「ChatGPTを試してみたが、使い物にならない」——四十代の管理職層からこの台詞を聞かない週がない、というのが現場の実感です。
結論から申し上げます。使えないのはAIではなく、指示の出し方です。
弊社ManPlusは中小企業のAI導入支援を生業としていますが、現場で観察される「使えない問題」の九割は、ツール側の性能不足ではなく、依頼者側の「発注力」の欠如に起因しています。GPT-5だろうが、Claude Opus 4だろうが、丸投げで質問すれば、丸投げ相応の回答しか返ってきません。
「魔法の杖を振れば仕事が片付く」という幻想を捨てるところから、実務でのAI活用は始まります。本記事では、コンサル現場で実際に機能している「発注力」の中身を、綺麗事を抜きに解説します。
LLMの正体は「超優秀だが、極めて気が利かない新人」
LLM(大規模言語モデル)を擬人化するなら、東大法学部を首席で卒業した、しかし極端に気の利かない新入社員が一番近い。
知識量は人間の管理職を遥かに凌駕します。専門用語にも明るく、文章生成も高速。しかし——
- 御社の業務文化を一切知らない
- 上司が「いつもの感じで」と言っても通じない
- 行間を読まない。書かれていないことは推論しない
- 質問の前提を疑わず、表面的な依頼にそのまま応える
業界ではGIGO(Garbage In, Garbage Out)と呼びます。曖昧な指示はゴミの依頼、返ってくるのもゴミの成果物。これは技術の問題ではなく、コミュニケーション設計の問題です。
大手コンサル時代、新人にタスクを振る際、「作業指示書」を書きました。目的・前提・成果物のフォーマット・制約条件を箇条書きで明示する。新人が空気を読めない代わりに、こちらが空気を全部書き下す。プロンプトとは、この作業指示書のデジタル版にほかなりません。
逆に言えば、シニアコンサルが当たり前にやっていた「指示の構造化」をやれない管理職は、AIを部下にしても使いこなせない、ということです。
「プロンプトエンジニアリング」は単なるテクニックではない
書店やSNSに溢れる「最強プロンプト100選」をコピペしても、業務では機能しません。
理由は単純で、プロンプトの本質は「自社の業務文脈を言語化する力」だからです。他社向けに作られた呪文を借りてきても、御社の現場には合わない。
大手コンサル時代に流行った「フレームワーク至上主義」——SWOT、3C、ファイブフォース——は、それ自体に意味があるのではなく、現場で起きていることをフレームに落とし込んで言語化することに価値がありました。プロンプトも同じ構造です。
実務で機能するプロンプト「四要素」
何百件と中小企業のAI導入を支援してきた経験から言えば、業務で成果を出すプロンプトには、最低限以下の四要素が含まれています。
- 役割(Role): 「あなたは経理部の課長」「製造業のマーケター」など、立ち位置を固定する
- 背景(Context): 何のためにこの作業をするのか、誰が読むのか、どのレベルの読者を想定するか
- 制約(Constraint): 文字数、トーン、禁止表現、参照すべき社内ルール、避けるべき表現
- 出力形式(Format): 表か、箇条書きか、メール文面か。フォーマットを必ず縛る
この四つが抜けたまま「議事録をまとめて」と投げれば、教科書通りの平凡な議事録が返ってくる。当然です。逆に四要素を埋めれば、入社三ヶ月の人間が書くより数段精度の高いアウトプットが出てきます。
現場の泥臭い経験則：AIを「優秀な部下」に変える3つのステップ
中小企業の現場で実際に成果を出している管理職に、共通して観察される運用パターンがあります。机上の理論ではなく、現場で何度も検証された型です。
ステップ1：課題の言語化を、AI自身にやらせる
逆説的に聞こえるかもしれませんが、これが最も効きます。
「○○について困っているが、何が問題なのか整理しきれない。質問を10個投げ返してくれ」——こう投げる。AIが返してくる質問群が、そのまま思考の整理メモになります。
弊社が支援する東海地方の地場メーカーでは、この「逆質問プロンプト」を朝会の課題整理に組み込んだ結果、会議時間が体感で四割短縮されました。AIに答えを求めるのではなく、思考を整理させる道具として使う。発想の転換が要ります。
ステップ2：思考プロセスを強制する(Chain of Thought)
「結論だけ書け」と命じると、LLMは表層的な回答を吐きます。
「結論を出す前に、検討した選択肢、却下した理由、採用した根拠を順に書け」と縛ると、回答の精度が一段上がる。技術的にはChain of Thoughtと呼ばれる手法ですが、本質は人間の部下マネジメントと同じです。
「結論だけ報告しろ」と詰めると、思考の浅い結論が上がってくる。プロセスを書かせることで、本人(AI)の思考も深まる。マネジメントの基本がそのまま通用する世界です。
ステップ3：一発で正解を取りに行かない
最大の落とし穴がこれです。
ChatGPTに一回投げて、出てきた回答を見て「これじゃない」と諦める管理職が多すぎる。初稿は叩き台、二稿で修正、三稿で仕上げ——人間の部下に対する当たり前の運用が、なぜかAI相手だと忘れられます。
- 「この部分の論拠が弱い、財務指標を加えて再構成しろ」
- 「専門用語が多すぎる、現場の課長が読む前提で書き直せ」
- 「結論部分が他人事になっている、当事者の言葉に直せ」
このフィードバックループを三、四回回すと、外部コンサル並みの成果物に化けます。一回で諦める管理職と、五回回す管理職の差が、半年後の業務効率の差として表面化します。
【具体エピソード】RPA導入の失敗とAI導入の共通点
二〇一八年前後のRPAブームを覚えておいででしょうか。
前職で関わった事業会社の少なからずが、高額なRPAライセンスを購入し、大手ベンダーに数千万円規模のPoCを発注し、結果として「動くロボット三体」だけが残りました。現場のオペレーションが整理されないまま、ツールだけが入った末路です。
業務プロセスがぐちゃぐちゃの状態で道具を入れても、ぐちゃぐちゃが高速化するだけ——これがRPA導入失敗の本質でした。
そして今、まったく同じ構図でAI導入が進行しています。
- 現場の課題が定義されないまま「全社AI活用プロジェクト」が立ち上がる
- 大手ベンダーが数千万円規模のPoCを提案する
- 半年後、誰も使わない社内チャットボットが放置される
- 経営会議では「AI活用率○%」というKPIだけが独り歩きする
この十年、構図は何ひとつ変わっていません。ツールが変わっただけで、失敗のパターンは完全に同じです。
弊社が地に足の着いた中小企業向け支援にこだわるのは、この「高額なDX」の被害者を一社でも減らしたいからです。月額数百万円のコンサル契約を結ぶ前に、現場の業務を分解し、本当にAIで解決すべき課題は何かを見極める。それだけで、無駄な投資の七、八割は回避できます。
派手なPoCより、現場の一業務を確実に自動化するほうが、結果として遥かに大きなROIを生む。これがRPAブームから学ぶべき、ただ一つの教訓です。
まとめ：道具を使いこなす側になるか、使われる側になるか
要点を再掲します。
- LLMは「超優秀だが気が利かない新人」。指示の精度がすべてを決める
- プロンプトの本質は呪文ではなく、自社業務の言語化力
- 役割・背景・制約・出力形式の四要素を必ず明示する
- 課題整理、思考プロセス、フィードバックループの三段運用を徹底する
- ツールだけ入れて現場を整理しない企業は、必ずRPAブームの轍を踏む
AIは魔法ではなく、道具です。道具を使いこなす管理職と、道具に振り回される管理職——五年後、この差は決定的な格差として顕在化します。
二〇三〇年、四十代後半から五十代に差し掛かる現在の中間管理職にとって、AIとの付き合い方は、自身の市場価値そのものを規定する変数になります。
ベンダー提案に違和感を覚えたら
「ベンダーから提示されたAI導入計画に、どこか腑に落ちないものを感じる」「自社のAI活用が、なぜか思うように進まない」——こうした違和感は、たいてい正しい直感です。
弊社ManPlusは、特定のベンダーや製品に紐づかない、第三者視点でのAIセカンドオピニオンを提供しています。
- 既存ベンダー提案の妥当性チェック(契約締結前の冷静な目)
- 自社業務に対する、現実的なAI活用領域の絞り込み
- 過剰な投資を避けるための、最小構成からの段階導入設計
- 内製と外注の最適なバランス設計
大手コンサル時代の方法論と、中小企業の現場で磨いた地に足の着いた目線。両方の引き出しから、御社の課題に合った提言を行います。
無駄な数千万円を投じる前に、一度第三者の視点を入れる——それだけで、導入後の景色は確実に変わります。お気軽にご相談ください。
