「サーチ脳からリサーチ脳へ」検索で終わらせるな。問いで未来を変えろ。

1月15日に開催した、「いちばんやさしいAIリサーチの教本」の出版記念セミナーでの講演資料となります。

Transcript

2. Lorem ipsum dolor sit amet elit 亀田 重幸 ディップ株式会社に新卒入社、約10 年新規事業& サービス立ち 上げに従事。バイトルの新規サービス企画や人工知能専門ニュ ースメディア「AINOW 」などを立ち上げた後に、社内DX のプ ロダクト責任者を担当。自社のSFA/CRM 「レコリン」は約 2,000 人の営業が毎日利用するプロダクトに仕上げた。現在は 独立して、生成AI を活用したDX とUX コンサル事業に従事。 著書： 「いちばんやさしいDX の教本」 　　： 「いちばんやさしいAI リサーチの教本」 HCD−Net 認定 人間中心設計専門家 X ：@kamechi72 株式会社HuX 代表取締役
3. テクノロジーは、人間の役割を奪うものではなく、進化させるための道具です。 課題発見から価値創出まで。私たちは「Human × X （未知数） 」の掛け合わせで、 これからの時代に求められる人材と事業の変革をリードします。 Human × Transformation AI 時代を生き抜く、人間の「真価」を磨く。
4. 國光 俊樹 株式会社グッドパッチで、UX デザインとサービスデザインを 専門領域として、様々な業界・業種の新規事業開発やサービス リニューアルを成功に導く。2022 年には従業員オンボーディン グSaaS 「Onn 」でグッドデザイン賞を受賞。 2024 年より株式会社Algomatic に参画。営業AI エージェント 「アポドリ」の事業開発を牽引し、リリースから僅か3 か月で 1000 件を超える問い合わせを生み出す。 著書： 「いちばんやさしいAI リサーチの教本」 X ：@ku_ni_29 株式会社Algomatic カンパニーCXO ／マーケセールス責任者
6. ・“サーチ”と“リサーチ”の違い はじめに ・問いの設計方法 ・リサーチのライブデモ 本日は3つのコンテンツをご用意
7. 生成AIをビジネスシーンで どのくらい活用されていますか？ はじめに
8. あまり使いこなせていない方も多い 欲しい回答の引き出し方のコツをお話します はじめに
9. サーチからリサーチへ なぜリサーチが重要なのか？
10. 本日のゴール 今までの常識を変えて見ましょう これまでの常識 検索脳 Search Thinking Update AI時代の新常識 リサーチ脳 Research Thinking
11. なぜ、あなたのAIは 役に立たないのか？ 「すごい答えが返ってくるはず」という期待と、 「当たり障りのない一般論」という現実のギャップ。 POINT 1
12. よくある失望パターン AI導入の初期段階で多くの人が陥る「期待と幻滅」のサイクル 1 過度な期待 「AIってすごいらしい」 「魔法のように答えをくれるはず」 すごい答えへの期待 2 単語での実行 検索感覚で 「〇〇について教えて」 ↓ 当たり障りのない一般論 3 失望と離脱 「なんだ、使えないじゃん」 「ググった方が速い」 いつもの検索に戻る これはAIの性能不足ではなく、使い方のミスマッチです
13. なぜ生成AIが浸透しないのか 「期待はずれ」に終わる組織には、共通する3つの"負のサイクル"がある 1 曖昧な指示 VAGUE INSTRUCTIONS BEFORE 丸投げで 「戦略を教えて」→ 一般論 SOLUTION 目的・対象・制約 形式をセットで明示 2 成果不足 UNUSABLE OUTPUT BEFORE コピペ・修正の手間 テキスト回答→使えない SOLUTION 表形式・ファイル 即利用可能にする 3 継続しない DISCONTINUATION BEFORE AIを開くのが面倒 検索に戻る→定着しない SOLUTION 定例業務フローに 組み込む
14. 職種別の事例：サーチからリサーチへ 職種別に見る「検索脳」と「リサーチ脳」の具体的な違い 営業・セールス SEARCH 業界トレンド 2026 一般論しか出ない... RESEARCH 「直近3件の失注理由.csvを解析し、当社 サービスの弱点を補う提案テンプレの改善 点3つを抽出して」 自社最適化 人事・採用 SEARCH 良い面接質問 ありきたりな質問集... RESEARCH 「求人票と過去評価データから、この職 種に必要なスキル判定質問10個を生成し て」 作業の自動化 経理・総務 SEARCH 交際費 規定 例 他社の例を見ても... RESEARCH 「当月のカード明細.pdfから規定外の支 出を抽出し、承認者別に集計して」 具体的アクション
15. リサーチ脳は全職種の武器になる 特定の職種だけでなく、ビジネスにおけるあらゆる「調べる・まとめる」業務を変革します。 顧客ごとの提案骨子作成 商談後のフォローメール生成 議事録からToDo/懸念点抽出 職務定義書(JD)の改善案 面接フィードバックの要約 オンボーディング資料の整備 請求書の勘定科目仕訳候補 予実差異の要因整理・言語化 支払期日リマインドメール 営業 Sales 人事 HR 経理 Finance 日常の些細な 「調べ物」こそが AIリサーチの 主戦場 問合せ内容の要約・分類 FAQ/ナレッジへの登録案 クレーム対応の返信案作成 社内マニュアルの更新・整備 ヘルプデスクチケットの分類 エラーログからの原因推測 競合サービスの機能比較表 市場ニュースのスキャン要約 仮説検証のための壁打ち CS Support 情シス IT 経営企画 Planning
16. 原因：検索脳に最適化されすぎた20年 なぜ私たちはAIに「単語」を投げてしまうのか。 脳が「検索」に 最適化されている 過去20年間で、私たちは「正解を探す」と いう行為を反復し続けました。脳の思考回 路自体がGoogle検索仕様になっています。 無意識に「単語」を 投げる癖 「DX 事例 製造業」のように、キーワード を並べるだけでAIに指示をしてしまう。こ れは検索エンジン向けの作法です。 しかし、 生成AIは違う 生成AIは検索エンジンではありません。 「単 語」ではなく「意味と文脈」で動くエンジ ンです。
17. 検索エンジンと生成AIの違い 検索エンジン Search Engine INPUT キーワード一致 PROCESS ページ探し OUTPUT 点の取得（リンク集） 生成AI Generative AI INPUT 意味理解・文脈 PROCESS 文章生成 OUTPUT 文脈依存の回答 VS
18. AIは検索エンジンではありません。 「言葉の意味」を理解するパートナーです。 これまでの検索脳 User 営業資料作成 課題解決 単語だけを投げつける 営業資料の一般的な構成は以下の通りです。 1. 表紙 2. 会社概要 3. 課題...（テンプレート的な回答） これからのリサーチ脳 User # 来週の顧客向け提案資料を作成したい # 過去の成功事例3件を参考にすること # 課題解決型で構成案を作って欲しい 目的・制約・背景（文脈）を伝える 承知しました。成功事例A, B, Cの共通項を分析し、今回の顧 客課題（コスト削減）に刺さる以下の構成案を提案します... キーワードで探すのではなく文脈で探す
19. 点を線で繋げて回答を導くイメージ サーチ（検索）からリサーチ（構造化）への進化プロセス
20. INPUT 冷蔵庫の中身 INFORMATION & DATA 判断材料・一次情報 社内資料・マニュアル 売上・顧客データ 過去の議事録・経緯 これがないと、AIは「一般論」しか返せない ORDER シェフへのオーダー CONTEXT & INSTRUCTION 目的・背景・制約 達成したい目的・ゴール ターゲット（誰向けか） 形式（表、メール、コード） 具体的な指示があって初めて「使える」形になる 料理で例えると 材料だけあっても美味しい料理にはならない
21. 情報の距離が近い Drive, Gmail, Sheets / ファイル移動ゼロ 入力方法も多彩 Text, Image, Audio / マルチモーダル POINT 2 画像を読み取ってリサーチできること サーチといえばGoogle リサーチにおいてもGoogleは強い
22. Geminiのマルチモーダル活用：画像 入力の手間をゼロにする「視覚情報」からのリサーチ 1 撮る ホワイトボード、手書きメモ、 紙の請求書などを撮影 アップロードするだけ 2 指示 「画像を読み取って、 要点を箇条書きにして」 担当者と期限の抽出も可能 3 出力 要約テキストや表データを Drive保存・Sheets出力 構造化データとして活用 Case 1: 会議ホワイトボード 乱雑なメモ書き写真を読み込ませ、 「決定事項」と 「ToDo」のみを抽出して議事録の下書きを自動生成。 Case 2: 請求書の山 複数の請求書写真を一括でアップし、 「支払先・金額・支払 期日」を表形式でリスト化し、経理システムへ転記。
24. USE CASE 01 | MULTI-MODAL / IMAGE 画像活用事例1：ホワイトボード写真→議事録生成 BEFORE 会議後の要約作業 1時間の会議後、ホワイトボードの文字起こしとToDo整理に追われ る。 30 min INSTRUCTION TO GEMINI PROMPT このホワイトボード写真を読み取り、以下の要素を抽出してくだ さい。 ・決定事項 ・主要論点 ・ToDo （担当者/ 期限） 出力は表形式で、Google スプレッドシートに書き出してくださ い。 AFTER 写真一枚で完了 読み取りから構造化まで自動化。 誤記や抜け漏れも激減。 1-2 min RESULT OUTPUT 2026-01-XX_営業定例_ToDo タスク 担当 期限 見積書修正 佐藤 1/15 要件定義書 鈴木 1/20 A社提案作成 田中 1/22
25. USE CASE 02 | MULTI-MODAL / IMAGE 画像活用事例2：請求書・領収書の自動処理 BEFORE 手入力での経費精算 金額や科目の入力ミスが発生しやすく、月末の処理遅延の原因に。 5 min /通 INSTRUCTION TO GEMINI PROMPT この請求書画像を読み取り、以下の項目を抽出してください。 取引先名/ 発行日/ 金額/ 税/ 支払期日/ 担当部門 ※ 社内フォーマットの列順に整形し、規定外（上限超過/ 科目不一 致）にはフラグを付けてください。 出力はスプレッドシート『経費明細_2026-01 』に追記してくださ い。 AFTER 撮影・アップするだけ 自動抽出・整形により入力作業が激減。 ミスなく瞬時にデータ化。 30 sec /通 RESULT OUTPUT 経費明細_2026-01 取引先 金額(税込) 部門 チェック 株式会社ABC ¥110,000 開発部 OK XYZ商事 ¥550,000 営業部 上限超過
26. USE CASE 03 | MULTI-MODAL / AUDIO 音声活用事例1：営業訪問後の記録を1分で整理 BEFORE 帰社後の記録作業 訪問後にオフィスに戻って記録するため、記憶抜けや対応遅れが発生。 5 min /件 INSTRUCTION TO GEMINI PROMPT この営業音声メモを要約し、以下の項目を抽出してください。 決定事項/ 顧客ニーズ/ 反対意見/ 次回アクション( 担当・期限)/ フォロ ーメールの下書き CRM 案件#1234 に追記するMarkdown 形式で生成してください。 AFTER 移動中に完結 ハンズフリー入力で即時データ化。 フォローメールも即送信可能。 1 min /件 RESULT OUTPUT CRM_Update_#1234.md ## SUMMARY & TODO 見積書送付 ( 佐藤 / 1/15) 事例集準備 ( 田中 / 1/15) ## EMAIL DRAFT 件名: 本日のお礼と見積もりの件 〇〇様、本日は貴重なお時間を...
27. 書籍内の商談動画分析事例
28. 書籍内の商談動画分析事例
29. おまけ：GeminiやCopilotの強み GeminiとDrive連携で実現する「ひと手間ゼロ」の業務フロー これまで30分かかっていた作業が、わずか1分で完了します Driveの ファイル指定 「@Google Drive」で 会議の文字起こしファイルを 指定して呼び出す 構造化の 指示出し 「決定事項とToDoを 表形式でまとめて」と 文脈付きで指示する 即座に シート出力 10秒で表が生成される ↓ 「スプレッドシートに書き出し」 ボタンをポチッ 1 2 3
30. サーチからリサーチへ 生成AIがもっとも活躍できる 理由を解説 まとめ
31. CLOSING まとめと次回予告 明日からのアクションと、次のステップへ KEY TAKEAWAYS 01 文脈で依頼する 検索窓に単語を入れるクセを捨て、部下に話すように背景や目的を 伝える。 02 インプットが9割 美味しい料理（回答）には食材（資料）が不可欠。まず冷蔵庫の中 身を渡す。 03 業務ではGeminiで直結 Drive等の社内データとシームレスに連携し、 「ひと手間」をゼロに する。 NEXT SESSION 問いの設計のコツ 具体的にプロンプトでどういった内容を問い かければよいのか？
32. 欲しい回答を引き出す 問いの設計のコツ
33. これまでの常識 検索脳 Search Thinking Update AI時代の新常識 リサーチ脳 Research Thinking 再掲 本日のゴール 今までの常識を変えて見ましょう
34. 検索脳とリサーチ脳の違い 検索は｢答え｣を探す行為 リサーチは｢答え｣にたどり着くための行為 良い答えにたどり着くためには、思考を促す良い問いが欠かせない
35. 欲しい回答を引き出す問いの設計のコツ 問いのツールキット 対話の土台を作る 思考の「余白」を作る 発言の裏にある「価値観」を探る 思考の「解像度」を操る 思考の「制約」を外す 良い問いの原則 オープンクエスチョン 深掘りの問い 抽象と具体の往復 ミラクルクエスチョン
36. 答えの質は、問いの質で決まる 人間とAIに共通する原理原則 価値を引き出す「問う人」への変革の仕方 POINT 1
37. 答えの質は、問いの質で決まる ｢閉じた問い」と「開かれた問い」 閉じた問い(クローズドクエスチョン) 開かれた問い(オープンクエスチョン) 「はい／いいえ」や、特定の単語で答えられる質問のこと。 事実確認には有効だが、対話はそこで終わってしまう。 相手が自由に考え、自分の言葉で物語を語れるような質問。 相手の思考や感情を探るのに非常に強力な問いとなる。
38. 「何を」問うかより「どう」問うか 特定の答えを誘導せずに、相手が自由に、 そして正直に話せるような「余白」をつくることが重要 POINT 2
39. 「何を」問うかより「どう」問うか 相手の思考の「余白」を生みだすオープンクエスチョン 悪い問い：思考を狭める 良い問い：思考の余白を引き出す
40. 尋問のような問いかけに... その答えになぜ辿り着いたのかという隠れた真実を明らかにする問い なぜ？ その時どう感じましたか？ 何が一番重要でしたか？ 一番好きなところはどこですか？ 相手の行動や選択の背景にある｢価値観｣からわかる 発言の裏にある「非合理」な本音こそが人間だけが持つ唯一の真実 「何を」問うかより「どう」問うか 深掘りの問い
41. 要点を的確に引き出す問い 思考の解像度を合わせ、良い答えにたどり着く POINT 3
42. 対話が噛み合わない主な原因は「解像度」がちがうから。 良い答えに近づくためには解像度を合わせた深掘りが重要。 「たとえば？」 ：ズームインの問い 「要するに？」 ：ズームアウトの問い 抽象的な話や意見を、具体的なエピソードや事実に落とし込む 問い。 具体的なエピソードや複数の事実から、共通するパターンや本 質を抽出する問い。 要点を的確に引き出す問い 「抽象と具体の往復」で思考の解像度を操る
43. 全ての制約を取っ払う問い 現状の課題から一旦離れ、創造性を解き放つ 視点を未来に変える「ミラクルクエスチョン」 POINT 4
44. あえて思考の枠組みを意図的に破壊することで 人もAIもこれまで出ていなかった革新的なアイデアを場に出す可能性が高まります 全ての制約を取っ払う問い 本当の欲求を引き出す「ミラクルクエスチョン」 もし、全ての制約がなくなったら、 どんな状態になると思いますか？ ミラクルクエスチョン 無意識に 制約の中で 思考した回答 本当の欲求 （理想像）
45. 欲しい回答を引き出す問いの設計のコツ 問いのツールキット 対話の土台を作る 思考の「余白」を作る 発言の裏にある「価値観」を探る 思考の「解像度」を操る 思考の「制約」を外す 良い問いの原則 オープンクエスチョン 深掘りの問い 抽象と具体の往復 ミラクルクエスチョン 再掲
46. ｢一次情報｣こそが最強の武器 AIは全てを知っているわけではない とはいえ...
47. 人間が五感を通して獲得できる「一次情報」こそが、 問いの質や意思決定の質を上げ、良い答えにたどり着く判断軸を作り上げます AIが 知っている知識 AIが知り得ない 一次情報 公開情報や学習データ 実体験や生の声 ｢一次情報｣こそが最強の武器 最後は、行動から得られる一次情報が価値を生む
48. 最後に宣伝.. AI リサーチの書籍を執筆しました！12/25 発売 AI の回答結果の精度を上げるノウハウが直ぐに手に入ります！
49. Thank You