AI時代に差がつく論理的思考と表現力

はじめに

本書の位置づけ

生成AIの利用は、単に「質問すると文章が返ってくる」段階から、調査、下書き、要約、会議、提案、レビュー、承認、再利用までを含む業務ワークフローの一部へ広がっています。

本書は、AIへの依頼文だけを扱うプロンプト集ではありません。AI時代に必要な論理的思考と表現力を、業務成果物、根拠確認、リスク判断、承認、ログ化、再利用まで含めて身につけるための実務書です。

2026年版で重視すること

本書は Issue #126 に基づき、既存の強みを残しながら、2026年時点の実務に耐える形へ分割改稿しています。

残すものは次の通りです。

  • 論理的思考の基礎
  • AI活用の標準業務フロー
  • CARE による出力評価
  • ケーススタディで「初稿 → 問題点 → 改善 → 最終成果物」まで見せる構成
  • 機密情報を外部AIへ入れない前提

一方で、重心は「プロンプトをうまく書く」から「成果物を安全に完了させる」へ移します。各章では、目的、読み手、意思決定点、情報分類、出力仕様、根拠、リスク、承認者、再利用条件を明確にすることを重視します。

本書での用語（定義）

本書では、用語の揺れによる誤解を避けるため、次のように用語を扱います。

  • 生成AI: 文章、要約、分類、構造化、説明、案出しなどを支援するAIサービスまたは機能を指します。画像生成や音声生成の専門操作は主対象にしません。
  • AI: 文脈上、主に生成AIまたはそれを提供するサービス、システムの略称として用います。
  • プロンプト: AIへの指示文を指します。ただし本書では、単独の指示文ではなく、目的、文脈、制約、出力形式、受け入れ基準を含む作業指示として扱います。
  • task brief: 目的、読み手、意思決定点、利用してよい情報、制約、期限、承認者をまとめた作業定義です。
  • data classification: AIへ渡す前に、公開情報、社内限定、機密、個人情報、契約情報などを分け、利用可否と匿名化要否を判断することです。
  • output schema: 見出し、表、項目、根拠欄、要確認欄、文字数など、成果物の形式を事前に定義したものです。
  • CARE: Correctness、Appropriateness、Relevance、Effectiveness の観点でAI出力を評価する本書独自の枠組みです。本書では、Evidence、Risk、Approvalを加えたCARE+へ拡張します。

なぜ論理的思考が重要なのか

AIは、曖昧な依頼にもそれらしい文章を返します。そのため、利用者には次の能力が必要です。

1. タスクを定義する力

何を決めるのか、誰が読むのか、どの情報を使ってよいのか、何を根拠に承認するのかを先に定義します。タスク定義が曖昧なままでは、AI出力の品質を評価できません。

2. 前提と根拠を分ける力

AI出力には、事実、推定、一般論、提案、要確認事項が混在します。読者は、それらを分け、一次情報や社内の正本資料で確認する必要があります。

3. 成果物として仕上げる力

AIの回答は完成物ではなく初稿です。用途に応じて、1枚サマリー、提案書、稟議メモ、議事録、意思決定ログ、営業ヒアリングメモ、リスクレビューなどへ編集し、承認できる形にします。

4. リスクと責任境界を判断する力

機密情報、個人情報、著作権、知財、prompt injection、監査ログ、human-in-the-loop、社内ポリシー、承認フローを、実務手順として扱います。注意書きだけで終わらせず、誰が何を確認するかを決めます。

本書の特徴

成果物中心の構成

各章では、概念だけでなく、読者が作る成果物、よくある失敗、改善前後、テンプレート、チェックリスト、人間が最終判断する点を示します。

AI協働を標準業務フローに組み込む

本書では、AI活用の標準業務フロー（1枚） を共通の参照点にします。タスク定義、情報分類、文脈設計、出力仕様、生成、評価、検証、承認、ログ化、再利用を一連の流れとして扱います。

ベンダー依存を避ける

モデル名、価格、プラン名、UI手順、規制日付などの陳腐化しやすい情報は本文の中心に置きません。必要な場合は、執筆時点、参照先、適用範囲、更新確認先を明示します。

非技術職でも判断できる粒度にする

tool use、function calling、retrieval、MCP などの概念は、API実装の詳細ではなく、業務上の判断、承認、ログ、責任分界として説明します。

対象読者

本書は以下のような方々を対象としています。

  • 企画 / 経営企画 / 営業 / マーケティング / 人事 / オペレーション: 非技術職でも、AIを使った成果物の品質と説明責任を持つ人。
  • PM / EM / チームリーダー / マネージャー: チームでAI活用を標準化し、レビュー、承認、再利用のルールを作る人。
  • 社内AI導入・運用・ガバナンス担当: 利用ルール、情報分類、ログ、監査、テンプレート運用に関わる人。
  • 生成AIを使い始めた実務者: 出力の評価、根拠確認、機密情報の扱い、承認へのつなぎ方を学びたい人。

本書の構成

本書は4部17章とケーススタディ、付録で構成されています。章のURLはできるだけ維持し、内容を順次再定義します。

第1部：思考・論証・判断の土台（第1〜4章）

前提、論点、根拠、反論、結論、事実と解釈の区別、問題設定、仮説、意思決定、評価軸を扱います。

第2部：AI協働の実務基盤（第5〜9章）

指示設計、出力評価、CARE拡張、受け入れ基準、情報検証、メディアリテラシー、業務フローへの組み込み、リスク、ガバナンス、法務、セキュリティを扱います。

第3部：成果物を作る（第10〜13章）

1枚サマリー、提案書、報告書、稟議メモ、プレゼン、想定Q&A、会議設計、議事録、意思決定ログ、営業ヒアリング、反論処理、交渉を扱います。

第4部：組織導入と継続運用（第14〜17章）

PDF、画像、表、グラフ、スクリーンショットなどのマルチモーダル材料、チーム運用、テンプレート資産化、プロジェクト導入、KPI、変更管理、継続学習を扱います。

学習のポイント

1. 自分の業務成果物を題材にする

抽象的な例だけでなく、自分が実際に作る資料、メール、会議メモ、提案書、説明資料を題材にしてください。

2. AI出力を初稿として扱う

AIの回答をそのまま完成物にせず、根拠、リスク、読み手、承認条件、再利用条件を確認してから使います。

3. チームで基準をそろえる

同僚やチームメンバーと、情報分類、受け入れ基準、レビュー観点、テンプレートの更新ルールをそろえると、AI活用の品質が安定します。

4. 最新情報は一次情報で確認する

生成AIサービスの仕様、料金、規制、ガイドラインは変わります。実務に適用する前に、利用中サービスの公式ドキュメント、自組織の利用ポリシー、関連する一次情報を確認してください。

次に読むページ

2026年版リライト中

ITDO Inc. (株式会社アイティードゥ)

Edit this page on GitHub