RCA(Root Cause Analysis:根本原因分析)は、問題が起きたときに表面的な症状だけを直すのではなく、「なぜその問題が起きたのか」を掘り下げ、再発につながる根本原因を特定するための考え方です。生成AIを使うと、原因候補の発散、「なぜ」の深掘り候補、確認事項の整理、対策案の比較を効率化できます。
ただし、AIは実際の現場で何が起きたか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補ったり、未確認の仮説を事実のように扱ったり、一番深い原因を根本原因だと断定したりすることがあります。
そのため、生成AIはRCAの「仮説出し・整理役」として使い、問題定義、事実確認、因果関係の確定、根本原因の判断、優先順位、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RCA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。基本的な意味から確認したい場合は、RCA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、原因候補を広げたり、情報を構造化したりする作業です。
たとえば、次の作業はAIに補助させやすい領域です。
- 問題から原因候補を複数出す
- 手順・システム・役割・入力・情報など複数観点で原因を広げる
- 「なぜ」の深掘り候補を出す
- 事実・仮説・未確認事項を整理する
- 確認に必要なログ・記録・現物を洗い出す
- 重複した原因候補をまとめる
- 根本原因候補ごとの対策案を比較する
- 効果確認指標の候補を出す
一方で、人が判断すべきことは次です。
- 問題定義が適切か
- 実際に何が起きていたか
- 原因候補と問題の間に因果関係があるか
- 「なぜ」をどこまで掘るか
- どの原因を根本原因とみなすか
- どの原因を優先するか
- どの対策を採用するか
- 対策後に再発が減ったか
AIは「考える候補」を増やすのは得意ですが、「本当に起きた原因」を保証するわけではありません。
生成AIでRCAを使う基本手順
1. 問題は人が具体的に定義する
最初に、分析する問題を一つに絞ります。
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、対象業務、発生条件、頻度、影響範囲をできるだけ明確にします。
RCAで原因分析をしたいです。
問題:
月末締めの請求書発行が期限を1営業日以上遅れる
対象期間:
過去6回の月末処理
確認済みの事実:
- 6回中4回で遅延が発生
- 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. 原因候補を複数出させる
次に、最初から1つに絞らず、複数の原因候補を出させます。
上記の問題について、原因候補を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
- 手順、入力、システム、役割、情報、承認、確認方法など複数観点を含める
- 入力にない事実は追加しない
- すべて未確認仮説として扱う
出力例として、
- 元データ提出が遅い
- 未提出者の把握が遅い
- 承認待ちが長い
- 手作業転記が多い
- 入力形式が統一されていない
- 発行システム処理が遅い
などが出ます。
ここでのAIの役割は、見落としを減らすことです。
3. 事実・仮説・確認事項を分けさせる
RCAで生成AIを使うときに特に重要なのが、仮説を事実扱いしないことです。
以下の内容を、
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「システム処理が遅い」という原因候補があっても、処理ログを見ていなければ仮説です。
人は、ログ、作業記録、メール、手順書、現物、ヒアリングなどで確認します。
4. 「なぜ」の深掘り候補を出させる
原因候補の一つを掘るとき、AIに複数の分岐を出させると便利です。
原因候補「未提出者への督促が遅い」について、
RCAの「なぜ」の深掘り候補を3パターン出してください。
条件:
- 人の注意不足だけで止めない
- 各段階は因果関係が説明できる形にする
- 未確認の内容は仮説と明記する
- 手順、システム、情報、役割、ルールの観点を含める
AIから、
督促が遅い → 未提出者を早く把握できない → 複数ファイルを手作業で照合している → 未提出一覧を自動生成する仕組みがない
といった候補が出たとします。
人は、実際の作業記録と照らして成立するか確認します。
5. 確認に必要な証拠をAIに洗い出させる
RCAでは、仮説を事実で検証することが重要です。
原因候補「未提出者への督促が遅い」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
- メール・チャット
- 手順書
- ヒアリング
の観点で整理してください。
たとえば、
- 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
などが出ます。
6. 深掘りの停止候補を整理させる
RCAは「なぜ」を無限に掘れるため、止めどころが必要です。
以下の原因について、深掘りを止める判断候補を出してください。
停止基準:
- 証拠で確認できる
- 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:
未提出一覧を自動生成する仕組みがない
ただし、最終的な停止判断は人が行います。
「5回聞いたから終了」ではなく、検証可能性と対策可能性で判断します。
7. 根本原因候補を比較させる
AIに「根本原因を決めて」と依頼するのではなく、候補の比較をさせます。
以下の原因候補を、根本原因候補として比較してください。
評価観点:
- 上位の問題を説明できるか
- 証拠で確認できるか
- 取り除くと再発可能性が下がるか
- 対策可能か
- 他の原因経路が残らないか
点数は勝手に付けず、判断に必要な追加情報を示してください。
AIの出力は比較材料です。
最終的にどれを根本原因と扱うかは、人が事実と業務条件を見て決めます。
8. 優先順位の評価軸をAIに作らせる
原因が複数ある場合、AIには優先順位そのものではなく、評価軸を作らせます。
確認済み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。
9. 対策案を比較し、人が採否を決める
根本原因が確認できた後で、対策案を出させます。
確認済みの根本原因:
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
この原因に対する対策案を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
- 運用負荷
- 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、コストなどを踏まえて人が採否を決めます。
そのまま使えるRCA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RCA(Root Cause 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。
【問題】
【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 / メール / ヒアリング / 手順書 など
【依頼】
1. 原因候補を複数出す
2. 事実・仮説・反証・未確認事項を分ける
3. 各原因について「なぜ」の深掘り候補を複数出す
4. 確認に必要な証拠を列挙する
5. 深掘り停止候補を示す
6. 根本原因候補を比較する
7. 優先順位付けの評価軸を提案する
8. 確認済み根本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
- 人の注意不足だけで原因分析を止めない
- 「なぜ」を5回聞くこと自体を目的にしない
- 原因と対策を混ぜない
- 一番深い原因を自動的に根本原因としない
- 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、RCA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
問題は人が定義する
「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に原因候補を出させる
AIから、
- 元データ提出遅れ
- 未提出者の把握遅れ
- 督促開始遅れ
- 承認遅れ
- 手作業転記
- システム処理遅延
などを出させます。
この時点では、すべて仮説です。
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回中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
- 承認待ちは2回
- 発行システム停止は0回
でした。
「システム処理遅延」は主要原因候補から外せます。
AIに「なぜ」の候補を出させる
「督促開始が遅い」を深掘りさせると、
督促開始が遅い → 未提出者を早く把握できない → 複数ファイルを手作業で照合している → 未提出一覧を自動生成する仕組みがない
という候補が出ました。
別の経路として、
督促開始時刻が毎回違う → 標準時刻が決まっていない → 手順書に督促開始条件が書かれていない
という候補も出ました。
人が証拠を確認する
実際に、作業記録、手順書、一覧作成方法を確認し、上記の内容が事実かどうかを検証します。
人が根本原因を決める
確認結果から、
「未提出状況を早く把握する仕組みがなく、締切前の督促開始時刻も標準化されていない」
ことを根本原因として扱います。
一番深く書かれたからではなく、上位の遅延を説明でき、証拠があり、対策すれば再発可能性が下がると判断できるためです。
AIに対策候補を比較させる
AIから、
- 未提出一覧の自動生成
- 当日朝の再確認
- 督促開始時刻の標準化
- 自動通知
- 月末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。
生成AIは分析を速くできますが、「本当に起きた原因」と「本当に効いた対策」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、RCA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、RCA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. 問題定義が曖昧でないか
「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」「システムが重かった」といった内容が、確認なしで補われることがあります。
3. 「なぜ」のつながりに因果関係があるか
AIは自然な文章を作れますが、前後が本当に因果関係になっているとは限りません。
4. 一番深い原因を根本原因とみなしていないか
根本原因は深さではなく、再発との関係、証拠、対策可能性で判断します。
5. 人の責任で原因分析を止めていないか
「注意不足」「経験不足」で終わらせず、手順、情報、システム、役割、環境まで見ます。
6. AIの優先順位や対策をそのまま採用していないか
AIは現場負荷、事業影響、コスト、安全、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:「RCAをして」とだけ依頼する
情報が少ないと、一般論の原因と対策が返ってきます。
改善
問題、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
原因ごとに、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5 Whysを最後まで自動生成させる
途中から推測を重ね、人の意識や性格の話に流れることがあります。
改善
各段階で事実確認を挟み、検証可能・対策可能な単位で止めます。
悪い例4:AIに根本原因と対策を一度に決めさせる
原因が未確認のまま、チェックリスト追加や教育など一般的な対策へ進みやすくなります。
改善
原因候補→事実確認→根本原因判断→対策案比較の順に分けます。
よくある失敗は、RCA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、品質事故、業務記録、人事情報、未公開の社内トラブル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・事故情報
- システム構成情報
- 契約条件
- 品質事故の詳細
- 人事評価や個人情報
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には仮説出しと整理を任せ、根本原因の確定は人が行う
生成AIを使うと、RCAの原因候補、「なぜ」の深掘り候補、確認事項、証拠、根本原因候補、対策案を短時間で整理できます。
一方で、問題定義、実際に起きた事実、因果関係、根本原因、優先順位、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に根本原因を当ててもらう」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・現物で原因を検証し、再発防止につなげる」という使い方が適しています。