「AIがそう言ったから」で進めない

会議の議事録、売上データ、過去の提案書。これらをAIに渡せば、分析や資料の下書きを短時間で作れるようになりました。

しかし、資料の中に「新しい分野に可能性がある」「この順番で進めるとよい」と書かれていても、そのまま実行してよいとは限りません。

AIは、渡された情報をもとに候補を出せます。一方、目的や条件が伝わっていなければ、会議での決定、担当できる人、顧客との関係、予算などを、正しく踏まえられないことがあります。

大切なのは、AIを使わないことではありません。AIが考える材料を広げ、人間が目的に照らして選び、確かめ、責任を持って仕事を進めることです。

1．推進の現場で起きていること

データを渡しただけで、意図も伝わったと思っていませんか？

たとえば、チームで新しい営業施策を検討するとします。

会議では「新しい市場には可能性がある。ただし、詳しい担当者が限られるため、まずは個別に試す。一方、チーム全体では既存顧客への提案を強化する」という方向が話し合われました。

担当者は、議事録と顧客データをAIに渡し、「営業戦略の資料を作って」と依頼します。

すると、AIは「新市場へのアプローチを全員で強化する」という案を、見栄えのよい資料にまとめました。

担当者は資料を共有し、「AIがこの市場に可能性があると分析したので、この方向で進めます」と説明します。

ところが、受け取った側からは次の疑問が出てきました。

問題は、AIが新市場を挙げたこと自体ではありません。 市場の可能性と、担当者・体制・優先順位を踏まえた実行判断が、つながっていなかったことです。

この例は、特定の事例ではなく、よくある問題を説明するための架空の例です。

なぜ「それっぽい資料」で止まってしまうのか

AIが整った文章や表を作ると、考えるべきことまで整理されたように見えます。しかし、次は別々に確認する必要があります。

• 分析： どんな可能性があるか
• 判断： 今回の目的・条件では、何を選ぶか
• 実行： 誰が、何を、いつまでに行うか

こんな兆候があれば、立ち止まる

• 「AIがこう言ったので」と説明するが、採用理由を説明できない
• 資料に書かれた数値や主張の根拠が分からない
• 会議で決まった条件が、次の資料に反映されていない
• 立派な計画はあるが、担当者や最初の行動が決まっていない
• 質問を受けると、AIが作った文章を読み返すしかない
• 間違いに気づいても、前提や目的を確かめず、文章だけを書き直している

一つでも当てはまれば、AIの性能や資料の見た目だけでなく、目的をどう渡し、どう判断したかを振り返るきっかけになります。

2．壁が生まれる理由

① データと、仕事の文脈は同じではない

議事録やデータを渡しても、次のことが明記されているとは限りません。

• 今回、何を成果とするのか
• 誰が何を決めるのか
• 既に合意したことと、まだ検討中のことは何か
• 人員・時間・予算など、どんな制約があるか
• これまでの経緯のうち、何を特に重視すべきか

人間同士なら暗黙に理解している前提も、AIに伝わるとは限りません。

資料を渡すことと、仕事の意図を伝えることは別です。

② 目的が曖昧でも、AIは形を作れてしまう

「いい感じにまとめて」「最適な提案を考えて」と依頼すると、読みやすい資料ができることがあります。

しかし、読みやすさと、今回の仕事に合っていることは別です。目的や条件が曖昧な場合、AIが一般的な前提を補い、実際には決まっていない内容まで、それらしく書くことがあります。

③ 「出力があること」と「判断できること」を混同する

AIが「この案がおすすめです」と答えても、その根拠が今回の顧客や組織に合っているとは限りません。

AIの意見を聞くことは有効です。ただし、採用する理由を「AIがそう言ったから」にしてはいけません。

④ 考える工程が見えなくなる

データを入力し、すぐに完成資料を出すと、次の工程が省かれやすくなります。

この間の判断を残さないと、間違えたときも「どこでずれたのか」が分からず、同じ修正を繰り返しがちです。

3．どう進めるか――「入力→処理→出力→確認・修正→展開」

AIを使う仕事は、資料を作ったところでは終わりません。前後の工程まで含めて設計することが重要です。

① 入力：最初に「仕事の設計図」を渡す

AIに渡すべきなのは、資料だけではありません。少なくとも次を整理します。

1. 目的： この仕事で何を変えたいか
2. 成果： 終わったとき、何が判断・実行できる状態にしたいか
3. 相手： 誰が読み、誰が判断するか
4. 決まっていること： 合意事項、優先順位、変えられない条件
5. 考えてほしいこと： 選択肢、比較、懸念、不足情報
6. 不明なこと： まだ決まっていない点と、確認先

最初からすべて分かっている必要はありません。分からなければ、AIに「目的を整理するために質問して」と依頼し、人間が答えを考えることも有効です。

②・③ 処理と出力：まずは「候補」として受け取る

AIには、整理や下書きだけでなく、別の切り口や反論も出してもらえます。

ただし、「AIが作った表」をそのまま完成品と見なさず、どこまでが事実で、どこからが仮説かを分けます。

④ 確認・修正：重要な部分は人間が確かめる

すべての文章を同じ深さで点検する必要はありません。特に、次を優先します。

• 結論を左右する事実や数字
• 顧客・社内の合意事項
• 金額、期限、契約、安全、個人情報に関わる内容
• 実行体制や、担当者の能力・工数に関する前提

AIに再点検を頼むこともできますが、AIの自己点検だけでは正しさは保証されません。 重要な内容は、元資料、担当者、必要に応じて専門家に確認します。

⑤ 展開：資料から、実際の行動へ

説明するときは「AIがそう言った」ではなく、次の形にします。

仕事を進めるには、担当者・期限・成果物・完了条件まで確認します。

4．人間の思考をどう使うか――三つの考え方

AIを使う前後で、人間が目的に向き合うために役立つのが、次の三つの考え方です。

① ラテラルシンキング：別の見方を増やす

「ほかに考え方はないか？」と、視野を広げる考え方です。

たとえば「新しい市場を狙うべきか」だけでなく、次の選択肢も考えます。

• 既存顧客の別の課題を深掘りする
• まず少数の顧客で試す
• 専門担当者だけで取り組む
• 今は取り組まず、判断に必要な情報を集める

AIには「実行方法を変えた案」「制約が厳しい場合の案」も出させられます。ただし、候補を増やしたら、目的と条件に照らして人間が選びます。

② ロジカルシンキング：目的から行動までをつなぐ

「なぜその案なのか」「実行すると何につながるのか」を筋道立てて考える方法です。

たとえば「新市場に可能性がある」だけでは、実施計画になりません。

• 何の成果を狙うのか
• どんな顧客の、どの課題に応えるのか
• なぜその施策が有効と考えるのか
• 誰が実行し、何をもって結果を確認するのか

このつながりが説明できると、資料は「情報の一覧」から「判断に使える提案」に変わります。

③ クリティカルシンキング：正しそうな案を確かめる

「その前提は本当か」「別の解釈はないか」と、根拠を点検する考え方です。

• その数字は、実績か、予測か、仮置きか
• その情報は、今回の対象にも当てはまるか
• AIは、何を前提に結論を出したか
• 反対意見や、実行できない理由はないか
• どの前提が変わると、結論が変わるか

AIに反論を出させることは有効ですが、反論も含めて、根拠を確かめるのは人間です。

5．意図を伝えるとは「欲しい答えを出させること」ではない

ここは、誤解しやすいポイントです。

人間の意思を伝えることと、自分に都合のよい結論をAIに言わせることは違います。

目的・制約・既決事項は明確に伝えます。一方で、自分の仮説に反する情報や、よりよい別案があれば、人間が仮説を修正する余地を残します。

また、既決事項を変える提案が必要な場合は、既決事項を勝手に書き換えるのではなく、変更案として理由とともに別に示し、判断を仰ぎます。

6．例で見る：丸投げと、人間が判断する使い方

例① 営業施策を考える

よくない依頼

データは渡していますが、目的、合意、誰が実行できるかが曖昧です。AIが有望な市場を挙げても、それを全員で進めてよいかは分かりません。

改善した依頼

出力後、人が確認すること

• その市場や顧客を選んだ根拠は何か
• 担当者に、時間と対応能力があるか
• 元の会議の決定と合っているか
• 次に誰が何をするか決められるか

例② ワークショップの進め方を作る

よくない依頼

AIは一般的なワークを並べられますが、その回で顧客と何を決めたいかが不明です。

改善した依頼

出力後、人が確認すること

• 各ワークは、初回の目的につながっているか
• 顧客に何を話してもらい、何を持ち帰るのか
• 時間と参加者の立場に合っているか
• 未確認の事業情報や数字が混ざっていないか

どちらも架空の例です。重要なのは、先に人間が目的と条件を示し、AIの案を判断材料として使うことです。

7．現場ですぐ使える「虎の巻」

AIに依頼する前の六つの確認

1. 何のために行う？――目的と成果は何か
2. 誰が使う？――読者、判断者、実行者は誰か
3. 何が決まっている？――合意事項と変えられない条件は何か
4. 何がまだ分からない？――未決事項と確認先は何か
5. AIに何をしてほしい？――整理、選択肢、反論、下書きのどれか
6. 人が何を確認する？――特に重要な根拠・数字・リスクは何か

出力を共有する前のチェックリスト

• 目的と、相手に求める判断・行動を説明できる
• 会議での合意事項と、まだ仮説の内容を分けている
• 提案の採用理由を「AIが言ったから」以外で説明できる
• 重要な数字・事実・条件を元資料や担当者に確認した
• 別の選択肢や、実行上の懸念を確認した
• 担当者・期限・成果物・完了条件を整理した
• 分からないことは、分からないまま明示した
• 対外的な約束、契約、安全、個人情報は適切に確認した

分からないときの相談の仕方

正解を持ってから相談する必要はありません。次のように、分かることと、判断に困っていることを分けて伝えます。

8．すぐ試せるプロンプト

① 作成前：目的と条件を整理する

以下の仕事について、いきなり完成資料を作らず、
まず目的と判断に必要な条件を整理するのを手伝ってください。

【仕事の目的】
【達成したい成果】
【読者・判断者・実行者】
【分かっている事実】
【既に決まっていること】
【人員・時間・予算などの条件】
【自分の仮説・案】
【まだ分からないこと】
【参考資料】

次の順に提示してください。
1. 目的を達成するために、何を判断する必要があるか
2. 情報が不足している点と、私に確認したい質問
3. 現実的な選択肢と、それぞれの利点・懸念
4. 私の仮説への反論や、別の見方

不明なことを事実として補わず、事実・仮説・提案を分けてください。
既決事項を変更する案は、変更理由を添えて別枠で示してください。
私が方向性を確認するまで、完成資料は作らないでください。

② 出力後：人間の判断を助ける点検

以下のAI出力を、今回の目的と条件に照らして点検してください。

【今回の目的】
【既決事項・制約】
【AIの出力】
【参照可能な資料】

次の観点で、修正候補と理由を示してください。
1. 目的や合意事項とずれている部分
2. 根拠が不足している数字・事実・前提
3. 実行する人員、時間、費用に関する懸念
4. 見落としている別案や反対意見
5. 事実・仮説・提案・未確認事項が混在する部分
6. 次に人間が確認・判断すべきこと

確認できないことは「未確認」と示してください。
出典を示せない情報を、確認済みとして扱わないでください。

③ 実行前：判断と行動につなげる

以下の提案を、関係者が判断し、実行できる形に整理してください。

【目的】
【人間が確認した事実・合意事項】
【採用したい案と理由】
【未確認事項】

次を示してください。
1. 何を決めてほしいか
2. 推奨案とその理由
3. 主なリスク・未確認事項と確認先
4. 誰が、何を、いつまでに行うか
5. 何をもって完了とし、いつ振り返るか

担当者や期限が決まっていない場合、勝手に決めず「未決」としてください。

9．実践してみる

「AIが出した案」を「自分の判断」に変える演習

題材

架空の営業施策や、ワークショップの進行案を用意します。AIが出した見栄えのよい提案の中に、未確認の前提や実行上の制約が含まれているものを使います。

取り組むこと

1. 目的・成果・読者を一文ずつ整理する
2. 事実・合意・仮説・未確認を分ける
3. AIに、別案と反対意見を出させる
4. 元資料と照合し、重要な前提を確認する
5. どの案を採用・修正・保留するか、理由を書く
6. 担当・期限・成果物・完了条件を整理する
7. 別の参加者に、目的と判断理由を説明する

成功の基準

AIと同じ結論になることは、成功の条件ではありません。 次の点で確認します。

• 目的と、相手に求める判断を説明できる
• 事実・仮説・未確認事項を区別できる
• 別案や反論を踏まえ、採否の理由を示せる
• 担当者と次の行動が明確になっている
• 前提が変わった場合、結論を見直せる

「AIに答えを出させる練習」ではなく、「AIを使って、人間がよりよく考え、判断する練習」です。

まとめ｜壁を越えて、AI活用を業務改革へ

AIが高度になるほど、資料を作る速さは上がります。一方で、何を目指し、何を確かめ、何を選ぶかは、仕事の目的と責任を持つ人間が担う必要があります。

覚えておきたいのは、次の三つです。

意図と条件を、データと一緒に渡す。

AIの出力は、根拠と実行条件を確かめる。

採否を人間が判断し、次の行動までつなげる。

AIは、考えることをやめるための道具ではありません。視野を広げ、考えを整理し、よりよい判断につなげるための相棒です。