レッスン5：思考の壁打ちと意思決定の仕事術

このレッスンで学ぶこと

「AI を壁打ち相手にする」発想を理解する
多角的視点（賛成派・反対派・第三者）の獲得方法を整理する
意思決定マトリクスの作成支援に AI を使う発想を持つ
「AI の答えを鵜呑みにしない」の意味を深める
2026 年 6 月時点の Reasoning モデルの使いどころを把握する
複数モデル比較利用の発想を理解する

前のレッスンでは、情報整理と要約の仕事術を扱いました。今回のレッスンでは、視点を「読む」から「考える」へ移して、思考と意思決定の場面での AI 活用を扱います。レッスン 1 で学んだ知識労働者の業務階層のうち、「思考作業」の領域にあたります。AI を「壁打ち相手」として使うと、思考の質が大きく変わる可能性がある一方、「AI の答えを鵜呑みにする」という陥りやすい罠もあります。両者のバランスを整理します。

AI を壁打ち相手にする発想

「壁打ち（かべうち）」は、テニスや野球の練習で、相手のいない場面で壁にボールを打ち返してもらう練習に由来する比喩です。ビジネスの文脈では、「自分の考えを誰かに話して、反応をもらって考えを深める」行為を指します。

壁打ちの伝統的な姿

信頼できる同僚に「ちょっと話を聞いてくれ」と話す
上司との 1on1 で課題を整理する
メンターに相談する
業界の知り合いに飲み会で話す

壁打ちの課題

相手の時間を奪う
相手の専門領域・関心領域でしか深い反応がもらえない
「相手の負担になる」と気を遣って言いにくいテーマがある
機密情報や検討途中のアイディアは話しにくい
自分が話したい時間に相手がいるとは限らない

AI が壁打ち相手として持つ強み

いつでも応答してくれる
相手の負担を気にせず話せる
専門領域に偏らず、幅広い知識を持つ
同じテーマを何時間でも深掘りできる
「ばかげた質問」も気兼ねなく投げられる

ただし、AI には大きな限界があります。

相手の表情や声色を見て、こちらの状態を察してくれない
業界の暗黙知、組織の固有事情、当事者特有の感覚は持っていない
ハルシネーションのリスクがある
「自分が考えたい方向」に引きずられた回答をしがち（後述）

壁打ちでの AI の使い方

整理の手伝い：「いま自分が悩んでいることを 100 字で書きました。整理して論点を 3 つに分けてください」
反論の幅出し：「自分の意見に対して、想定される反論を 5 つ挙げてください」
質問の幅出し：「この企画について、上司から聞かれそうな質問を 10 個挙げてください」
代替案の幅出し：「この施策の代替案を 3 つ考えてください」
抜け落ちの確認：「この計画で見落としていそうな観点はありますか」

「答えを出してもらう」ではなく「考える材料を出してもらう」発想です。

💡 ポイント 壁打ち相手としての AI は「答えを出す相手」ではなく「自分の思考を整理させてくれる相手」と捉えると、活用の幅が広がります。

多角的視点の獲得——3 つの立場の活用

意思決定の質を上げる古典的な方法に、「異なる立場から考える」があります。AI はこの「立場の演じ分け」が得意です。

3 つの立場

立場	役割
賛成派	自分の考えを支持する論点を強化する
反対派	自分の考えに反論する論点を引き出す
第三者	当事者ではない外部の目線で評価する

賛成派の演じさせ方

「私の提案『○○』を強く支持する立場で、最も説得力のある根拠を 5 つ挙げてください」と依頼します。自分の論点を強化したいときに有効です。

反対派の演じさせ方

「私の提案『○○』に強く反対する立場で、最も鋭い反論を 5 つ挙げてください。手心を加えずにお願いします」と依頼します。自分の意見の弱点を発見できます。「最も鋭い反論を」「手心を加えずに」という指示があると、無難な反論ではなく実用的な反論が出やすくなります。

第三者の演じさせ方

「この決定を、5 年後の振り返りで第三者として評価する立場で、3 つの観点を挙げてください」と依頼します。時間軸や視点を変えて、当事者の感情から距離を取れます。

「複数視点で考える」の意味

3 つの立場を順番に演じてもらうと、自分一人では出てこなかった論点が浮かびます。意思決定する前に、3 つの立場を AI に演じてもらうことで、「決定の精度」が一段上がる可能性があります。

ただし、AI の出した論点をすべて採用するわけではありません。論点が出たうえで、最終的な判断は自分が行います。

📝 補足 「悪魔の代弁者（devil's advocate）」という古典的なコミュニケーション技法があります。AI に反対派を演じてもらうのは、悪魔の代弁者を社内に置かなくても、似た効果を得る発想です。

意思決定マトリクスの作成支援

複数の選択肢から 1 つを選ぶ意思決定では、「マトリクス（評価表）」を作って整理する方法が有効です。AI はマトリクス作成を補助できます。

マトリクスの基本構造

観点	選択肢 A	選択肢 B	選択肢 C
コスト	XX	XX	XX
効果	XX	XX	XX
リスク	XX	XX	XX
期間	XX	XX	XX
組織の負担	XX	XX	XX

AI を使う場面

観点の洗い出し：「この意思決定で考慮すべき観点を 10 個挙げてください」
観点の優先順位付け：「10 個の観点を、重要度の高い順に並べてください」
選択肢の評価素材：「選択肢 A についての XX 観点での評価素材を、Web で調べてください」
盲点の確認：「このマトリクスで見落としていそうな観点はありますか」

マトリクスを「決定の道具」として使う限界

マトリクスは「整理の道具」であって「決定の道具」ではありません。マトリクスの観点・重み・スコアを自分で決めた時点で、結論はある程度方向づけられます。「マトリクスが客観的に決めてくれる」と誤解しないでください。

最終的な意思決定は、マトリクスの数字だけではなく、

経験と勘
組織の文脈
関係者の感情
利用可能なリソース
時間軸の長さ

を加味して、人間が行います。AI とマトリクスは判断の材料を提供するだけです。

⚠️ 注意 「AI とマトリクスで意思決定が客観的になった」と社内で説明するのは慎重にしてください。マトリクスの観点選定の時点で主観が入っており、完全に客観的な決定は存在しません。

「鵜呑みにしない」の深堀り

ここまでで「鵜呑みにしない」を繰り返し言ってきましたが、思考の場面では特にこの発想が重要です。なぜなら、AI は「自分が聞きたい答え」を提供しがちな性質を持つからです。

AI の「同調バイアス」

ユーザーの意見に反論しすぎないように調整されている（学習の結果）
質問者の前提を尊重するように振る舞いがち
「これは間違っていますか？」と聞くと「いいえ、合っています」と答えやすい
「これは正しいですか？」と聞くと「はい、正しいです」と答えやすい

このため、自分が「○○ だと思うが、どうか」と聞くと、AI は ○○ を支持する論点を出しがちです。これは AI の限界というより、人間の質問の影響を AI が受けやすいという特性です。

同調バイアスへの対策

質問を中立的に書く：「○○ は正しいですか」ではなく「○○ について、賛成と反対の両論を整理してください」
反対派を演じさせる：「私の意見に手心を加えずに反論してください」
複数の AI で同じ質問をしてみる：違うモデルは違う偏りを持つことがある
AI の答えを自分の意見と区別する：「これは AI が言っていること、私の意見はまだ決まっていない」と意識する

「AI が言うから」と「自分の判断」を分ける

業務で AI を使うとき、「AI が言うから○○ にしました」と説明する場面が出てきます。これは原則として避けるべき姿勢です。最終的な判断は自分が行い、「自分の判断として○○ にしました。AI の出力も参考にしました」と説明するのが、責任ある姿勢です。

💡 ポイント 「AI が言うから」を「私が判断したから」に置き換える発想が、AI 時代の知的労働者の責任です。AI は補助であって、判断の主体は人間です。

2026 年 6 月時点：Reasoning モデルの使いどころ

2024〜2025 年にかけて、各社が「Reasoning モデル」と呼ばれる、長考型の AI モデルを公開しました。OpenAI の o シリーズ、Anthropic の Extended Thinking、Google の Gemini Deep Think などが代表的です。

Reasoning モデルの特徴

回答前に「内部での思考プロセス」を長く取る
数学・論理・複雑な問題で正答率が大きく向上する
単純な質問では応答が遅くなる
課金プランで利用枠や応答時間が異なる

使いどころ

業務	Reasoning モデル	通常モデル
複雑な意思決定の整理	○	△
長文資料の論理的読解	○	△
多変数のトレードオフ分析	○	△
簡単な要約・リライト	△（過剰）	○
短いメール作成	△（過剰）	○
一般的なリサーチ	△	○

「すべて Reasoning モデル」は応答時間とコストが過剰です。「複雑な思考が必要」な場面に絞って使うのが現実的です。

業務担当者の視点

業務担当者にとっての Reasoning モデルは、「難しい問題を相談したいときに使うモード」と理解できれば十分です。各社の機能名や仕様の詳細は半年で変わるため、本コースでは深入りしません。

複数モデル比較利用の発想

2026 年 6 月時点では、ChatGPT・Claude・Gemini など複数のモデルを並行して使う知的労働者も増えてきました。

並行利用の利点

同じ質問を複数モデルに投げると、違いから論点が見える
1 つのモデルが弱い領域を、別のモデルが補える
ハルシネーションのリスクを下げられる（複数で一致した内容は信頼性が高い）
モデル間の「思考の癖」を把握できる

並行利用の限界

複数の課金プランで月額が増える
入力の手間が増える
「どのモデルがどう違うか」を理解する学習コスト

業務担当者の現実解

中核的に使うメインモデルを 1 つ決める（ChatGPT・Claude・Gemini のいずれか）
重要な意思決定や複雑な思考では、サブモデルにも同じ質問を投げて違いを見る
法人契約版で利用するモデルが組織で決まっている場合は、それに従う

📝 補足 法人契約版では、利用できるモデルが組織で制限されている場合があります。個人の判断で複数モデルを並行利用するのは、組織のルールを確認してから行ってください。

講師の現場メモ：「経営判断の壁打ちで救われた事例」

私（吉村）が独立後に支援している中堅小売業の経営者から、ある相談を受けた話です。

「新規出店を計画している。社内で議論を尽くしたが、経営会議で最終決定を出す前に、誰か当事者ではない人に意見を聞きたい」

その経営者は、すでに自分なりの結論を持っていました。「出店する」方向です。しかし、自分の結論に対して反対の論点が見えていないことに不安を感じていました。

私はその経営者と一緒に、AI を 3 回壁打ち相手として使いました。

AI に強い賛成派を演じさせた：「この出店を強く支持する論点を 5 つ挙げてください」。経営者がすでに考えていた論点が出てきました。
AI に強い反対派を演じさせた：「この出店に手心を加えずに反対する論点を 5 つ挙げてください」。経営者が見落としていた論点が 2 つ出ました（既存店との商圏重複、特定の競合店の動向）。
AI に第三者（5 年後の振り返り）を演じさせた：「5 年後、この出店判断を振り返って何を後悔する可能性が高いですか」。「商圏調査の精度の浅さを後悔するかも」という指摘がありました。

3 回の壁打ちを 1 時間で終わらせ、経営会議に臨みました。経営者は「出店する」結論は変えませんでしたが、商圏調査を 1 か月延ばし、既存店との商圏重複対策を追加で議論することを決めました。

その経営者は私に「自分一人ではこの論点に気づかなかった。AI と話したことが、判断の質を変えた」と感謝してくれました。私は「壁打ちは AI でなくても、信頼できる他者でも構いません。AI の利点は、時間と場所と機密性を選ばないことです」と答えました。

このときに痛感したのは、AI を「答えを出してもらう相手」ではなく「論点を出してもらう相手」として使うと、思考の質が確実に上がる、ということです。本コースで「答え」より「考える材料」を強調するのは、この発想を業務に組み込んでほしいからです。

まとめ

このレッスンでは、以下のことを学びました。

AI を壁打ち相手にする発想：いつでも応答、相手の負担なし、専門領域に偏らない、機密性を確保しやすい
壁打ちでの AI の使い方は「答えを出してもらう」ではなく「考える材料を出してもらう」
多角的視点：賛成派・反対派・第三者の 3 つの立場を AI に演じてもらう
反対派には「手心を加えずに」と明示すると鋭い反論が出やすい
意思決定マトリクスは整理の道具で、決定の道具ではない
AI の同調バイアス：質問者の意見に同調しがち。中立的に質問するのが対策
「AI が言うから」を「私が判断したから」に置き換える発想が AI 時代の責任
Reasoning モデル：複雑な思考に絞って使う。単純業務には過剰
複数モデル並行利用：違いから論点が見えるが、法人契約版では組織ルールを確認

次のレッスンでは、コミュニケーション（メール・説明資料・フィードバック）の仕事術を扱います。

確認クイズ

このレッスンの理解度をチェックしましょう。