コンサルタントの想定問答をAIで作る方法

結論

提案書や報告書の主要論点をAIに渡せば、クライアントが投げてきそうな質問と反論の初稿を数分で生成できます。「なぜこの結論か」「他の選択肢は検討したか」「実現可能性は」といった定番の切り口をAIが網羅するため、人間はその中から案件固有のリスクの高い質問を特定してブラッシュアップする作業に集中できます。

想定問答の準備不足は、プレゼン本番でのたじろぎに直結します。AIを使って初稿を早く作り、深掘りに時間をかける体制を作ることが目的です。

使うAIツール

ツール	用途
Claude（claude.ai）	提案書全文を貼り付けて論点ごとに質問を抽出
ChatGPT（GPT-4o）	箇条書きの論点から質問リストを高速生成
Gemini Advanced	Google Docsと連携した資料ベースの質問生成

提案書や報告書の内容を貼り付ける場合は、クライアント名・案件名・個人情報を「A社」「製造業クライアント」などに置き換えてから入力してください。社内のAI利用ガイドラインがある場合はそちらに従ってください。

手順：想定問答をAIで作る

ステップ1：論点を整理して渡す

AIへの入力は「提案書全文」か「主要論点の箇条書き」のどちらかで行います。提案書が長い場合は、結論・根拠・アクションプランの3点に絞った要約版を作るとAIの出力精度が上がります。

整理する要素は次の通りです。

• 提案の結論：推奨する施策・判断の方向性
• 根拠：なぜその結論に至ったか（データ・分析・ベンチマーク）
• 前提条件：成立する条件・除外した選択肢
• 期待するアクション：クライアントに何を決めてほしいか

この4点が明確であるほど、AIが「ここを突かれる」と判断できる箇所を正確に抽出します。

ステップ2：質問生成プロンプトを使う

あなたは経験豊富なコンサルタントのクライアントです。
以下の提案内容を受け取りました。提案者を鋭く追い詰める可能性がある質問・反論を15〜20個生成してください。

【提案の概要】
（ここに提案書の要旨を貼り付ける）

生成する質問の観点を以下に分類してください：
1. 根拠の妥当性への疑問（データの信頼性・サンプル数・時期）
2. 結論の飛躍への指摘（前提が崩れる場合は？）
3. 代替案への疑問（なぜその施策か・他の選択肢は？）
4. 実行可能性への懸念（コスト・工数・社内リソース・スキル）
5. リスクへの追及（失敗した場合の損失・撤退条件）
6. タイムラインへの疑問（なぜその時期か・優先順位の根拠）

各質問には「なぜこの質問がクリティカルか」を1行で添えてください。

このプロンプトで15〜20問の質問リストが出力されます。全部が鋭いわけではありませんが、「この質問は来るかもしれないが想定していなかった」という発見が必ずあります。

ステップ3：回答の骨格を作る

質問リストができたら、リスクの高い質問を5〜8問に絞り込み、それぞれの回答骨格をAIに作らせます。

以下の質問に対して、コンサルタントとして説得力のある回答の骨格を作成してください。
回答は「結論→根拠2〜3点→クライアントへの問い返し（あれば）」の構成にしてください。

質問：「このコスト試算は楽観的すぎないか。内製化した場合の人件費を加味しているか？」

前提として使える情報：
- 試算はA社の標準的な外注単価を使用
- 内製化の場合の追加工数は別資料の第3章に記載
- 業界ベンチマークでは中央値より15%低い試算

骨格が出たら、実際のデータや事例で肉付けするのは自分で行います。AIが「型」を作り、コンサルタントが「中身」を充実させる役割分担が機能します。

ステップ4：回答の想定時間と深さを設定する

プレゼン本番では質問1件につき2〜3分で回答するケースが多いです。作った回答骨格に対して、何分で話せるかを口頭で確認しておくことで、本番のテンポが安定します。

特に「根拠の妥当性」「代替案」「リスク」の3カテゴリは、クライアントが突いてくる頻度が高いため、この3点の回答は他より1段階詳細に準備しておくと安心です。

コンサル固有の具体例

例1：原価削減提案への反論対応

製造業クライアントへの調達コスト削減提案で、「なぜサプライヤーをこの3社に絞るのか」「品質リスクはないのか」という反論が予想されたケースです。

プロンプトに「調達集約の提案。サプライヤーを現在の12社から3社に集約することで年間コストを20%削減できると提案している」と渡したところ、品質管理・サプライチェーンリスク・既存サプライヤーとの関係悪化・為替変動リスクなど、準備していなかった角度の質問が12問出ました。

この中から「品質リスクの定量的根拠」「撤退条件の明確化」の2問を深掘りして準備したことで、本番では最もクリティカルな質問に数値を使って即答できました。

例2：デジタル化投資提案への懸念整理

小売業クライアントへのPOSシステム刷新提案で、経営陣の承認会議前にCFOからの厳しい質問を想定する必要がありました。

「CFOの立場から見た反論を15問出してください」とロールを指定したところ、投資回収期間・既存システムとの連携コスト・従業員研修費用・ベンダーロックインリスクなど、財務的観点に絞った質問リストが生成されました。

CFO特化のロール指定をすることで、質問の角度が絞られ、準備の効率が上がります。「経営企画部長として」「現場の店長として」のようにロールを変えて複数回生成すると、立場ごとの懸念を網羅できます。

うまくいかない場合

質問が浅くて使えない

原因は入力する提案の要旨が薄いことです。「コスト削減の提案」のような一言ではなく、「なぜその結論か」「どのデータが根拠か」「前提条件は何か」を箇条書きで5〜8行入力してください。情報量が増えるほど質問の鋭さが増します。

同じ質問が繰り返し出てくる

分類の観点をプロンプトで明示していないと、AIは「コストは？」「予算は？」のような類似質問を重複して出します。上のプロンプト例のように「根拠・代替案・実行可能性・リスク・タイムライン」と観点を指定すると重複が減ります。

回答骨格が論理的すぎてクライアントの感情を無視している

クライアントが怒りや不信感から質問してくるケースは、AIの回答骨格では対処が難しいです。感情的な文脈がある場合はプロンプトに「クライアントは前回提案でコスト超過を経験しており、慎重になっている」のような背景を追加し、AIの回答に「まず懸念を受け止める一言」を先頭に入れるよう指示すると改善します。

生成される質問が多すぎて絞れない

「リスク上位5問に絞って優先順位をつけてください」と続けて指示すれば、AIが重要度の高いものを抽出してくれます。全部準備しようとすると時間が足りなくなるため、5〜8問に集中する方が本番の準備密度が上がります。

想定問答の管理と活用

作った想定問答はプロジェクトのドキュメントに蓄積しておくと、次回の類似案件で再利用できます。特に「このクライアントはコスト根拠を必ず突いてくる」「意思決定者が変わると論点が変わる」といったクライアント固有の傾向は、AIでは把握できない情報です。過去の想定問答と実際に来た質問を記録しておくことで、精度が蓄積されます。

チームで共有する場合は、「実際に来た質問」と「AIが予測した質問」を区別して記録しておくと、AIの予測精度を評価して使い方を改善できます。

提案書の作成をAIで進める方法と組み合わせると、提案書作成から想定問答準備まで一気通貫でAIをサポートに使えます。

課題整理をAIで進める手順も参照してください。論点の構造が整理されているほど、AIが生成する想定問答の精度が上がります。

仮説立案をAIで加速する方法を先に読んでおくと、提案の根拠が強くなり、想定問答で追い詰められるリスクが下がります。

成果物作成をAIで効率化する方法もあわせて参照してください。資料の完成度が高いほど、想定問答で聞かれる質問のレベルも上がります。

まとめ

想定問答の準備でAIが役立つのは、論点の網羅性を高める初稿作成と、特定の立場（CFO・現場・経営陣）からの反論を整理する作業です。質問の初稿をAIに任せ、案件固有のリスクの高い質問5〜8問に絞り込んで回答を深掘りするのが実用的な使い方です。

プレゼン前日にゼロから想定問答を作るのではなく、提案書の論点が固まった時点でAIに走らせる習慣を作ることで、本番の準備密度が安定して上がります。