FTA(Fault Tree Analysis:フォールトツリー解析)は、起きてほしくない事象を最上位に置き、その事象がどのような原因の組み合わせで起きるかを上から下へ分解する方法です。生成AIを使うと、原因候補の発散、OR / AND候補の整理、未確認事項の洗い出し、ツリーの構造化を効率化できます。
ただし、AIは実際の障害ログ、業務記録、現物、現場の事実を自動で知っているわけではありません。もっともらしい原因を作ったり、OR / ANDを根拠なく断定したり、会議で出た仮説を事実のように扱ったりすることがあります。
そのため、生成AIはFTAの「仮説出し・整理役」として使い、トップ事象の定義、事実確認、因果関係の確定、優先原因の選定、対策採否は人が担う必要があります。
この記事では、生成AIでFTAを使う具体的な手順を、プロンプト例、出力の使い方、人が確認すべきポイント、ありがちな誤りまで含めて解説します。基本構造から確認したい場合は、FTAとは?意味・使い方・具体例を参照してください。
生成AIに任せやすいこと・人が判断すべきこと
生成AIに任せやすいのは、原因候補を広げ、論点を整理する作業です。
たとえば、次の作業は補助させやすい領域です。
- トップ事象から直接原因候補を複数出す
- 原因候補を機械・手順・入力・承認・検知などの観点で広げる
- OR / ANDの候補を整理する
- 上位事象と下位原因のつながりを文章化する
- 未確認の原因を一覧にする
- 確認に必要なログ・記録・現物を洗い出す
- 似た原因をまとめる
- 対策案の候補を複数出す
一方で、人が判断すべきことは次です。
- トップ事象が本当に分析対象として適切か
- 原因候補が実際に起きていたか
- Aだけで上位事象が起きるのか、AとBが同時に必要なのか
- どの証拠を信頼するか
- どこまで深掘りするか
- どの原因を優先するか
- どの対策を採用するか
- 対策後に原因経路が本当に遮断されたか
AIは「考える候補」を増やすのは得意ですが、「実際に何が起きたか」を保証するわけではありません。
生成AIでFTAを使う基本手順
1. トップ事象は人が具体化する
最初に、起きてほしくない結果を一つに絞ります。
悪い入力例:
「請求業務がうまくいかない」
良い入力例:
「月末締めの請求書発行が期限を1営業日以上遅れる」
AIへ渡す前に、対象、問題の判定条件、期間、影響範囲をできるだけ明確にします。
FTAで原因分析をしたいです。
トップ事象:
月末締めの請求書発行が期限を1営業日以上遅れる
対象範囲:
各部署からの元データ提出から請求書発行完了まで
確認済みの事実:
- 過去6回中4回で発行遅延が発生
- 4回中3回で元データ未提出部署があった
未確認の仮説:
- 承認が遅い可能性
- システム処理が遅い可能性
この時点では、AIに原因を確定させません。
2. 直接原因候補を複数出させる
次に、トップ事象の一段下に置く直接原因候補を広げます。
上記のトップ事象について、直接原因候補を5〜8個出してください。
条件:
- 人の性格や意識だけを原因にしない
- 業務上の事象として書く
- 入力にない事実は追加しない
- 各原因は「未確認仮説」として扱う
出力例として、
- 元データが期限までにそろわない
- 請求データ作成に時間がかかる
- 承認が期限までに完了しない
- 発行処理が完了しない
- 手戻り修正が発生する
などが考えられます。
ここでのAIの役割は、見落としを減らすことです。
3. OR / AND候補を文章で整理させる
FTAでは、原因同士の論理関係が重要です。
AIには、記号を付けさせるだけでなく、理由も書かせます。
以下の原因候補について、トップ事象との関係がORかANDかの「候補」を整理してください。
各候補について、
- OR候補 / AND候補
- そう考える理由
- 判断に必要な追加情報
を示してください。
断定せず、未確認の場合は未確認と書いてください。
たとえば、
「元データが遅れる」だけで期限超過が起きるならOR候補です。
一方、誤出荷で、
- 誤った商品がピッキングされる
- 検品で検出されない
の両方が必要ならAND候補です。
最終判定は人が実際の工程を確認して行います。
4. 各原因を下位原因へ分解させる
直接原因が出たら、さらに具体化します。
上位事象「元データが期限までにそろわない」を、下位原因へ分解してください。
条件:
- 5〜8個程度の候補を出す
- 人の注意不足で止めない
- 手順、入力、システム、役割、通知、締切、確認方法など複数観点を含める
- 入力にない事実は仮説と明記する
出力例:
- 提出期限の認識が部門ごとに違う
- 提出形式が統一されていない
- 未提出者を早く把握できない
- 督促開始時刻が決まっていない
- データ抽出処理に時間がかかる
この段階でも、すべて仮説です。
5. 事実・仮説・確認事項を分けさせる
AIをFTAで使うときに特に重要なのが、原因候補を事実扱いしないことです。
以下のFTA原因候補を、
1. 確認済みの事実
2. 未確認仮説
3. 反証された候補
4. 追加確認が必要な事項
に分類してください。
入力にない情報は確認済みの事実にしないでください。
たとえば、
「担当者が忙しかった」
という原因候補があっても、記録がなければ未確認仮説です。
人は、ログ、作業記録、手順書、現物、担当者ヒアリングなどで確認します。
6. 確認に必要な証拠を洗い出させる
AIには、何を確認すべきかを出させると便利です。
原因候補「未提出者への督促が遅れる」が実際の原因か確認したいです。
確認に使える証拠を、
- システムログ
- 業務記録
- 手順書
- ヒアリング
- 現物確認
の観点で整理してください。
出力例:
- 督促メール送信時刻
- 未提出一覧の作成時刻
- 月末作業記録
- 督促開始ルールの記載有無
- 担当者への確認
となります。
7. 深掘りの停止候補を整理させる
FTAは無限に掘れてしまいます。
AIには「どこで止めるか」の候補を出させられます。
以下の原因について、FTAの深掘りをどこで止めるべきか検討してください。
停止基準:
- 証拠確認できる
- 対策可能
- 今回の分析範囲内
- これ以上掘っても対策判断が変わらない
原因:
未提出一覧を自動で確認できない
ただし、最終的な停止判断は人が行います。
8. 優先原因の評価軸をAIに作らせる
AIに「最重要原因を決めて」と聞くのではなく、評価軸と必要情報を出させます。
以下の原因候補に優先順位を付けたいです。
評価軸を5つ提案し、各軸について、
- なぜ見るのか
- 評価に必要な情報
を示してください。
点数は勝手に付けないでください。
たとえば、
- 発生頻度
- 影響度
- 再発可能性
- 検出しにくさ
- 対策可能性
などが候補になります。
最終優先順位は人が根拠を確認して決めます。
9. 対策案を複数出させ、人が採否を決める
原因が確認できた後で、初めて対策を考えます。
確認済み原因:
未提出一覧を早く確認する仕組みがなく、督促開始時刻も標準化されていない
この原因経路を遮断する対策案を5つ出してください。
各案について、
- 対策内容
- 期待効果
- 実施コスト
- 副作用・注意点
- 効果確認方法
を整理してください。
AIは候補を出せますが、現場負荷、システム制約、法務・安全、運用可能性を踏まえて人が採否を決めます。
そのまま使えるFTA用プロンプト
次のプロンプトは、テーマを入れ替えて使えます。
あなたはFTA(Fault Tree Analysis)の整理補助役です。
実際の事実を勝手に補わず、原因候補は仮説として扱ってください。
【トップ事象】
【問題判定条件】
【対象範囲】
【確認済みの事実】
【未確認の仮説】
【使える証拠】
ログ / 記録 / 現物 / ヒアリング / 手順書 など
【依頼】
1. 直接原因候補を複数出す
2. OR / AND候補とその理由を整理する
3. 各原因を下位原因へ分解する
4. 事実・仮説・反証・未確認事項を分ける
5. 確認すべき証拠を列挙する
6. 深掘り停止候補を示す
7. 優先順位付けの評価軸を提案する
8. 確認済み原因に対する対策案と効果確認方法を出す
【条件】
- 入力にない事実を追加しない
- 人の意識・注意不足だけで原因分析を止めない
- 原因と対策を混ぜない
- OR / ANDを断定しない
- 未確認事項は未確認と明記する
- 最終判断は人が行う前提で整理する
記入形式で使いたい場合は、FTAテンプレートも併用できます。
通し例|請求書発行遅延を生成AIと一緒に分析する
トップ事象は人が定義する
「月末締めの請求書発行が期限を1営業日以上遅れる」
とします。
AIに直接原因候補を出させる
AIから、
- 元データが期限までにそろわない
- 請求データ作成が遅れる
- 承認が遅れる
- 発行処理が完了しない
などの候補を得ます。
人は、どれが実際に起きているか確認します。
AIに下位原因候補を出させる
「元データが期限までにそろわない」を分解させると、
- 提出期限の認識差
- 未提出者への督促遅れ
- データ抽出遅れ
- 提出形式の不統一
などが出ます。
人が過去記録を確認する
過去6回の月末処理を確認すると、
- 6回中4回で未提出部署が発生
- その4回のうち3回は督促開始が締切当日午後
- 未提出一覧作成に30〜45分かかっていた
- 発行システム停止はなし
とわかりました。
ここで「発行システム停止」は反証された候補として外せます。
AIに追加確認事項を整理させる
未提出督促遅れについて、
- 督促開始時刻のルールはあるか
- 未提出一覧は自動生成できるか
- 一覧作成担当は誰か
- どの時点で未提出を把握できるか
を確認項目として出させます。
人が優先原因を決める
実際に確認すると、
「未提出状況を早く把握する仕組みがなく、督促開始時刻も標準化されていない」
ことがわかりました。
この原因を優先するかどうかは、過去の発生頻度、影響、再発可能性を見て人が決めます。
AIに対策候補を出させる
AIから、
- 締切前日の未提出一覧自動生成
- 当日朝の再確認
- 督促時刻の標準化
- 自動通知
- 月末処理の進捗ダッシュボード
などを出させます。
人はコストと運用負荷を見て、まず、
- 前日17時に一覧生成
- 当日9時に再確認
- 10時までに督促
を採用します。
効果確認も人が設計する
次回3回の月末処理で、
- 未提出一覧の作成時間
- 最初の督促時刻
- 最終提出時刻
- 請求書発行完了時刻
を記録します。
AIは分析を速くできますが、「本当に起きた原因」と「効いた対策」は実データで確認する必要があります。
具体的な実務手順は、FTAのやり方で確認できます。別の適用ケースを見たい場合は、FTAの具体例も参考になります。
人が必ず確認したい6つのポイント
1. トップ事象が曖昧でないか
「業務がうまくいかない」のような広いテーマでは、AIの原因候補も散らばります。対象と判定条件を明確にします。
2. AIが入力にない事実を追加していないか
「担当者が忙しかった」「サーバー負荷が高かった」といった内容が、確認なしで補われることがあります。
3. OR / ANDが本当に成立するか
AIの論理整理は候補です。「Aだけで上位事象が起きるか」を実際の工程で確認します。
4. 人の責任で原因分析を止めていないか
「注意不足」で終わらせず、なぜその状況でミスが起きやすかったかを、手順・システム・入力・検知・役割の観点で見ます。
5. 原因と対策が混ざっていないか
「チェックリストを作る」は対策です。まず原因経路を確認します。
6. AIの優先順位や対策をそのまま採用していないか
AIは事業影響、現場負荷、安全、コスト、法務条件を完全には把握できません。最終判断は人が行います。
悪い使い方と改善例
悪い例1:「FTAを作って」とだけ依頼する
情報が少ないと、一般論の原因ツリーが生成されます。
改善
トップ事象、判定条件、対象範囲、確認済み事実、未確認仮説を渡します。
悪い例2:AIが出した原因をそのまま確定する
もっともらしい仮説が事実扱いされます。
改善
すべての原因に、確認済み / 未確認 / 反証ありを付け、ログや記録で確認します。
悪い例3:AIにOR / ANDを決めさせる
実際の業務条件を知らないため、誤った論理関係になる可能性があります。
改善
理由と追加確認事項まで出させ、人が工程を確認して決めます。
悪い例4:対策を先に考えさせる
原因が未確認のまま、チェックリスト追加や教育などの一般的な対策に流れます。
改善
原因確認を先に終え、その後で原因経路を遮断する対策を出させます。
よくある失敗は、FTAで失敗しやすいポイントでも詳しく解説しています。
情報管理にも注意する
生成AIへ入力する内容には、障害ログ、顧客情報、内部システム構成、品質事故、業務記録、人事情報などが含まれる場合があります。
利用前に、所属組織の生成AI利用ルールを確認してください。
特に、
- 顧客名・個人名
- 未公開の障害情報
- システム構成情報
- 認証情報
- 契約条件
- 品質事故の詳細
- 人事情報
などは、そのまま入力してよいか慎重に判断します。
必要に応じて匿名化し、原因整理に必要な最小限の情報だけを渡します。
まとめ|AIには原因候補と整理を任せ、事実確認と因果判断は人が行う
生成AIを使うと、FTAの直接原因候補、下位原因、OR / AND候補、追加確認事項、証拠、対策案を短時間で整理できます。
一方で、トップ事象の定義、原因が実際に起きていたかの確認、OR / ANDの最終判断、優先原因、対策採否、効果確認は人が担う必要があります。
実務では、「AIにFTAを完成させてもらう」のではなく、「AIで仮説の幅と整理速度を上げ、人がログ・記録・現物で原因経路を検証し、対策につなげる」という使い方が適しています。