AIを分析パートナーとして活用できるビジネスパーソンになろう|AI-Informedトレーニング
- TAG : AI-Informed
- POSTED : 2026.11.20 11:15
f t p h l

弊社(ギックス)は、AIP(AI-Informed Platform)というサービスを提供しています。このサービスは、AIが分析担当者として、自社データや周辺データを読み込んで分析を行い、Findings(発見)やInsight(示唆)を出すべく解釈を行ってくれる、というものです。
一方で、いくら仕組みがあっても、遣い手がいなければビジネス成果は生み出せません。そこで、このサービスをベースにした、AIを分析パートナーとしたビジネスパーソンを育成する「AI-Informedトレーニング」を開発し、ご提供しています。
ビジネスパーソンが、AIに正しく指示するために
そもそも、ビジネスパーソンがAIを活用する、という際に、最初に考えなければいけないのは「AIに対して、何を依頼するのか」ということです。データの集計をして欲しいのか、集計結果を読み解くところを手伝って欲しいのか、あるいは、読み解きを行って施策案を提案して欲しいのか。なんなら、施策を決めて実行(もちろん、デジタル施策に限ると思いますが)まで任せたいのか。そういうことを決めなければ、AI活用は実現しません。
何を依頼したいのかを決めたら、次に必要なのが「では、どのように指示を出すべきか」を決めることです。
この話をすると、最初に脳裏に浮かぶのが「プロンプトの書き方」ということになると思うのですが、それだけではありません。最も大事なのは、「依頼内容を明確にすること」および「それを正しく伝達すること」です。
具体的に、何をして欲しいのかが明らかでないと、AIは動けません。正確に言うと、それっぽいことはやってくれますが、あなたの思いを読み取ってくれるわけではありませんから、まずは自身の頭の中を整理しましょう。
既に、脳内に仮説や想定があるのか、何もないまっさらな状態なのか。言い換えると、既にある仮説を検証することを目指すのか、いろいろな情報を組み合わせて仮説を作り出すことを目指すのか。前者の場合、仮説の根拠を明らかにしておくべきでしょう。そうでなければ、検証ポイントが曖昧になるリスクがあります。後者の場合は、仮説を作るための思考ステップが明確になっているべきです。考える手順が不明瞭なまま、調査や分析を行っても、的外れな方向に進むリスクが高いのです。
そうなんです。結局のところ、若手社員や後輩に「指示」「依頼」をするのと同じなのです。彼らが、こちらの意図を汲み、適切に処理できるようにするようにガイドするのは、上司、先輩として当然のことです。生成AIに対しても、そのように振る舞うべきでしょう。
AIに「分析」を任せるために重要な3つのこと
さて、そうした中で、特に「分析」をAIに任せるとした場合、どういう点に気を付ける必要があるのでしょうか。
私は、大きく3つのポイントがあると考えています。それは、
- 自らの知りたいこと・分析の切り口を明確にすること
- 事実と推測を切り分けて捉えること
- ビジネス上の成果を意識し、判断・意思決定につなぐこと
です。順に見ていきましょう。
1.知りたいこと・分析の切り口の明確化
最初のポイントは「自分は何を知りたいのか」を明確にすることです。また、その際に「どういう分析の切り口が良さそうか」に、アタリをつけておくべきでしょう。
たとえば、「どうやったらもっと儲かるか」を知りたい、というのは漠然とし過ぎています。それは、むしろ「求めるビジネス成果」と呼ぶべきでしょう。この場合は、
- 路面店と商業施設内店舗のどちらが好調か。また、どちらの方が、大きく伸びる余地があるか。
- 既存商品と新商品の売れ行きはどうか。店舗ごとに差異があるのか。その差異の原因は何か。
- 季節変動は、商品別で違いはあるか。店舗タイプによる影響も受けているのか。
というように置くことになります。
また、それらについては「分析の切り口」として、
- 店舗別もしくは店舗タイプ別の売上、客単価、商品単価。それらの月次推移。
- 商品別もしくは商品タイプ別の売上、販売数量、粗利率、値引き販売件数。それらの店舗別データ。
- 上記の時系列推移の比較。月次に加えて、週次データ。平日・休日での区分け。
などを用意しておけば、先ほどの「知りたいこと」に辿り着けそうですね。
ひとことで言えば、「どういう分析をしていきたいのか」を設計するわけです。これができていると、相手が人であれ、AIであれ、「こちらが何を期待しているのか」を明確にすることができます。
2.事実と推測の切り分け
続いてのポイントは、分析結果が返ってきたときの思考態度です。
AIは、優秀な部下ですから、気の利いたことを返してくれます。しかしながら、それらが全て「真実」であるとは限りません。
LLMの仕様上、ハルシネーション(幻覚)と呼ばれる事実誤認・誤謬を孕む可能性は常にあります。また、データの取り扱い方を間違えて、想定と異なる集計結果を出してくるリスクもあります。こうしたリスクは、データ設計やセマンティクスの定義(セマンティックレイヤーの構築)、ガードレールやハーネスなどの考え方で低減することは可能ですが、それでも、あくまでも「AIの出力結果」に過ぎないことは認識しておくべきでしょう。
ビジネスパーソンとしての経験や、それらを通じて養われた肌感覚も含めて、「何が真実なのか」を考えることが重要です。
若手や部下の報告を聞いて、違和感を覚えた経験は、ビジネスパーソンなら誰しも経験していることでしょう。その「あれ」「ほんとかな」「そうだったっけな」というような感覚は、AIとのコミュニケーションにおいても同様に大切なのです。
事実を事実として捉えつつ、そこから「解釈」「推測」したものを切り分けて、AI(もしくは部下)が出してきた情報を精査していくことが重要です。
3.成果に向けた判断・意思決定
最後に、分析結果を踏まえたビジネス判断です。当然ながら、これが一番大切なポイントになります。
さきほど、解釈・推測の正しさを精査する、というお話をしましたが、それが「(ある程度)確からしい」と分かった先にあるのが「ビジネス判断」です。判断するための情報を集めて、それらを基に、論理的に考えて、合理的に判断するわけです。
ここで思い出すべきは、最初に掲げた「知りたいこと」です。何を知りたかったのか。そして、それは、何のためだったのか。
売上を伸ばしたいとか、利益を増やしたいとか、そういう目的があって、いろいろな分析をしてきたわけです。これまでに得られた情報を踏まえて、「さぁ、どうやって目的を果たそうか」と、ビジネス世界に繋いでいく必要があります。机上での検討から、実世界の実行に橋渡しをするのです。
当然ながら、ここでの施策検討に生成AIを活用することも可能です。しかし、分析から得られた情報をすべて渡して「どうしたらいい?」と投げかけるのは愚策です。分析においてそうしたのと同様に、自らの仮説を軸にしましょう。
「プロンプトに仮説を書きすぎると、生成AIがその仮説に引きずられてしまう」という傾向がありますので、テクニックとして「仮説を書きすぎない」ということはあると思います。しかし、自分自身の脳内に仮説がある状態で、「仮説を含まないプロンプト」を書けば良いのです。決して、仮説を持たない方が良いということにはなりません。
ビジネスをどうやって伸ばすのか、ビジネスインパクトをどう生み出すのか、を、自分自身で考えるために、生成AIを相談相手として使いましょう。これこそがAI-Informedな思考態度です。
当社の提供するAI-Informedトレーニングでは、上記の3つのポイントを重点的に学ぶことにより、AI時代のビジネスパーソンとして「データと向き合う裁量のパートナーとして、AIを取り扱う」能力を身に付けていただきます。
大切なのは「協働する」こと
結局のところ、ビジネスにおいて、AIと上手く付き合おうとするならば、「イケてる部下が、暴走しないようにガイドする態度」でAIと向き合うことが重要なのです。
相手が分かるように言葉を選び、こちらが何を求めているのかを正しく伝えます。
また、ビジネスにおいては「お勉強」をしていても意味がありません。ビジネス上の成果、たとえば、売上が伸びるとか、コストが下がるとか、人材採用・育成がうまくいくとか、新たな商材を開発するとか、そうした「リアルなビジネス」にインパクトを与えることが重要です。
AIに何かを依頼しても、それだけでは、特に何のインパクトも生まないことが非常に多いのです。(※コーディングを行わせるとか、デジタルで完結する施策を実行まで任せるとか、そういう業務においては、インパクトを発生させることが可能ですが、その場合も ”すべてを任せて自律的に実行させる” というアプローチは、大きなリスクを孕む点には注意が必要です)
ビジネスにおけるインパクトを生み出すために、どういう役割分担を行うのか。私たちが判断・意思決定を行うために、どういう仕事をAIにお願いしたいのか。そういうことが非常に大切になってきます。
AIの進化は今後もますます進むでしょう。だからこそ、私たち人間は、AIの手綱を握り、彼らに「まるっと任せる」のではなく、彼らを「活用」することが重要です。そして、私たちが欲しい成果を生み出すことを目指していくべきなのではないでしょうか。
f t p h l