問題解決プロセスには、定型化されたステップがあります。一方、学んでも実務に活かし切れていないケースは少なくありません。本記事では、問題解決プロセスの基本と実務活用のポイントを解説します。生成AIを活用したワークショップ例も紹介します。関連する研修はDX時代の問題解決研修をご覧ください。
目次
問題解決のプロセスとは：What→Where→How
ビジネス課題の問題解決プロセスは、基本となる3ステップに「実行（Actions）」を加えた4段階に整理できます。
- 問題定義（What）：そもそも解くべき問題は何かを規定するステップ。
- 問題特定（Where）：どこが一番問題かを特定するステップ（原因分析の視点を含む）。
- 解決策立案（How）：どう解決するかを決め、計画に落とすステップ。
- 実行（Actions）：解決策を実行し、評価・定着を図るステップ。
実行を別とすると、実質的なプロセスはWhat→Where→Howの3ステップです。問題解決フレームワークには複数の流派がありますが、本稿では、組織内の納得感を得やすく、生成AIとも相性のよいこのシンプルな枠組みを採用します。
ステップ1．問題定義（What）
取り組むべき問題を明確化します。組織で解く場合は、誤解のない言語化と関係者の共通認識づくりが不可欠です。
①問題を仮設定する・②問題を再定義する
実務では、明確に言語化できない違和感から始まることが多いものです。いきなり的確な定義が難しい場合は、「誰の」「どんな状況か」「課題は何か」を仮設定します。一度で最適な定義に到達するのは困難なため、仮設定した定義を起点に、「手頃で解けるとうれしい問題」へとレベルや視点を変えながら再定義していきます。
問題定義のフレームワーク
問題定義の効率を上げ、組織の共通言語を作るためにはフレームワークの活用が必須です。ここでは代表的な2つの手法を紹介します。
王道のフレームワーク：AsIs ToBe分析（現状とあるべき姿）
「現状（AsIs）」と「あるべき姿（ToBe）」をそれぞれ具体的に描き出し、その間にある「Gap（ギャップ）」を問題として定義するフレームワークです。
実務において、この手法は「問題」と「課題」の混同を防ぐのにも非常に役立ちます。
- 問題（Problem）：あるべき姿と現状との間に生じている「差（ネガティブなギャップ）」のこと。
- 課題（Task）：その差を埋めるために取り組むべき「具体的なアクション（ポジティブな解決テーマ）」のこと。
AsIs ToBeを明確にすることで、「何が問題なのか」と「どのような課題に取り組むべきか」が論理的に整理され、後工程のブレを防ぐことができます。特に既存の業務改善やシステム導入のプロジェクトで強力なメジャー手法です。
DX時代に有効なフレームワーク：ジョブ理論とペルソナ（※問題解決研修の推奨）
ジョブ理論は、「顧客は何を買ったか？」ではなく「なぜ買ったか？」という購買の目的や背景を深く理解するためのフレームワークです。
「顧客は製品を買っているのではなく、片付けたい用事（ジョブ）を解決するために雇っている」という考え方に基づき、プロダクトの機能やスペックだけでは見えてこない真のニーズを、「特定の状況における」＋「顧客が達成したい進歩（ジョブ）」として定義します。ここにペルソナ（具体的な人物像）を掛け合わせることで、特定の状況やそれを阻む課題（ペイン）の解像度が劇的に上がります。
クレイトン・クリステンセン氏が考案したこの理論は、顧客理解を掘り下げるグローバルスタンダードな枠組みとして、近年DXや新規事業検討の場面で多く活用されています。当研究所の問題解決研修において、あえて本手法を採用している理由は以下の2点です。
- 生成AIとの圧倒的な相性の良さ
生成AIはグローバルスタンダードであるジョブ理論を深く学習済みです。そのため、プロンプトの枠組みとして活用することで、AIから論理的で高品質な支援（課題の言語化やアイデア出し）を引き出しやすくなります。 - 社内業務革新（内部DX）への応用力
ジョブの基本は顧客理解ですが、「顧客のジョブ」を「自社社員のジョブ」と読み替えることで、顧客向けサービスだけでなく、社内業務の改善や生産性向上にもそのまま適用可能です。
ステップ2．問題特定（Where）
合意したビジネス課題について、どこに焦点を当てるかを特定します。基本は「分けること（分解）」と「選ぶこと（重要課題の選択）」の2段階です。
①問題を分ける（分解）
まずは漠然とした大きな問題を構成要素に分解し、問題のありかを特定するための「地図」を描きます。
「売上が上がらない」「業務のミスが多い」といった大きな問題のままでは、具体的な解決策は思い浮かびません。問題を分ける（分解する）ことの最大の目的は、抽象的な問題を「対処可能なサイズ」まで小さくし、真のボトルネック（Where）を特定することです。
ビジネスにおいて「分けることは、分かること」とよく言われます。構成要素（要素の掛け算など）や時系列（業務プロセスなど）でモレなく分解していくことで、勘や思い込みに頼らず、論理的に問題のありかを絞り込むことができるようになります。
問題を分けるフレームワーク
複雑な問題を漏れなく分解するためには、組織内で共通のフレームワークを用いるべきです。ここでは代表的な2つの手法を紹介します。
王道のフレームワーク：ロジックツリー
問題を構成要素にツリー状に分解していく（構造化する）ためのフレームワークです。「MECE（モレなくダブりなく）」の原則に従って論理的に分解し、根本的な原因や、最もインパクトの大きい打ち手（レバレッジ・ポイント）がどこにあるかを特定する王道の手法です。
例えば「売上」という大きな問題を解決したい場合、上図のように「顧客数」と「顧客単価」に分け、さらに分解していくことで、「今は新規顧客の集客数（Where）に最も問題がある」といった具体的な特定が可能になります。
※参考記事：MECE（ミーシー）とは？具体例で学ぶ基本と生成AI時代の思考構造化スキル
DX時代に有効なフレームワーク：カスタマージャーニーマップ（※問題解決研修の推奨）
カスタマージャーニーマップは、顧客がサービスを認知し、利用し、その後に至るまでの一連の体験を時系列で可視化する手法です。
体験をフェーズごとに分解し、各フェーズでの顧客行動、思考・感情、課題を洗い出します。顧客体験のどの部分（Where）が最も解決インパクトが大きいかを特定しやすいため、DX推進において強力な武器となります。
②問題を選ぶ（重要課題の選択）
地図を描いて問題を洗い出したら、次は評価軸を決め、テコが効く重要課題を一つ（または少数）選びます。
- 顧客起点の課題：「課題の大きさ × 自社貢献度」で優先順位をつけます。
- 社内業務課題：「課題の大きさ × 発生頻度」で優先順位をつけます。
ステップ3．解決策立案（How）と実行（Actions）
優先課題に対して解決策を設計します。抽象的な発想だけでなく、実行可能なアクションプランに落とすことが要点です。
①アイデアを出す（発散）
特定した重要課題に対し、どのように解決するか（How）のアイデアを出します。
ここで最も重要なポイントは、「アイデアの量が質を高める（多産多死）」ということです。いきなり1つの完璧な解決策を導き出そうとするのではなく、まずは制限を設けずにできるだけ多くのアイデアを洗い出します（発散）。多くのアイデアを出し（多産）、後から評価して絞り込む（多死）アプローチをとることで、結果的に実効性の高い良質なアクションプランにたどり着くことができます。リアル空間での施策とデジタルを活用した施策など、多様な視点から解決策の候補を洗い出しましょう。
なお、このようなアイデアを多産するプロセスにおいて、生成AIは非常に強力な壁打ち相手となります。
解決策立案のフレームワーク
大量に出したアイデアを、実行可能な計画（アクションプラン）へと整理していくためには「型」が必要です。
基本方針＋具体策のセット
Howの段階でいきなり具体的な施策ばかりを議論すると、手段が目的化してしまい、関係者間で「議論の空中戦」が起きやすくなります。これを防ぐためのシンプルな枠組みが、「基本方針＋具体策」のセットで考えることです。
- 基本方針：解決の方向性を示す、抽象度の高いコンセプト。
- 具体策：基本方針を実現するための具体的なアクション。
まずは「基本方針（幹）」を固めることで、「具体策（枝葉）」がブレなくなり、関係者間での合意形成がスムーズに進みます。
②アイデアを評価し、優先順位をつける（収束）
広く出したアイデアを評価軸で選別し、実行するアクションプランを絞り込みます。
- 課題解決インパクト
- 実行コスト／労力
- 実現可能性
これらの3軸で判断し、優先順位をつけてから詳細な実行プランに落とし込みます。
ステップ4．実行（Actions）への橋渡し：全体像の整理
実行は最もリソースが必要なステップです。いかに「解くべき問題」と「良質な解決策」に実行リソースを集中できるかが、問題解決の核心となります。
そのため、いきなり実行に移るのではなく、事前の「What→Where→How」のプロセスで検討した内容を、最後に1枚のシートにまとめて全体像を整理・確認することをおすすめします。
「誰のどんなジョブを解決するのか（What）」「どの課題にフォーカスするのか（Where）」「そのための基本方針と具体策は何か（How）」の論理が一貫しているかを最終チェックし、必要に応じて整えてから実行（Actions）へと進みましょう。
What→Where→Why→Howの問題解決プロセスとの違い
ここまでは基本となる3ステップを解説しました。一方で、もう一つの代表的なプロセスとしてWhat→Where→Why→Howの4ステップも存在します。
- 問題定義（What）：何が問題かを規定する
- 問題特定（Where）：どこが問題かを特定する
- 原因分析（Why）：特定した問題の原因を分析する
- 解決策立案（How）：何をするかを決め、計画に落とす
問題解決の専門書などではこの4ステップが一般的ですが、本記事ではよりシンプルかつ実践的な、Whyを省いた3ステップをおすすめしています。
問題解決のプロセスからWhyを省略する理由
本来、問題解決において原因分析（Why）は欠かせない要素です。しかし実際のビジネスシーンでは、あえてWhyを独立させず、3ステップにまとめた方が効率的に進むケースが多くあります。その理由は以下の2点です。
- WhereとWhyの明確な区別が難しい
言葉の意味通り捉えれば、Whereは「問題の場所」、Whyは「原因」です。しかし実際の現場では、「今はWhereの話か、Whyの話か」の共通認識を持つのが難しく、密接に関わる両者を明確に切り分けるのは至難の業です。本稿では、Whereの内部で原因仮説の形成・検証を行うアプローチをとっています。 - PDCAを高速で回しやすい
4ステップは厳密ですが、原因分析（Why）に時間と労力がかかります。アジリティが求められるDX時代においては、原因究明に時間をかけるより、全体像を捉えて解決策を実行し、仮説検証のサイクルを高速で回すことのほうが重要です。
DX時代の問題解決：生成AIを活用する3つのメリット
これからの問題解決において、生成AIは単なるツールではなく、プロセス全体を加速させる強力なパートナーとなります。生成AIを活用する主なメリットは以下の3点です。
1．短時間で精度の高い分析・課題解決仮説が出せる
生成AIは、ジョブ理論や各種フレームワークといった基本的な経営理論を学習済みです。そのため、初期テーマを入力するだけで、論理的で精度の高い顧客課題仮説やカスタマージャーニーの原案を瞬時に生成できます。
2．問題解決プロセスで高速PDCAが回せる
「問題定義＞問題特定＞解決策立案」のプロセスは、一度で完璧なものにはなりません。生成AIと対話しながらプロセスを何度も往復（再定義や評価）することで、圧倒的なスピードでPDCAを回し、プランの精度を向上させることが可能です。
3．アイデアの量（多産多死）が質を高める
問題解決においては、アイデアの量が質に転化します。解決策の洗い出しにおいて、人間だけでは思いつかないような大量のアイデアを生成AIに出させ（発散）、それを人間が評価軸に沿って選別（収束）することで、良質なアクションプランにたどり着きやすくなります。
※参考記事：
まとめ
本記事では、実務で使いやすい問題解決プロセスとして「What→Where→How」の3ステップと、各段階で役立つ実践的なフレームワーク（ジョブ理論、カスタマージャーニーマップなど）を解説しました。多くの手法を学ぶことも重要ですが、まずは組織の共通言語としてシンプルな「型」を確立することが実務では近道です。
特にDX時代においては、アジリティ（俊敏性）が求められます。生成AIをパートナーとしてプロセス全体を高速で回し、多産多死でアイデアを出しながら仮説検証のサイクルを早めることが、変化に対応する鍵となります。デジタルトランスフォーメーション研究所では、生成AIを用いた問題解決の型を習得し、組織のDXを加速させる「DX時代の問題解決研修」をご提供しています。
株式会社デジタルトランスフォーメーション研究所
代表取締役／DXエバンジェリスト
DX推進・企業変革の専門家。豊富な現場経験と実践知をもとにコンサルティング、企業研修、講演活動を行う。
詳しいプロフィールはこちら
