この記事について
この記事は、生成AIを活用した自動生成フローで作成しています。OpenAIとGoogleの現在のプロンプト設計ガイダンスを確認し、旧版の複雑な手順を必須にする構成を、複数案の生成と比較評価を中心に見直しました。検証ステータス：📘 OpenAI・Google公式情報確認済み／業種横断の定量ベンチマークは未実施
水平、逆転、類推という3つの見方は、生成AIに特別な処理手順を強制するためだけのものではありません。実務では、同じ課題を異なる角度から見直す観点ラベルとして使う方が扱いやすい場面があります。
3つの観点を役割分担する
| 観点 | 問い | 得たいもの |
|---|---|---|
| 水平 | 前提を1つ外したら何ができるか | 既存枠の外の代替案 |
| 逆転 | 失敗する条件から逆算すると何を避けるべきか | リスクと盲点 |
| 類推 | 別業界の仕組みを構造だけ借りられないか | 転用可能なパターン |
同じフォーマットで候補を出す
課題: 地方拠点の利用率を上げたい
目的: 6か月以内に試せる施策候補を得る
観点:
- 水平: 現在の前提を1つ外す
- 逆転: 失敗条件を3つ挙げ、その逆から案を出す
- 類推: 別業界の運営モデルを1つ選び、構造を転用する
各案に付ける項目:
idea / first_action / cost_level / main_risk / evidence_needed
候補生成と評価を分ける
案を出したあと、実行可能性、効果、検証コスト、依存関係、必要な根拠を別工程で評価します。発想と採点を分離すると、最初に出た案をそのまま正当化する流れを避けやすくなります。
類推は構造を借りる
「医療の視点で」のような表面的な比喩ではなく、何を転用するかを決めます。たとえばサブスクリプションサービスから「初回利用の障壁を下げる」「継続利用の理由を作る」「離脱兆候を観測する」という構造だけを借ります。
逆転は失敗条件を具体化する
- 誰にも知られない
- 初回利用までの手続きが多い
- 一度使っても再利用の理由がない
失敗条件が具体的なら、その逆側に必要な施策を考えやすくなります。
実務テンプレート
目的: [達成したい状態]
制約: [予算 / 期間 / 人員 / 変えてはいけない条件]
候補生成:
- 水平: 前提を1つ外す
- 逆転: 失敗条件から逆算する
- 類推: 他分野の構造を1つ転用する
評価:
実行可能性・効果・検証コストを5段階で比較する
まとめ
水平・逆転・類推は、候補の探索範囲を意図的に広げる観点として使うと再利用しやすくなります。候補生成と評価を分け、最後は小さく試して判断する流れにすると、業務で使いやすくなります。
公式情報・一次情報
この記事の更新履歴
- 2026-09-13 追加：候補生成と評価の分離、共通評価軸、実務テンプレートを追加。
- 2026-09-13 変更：3つの考え方を、観点を変えて候補を出す実務的な使い方へ変更。
- 2026-09-13 削除：style_prompt、本文H1、旧モデル名依存、未検証の精度向上表現を削除。
