新QC7つ道具を加速する生成AI活用術｜手法別プロンプトと”気づき”の引き出し方

生成AIへ「この問題を分析してください」と依頼しても、期待する答えが得られるとは限りません。何を問題として捉えるのか、どの観点で情報を整理するのか、どの状態を成果とするのかが曖昧なままでは、利用者もAIも進む方向を定めにくいためです。

そこで役立つのが、新QC7つ道具です。新QC7つ道具は、言語データを分類し、複雑な関係を整理し、方策や計画へ展開するための思考フレームワークです。AIへ任せる作業の目的、順序、出力の形を定めることで、利用者の曖昧な依頼を具体化できます。

生成AIは、フレームワークに沿って大量の情報を整理し、候補、反対解釈、不足情報を提示するエンジンとして使います。AIが示した結果を結論として採用するのではありません。利用者が出力を確認し、違和感や抜け漏れ、意外な関係に気づき、原資料、現物、測定データで確かめたうえで判断します。

本記事では、新QC7つ道具、生成AI、利用者の関係を、フレームワーク、エンジン、ドライバーにたとえます。フレームワークが走る道と考え方を示し、生成AIが情報処理を加速し、利用者が目的地と進む方向を決めます。

フレームワークが人の曖昧な依頼を具体化する

利用者は現場の違和感を持っていても、それをAIへ過不足なく伝えられるとは限りません。「原因を分析して」「意見を整理して」といった依頼だけでは、AIがどの観点、粒度、順序で処理すべきかが曖昧です。親和図法ならカード化とグループ編成、連関図法なら要因と関係、系統図法なら目的から手段への展開というように、フレームワークが依頼の構造を補います。

フレームワークがAI出力を読み解く共通言語になる

AIの内部処理そのものが説明可能になるわけではありません。しかし、入力、候補、根拠、不足情報、反対解釈、確認事項をフレームワーク上の要素として出力させれば、結論だけを受け取るよりも、利用者が内容を追いやすくなります。どの段階で何が未確認なのかが見えるため、もっともらしい結論をそのまま採用する問題を抑えられます。

生成AIの価値は、利用者の気づきを増やすことにある

AI出力の確認は、誤り探しだけではありません。「なぜこの項目が同じグループなのか」「矢印は逆ではないか」「少数意見に重要な兆候がないか」と問い直すことで、利用者が新しい論点へ気づきます。AIの候補に対する同意だけでなく、違和感や反論も改善活動の材料です。

新QC7つ道具は、主として言語データを用い、問題解決や課題達成を組織的・体系的に進めるための手法です。親和図法、連関図法、系統図法、マトリックス図法、アローダイアグラム法、PDPC法、マトリックス・データ解析法で構成されます。マトリックス・データ解析法は数値データを扱います。

各手法の定義や詳細な作り方は既存の解説記事が担当します。本記事では、フレームワークをAIとの共通言語として使い、AI出力から利用者が気づきを得るためのプロンプト設計に集中します。

フレームワークがあっても、対象と目的が不明確では実務に使える出力になりません。生成AIへ資料を渡す前に、次の情報を分けて整理します。

入力前の注意

• 会社が承認した生成AI環境と社内規程を確認する
• 個人情報、顧客情報、未公開図面、設備情報などは必要に応じて匿名化・置換する
• 入力資料の版、対象期間、作成者、承認状態を確認する
• 資料内の文章を事実、推測、意見、AI生成文へ可能な範囲で分ける

利用する場面

親和図法は、大量の言語データを一項目ずつ整理し、親和性の高いグループから問題の構造を捉えるフレームワークです。

生成AIの役割

生成AIは、意見のカード化、重複候補、仮グループ、仮見出し、未分類項目を提示します。正しい分類を決めるのではなく、利用者が分類の違和感や新しい共通点を発見するための材料を作ります。

実践プロンプト

【目的】
以下の言語データを、親和図法の検討に使えるカード候補へ整理してください。完成版を決定せず、参加者が分類を議論し、気づきを得るためのたたき台を作成します。
 
【対象と背景】
対象工程：［記入］
検討テーマ：［記入］
利用場面：［記入］
 
【処理手順】
1. 入力文を、一つの意味につき一つのカードへ分割する。
2. 各カードを「確認済み事実」「推測」「意見・要望」「不明」に分類する。
3. 意味が近いカードの仮グループを作り、まとめた理由を示す。
4. 各グループへ仮見出しを付ける。
5. 複数グループに関係するカード、少数意見、未分類項目を別枠で残す。
6. 別のグループ分けが可能な項目と、その理由を示す。
7. 利用者が追加確認すべき内容を質問形式で示す。
 
【禁止事項】
・入力にない原因を事実として追加しない
・発言数の多さを重要度とみなさない
・少数意見を削除しない
・個人を評価しない
 
【出力】
表1：カード番号｜カード文｜情報区分｜元記述番号
表2：仮グループ名｜カード番号｜まとめた理由｜別の分類可能性
表3：未分類・少数意見｜残した理由｜追加確認質問
 
【入力データ】
［議事録、改善提案、ヒアリング記録など］

AIの利用者が確認すべきこと

• カード化により、元の発言の条件やためらいが失われていないか
• 語句が似ているだけで、異なる背景の意見が統合されていないか
• 安全・品質に関する少数意見や未分類項目が残っているか
• 利用者自身なら異なるグループへ置く項目がないか

AI出力から得られる気づき

• これまで別の問題だと思っていた意見の共通点
• 多数意見とは異なる、少数意見の重要性
• 分類できない項目が示す、新しい論点や前提不足

利用する場面

連関図法は、原因と結果が複雑に絡む問題について、要因間の関係を整理するフレームワークです。

生成AIの役割

生成AIは、要因候補、関係候補、反対方向の解釈、追加確認を提示します。真因や矢印を決めるのではなく、利用者が見落としたつながりや因果の飛躍に気づく材料を広げます。

実践プロンプト

【目的】
以下の問題について、連関図法で検討する要因候補と関係候補を整理してください。真因を決定せず、利用者が関係を問い直し、検証するための材料を作成します。
 
【問題】
対象工程：［記入］
観察された現象：［記入］
発生条件・頻度：［記入］
確認済み事実：［記入］
推測・意見：［記入］
 
【処理手順】
1. 現象、原因候補、結果、対策案の混在を点検する。
2. 入力に基づく要因候補と根拠を示す。
3. A→Bの関係候補を示し、関係を考えた理由を記載する。
4. B→Aまたは共通要因Cなど、別の解釈を示す。
5. 因果を確認できないものは「関連候補」とする。
6. 現場観察、記録照合、測定、再現確認などの検証方法を示す。
 
【禁止事項】
・同時発生や時間的前後を因果と断定しない
・入力にない要因を確認済み事実として扱わない
・個人の責任や能力を原因として結論づけない
 
【出力】
表1：要因ID｜候補｜情報区分｜根拠｜確認方法
表2：起点ID｜終点ID｜関係候補｜理由｜反対解釈｜確認状態
最後に、連関図へ反映する前に利用者が確認する質問を示す。

AIの利用者が確認すべきこと

• 矢印の方向に観察・測定上の根拠があるか
• 原因候補が現象の言い換えになっていないか
• 逆方向、共通要因、偶然の同時発生という解釈がないか
• 一つの原因へ早期に収束していないか

AI出力から得られる気づき

• 原因だと思っていた項目が結果側かもしれないこと
• 工程外の条件や変更点との意外なつながり
• 関係を判断するために不足している観察・測定

利用する場面

系統図法は、目的を達成するための手段を段階的に展開するフレームワークです。

生成AIの役割

生成AIは、一次手段、二次手段、具体行動、成立条件の候補を広げます。唯一の最適案を出すのではなく、利用者が方策の抜け、目的とのずれ、実施条件に気づく材料を作ります。

実践プロンプト

【目的】
以下の改善目標について、系統図法の方策展開候補を作成してください。複数案を残し、利用者が目標とのつながりと実施可能性を検討できる形にします。
 
【改善目標】
現状：［記入］
目標状態：［測定可能な表現で記入］
対象範囲：［記入］
制約条件：［安全、品質、設備、人員、納期、予算］
利用できる資源：［記入］
 
【処理手順】
1. 目標の曖昧さ、測定不能、範囲不足を指摘する。
2. 異なる観点から複数の一次手段を提示する。
3. 二次手段、具体行動候補へ展開する。
4. 各手段が上位目的へ寄与する理由を示す。
5. 成立しない条件、必要情報、制約を示す。
6. 別の方策経路と、見落としやすい観点を示す。
 
【禁止事項】
・効果を根拠なく数値化しない
・未確認案を確定案と表現しない
・目的と手段を混同しない
 
【出力】
目標｜一次手段｜二次手段｜具体行動｜寄与理由｜成立条件｜確認事項
別表：別経路｜見落としの可能性｜必要データ

AIの利用者が確認すべきこと

• 下位手段が上位目的へ論理的につながるか
• 具体化の粒度が枝ごとに不揃いでないか
• 安全・品質の制約を満たせない案が混じっていないか
• 既存設備、人員、停止可能時間、予算で成立するか

AI出力から得られる気づき

• 有力案とは別の方策経路
• 目的と手段が入れ替わっていた箇所
• 実施前に確認すべき制約や不足資源

利用する場面

マトリックス図法は、要求と対策、工程と問題など、複数要素の対応関係を整理するフレームワークです。

生成AIの役割

生成AIは、軸の整形、対応候補、根拠、未確認セルを提示します。利用者が空白、粒度差、関係の偏りに気づけるよう、不明なセルを推測で埋めない設計にします。

実践プロンプト

【目的】
以下の二つの要素群について、マトリックス図法で検討する対応関係を整理してください。関係の強さは根拠がある場合だけ示し、利用者が空白や偏りに気づける形にします。
 
【行要素】
［記入］
【列要素】
［記入］
【参照情報】
［仕様、記録、議事録、測定結果］
 
【処理手順】
1. 行・列の重複、粒度差、曖昧語を点検する。
2. 各セルを「根拠あり」「関係候補」「要確認」「関係なし確認済み」に分ける。
3. 根拠ありの場合は参照箇所を示す。
4. 空欄を情報不足と関係なしに分ける。
5. 関係が集中・欠落している行列を示し、考えられる別解釈を提示する。
 
【禁止事項】
・不明セルを推測で埋めない
・根拠なく点数や優先順位を付けない
・異なる粒度の要素を比較しない
 
【出力】
前処理表：要素｜修正候補｜理由
マトリックス：◎根拠あり／○候補／？要確認／－関係なし確認済み
根拠表：セル｜判定｜根拠｜別解釈｜追加確認

AIの利用者が確認すべきこと

• 行と列の要素が比較できる粒度でそろっているか
• 空白が関係なしではなく未確認になっていないか
• 強い関係としたセルに原資料の根拠があるか
• 対応が集中した箇所を、そのまま重要度とみなしていないか

AI出力から得られる気づき

• 要求に対して対応策が存在しない空白
• 特定工程や部門へ関係が偏っていること
• 軸自体の切り方を見直す必要性

利用する場面

アローダイアグラム法は、計画に必要な作業と前後関係を整理するフレームワークです。

生成AIの役割

生成AIは、タスク、成果物、依存関係、要見積、未確認事項を整理します。日程を自動確定するのではなく、利用者が隠れた前提、承認漏れ、並行作業の干渉に気づくために使います。

実践プロンプト

以下の改善計画について、アローダイアグラム法に必要なタスクと前後関係を整理してください。日程を確定せず、利用者が隠れた前提と依存関係を確認する下書きを作成します。
 
【計画概要】
開始条件：［記入］
完了条件：［検収・承認を含める］
対象工程・設備：［記入］
期限：［記入］
停止可能時間：［記入］
関係部門・外部関係者：［記入］
既知のタスク：［記入］
 
【処理手順】
1. 完了条件から必要タスクを分解する。
2. 各タスクの成果物、開始条件、完了条件を示す。
3. 先行、後続、並行可能なタスクを整理する。
4. 承認、調達、停止、安全・品質確認を独立タスクとして点検する。
5. 根拠のない所要時間は「要見積」とする。
6. 循環依存、承認漏れ、並行作業の干渉候補を示す。
 
【禁止事項】
・一般論で所要時間を確定しない
・安全確認や承認を省略しない
・担当者の空き時間を推測しない
 
【出力】
タスクID｜名称｜成果物｜先行ID｜並行可否｜時間または要見積｜確認・承認｜不明点
最後に、利用者が追加確認する依存関係を示す。

AIの利用者が確認すべきこと

• 完了条件に試運転、品質確認、復旧、承認が含まれるか
• 停止時間、調達納期、外部業者の制約が反映されているか
• 並行作業に安全上・設備上の干渉がないか
• 所要時間が実績または担当者見積に基づくか

AI出力から得られる気づき

• 計画表に表れていなかった承認・復旧作業
• 一つの遅延が影響する後続タスク
• 並行できると思っていた作業間の干渉

利用する場面

PDPC法は、目標達成までに起こり得る問題を予測し、予防策や代替策を検討するフレームワークです。

生成AIの役割

生成AIは、問題候補、予防、検知、発生時対応、代替経路、二次リスクを広げます。利用者が想定外の問題や対策の副作用に気づくための材料として使います。

実践プロンプト

【目的】
以下の改善計画について、PDPC法で検討する問題候補、予防策、発生時対応、代替経路を整理してください。利用者が想定外と二次リスクに気づくための材料を作成します。
 
【目標と計画】
目標：［記入］
主要ステップ：［記入］
対象工程・設備：［記入］
前提・制約：［安全、品質、法令、納期、予算、人員］
過去に発生した問題：［記入］
 
【処理手順】
1. 各ステップの問題候補を列挙する。
2. 根拠と不足情報を示す。
3. 予防策、検知兆候、発生時対応、代替経路を分ける。
4. 過去記録にない候補は「一般仮説」とする。
5. 対策から生じる二次リスクと成立しない条件を示す。
6. 安全・品質・法令・停止に関わる項目を責任者確認へ戻す。
 
【禁止事項】
・確率や影響度を根拠なく数値化しない
・安全性や適法性を保証しない
・代替策を実施決定として書かない
 
【出力】
ステップ｜問題候補｜情報区分｜根拠｜予防｜検知｜発生時対応｜代替経路｜二次リスク｜利用者確認

AIの利用者が確認すべきこと

• 問題候補が過去記録と一般仮説に分かれているか
• 予防、検知、発生後対応、代替策が混同されていないか
• 対策自体が新たな安全・品質リスクを生まないか
• 採否が責任者の評価と承認へ戻されているか

AI出力から得られる気づき

• 計画側が見落としていた問題や成立条件
• 一つの対策が生む二次リスク
• 通常経路が使えない場合の代替案

利用する場面

マトリックス・データ解析法は、多変量データの特徴を捉えるフレームワークです。

生成AIの役割

生成AIには数値解析を丸投げせず、分析前提の不足、統計ツールで得た結果の説明候補、別解釈、追加分析を提示させます。利用者が特徴と原因を混同せず、必要な層別や確認へ気づくために使います。

実践プロンプト

【目的】
以下の多変量データ分析について、分析前の確認事項と、統計ツールで得た結果を検討する説明案を作成してください。数値計算や因果を保証せず、利用者が別解釈と追加確認に気づくための材料を作ります。
 
【分析目的と条件】
判断したいこと：［記入］
対象データ：［期間、工程、製品、設備］
変数定義・単位：［記入］
取得方法：［記入］
欠損・外れ値・除外条件：［記入］
利用した分析手法・ツール：［記入］
分析結果：［寄与率、負荷量、得点図など］
 
【処理手順】
1. 定義、単位、粒度、時点、欠損処理の不足を示す。
2. 明示された数値だけから観察できる特徴を説明する。
3. 特徴、可能な解釈、別の解釈、原因仮説を分ける。
4. 追加の層別、再分析、現場確認を提案する。
5. 入力にない数値を作らず、不明は不明とする。
 
【禁止事項】
・相関や主成分から因果を断定しない
・分析条件を補完して計算済みのように扱わない
・統計結果だけで良否を判定しない
 
【出力】
表1：確認項目｜入力済み｜不足｜利用者への質問
表2：特徴｜根拠数値｜可能な解釈｜別解釈｜追加確認
最後に「気づきの候補」と「判断に使ってはいけないこと」を分ける。

AIの利用者が確認すべきこと

• 変数の単位、期間、欠損・外れ値処理が明確か
• AIが入力にない数値や分析条件を補っていないか
• 統計的特徴と工程上の因果を混同していないか
• 追加層別、再分析、現場観察で解釈を確認したか

AI出力から得られる気づき

• これまで同じ集団として見ていたデータの違い
• 特徴を説明できる複数の解釈
• 追加すべき変数、層別、測定条件

新QC7つ道具は、一つの手法だけで完結させる必要はありません。前段のAI出力を利用者が確認し、採用・保留・却下を分け、確認済み部分だけを次のフレームワークへ渡します。この往復を重ねることで、AIが一気に結論を出すのではなく、利用者の気づきと判断を各段階へ組み込めます。

手法間をつなぐ共通プロンプト

前段の手法で作成した成果物を、次段の「［手法名］」へ引き渡すために整理してください。
 
【前段で利用者が確認済みの内容】
［貼り付け］
【保留・却下した内容と理由】
［貼り付け］
【前段で得た気づき】
［貼り付け］
【次段の目的】
［記入］
 
【ルール】
1. 確認済み内容と未確認内容を混在させない。
2. 保留・却下した候補を理由なく復活させない。
3. 新たに追加する候補は「AI追加候補」と表示する。
4. 次段で不足する情報と反対解釈を示す。
5. 決定、承認、真因確定、リスク受容は行わない。
 
【出力】
・次段へ渡す確認済み情報
・参考として渡す未確認情報
・前段で得た気づき
・次段を始める前の確認質問
・次段で利用者が確認・判断する事項

AIとの対話履歴をそのまま正式記録にしないことも重要です。何を採用し、何を保留・却下し、どの事実で確認したかを利用者が記録します。この確認済み成果物が次の問いの入力となり、改善活動の中で新しい知識が蓄積されます。

事実・推測・AI追加候補を分ける

生成AIは文章を滑らかにまとめるため、確認済み事実と仮説の境界が見えにくくなることがあります。出力には情報区分と根拠欄を設け、原文、記録、測定結果へ戻れるようにします。

正誤だけでなく、違和感を手掛かりにする

AIの分類や候補に違和感がある場合、それを単なる誤りとして削除するだけではなく、入力条件の不足、異なる現場認識、少数意見、新しい切り口が隠れていないかを確認します。反論できることも、利用者が思考している証拠です。

相関・関連・因果を区別する

同時発生や統計的関係があっても、一方が他方の原因とは限りません。AIが提示した矢印や原因候補は、現場観察、再現、層別、追加測定により確かめます。

安全・品質・法令に関する判断を利用者へ戻す

生成AIには確認項目や候補を出させても、設備停止、復旧、品質合否、特別採用、作業許可、法令適合を決めさせません。権限と専門性を持つ利用者・責任者が判断します。

プロンプトとフレームワークを反復して調整する

期待する出力にならない場合は、言い回しだけでなく、手法の選択、目的、入力情報、処理順序、禁止事項、出力形式を見直します。AI出力を確認して得た気づきを、次の入力や別の手法へ戻します。

新QC7つ道具を指定すれば、AIの出力は正しくなりますか？

手法を指定しても正確性は保証されません。ただし、何をどの順序で整理し、どの項目を出力させるかが明確になるため、利用者が候補と根拠、不足情報を確認しやすくなります。

生成AIだけで新QC7つ道具を完成できますか？

AIはたたき台を作れますが、完成版は利用者や関係者の対話と検証を通じて作ります。図を作ることより、出力を問い直し、問題認識と方策について気づきを得ることが重要です。

プロンプトをコピーすればそのまま使えますか？

本記事はひな型です。角括弧の入力欄を、自社の対象、目的、事実、制約へ置き換えます。情報不足の場合は候補を増やすより、AIに不足情報を示させ、利用者が確認してください。

ChatGPTとCopilotのどちらでも使えますか？

特定サービスだけに依存しない構造です。ただし、利用できるモデル、ファイル入力、組織データへの接続、情報管理条件は環境によって異なるため、利用するサービスと契約条件を確認してください。

社内の議事録や不具合報告を入力してもよいですか？

会社が承認した環境、契約条件、社内規程、データ分類を確認します。個人情報、顧客情報、図面、設備条件などが含まれる場合は、必要に応じて匿名化・置換します。

新QC7つ道具は、生成AIに置き換えられる対象ではありません。人とAIが同じ思考の型を共有するためのフレームワークとして使えます。利用者の曖昧な依頼を、問い、観点、処理順序、成果物へ具体化し、AI出力を同じ型の上で確認できるようにします。

生成AIは、情報整理、候補提示、反対解釈、不足情報の抽出を加速するエンジンです。その価値は、完成した答えを出すことではなく、利用者が違和感、抜け漏れ、少数意見、意外な関係へ気づく材料を増やすことにあります。

利用者はドライバーとして、目的と適用範囲を定め、AI出力を原資料、現物、測定データと照合します。何を採用し、何を保留し、どの行動へ進むかは人が判断します。フレームワーク、生成AI、利用者の役割を分けることで、生成AIに結論を委ねず、気づきと検証を積み重ねる改善活動へつなげられます。

参考情報
https://engineering-technology.brexa.com/blog/technavi/new-quality-control-7-tools/
https://www.juse.or.jp/src/seminar/detail/99/31030
https://www.juse.or.jp/upload/files/shanai_rensai_N7_01.pdf
https://engineering-technology.brexa.com/blog/technavi/prompt-engineering/