ChatGPTに答えを聞くな：意思決定を変える生成AIの5つの使い方
毎朝ChatGPTに何かを聞いている経営者が増えた。「この文章を直して」「このメールを翻訳して」「競合のXXとはどんな会社か教えて」——使い方に困ることはもうない。
しかし、意思決定の質が変わったという声は、まだ少ない。
理由はシンプルだ。多くの経営者が生成AIを「答えを出す機械」として使っている。答えを聞く道具として使う限り、判断の質は変わらない。問いの質が変わらないからだ。
この記事では、「答えを聞く」から「問いを立てる」へと使い方を変えた企業の実例と、今週から試せる5つの実践パターンを紹介する。生成AIが本当に意思決定を変えるのは、この転換が起きた後だ。
「答えを聞く」ことの限界
経営判断の質は、「どれだけ良い答えを持っているか」ではなく、「どれだけ良い問いを立てられるか」で決まる。
たとえば、新規事業への参入を検討しているとき、「この市場に参入すべきか？」とChatGPTに聞いても、返ってくるのは一般論だ。競合状況、市場規模、リスクと機会——どこかで見たような情報が並ぶ。判断には使えない。
ところが問いを変えると、まったく違う答えが返ってくる。「私がこの市場に参入すると決めたとして、3年後に撤退している可能性が最も高いシナリオを3つ挙げてほしい」——このように聞くと、AIは仮定を受け入れた上で、失敗の構造を具体的に描き出す。
これが「問いを立てる」使い方の本質だ。
図1: 「答えを聞く」使い方と「問いを立てる」使い方の違い
意思決定を変える5つの実践パターン
以下のパターンは、米国の戦略コンサルティングファームや投資家が実際に使っている思考法を、生成AIで実践できる形に落とし込んだものだ。特別なツールは不要で、ChatGPTやClaudeで今日から試せる。
1. スティールマン：自分の判断の最強の反論を作る
「スティールマン」とは、相手の主張の最も強い形を自分で作り上げる思考法だ。「ストローマン（藁人形）」の逆。
使い方は単純だ。「私は〇〇という判断をしようとしている。この判断に反論する立場の人間が言える、最も強力な主張を3つ挙げてほしい。ただし、私が既に考慮済みの反論（〜）は除いて」と伝える。
従業員60名のシステム開発会社が、新規にSaaS事業への参入を検討したときの話だ。経営者がClaude Codeでスティールマン分析を実施したところ、「既存顧客との利益相反リスク」が浮上した。SaaSの競合他社が自社の顧客企業と重なる可能性を、社内では誰も議論していなかった。
2. プレモーテム：失敗した未来から逆算する
Google VenturesやIntuit等が採用している「プレモーテム（premortem）」は、意思決定の前に「プロジェクトが失敗した未来」を想像し、その原因を事前に洗い出す手法だ。
プロンプトの形は次のようになる。「今から12ヶ月後、この取り組みは失敗に終わりました。社内の誰もがそれを知っています。失敗の原因は何だったか、5つのシナリオで説明してください。各シナリオは、現時点で見落としがちなリスクを含むものにしてください」
Lat91でも、新規のAIエージェント案件に着手する前にこのプロンプトを必ず回している。最も多く出てくる失敗原因は「顧客側の業務フローを事前に把握できていなかった」と「人間のレビュー工程を設計していなかった」の2つだ。事前に対策できるから、実際の失敗率が下がる。
3. ペルソナシフト：競合・顧客・投資家の目線で見る
自社の戦略を、別のステークホルダーの目線で評価する手法だ。自分の視点だけで考えていると、重要な盲点が生まれやすい。
「あなたは私の最大の競合他社の経営者です。私の今期の事業計画を読んで、『これは脅威ではない』と判断した理由を3つ教えてください」——このプロンプトは、自社の弱点を競合目線で炙り出す。
逆のアプローチもある。「あなたは厳しい投資家です。私のビジネスに投資しない理由として、最も論理的な反論を5つ作ってください」。自社のピッチ資料を見直すのに使える。
4. 仮定の暴露：この判断が間違っているとしたら
重要な意思決定の多くは、いくつかの「暗黙の仮定」の上に成り立っている。問題は、その仮定を意識していないことだ。
「この判断が正しいとするなら、それは〇〇という前提が成立しているときだけです。その前提が間違っている可能性を3つ示してください」——このプロンプトで、判断の脆弱性が見えてくる。
米国のVCファームAmpere Capitalは、投資判断の前にChatGPTを使って「このスタートアップへの投資が10年後に失敗と評価されるとしたら、最も可能性が高い理由は何か」を全案件に対して実施する運用を2024年から始めている（Bloomberg Businessweek, 2025年3月）。
5. オプション展開：制約を外したらどうなるか
人間の思考は、制約から逆算しやすい。「予算が少ないから無理」「人手が足りないから無理」——しかし、制約を意識しすぎると創造的な解が見えなくなる。
「もし予算の制約が今の3倍あったとしたら、この課題への対処法はどう変わりますか？その中で、実は今の予算でもできることはありますか？」このアプローチで、「制約があるから思いつかなかった」選択肢が浮かび上がる。
図2: 5つの実践パターンの概要
海外の使い方：「AIで意思決定をどう変えているか」
米国の大手コンサルティングファームMcKinsey & Companyは、2024年のAI活用報告の中で「クライアントの戦略立案プロセスにおいて、生成AIは情報検索よりも思考の構造化に使われることが多い」と述べている。具体的には、市場分析の後に「この結論に対する最も説得力のある反論は何か」を系統的にAIに生成させ、その反論を潰すことで戦略の強度を上げる手法を採用している。
Amazonでは、Bezos時代から続く「6ページメモ」文化にAIを組み込む実験が社内で進んでいる。新事業や投資案件のメモ草稿を書いた後、AIに「このメモで答えられていない重要な問いを10個挙げよ」と指示し、それへの回答を追記する形で文書の質を高める。
日本では、シーンが少し異なる。Lat91が支援したある製造業（従業員200名）の事例では、役員会議の前日に経営企画担当者がClaude Codeを使って議案をスティールマン分析し、「想定される役員からの質問リスト」を作成する運用が定着している。以前は会議中に想定外の反論が出て議論が迷走することが多かったが、この運用を始めてから会議時間が平均30%短縮したという。
よくある反論に答える
「AIが出す反論は的外れなことが多い」——確かに、最初のうちはそうだ。業界固有の文脈を理解していないAIが一般論の反論を並べることは多い。対処法は、プロンプトに文脈を詰め込むことだ。「我々の業界では〜という商習慣がある」「主な顧客は〜という課題を持っている」という前提をプロンプトに加えると、反論の質が劇的に上がる。
「経営者がそんなにプロンプトを工夫している時間はない」——その通りだ。最初から5パターン全部を試す必要はない。まずプレモーテムだけを、次の重要な意思決定の前に1回試してほしい。15分で終わる。それで判断が変わるかどうかを自分で確かめることが先決だ。
「機密情報をAIに入力するのは危険では」——この懸念は正当だ。具体的な顧客名や財務数値を入力する前に、自社のAI利用ポリシーを確認する必要がある。Claude for WorkやChatGPT Enterpriseは学習に使用されない設定が可能で、ほとんどのビジネス用途に対応できる。機密性が高い情報は、匿名化した形で入力する方法もある。
まとめ：問いの質が判断の質を決める
生成AIを「答えを聞く道具」として使い続ける限り、得られるのは一般論だけだ。それは便利かもしれないが、経営判断を変えるには至らない。
「問いを立てる道具」として使ったとき、生成AIは本領を発揮する。スティールマン、プレモーテム、ペルソナシフト、仮定の暴露、オプション展開——この5つのパターンは、いずれも「AIに考えてもらう」のではなく「AIを使って自分の思考を鍛える」ためのフレームだ。
まず1つ。次の重要な意思決定の前に、プレモーテムを試してほしい。「12ヶ月後にこれが失敗したとしたら、最も可能性が高い理由は何か」——AIに聞いてみることから始まる。
Lat91では、生成AIを経営判断に組み込む仕組み作りを支援しています。
「どこから始めていいかわからない」「自社のケースで試してみたい」という方は、無料相談からお気軽にどうぞ。