【超保存版】ChatGPTの「知るだけで差がつく神プロンプト」・ベスト1

＜技法「リスクの検証」のプロンプト①＞
〈アイデアを記入〉
提案された新規事業アイデアにはどのようなリスクが存在するか教えてください。
――『AIを使って考えるための全技術』（352ページ）より

＜技法「リスクの検証」のプロンプト②＞
〈リスクを記入〉というリスクをカバーする方法を考案して、アイデアをバージョンアップしてください。
――『AIを使って考えるための全技術』（352ページ）より

＜AIへの質問＞
〈生成AIが日々の業務記録や成果、行動データを整理・分析し、社員評価の参考情報やコメントのたたき台を自動生成する。上司はそれをもとに最終判断を行うため、評価の負担が軽減され、透明性と公平性が向上。社員の納得感が高まり、人事制度の運用も効率化される〉
提案された新規事業アイデアにはどのようなリスクが存在するか教えてください。

＜AIの回答＞

この新規事業アイデアは有望ですが、実際に導入する際にはいくつかの重要なリスクが存在します。異なる観点から整理すると、以下のようなものが考えられます。

 

①評価の「ブラックボックス化」リスク

生成AIが分析・コメントを作る仕組みは便利な反面、「なぜその評価になったのか」が分かりにくくなる可能性があります。

たとえば
・なぜこの社員の評価が高いのか
・なぜこのコメントが生成されたのか

これが説明できないと、かえって社員の不信感を生む可能性があります。
「透明性向上」を目的に導入したのに、逆にブラックボックス化するリスクがあります。

 

②データの偏りによる不公平リスク

AIは入力されたデータをもとに評価を生成します。そのため、

・記録を残すのが上手な社員が有利
・目に見える成果の職種が有利
・サポート業務が評価されにくい

といった偏りが生まれる可能性があります。

特に
・営業
・企画
・管理部門

など、成果の性質が異なる職種間で不公平が生じやすい点は大きなリスクです。

 

③「AI任せ」の評価になるリスク

上司の負担軽減はメリットですが、その一方で

・上司がAIの評価をそのまま採用する
・部下を直接観察しなくなる

という「評価の形骸化」が起こる可能性があります。

本来、人事評価は
・成長のための対話
・信頼関係の構築

という役割もあります。
AIに依存しすぎると、マネジメント機能が弱まるリスクがあります。

 

④プライバシー・監視強化への抵抗

日々の業務記録や行動データを収集・分析するため、

・監視されていると感じる
・働きにくさを感じる

という心理的抵抗が生まれる可能性があります。

特に
・チャット履歴
・行動ログ
・会議発言

などを分析対象にすると、「評価のための監視」と受け取られるリスクがあります。

 

⑤評価制度との整合性リスク

既存の人事制度とAI評価が一致しない可能性があります。

例えば
・評価項目が曖昧
・評価基準が部署ごとに異なる

といった場合、AIの評価ロジック設計が非常に難しくなります。

制度が整っていない企業ほど、導入が難しい可能性があります。

 

⑥導入コスト・運用コストのリスク

この仕組みを実現するには

・データ収集基盤
・評価ロジック設計
・AIチューニング
・運用ルール策定

などが必要になります。

特に
・評価制度のカスタマイズ
・企業ごとの要件対応

が増えると、開発・運用コストが想定以上に膨らむ可能性があります。

 

⑦法務・労務リスク

社員評価にAIを使う場合、

・評価の説明責任
・不当評価の訴訟リスク
・労働法との整合性

などの問題が発生する可能性があります。

特に評価は
・昇進
・給与
・配置

に影響するため、AI活用には慎重な設計が求められます。

 

まとめ：この事業の最大リスク

このアイデアの最大のリスクは、「公平性を高めるためのAIが、新たな不公平を生む可能性」です。

ただし逆に言えば、このリスクを解決できれば非常に強い競争優位になる可能性もあります。

例えば
・評価理由の可視化
・人間による最終判断の必須化
・評価データの多様化

などを設計できれば、非常に魅力的な事業になります。

このあたりをどう設計するかが、事業成功の鍵になりそうです。

＜AIへの質問＞
〈②データの偏りによる不公平リスク〉というリスクをカバーする方法を考案して、アイデアをバージョンアップしてください。

＜AIの回答＞

バージョンアップ案

「多面的評価AI」―データ偏りを補正する社員評価支援システム

生成AIが業務記録や成果データを分析するだけでなく、「データの偏りを検知・補正する機能」を組み込んだ評価支援システムに進化させます。

具体的には、以下の仕組みを導入します。

 

①評価データの種類を意図的に増やす（多面的データ設計）

成果データだけでなく、以下のような複数の評価要素を組み込みます。

・成果（売上・企画採用など）
・行動（改善提案・挑戦など）
・貢献（サポート・チーム支援）
・成長（スキル向上・学習）
・影響（他者への良い影響）

これにより、「目に見える成果だけが評価される」偏りを防ぎます。

特に
・管理部門
・若手社員
・サポート役

なども評価されやすくなります。

 

②「記録格差」を補正する仕組み

記録を残すのが苦手な社員が不利にならないように、

・チャット履歴
・会議議事録
・タスク管理ツール

などから自動で行動を抽出する機能を導入します。

また、AIが定期的に「今週の取り組みを3つ教えてください」と軽い入力を促すことで、記録の偏りを減らします。

これにより「記録がうまい人だけ評価される」問題を解消します。

 

③職種別評価モデルの導入

営業・企画・管理部門など、職種ごとに評価ロジックを分けます。

例
営業：成果・交渉・顧客対応
企画：発想・改善・提案
管理部門：支援・正確性・調整力

これにより職種間の不公平を減らします。

 

④AIによる「評価偏りアラート」

AIが以下のような偏りを検知します。

・特定タイプの人だけ評価が高い
・成果型人材だけ高評価
・発言が多い人だけ高評価

偏りが発生すると、上司に「評価に偏りの可能性があります」とアラートを出します。

これにより、評価の公平性を維持します。

 

⑤「見えにくい貢献」の可視化機能

AIが以下のような見えにくい貢献を抽出します。

・他部署のサポート
・トラブル対応
・若手フォロー
・チームの雰囲気改善

これにより「縁の下の力持ち」が評価されやすくなります。

 

バージョンアップ後の価値

この仕組みにより、

・評価の公平性が向上
・納得感が高まる
・多様な人材が活躍しやすくなる
・上司の評価負担が軽減される

という効果が期待できます。

つまりこのアイデアは、単なる「評価の自動化」から「公平な評価を実現するAI」へと進化します。

これは多くの企業が抱える「評価が不公平」という根本課題の解決につながるため、事業としての魅力もさらに高まると考えられます。