点で分かっていること:税区分は担当者が手入力している

出力形式:

  • 確認済み事実
  • 未確認事項
  • 原因仮説にしてはいけない記述
  • 追加で確認すべき質問

原因は断定しないでください。

出力の使い方

AIに整理させる目的は、「担当者の注意不足」といった早すぎる結論を避けることです。

人は、実際の請求データ、操作ログ、担当者ヒアリングで事実を確認します。

ステップ2|影響範囲の確認項目を作る

CAPAでは、見つかった問題だけでなく、同じ原因が他にも影響していないかを確認します。

プロンプト例

税区分誤り8件が見つかりました。

発生範囲を確認するための調査項目を作ってください。

以下の観点を含めてください。

  • 同じ月の全件
  • 過去3か月
  • 他担当者
  • 他部署
  • 同じシステムを使う業務
  • 類似する見積・受注登録

各項目について、

  • 確認する理由
  • 必要なデータ
  • 問題が見つかった場合の次の確認

を示してください。

出力の使い方

この出力を調査チェックリストとして使います。

ただし、どこまで範囲を広げるかは、問題の重大度、顧客影響、規制要件、自社規程を踏まえて人が決めます。

ステップ3|原因仮説を複数出す

生成AIは、原因を決めるより、仮説を広げる用途に向いています。

プロンプト例

以下の事象について、原因仮説を10個出してください。

事象:請求書の税区分誤り

分かっていること:

  • 税区分は毎回手入力
  • 課税・非課税の選択肢が画面上で隣接
  • 月末に処理件数が集中
  • 承認画面では税区分を明示確認していない

各仮説について、

  • 直接原因
  • 背景要因
  • システム要因
  • 検出できなかった要因
  • 検証に必要なデータ
  • 反証条件

を示してください。

「人的ミス」で止めないでください。

出力の使い方

AIから、

  • 手入力方式
  • 画面設計
  • マスタ設定不足
  • 月末負荷
  • 承認チェック不足
  • 教育不足

などが出ても、すべて仮説です。

どの仮説が実際に原因なのかは、ログや正常案件との比較で確認します。

ステップ4|原因検証の計画を作る

原因仮説が出たら、どう検証するかを生成AIに整理させます。

プロンプト例

以下の原因仮説を検証する計画を作ってください。

仮説1:新人の経験不足が原因 仮説2:税区分の手入力方式が原因 仮説3:承認時の検出不足が原因

各仮説について、

  • 必要なデータ
  • 比較対象
  • 支持される条件
  • 反証される条件
  • 追加確認が必要になる条件

を示してください。

出力の使い方

たとえば「新人が原因」という仮説なら、新人だけでなく経験者の修正履歴も確認します。

経験者でも同じ誤りがあるなら、経験年数だけでは原因を説明できません。

ステップ5|是正処置案を原因ごとに出す

原因が確認できたら、生成AIに対策候補を広げてもらいます。

プロンプト例

以下の確認済み原因に対して、是正処置案をそれぞれ5案出してください。

原因A:税区分を毎回手入力している 原因B:承認時に税区分を確認できない 原因C:例外変更の理由が記録されない

各案について、

  • どの原因へ効くか
  • 実施内容
  • 期待効果
  • 実行難易度
  • 副作用
  • 効果確認指標

を示してください。

教育・注意喚起だけに偏らないでください。

出力の使い方

生成AIから、

  • 顧客マスタから標準税区分を自動反映する
  • 例外変更時だけ手入力可能にする
  • 変更理由を必須記録にする
  • 承認画面へ税区分と変更履歴を表示する

といった案が出たら、システム制約、費用、内部統制、例外処理を人が確認します。

ステップ6|対策の副作用を洗い出す

再発防止策が、別の問題を生むことがあります。

プロンプト例

「顧客マスタから税区分を自動反映する」という是正処置について、想定される副作用と例外条件を洗い出してください。

以下を含めてください。

  • 特殊契約
  • マスタ誤登録
  • 標準値が適用できないケース
  • 権限管理
  • 例外変更の記録

各リスクについて、検出方法と追加対策も示してください。

出力の使い方

AIの出力をもとに、現場・システム担当・品質責任者で確認します。

たとえば完全自動化ではなく、

標準値を自動反映し、例外時だけ理由を記録して変更する

方が実務に合う場合があります。

ステップ7|横展開候補を探す

同じ原因が他の業務にないかを確認します。

プロンプト例

請求業務で「税区分の手入力」が原因として確認されました。

同じリスク構造が存在する可能性のある業務を洗い出してください。

例として、

  • 見積
  • 受注登録
  • 経費精算
  • 別事業部の請求

を含めてください。

各候補について、

  • 何を確認するか
  • 同じ原因があると判断する条件
  • 横展開が必要か判断する基準

を示してください。

出力の使い方

AIが挙げた業務をそのまま全て変更するのではなく、同じ仕組み・同じリスクが本当に存在するかを人が確認します。

ステップ8|効果確認の指標を作る

CAPAは、対策を実施しただけでは完了ではありません。

プロンプト例

以下の是正処置について、3か月後の効果確認指標を作ってください。

  • 標準税区分の自動反映
  • 例外変更時の理由記録
  • 承認画面への税区分表示

出力してください:

  • 結果指標
  • 先行指標
  • 合格基準例
  • 副作用の確認項目
  • 不合格時に見直すポイント

出力の使い方

たとえば、

  • 同種誤り:3か月0件
  • 手入力件数:90%以上削減
  • 例外変更:100%理由付き

などの候補が出ます。

実際の合格基準は、自社のリスク許容度、規程、品質要求に応じて人が決めます。

ステップ9|CAPAレビュー用の質問を作る

レビュー会議では、生成AIに「抜け漏れ確認質問」を作らせると便利です。

プロンプト例

以下のCAPAをレビューします。

レビュー担当者が確認すべき質問を20個作ってください。

観点:

  • 問題定義
  • 封じ込め
  • 発生範囲
  • 原因仮説
  • 原因検証
  • 是正処置
  • 横展開
  • 効果確認
  • 副作用
  • クローズ条件

Yes/Noで終わらず、証拠を確認できる質問にしてください。

出力の使い方

「原因は確認済みですか」ではなく、

  • その原因を支持するデータは何か
  • 反証された仮説は何か
  • 処置がどの原因へ効くか説明できるか

といった質問にすると、形だけのCAPAを防ぎやすくなります。

通し例|請求書の税区分誤りで生成AIを補助的に使う

管理部門で、7月分250件のうち8件の税区分誤りが見つかり、5件は顧客へ送付済みでした。

最初に人が、事実と影響を確認します。

生成AIには、原因を決めさせるのではなく、発生範囲の確認質問と原因仮説を出させました。

AIからは、

  • 手入力方式
  • 画面上の選択肢
  • 月末負荷
  • マスタ設定不足
  • 承認チェック不足

などの仮説が出ました。

人が操作ログ、担当者別履歴、正常案件を確認したところ、経験者にも類似修正があり、「新人だから」という仮説は反証されました。

一方、税区分は毎回手入力で、承認画面にも確認項目がないことが確認されました。

次に生成AIへ是正処置案を出させ、現場とシステム担当で検討した結果、

  • 顧客マスタから標準税区分を自動反映
  • 例外変更時の理由入力を必須化
  • 承認画面へ税区分と変更履歴を表示

を採用しました。

さらに、生成AIへ横展開候補を出させ、見積、受注登録、別事業部の請求処理も確認しました。

3か月後、同種誤りは0件、手入力件数は約90%減りました。

ただし、特殊契約では標準税区分が合わないケースがあったため、「自動反映+例外時の理由付き変更」という運用に修正しました。

このように、生成AIはCAPAの結論を出す役ではなく、仮説、確認データ、対策候補、副作用、横展開、効果確認の観点を広げる役として使うと効果的です。

そのまま記入できる形式が必要なら、CAPAテンプレートを使うと、AIの出力を人が整理し直しやすくなります。具体的な意思決定の流れは、CAPAの具体例でも確認できます。よくある誤用を先に確認したい場合は、CAPAで失敗しやすいポイントも参考になります。

人が必ず確認すべきポイント

発生事実と証拠

生成AIは、入力された情報から文章を整理できますが、現場の事実を確認できません。実データ、ログ、現物、記録で確認します。

根本原因

AIがもっともらしい原因を出しても、それが根本原因とは限りません。反証可能な形で検証します。

法令・規格・社内規程

CAPAの正式な要求事項、承認権限、記録保存、予防処置の扱いなどは、業界や適用規格、自社規程によって異なります。AIの一般論より正式要件を優先します。

是正処置の有効性

対策案が原因へ直接効くか、別のリスクを生まないかを確認します。

クローズ判断

CAPAを閉じてよいかは、効果確認結果とクローズ条件に基づいて人が判断します。

生成AIの誤りと限界

もっともらしい原因を断定することがある

「人的ミス」「教育不足」など、入力情報から自然な原因を作ることがあります。仮説として扱います。

規制要件を一般化することがある

業界や規格によって要求は異なります。正式な規格本文、自社手順、品質部門の判断を優先してください。

対策を過剰に自動化することがある

自動化は有力な対策ですが、例外業務や権限管理を無視すると別の問題が起きます。

現場の暗黙知を知らない

例外処理、顧客ごとの特殊条件、熟練者の判断基準は、入力しない限り反映されません。

機密情報の扱いに注意する

顧客名、品質不具合、監査記録、個人評価、未公開の製品情報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。必要に応じて固有名詞や数値を抽象化してください。

生成AIに任せすぎないためのチェックリスト

  • 問題事実を人が確認したか
  • 顧客・次工程への影響範囲を確認したか
  • AIの原因仮説を証拠で検証したか
  • 反証された仮説を残したか
  • 是正処置が原因へ直接効くか確認したか
  • 教育だけに頼っていないか
  • 横展開対象を人が確認したか
  • 副作用・例外条件を確認したか
  • 効果確認基準を事前に決めたか
  • 適用規格・社内規程を確認したか
  • CAPAクローズを人が承認したか
  • 機密情報を不用意に入力していないか

まとめ

生成AIは、CAPA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、問題整理、発生範囲の確認項目、原因仮説、原因検証計画、是正処置案、副作用、横展開候補、効果確認指標、レビュー質問の作成です。

一方で、発生事実、根本原因、規制要件への適合、是正処置の有効性、CAPAのクローズ判断は人が確認する必要があります。

生成AIに「原因はこれ」「この対策で完了」と決めてもらうのではなく、「仮説を広げる」「反証条件を作る」「確認すべき証拠を増やす」ために使うと、CAPAをより速く、かつ形骸化しにくい形で実践しやすくなります。

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