問題定義とは？AI時代のビジネス課題を解決する「問いを立てる」実践プロセスと2つの型

はじめに：問題解決の起点となる「問題定義」とは？

ビジネスにおける「問題定義（What）」の重要性

ビジネスの基本にして最重要スキルと言えるのが「問題解決」です。問題解決は成果に差が出るスキルであり、良い「型」を身につけることでその成果には大きな差が生まれます。

その問題解決のプロセスの起点となるのが「問題定義」です。問題定義とは、組織として「そもそも解くべき問題は何か？（What）」を明確に規定する作業を指します。

問題解決プロセス（What→Where→How）における立ち位置

問題解決には効果的なプロセスの“型”があります。大きく分けると、「問題定義（What）」「問題特定（Where）」「解決策立案（How）」「実行（Actions）」の4段階です。

良い問題解決のポイントは、いきなり手段・実行にいかないことが重要であり、Whatが不在のまま手段に走ると、目的を見失い失敗に終わります。

生成AI時代に人間が担うべき核心スキル

現代のDX・AI時代において、問題定義の重要性はさらに高まっています。なぜなら、AIは「問い」を立てられないからです。「何を解くべきか（What）」という問いを設定する力こそが、人間に求められる核心スキルとなります。

実務で陥りがちな「問題定義」の3つの失敗

失敗①「問題（Problem）」と「課題（Task）」を混同している

実務で頻発するのが、ネガティブなギャップである「問題」と、解決に向けたポジティブなテーマである「課題」の混同です。これらが曖昧なまま議論を進めると、関係者間で認識のズレが生じ、解決スピードが低下してしまいます。

失敗② いきなり「How（手段）」から議論を始める手段の目的化

「新しいシステムを導入しよう」「とりあえずAIを使おう」など、解決策（How）から入ってしまうパターンです。本来、いきなり手段・実行にいかないことが重要であり、Whatが不在のまま手段に走ると、目的を見失い失敗に終わります。

失敗③ 問題を「大きく」捉えすぎてアクションに落ちない

「全社的な生産性の抜本的向上」など、問題を壮大に定義しすぎて身動きが取れなくなる罠です。VUCAの時代では、完璧な定義に時間をかけるよりも、手頃で解けるとうれしい問題に再定義し、小さく早く検証を繰り返すことが求められます。

問題定義を論理的に行うための「2つの型（フレームワーク）」と事例

【王道の型】AsIs-ToBe分析で「理想と現実のギャップ」を捉える

一つ目の型は、現状（AsIs）とあるべき姿（ToBe）を明確にし、その「ギャップ（差）」を問題として定義する手法です。既存業務の改善やシステム導入など、目指すゴールが明確な場合に力を発揮します。

【DX時代の型】ジョブ理論で「本質的な目的」を捉える

二つ目の型は、顧客を深く理解しイノベーションを起こすための理論体系である「ジョブ理論」です。「何を買ったか？」ではなく「なぜ買ったか？」を深く理解するための枠組みです。ジョブとは、「特定の状況における」＋「顧客が達成したい進歩」と定義されます。
有名な「ミルクセーキの逸話」では、当初は味や濃さを改良しても売上が伸びませんでした。しかし、行動観察の結果、「長距離の車通勤」で「退屈している」という状況の顧客が、「退屈な時間を紛らわせたい」というジョブ（進歩）のために買っていたことが判明したのです。

【事例比較】ランチ選びに見る問題定義の違い

例えば、「平日のオフィス街でランチを食べる35歳営業部の田中さん」を例に考えてみましょう。
「土地勘がない」「13時から来客がある」「コンビニではなく温かいものでリフレッシュしたい」という状況を設定します。

この時、単に「昼食を食べる」ではなく、「失敗しない店を選び、限られた休憩時間で効率よくお腹を満たしたい（ジョブ）」と定義することで、「おいしくてすぐ入れる店がどこにあるかわからない」という具体的な真の課題が見えてきます。

いきなり正解は出ない。実践的な「問題の再定義」プロセス

問題の再定義はあらゆる手法で有効ですが、本稿では、生成AIとの相性が極めて良く、DX時代に欠かせない「ジョブ理論」の枠組みを用いた実践プロセスを解説します。

ステップ0：主語（誰の）を明確にする！「顧客」か「自社社員」か

ジョブの主語によって、定義の方針が分かれます。誰の課題なのかを明確にしましょう。

• 顧客課題仮説：主語が「顧客」。新規事業創出などが目的です。
• 社内業務課題仮説：主語が「自社社員」。業務改善、生産性向上などが目的です。

自社業務の場合は、顧客を自社社員などに置き換えて考えます。

ステップ1：まずは「仮設定」で言語化してみる

初めから完璧な問題定義は不可能です。まずは「誰の」「どんな状況か」「課題は何か」を顧客課題仮説（または業務課題仮説）として仮設定します。広めの設定でも構わないので、まずは言葉に落とし込むことが重要です。

ステップ2：「手頃で解けるとうれしい問題」への再定義

仮設定した定義を起点に、生成AIと「対話」しながら再定義を行います。いきなり大きすぎる問題を解こうとせず、自分たちが扱いやすく、解決した際のメリットが明確な「手頃で解けるとうれしい問題」へとレベルを調整します。

ステップ3：組織内で「共通言語」として合意形成する

組織の共通言語として型を持つことで、連携と解決スピードが劇的に向上します。最後は人間が意思決定し、他の組織の人でも理解できる平易な表現で記載し、チーム内で合意形成することが成功の鍵です。

生成AIを活用して「問題定義」の質とスピードを劇的に高める

AIを壁打ち相手にプロセスを高速往復する

生成AIはジョブ理論などの基本的経営理論を学習済みであり、論理的で精度の高い分析が得意です。仮設定した定義を生成AIと対話しながら再定義したり、プロセスを何度も回して精度を向上させることが可能です。

アイデアの量が質を高める（多産多死）

問題解決ではアイデアの量が質に転化します。生成AIを活用することで、人間だけでは思いつかないような大量の仮説を短時間で出し、効率よく「良質な問題」と「良質な解決策」に集中できるようになります。

まとめ：自組織の問題解決力を高めるために

問題解決において「問題定義（What）」はすべての土台です。AsIs-ToBeやジョブ理論を活用し、仮説・実行・検証のサイクルを日々の業務の中で回すことが重要です。

さらに、これからのDX時代には、生成AIをパートナーとしてプロセスを高速化するスキルが不可欠です。デジタルトランスフォーメーション研究所では、生成AIを使って問題解決力を劇的に高めるための「生成AI時代の問題解決研修」をご提供しています。AIと対話しながら「真に解くべき問い」を見つけ出す実践的なスキルを、ぜひ組織にインストールしてください。