QCストーリー×生成AI｜改善活動を加速するプロンプトと“気づき”の引き出し方

改善活動で生成AIへ「問題を分析して」「対策を考えて」と依頼しても、現場で使える答えが得られるとは限りません。対象、目的、事実、判断条件が曖昧なままでは、AIが整った文章を返しても、どの情報を根拠に何を確かめるべきかが分からないためです。

そこで役立つのがQCストーリーです。QCストーリーは、テーマを選び、現状を把握し、目標を定め、要因を解析し、対策と効果確認を経て標準化する問題解決の進め方です。生成AIへ任せる作業の目的、順序、成果物を各段階で定めることで、人とAIが同じ道筋で改善活動を進めやすくなります。

生成AIはテーマや真因、対策、効果を決める存在ではありません。情報を整理し、候補、反対解釈、不足情報、確認質問を提示するファシリテーター兼整理役です。利用者は出力を読み、違和感や抜け漏れへ気づき、現地現物、原資料、測定データで確かめ、採否と次の行動を判断します。本記事では、この往復を実務へ組み込む8つのプロンプトを紹介します。

QCストーリーの目的

QCストーリーは、品質管理における問題を解決するための進め方です。一般的には、テーマ、現状把握、目標設定、活動計画、原因解析、対策立案、対策実施、効果確認、歯止め、反省と今後の方針という流れで問題を明らかにし、解決や課題達成へつなげます。

本記事では検索者が実務で使いやすいよう、テーマ選定、現状把握、目標設定、要因解析、対策立案、実施計画、効果確認、標準化・歯止めの8段階に整理します。活動計画や振り返りは各段階に組み込み、単に発表資料を整えるのではなく、改善そのものを前へ進める使い方に集中します。

QCストーリー8段階の流れ

QCストーリー、生成AI、利用者の役割を分けると、AIへの丸投げを避けながら、整理と検討の速度を上げられます。

AIに丸投げしてはいけない理由

生成AIは入力された資料と指示の範囲で文章や候補を作ります。現場の変化、測定条件、設備の実態、作業者間の調整、組織上の制約を自動的に把握しているわけではありません。出力が流暢であるほど、未確認の仮説が事実のように読める場合があります。

QCストーリーに沿って、入力、候補、根拠、不足情報、反対解釈、確認事項を分ければ、結論だけを受け取るよりも、人が内容を追いやすくなります。ただし、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。あくまで外形的に確認できる材料を増やし、検証へ戻りやすくする仕組みです。

AIの利用者が得るべき“気づき”とは

AI出力の確認は誤り探しだけではありません。「なぜこのテーマを優先するのか」「このデータだけで現状を表せるか」「別の要因では説明できないか」「対策が別の問題を生まないか」と問い直すことで、問題設定のずれ、抜け漏れ、反対解釈、調査不足へ気づきます。AIに同意できない点も、改善活動を深める重要な材料です。

以下のプロンプトは、一括実行するためのものではありません。各段階でAI出力を人が確認し、採用・保留・却下を分け、確認済み成果物だけを次の段階へ渡します。

利用する場面

テーマ選定の段階で利用します。

生成AIの役割

課題の整理と比較材料の提示を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
現場の課題候補を整理し、改善会議で取り組むテーマを検討する材料を作ってください。テーマは決定しません。
【入力】
組織・工程の方針：［記入］
課題候補：［記入］
確認済みデータ：［記入］
影響を受ける対象：［記入］
制約：［安全、品質、納期、コスト、人員］
【処理手順】
1. 各候補を観察可能な問題表現へ直す。
2. 重要性、緊急性、方針との関係、測定可能性、対象範囲を整理する。
3. 根拠がない項目は不明とし、確認質問を示す。
4. 件数の多さだけで優先順位を決めず、少数だが重大な問題を別枠で残す。
【禁止事項】
・テーマを自動決定しない
・効果を根拠なく数値化しない
・取り組みやすさだけで推奨しない
【出力】
候補｜問題表現｜根拠｜影響｜不足情報｜反対意見｜テーマ化する場合の範囲

AIの利用者が確認すべきこと

• 候補が会社・職場方針とつながっているか
• 問題と手段が混同されていないか
• 測定可能な対象と範囲になっているか
• AIの並び順を、そのまま優先順位として扱っていないか

AI出力から得られる気づき

• 取り組みやすい課題と、取り組む価値が高い課題の違い
• 重要だがデータが不足しているテーマ
• 問題範囲が広すぎる、または狭すぎる箇所

利用する場面

現状把握の段階で利用します。

生成AIの役割

事実とデータ不足の整理を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
選定したテーマについて、現状を事実とデータで把握するための整理表を作ってください。
【入力】
テーマ：［記入］
対象工程・製品・設備：［記入］
対象期間：［記入］
記録・測定データ：［貼り付け］
現場の意見：［貼り付け］
【処理手順】
1. 確認済み事実、測定結果、推測、意見、不明を分ける。
2. いつ、どこで、何が、どれだけ起きているかを整理する。
3. 製品、工程、設備、時間帯、ロットなどの層別候補を示す。
4. 比較に必要な分母、基準、単位、期間の不足を示す。
5. 追加収集するデータと確認方法を質問にする。
【禁止事項】
・不足データを補完しない
・相関を原因と断定しない
・特定の個人を評価しない
【出力】
事実｜根拠｜対象・期間｜層別候補｜不足データ｜現場確認｜次段へ渡せる状態

AIの利用者が確認すべきこと

• 対象期間、母数、単位、測定条件がそろっているか
• 平均値だけでばらつきや偏りが消えていないか
• 推測や意見が事実へ格上げされていないか
• 追加で現地確認すべき条件は何か

AI出力から得られる気づき

• 同じ問題に見えていた事象の層別差
• 集計以前に記録方法がそろっていない問題
• 今あるデータだけでは説明できない空白

利用する場面

目標設定の段階で利用します。

生成AIの役割

目標文と評価条件の具体化を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
確認済みの現状をもとに、目標設定の検討材料を作ってください。目標値は決定しません。
【入力】
確認済みの現状：［貼り付け］
上位方針・要求：［記入］
比較基準・過去実績：［記入］
期限・資源・制約：［記入］
【処理手順】
1. 何を、いつまでに、どこまで、どの範囲で変えるかを目標文候補にする。
2. 指標の定義、計算式、測定頻度、データ源を整理する。
3. 各候補の根拠と、成立しない条件を示す。
4. 結果指標と活動指標を分ける。
【禁止事項】
・根拠なく高い数値を推奨しない
・期限や資源を推測しない
・目標値を決定済みと表現しない
【出力】
目標文候補｜指標定義｜現状値｜目標値候補｜根拠｜期限｜制約｜人が決める事項

AIの利用者が確認すべきこと

• 目標が現状把握の指標とつながっているか
• 数値と期限に根拠があるか
• 品質改善が安全、納期、コストへ与える影響を確認したか
• 達成可否を測定できる定義になっているか

AI出力から得られる気づき

• 目標値より先に、指標定義をそろえる必要性
• 結果指標だけでは進捗が見えないこと
• 高すぎる目標と低すぎる目標の双方の問題

利用する場面

要因解析の段階で利用します。

生成AIの役割

要因候補と検証質問の展開を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
確認済みの現象について、要因候補と検証方法を整理してください。真因は決定しません。
【入力】
観察された現象：［記入］
確認済み事実：［貼り付け］
層別結果：［貼り付け］
変化点・既知の条件：［記入］
【処理手順】
1. 現象、要因候補、結果、対策案の混在を点検する。
2. 人、設備、材料、方法、測定、環境などの観点で候補を広げる。
3. 入力由来の候補とAI追加候補を区別する。
4. 各候補に根拠、反対解釈、成立しない条件を付ける。
5. 現場観察、記録照合、測定、再現などの検証方法を示す。
【禁止事項】
・同時発生を因果と断定しない
・個人の注意不足で早期収束しない
・要因候補を真因と表現しない
【出力】
候補｜情報区分｜根拠｜反対解釈｜検証方法｜必要データ｜確認状態

AIの利用者が確認すべきこと

• 要因候補が現象の言い換えになっていないか
• 有力そうな一案へ早期収束していないか
• 候補と事実を結ぶ根拠があるか
• 再現・測定・現場観察で確かめられるか

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
• 変化点や工程外条件との意外な関係
• 次のWhyより先に測定すべき内容

利用する場面

対策立案の段階で利用します。

生成AIの役割

複数案と副作用の比較を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
検証済みの要因に対する対策候補を比較し、会議で採否を判断する材料を作ってください。
【入力】
検証済み要因：［貼り付け］
目標：［貼り付け］
制約：［安全、品質、設備、納期、コスト、法令］
既存対策：［記入］
【処理手順】
1. 要因へ直接働きかける案を複数提示する。
2. 効果の仕組み、成立条件、必要資源、確認方法を示す。
3. 副作用、新たなリスク、元に戻せるかを整理する。
4. 恒久対策と暫定対策を分ける。
5. 根拠がない効果は未確認とする。
【禁止事項】
・採用案を決定しない
・安全性や適法性を保証しない
・教育、注意喚起だけで終わらせない
【出力】
対策候補｜対象要因｜作用｜成立条件｜副作用｜必要資源｜効果確認｜採否判断者

AIの利用者が確認すべきこと

• 対策が検証済み要因へ働きかけるか
• 注意や教育だけに偏っていないか
• 別の品質・安全・作業性リスクを生まないか
• 試行と正式採用の判断条件が分かれているか

AI出力から得られる気づき

• 有力案とは異なる方策経路
• 対策の実施条件と隠れたコスト
• 一つの対策が生む二次リスク

利用する場面

実施準備の段階で利用します。

生成AIの役割

タスクと依存関係の整理を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
承認候補となった対策について、実施計画のたたき台を作ってください。日程と担当は確定しません。
【入力】
対策内容：［貼り付け］
開始条件・完了条件：［記入］
期限：［記入］
停止可能時間：［記入］
関係部門・承認者：［記入］
【処理手順】
1. 実施、試運転、品質確認、復旧、教育、承認をタスクへ分解する。
2. 各タスクの成果物、先行条件、完了条件を示す。
3. 並行可能性、干渉、要見積を整理する。
4. 未確認の担当、所要時間、調達条件を質問にする。
【禁止事項】
・担当者の空き時間を推測しない
・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
【出力】
タスク｜成果物｜先行条件｜担当候補｜期限候補｜確認・承認｜不明点｜完了判定

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
• 設備停止、調達、人員の制約が反映されているか
• 並行作業に干渉がないか
• 担当と期限が実績・見積・合意に基づくか

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
• 遅延が影響する後続タスク
• 実施前に解消すべき役割の空白

利用する場面

効果確認の段階で利用します。

生成AIの役割

比較条件と別解釈の整理を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
対策の効果を確認するため、比較条件、指標、追加確認を整理してください。効果を認定しません。
【入力】
目標・指標定義：［貼り付け］
対策前データ：［貼り付け］
対策後データ：［貼り付け］
実施条件・変更点：［記入］
【処理手順】
1. 前後の期間、母数、単位、測定方法、対象範囲を比較する。
2. 目標達成、改善傾向、ばらつき、持続性を分ける。
3. 対策以外の変化点と別解釈を示す。
4. 副作用、他指標への影響、残存問題を点検する。
5. 追加測定と継続確認の候補を示す。
【禁止事項】
・条件の異なる前後比較で効果を断定しない
・相関を因果とみなさない
・入力にない数値を作らない
【出力】
指標｜前値｜後値｜比較条件｜観察できる変化｜別解釈｜追加確認｜人の判定

AIの利用者が確認すべきこと

• 対策前後を同じ定義と条件で比較しているか
• 季節、品種、数量、人員など別の変化を除けるか
• 平均値だけでばらつきや悪化点を隠していないか
• 効果が一時的でないか

AI出力から得られる気づき

• 改善に見えた変化の別要因
• 目標達成と問題解決が同じとは限らないこと
• 副作用や残存リスクを確認する必要性

利用する場面

標準化の段階で利用します。

生成AIの役割

定着と横展開の材料整理を支援します。AIは結論を決めず、利用者が検討しやすい材料を作ります。

実践プロンプト

【目的】
効果が確認された改善を標準化し、逆戻りを防ぐための検討材料を作ってください。正式文書の承認や発効は行いません。
【入力】
確認された効果：［貼り付け］
承認済み対策：［貼り付け］
現行標準・関連文書：［記入］
対象工程・展開候補：［記入］
【処理手順】
1. 改訂が必要な標準、点検、教育、管理項目を整理する。
2. 誰が、いつ、何を確認するかを候補化する。
3. 逆戻りの兆候、逸脱時対応、定期確認を示す。
4. 他工程へ展開する際の共通条件と相違点を分ける。
5. 反省と今後の課題を、次の改善テーマ候補へつなぐ。
【禁止事項】
・未承認案を正式標準と表現しない
・元の対策を他工程へそのまま適用しない
・教育のみを歯止めとしない
【出力】
標準化候補｜対象文書・業務｜変更点｜維持確認｜逆戻り兆候｜逸脱時対応｜承認者｜横展開条件

AIの利用者が確認すべきこと

• 正式な標準改訂、承認、発効、旧版管理へつながるか
• 日常管理の中で逆戻りを検知できるか
• 教育内容と実際の作業条件が一致するか
• 横展開先の条件差を確認したか

AI出力から得られる気づき

• 改善を維持する管理項目の不足
• 標準化されていない周辺作業
• 次の改善テーマや展開先

AIは改善案を決めるためではなく、気づきを増やすために使う

生成AIの価値は、完成した答えを出すことではありません。人だけでは見落としやすい候補、反対解釈、不足情報を増やし、利用者が次に何を確かめるかを考えやすくすることです。

確認済み成果物だけを次のステップへ渡す

AIが作った候補をそのまま次段の入力へ渡すと、最初の誤りや思い込みが後段で整った結論に見える可能性があります。各段階で採用・保留・却下と理由を記録し、確認済み成果物だけを次へ渡します。

現地現物・原資料・測定データを優先する

AI出力より、現場の観察、設備・製品の現物、原資料、測定データを優先します。記録の版、対象期間、測定条件がそろっていない場合は、分析を進めるより先に確認します。

最終判断は必ず人が行う

テーマ、目標、真因、対策の採否、設備停止、品質合否、安全、法令、効果認定、標準発効は、権限と専門性を持つ利用者・責任者が判断します。

前段の成果物を次段へ引き渡すときは、確認済み情報と未確認情報を分けます。

前段のQCストーリーで作成した成果物を、次の「［段階名］」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. 新規候補は「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. テーマ、目標、真因、対策、効果、承認は決定しない。
【出力】
・次段へ渡す確認済み成果物
・参考として渡す未確認情報
・前段で得た気づき
・次段開始前の確認質問
・次段で利用者が判断する事項

QCストーリーを指定すれば、AIの出力は正しくなりますか？

正確性は保証されません。ただし、各段階の目的、処理順序、出力項目が明確になるため、候補、根拠、不足情報を利用者が確認しやすくなります。

生成AIだけでQCストーリーを完成できますか？

AIはたたき台を作れますが、完成版は現場チームの対話、測定、検証、承認を通じて作ります。図表や文章を完成させることより、問題認識と判断根拠をそろえることが重要です。

8つのプロンプトを一度に実行してもよいですか？

一括実行は避けます。各段階の出力を人が確認し、確認済み成果物だけを次段へ渡してください。

AIが挙げた原因候補を真因としてよいですか？

真因とは扱いません。現地現物、記録、測定、再現などで候補を検証し、反対解釈も確認したうえで人が判断します。

効果確認の文章をAIに作らせてもよいですか？

下書きには使えます。ただし、前後の比較条件、母数、測定方法、他の変化点を確認し、効果を正式に認定するのは人です。

QCストーリーは、生成AIに置き換えられる対象ではありません。テーマ選定から標準化までの問い、処理順序、成果物を示し、人とAIが同じ道筋で改善活動を進めるためのフレームワークとして活用できます。

生成AIは、各段階の情報整理、候補提示、比較、反対解釈、不足情報の抽出を加速するエンジンです。その価値は正解を決めることではなく、利用者が問題設定のずれ、原因候補の偏り、対策の副作用、効果の別解釈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、目的と対象を定め、AI出力を現地現物、原資料、測定データと照合します。確認済み成果物だけを次段へ渡し、テーマ、真因、対策、効果、標準化を人が判断する。この往復により、生成AIへ結論を委ねず、気づきと検証を積み重ねるQC活動へつなげられます。

参考情報
https://www.juse.or.jp/service_solution/qc_story/index.html
https://engineering-technology.brexa.com/blog/technavi/new-quality-control-7-tools/
https://engineering-technology.brexa.com/blog/technavi/qccircle/
https://engineering-technology.brexa.com/blog/technavi/prompt-engineering/