AI時代に価値が上がるのは「問いを立てる力」 ― 論点設計力と、自分で作る力の重要性

AIが代替する仕事と、代替されない仕事の境目

生成AIが得意なのは、問いが与えられた状態でそれに答えることです。「この業界の市場規模の推移を整理して」「この論点についてあり得る打ち手を10個挙げて」といった指示に対しては、短時間で一定の水準の出力が返ってきます。情報の収集、要約、構造の整形、文章の作成といった作業は、確実に代替が進んでいる領域です。

一方で代替されにくいのは、その問いを与える側の仕事です。何が本当に問題なのか、いま答えを出すべき問いはどれか、どの前提を疑うべきかという判断は、対象となる組織の状況を理解した人間がしなければ決まりません。AIは問いに答える装置であって、問いを選ぶ装置ではないからです。

この境目の引き方は、仕事の価値がどこに移ったかを示しています。作業の速さや量で価値を出していた領域は縮み、問いの設計で価値を出す領域が相対的に大きくなったという構造変化です。

コンサルティングの仕事に限らず、事業会社の企画職でも同じことが起きています。分析ツールが誰でも使えるようになった環境では、「何を分析するか」を決められる人と、「言われた分析をする人」の差が開いていきます。

問いの設定が間違っていれば、答えの精度は意味を持たない

問いを立てる力が決定的に重要なのは、問いを間違えたときの損失が回復不能だからです。誤った問いに対してどれだけ精度の高い答えを出しても、その作業全体が無駄になります。作業の質は問いの質を超えられないという非対称性があります。

たとえば「売上を伸ばすにはどうすればよいか」という問いは、答えの幅が広すぎてどこから手をつけるかが定まりません。これに対して「この3年で客数は横ばいなのに客単価だけが下がり続けているのはなぜか」という問いであれば、確認すべきデータと検証の順序が自然に決まります。

同じ企業の同じ課題に向き合っていても、この問いの立て方によって、その後の作業量と得られる示唆はまったく違うものになります。優れた分析をしている人と、そう見えない人の差が、実は分析力ではなく問いの設定にあることは珍しくありません。

AIを使う環境では、この差がさらに開きます。作業が速くなった分、誤った問いに対して大量の出力を積み上げてしまうことも起こりやすくなるためです。速く走れる道具を手にしたときほど、進む方向を決める力が問われます。

論点設計とは、具体的に何をする作業なのか

論点設計は感覚的な作業ではなく、いくつかの手順に分解できます。第一の手順は目的の確認です。この検討は誰の、どんな意思決定のために行われるのかを特定します。ここが曖昧なままだと、どこまで調べれば十分なのかが決まりません。

第二の手順は、論点の絞り込みです。候補となる問いを並べたうえで、「答えが出れば意思決定が前に進むか」「いま答えを出すべきタイミングか」という2つの基準で削っていきます。答えが出ても何も変わらない問いや、まだ判断材料が揃わない問いは、この段階で外します。

第三の手順は、絞り込んだ論点をサブ論点に分解することです。漏れと重複がない形で下位の問いに展開し、それぞれについて「何が確認できれば答えが出るか」を明示します。ここまで来ると、必要な作業が具体的なタスクとして見えてきます。

第四の手順は、検証の順序を決めることです。どのサブ論点から確かめれば早く結論に近づくか、どの結果が出たら他の検証が不要になるかを考えて順番を組みます。この設計ができていると、限られた時間でも結論にたどり着けます。逆にここを設計せず手当たり次第に調べると、時間を使ったのに何も言えないという状態になりやすくなります。

AIを使うほど、自分の問いの質が露わになる

生成AIに曖昧な指示を投げると、もっともらしい形をしているが的を外した出力が返ってきます。「この会社の課題を教えて」という問いに対しては、どの会社にも当てはまる一般論が並ぶことになります。出力の質は、投げた問いの質をそのまま映し出します。

逆に、論点が明確に定まった状態で「この仮説を検証するために確認すべきデータを挙げて」と投げれば、有用な出力が返ってきます。同じツールを使っていて成果に差が出るのは、多くの場合ツールの使い方ではなく、投げている問いの解像度の差です。

この意味で、AIは自分の論点設計力を測る鏡としても機能します。自分の指示に対して返ってきた出力が浅いと感じたとき、まず疑うべきはツールの性能ではなく、自分が問いを絞り込めていないという可能性です。

AIを日常的に使う人ほど、この鏡に毎日向き合うことになります。この経験を自分の問いの立て方を鍛える機会として使えるかどうかで、数年後の力量の差は大きくなると考えられます。

AIが作った資料をそのまま出すと「これならAIでいい」と思われる

近年、生成AIが作成した資料をほとんど手を入れずに提示するケースが見られるようになりました。これは提示された側から見ると、かなり分かりやすい形で伝わってしまいます。そして伝わった瞬間に浮かぶのが「これならAIでいいのではないか」という感想です。

クライアントも同じツールを使えるという点が決定的です。自社でも数分で出せるものに対して、外部の専門家としての費用を払う理由は説明できません。AI出力をそのまま提示することは、自分の存在価値そのものを説明できない状態を自ら作り出す行為だと言えます。

AI特有の兆候は、読む側にはかなり明確に見えます。どの企業にも当てはまる一般論が並んでいる、業界固有の事情や社内の制約に触れていない、数字が挙げられているのに出所と前提が曖昧、項目の粒度がそろっていない、といった特徴です。読み慣れた相手であれば、数ページで見分けがつきます。

さらに深刻なのは、検証していない情報を載せてしまうリスクです。実際には存在しない事例や、出所の確認が取れていない数値が混ざった資料を提示すれば、その一点で全体の信頼が失われます。分析力への疑いではなく誠実さへの疑いになるため、一度失った信頼を取り戻すのは容易ではありません。

つまり、AIを使うこと自体が問題なのではありません。問題は、出力をそのまま成果物として扱い、自分が検証も判断もしていない状態で人前に出すことです。

それでも「自分で作る力」が引き続き必要な理由

第一に、作る過程そのものが考える過程だからです。数字を並べ替え、図の形を試し、説明の順序を組み替えているうちに、前提の矛盾や説明のつかない部分に気づきます。この気づきが論点を組み替えることは頻繁に起こります。作る作業を丸ごと外に出すと、この思考の機会を失います。

第二に、自分で作っていない資料は質問に答えられないという実務的な問題があります。「なぜこの前提を置いたのか」「この数字の内訳は」「別の切り方をしたらどうなるか」という質問に即答できなければ、その場の議論は止まります。説明できない資料は、どれだけ体裁が整っていても使えません。

第三に、ゼロから構造を組んだ経験がなければ、AI出力の良し悪しを判断できません。編集する力は、作った経験の上に成り立ちます。何度も自分で組み立てて失敗した経験がある人だけが、出てきた出力のどこが弱いかを見抜けます。自分で作る訓練を飛ばした人は、AIを使いこなす側ではなく、AIの出力を鵜呑みにする側になります。

第四に、一次情報はAIが持っていません。現場担当者が言葉を濁した箇所、会議での空気の変化、資料に書かれていない社内の力学といった情報は、その場にいた人だけが持っています。この情報を織り込めるかどうかが、外部に依頼する価値を成立させる部分です。

AIとの現実的な付き合い方

実務的に有効なのは、論点は自分で立て、AIには検証と拡張を任せるという役割分担です。問いを絞り込んだうえで、確認すべき情報の洗い出し、抜けている観点の指摘、対立する見方の提示といった作業を依頼すると、自分の思考の穴を埋める使い方ができます。

叩き台を出させて、自分の考えとの差分を探す使い方も有効です。AIの出力に納得できない箇所があるとき、その違和感を言語化する作業が自分の論点を明確にします。出力をそのまま使うのではなく、自分の仮説をぶつける相手として扱うという発想です。

事実については、必ず一次情報で確認する習慣が必要です。数値、事例、固有名詞は出所をたどって裏を取る。この一手間を省いた成果物は、信頼を賭けた賭けになってしまいます。

そして、作業時間が減った分を何に振り替えるかが最も重要な判断になります。空いた時間を現場に足を運ぶこと、関係者と話すこと、論点を考え直すことに使えるかどうかで、AIを使った結果として力が伸びるか、逆に思考の機会を失うかが分かれます。

問いを立てる力は、ケース面接の練習で鍛えられる

ケース面接は、まさに問いを立てるところから始まる訓練です。曖昧なお題を渡され、前提を確認して問いの範囲を決め、論点を分解し、限られた時間で検証の順序を組んで結論にたどり着く。この一連の流れは、この記事で整理した論点設計の手順とそのまま重なっています。

ケース面接の前提確認が重視されるのは、それが論点の範囲を決める作業だからです。「どの地域を対象とするか」「期間はどれくらいで考えるか」「誰の意思決定を想定するか」を確認する行為は、単なる情報収集ではなく、解くべき問いを自分で定義する作業です。

ここで注意したいのは、AIに問題を解かせて解答例を覚えても、この力は身につかないという点です。論点設計力は、自分で詰まり、分解に失敗し、時間が足りなくなる経験を通じて育ちます。答えを見て納得することと、自分で問いを立てられることの間には大きな差があります。

一方で、AIを練習相手として使うのは有効です。自分で組み立てた回答に対して深掘り質問を投げてもらう、別の切り口を指摘してもらうという使い方であれば、思考の機会を奪わずに練習の質を上げられます。まずは自分で1問解いてみて、その後にAIから指摘をもらう順番を守ることが、AI時代の練習方法として現実的です。