ブレインライティングは、参加者が会話ではなく「書く」ことでアイデアを出し、他人の案を読みながら発展・組み合わせを行う発想法です。生成AIを組み合わせると、初期案のたたき台、他案の発展候補、重複整理、評価軸候補、検証質問の作成などを効率化できます。
ただし、生成AIにテーマ設定から採否まで任せると、似た案の量産、もっともらしい市場ニーズの捏造、評価軸の固定化が起きやすくなります。AIは「発想を広げる補助役」として使い、人はテーマ、制約、事実、評価軸、最終判断を担うことが重要です。
この記事では、新規事業・企画立案でブレインライティングを使う場面を想定し、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・限界まで解説します。
ブレインライティングの意味や基本構造から確認したい場合は、ブレインライティングとは?を参照してください。人だけで回す実践手順は、ブレインライティング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的に使いやすくなります。
- テーマから初期アイデア候補を増やす
- 既存案の別用途・別顧客・別提供方法を考える
- 他人の案を発展・組み合わせる候補を出す
- 似たアイデアをまとめる
- 案ごとの差分を言語化する
- 評価軸の候補を出す
- 上位案を検証するための質問を作る
- 顧客ヒアリング項目を整理する
一方、次はAIに任せない方が安全です。
- 企画テーマの最終決定
- 守るべき制約や禁止条件
- 顧客課題が本当に存在するかの判断
- 市場規模・競合・法務などの事実認定
- 評価軸の正式決定
- 上位案の採否
- 検証優先順位
1. テーマと制約を人が先に決める
生成AIへいきなり「新規事業アイデアを出して」と依頼すると、範囲が広すぎて比較しにくい案が並びます。
まず人が、テーマと制約を具体化します。
例
テーマ:
中小企業の営業担当者が、商談準備にかける時間を半分にする新サービス案
制約:
- 法人向け
- 3か月以内に小規模検証できる
- 既存顧客基盤を活用できる
- 完全自動化を前提にしない
この時点ではAIに「正解」を求めません。発想の土台を整えることが目的です。
2. 初期案のたたき台を作る
プロンプト例
以下のテーマについて、ブレインライティングの初期案として使えるアイデアを12個出してください。
テーマ:中小企業の営業担当者が、商談準備にかける時間を半分にする新サービス案
制約:
- 法人向け
- 3か月以内に小規模検証できる
- 既存顧客基盤を活用できる
- 完全自動化を前提にしない
条件:
- 1案は2〜3文
- 類似案を避ける
- 顧客情報収集、過去資料活用、質問設計、社内知識活用など異なる方向を混ぜる
- 市場ニーズや効果を事実として断定しない
出力の使い方
AIは、たとえば次のような初期案候補を出せます。
- 商談先企業の公開情報を要約する準備支援
- 過去提案資料から類似案件を検索する支援
- 前回商談の宿題・未回答事項を抽出する支援
- 商談で確認すべき質問候補を生成する支援
- 業界ニュースを整理する支援
人はそのまま採用せず、参加者自身の初期案と混ぜて使います。
3. AI案だけでシートを埋めない
ブレインライティングの価値は、参加者ごとの経験や視点の違いが書面上に並ぶことにあります。
全員が同じAIへ同じ指示を出すと、言い回しだけ違う似た案が増えます。
実務での使い分け
- 参加者はまず自分で3案書く
- その後、AIで「自分が見落としている方向」を2案だけ補う
- AI案には「AI補助」と印を付ける
こうすると、人の経験を起点にしながら発想の幅だけAIで広げられます。
4. 他人の案を発展させる
ブレインライティングでは、他人の案を見て、改善・組み合わせ・別用途への展開を考えます。
プロンプト例
次のアイデアを、元の良さを残しながら5方向に発展させてください。
元の案:過去の提案資料から、今回の顧客に近い事例を検索するサービス
発展方向:
- 顧客価値を高める
- 利用タイミングを変える
- 他データと組み合わせる
- 人の確認を組み込む
- 3か月以内の検証をしやすくする
条件:
- 元案と同じ内容の言い換えは避ける
- 存在しない社内データを前提にしない
出力の使い方
AIは、
- 過去提案資料に前回商談履歴を組み合わせる
- 顧客業界別に成功事例を先に並べる
- 提案資料だけでなく失注理由も検索対象にする
- AIが候補を出し、営業が最終選択する
などの発展案を出せます。
人は「実際に使えるデータがあるか」「権限上アクセスできるか」を確認します。
5. 組み合わせ案を作る
プロンプト例
以下の3案を組み合わせた新しい企画候補を3つ作ってください。
A:過去提案資料検索 B:前回商談の宿題抽出 C:商談質問候補生成
条件:
- 単純に3機能を足すだけにしない
- 1つの利用場面として説明する
- 人が確認する工程を含める
- 最小検証方法も1行で付ける
出力の使い方
AIは、
商談前15分で、過去提案・前回宿題・今回確認質問を1画面にまとめる準備支援
のように利用場面ベースへ統合できます。
単なる機能一覧より、顧客がいつ使うかをイメージしやすくなります。
6. 重複案を整理する
ブレインライティング後は、似た案が多数残ります。
プロンプト例
以下の45件のアイデアを、意味の近いものだけグループ化してください。
条件:
- 無理に統合しない
- 各グループに共通テーマ名を付ける
- 統合前の案番号を残す
- 差分が重要な案は別扱いにする
- 最終統合は人が確認する前提にする
出力の使い方
AIは、たとえば45件を14テーマ程度に整理できます。
ただし、「過去提案資料検索」と「成功商談パターン検索」のように、似ていても検証すべき課題が違う案は、人が分けて残すことがあります。
7. 差分を説明させる
類似案をまとめる前に、AIへ差分を言語化させると統合しすぎを防げます。
プロンプト例
次の2案の違いを、対象データ、利用タイミング、顧客価値、検証方法の4点で説明してください。
案1:過去提案資料検索 案2:成功商談パターン検索
条件:
- 優劣は付けない
- 不明点は要確認とする
この比較を見て、人が「同じ企画として扱うか」「別案として残すか」を判断します。
8. 評価軸の候補を出す
発散が終わった後、評価に入ります。
プロンプト例
以下の企画テーマで、アイデア候補を比較する評価軸を6個出してください。
テーマ:中小企業の営業担当者が、商談準備にかける時間を半分にする新サービス案
条件:
- 顧客課題の強さ
- 検証可能性
- 自社との相性
の観点を含める
- 評価軸を先に決めつけず、候補として提示する
出力の使い方
AIは、
- 顧客課題の強さ
- 3か月以内の検証可能性
- 既存顧客基盤との相性
- データ取得の容易さ
- 運用負荷
- 差別化余地
などを候補にできます。
人は、今回何を優先するかを話し合い、正式な評価軸を決めます。
9. 評価軸をAIに固定させすぎない
AIが提案した評価軸をそのまま使うと、発想の段階で都合のよい案だけが残る可能性があります。
実務では、
- 発散中は評価軸を前面に出しすぎない
- 回覧が終わってから評価軸候補を整理する
- 経営・顧客・実行の観点が偏っていないか人が確認する
と分ける方が安全です。
10. 上位案の検証質問を作る
上位案を選んだ後も、AIに「良い企画ですね」と評価させて終わらせません。
プロンプト例
次の企画案を検証するため、営業担当者へのヒアリング質問を10個作ってください。
企画案:商談前に、過去提案資料・前回宿題・確認質問をまとめる商談準備AI
検証したい仮説:
- 商談準備に時間がかかっている
- 特に過去資料・商談履歴の探索負荷が大きい
- 15分以内に準備できる価値がある
条件:
- 誘導質問を避ける
- 現在の行動を聞く
- 実際の所要時間を確認する
- 困った具体例を聞く
- AI利用意向だけを聞かない
出力の使い方
AIは、
- 直近の商談準備で最も時間がかかった作業は何か
- 過去資料を探すとき、どこを何分くらい探すか
- 前回の宿題や決定事項をどう確認しているか
などの質問候補を作れます。
人は、実際の顧客ヒアリングで事実を確認します。
通し例|商談準備AIの企画で使う
新規事業チーム6名が、
中小企業の営業担当者が、商談準備にかける時間を半分にする新サービス案
をテーマにブレインライティングを行いました。
1. 人が先に初期案を書く
営業・企画・CS・開発の6名が、1人3案を5分で記入しました。
この時点で18案です。
2. AIで見落とし方向だけ補う
各自が、自分の3案をAIへ渡し、
この3案とは異なる方向で、顧客情報・社内知識・商談前後の行動から2案だけ補ってください
と依頼しました。
全員がAI案だけに依存せず、自分の経験を起点にしました。
3. 回覧時に発展案を作る
参加者は他人の案を読み、まず自分で発展案を書きました。
詰まった場合だけ、AIへ、
- 顧客価値を変える
- 他データと組み合わせる
- 人の確認を入れる
- 最小検証をしやすくする
という方向で案を出させました。
その結果、商談先情報収集、業界ニュース要約、過去提案資料検索、商談質問生成などから、議事録生成、次回アクション抽出、成功商談パターン蓄積へ案が発展しました。
4. 45件の記述を整理
回覧終了時には45件の記述がありました。
AIへ重複候補を整理させ、人が確認した結果、14案にまとめました。
ここでは、AIが同じグループにした「過去提案資料検索」と「成功商談パターン検索」は、検証する顧客課題が異なるため別案として残しました。
5. 評価軸を決める
AIへ評価軸候補を出させた後、人が最終的に次の3軸へ絞りました。
- 顧客課題の強さ
- 3か月以内の検証可能性
- 既存顧客基盤との相性
6. 上位案を検証へつなぐ
上位となった「商談準備AI」について、AIに顧客ヒアリング質問候補を作らせました。
その質問を人が調整し、営業担当者5名へヒアリングしました。
結果、チームが当初重視していた「最新ニュース収集」よりも、
- 過去提案資料を探す
- 前回商談の宿題を確認する
- 商談履歴をたどる
ことに時間がかかっていると分かりました。
そこで検証優先順位を、
- 過去提案資料検索
- 前回アクション確認
- 最新ニュース収集
へ変更しました。
この例でAIが担ったこと
- 初期案の補助
- 発展方向の候補出し
- 重複候補の整理
- 案同士の差分説明
- 評価軸候補
- ヒアリング質問候補
人が担ったこと
- テーマと制約の確定
- 自分の初期案作成
- AI案の採否
- 重複統合の最終判断
- 評価軸の正式決定
- 顧客ヒアリング
- 検証優先順位の変更
そのまま使える記入形式が必要なら、ブレインライティングテンプレートを使うと、初期案、回覧、発展、整理、評価、検証まで一つの型で管理しやすくなります。
具体的な案件への適用イメージを追いたい場合は、ブレインライティング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、ブレインライティング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
テーマと制約
AIは広いテーマほどもっともらしい案を大量に出します。何を解く企画か、誰向けか、期間や禁止条件は人が決めます。
事実
AIが「営業担当者は資料検索に平均30分かかる」などと出しても、根拠がなければ事実ではありません。実際のヒアリングやデータで確認します。
顧客課題
AIが出す課題は仮説です。実際に強い課題かは顧客へ確認します。
評価軸
AIは一般的な軸を出せますが、今回の事業判断で何を重視するかは人が決めます。
統合判断
似た案でも、顧客課題・利用場面・検証方法が違えば別案として残す価値があります。
最終採否
AIが高得点と評価した案でも、経営方針、法務、技術、顧客優先度を踏まえて人が判断します。
生成AIの誤りと限界
似た案を大量に出すことがある
語尾や表現だけ違う案が増えます。発想方向を指定し、重複確認を行います。
存在しない市場ニーズを事実のように書くことがある
「多くの企業が困っている」といった断定は、そのまま使いません。
社内に存在しないデータを前提にすることがある
過去商談ログ、提案資料、顧客データが利用可能かは人が確認します。
評価を早く始めすぎることがある
AIは案を出すと同時に優劣を付けがちです。発散中は評価を分離します。
人気のある一般論へ寄ることがある
AI、要約、検索、自動化など定番案へ偏るため、顧客行動や制約を具体化して問い直します。
機密情報の扱いに注意する
顧客名、商談履歴、提案書、未公開事業案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
- テーマと制約を人が決めたか
- 参加者自身の初期案を先に出したか
- AI案だけでシートを埋めていないか
- 発散中に評価しすぎていないか
- AIが出した事実らしい記述を検証したか
- 社内データが本当に利用可能か確認したか
- 重複統合を人が見直したか
- 評価軸を人が正式決定したか
- 上位案を顧客ヒアリングや簡易検証へつないだか
- AIの評価だけで採否を決めていないか
- 顧客や社内の機密情報を不用意に入力していないか
まとめ
生成AIは、ブレインライティングを効率よく進める補助役として使えます。
特に役立つのは、初期案の補助、他人の案の発展、組み合わせ案、重複整理、案同士の差分説明、評価軸候補、検証質問の作成です。
一方で、テーマと制約、顧客課題の事実確認、評価軸、統合判断、最終採否、検証優先順位は人が担う必要があります。
生成AIに「良いアイデアを選んでもらう」のではなく、「発想の幅を広げる」「整理を速くする」「検証質問を作る」ために使うことで、ブレインライティングを新規事業・企画立案の実務へつなげやすくなります。