新ルールのまとめ：実務直結の「2ステップ提案」と「100点満点評価」
11問目から、ビジネス脳トレはさらに実務やコンサルティングの現場に近い「対話型・2ステップ提案ルール」へと進化しました。
これまでは「お題に対して一発で施策を提案する」形でしたが、どうしても「どんなAIを作ろうか」という思い込みに引っ張られがちでした。そこで、今回からは以下のプロセスで思考を組み立てます。
【今後の進め方】
- 第1ステップ（仮説・確認）：
お題に対し、まずは「課題分析」「仮説」「追加で確認したい事項」だけを投げ、施策の提案をあえて我慢する。 - データ開示：
確認事項に応じた「追加データ」や「現場のヒアリング内容」がクライアントから開示される。 - 第2ステップ（提案）：
開示されたリアルな事実を踏まえて、初めて具体的な「AI施策」を提案する。 - 忖度なしの採点：
最後に、固定された5つの評価軸（各20点・計100点満点）と、5段階のレベル判定でシビアにフィードバックを受ける。
【固定の評価軸（各20点／計100点満点）】
- ① 課題分析：本当に顧客の問題の核心を捉えられているか
- ② 仮説構築：思い込みに囚われず、複数の可能性を考えられているか
- ③ 確認事項：仮説検証に必要な「データや事実」を的確に質問できているか
- ④ 提案内容：特定した課題と、提案する施策が論理的に繋がっているか
- ⑤ AI活用の妥当性：生成AIの機能（7大機能）を、無理なく適切に使えているか
【目指す5つのレベル定義】
- Lv1：思いつきで「AIチャットボット！」などの施策を提案する
- Lv2：課題をどこにあるか分析し始めることができる
- Lv3：原因に対して、複数の仮説を持てるようになる
- Lv4：適切な確認事項（質問）によって、自ら仮説を検証・修正できる
- Lv5：データを見て、AI以外も含めた打ち手の優先順位を付けられる
【11問目】「提案したい欲」を我慢する。データで霧を晴らしてから仕掛ける、AI 7大機能のフルコンボ
新ルールを引っ提げて挑む第11問目。今回は、全国展開する家電量販店の社長からのリアルな相談です。
【お題：家電量販店の新入社員の離職】
従業員3,000名。入社1年以内の離職率が昨年「12%」から今年「22%」へと急増。
アンケートの退職理由トップ3は「覚えることが多すぎる」「説明に自信が持てない」「忙しくて質問できる人がいない」。取扱商品数は昨年比130%（6,500点）に急増。
社長は「AIチャットボットを作れば解決する気がする」と言っている。
第1ステップ：施策をグッと堪え、ベテランの現状を疑う
これまでの私なら、すぐに「新人のためのAIチャットボットを作りましょう！」と飛びついていたでしょう。しかし、新ルールに従い、まずは提案をグッと我慢して、以下の「課題分析・仮説・確認事項」を整理しました。
- 課題分析：商品数の急増に、新人の知識習得が追いついていない。「売り場に出た途端、勉強していない商品について次々質問され、よくわからないまま対応している辛さ」がありそう。
- 仮説：教育環境の不足。または、そもそも人員不足で新人に丸投げされている可能性。あるいは「新商品」と「既存商品」で担当を分けるべきか。
- 確認事項（クライアントへの質問）：
- 研修の期間と内容は？（商品知識まで網羅しているのか）
- 商品の入れ替わり速度は？
- 「忙しくて質問できない」とあるが、そもそもベテラン社員は新商品を完璧に理解できているのか？
- 現場でお客様から実際によく受ける質問の傾向は？
開示された追加データ：ベテランも限界、そして「店舗格差」の罠
この確認事項に対して、クライアントから返ってきた追加データは、非常に生々しいものでした。
- 研修の現実：期間は2週間。マナーやレジが中心で、全商品の説明は行わない。商品は毎月100〜150点も入れ替わる。
- ベテランの本音：「正直、自分たちも全部は覚えられない。わからない商品はメーカーサイトを見ている。忙しくて新人に付きっきりになれない」
- 顧客の質問傾向：「この炊飯器とこっち、何が違うの？（商品比較）」「一人暮らしならどれがおすすめ？（個別提案）」「今の自宅のWi-Fiで動く？（環境確認）」
- 衝撃の店舗データ：離職率は全店一律ではない。上位店舗は8〜10%なのに、下位店舗は30〜35%と、店舗によって凄まじい格差がある。
第2ステップ：導き出した「スタッフ用成長支援アプリ」の提案
ベテランも網羅できていない、かつ店舗ごとのマネジメントや環境にバラつきがある。この事実を踏まえ、私は社長の言う「ただのチャットボット」ではなく、新人の学習と現場の業務フローを一気通貫で支える「スタッフ用成長支援アプリ」を提案しました。
- ナレッジ登録の自動化（自動化 × 検索・整理）
商品が入れ替わる際、商品のバーコードをアプリで読み取るだけで、公式サイトや取扱説明書から主要な特徴や比較ポイントを自動で抽出し、店舗共通のナレッジベースに登録・更新する。 - 現場での即時検索（検索 × 対話）
売り場でのお客様からの突発的な質問（比較や自宅環境の互換性など）に対し、アプリのAIに聞けば、登録されたナレッジから即座に正確な回答を返してくれる。 - 個人の習熟度に応じたケーススタディ学習（文章生成 × レコメンド）
新人スタッフに1日1時間の勉強時間を設定。AIがナレッジを基に「一人暮らしのお客様への提案」といった現場特化型のケーススタディ問題を自動生成して出題する。 - 強み・弱みの分析と店舗ごとの配属最適化（レコメンド）
スタッフ個人の日常生活や興味、学習データの偏りから「強み・弱み」を分析。大型店舗なら「スマホ専任」などジャンルごとの専任へ、小型店舗なら「オールラウンダー」として弱みを克服するカリキュラムへ、店舗の規模や方針に合わせてカスタマイズした配置や育成プランを店長に提案する。
忖度なしの採点フィードバック：結果は「93点」
新ルール適用後、記念すべき最初の採点結果は……93点（レベル3.5）という高得点を獲得することができました。
【採点内訳】
- ① 課題分析：18/20点
「新人の教育不足」だけで片付けず、「ベテランも覚えられていないのでは？」という別仮説の視点を持てたことを高く評価。 - ② 仮説構築：17/20点
初期段階で複数の仮説を持てていたのは良かったが、追加情報で「店舗ごとの離職率に大きな差（8%〜35%）がある」というデータが出た後、最終提案が「アプリ開発」という一方向のみに閉じてしまった点が少し惜しい。店舗運営側の改善（店長のマネジメントや教育体制の是正）にも触れられれば満点だった。 - ③ 確認事項：20/20点
完璧。これまでの「すぐAIを作る」癖を抑え、ベテランの理解度や顧客の質問内容、研修の実態を的確に突いた。 - ④ 提案内容：18/20点
「バーコード読み取り ➔ ナレッジ化 ➔ 現場検索 ➔ ケース問題での学習 ➔ 弱み分析・配属提案」という、業務フローに綺麗に一本繋がったシステム設計は見事。
減点2点は、コンサルティングの提案書として最後に「離職率を何%下げるか」「教育時間を何割削減するか」という、社長の経営KPI（数字）に戻して締めくくる視点が欲しかった。 - ⑤ AI活用の妥当性：20/20点
「AIの7大機能（検索・整理・文章生成・自動化・レコメンド・対話）」のうち、実に6つの機能を適材適所で網羅。「AIを無理に使う」のではなく、大量・単純なデータ処理はAIに任せ、最後の接客や判断は人間に委ねるという役割分担が綺麗にできていた。
レベル4（仮説検証のマスター）へ向けた次なる一歩
前回のレベル3.0から、今回はレベル3.5へと確実に思考のステージが上がりました。
何より、「正解だと思ったらブレーキを踏めずに突っ走る」という私の積年の課題が、この2ステップのルールによって見事に矯正されつつあります。「まず何を確認したい？」と問いかけるだけで、ここまで提案の精度が変わるのかと肌で実感しました。
最高峰の「レベル4〜5」へ到達するための次なる壁は、「AIを考える前に、AI以外の打ち手（制度や運用の改善）も並べ、その中であえて今AIに投資する理由を明確に語れるようになること」。
頭の回転の速さに「丁寧な防衛思考」が加わった今、次なる第12問のノックへと向かいます。
