なぜなぜ分析×生成AI｜真因に近づくプロンプトと“気づき”の引き出し方

製造現場で品質不良や設備停止、作業上の問題が起きた際、原因を掘り下げる方法として、なぜなぜ分析が使われます。しかし実際には、「作業者が確認しなかった」「教育が不足していた」「注意が足りなかった」といった結論で止まったり、「なぜ」を繰り返すこと自体が目的になったりすることがあります。

生成AIは、こうした原因分析を支援できます。ただし、生成AIへ「この問題の真因を教えてください」と依頼するだけでは、もっともらしい原因が提示されても、その原因が現場の事実と一致しているかは確認できません。

なぜなぜ分析は、現象から原因候補へさかのぼり、確認すべき問いを構造化するフレームワークです。生成AIは、現象の曖昧さ、事実と推測の混在、原因候補の偏り、不足している確認事項を可視化するエンジンとして使います。そして利用者が、AI出力から違和感や新たな視点を得て、現地現物、原資料、測定データで検証します。

本記事では、生成AIに真因を決めさせるのではなく、利用者が真因へ近づくための気づきを得るプロンプトを、分析の流れに沿って紹介します。

本記事では、なぜなぜ分析、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。なぜなぜ分析が問いの順序を示し、生成AIが原因候補と確認質問を広げ、利用者が事実を確かめながら進む方向を決めます。

なぜなぜ分析は原因探索のフレームワーク

なぜなぜ分析の役割は、単に「なぜ」という質問を繰り返すことではありません。観察できる現象を起点に、一つ前の事象がなぜ起きたかを問い、原因候補と結果のつながりを段階的に検討します。各段階で根拠が不足していれば、次のWhyへ進むのではなく、観察や記録確認へ戻ります。深さを必ず5回に固定する必要はなく、複数の原因が関係する場合は分岐させます。

生成AIは原因候補と確認質問を広げるエンジン

生成AIは、入力された情報を整理し、考慮されていない観点、別の因果経路、反対解釈、不足情報を候補として提示できます。その価値は、真因を当てることではなく、利用者が「ほかに何を確かめるべきか」「このつながりは本当に成立するか」と考える材料を増やすことにあります。

利用者は事実を検証して真因を判断するドライバー

利用者は、問題文と適用範囲を定め、AIが出した候補を採用、保留、却下に分けます。候補の根拠を原資料、現物、測定結果、正常時との比較で確かめ、必要に応じて一つ前のWhyへ戻ります。真因と対策、安全・品質上の判断は、AIではなく、現場と権限を持つ人が担います。

曖昧な現象から分析を始める

「品質が悪い」「設備がよく止まる」「作業ミスが起きた」といった問題文では、対象も基準も不明確です。AIは不足した条件を一般論で補い、広すぎる原因候補を出しやすくなります。問題文は、誰の責任かではなく、何が、いつ、どこで、どの基準から、どのように外れたかを観察可能な形で記載します。

問題文の例

• 曖昧な例：製品の品質が悪かった
• 具体化した例：9月15日の最終検査で、製品Aの寸法Xが上限規格を0.3mm超過した

※ 原因を含む表現や、複数の現象を一つの問題文へ詰め込まない

「なぜ」を5回出せば完成と考える

5回という回数は、原因へ深く踏み込むための目安であり、分析の完成条件ではありません。原因候補が複数あれば分岐し、原因候補を支える事実がなければ調査へ戻ります。一段ごとの因果関係を確認せずに5段階を一括生成すると、文章として自然でも、現場では成立しない連鎖ができるおそれがあります。

AIが作った原因の連鎖をそのまま採用する

生成AIは、入力された記録と一般的な知識を基に、もっともらしい原因の連鎖を作ります。しかし、AIが示した理由は現場で確認された事実とは限りません。プロンプトでは、候補、根拠、不足情報、別解釈、確認方法を分けて出力させ、結論ではなく検証対象として扱います。

個人の注意不足で終わらせる

「確認しなかった」「ルールを守らなかった」という行動も確認対象になり得ます。ただし、そこを分析の終点にすると、標準の曖昧さ、識別のしにくさ、設備・治具の設計、作業負荷、情報伝達などの条件を見落とします。個人の人格や能力を評価せず、同じ条件なら別の人にも起こり得るかを考えます。

プロンプトの表現を工夫する前に、分析の土台となる情報をそろえます。不足情報は推測で補完させず、「不足」または「要確認」として出力させます。

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、設備情報は必要に応じて匿名化・置換する
• 入力資料の版、期間、測定条件、承認状態を確認する
• 安全上リスクのある再現試験や設備条件変更をAIに決定させない

利用する場面

問題文が抽象的なとき、現象と原因・評価・対策が混在しているとき、複数の問題を同時に扱おうとしているときに使います。

生成AIの役割

生成AIは、入力された記述を観察可能な現象、原因候補、評価、対策案に分け、分析を始めるために不足している情報を質問へ変えます。

実践プロンプト

【目的】
なぜなぜ分析を始める前に、以下の記述から観察可能な「現象」を明確にしてください。原因を推定せず、問題文と不足情報を整理します。
 
【入力】
問題についての現在の記述：［記入］
対象工程・設備・製品：［記入］
発生日時・工程段階：［記入］
基準・正常状態：［記入］
確認済みの記録・測定：［記入］
 
【処理手順】
1. 入力を「観察された現象」「原因候補」「評価」「対策案」「不明」に分ける。
2. 観察された現象を、対象、場所、時点、基準との差が分かる問題文へ整える。
3. 複数の現象が混在している場合は分割する。
4. 入力にない日時、数値、条件を補完しない。
5. 分析開始前に確認する質問を示す。
 
【禁止事項】
・原因を真因として断定しない
・個人名や能力を問題文へ含めない
・対策を原因へ置き換えない
 
【出力】
表1：元の記述｜情報区分｜整理理由
表2：現象候補｜対象｜時点｜基準との差｜不足情報
最後に、推奨する問題文案と、利用者が確認すべき質問を示してください。

AIの利用者が確認すべきこと

• 問題文が実際に観察された状態だけで構成されているか
• 原因や対策が問題文へ混ざっていないか
• 対象範囲が広すぎず、一つの現象として扱えるか
• 基準・正常状態との差が事実に基づいているか

AI出力から得られる気づき

• 一つだと思っていた問題に複数の現象が混在していたこと
• 原因だと思い込んでいた表現が問題文に含まれていたこと
• 基準、時点、対象範囲など、分析前に必要な情報の不足

利用する場面

不具合報告、点検記録、会議メモなどに、測定結果、伝聞、推測、意見が混在している場合に使います。

生成AIの役割

生成AIは、原文を消さずに情報区分を付け、分析へ使える事実と、追加確認が必要な推測・伝聞を分けます。

実践プロンプト

【目的】
以下の記録を、なぜなぜ分析に使う前に「確認済み事実」「測定結果」「観察記録」「伝聞」「推測」「意見」「不明」へ分類してください。
 
【対象】
分析する現象：［記入］
対象期間・工程：［記入］
参照資料：［資料名、版、記録番号］
 
【処理手順】
1. 一つの記述に複数の意味がある場合は分割する。
2. 各記述へ情報区分を付ける。
3. 事実とする場合は、入力内の根拠・参照番号を示す。
4. 根拠がない内容を事実へ格上げしない。
5. 推測・伝聞を確認するための質問または必要記録を示す。
6. 入力にない説明は「AI追加候補」と明記する。
 
【出力】
記述番号｜元の記述｜情報区分｜根拠・参照元｜追加確認｜分析へ使用できる状態
 
【入力記録】
［報告書、議事録、点検記録など］

AIの利用者が確認すべきこと

• 確認済み事実に対応する原資料や記録が存在するか
• 測定条件、対象、版、時点が分析対象と一致するか
• 伝聞や経験則を事実へ格上げしていないか
• AIが原文にない説明を自然な文章として追加していないか

AI出力から得られる気づき

• 分析の土台となる事実が想定より少ないこと
• 関係者によって事実認識が異なること
• 次のWhyより前に確認しなければならない項目

利用する場面

現象は明確になったものの、最初のWhyが一つの原因へ偏っているときに使います。

生成AIの役割

生成AIは、4Mや5M+1Eなどを候補拡張の観点として使い、入力に基づく候補と一般仮説を分け、確認質問を提示します。

実践プロンプト

【目的】
明確化した現象について、第1段階の原因候補を複数の観点から広げてください。候補を真因とせず、利用者が次に確認する材料を作ります。
 
【現象】
問題文：［記入］
発生条件：［記入］
正常時との違い：［記入］
確認済み事実：［記入］
既に挙がっている原因候補：［記入］
 
【処理手順】
1. 入力に基づく原因候補と、一般的な観点から追加した候補を分ける。
2. 必要に応じて、人の作業、設備、方法、材料、測定、環境、標準、情報伝達の観点を使う。
3. 各候補が現象へつながり得る理由を示す。
4. 各候補の成立条件と、確認に必要な事実を示す。
5. 現象の言い換えや対策案は原因候補から除く。
 
【出力】
候補ID｜原因候補｜情報区分｜現象とのつながり｜成立条件｜確認質問｜必要な記録・観察
最後に、見落としていた可能性の高い「観点」を示してください。ただし、候補の優先順位は決めないでください。

AIの利用者が確認すべきこと

• 入力に基づく候補と一般仮説が区別されているか
• 分類欄を埋めるためだけの候補が含まれていないか
• 現象と時間的・物理的につながり得るか
• 対策案や現象の言い換えを原因候補にしていないか

AI出力から得られる気づき

• 設備や作業方法だけに視点が偏っていたこと
• 標準、測定、情報伝達などの確認余地
• 正常時・正常品との比較が不足していること

利用する場面

第1段階の候補を確認し、採用した候補ごとに次のWhyを検討するときに使います。

生成AIの役割

生成AIは、一本の直線に固定せず、各候補の次段を分岐させ、前段との関係、根拠、別解釈、次の確認を対応づけます。

実践プロンプト

【目的】
以下の確認済み原因候補について、次のWhyを分岐させて整理してください。一括で5段階を完成させず、この段階で利用者が確認すべき内容を明確にします。
 
【前段】
現象：［記入］
現在の原因候補：［記入］
この候補を支える確認済み事実：［記入］
保留・却下した候補と理由：［記入］
 
【処理手順】
1. 現在の候補が前段の現象を引き起こし得る条件を確認する。
2. 次段の原因候補を複数提示し、経路IDを付ける。
3. 前段との関係を考えた理由と、入力内の根拠を示す。
4. 逆方向、共通要因、別経路などの反対解釈を示す。
5. 根拠が不足する場合は深掘りを止め、「要確認」とする。
6. 次のWhyへ進む前に必要な観察・記録・測定を示す。
 
【禁止事項】
・5回分を一括で完成させない
・前段の言い換えを次段にしない
・未確認の候補を真因と表現しない
 
【出力】
経路ID｜前段｜次段の候補｜関係理由｜根拠｜別解釈｜次の確認｜進行可否

AIの利用者が確認すべきこと

• 次段が前段を生じさせる直接的な条件になっているか
• 単なる言い換えや抽象化になっていないか
• 途中で別の現象へすり替わっていないか
• 分岐を採用・却下する根拠が記録されているか

AI出力から得られる気づき

• 一本だと思っていた原因経路が複数に分かれること
• 原因候補同士に共通する上位条件
• 深掘りより先に確認すべき事実

利用する場面

「作業者が確認しなかった」「注意が不足した」「教育不足だった」のような候補で分析が止まりそうなときに使います。

生成AIの役割

生成AIは個人を評価せず、その行動が起きた仕組み・作業条件・情報・設備側の条件を質問へ展開します。

実践プロンプト

【目的】
以下の原因候補が個人の行動・注意・能力で止まっていないかを点検し、行動が起きた条件を追加で確認してください。個人を評価せず、再発可能な仕組み上の条件を探ります。
 
【現象と候補】
現象：［記入］
現在の原因候補：［例：確認しなかった］
確認済みの行動事実：［記入］
作業標準・設備・環境・情報：［記入］
 
【確認観点】
・標準は具体的で、最新版が利用できたか
・正常と異常を識別できたか
・必要な情報が必要な時点で見えたか
・作業負荷、時間、姿勢、環境に制約がなかったか
・設備、治具、ポカヨケ、検知で防止できたか
・標準どおりに作業できない条件がなかったか
・同じ条件なら別の利用者にも起こり得るか
 
【出力】
確認観点｜現在分かっていること｜不足情報｜確認質問｜考えられる仕組み上の候補
最後に、個人要因で分析を止めないために次に調べる事項を示してください。

AIの利用者が確認すべきこと

• 人の行動を原因探索の終点にしていないか
• 人格、能力、意欲などを推測・評価していないか
• 標準、設備、情報、作業条件を確認したか
• 「教育する」「注意する」を万能な対策にしていないか

AI出力から得られる気づき

• 行動の背景に、識別困難、時間制約、標準の曖昧さがある可能性
• 同じ条件なら別の人にも起こり得ること
• 個人への依存を減らす仕組みの検討余地

利用する場面

有力な原因候補ができた後、都合のよい情報だけで確証しないために使います。

生成AIの役割

生成AIは、原因候補が正しい場合に観察されるはずの事実、反対証拠、説明できない事象、別原因を整理します。

実践プロンプト

【目的】
以下の原因候補を支持する材料だけでなく、成立しない可能性を確認するための反証観点を整理してください。
 
【原因候補】
候補：［記入］
支持する事実：［記入］
正常時・正常品の情報：［記入］
説明したい現象：［記入］
 
【処理手順】
1. 候補が正しければ観察されるはずの事実を示す。
2. 候補が正しくないことを示し得る反対証拠を示す。
3. 正常時にも同じ条件が存在するかを確認する。
4. この候補では説明できない現象・条件を示す。
5. 共通要因、別原因、複数条件の組合せという解釈を示す。
6. 各項目の確認方法を示す。
 
【出力】
論点｜支持側の予測｜反証側の予測｜必要な比較｜確認方法｜結果による扱い
候補を採用・却下せず、利用者が判断するための条件を示してください。

AIの利用者が確認すべきこと

• 候補に都合のよい事実だけを使っていないか
• 正常時にも同じ条件が存在していないか
• 反証された候補を言い換えて残していないか
• 観察・比較できない仮説を真因にしていないか

AI出力から得られる気づき

• 有力候補では説明できない事象
• 正常時との比較条件の不足
• 複数条件が同時に成立した場合だけ発生する可能性

利用する場面

原因候補が絞られ、真因判断に必要な確認計画を作る段階で使います。

生成AIの役割

生成AIは、必要な記録、測定、正常時比較、再現・確認方法、安全上の制約を整理します。実施可否や品質判断は利用者へ戻します。

実践プロンプト

【目的】
以下の原因候補について、真因と判断する前に必要な証拠、正常時との比較、再現・確認方法を整理してください。実験や設備操作を自動決定せず、責任者レビュー用の計画案を作成します。
 
【候補と現象】
現象：［記入］
原因候補：［記入］
既にある証拠：［記入］
実施済み確認と結果：［記入］
安全・品質・設備停止上の制約：［記入］
 
【処理手順】
1. 候補を確認するために必要な観察、記録、測定を示す。
2. 正常時・正常品・異常時の比較条件をそろえる。
3. 再現可能な場合の確認案と、再現できない場合の代替確認案を分ける。
4. 設備操作、条件変更、試験に伴うリスクと承認事項を示す。
5. 判定条件が不明な場合は「責任者決定」とする。
 
【禁止事項】
・危険な再現試験を提案・決定しない
・設備停止や品質合否を判断しない
・再現できないことだけで候補を否定しない
 
【出力】
原因候補｜確認したいこと｜必要な記録・測定｜正常時との比較｜再現・代替確認｜制約｜判定者

AIの利用者が確認すべきこと

• 安全上リスクのある再現・条件変更が含まれていないか
• 測定方法と比較条件がそろっているか
• 判定基準が事前に定義されているか
• 実施者・承認者・品質判断者が明確か

AI出力から得られる気づき

• 未取得データが真因判断の障害であること
• 正常条件の定義が不足していること
• 原因分析だけでなく記録・測定方法の改善が必要なこと

利用する場面

真因候補を決める前に、問題文、各Why、根拠、分岐、反証、未確認事項を通して点検するときに使います。

生成AIの役割

生成AIは、分析全体を「確認済み」「根拠不足」「論理の飛躍」「別解釈あり」「追加確認」「利用者判断」に分け、弱い箇所を可視化します。

実践プロンプト

【目的】
以下のなぜなぜ分析を、真因候補の判断前にレビューしてください。結論を出さず、論理の飛躍、根拠不足、別解釈、未確認事項を明確にします。
 
【分析資料】
問題文：［記入］
Whyの経路：［貼り付け］
各段階の根拠：［貼り付け］
保留・却下した候補と理由：［貼り付け］
反証・正常時比較の結果：［貼り付け］
 
【レビュー項目】
・問題文が観察可能か
・各段階に根拠があるか
・前段の言い換えになっていないか
・因果の飛躍がないか
・一つの経路へ早期収束していないか
・個人責任で止まっていないか
・原因と対策が混在していないか
・反証と正常時比較を行ったか
・未確認事項と判断者が明確か
 
【出力】
レビュー箇所｜判定区分｜確認できた内容｜問題点｜別解釈｜追加確認｜利用者判断事項
最後に「真因判断へ進める経路」と「調査へ戻す経路」を分けてください。

AIの利用者が確認すべきこと

• 確認済みと根拠不足の判定が、原資料と一致するか
• AIが利用者の判断を代行していないか
• 却下した候補が理由なく復活していないか
• 真因判断へ進む条件が具体的か

AI出力から得られる気づき

• 分析のどの段階が最も弱いか
• 問題文まで戻る必要がある経路
• 追加確認により統合・分離すべき原因経路

なぜなぜ分析では、生成AIへ一括で5回分のWhyを出させるのではなく、各段階で利用者の確認を挟みます。AIが候補を出し、利用者が採用・保留・却下を決め、不足情報を調べ、確認済み情報だけを次段へ渡します。

段階間をつなぐ共通プロンプト

前段のなぜなぜ分析結果を、次段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］
【採用した候補と根拠】
［貼り付け］
【保留・却下した候補と理由】
［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. 確認済み事実と未確認候補を混在させない。
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. 次段へ進む前に不足する情報を示す。
5. 真因確定、対策採否、安全・品質判断は行わない。
 
【出力】
・次段へ渡す確認済み情報
・次段へ渡す原因候補
・参考として残す未確認情報
・前段で得た気づき
・次段で利用者が確認・判断する事項

対話履歴をそのまま正式な原因分析記録にせず、採用・保留・却下の理由、確認した事実、確認者を別途記録します。分析中に得た新しい知識を次段へ渡すことで、AIの文章ではなく、利用者が確認した情報を改善活動の資産として残せます。

なぜなぜ分析で真因候補を確認した後も、生成AIにそのまま対策を決めさせません。原因と対策を分け、対策がどの条件を変えるのか、成立条件と副作用は何かを整理して、別の検討工程へ引き渡します。

【目的】
利用者が確認した真因候補を、対策検討へ引き渡すために整理してください。対策の採否は決めず、原因へ作用する条件と確認事項を明確にします。
 
【確認済み情報】
現象：［記入］
確認済み真因候補：［記入］
真因を裏付ける事実・比較結果：［記入］
未確認・残留リスク：［記入］
 
【処理手順】
1. 真因候補と裏付け事実を対応づける。
2. 対策で変えるべき条件を示す。
3. 対策候補を複数提示し、原因へ作用する理由を示す。
4. 各案の成立条件、副作用、新たなリスク、確認項目を示す。
5. 「教育する」「注意する」だけで終わらず、標準・設備・識別・検知・情報・作業条件も検討する。
6. 採否、安全、品質、費用、設備停止は利用者判断とする。
 
【出力】
確認済み真因候補｜裏付け事実｜変える条件｜対策候補｜作用理由｜成立条件｜副作用・リスク｜採否判断事項

AIの利用者が確認すべきこと

• 対策が確認済みの真因へ直接作用するか
• 対策案が原因の言い換えや同語反復になっていないか
• 対策により新たな安全・品質・作業負荷の問題が生じないか
• 実施後に効果を確認できる指標と条件があるか

なぜなぜ分析は、明確な現象から因果を段階的に掘り下げる場面に向きます。原因候補がほとんど出ない、要因が複雑に絡む、事実が大量にある場合は、別のフレームワークへ切り替えた方が整理しやすくなります。

チェックに一つでも不十分な点があれば、その段階へ戻ります。AIの出力を整った分析書に見せることより、どこまでが確認済みで、何が推測で、次に何を確かめるかを明確にすることが重要です。

生成AIに5回分のWhyを一度に作ってもらってもよいですか？

原因候補のたたき台として参照することはできますが、そのまま真因分析として採用しません。一段ごとに利用者が前段との因果と根拠を確認し、確認済み情報だけで次へ進みます。途中で根拠が不足した場合は、次のWhyではなく調査へ戻ります。

なぜは必ず5回繰り返す必要がありますか？

5回は、表面的な理由で止まらず深く考えるための目安です。原因候補や問題の複雑さによって、少ない回数で検証可能な原因へ至ることも、複数の経路へ分岐することもあります。回数より、一段ごとの因果と事実を重視します。

AIに最も可能性の高い原因を選ばせてもよいですか？

AIは候補の比較材料を整理できますが、入力されていない現場条件を含めた真因判断はできません。原因候補の成立条件、証拠、正常時比較、再現・確認結果を利用者が確認し、必要な権限を持つ人が判断します。

特性要因図や連関図法との違いは何ですか？

なぜなぜ分析は、明確な現象から因果を段階的に掘り下げるために使います。原因候補を広げたい場合は特性要因図、複数要因の相互関係が複雑な場合は連関図法が向きます。目的に応じて組み合わせます。

ChatGPTとCopilotのどちらでも使えますか？

本記事のプロンプトは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・契約によって異なります。会社が承認した環境と社内規程を確認してください。

なぜなぜ分析は、生成AIに真因を答えさせるための手法ではありません。現象から原因候補へ至る問いと確認の順序を示し、利用者が因果関係を検討するためのフレームワークです。

生成AIは、現象の曖昧さ、事実と推測の混在、原因候補の偏り、反対解釈、不足情報、検証方法を可視化するエンジンとして使えます。その価値は、一つの正解を出すことではなく、利用者が見落としていた条件や論理の飛躍に気づく材料を増やすことにあります。

利用者は、AI出力に同意するだけでなく、違和感、別解釈、反証の可能性を検討し、現地現物、原資料、測定データで確かめます。確認した候補だけを次のWhyへ渡し、必要なら前段へ戻ります。

生成AIで真因を出すのではなく、なぜなぜ分析と生成AIの往復によって、利用者が真因へ近づくための気づきを増やす。それが、本記事で提案するなぜなぜ分析への生成AI活用です。

参考情報
https://asq.org/quality-resources/five-whys
https://asq.org/quality-resources/root-cause-analysis
https://www.ihi.org/library/tools/5-whys-finding-root-cause
https://www.ihi.org/library/tools/rca2-improving-root-cause-analyses-and-actions-prevent-harm
https://engineering-technology.brexa.com/blog/technavi/re-fishbonechart/
https://engineering-technology.brexa.com/blog/technavi/renkanzuhou/
https://engineering-technology.brexa.com/blog/technavi/prompt-engineering/