【2026年版】ChatGPTでなぜなぜ分析を行う方法｜プロンプト・製造業事例・検証手順

本記事は2025年に公開した内容を、現在のChatGPTの性能と品質改善現場での実践経験を踏まえて全面改訂した2026年版です。AIに真因を決めさせるのではなく、原因仮説を広げ、人が現場の証拠で検証する方法を解説します。

はじめに

品質トラブルや業務上のミスが発生したとき、表面的な原因だけを直しても、同じ問題が繰り返されることがあります。そこで使われるのが、問題の背後にある原因を「なぜ？」で掘り下げる、なぜなぜ分析（5 Whys）です。

しかし実際の現場では、「担当者の確認不足だった」「教育が足りなかった」といった結論で止まったり、経験のある人の意見に分析が引っ張られたりします。さらに、証拠がないまま一本の原因ストーリーを作ってしまうこともあります。

現在のChatGPTは、原因候補の洗い出し、複数視点での比較、不足情報の質問、報告書や表の作成を支援できます。一方で、現場を見ておらず、もっともらしい誤った因果関係を作る可能性があります。したがって、ChatGPTに真因を決めさせるのではなく、「原因仮説を広げる壁打ち相手」として使うことが重要です。

この記事の要点　ChatGPTは真因を自動判定する装置ではありません。AIが仮説を出し、人が現場・現物・データで確認して初めて、使える分析になります。

このように、問題の「見えている現象」から「構造的な原因」へと深掘りしていきます。

＊まず、初めにchatGPTに適切なプロント文を指示するために『なぜなぜ分析の基本』を下記の記事を参考にして学習してください。

2025年版から見直した主なポイント

従来の説明	2026年版の考え方
ChatGPTが5回のWhyを実行して真因を特定する	AIは原因仮説を提示し、人が証拠で絞り込む
「なぜ」を5回繰り返す	回数を固定せず、検証可能で対策できる原因まで掘る
一本の因果関係を作る	複数分岐を出し、発生・流出・管理の3系統で整理する
役割設定を詳しく書く	目的・事実情報・出力形式・禁止事項を明確にする
結果をExcelやPowerPointへコピーする	ファイルを与えて分析し、表や資料を直接作成する

なぜなぜ分析とは？

なぜなぜ分析は、発生した問題から原因を段階的に掘り下げ、再発防止につながる管理可能な原因を見つける手法です。「なぜを必ず5回繰り返すこと」が目的ではありません。重要なのは、前後の因果関係を確認し、事実で裏付けられる原因に到達することです。

分析を止める目安は、次の3条件です。

• 現場の記録、現物、測定値、再現テストなどで確認できる
• 原因を取り除けば、同じ現象の再発可能性が下がる
• 工程、設備、標準、管理方法として対策できる

注意　「担当者が間違えた」は事実の説明であって、真因とは限りません。なぜ、その行動が起き、なぜ仕組みで防げなかったかを確認します。

なぜChatGPTを活用するのか

ChatGPTの価値は、一つの正解を当てることではなく、人間が見落としやすい原因候補や別の視点を短時間で提示できることです。技術的要因だけでなく、作業方法、教育、情報伝達、設備、組織、管理基準などの観点を並行して検討できます。

ChatGPTが得意なこと	人・現場が担当すること
原因仮説を複数提示する	仮説が現場の事実と一致するか確認する
不足情報や確認項目を整理する	記録、現物、測定結果を収集する
発生・流出・管理の観点で分類する	因果関係と影響度を判断する
対策案を幅広く提案する	安全性、費用、副作用、実行性を評価する
結果を表や資料にまとめる	承認し、標準化し、効果を確認する

現在の公式ガイドでも、重要な作業では、目的、必要な背景情報、出力形式、守るべき制約を示し、確認できない情報を明示させることが推奨されています。長い呪文のようなプロンプトより、必要な情報と成功条件を明確にする方が効果的です。

なぜなぜ分析を始める前の確認事項

情報が不足した状態でChatGPTに「真因を出して」と頼むと、AIは空白を一般論で埋め、もっともらしい原因を作る可能性があります。まず、次の内容を整理してください。

• 問題事象：何が、どの基準から、どれだけ外れたのか
• 発生場所：どの製品、設備、工程、作業、時間帯で起きたのか
• 影響範囲：品質、納期、コスト、安全、顧客へどのような影響があるか
• 発生条件：いつから、どの頻度で、特定条件に偏っているか
• 再現性：同じ条件で再現するか、単発か
• 事実情報：測定値、ログ、写真、点検履歴、作業記録があるか
• 変更点：人、設備、材料、方法、測定、環境に変更がなかったか
• 暫定対応：選別、停止、隔離、再検査など何を実施したか

ChatGPT支援なぜなぜ分析の実践手順

1. 問題を一文で定義する

「寸法不良が発生した」だけでは不十分です。規格、実測値、工程、期間、発生率などを可能な範囲で示します。

2. 不足情報を先に質問させる

いきなり原因分析を始めず、AIに不足している情報、確認すべき記録、曖昧な表現を挙げさせます。

3. 事実・推定・不明を分ける

入力情報とAIの仮説を混ぜないよう、確認済み事実、推定、未確認事項に分類します。

4. 原因候補を3系統で広げる

不良を作った発生原因、見逃した流出原因、管理できなかった管理原因に分けます。各系統で複数候補を残します。

5. 仮説ごとに証拠を決める

何を確認すれば支持または否定できるかを決めます。測定、ログ確認、再現実験、比較調査などを設定します。

6. 確認できた原因だけを深掘りする

証拠が揃っていない段階で次のWhyへ進まず、現場確認後に分析を更新します。

7. 対策を工程管理へ定着させる

対策を実施して終わりにせず、標準書、点検表、QC工程表、管理値、教育、監査へ反映します。

現在のGPTに適したプロンプトの作り方

現在のGPTは、短く明確な指示でも目的を理解できます。プロンプトは、次の4要素を中心に組み立てます。

要素	記載内容	なぜなぜ分析での例
目的	何を実現したいか	再発防止につながる原因仮説と確認方法を整理する
背景・事実	判断に必要な情報	事象、工程、規格、測定値、発生条件、変更点
出力形式	結果のまとめ方	発生・流出・管理原因を表で整理する
制約	推測や誤用を防ぐ条件	未確認情報を断定しない。担当者ミスで止めない

「順番に考えてください」と内部思考の説明を求める必要はありません。一方で、「結果をWhy、仮説、証拠、確度、次の確認の表で示す」という出力指定は有効です。

そのまま使える基本プロンプト

あなたは製造業の品質改善を支援する専門家です。 以下の品質問題について、なぜなぜ分析を支援してください。 あなたの役割は真因を断定することではなく、原因仮説と確認方法を整理することです。 【問題事象】 ［何が、いつ、どこで、どのように発生したか］ 【影響】 ［不良数、納期、コスト、安全など］ 【確認済みの事実】 ［記録、測定値、現物確認、聞き取り結果など］ 最初に、不足情報と追加で確認すべき事実を質問してください。 その後、原因候補を「発生原因・流出原因・管理原因」に分けてください。 各原因候補を「原因仮説／根拠／反証方法／確度／次の確認」の表で整理してください。 未確認情報は断定せず、「仮説」と表示してください。 「担当者のミス」「確認不足」「教育不足」で止めず、その行動を誘発した工程、設備、標準、管理方法まで掘り下げてください。 Whyの回数は5回に固定せず、事実で確認でき、対策可能な原因に到達したら止めてください。

1段ずつ確認しながら進める対話プロンプト

原因を一度に決めないでください。 まず、現在の情報から考えられるWhy1の原因候補を最大3件示してください。 各候補について、支持する証拠、否定する証拠、確認方法を示してください。 私が確認結果を回答するまで、Why2へ進まないでください。 確認結果を受け取った後、残った原因候補だけを次のWhyへ掘り下げてください。

この方法の利点　AIが作った一本のストーリーに引っ張られず、現場の証拠を分析に組み込めます。

製造業の事例：金属部品の寸法不良

問題事象：加工工程で製品Aの寸法にばらつきが発生し、規格外品が後工程へ流出した。

従来型の一本線分析では、「工具が摩耗した→点検不足→教育不足」という結論になりがちです。しかし、これでは不良の発生と流出、管理上の弱点が混ざっています。

分析系統	原因仮説	確認する証拠
発生原因	工具摩耗により加工寸法が変化した	工具使用回数、摩耗量、加工順と寸法推移
発生原因	設備温度または材料ロットが寸法へ影響した	温度記録、材料ロット別データ、再現試験
流出原因	測定頻度が変化速度に対して不足していた	検査間隔、連続不良数、工程能力データ
流出原因	管理限界または判定方法が適切でなかった	管理図、測定器校正、測定者間差
管理原因	QC工程表に工具寿命と異常時処置が定められていなかった	QC工程表、点検表、標準書の記載
管理原因	標準改訂時の部門レビューが機能していなかった	改訂履歴、承認記録、横展開記録

このように複数の仮説を残しておき、実測値や履歴で絞り込みます。工具摩耗が確認できても、それだけで分析を終わらせず、なぜ摩耗を検知できず、なぜ管理基準に反映されていなかったのかを別系統で確認します。

よくある失敗と修正プロンプト

失敗1：確認不足で止まる

「確認不足」は原因ではなく、確認行動が実行されなかった状態の説明です。

「確認不足」という表現を使用せず、確認作業が実行されなかった理由を、工程設計、表示、作業負荷、時間制約、標準、設備の観点から示してください。

失敗2：担当者のミスにする

人の行動を原因とすると、対策が注意や再教育だけになりやすくなります。

担当者の性格や注意力を原因にせず、その行動を誘発または許容した作業条件、情報表示、設備、標準、確認方法を特定してください。

失敗3：教育だけで終わる

教育は必要ですが、時間の経過や人の入れ替わりによって効果が低下しやすい対策です。

工程変更、自動化、ポカヨケ、物理的な誤操作防止、検出強化を優先して対策案を出してください。教育と注意喚起は補助策として位置付けてください。

失敗4：AIの回答を事実として扱う

入力情報から直接確認できる内容を「事実」、可能性として推定した内容を「仮説」、情報がなく判断できない内容を「不明」に分けてください。仮説には確認方法を付けてください。

再発防止策は「効果」で評価する

なぜなぜ分析のゴールは、原因を見つけることではなく、同じ問題が起きにくい仕組みを作ることです。一般に、人の注意力へ依存しない対策ほど強い効果と考えます。

優先度	対策の種類	例
1（強い効果）	設計・工程の変更	誤った部品が組み付かない構造に変更する
2	自動化・ポカヨケ	バーコード照合、インターロック、自動補正
3	検出の強化	工程内検査、センサー、異常警報
4	標準・手順の改訂	管理値、点検頻度、異常時処置を明記
5（弱い）	教育・注意喚起	再教育、掲示、朝礼での周知

対策を比較するときは、期待効果だけでなく、実装費用、必要工数、現場負荷、新たな故障モード、安全面の副作用も確認します。

QC工程表へ反映して初めて再発防止になる

対策が一時的な活動で終わらないよう、決定事項をQC工程表や関連標準へ落とし込みます。ChatGPTには、分析結果と現在のQC工程表を与え、変更候補を整理させることができます。ただし、最終的な管理値や検査条件は、工程能力、リスク、顧客要求を踏まえて人が承認します。

反映項目	確認内容
管理特性	何を管理すれば異常を早期に検知できるか
管理基準	規格値、管理限界、交換限界、警報値は何か
測定方法	誰が、何を使い、どの方法で測定するか
頻度	ロット、時間、数量、工具使用回数のどれで管理するか
記録	どこへ記録し、誰がレビューするか
異常時処置	停止、隔離、連絡、遡及確認、復旧条件をどうするか
標準類	作業標準、点検表、FMEA、教育資料をどう改訂するか

改善効果を確認するKPI

対策を実施しただけでは、再発防止が完了したとはいえません。少なくとも、次の指標を対策前後で確認します。

• 不良率、再発件数、顧客流出件数
• 工程内検出率と流出率
• 手直し、選別、廃棄に要した工数
• 設備停止時間や異常発生間隔
• 改善決定から標準改訂・展開完了までのリードタイム
• 対策実施率ではなく、原因となった現象が抑制されたか

確認のポイント　KPIには、測定方法、担当者、確認期間、目標値、未達時の見直し条件を設定します。

ChatGPTへ入力する情報の安全ルール

品質トラブルの資料には、顧客情報、図面、未公開仕様、設備条件、内部ログなどの機密情報が含まれることがあります。匿名化だけで安全になるとは限りません。利用前に、自社の生成AI利用規程、契約プラン、データ管理設定、外部サービスへの情報提供範囲を確認してください。

入力を避ける情報

• 顧客名、個人名、連絡先、個人を識別できる情報
• 未公開の製品仕様、図面、配合、製造条件
• 脆弱性や安全上の弱点を具体的に示す情報
• 社内システムのログ原文、認証情報、アクセス情報
• 秘密保持契約の対象となる顧客・取引先資料

匿名化の例

元の情報	入力用の表現
顧客名・工場名	顧客A、国内工場、加工工程
製品名・型式	製品A、部品B
正確な数量・金額	数十個、一定範囲、前月比
具体的な日付	先月、変更後3日目、夜勤帯

Excel・PowerPoint・Workとの連携

現在のChatGPTは、文章で回答するだけでなく、ファイルや複数の資料を読み、比較・集計し、表、報告書、PowerPointなどの成果物を作成できます。長い不具合履歴や複数のQC資料を扱う場合は、チャット欄へすべて貼り付けるより、必要なファイルを与え、対象範囲と出力条件を指定する方が実用的です。

例えば、次のような使い方が考えられます。

• 不具合一覧を読み、類似事象や再発傾向を分類する
• なぜなぜ分析結果とQC工程表を照合し、未反映項目を挙げる
• 対策一覧から担当者、期限、進捗状況を整理する
• 会議用の分析表、報告書、PowerPointを作成する
• 複数工場の分析結果を共通の分類で比較する

ただし、AIがファイルを読めることと、内容が正しいことは別です。重要な数値、規格、引用、対策の実施状況は、元資料と照合してください。

ChatGPTは過去の分析を自動的に学習するのか

ChatGPTを使い続ければ、その会社の不具合事例を自動的に学習して専用システムへ成長する、と考えるのは適切ではありません。過去事例を活用したい場合は、分析報告書、不具合データベース、標準書などを、利用が許可された方法で参照できる状態にする必要があります。

プロジェクトや接続された情報源、専用の検索システムを利用すれば、過去資料を探して類似事例と比較できます。しかし、これはモデルが自動的に再学習したことを意味するものではありません。

カスタムGPTや専用ツールを作る場合の注意点

2025年に本記事を作成した当時は、分析手順をあらかじめ設定した「なぜなぜ分析GPT」を作成する方法が便利でした。現在は、専用GPTを作らなくても、ChatGPT Workに問題の状況や測定データ、写真、点検記録、QC工程表などを渡し、なぜなぜ分析から報告資料の作成までまとめて依頼できます。

ChatGPT Workでは、不足情報の洗い出し、原因候補の提示、発生原因・流出原因・管理原因の分類、確認すべき証拠の整理に加え、分析結果をWord、Excel、PowerPointなどにまとめることもできます。

使い分けとしては、同じ手順で繰り返し分析する場合は「なぜなぜ分析GPT」、複数の現場資料を読み込ませて分析し、報告書まで作成する場合は「ChatGPT Work」が適しています。ただし、どちらを使用する場合も、AIの回答は原因仮説であり、最終的な真因は現場・現物・データによって人が確認する必要があります。

なぜなぜ分析用のカスタムGPTを作る場合は、「正しい真因を自動生成するツール」と表現するより、「構造化した原因仮説と確認項目を提示する支援ツール」と位置付ける方が安全で実務的です。

AIがアイデアを教えてくれる！　なぜなぜ分析GPT

 Global Why-Why Analyzer（多言語対応 なぜなぜ分析GPT）の紹介

業務トラブルや品質問題の振り返りで、
「Whyが浅い」「精神論で終わる」「再発防止策が弱い」
そんな課題を感じたことはありませんか？

Global Why-Why Analyzer は、
実務経験ベースの プロの業務改善コンサル視点で、
なぜなぜ分析（5 Whys）を 構造的・再発防止志向で自動生成するカスタムGPTです。

---

🔧 このGPTでできること

• なぜなぜ分析（Why1〜Why5）を表形式で整理

• 因果関係が破綻しないロジカルな掘り下げ

• 表面的対策で終わらない根本原因（Root Cause）の明示

• 短期／中長期に分けた実行可能な再発防止策の提示

• 日本語・中国語・英語など入力言語を自動判定して同一言語で出力

---

📝 使い方（とても簡単）

① チャットに 「开始」（または Start / 开始 など）と入力
② 分析したい問題・トラブル・業務課題を文章で入力
　（背景・影響があると、より精度が上がります）
③ 自動で 5 Whys分析結果＋再発防止策 が出力されます

💡 事前知識やテンプレート作成は不要です。

---

📊 使用事例①：設備トラブル（製造業）

入力例

工場内の機械が過負荷で停止。

GPTの分析結果（要約）

• 表面原因：ヒューズ熔断

• 根本原因：潤滑系にフィルター未設置 → 切屑混入 → ポンプ軸摩耗

• 対策：

  • 短期：フィルター設置・洗浄・部品交換

  • 中長期：設計基準見直し・FMEA・横展開

👉 「ヒューズを交換するだけ」の対策から脱却可能。

---

📊 使用事例②：業務ミス・報告漏れ（間接部門）

• なぜ確認されなかったのか？

• なぜ属人化していたのか？

• なぜ仕組みで防げなかったのか？

👉 人のせいにしない構造的改善につながる分析が可能。

---

🎯 こんな方におすすめ

• 品質・製造・保全・生産技術担当者

• 業務改善／DX／内部監査担当

• なぜなぜ分析が「形式化」してしまっている組織

• 若手にロジカルな問題解決を教えたい方

---

このGPTは
**「なぜなぜ分析を考えるツール」ではなく、
「正しいなぜなぜ分析を“実務レベルで出す”ツール」**です。

再発防止の質を上げたい方は、ぜひ一度使ってみてください。

ChatGPT - Global Why-Why Analyzer（多言語対応 なぜなぜ分析GPT）

ChatGPT helps you get answers, find inspiration, and be more productive.

chatgpt.com

下記に事務職での改善事例をNoteに投稿しています、参考願いします。

それは、本当に“あなたのせい”ですか？｜monma hiroyuki

なぜ、私の残業は減らなかったのか ――23歳、事務3年目。なぜなぜ分析が教えてくれたこと―― 「今日も残業かぁ……」 時計はすでに19時半。 蛍光灯の白い光が、静まり返ったオフィスを照らしている。 私は地方の中堅メーカーで働く、入社3年目の...

note.com

ChatGPT活用！なぜなぜ分析で真因を探る業界別5事例

品質不良、納期遅れ、顧客クレーム──日々の業務で発生する問題の背後には、見えにくい「真因」が潜んでいます。そこで注目されているのがなぜなぜ分析（5 Whys）です。そしてこの手法に、AIツールであるChatGPTを掛け合わせることで、よりスムーズかつ客観的な深掘りが可能になっています。

今回は、ChatGPTによるなぜなぜ分析の業界別5事例を紹介します。

---

① 製造業：金属部品の寸法不良

問題

製品Aの寸法にばらつきが出て、規格外のものが混在していた。

ChatGPTによるなぜなぜ分析

なぜ①：加工寸法にばらつきがあった  
なぜ②：加工時の刃物の摩耗状態が管理されていなかった  
なぜ③：摩耗限界をチェックするルールがない  
なぜ④：定期点検のチェックリストに項目がなかった  
なぜ⑤：チェックリストの作成時に品質管理部門が関与していなかった

解決策（ChatGPT提案）

• チェックリストの更新に品質部門を必ず加える
• 工具摩耗の管理にセンサーを活用
• 作業標準書の改訂

---

② 小売業：レジでの会計ミス

問題

顧客に誤った金額を請求してしまった。

ChatGPTによるなぜなぜ分析

なぜ①：バーコードの読み取りミスがあった  
なぜ②：手入力で金額を修正した  
なぜ③：商品コードと価格表が一致していなかった  
なぜ④：価格改定時にPOS側が更新されていなかった  
なぜ⑤：店舗側が本部への変更依頼を忘れていた

解決策（ChatGPT提案）

• 商品価格の自動更新連携システム導入
• レジ操作における再教育
• 金額確認ポップアップの実装

---

③ 医療業界：外来受付の待ち時間の長さ

問題

患者から「待ち時間が長い」とのクレームが急増。

ChatGPTによるなぜなぜ分析

なぜ①：予約時間通りに診察が始まらない  
なぜ②：前の診察が長引いている  
なぜ③：診療情報の事前確認ができていない  
なぜ④：患者情報が紙で管理されている  
なぜ⑤：電子カルテとの連携が進んでいない

解決策（ChatGPT提案）

• 受付〜診察フローのデジタル化
• 医師・看護師間の事前情報共有の強化
• オンライン問診の導入

---

④ 物流業界：誤出荷の発生

問題

商品Aではなく商品Bが顧客に届いてしまった。

ChatGPTによるなぜなぜ分析

なぜ①：ピッキングリストが間違っていた  
なぜ②：在庫棚のラベルが違っていた  
なぜ③：ラベル貼り替えの手順を間違えた  
なぜ④：新人スタッフがマニュアルを見ていなかった  
なぜ⑤：教育用マニュアルが古く、実際と違っていた

解決策（ChatGPT提案）

• 教育マニュアルの定期更新ルールの明文化と実施
  → 「3ヶ月ごと」などの見直しルールを設け、現場との整合性を維持。

---

⑤ サービス業（飲食店）：注文ミス

問題

お客様に違うメニューを提供してしまった。

ChatGPTによるなぜなぜ分析

なぜ①：オーダー内容と提供内容が違っていた  
なぜ②：厨房スタッフが伝票を見間違えた  
なぜ③：伝票の文字が小さくて読みにくかった  
なぜ④：旧型のプリンタを使用していた  
なぜ⑤：新システム導入の予算が却下されていた

解決策（ChatGPT提案）

システム投資に対する予算検討プロセスの見直し
→ 以下のような改善案が考えられます：

1. 投資効果（ROI）の定量化を事前に提示

2. 現場からの提案を経営会議で定期審議する体制構築

3. 小規模導入 → 検証 → 拡大のステップ投資モデルを採用

---

ChatGPTは、業界を問わず**「なぜ？」を繰り返して真因に迫る」**なぜなぜ分析の力強いパートナーとなります。人的な視点だけでは気づきにくい盲点も、ChatGPTなら提案可能です。

属人化を防ぎ、再発防止の質を高めるためにも、AIとの協働分析をぜひ現場に取り入れてみてください。

なぜなぜ分析とChatGPTの未来

1. データと連携した自動化

IoTやセンサーデータとChatGPTを連携させることで、リアルタイムでのなぜなぜ分析が可能に。

2. 経験知の継承

ベテランの知識をChatGPTに蓄積し、次世代への「技術伝承」として活用。

3. 多言語・多文化対応

海外拠点でもChatGPTを通じた共通分析フレームが活用され始めており、グローバル改善にも寄与。

4. 学習とフィードバックによる進化

ChatGPTが過去のなぜなぜ分析結果から学び、より精度の高い分析支援ができるようになります。

よくある質問

Q1．ChatGPTだけで真因を特定できますか？

できません。ChatGPTは現場を直接確認していないため、原因候補の提示までです。測定値、現物、記録、再現テストでの確認が必要です。

Q2．なぜは必ず5回繰り返しますか？

必ずしも5回ではありません。3回で管理可能な原因に到達する場合も、5回以上必要な場合もあります。回数より因果関係と証拠を重視します。

Q3．最初から詳しいプロンプトが必要ですか？

最初から完璧である必要はありません。目的と事実を伝え、回答を見ながら不足情報や出力形式を追加します。ただし、未確認情報を断定しないという制約は最初に示します。

Q4．AIの回答が毎回違うのは問題ですか？

生成AIの回答には変動があります。共通テンプレート、同じ入力データ、分類基準、レビュー項目を使用し、採用した根拠を記録することで実務上の再現性を高めます。

Q5．教育対策は使ってはいけませんか？

教育は必要ですが、単独では弱い対策です。工程変更、ポカヨケ、検出強化、標準改訂と組み合わせ、定着状況を確認します。

おわりに

ChatGPTは、なぜなぜ分析における「思考の壁打ち相手」として極めて有効です。属人化を防ぎ、再現性のある分析を誰でも行えるようになる未来が近づいています。人の経験とAIの知見を掛け合わせることで、真因究明と本質的な改善がますます加速していくでしょう。

参考書籍：