MENU

生成AIでRICEを使う方法|プロンプト例と人が確認すべきポイント

RICEは、複数の施策や要件をReach(到達範囲)、Impact(効果)、Confidence(確信度)、Effort(工数)の4要素で評価し、優先順位を考える方法です。

一般的な計算式は、

Reach × Impact × Confidence ÷ Effort

です。

生成AIを組み合わせると、候補の粒度をそろえる、R/I/C/Eの入力漏れを指摘する、計算を補助する、Confidenceの根拠が弱い項目を問い直す、スコア順と最終判断の差を説明するといった作業を効率化できます。

ただし、AIは実際のReach、Impact、工数、顧客影響を自動で確定できません。入力にない数値をもっともらしく補ったり、根拠の弱いImpactを大きく見積もったり、低スコアの必須対応を後回しにしたりする可能性があります。

そのため、生成AIはRICEの「整理・計算・問い直し・文書化」を補助する役として使い、元データ、見積もり、必須条件、期限、依存関係、最終順位は人が確認する必要があります。

この記事では、生成AIでRICE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。RICEの基本から確認したい場合は、RICEとは?意味・使い方・具体例を参照してください。

目次

生成AIに任せやすいこと・人が判断すべきこと

AIに任せやすいこと:

  • 比較候補の粒度をそろえる
  • Reach・Impact・Confidence・Effortの入力漏れを指摘する
  • RICEスコアを計算する
  • Confidenceの根拠不足を問い直す
  • Reachの単位不一致を指摘する
  • Effortの見積もり範囲の違いを見つける
  • スコア上位の前提条件を整理する
  • スコア順と最終実行順の差を説明する
  • 見直し条件や追加調査項目を整理する

人が判断すべきこと:

  • Reachに使う実データが正しいか
  • Impact尺度が妥当か
  • Confidenceの根拠が十分か
  • Effort見積もりが最新か
  • 法令・契約上の必須条件
  • リリース期限や顧客との約束
  • 技術・業務上の依存関係
  • 最終的な実行順位

生成AIでRICEを使う基本手順

1. 目的・評価期間・候補を人が決める

AIへいきなり「RICEで優先順位を付けて」と依頼する前に、今回の比較条件をそろえます。

悪い入力例:

この施策をRICEで順位付けしてください。

良い入力例:

今四半期のプロダクト改善候補をRICEで比較します。

目的:
限られた開発枠で、主要KPIへの寄与が高い改善施策を優先する

評価期間:
今四半期

Reachの単位:
今四半期に実際に影響を受ける利用者数

Impactの尺度:
3.0 非常に大きい
2.0 大きい
1.0 中程度
0.5 小さい
0.25 ごく小さい

Confidence:
100% 実測データ・再現性の高い実績あり
80% 利用データ・ユーザー調査など一定の根拠あり
50% 仮説中心で未検証

Effort:
企画・開発・テストまで含む人週

入力にない数値は補わず、不足項目は「要確認」としてください。

まず比較基準を固定すると、AIが候補ごとに別ルールを使うのを防ぎやすくなります。

2. 候補の粒度をそろえさせる

候補一覧に「UI改善」と「フォーム入力項目を10個から5個へ減らす」が混在していると比較しにくくなります。

候補一覧を確認し、粒度がそろっていない項目を指摘してください。

条件:
- 1項目1意思決定になるようにする
- 大きすぎる候補は分解案を出す
- 重複候補は統合候補を出す
- 勝手に削除しない

AIは候補整理の補助に向いていますが、分割や統合の最終判断は人が行います。

3. Reachの単位・期間を点検させる

Reachは、候補ごとに期間や単位が違うと比較できません。

各候補のReachを点検してください。

確認項目:
- 評価期間は全候補で同じか
- 単位は利用者数で統一されているか
- 対象可能人数と実際に影響を受ける人数を混同していないか
- 重複ユーザーを二重計上していないか

不整合があれば、修正せずに指摘だけしてください。

人は元データへ戻り、必要なら数値を修正します。

4. Impactの根拠を問い直させる

Impactは主観が入りやすい項目です。

各候補のImpactについて、
- どのKPIへ影響するか
- なぜその点数なのか
- Reachの大きさを二重計上していないか
- 他候補と同じ尺度を使っているか
を確認してください。

根拠が弱ければ「Impact根拠不足」としてください。

AIには点数を勝手に変更させるのではなく、根拠不足を見つけさせるのが安全です。

5. Confidenceを根拠の強さとして点検する

Confidenceは「自信がある気分」ではなく、見積もり根拠の強さを表すために使います。

各候補のConfidenceについて、根拠を分類してください。

例:
- 実測データ
- A/Bテスト
- 利用ログ
- ユーザーインタビュー
- 営業要望
- 仮説のみ

100%なのに実測根拠がない場合は指摘してください。

AIにConfidenceの根拠を整理させると、追加調査が必要な候補を見つけやすくなります。

6. Effortの見積もり範囲をそろえさせる

Effortは候補ごとに含む工程が違うとスコアが歪みます。

各候補のEffort見積もりを比較してください。

全候補で、
- 要件整理
- デザイン
- 開発
- テスト
- リリース準備
のどこまで含んでいるか確認してください。

範囲が違う場合は指摘し、工数自体は推測しないでください。

工数の再見積もりは担当者が行います。

7. RICEスコアを計算させる

入力値がそろったら、AIに計算を任せられます。

次の式でRICEスコアを計算してください。

Reach × Impact × Confidence ÷ Effort

Confidenceは80%なら0.8として扱ってください。

出力:
- 候補名
- Reach
- Impact
- Confidence
- Effort
- 計算式
- RICEスコア

元の数値は変更しないでください。

ここでは「計算」だけを任せます。

8. スコア上位の前提を問い直させる

高スコアでも入力根拠が弱ければ、優先順位の判断材料として不安定です。

RICEスコア上位3件について、
- Reachの根拠
- Impactの根拠
- Confidenceの根拠
- Effortの見積もり範囲
を再点検してください。

根拠が弱い入力が順位を押し上げている場合は指摘してください。

9. 必須条件・期限・依存関係を別枠で確認する

RICEだけでは、法令・契約・技術依存などを十分に表現できません。

RICEスコアとは別に、各候補について次の確認質問を作ってください。

- 法令・契約上の必須条件か
- 顧客との約束や期限があるか
- 他施策の前提になっているか
- 他施策が完了しないと着手できないか
- セキュリティ上の必須対応か
- 代替手段があるか

入力にない条件は断定しないでください。

実際の必須条件や依存関係は担当者が確認します。

10. 最終判断とスコア順の差を説明させる

人が最終実行順を決めた後、AIに説明文を整えさせます。

RICEスコア順と最終実行順の違いを説明してください。

条件:
- スコア自体を変更しない
- 期限、必須条件、依存関係など、人が確認済みの条件だけを使う
- なぜ順位が変わったかを1項目ずつ説明する

これにより、関係者への説明がしやすくなります。

そのまま使えるRICE用プロンプト

あなたはRICEの優先順位付け補助役です。
最終判断を代替せず、候補整理、入力値の点検、計算、根拠確認、最終判断の説明を支援してください。

【今回の目的】

【評価期間】

【Reachの単位】

【Impact尺度】

【Confidence基準】

【Effortの単位・範囲】

【候補一覧】
候補名 / Reach / Reach根拠 / Impact / Impact根拠 / Confidence / Confidence根拠 / Effort / Effort根拠

【確認済みの必須条件】

【確認済みの期限】

【確認済みの依存関係】

【依頼】
1. 候補の粒度を確認する
2. Reachの期間・単位を確認する
3. Impactの尺度と根拠を確認する
4. Confidenceの根拠不足を指摘する
5. Effortの見積もり範囲を確認する
6. RICEスコアを計算する
7. スコア上位の前提を再点検する
8. 必須条件・期限・依存関係の確認漏れを指摘する
9. RICEスコア順と最終実行順の差を説明する
10. 追加調査が必要な項目を整理する

【条件】
- 入力にない数値を追加しない
- Reach、Impact、Effortを推測しない
- 法務・契約・依存関係を断定しない
- Confidenceの根拠が弱い場合は明示する
- 最終順位は人が決める

記入用の型が必要な場合は、RICEテンプレートも併用できます。

通し例|5つの改善施策を生成AIと一緒に比較する

人が入力値と根拠を用意する

候補は次の5つです。

  • A:フォーム入力項目削減
  • B:検索機能追加
  • C:管理画面一括登録
  • D:ダークモード
  • E:オンボーディング改善

入力値は、

A:Reach 4,000 / Impact 2.0 / Confidence 80% / Effort 4

B:Reach 1,500 / Impact 1.0 / Confidence 80% / Effort 5

C:Reach 600 / Impact 3.0 / Confidence 100% / Effort 2

D:Reach 5,000 / Impact 0.5 / Confidence 50% / Effort 3

E:Reach 2,500 / Impact 2.0 / Confidence 80% / Effort 6

とします。

AIに計算させる

A:4,000 × 2.0 × 0.8 ÷ 4 = 1,600

B:1,500 × 1.0 × 0.8 ÷ 5 = 240

C:600 × 3.0 × 1.0 ÷ 2 = 900

D:5,000 × 0.5 × 0.5 ÷ 3 ≒ 417

E:2,500 × 2.0 × 0.8 ÷ 6 ≒ 667

スコア順は、A→C→E→D→Bです。

AIに根拠を問い直させる

AのReach 4,000は今四半期のフォーム到達見込み、Impact 2.0は問い合わせ完了率への直接影響、Confidence 80%はアクセスデータと離脱分析が根拠です。

DはReach 5,000と大きい一方、Impactは0.5、Confidenceは50%です。AIには「全利用者に見えること」と「主要KPIへ大きく効くこと」は別だと整理させます。

人が必須条件・期限を確認する

Cの管理画面一括登録は、大口顧客の運用開始前に必要という期限条件があることが確認されました。

Eのオンボーディング改善は、来月の新規登録増加前に着手したいという条件があります。

人が最終順位を決める

最終的に、

  1. C 管理画面一括登録
  2. A フォーム入力項目削減
  3. E オンボーディング改善
  4. D ダークモードは継続検証
  5. B 検索機能追加は後回し

とします。

AIに説明文を作らせる

Cはスコア2位ですが、大口顧客の運用開始前という確認済み期限があるため最優先。

Aはスコア1位で、主要KPIへの寄与も高いためCに続いて実施。

Eはスコア3位で、来月の新規登録増加前という時期条件から3番目。

DはReachが大きいもののConfidenceが50%で、主要KPIへの効果が未検証なため先に追加調査。

という説明に整えられます。

実行後の実績もAIで整理する

A実施後、実Reachが2,800人、実Effortが5人週だったとします。

当初見積もりと実績を比較してください。

当初:Reach 4,000 / Effort 4
実績:Reach 2,800 / Effort 5

次回のRICE見積もりで見直すべき点を整理してください。

AIには差分整理を任せ、人は次回のReach推計やEffort見積もりルールへ反映します。

具体的な実務手順は、RICEのやり方で確認できます。別のケースは、RICEの具体例が参考になります。ありがちな失敗は、RICEで失敗しやすいポイントで確認できます。

人が必ず確認したい6つのポイント

1. AIが数値を補っていないか

入力にないReachやEffortを推測させないようにします。不足は「要確認」にします。

2. Impactの尺度が後付けになっていないか

候補を見てから都合よく点数を変えると比較が崩れます。

3. Confidenceが根拠の強さを表しているか

「チームが自信を持っている」ではなく、データ・実績・調査の有無で判断します。

4. Effortの範囲がそろっているか

一部候補だけ企画・テストを除外していないか確認します。

5. スコア順を最終順位にしていないか

法令・契約・期限・依存関係・セキュリティなどを別途確認します。

6. 実行後に見積もりを更新しているか

実Reach、実Impact、実Effortを次回の基準へ戻します。

悪い使い方と改善例

悪い例1:「不足する数字は推定して」と依頼する

AIがもっともらしいReachやImpactを作ると、精密そうな誤差になります。

改善

不足は「要確認」とし、元データを人が取得します。

悪い例2:AIにImpactを自由採点させる

一般論や文章の強さでImpactが変わる可能性があります。

改善

人がImpact尺度を先に決め、その基準への適合確認だけをAIに任せます。

悪い例3:AIの計算結果をそのまま最終順位にする

低スコアでも契約上の必須対応や前提施策がある場合があります。

改善

スコア計算後に必須条件・期限・依存関係を人が確認します。

悪い例4:低Confidenceの案を自動で却下する

低Confidenceは「価値が低い」ではなく「根拠が弱い」状態です。

改善

追加調査や小さな検証でConfidenceを上げて再評価します。

他の優先順位付け手法と使い分ける場合

RICEは、Reach・Impact・Confidence・Effortを数値化し、複数案を相対比較したいときに向いています。

複数の独自評価軸を柔軟に設定したい場合は、意思決定マトリクスとRICEの違いを参考にしてください。

効果と工数の2軸で素早く整理したい場合は、Impact-Effort MatrixとRICEの違いが役立ちます。

3つの方法から選びたい場合は、意思決定マトリクス・Impact-Effort Matrix・RICEの使い分けも確認できます。

情報管理にも注意する

生成AIへRICEの候補や根拠を入力する場合、顧客情報、未公開機能、利用データ、開発工数、契約条件、売上影響などが含まれることがあります。

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
  • 未公開の商品・機能
  • 契約条件
  • 開発見積もり
  • 顧客利用ログ
  • 未公開KPI

などは、入力可否を慎重に判断します。

まとめ|AIには整理・計算・問い直しを任せ、入力値と最終順位は人が担う

生成AIを使うと、RICEの候補整理、入力漏れ確認、計算、Confidenceの根拠点検、スコア上位の前提確認、最終順位の説明を効率化できます。

一方で、AIは実際のReach、Impact、Effort、法令・契約条件、顧客影響、依存関係を自動で確定できません。

実務では、「AIにRICEの答えを決めてもらう」のではなく、「人が目的・尺度・元データを定義し、AIで整理と計算を速め、人が必須条件と実行可能性を確認して最終順位を決める」という使い方が適しています。

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