04 考察し、行動につなげる

AIとの対話で『次の一手』を導き出す｜分析を行動に変える

作成日：2026-01-xx 更新日：2026-01-xx

分析結果を見て、次はどう動けばいいの？

フェーズ 03 で、データが可視化されました。
ただ、きれいなグラフや詳細な集計表が完成しても、それを見ているだけでは現状は変わりません。

データ活用で最も難しいのは、分析結果から「次の一手（アクション）」を決め、チームを動かすことです。
ダッシュボードやレポートは、あくまで「今の状況」を映す鏡にすぎません。そこから「今、何をすべきか」を言語化し、実行に移すのは、みなさんとAIの役割です。
この記事でやること
所要時間は各ステップ3〜5分、合計15分程度です。
AIと一緒に、分析結果から「具体的な解決策」を練り上げ、チームを動かして成果が出るまでを追跡するプロセスを体験します。
得られる成果
  • データに基づいた「具体的な改善アクション案」が手に入る
  • 上司やチームを動かすための「報告メッセージ」が完成する
  • 施策の効果を測るための「モニタリング指標（KPI）」が決まる
INDEX
  • STEP 1　AIと「具体的な改善アクション」を考えよう（5分）
  • STEP 2　AIに報告用の「要約メッセージ」を書いてもらおう（3分）
  • STEP 3　アクション後の「変化」を追跡する準備をしよう（3分）
  • よくある質問
  • まとめ
  • ＜少し慣れてきたら…＞ AIとの対話を、より効率よく進めるコツ
STEP 1

AIと「具体的な改善アクション」を考えよう（5分）

目的

フェーズ 03で特定した「課題」をもとに、「こうすれば解決できる」という解決策（たたき台）をAIと一緒に用意します。
改善案をAIとブレストする
フェーズ#03で判明した「事実」をAIに伝えて、具体的な打ち手を提案してもらいます。
■ アクションプラン提案用のサンプルプロンプト
※ [ ] の部分に、フェーズ#03で導き出した結論を入力してください。
STEP 2

AIに報告用の「レポート」を書いてもらおう（3分）

目的

STEP 1で「対策案」が固まりました。これを上司やチームに報告し、実行の許可をもらいましょう。
分析結果とあなたが考えた対策案をセットにして、AIに説得力のある報告レポートを書かせます。
報告メッセージを作成する
AIに「課題」と「提案したいアクション」を伝えて、簡潔な報告レポートを作成してもらいます。
■ 報告レポート作成用のサンプルプロンプト
※ [ ] の部分に、課題と、STEP 1で選んだアクションを入力してください。
※ 【分析画面の画像】は、フェーズ#03で作成したプロトタイプのスクリーンショットを添付してください。
STEP 3

アクション後の「変化」を追跡する準備をしよう（3分）

目的

報告が承認され、いよいよ施策（アクション）が実行されます。 しかし、やりっぱなしでは意味がありません。「その施策をやった結果、本当に数字が良くなったのか？」 を毎日チェックする必要があります。

「全体」を見るだけでは微細な変化に気づきにくいため、「施策の成功を判断するための専用の指標（KPI）」 をAIに定義してもらいましょう。
モニタリング指標を決める
選んだアクションに対して、MotionBoardやDr.Sum Datalizerで「毎日どこだけを見ればいいか」を聞き出します。
■ 見せ方最適化用のサンプルプロンプト
※ [ ] の部分に、実行するアクションを入力してください。
AIの提案内容に問題がなければ、設定を変更してみましょう。

よくある質問

AIの提案が「当たり前」のことばかりで、あまり役に立ちません。どうしたらいいですか？

次の2点を意識すると、AIの回答をより深い内容に引き出しやすくなります。

1. プロンプトに「前提・制約・強み」を具体的に追加する
AIは、与えられた条件の範囲で思考します。
そのため、以下のような情報を補足すると、一般論ではなく「自分たちの状況に即した」回答になりやすくなります。

- 組織や業務の制約（人員・予算・期間・権限 など）
- 現在の課題背景や、すでに分かっている事実
- 自社・自部門の強み、逆にできないこと

2. より深い推論が得意なモデルを使う（使い分ける）
改善アクションの検討やKPI設計など、「なぜそう言えるのか」「他の選択肢はないか」といった思考が重要な場面では、
より深く推論するタイプのモデルを使うことで、

- 前提条件を踏まえた整理
- 代替案やリスクの提示
- 施策とKPIの因果関係の明確化
といった点が充実しやすくなります。

なお、報告書の文章化など「表現を整える」ことが主目的の場合は、必ずしも深い推論モデルでなくても十分なケースもあります。
目的に応じて、プロンプトの書き方とモデルを使い分けることが重要です。

AIが算出した「目標数値（KPI）」は、そのまま採用しても問題ないですか？

AIが出す数値は過去の傾向からの推計です。現場のモチベーションや市場の急変などは考慮されていない場合があるため、チームで議論するための「たたき台」として扱ってください。

まとめ

Write your awesome label here.

このコンテンツでは、分析結果をもとに、AIと協力して「具体的なアクション」を起こし、成果につなげる方法をご紹介しました。

  • STEP 1：データから見えた課題に対し、AIとブレインストーミングを行って「具体的な解決策（アクション案）」を導き出しました。
  • STEP 2：上司やチームを動かすために、AIに「現状の課題」と「提案」をまとめた、説得力のある報告メッセージを作成してもらいました。
  • STEP 3：施策を実行しっぱなしにしないよう、AIと一緒に「モニタリング指標（KPI）」を定義し、追跡する準備を整えました。

これで、フェーズ 01から始まった全4回のプログラムは完結です。

「データ活用」は、決して難しい専門家のためのものではありません。 Dr.Sum と MotionBoard、そして AI という「相棒」がいれば、このサイクルを驚くほどのスピードで回し、ビジネスを前に進められます。

さあ、あなたの本当のデータ活用をスタートさせてください！

＜少し慣れてきたら…＞ AIとの対話を、より効率よく進めるコツ

生成AIを効率よく使うための基本は、作業のフェーズが変わったら会話も分けることです。
考えを整理している段階と、SQLや集計定義を作っている段階、結果を解釈・改善している段階では、AIに求める役割がまったく異なります。
フェーズが変わっても同じ会話を続けてしまうと、前の文脈に引きずられ、回答がブレやすくなります。
会話の分割を「効率よく」行うための方法
この考え方を実践しやすくするために、生成AI側にはいくつかの仕組みが用意されています。
ここでは、ClaudeとChatGPTを例にご紹介します。
※ つぎの内容は、2026年1月現在の情報です。AIの変化は著しいので、この記事を読むタイミングでさらに便利な機能が搭載されている可能性が高いです。気になる方は直接AIに聞いてみましょう。

※ 機能によっては、有料プランのみに提供されているものありますので、ご自身の利用環境にあわせて確認してください。
1. 新しいチャットに分岐して、前提を保ったまま試す（ChatGPT）
「新しいチャットに分岐」を使うと、元のチャットを軸として、そこから別の分岐を作成し、結論だけを別ルートで試せます。

例えば、

「この前提を A → B に変えたらどうなる？」
「同じ素材で、要約版と詳細版を並行で作りたい」
「初心者向け／役職者向け／現場向けに書き分けたい」

といった検討を、元の会話を壊さずに行えます。

元の流れを残したまま分岐できるため、戻る・やり直す手間が減り、安全に試行錯誤できます。
「新しいチャットに分岐」を使うと、元のチャットを軸として、そこから別の分岐を作成し、結論だけを別ルートで試せます。

例えば、

・長文の設計・コード生成・資料作成でトークンを節約したい
・以前の誤った前提・誘導をリセットしたい
・同じテーマで別案（例：初心者向け・経営者向けに書き分ける）を独立して検討したい

といった検討を、元の会話を壊さずに行えます。

元の流れを残したまま分岐できるため、戻る・やり直す手間が減り、安全に試行錯誤できます。
※「分岐」は、画面上で元の会話を残したまま別のチャットを作る機能です。
ただし、AIの内部では新しい会話として扱われるため、元の会話の内容（前提・条件・背景など）は引き継がれません。必要に応じて、要点だけ再度入力してください。
2. 過去のチャットを参照しながら進める（Claude）
Claude には、過去のチャットを検索・参照しながら回答を組み立てる仕組みがあります。

例えば、

・過去のやり取り
・以前まとめた前提や方針
・以前の検討結果

といった 既存のコンテキストを踏まえたうえで、次の回答を行うことができます。

そのため、
「前に決めた前提を踏まえて、続きを考えたい」
「以前の検討内容をベースに、別の切り口で深掘りしたい」

といった使い方と相性がよく、フェーズをまたいだ思考の継続がしやすいのが特徴です。
3. プロジェクトで「前提」をまとめて管理する
チャットを分けたり、過去の文脈を参照したりする際に重要なのが、前提そのものを分散しないことです。
ChatGPTや Claude では、プロジェクトを活用することで、つぎのような状態を作れます。

・プロジェクト単位で前提・資料・メモをまとめて管理することで、新しいチャットでも同じ前提から始められる
・フェーズが変わっても、説明をやり直さずに済む

プロジェクトの詳細はつぎのコンテンツで確認できます。
・ChatGPTの場合はこちら
・Claudeの場合はこちら
4. 前提は Markdown（md）ファイルとして「再利用できる形」にする
さらに効率を高めたい場合は、前提や条件を Markdown（md）ファイルとして整理しておくのもおすすめです。

・プロジェクトにそのまま置ける
・ChatGPT／Claude どちらでも使える
・少し修正するだけで別テーマに展開できる

md ファイルは、フェーズを分けて対話するための「共通の土台」として利用できます。