新商品の価格、求人広告の文面、設備投資のタイミング。経営の現場では、毎日のように「どれが正しいのか」を選ぶ場面が訪れます。そして多くの経営者が、最初の一手で正解を当てようとして、動けなくなってしまいます。
AIの登場によって、この「正解の当て方」そのものが大きく変わりつつあると言われています。
一発で当てるのではなく、たくさんの問いを投げて、答えの「分布」から判断する。
深津貴之・けんすう（古川健介) ・尾原和啓著「メタスキル」（NewsPicksパブリッシング）を読んで。
”一発で正解を当てたい”が経営判断を狭くする
まず、なぜ私たちは一発の正解にこだわってしまうのか。
正解を探す癖は、コストが高かった時代の名残
これまでのビジネスでは、何かを試すこと自体に大きなコストがかかっていました。
チラシを一度刷れば数万円、新商品を一つ作れば数十万円。
試行錯誤の一回一回が高くつくからこそ、”外せない”・”最初から正解を選びたい”という発想になるのは自然なことでした。
つまり、「一発で当てたい」という癖は、性格の問題ではなく、試すコストが高かった時代の合理的な習慣であるわけです。
AIに対しても「一発の正解」を求めてしまう
ところが、この癖は、AIを使うときにも顔を出してしまいます。
ChatGPTやClaudeやGeminiのような生成AIに対して、「うちの会社に最適な集客方法を教えて」と一回だけ質問し、返ってきた答えがピンとこず、”AIは使えない”と判断してしまう。
このパターン、心当たりはないでしょうか。
AIは一回で完璧な正解を返す装置というよりも、”大量の候補や視点を高速で出すことに向いた道具”と整理されています。
つまり、道具の得意分野と、私たちの使い方がズレるわけです。
面制圧という発想：1発ではなく1000発で構造を見る
では、どんな使い方が道具の特性に合っているのでしょうか。
ここで登場するのが、書籍に出てくる「面制圧」という考え方です。
着弾の「分布」から中心を読む
書籍では、射撃にたとえてこの考え方が説明されています。
一発の精密射撃にすべてを賭けると、わずかな条件の違いで外れてしまう。
けれど、たくさんの弾を撃って着弾点の全体を眺めれば、どこに中心があるのかが見えてくる。
一発一発は外れていても、「面」として見れば構造がつかめる、という発想です。
これをAI活用に置き換えると、一つの問いを一回だけ投げるのではなく、角度を変えた問いを何度も投げて、答えの重なりから「確からしいもの」を浮かび上がらせる、という使い方になります。
経営判断は、もともと「不確実」が前提
この発想が経営者にとって重要なのは、経営判断のほとんどが”正解がまだ存在しない問い”だから。
来期の売上がいくらになるか、新規事業が当たるかどうか。
これらは誰にも断言できません。
不確実なものを一点で当てようとすると苦しくなります。
一方で、複数のパターンを並べて全体の傾向を見れば、判断の確からしさは段階的に上げていけます。
一回ごとの当たり外れではなく、繰り返したときの分布で考える。
これは、ギャンブルを投資に変える発想の転換とも言えるかもしれません。
AIへの質問が変わると、答えの質が変わる
面制圧を実践しようとすると、すぐに一つの壁に当たります。
それは「そもそも、どんな問いを投げればいいのか」という壁です。
「いいアイデアを教えて」が機能しない理由
AIに「いいPRを教えてください」とそのまま聞いても適確な答えは返ってくる可能性は低いです。
なぜなら、大きすぎる問いを丸ごと渡すと、AIは前提が曖昧なまま、平均的で無難な答えを返してくるからです。
これは人間の専門家に対しても同じことといえます。。
誰に向けた話なのか、何に困っているのか、何と比較されるのか。
問いの解像度（どこまで具体的に切り分けられているか）を上げることが、良い答えを引き出す第一歩になります。
「分解と統合」で問いを設計する
もう一つのコツが、「分解と統合」とされています。
いきなり完成形を求めるのではなく、まず「顧客が日常的に感じている不満を100個挙げて」と発散させます。
次に「その中で解決しやすいものを20個に絞って」と収束させる。
階段を一段ずつ上るように、思考の段階を分けてAIに問いかけていく方法です。
100点の答えを一発で出させるのではなく、材料をたくさん集め、最後は自分で統合して判断する。
この「最後の判断は自分で握る」という点が、経営者のAI活用では特に大切だと感じます。
資金繰りにも効く「面で考える」シミュレーション
「来期の売上はいくらが正解ですか」という問い
「来期の売上目標はいくらが正解でしょうか」という問い。
そこで有効なのが、複数パターンの「面」で見ることです。
例えば、売上を「強気・現状維持・弱気」の3パターン、経費を「投資する・絞る」の2パターン用意すれば、それだけで6通りの未来が並びます。
6通りすべてで資金が回るなら、その計画はかなり頑丈です。
逆に、弱気パターンで資金が尽きるなら、先に手を打つべき場所がわかります。
一点予測より「全パターンで生き残れるか」
この見方の利点は、”予測を当てること”から、”どう転んでも死なない設計”へと、思考の軸が移ることです。
書籍においては、ひらめきや根性に頼らず、不確実なものを管理可能な領域に変えていく「構造設計」の大切さが語られています。
AIを使うことで、このシミュレーションの試行回数を増やすコストは、限りなく小さくなっています。
明日からできる、試行回数のつくり方
小さく始める3つのステップ
一つ目は、AIへの質問を「3回セット」にすることです。
同じテーマでも、「顧客の立場から」「競合の立場から」「銀行員の立場から」と視点を変えて3回聞くだけで、答えの重なりと違いが見え、一回の回答を鵜呑みにしなくなります。
二つ目は、大きな問いを分解してから渡すことです。
「売上を上げる方法」ではなく、「うちの客層が感じていそうな不満を30個」などにしてみます。
三つ目は、経営数字を必ず複数パターンでつくることです。
楽観・中立・悲観の3本を並べるだけで、議論の質が変わります。
試行回数は、勇気の代わりになる
新しい挑戦には勇気が要るといわれます。
けれど本当に必要なのは、勇気そのものよりも、「一回の失敗が致命傷にならない設計」なのかもしれません。
試すコストが下がり、試行回数を増やせる時代になった今、経営判断は「一発の賭け」から「面で確かめる営み」へと変えていけます。
その移行を支えるのが、AIという道具であり、そして数字で複数の未来を並べてみせる財務の技術であるといえます。
