従来の問題解決では「経験と勘に頼る」「場当たり的な対応」「フレームワークの選定に迷う」といった課題がありました。AIプロンプトを活用することで、これらの問題を根本的に解決できます。

通常の相談チャットの場合

よくある問題

• 感情的な愚痴で終わってしまう
• 具体的な解決策が提示されない
• 分析が浅く、根本原因に到達しない
• 実行計画が曖昧で行動に移せない

問題解決プロンプトの場合

改善された点

• 体系的なフレームワークで分析
• 根本原因の特定と複数案の比較検討
• 実施計画とKPI設定まで自動生成
• 再現性の高いプロセスで誰でも活用可能

以下が、どんな業務課題にも対応できる問題解決プロンプトです。相談内容の「〇〇」部分を具体的な悩みに変更するだけで使用できます。

プロンプトの構成

インプット:

相談内容: “仕事で〇〇に悩んでるんですけど”

備考: “不足情報があれば適宜ヒアリングしてから分析を開始してください”

期待するアウトプット:

• フレームワーク選定と理由
• 根本原因分析
• 解決策の創出と評価
• 最適案の選定と実施計画
• 成功指標(KPI)とモニタリング方法

出力フォーマット:

• 見出し階層: “H2 (##) から開始”
• 表形式: “Markdown”
• 文字数制限: “全体 2,000 文字以内”
• スタイル: “簡潔かつ実践的”

実際のプロンプト例：

インプット:
相談内容: “仕事で〇〇に悩んでるんですけど”
備考: “不足情報があれば適宜ヒアリングしてから分析を開始してください”
期待するアウトプット:
– 項目: フレームワーク選定と理由
詳細:
– “候補例：PDCA／DMAIC／Design Thinking／Kepner-Tregoe／5 Whys など”
– “本問題に最適な理由を明示する”
– 項目: 根本原因分析
詳細:
– “選定フレームワークに沿った分析プロセスを要約”
– “因果関係図や 5 Whys などで具体的原因を特定”
– 項目: 解決策の創出と評価
詳細:
– “最低 3 案提示”
– “各案を「効果・実現性・コスト・リスク」で ★1〜★5 の比較表にまとめる”
– 項目: 最適案の選定と実施計画
詳細:
– “採択理由を示す”
– “WBS 形式で実施ステップ（担当・期限・マイルストーン）を提示”
– “潜在的課題・リスクとその対策を併記”
– 項目: 成功指標 (KPI) とモニタリング方法
詳細:
– “定量・定性の両面から指標を設定”
– “測定タイミングとデータ取得方法を示す”
出力フォーマット:
見出し階層: “H2 (##) から開始”
表形式: “Markdown”
文字数制限: “全体 2,000 文字以内”
スタイル: “簡潔かつ実践的”

出力結果例

実際のプロンプト例から出力された結果をご紹介します。

フレームワーク選定:
  名称: “5 Whys + PDCA”
  選定理由: >
    ・1名の個別課題は5 Whysで原因を深掘りしやすい 
    ・原因判明後はPDCAで小さく回して定着させると実践的

根本原因分析:
  5Whys:
    – Why: 1st
      観察: “モチベーションが低い”
      推定原因: “仕事が『作業』に感じる”
    – Why: 2nd
      観察: “自律的に動かない”
      推定原因: “目標・期待役割が不明確”
    – Why: 3rd
      観察: “指示待ち業務が多い”
      推定原因: “スキル把握・育成計画が曖昧”
    – Why: 4th
      観察: “成長実感が得られない”
      推定原因: “メンター・FB不足”
    – Why: 5th
      観察: “機会設計がない”
      推定原因: “オンボーディング・評価制度形骸化”
  主因:
    – “目標・役割の不透明さ”
    – “成長機会とフィードバック不足”
    – “自律を促す業務設計の欠落”

解決策比較:
  – id: A
    施策: “OKR設定 + 週次1on1″
    効果: 5
    実現性: 4
    コスト: 2
    リスク: “過度な管理感”
  – id: B
    施策: “小規模プロジェクトを委譲”
    効果: 4
    実現性: 3
    コスト: 2
    リスク: “品質低下の可能性”
  – id: C
    施策: “メンター制度 + スキルマップ”
    効果: 3
    実現性: 5
    コスト: 1
    リスク: “メンター負荷増”

このプロンプトは、読者の立場や職種に応じて様々な場面で活用できます。具体的な活用例を紹介しましょう。

管理職・マネージャー向け活用例

新人教育での活用

• 「新人の成長が遅いんですけど」
• 「部下のモチベーション管理に悩んでいるんですけど」
• 「チームの生産性向上に課題があるんですけど」

プロジェクト管理での活用

• 「プロジェクトの進捗が遅延しているんですけど」
• 「ステークホルダー調整がうまくいかないんですけど」
• 「予算オーバーが続いているんですけど」

営業・カスタマーサクセス向け活用例

顧客対応での活用

• 「顧客満足度が上がらないんですけど」
• 「解約率を下げたいんですけど」
• 「新規開拓がうまくいかないんですけど」

人事・総務向け活用例

組織課題での活用

• 「離職率の改善に悩んでいるんですけど」
• 「社内コミュニケーション不足を解決したいんですけど」
• 「リモートワークの課題があるんですけど」

実際のプロンプト活用例として、「20歳の新人社員のモチベーション向上」という課題を解決したケースを詳しく見てみましょう。

フレームワーク選定の結果

選定されたフレームワーク: 5 Whys + PDCA

選定理由:

• 個別課題には5 Whysが原因の深掘りに適している
• 原因判明後はPDCAで小さく改善サイクルを回せる
• 新人教育という継続的な取り組みに向いている

根本原因分析（5 Whysの実行結果）

解決策の比較評価

実施計画とKPI設定

採択施策: A + B（目標明確化と裁量付与の組み合わせ）

4週間の実施計画:

1. 第1週: 現状ヒアリング＆個人OKR草案作成
2. 第2週: OKR確定・小規模プロジェクト決定
3. 第3週: 週次1on1開始・進捗確認
4. 第4週: 初期成果物レビュー＆次サイクル改善

設定されたKPI:

• OKR達成率: 70%以上/四半期
• 自主提案数: 月2件以上
• 1on1満足度: 4/5以上
• エンゲージメントスコア: +10pt/四半期

AIを活用した問題解決は非常に効果的ですが、適切に活用するために押さえておくべき注意点があります。

①フレームワーク選定は万能ではない

AIが提案するフレームワークは確率論的に最適とされるものですが、組織の文化や業界特性によっては別のアプローチが適している場合があります。状況に応じて柔軟に変更する判断力が必要です。

対策:

• 複数のフレームワークでの分析を試す
• 業界のベストプラクティスとの照合
• 過去の成功事例との比較検討

②AI分析結果の妥当性検証は必須

AIの分析は論理的で一貫していますが、現場の微妙なニュアンスや人間関係の複雑さを完全には理解できません。必ず人間側で妥当性を検討することが重要です。

検証ポイント:

• 現場の実態との整合性
• ステークホルダーの受入れ可能性
• 既存制度・文化との親和性
• リソース制約の現実性

③継続的な改善サイクルの重要性

一度の分析で完璧な解決策が生まれることは稀です。PDCAサイクルを回しながら、継続的に改善していく姿勢が成功の鍵となります。

より効果的にこのプロンプトを活用するためのコツを紹介します。

1. 相談内容は具体的に記述する

❌ 曖昧: 「チームに問題があるんですけど」 

⭕ 具体的: 「チーム内のコミュニケーション不足で情報共有ができていないんですけど」

2.背景情報も併せて提供する

業界、組織規模、過去の取り組み状況など、文脈情報を提供することでより精度の高い分析が可能になります。

3.複数の視点で問題を整理してから相談する

当事者、関係者、外部の視点で問題を整理してから相談すると、より包括的な解決策が得られます。

4.実施可能性を重視した優先順位付け

理想的な解決策よりも、現実的に実行できる施策から始めることが重要です。

5.定期的な振り返りと軌道修正

設定したKPIを定期的にモニタリングし、必要に応じて戦略を調整する仕組みを作りましょう。

個人の課題解決だけでなく、組織レベルでの戦略立案にも応用できます。

戦略立案での活用

• 「新市場への参入戦略を検討しているんですけど」
• 「デジタル変革を推進したいんですけど」
• 「競合他社との差別化で悩んでいるんですけど」

業務改善での活用

• 「業務効率化を図りたいんですけど」
• 「品質向上の取り組みで行き詰っているんですけど」
• 「コスト削減を進めたいんですけど」

万能問題解決プロンプトは、単なる相談ツールを超えて、体系的な思考力を身につけるための強力なサポートツールです。重要なのは、AIに全てを依存するのではなく、人間の判断力と組み合わせて活用することです。

この手法をマスターすれば：

• どんな課題にも論理的にアプローチできる
• 感情的な判断ではなく、データに基づく意思決定が可能
• チーム内での共通言語として活用できる
• 継続的改善の仕組みを構築できる

まずは身近な小さな悩みから始めて、徐々に複雑な組織課題にも適用してみてください。あなたの問題解決力と意思決定力が格段に向上するはずです。

さらに詳しいAI活用術や最新情報を学びたい方は、定期開催している無料セミナーもご用意しております。ページ下部よりお気軽にご参加ください。