第4章：問題解決の論理プロセス

学習目標

この章を読み終えると、以下のことができるようになります：

問題を正しく設定し定義する
仮説思考を使って効率的に問題解決する
複数の解決策を論理的に比較検討する
意思決定のフレームワークを活用する

4.1 問題設定の重要性

4.1.1 問題設定とは

定義: 解決すべき課題を明確に定義し、解決の方向性を決めること

問題設定の重要性

的外れな解決策を防ぐ
効率的な解決プロセスを可能にする
チーム全体の方向性を統一する
成果測定の基準を提供する

4.1.2 問題と課題の違い

問題（Problem）

現状と理想の間のギャップ
「何が起きているか」に焦点
事実の把握が中心

課題（Issue）

問題を解決するために取り組むべきこと
「何をすべきか」に焦点
行動の方向性が中心

例

問題：「売上が前年同期比20%減少している」
課題：「売上を前年同期レベルまで回復させる」

4.1.3 問題設定の5W1H

What（何が）: 具体的に何が問題なのか

定量的な表現（数値・期間）
明確な範囲の設定

Where（どこで）: 問題が発生している場所・範囲

部署、地域、市場セグメント
影響範囲の特定

When（いつ）: 問題が発生している時期

発生時期の特定
解決期限の設定

Who（誰が）: 影響を受ける人・関係者

ステークホルダーの特定
責任者の明確化

Why（なぜ）: 問題が重要な理由

ビジネスインパクト
解決の必要性

How（どのように）: 解決の方向性

目標設定
制約条件の確認

4.1.4 良い問題設定の条件

SMART原則の適用

Specific（具体的）: 明確で具体的
Measurable（測定可能）: 定量的に測定できる
Achievable（達成可能）: 現実的に達成可能
Relevant（関連性）: ビジネス目標と関連
Time-bound（期限）: 明確な期限設定

問題設定の例

×悪い例 「売上を向上させたい」

○良い例 「Aエリアの新規顧客からの売上を、3ヶ月以内に月額500万円から700万円（40%増）に向上させる」

4.2 仮説思考とその検証

4.2.1 仮説思考とは

定義: 情報が不完全な状況で、最も可能性の高い答えを仮説として設定し、それを検証しながら解決策を見つける思考法

従来の思考との違い

従来：情報収集 → 分析 → 結論
仮説思考：仮説設定 → 検証 → 修正 → 結論

4.2.2 仮説設定の方法

帰納法による仮説構築

観察可能な事実を収集
パターンや傾向を発見
一般化された仮説を構築

演繹法による仮説構築

一般的な法則や理論を適用
特定状況への当てはめ
検証可能な仮説を導出

類推による仮説構築

類似事例の分析
共通要因の抽出
当該状況への適用

4.2.3 仮説の構造

仮説の基本形 「○○だから、△△すれば、□□になる」

具体例 「顧客の価格感度が高いため（○○）、価格を10%下げれば（△△）、売上が20%向上する（□□）」

良い仮説の条件

検証可能である
具体的で明確である
実行可能な施策に結びつく
データで確認できる

4.2.4 仮説検証のプロセス

1. 検証計画の策定

検証方法の選択
必要データの特定
成功・失敗の判断基準
検証期間の設定

2. データ収集と分析

量的データの分析
質的データの収集
複数ソースでの確認
客観的な評価

3. 仮説の評価

予想と実際の比較
検証結果の解釈
仮説の採択・修正・棄却
学習の抽出

4. 次のアクション決定

仮説が正しい場合：本格実行
仮説が間違い場合：修正・新仮説
判断が困難な場合：追加検証

4.3 複数の解決策の比較検討

4.3.1 解決策の発想法

ブレインストーミング

量を重視した自由な発想
批判的思考は後回し
他のアイデアとの組み合わせ
多様な視点の取り入れ

なぜなぜ分析

問題の根本原因を追求
5回の「なぜ」を繰り返す
表面的対策から根本的対策へ
真の解決策の発見

ベンチマーキング

他社・他業界の成功事例
ベストプラクティスの分析
自社への適用可能性
差別化要素の検討

4.3.2 解決策の評価軸

効果性（Effectiveness）

問題解決への寄与度
期待される成果の大きさ
目標達成可能性

効率性（Efficiency）

コスト対効果
時間対効果
リソース効率

実現可能性（Feasibility）

技術的実現性
組織的実現性
財務的実现性

リスク（Risk）

失敗確率
失敗時の影響
不確実性の程度

持続性（Sustainability）

長期的効果
継続可能性
組織学習への貢献

4.3.3 評価マトリックスの作成

基本構造

解決策    | 効果性 | 効率性 | 実現性 | リスク | 総合評価
---------|-------|-------|-------|-------|----------
案A      |   4   |   3   |   5   |   2   |   3.5
案B      |   5   |   2   |   3   |   4   |   3.5
案C      |   3   |   5   |   4   |   3   |   3.8

重み付けの考慮

評価軸の相対的重要度
状況に応じた重み調整
ステークホルダーの優先度

定性的評価の併用

数値化困難な要素
直感的な判断
経験に基づく評価

4.4 意思決定のフレームワーク

4.4.1 意思決定の種類

定型的意思決定

ルールや手順が確立
過去の経験が活用可能
比較的低リスク

非定型的意思決定

前例がない状況
高い不確実性
重大な影響を伴う

4.4.2 意思決定プロセス

1. 問題の認識

現状と理想のギャップ
意思決定の必要性
緊急度・重要度の評価

2. 情報収集

関連情報の収集
ステークホルダーの意見
制約条件の確認

3. 選択肢の生成

複数案の検討
創造的な選択肢
実現可能性の確認

4. 選択肢の評価

評価基準の設定
定量的・定性的評価
リスク・リターン分析

5. 意思決定

最適解の選択
意思決定理由の明確化
責任者の確定

6. 実行

実行計画の策定
進捗モニタリング
必要に応じた修正

4.4.3 意思決定の支援ツール

決定木（Decision Tree）

選択肢と結果の視覚化
確率と期待値の計算
複雑な意思決定の整理

ペイオフマトリックス

戦略と結果の関係
不確実性の考慮
最適戦略の選択

費用便益分析

定量的な比較
投資対効果の測定
財務的合理性の確認

4.4.4 意思決定の質を高める方法

バイアスの回避

確証バイアス
アンカリング効果
楽観バイアス
集団思考

多角的検討

悪魔の代弁者
プリモルテム分析
セカンドオピニオン
タイムアウト制度

意思決定の記録

判断根拠の文書化
前提条件の記録
学習機会の創出
説明責任の確保

4.5 AI時代の問題解決

4.5.1 AIを活用した問題解決

情報収集段階でのAI活用

大量データの処理
パターン認識
情報の要約・整理
関連情報の発見

解決策生成でのAI活用

アイデア生成支援
他業界事例の提案
シミュレーション実行
多角的視点の提供

評価・検証でのAI活用

定量分析の実行
リスク評価の支援
予測モデルの構築
結果のモニタリング

4.5.2 人間とAIの役割分担

人間が担う領域

問題設定・定義
価値判断・優先順位
最終的な意思決定
責任の確保

AIが担う領域

データ処理・分析
パターン発見
選択肢の生成
影響度の計算

協働による価値創出

AIの分析 + 人間の判断
データ + 経験・直感
効率性 + 創造性
速度 + 質

章末演習

演習4-1：問題設定の練習

以下の状況を、SMART原則に従って適切な問題設定に変換してください：

「最近、社員のモチベーションが下がっているような気がする」

演習4-2：仮説設定と検証計画

あなたの職場で実際に発生している問題を1つ選び、以下を作成してください：

仮説の設定（○○だから、△△すれば、□□になる）
検証方法の設計
成功・失敗の判断基準

演習4-3：解決策の比較検討

「会議の効率が悪い」という問題に対して：

3つ以上の解決策を提案
5つの評価軸で評価マトリックスを作成
最適解を選択し、理由を説明

演習4-4：意思決定プロセスの実践

現在あなたが直面している意思決定を1つ選び、6段階の意思決定プロセスに従って整理してください。

演習4-5：AIとの協働設計

演習4-2で設定した問題について、AIと人間の役割分担を設計してください：

AIに任せる部分
人間が担当する部分
協働で行う部分

理解度チェック

□ 問題を適切に設定し、SMART原則で表現できる □ 仮説思考のプロセスを理解し実践できる □ 複数の解決策を体系的に比較検討できる □ 意思決定のフレームワークを活用できる □ AI時代の問題解決での人間とAIの役割分担を設計できる

次章への橋渡し

この章では論理的な問題解決のプロセスを学びました。次の第5章からは、第2部として生成AIとの効果的な対話術に入ります。これまで学んだ論理的思考を基盤として、AIに適切な指示を出し、効果的に協働する方法を学んでいきます。