概要
AIが答えを出す時代に、最も希少なのは「問いを立てる力」です。AIは与えられた問いに対して高速で答えを生成しますが、「何を問うべきか」を決める力は持ちません。本稿は、経産省DSSのビジネスアーキテクト（BA）13スキルから「課題発見・定義」を中核に、AI時代の課題設定力を組織的に育成するプログラムを提示します。IT企業の現場リーダー・育成責任者が、明日から使える具体策をまとめました。
なぜ課題設定力がAI時代に決定的になるのか
生成AIは、適切な問いを与えれば優れた答えを返します。一方で、問いが曖昧であれば「もっともらしいが的外れな答え」を返します。AI時代の人と機械の役割分担は次のように整理されます。
- AIの役割：与えられた問いに対する答えを大量・高速に生成する
- 人の役割：解くべき問いを定義し、答えの妥当性を判断する
人の側に残る役割の中核が「課題設定」です。課題設定が甘いと、AIに大量の無駄を生成させる結果になります。逆に課題設定が鋭ければ、AIは強力な実行エンジンになります。
McKinseyは「課題設定の質が、AIプロジェクトのROIの8割を決める」と指摘しています。課題設定力こそ、AI時代の上流人材の核心スキルです。
DSSの「課題発見・定義」スキル
経産省DSSは、BAに求めるスキルの一つとして「課題発見・定義」を定めています。DSSはこのスキルを「事業活動上の問題を構造的に分析し、解くべき課題として定義できる」と定義します。
課題発見・定義のプロセスは4ステップで整理できます。
- 症状の収集：現場の不満・KPIの異常・顧客クレームを網羅的に拾う
- 構造化：症状をMECEに分類し、因果関係を整理
- 真因の特定：5Why・特性要因図で根本原因に到達
- 課題の定義：「解くべき問い」を1行で言語化
4ステップを通して、表層的な症状を深い構造的課題へ転換します。AIは1〜2の収集・構造化を加速しますが、3〜4の真因特定・課題定義は人の判断が中核です。
課題設定力の3つの構成要素
課題設定力を分解すると、3つの構成要素に整理できます。
構成要素1：構造化思考
複雑な現象をMECEに切り分け、因果関係を整理する力。代表的なフレームワークは以下のとおりです。
- イシューツリー（BCG型）：論点を階層的に分解
- ピラミッドストラクチャー（マッキンゼー型）：主張と根拠の階層
- 特性要因図（フィッシュボーン）：原因と結果の整理
- 5Why：症状から真因へ5回掘る
構成要素2：批判的思考
提示された情報・前提・結論を鵜呑みにせず、検証する力。AI時代は特に重要です。
- 前提を疑う：「そもそもこれが本当に問題か？」
- 反証を探す：「この仮説が間違っていたら何が観測されるか？」
- バイアスを意識する：確証バイアス・利用可能性ヒューリスティック
構成要素3：本質を見抜く力
表層の症状の奥にある「真の問題」を見抜く力。フレームワークだけでは育たない、経験と内省が必要なスキルです。
3要素は互いに連動しています。構造化なくして批判的思考は機能せず、批判的思考なくして本質は見抜けません。
課題設定力育成プログラム——8週間モデル
課題設定力は、座学で理論を学んだ後、ケース演習と実案件アサインで定着させます。8週間のモジュール構成を提示します。
Week 1-2：構造化思考の基礎
- イシューツリー演習
- ピラミッドストラクチャー演習
- MECE切り分けの実践
- AIに構造化ドラフトを作らせ、人が検証する練習
Week 3-4：批判的思考の基礎
- 前提を疑うフレーム
- 反証思考のワーク
- バイアスの種類と回避法
- AI生成の答えを批判的に検証する練習
Week 5-6：ケース演習
- 製造業の課題設定ケース
- 金融機関の課題設定ケース
- 自社の実課題を題材にした演習
- グループ討議で多角的視点を養う
Week 7-8：実案件適用
- 自分の担当案件で課題設定を実践
- 上司または外部メンターのレビュー
- 経営層への発表とフィードバック
8週間で、課題設定の基礎を実装的に身につけるプログラムです。
課題設定力の落とし穴——AI時代の3つの罠
AI支援が当たり前になる中で、課題設定力育成には3つの罠があります。
罠1：AIが提示した課題を鵜呑みにする
LLMに「この業界の課題は？」と問えば、もっともらしい答えが返ります。しかし、それは公開情報の平均化であり、その企業固有の真の課題ではありません。AIの答えは出発点であり、現場検証が必要です。
罠2：きれいなツリーが目的化する
イシューツリーやピラミッドが「美しく整っている」と達成感が出ます。しかし、課題設定の目的は「真の問題を発見すること」です。きれいなツリーは手段であり、目的を見失わないことが重要です。
罠3：分析が動けない理由になる
「もう少し分析すれば」「もっとデータがあれば」と分析の沼にハマる人材がいます。完璧な課題設定は存在せず、仮説で動き出して検証するのが正解です。
実行のポイント——明日から3カ月でやること
課題設定力育成を組織で進めるには、以下の3カ月計画が効果的です。
Month 1：現状診断
- 直近の案件で「課題設定の甘さ起因の失敗」を全件棚卸し
- 全エンジニアの課題設定力をセルフアセスメント
- 育成優先層を特定
Month 2：プログラム開始
- 8週間プログラムを設計
- パイロット10〜15名を選抜
- 週1日（金曜午後）の学習時間を確保
Month 3：実案件適用
- パイロット参加者が自身の担当案件で課題設定を実践
- シニアメンターのレビュー
- 経営層に成果報告
まとめ——課題設定力が、AI時代の上流の核心
AIが答えを出す時代に、人の役割の核心は「問いを立てる」ことです。経産省DSSの「課題発見・定義」スキルを土台に、構造化思考・批判的思考・本質を見抜く力の3要素を、8週間プログラムで実装的に育成できます。
課題設定力を育てた会社が、AI時代の上流を取ります。価値を作るエンジニアの出発点は、解くべき問いを定義する力です。
Ballistaと相談する
ConStepでは、AI時代の課題設定力育成プログラムを提供しています。コンサル業界出身の専門家が、8週間プログラムを各社の現場文脈に合わせてカスタマイズします。
