「普通だね」で終わる提案をやめる：逆張り思考×AIチートで会議を制し市場価値を上げる技術

こんにちは、ライトです。

正直、AIを使い始めたころの僕も同じ罠にはまっていました。「面白い案を10個出して」と投げて、出てきた”それっぽい案”を整理して持っていく。でも上司に「競合もやってるよね」と一言で終了。あれは痛かった。

問題はAIの使い方じゃなくて、「何を疑うか」という問いを自分が持っていなかったことだったんです。AIは平均解を出す機械です。だから逆張りの”問い”を先に設計しないと、どこまでいっても業界の常識の延長線で止まる。

現場の痛み：なぜ「それっぽい案」は会議で死ぬのか

若手が一番詰まるのは、こういう場面です。

企画書を持っていく。提案書を出す。改善案をまとめる。どれも時間をかけて作った。なのに上司から返ってくるのは「で、何が本質？」「競合もみんなやってるよね」の一言。

これ、アイデアが足りないんじゃないんですよ。「業界の常識の延長線」で止まっているのが問題です。

Redditでこんな声を見かけました。「ChatGPTに案を出させると、vanilla（無難すぎる）で committee-approved（誰も反対しないけど誰も興奮しない）なものしか出てこない」という不満。これ、めちゃくちゃわかります。AIを雑に使うと、その「無難で平均的な案」をさらに速く量産してしまう、という逆転現象が起きるんです。

HBSの研究でも、人間の案は新規性が高く、AIの案は実行可能性が高い一方、最良の解は人間とAIの協働から出やすいとされています。つまり「AIに全部任せる」でも「自分だけで考える」でもない、使い方の問題なんです。

さらに根深い理由が3つあります。まず、人間側が「逆張りの問い」を持っていない。次に、AIに「役割・前提・出力形式・反証条件」を渡していない。そして、組織が”会議で通る無難さ”を学習していて、常識破りの案を最初から自粛してしまっている。

つまり困りごとはアイデア不足というより、「問いの設計不足」です。

MIT SMRによれば、会議で前提を疑う役割を明示的に置くと、会議有効性33%向上、意思決定品質23%向上、プロジェクト遅延36%減という結果が出ています。「視座が高い人」と「普通の人」の差は、アイデアの量じゃない。前提を疑う習慣があるかどうかです。

なぜAIに振るとラクになるのか

「何を疑えばいいか」という問いを一人で出し続けるのは、消耗します。業界の当たり前を疑う材料が少ない若手ほど、無難な案に寄りやすい。それは才能の問題じゃなくて、構造の問題です。

AIに振るべきなのは「答え」じゃなくて、「前段の下ごしらえ」です。具体的には次の5つです。

• 業界の常識を列挙する
• その逆張り仮説を大量生成する
• 反対意見を模擬生成する
• 論点を比較表化する
• 会議前の想定問答のたたき台を作る

つまり、下ごしらえを肩代わりさせる話なんです。料理で言えば、野菜を切って出汁をとるところをAIに任せて、「何を仕上げるか」は自分が決める。そのほうが、料理人としての腕が活きる。

McKinseyは生成AIの価値実現には単純導入でなく、時間の再配分と業務設計の見直しが必要だと指摘しています。「AIを入れたら勝手によくなる」は幻想で、「どこに人間の判断を残すか」を設計できる人が差をつけます。

人間が最後に握るべきは3つです。本当に逆張りする価値があるか。その逆説が自社・自部署・顧客文脈に合うか。実行コスト・政治コスト・リスクに耐えるか。ここだけは人間の判断です。BCGの研究でも、AIは能力拡張を起こすが、利用者自身の学習や独力判断を自動で保証しないと警告されています。

コピペで使えるAIチート

今日紹介するのは「初回たたき台作成用プロンプト」です。最も汎用性が高く、どの職種・業界でも使えます。

① 使う場面

業界の”普通の案”しか思いつかず、最初の叩き台を1分で出したいとき。企画書、提案書、改善案、営業トーク、採用施策、記事構成、なんでも使えます。

② 何がミソか

いきなり「面白い案を出して」と投げていない点です。まず常識を言語化させ、次に逆説を作り、最後に成立条件で現実に戻している。発散ではなく、仮説として使える形に制御しています。また、表形式で出力させることで、AIの雑な発散を構造で制御できます。

④ 差し替え変数の説明

【業界/職種】には「SaaS営業」「マーケター」「人事担当者」などを入れます。【テーマ】には「ウェビナー集客施策」「採用広報」など具体的な課題を。【業界の常識1〜3】が最重要で、ここを具体的に書くほど出力の精度が上がります。

⑤ 実際に使ってみた

試しに「SaaS営業、ウェビナー参加数を増やす施策、常識は：集客最大化・参加無料が当たり前・登録フォームは短く」で投げてみましょう。すると「参加者数を減らしても、役職者だけに絞るほうが商談化率は上がるのでは」という仮説が出てきます。KPIを”参加数”から”意思決定者比率”に変える逆説です。

⑦ うまく使うコツ

最初から常識を3つ書いてください。ここを空欄にすると、AIは浅い業界理解で無難化しやすいです。自分の業界で「当たり前すぎて言語化したことがない」ことを書くほど、逆説の鋭さが上がります。

⑧ よくある失敗例

「面白い案を10個」だけで投げる。これだと”雑な珍案”が増え、会議で使えません。逆張りで終わって成立条件を確認しないのも危険。「成立するのはどんな条件か」まで必ず確認しましょう。

なぜこの使い方が本質的に強いのか

このプロンプトの構造、実はMBAの2大フレームワークと完全に一致しています。

この2つの理論とAI活用の対応関係はこうなります。「業界の常識を5つ列挙」はStrategic Assumptionsの棚卸し。「常識の逆を出す」はBlue Ocean的な前提破壊。「成立条件を出す」は仮説思考。「上司向けに翻訳」は戦略の実装。

つまりこのプロンプトは、優秀な人の思考の型を先に借りてるんです。理論を知らなくても、プロンプトの構造に従うだけで、自然とBlue Ocean的な問いが出てくる。これが単なる時短じゃなく、「視座が上がる」に繋がる理由です。

このチートで得られるリターン

時間的リターン

このプロンプトが効くのは「白紙から考える時間」と「反論を想定する時間」です。企画の初回叩き台は30〜90分が5〜15分に。逆張り仮説の候補出しは20〜40分が3〜10分に。反論想定と返しの草案は30〜60分が10〜20分に。上司向けの言い換えは20〜45分が5〜15分に。1テーマあたりトータル45〜150分の圧縮余地があります（McKinsey・HBS・BCGの知見をベースにした推計です）。

ただし注意点があります。最終判断と事実確認を飛ばすと、逆に手戻りが増えます。時短は「考える時間の削減」じゃなくて「判断に使える時間の増加」で測ってください。

社内評価リターン

評価されやすいのは「AIを使ったこと」ではなく、「会議の質を変えたこと」です。こう言われやすくなります。

• 「この人、論点の切り口が一段深いね」
• 「反対意見まで先回りしてるのがいい」
• 「数を増やす話じゃなくて、何を捨てるかまで考えてる」
• 「若手なのに、実行条件まで詰めてきてる」

noteに書いている人の話では、報連相を送る前にAIに一回見せるだけで、上司からの指摘がほぼゼロになり「最近報告が上手くなったな」と言われたとのこと。また、AIで想定問答を事前に回したら「来週の役員会にもかけてみよう」と言われた事例も出ています。提案内容そのものより、想定問答の厚みで通りやすくなるんです。

市場価値リターン

転職面接や評価面談で使えるのは、「ChatGPT使えます」ではなく、こういう語り方です。「生成AIを使って業界の前提を可視化し、逆説仮説を比較し、会議で採択される提案に翻訳しました」。これは”オペレーション効率化人材”ではなく、「仮説設計できる人材」として見られる語り方です。職能の抽象度が一段上がります。

もっとズルくするなら

注意点と落とし穴

正直に言います。このプロンプトを使えばすべて解決する、とは言えません。

こう使うと逆効果になります。「面白い案を10個」だけで投げる。逆張り案をそのまま提案書に貼る。反論生成をせず、賛成意見だけ集める。会議相手のKPIを無視して”尖り”だけ残す。こうすると”頭良さそうな空論”になりやすい。

AIが苦手なことも明確にしておきます。AIは逆説候補の量産や整理は得意でも、現場の政治性・暗黙ルール・顧客の温度感・上司の地雷・実装優先度の最終判断は不得意です。BCGの研究でも、ツールを外したあとに知識が残るとは限らないとされています。

リスク管理も忘れずに。McKinseyは生成AIの価値実現条件として、知財・正確性・説明可能性・バイアスといったリスク管理を明示しています。社内データ・顧客情報・未公開施策・契約情報をそのまま入れるのは危険です。固有名詞のマスキング、公開情報ベースの仮説生成、最終文面の人力確認を必ずやること。

ハマる場面と、ハマらない場面をまとめると次のとおりです。

• ハマる：企画初期・競合との差別化・会議前の想定問答・記事や提案の論点整理
• ハマらない：数値根拠が必須の最終稟議・法務や契約の最終判断・業界特有の暗黙知が強い案件・実地確認が必要な現場判断

便利だけど、ここは人間が握るべき：本当に逆張りする価値があるか、その逆説が自社・顧客文脈に合うか、実行コストに耐えるか、の最終判断は必ず人間がやってください。

私の感想

正直に言います。僕自身、この罠に完全にはまった経験があります。

以前、あるクライアントの新規事業提案で、ChatGPTに「競合と差別化できる機能アイデアを10個出して」と投げました。出てきたのは「ユーザー同士のコミュニティ機能」「AIによる自動レポート生成」といった、非の打ち所がない美しい案。15枚のスライドに仕上げて、自信満々で会議に臨んだんです。

そのときキーマンから返ってきた一言が、今でも忘れられません。「ライトさん、これ、昨日の夜にうちのインターンがAIで出してきたメモと全く同じだよ」。

凍りつきました。背中に冷や汗が流れるのが分かりました。僕がドヤ顔で持っていった提案は、AIが弾き出した「業界の平均値」であり、インターンが5分で辿り着けるコモディティ情報だったわけです。アイデアが浅かったんじゃない。AIに「誰もが思いつく常識の枠内」で探させていた、僕の「問いの設計」が死んでいたんです。

その失敗から、「常識を先に言語化して、逆から入る」という型を作るようになりました。逆張りそのものより、「成立条件を添える」ことで仮説に格上げされる。それがこのプロンプトの本質です。

結論

「普通だね」で終わる提案と、「論点が深い」と言われる提案の差は、才能でも経験でもありません。「業界の当たり前を疑う問いを、先に設計できているか」だけです。

AIは平均解を出す機械です。だから「面白い案を出して」と投げるだけでは、業界の常識の延長線で止まる。逆に「常識を言語化して、逆を出して、成立条件で現実に戻す」という問いの型を持ってAIを使うと、そのAIは”前提破壊の補助輪”に変わります。

これは単なる時短じゃない。この型を使い続けることで、「作業者」から「問いを設計する人」へ視座が移行します。それが評価面談で語れる実績になり、転職市場で「仮説設計できる人材」という語り方につながる。

「AIを使える人」は今後も増え続けます。でも「AIを使って問いを設計できる人」は、まだ少ない。その差を、今日のプロンプト一本で始めることができます。

すべての挑戦者の手に、勝てる「戦略」を。戦略を知れば、世界は読み解けるゲームに変わる。その確信と武器を届けることが僕のミッションだ。