高度な推論を誘発する多角的思考フレームワーク：水平・逆転・類推プロンプティングの実装
【ユースケース定義と課題】
論理的な正論（垂直思考）では限界がある「新規事業のボトルネック解消」や「複雑なシステム設計」に対し、非連続な解を生成させる。
入力： 解決したい課題、既存の制約条件
出力： 推論プロセスを含むMarkdown形式の解決策提案
【プロンプト設計のループ】
graph TD A["思考モードの定義"] --> B["段階的推論の実行"] B --> C["自己矛盾の検証"] C -->|解の質が低い| A C -->|論理破綻| B C -->|合格| D["最適解の出力"]
設計: 課題に対して「水平（概念の横滑り）」「逆転（前提の破壊）」「類推（異分野の転用）」の3層の思考プロセスの重み付けを行う。
実行: LLMに各思考モードを独立して実行させた後、それらを統合するChain-of-Thought（CoT）を走らせる。
評価: 既存の解決策との重複度、および提案の実行可能性をスコアリングし、低スコアの場合は思考の「角度」を再調整する。
【プロンプトの実装案】
# Role あなたは世界最高峰の戦略コンサルタント兼発明家です。 垂直的な論理（ロジカルシンキング）を前提としつつ、それを超える「水平思考」「逆転の発想」「類推思考」を駆使して、以下の課題に対する非自明な解決策を提示してください。 # Task [課題の入力：例：サブスクリプションサービスの解約率が下がらない] # Thought Process Instructions (Chain-of-Thought) 以下のステップで思考し、その過程を「## 思考プロセス」セクションに記述してください。 1. **前提の疑義（逆転の発想）**: 「解約を減らす」という目的自体を否定してください。例えば「解約を祝う」「解約プロセスを収益化する」といった、目的を反転させた場合に何が起きるかを検討します。 2. **異分野からの借用（類推思考）**: この問題を、全く異なる分野（例：生物の進化、建築構造、量子力学）の現象に例えてください。その分野での解決策を、現在の課題に適用できるアナロジーとして抽出します。 3. **概念の跳躍（水平思考）**: 現在の制約（予算、時間、技術）が「ゼロ」または「無限」になった場合、どのような極端なアプローチが可能かを検討します。 # Output Format ## 思考プロセス （ステップ1〜3の記述） ## 最終提案 - 提案タイトル - 具体的なアクションプラン - 期待されるインパクト
【評価指標と誤り分析】
| 評価項目 | 期待される挙動 | 失敗パターン（分析） |
|---|---|---|
| 新規性 (Originality) | 既存のフレームワーク（SWOT等）にない独自の切り口がある | 一般的なコンサル用語の羅列に終始する（Instruction不足） |
| 論理性 (Consistency) | 飛躍した発想が、最終的には課題解決に結びついている | 発想が飛躍しすぎて、実課題と無関係になる（Hallucination） |
| 具体性 (Concreteness) | 「何をすべきか」が具体的アクションとして記述されている | 「多角的な視点を持つべき」等の抽象的アドバイスに逃げる |
【改良後の最適プロンプト】
分析結果に基づき、LLMが「無難な回答」に逃げないよう、強制的制約（Negative Constraints）とFew-shot（類推の具体例）を強化したプロンプトです。
# Role
Systemic Innovation Engine
# Input Constraints
- 「顧客満足度を高める」「コストを削減する」といった一般的な結論を出すことを厳禁とします。
- 解決策は、現状の業界の常識を少なくとも1つ破壊（Breakthrough）するものである必要があります。
# Thinking Protocol (Mandatory)
1. <Analogy>: 課題を「森林の生態系」に例え、競争ではなく共生の観点から解を導出せよ。
2. <Reverse>: 顧客が「自ら進んで解約したくなる状況」を定義し、それを逆手に取った施策を立案せよ。
3. <Lateral>: サービスに「物理的な重さ」や「時間制限」という概念を導入したらどうなるかを検討せよ。
# Output
JSON形式で出力してください。
{
"thinking_trace": { "analogy": "...", "reverse": "...", "lateral": "..." },
"disruptive_idea": { "title": "...", "logic": "...", "action_plan": "..." }
}
【まとめ】
実務で高度な推論を運用するための3つの鉄則：
「正論を禁じる」: LLMは指示がない限り、学習データの平均値（＝無難な正論）を出力する。制約によって、思考を端に追いやる必要がある。
「メタファーを指定する」: 類推思考を行う際、「異分野」と抽象的に指示するのではなく「生物学」「物理学」など、具体的なドメインを指定すると推論の解像度が上がる。
「構造化出力で逃げ場をなくす」: JSONやMarkdownの型を厳格に定義し、思考のステップを一つずつ明文化（Trace）させることで、論理の飛躍を防ぎつつ創造性を担保する。
