AIを使った課題整理はどんな場面で有効ですか？

ヒアリング後の発言整理、仮説ドリブンでイシューツリーを展開する場面、複数の課題を優先度でソートする場面などで特に効果を発揮します。

AIが出したイシューツリーはそのまま使えますか？

ひな形として使えますが、業界・クライアント固有の制約を反映させるには必ず人間が修正してください。AIは一般論から展開するため、業界慣習や組織内政治的な論点が漏れることがあります。

イシューツリーとロジックツリーはどう違いますか？

イシューツリーは『解くべき問い』を階層化したもので、ロジックツリーは原因や構成要素を分解したものです。コンサルティングでは最初にイシューツリーで問いを設計し、各イシューに対してロジックツリーで構造を掘り下げる使い方が多いです。

課題整理のプロンプトでよくある失敗は何ですか？

「課題を整理してください」だけでは曖昧すぎます。プロジェクトの目的・対象組織・既知の情報・分解したい軸を明示することで出力の精度が大きく変わります。

課題整理をAIで行う方法

結論

課題整理フェーズでAIを使うと、ヒアリング発言からイシューツリーの骨格を30分以内に作れる。コツは「現状・理想・ギャップ・原因仮説」の4軸をプロンプトに明示し、AIに構造の草案を出させてから人間が修正する進め方だ。

使うAIツール

ツール	役割
Claude 3.5 Sonnet / GPT-4o	イシューツリーの展開・論点の構造化
Miro / FigJam	AIの出力を視覚的なツリーに展開
Notion / Word	課題整理ドキュメントの保管

長文のヒアリングログを扱う場合はClaudeが優位。複数ドキュメントを同時参照しながら課題を統合したい場合はClaude Projectsが適している。

手順

ステップ1：プロジェクトの問いを定義する

課題整理の前提となる「解くべき問い」を1文で定義する。この問いが曖昧だとAIの出力もブレる。

あなたはコンサルタントです。
以下のプロジェクト情報をもとに、「解くべき問い（イシュー）」を1文で定義してください。

【プロジェクト情報】
- クライアント業種：製造業（精密機器）
- 依頼の背景：競合他社と比較して新製品の市場投入速度が遅く、売上機会を逃している
- 依頼者の期待：6か月以内に改善施策を実装したい
- 制約：開発部門とのリソース調整が必要

問いの形式：「〜するために何をすべきか？」

ステップ2：課題をMECEに分解する

定義した問いをもとに、イシューツリーの第1〜第2層を展開する。

以下の問いを、MECEに第2層まで分解してください。

【問い】
新製品の市場投入速度を競合並みにするために何をすべきか？

【制約】
- 重複なく漏れなく分解する
- 各ノードは「〜か？」という問いの形で表現する
- 分解軸（プロセス・組織・技術など）を明示する
- 最大5〜6の第1層ノードに収める

出力形式：
## 問い（ルート）
### 第1層ノード（分解軸：〇〇）
- 第2層ノードA
- 第2層ノードB

ステップ3：各ノードに現状・理想・ギャップを対応させる

ヒアリングで得た発言を各ノードに紐づけ、現状とあるべき姿のギャップを明確にする。

以下のイシューツリーの各ノードに対して、「現状」「理想」「ギャップ」を記入してください。

参考にするヒアリング発言は以下です。

【ヒアリング発言（抜粋）】
- 「仕様変更が発生するたびに設計に差し戻しが起きて2〜3週間ロスする」
- 「マーケティングが要件を決める前に開発が動き始めることが多い」
- 「競合は外部パートナーを活用して開発スピードを上げているが、うちは内製にこだわっている」

【イシューツリー（第2層まで）】
（前のステップで生成したツリーを貼る）

出力形式：
| ノード | 現状 | 理想 | ギャップ |
|---|---|---|---|

ステップ4：優先度スコアリングを行う

課題の数が多い場合、インパクトと実現可能性で優先度を絞る。

以下の課題リストを、「インパクト（高/中/低）」「実現難易度（高/中/低）」「緊急性（高/中/低）」で評価してください。

【課題リスト】
（ステップ3で特定した課題を貼る）

【評価基準】
- インパクト：売上・コスト・スピードへの影響度
- 実現難易度：社内調整・技術・コストの総合
- 緊急性：経営が求めるタイムライン上の重要度

出力形式：表形式で評価し、最後に「優先的に取り組むべき課題トップ3」を理由とともに示す

具体例1：流通業の在庫最適化プロジェクト

流通業クライアントの在庫過多・欠品問題を整理した際、ヒアリングで得た30発言を上記プロンプト（ステップ3）に渡した。AIは発言を「需要予測精度」「発注ルール」「リードタイム」「組織間連携」の4軸に自動分類し、各軸のギャップを整理した表を出力した。

この前処理がなければ2〜3時間かかる論点の棚卸しが、AIへの投入から30分で骨格が完成した。残りの時間を業界特有の商慣習の反映と優先度議論に充てられた。

具体例2：IT企業の組織改革プロジェクト

部門横断プロジェクトで7名のステークホルダーインタビューを行った際、各インタビューの文字起こしをすべて一括してClaudeに渡し、「課題を現状・原因・影響の3層で構造化してください」と指示した。

7名の発言に共通する論点と、部門ごとに異なる論点が明確に分類された。共通論点は「情報共有の非効率」「意思決定の遅さ」「権限の不明確さ」の3つで、これをプロジェクトの主要イシューとして設定する根拠に使えた。インタビュー分析が1日から半日に短縮された。

うまくいかない場合

ツリーが深くなりすぎる

プロンプトに「第2層まで」と階層の上限を指定する。AIは指示がないと詳細化しすぎる傾向がある。また、「1ノードの説明は30字以内」など分量の制約も加えると整理しやすい出力になる。

MECEになっていない

「このツリーはMECEですか？重複しているノードと漏れているノードを指摘してください」というフォローアッププロンプトを使うと、AIが自己チェックして修正案を出す。ただし最終的な判断は人間が行うこと。

業界固有の観点が抜ける

プロンプトの【プロジェクト情報】に業界・業種の特性を追記する。「小売業では季節変動が大きい」「製造業では設備投資サイクルがある」など、業界文脈をAIに渡すことで出力の精度が上がる。

クライアントの発言が多すぎてAIに渡せない

一度に渡す発言を1ノードあたり5〜10発言程度に絞る。または「この中で課題整理に関連しそうな発言を10個に絞ってください」という前処理プロンプトを使って情報量を圧縮してから本処理を行う。

課題整理の全体フロー

プロジェクトの問いを定義
  ↓ ステップ1
問いをMECEに分解（イシューツリー）
  ↓ ステップ2
ヒアリング発言を各ノードに紐づけ
  ↓ ステップ3
現状・理想・ギャップを整理
  ↓ ステップ4
課題の優先度スコアリング
  ↓
提案の論点設計へ

他の記事との連携

課題整理の前提となるヒアリング発言の整形はコンサルタントの文字起こしをAIで整形する方法を参照。整理した課題をもとに仮説を立てる手順は仮説出しをAIで壁打ちする方法で解説している。提案書の作成についてはコンサル成果物をAIで作る方法も合わせて読んでほしい。