問題解決のノウハウ化資料

型と質問の設計
ガイドライン」

顧客の「事象」を聞いて、根っこにある本当の課題を当てる。この“当てる速さ”って、実は勘やセンスじゃなくて、再現できる技術なんですよね。ベテラン医師の診断の考え方を借りて、私たちの提案プロセスに落とし込んでみました。

// 課題の切り分けを、速く・賢く ─ Bizチーム ナレッジ共有

01
困りごとThe Problem

私たちの仕事は、顧客の悩み(事象)を聞いて、その奥にある本当の課題を見つけて、ソリューションを出すこと。やってることは、わりと医師の診断に近いです。症状から原因を、可能性論で切り分けていく。

でも、患者=相談相手はたくさんいるし、症状も人それぞれ。ここで効率が落ちるパターン、心当たりないですか?

A

相談を受けるたびに、考えられる原因を毎回ゼロから全部並べちゃう。

B

とりあえず全部ヒアリング。情報は集まるけど、どれが効くか分からないまま時間だけ溶けていく。

C

派手で分かりやすい原因に飛びついて、地味だけど本当の真因を見落とす。

切り分けを「速く」やろうとすると、だいたい行き詰まる。
コツは、可能性に「賢く順番をつける」ことです。
02
ノウハウ5 Principles

ベテランが速いのは、頭の回転が速いから…ではないんですよね。武器を2つ持ってるからです。ひとつは 症例ライブラリ(過去の型の蓄積)、もうひとつは 鑑別を最大化する質問設計。これを5つの心得に分けてみます。

Hypothesis-driven

仮説駆動で聞く(網羅で聞かない)

最初の数分で仮説を2〜3個立てて、それを確かめる質問だけする。全部聞くんじゃなくて、当たりをつけてから掘る。

WHY初心者は「とりあえず全部」聞くから散らかりがち。仮説があると、どの質問が効くかを選べます。

Binary search

情報量の大きい質問から切る(二分探索)

良い質問は、答えがどっちに転んでも可能性が半分になる質問。一番大きく枝を落とせる分岐から聞く。

WHYここが効率の核心。20問聞くより、効く3問。決定木を情報利得の高い順に並べる発想です。

Common things first

ありふれたものから疑う

蹄の音がしたら、まず馬を疑う。シマウマじゃなくて。珍しい原因に飛びつくのは初心者の罠です。

WHY派手な技術課題に見えても、実態は「データが整ってない」「現場が使い方を知らない」が大半。

Red flags first

レッドフラグを先にスクリーニング

見逃すと致命傷になる要因(予算が実は無い・決裁者が別にいる・過去に頓挫してる)は、鑑別を詰める前に軽く当てておく。

WHY「危険な見逃し」を先頭に。後から発覚すると、提案ごと崩れます。

Avoid premature closure

早期閉鎖を避ける(否定の確認)

仮説を裏付ける質問だけじゃなく、「これなら違う」を確かめる質問も持っておく。当てにいくと同時に、捨てる準備もする。

WHYアンカリングと確証バイアスが二大誤診原因。5分で決めつけて否定材料を取りに行かないと、外します。

03
実践例Worked Example
主訴 / Chief complaint

CSの問い合わせ対応に時間がかかっている。生成AIで効率化できないか

01 仮説駆動

聞く前に、仮説を3つ立てる

(a) 1件あたりが遅い=答えを探す時間の問題/(b) 件数が多すぎる=自己解決できていない/(c) 担当でバラつく=属人化。この3枚を手札に持ってからヒアリングに入る。

02 二分探索

最初の1問で、空間を半分に割る

打ち手がまるごと変わる分岐を、いちばん最初に置く。

「対応時間の大半は “答えを探している時間” ですか? それとも “そもそも問い合わせ自体が多すぎる” ですか?」

前者ならRAG/ナレッジ検索の世界、後者ならFAQ整備/セルフサービスの世界。一発で半分に絞れる。

03 ありふれた真因

派手な答えの前に、地味な真因を疑う

「RAGチャットボットを作りましょう」は派手な答え。だが現場の真因の多くは、ナレッジ未整備・FAQが古い・元ネタがSharePointとExcelとZendeskに散在、あたり。検索される側が揃っていなければ、ゴミを入れてゴミが出る。

04 レッドフラグ

鑑別を詰める前に、地雷を当てる

「過去に似たツールを試されたことは?」の1問で、地雷の有無がだいたい分かる。

予算が実は無い 決裁者は事業部側 過去にBOT塩漬け 個人情報の混在
05 否定確認

仮説を「捨てる」勇気を持つ

RAG仮説に対して、わざと否定方向に振って聞く。

「検索が速くなれば、解決しそうですか?」 → 「いや、速さより “回答の信頼性” が問題で…」が出たら、仮説を捨てて切り直す。
04
アクションNext Action

この型、みんなで「症例カード」にして貯めていきませんか。

ベテランの速さの正体は、頭の中の illness script(症例の型)です。これは個人の経験に閉じておく必要がなくて、チームで型化して共有すれば、1人の経験が、全員の初診スピードになる。

MERIT 01

過去案件を10〜20の型に畳む。次の相談は「これは◯◯型」と当てて、カードの第1問から入れる。

MERIT 02

各型に〈鑑別の第1問〉と〈レッドフラグ〉を紐づける。属人化していた診断のコツが、共有資産になる。

MERIT 03

型が貯まるほど、チーム全体の切り分けが速く・正確になる。プリセールスの再現性が上がる。

▼ コピペで使える 症例カード テンプレ(実物)

症例カード :問い合わせ対応・効率化型CASE-CARD / v1
主訴
「問い合わせ対応に時間がかかる。生成AIで効率化できないか」(よくある相談文をそのまま)
鑑別の第1問
探している時間が長い? それとも件数が多すぎる?
主要な型(分岐)
検索効率化 / 流入削減 / 標準化
ありがちな真因
ナレッジ未整備・データ散在(派手な技術課題より先に疑う)
レッドフラグ
予算 / 決裁者 / 過去の失敗 / 個人情報
否定確認
「検索が速くなれば解決しそう?」でNoが出たら仮説を捨てる

運用案1型1枚で、共有フォルダ(Obsidian / Drive)に貯めていく。テンプレは固定して、相談を受けるたびに新しい型を1枚足すだけ。まずは各自、「一番よく受ける相談」を1枚書くところから始めませんか。