AIで5Why分析して問題の根本原因を特定する方法

同じトラブルが何度も再発する。報告書を出しても改善が続かない。そんな経験に心当たりはありませんか。

多くの場合、原因は「対策が表面的すぎる」ことにあります。問題の根本原因にたどり着く前に対症療法で終わらせてしまうため、1〜2ヶ月後に同じ問題が別の形で戻ってきます。

この記事では、トヨタ生産方式に由来する問題解決フレームワーク「5Why分析」を、AIを使って効率的かつ論理的に実施する方法を解説します。プロンプトの設計から分析結果の活用まで、実務に即した手順を具体的にまとめています。

（筆者注：私自身もClaude・ChatGPTをIT実務で日常的に活用しており、この記事はその経験をもとに執筆しています。）

5Why分析とは何か？基本を3分で整理する

手法の背景を理解しておくと、AIへの問いかけの精度が上がります。まず基本から押さえておきましょう。

「なぜ？」を5回繰り返す問題解決フレームワーク

5Why分析は、トヨタ自動車の生産管理手法として体系化された根本原因分析（Root Cause Analysis）の代表的な手法です。問題に対して「なぜそれが起きたのか」を繰り返し問い、原因の連鎖をたどることで、表面的な現象の奥にある構造的な要因を特定します。

例えば「納期に間に合わなかった」という問題に対して、

1. なぜ納期に間に合わなかったのか → タスクの完了が遅れたから
2. なぜタスクが遅れたのか → 担当者が途中で変わったから
3. なぜ担当者が変わったのか → 引き継ぎの仕組みがなかったから
4. なぜ引き継ぎの仕組みがなかったのか → 属人化が前提になっていたから
5. なぜ属人化が前提になっていたのか → チームの役割分担が文書化されていないから

このように掘り下げると、「文書化されていない組織体制」という根本原因が見えてきます。「担当者が変わった」という直接原因だけを見ていては、また同じことが起きます。

AIを使う前に知っておきたい2つの限界

5Why分析は強力ですが、万能ではありません。AIと組み合わせる前に、フレームワーク自体の限界を理解しておくことが重要です。

第一に、「なぜ」の方向が一本道になりやすい点があります。問題の原因は複数の経路で絡み合っていることが多く、1本の因果チェーンだけを深掘りすると別の根本原因を見落とすリスクがあります。複雑な組織課題ではフィッシュボーン（特性要因図）など他の手法と組み合わせる場面もあります。

第二に、問いの立て方が分析の質を左右する点です。最初の「問題の定義」が曖昧だと、どれだけ「なぜ」を繰り返しても的外れな根本原因に行き着きます。AIはこの「問いの精緻化」を手伝うのが得意なため、ここを意識的に活用するのが実務上のポイントです。

AIで5Why分析を進める4ステップ手順

AIを使った5Why分析は、「問題定義→因果探索→多角的検証→対策立案」の4段階で進めるのが効果的です。各ステップで具体的なプロンプト例を示します。

ステップ1：問題を正確に定義するプロンプト設計

5Why分析で最も重要なのは、最初の問題設定です。AIに対して「問題を一緒に精緻化してほしい」という役割を与えるところから始めます。

以下のような指示が有効です。

1. AIに「あなたは問題解決のファシリテーターです。私が挙げた問題を、5Why分析に適した形に整理してください」と役割を与える
2. 発生した事象を「いつ・どこで・何が・どの程度」の形式で入力する（例：「先月末、A部門でプロジェクトの進捗報告が3件遅延した」）
3. AIに「この問題の定義として適切ですか？曖昧な点があれば指摘してください」と確認させる
4. AIの指摘をもとに問題文を修正し、最終的な分析対象を確定させる

「なんかうまくいかない」「品質が悪い」のような抽象的な入力では、AIも的確な因果分析ができません。測定可能・特定可能な形に絞り込むことが出発点です。

ステップ2：因果チェーンを構造化する問いかけ方

問題定義ができたら、「なぜ」の連鎖をAIと一緒に掘り下げます。ここで重要なのは、AIに「答えを一気に出力してもらう」のではなく、1段階ずつ対話的に確認しながら進めることです。

推奨する進め方は次のとおりです。

1. 「以下の問題について、1段目のなぜを3つ以上候補として挙げてください。断定せず複数の可能性を示してください」と依頼する
2. AIが提示した候補の中から、実態に近いものを選択または追記する（ここに人間の現場知識が入る）
3. 選んだ原因に対して「次のなぜを2〜3個候補として挙げてください」と繰り返す
4. 5段目まで到達したら「この因果チェーンで論理的な飛躍はありますか？」と逆検証させる

一気に「5段階分を出力して」とお願いすると、AIは尤もらしい一本道を作ってしまいがちです。ステップごとに人間が関与することで、現場の実情から外れた机上の因果関係を防げます。

ステップ3：複数経路の根本原因を並べて検証する

因果チェーンが1本完成したら、次は別経路の根本原因も探索するステップです。

1. 「先ほど特定した根本原因とは別に、この問題の背景にある可能性のある他の根本原因を3つ挙げてください」と依頼する
2. 複数の根本原因が出そろったら「これらを『人・プロセス・技術・環境』の4軸で分類してください」と整理させる
3. 重なり合う要因（例：プロセスの不備と人の判断基準の不明確さが同根）を特定する
4. 「最も根本的な原因と考えられるものはどれですか？理由とあわせて説明してください」と優先順位付けを促す

この段階でAIが提示する根本原因は「候補」にすぎません。最終的な判断は、現場の状況を知る人間が行う必要があります。AIの出力を「壁打ちの相手からの仮説提示」として扱うのが適切です。

ステップ4：根本原因に対応した対策案を生成する

根本原因が特定できたら、最後に対策案の生成を依頼します。

1. 「特定した根本原因に対して、再発防止策を『短期（1ヶ月以内にできること）』『中期（3〜6ヶ月）』『長期（仕組みの変更）』の3段階で提案してください」と依頼する
2. 各対策について「コスト・工数・効果の大きさ・実現可能性」の観点で簡単に評価させる
3. 「この対策を実施した場合に想定されるリスクや副作用はありますか？」と逆問いを入れる

対策立案までAIに任せることで、「根本原因は分かったが何をすればいいか分からない」という状態を防げます。ただし対策の最終承認と実行判断は必ず人間が行い、AIの提案はあくまでドラフトとして活用してください。

AIツールの使い分けと場面別の選択基準

5Why分析に使えるAIツールは複数ありますが、分析の性質や状況によって向き不向きがあります。

チャット型AIの用途別の特性整理

執筆時点で広く使われているチャット型AI（ChatGPT・Claude・Geminiなど）は、それぞれ得意な使い方が異なります。スペックの数値は変動が早いため断定は避けますが、用途のフィット感という観点で整理すると次のようになります。

どのAIツールも、出力結果を「仮説のたたき台」として扱う姿勢が前提です。AIが提示した根本原因が現場の実態と合っているかどうかは、人間の目で確認する必要があります。

複雑な問題にはAIだけでなく図解ツールを組み合わせる

5Why分析の結果は、文字だけで管理すると後から振り返りにくくなります。AIで因果チェーンを整理した後、MiroやLucidchartなどのホワイトボードツールに視覚化する作業を挟むと、チームへの共有や合意形成が格段にスムーズになります。

AIに「この因果チェーンをマインドマップ形式のテキストで出力してください」と依頼すると、Miroへの貼り付けに使えるリスト形式で出力してくれる場合があります（ツールの対応状況は執筆時点のものです）。

AIと5Why分析でやりがちな失敗パターン3つ

AIを使うと手軽に分析が進む一方、特有の落とし穴があります。実務で見られる失敗パターンを整理します。

失敗1：AIの出力をそのまま報告書に貼る

最もよくある失敗が、AIが生成した因果チェーンを検証なしに社内報告書へ転用することです。AIは「論理的に見える文章」を生成するのが得意ですが、現場の実情や組織固有の背景を知りません。

例えば「なぜ引き継ぎが失敗したのか → ドキュメントが整備されていないから」という原因は一般論として正しそうに見えます。しかし実際は「ドキュメントは存在したが、担当者が共有フォルダのパスを知らなかった」という具体的な事実が根本にある場合もあります。AIはそこまで知ることができません。

AIの出力はあくまで「仮説のチェックリスト」として使い、現場関係者へのヒアリングや事実確認と必ずセットで使うことが重要です。

失敗2：「なぜ」を5回繰り返すことが目的化する

「5Why分析」という名前から「5回繰り返さなければならない」と思い込むケースがあります。しかし問題によっては3回で根本原因に到達することもありますし、逆に8〜9回必要な複雑な問題もあります。

AIに「5段階で出力してください」と強制すると、5段目を無理やり作るためにつじつま合わせの原因を追加してしまうリスクがあります。プロンプトには「根本原因に到達するまで繰り返してください。必ずしも5回である必要はありません」と明示した方が出力の質が上がります。

失敗3：根本原因を特定して満足してしまう

分析が完了した達成感から、対策の実行フェーズへの移行が遅れるパターンです。5Why分析は問題解決の手段であり、根本原因の特定はゴールではなく中間点にすぎません。

AIを使う場合は「分析→対策立案→実行計画の骨子作成」までを1セッション内で完結させる習慣を持つと、分析が「やりっぱなし」になるリスクを減らせます。具体的には「この分析結果をもとに、誰が・何を・いつまでに行うかの実行計画のドラフトを作成してください」という指示をセットで入れることをおすすめします。

AIと5Why分析が向いていない場面も知っておく

便利な手法ほど、「向かない場面」を知ることが重要です。AIを使った5Why分析が効果を発揮しないケースを正直に整理します。

感情・人間関係が絡む問題には不向き

5Why分析は「プロセス・システム・構造」の問題に強いフレームワークです。「チームの雰囲気が悪い」「特定のメンバーとのコミュニケーションがうまくいかない」といった対人関係・組織文化の問題には、因果チェーンで掘り下げることが難しく、5Why分析の適用自体が的外れになる場合があります。

こうした問題には、1on1ヒアリングや組織サーベイなど、定性的なアプローチの方が適しています。AIに「なぜAさんはやる気がないのか」と問いかけても、現場を知らないAIには適切な答えが出せません。

緊急対応フェーズではなく「振り返り」フェーズで使う

システム障害や顧客クレームの最中に5Why分析を始めるのは現実的ではありません。緊急対応と根本原因分析は時間軸が異なります。インシデント発生中は「とにかく復旧させる」ことを優先し、落ち着いた後の振り返り（ポストモーテム）フェーズでAIと5Why分析を行うのが実務的な使い方です。

なお、問題解決の初期段階でAIを使った情報整理を行いたい場合は、AIツールで市場調査を効率化する5つの手順で紹介している情報収集・整理のアプローチも参考になります。

実務での活用シーン別：5Why分析×AIのプロンプト例

抽象的な手順だけでは使いにくいため、よくある業務シーンに合わせた具体的なプロンプト例を紹介します。

IT・システム障害の振り返りに使うプロンプト

システム運用やITプロジェクトの問題分析は、5Why分析との相性が高いシーンの一つです。以下のようなプロンプト構造が実務で使いやすいです。

1. 問題定義の入力例：「2026年〇月〇日、本番環境でデータベースへの接続エラーが発生し、サービスが2時間停止した。影響ユーザー数は約500名。」
2. 役割指定：「あなたはITシステムの障害分析に詳しいエンジニアです。上記の問題に対して5Why分析を実施してください。各段階で複数の原因候補を提示し、私が選択した後に次の段階へ進んでください。」
3. 逆検証の依頼：「特定した根本原因に対して、この因果チェーンが正しいと仮定した場合に矛盾が生じる点はありますか？」
4. 対策立案の依頼：「根本原因に対する再発防止策を、インフラ・プロセス・組織の3つの軸で提案してください。」

業務プロセスの問題改善に使うプロンプト

特定のフローで定期的に発生するミスや遅延を分析する場合、次のような構成が有効です。

1. 問題定義：「毎月末の請求書発行業務で、発行漏れが平均3〜5件発生している。発生頻度：毎月。影響：入金遅延、顧客への謝罪対応。」
2. 制約条件の明示：「このチームは10名規模で、既存の基幹システムを変更することはできません。その前提で分析してください。」
3. 構造的な視点の要求：「人（スキル・知識）・プロセス（手順・ルール）・ツール（システム・帳票）の3軸で原因候補を分類してください。」

AIへの指示に「制約条件」を明示することで、実現不可能な根本原因（「基幹システムを全面刷新すべき」など）を回避した、実務的な分析結果が得られやすくなります。これはAIをビジネス上の壁打ち相手として活用するうえでの基本的な設計思想でもあります。参考として、AIで社内マニュアル作成を効率化する5つの手順で紹介している構造化のアプローチも組み合わせると、分析結果の文書化がスムーズになります。

よくある質問

Q1. 5Whyは必ず5回繰り返さないといけませんか？

5回は目安であり、必須ではありません。問題によっては3回で根本原因に到達することもあります。重要なのは「これ以上掘り下げても新たな原因が出てこない」レベルまで到達することです。AIへの指示でも「5回にこだわらず根本原因まで」と伝えると出力の質が上がります。

Q2. AIが提示した根本原因が現場の実態と違う場合はどうすればいいですか？

AIの提示した内容を修正・差し替えて問題ありません。AIの出力は「仮説の候補リスト」です。現場の実情を知るのは人間だけなので、「AIが出した選択肢のうち実態に近いものを選ぶ」という使い方が正しいアプローチです。

Q3. 無料のAIツールで5Why分析はできますか？

基本的な5Why分析であれば、無料プランでも実施できます。ただし、複雑な問題を複数ターン対話しながら深掘りする場合は、トークン制限や会話継続性の制約が影響する場合があります。継続的に業務で使うなら有料プランの検討が現実的です。各ツールの制限については、執筆時点の情報が古くなっている可能性があるため、公式サイトで最新の仕様をご確認ください。

Q4. 複数人のチームで5Why分析をAIと進めるコツはありますか？

全員が同じセッションを見ながら進めることが理想です。プロジェクター共有や画面共有でAIとの対話を「チームの壁打ち」として見せながら進めると、「AIが出した仮説を人間がジャッジする」という役割分担が自然に機能します。AIの出力に全員がコメントする形式が、合意形成と分析の精度向上を両立させます。

Q5. 5Why分析以外に、AIと相性のいい問題解決フレームワークはありますか？

フィッシュボーン分析（特性要因図）、MECE構造での問題分解、PEST分析との組み合わせが実務では使いやすいです。特にPEST分析はAIとの相性が高く、外部環境の変化が問題の背景にある場合の根本原因探索に有効です。

まとめ

• 5Why分析の核心は「問いの深さ」にある。最初の問題定義を曖昧にすると、分析全体が的外れになるため、AIに問題を精緻化させるステップから始めることが重要。
• AIには「1段階ずつ対話的に」進めさせることで、尤もらしい一本道の因果チェーンを防ぎ、複数経路の根本原因を発見しやすくなる。
• AIの出力は「仮説のたたき台」であり、現場の実態との照合は必ず人間が行う。AIが出した根本原因を検証なしに報告書に使うのは危険。
• 分析の後に対策立案まで一気通貫で行う習慣を持つことで、5Why分析が「やりっぱなし」で終わらなくなる。
• 感情・対人関係の問題には不向き。プロセス・システム・構造の問題に絞って使うのが5Why分析の正しいスコープ。

次のステップ

1. 直近3ヶ月で「また同じ問題が起きた」と感じた業務課題を1つ書き出し、この記事のステップ1のプロンプトを使ってAIと問題定義から始めてみる。
2. 5Why分析の結果を文書に残す習慣をつくる。AIとのチャット履歴をそのまま保存するだけでも、後から振り返れる記録になる。
3. 分析結果を対策立案まで発展させたい場合は、会社員がAI副業で月5万円を目指す6ステップでも触れている「AIを論理的な壁打ち相手として使う」姿勢を業務にも応用してみる。

※本記事の情報は執筆時点のものです。サービス料金・制度の内容は変更される場合があります。最新情報は各公式サイトをご確認ください。収益・投資の効果は個人の状況によって異なります。本記事の内容は特定の商品・サービスへの加入を推奨するものではありません。