AI前提の企画が増えるほど、私は逆に「最初の問い」の雑さが気になるようになりました。
アイデア出しも試作も昔より速いです。だからこそ、何を解くのかが曖昧なままでも前に進めてしまいます。ここがいちばん危ないと感じています。
デザイン思考は、私にとってはワークショップの名前というより、議論をユーザーの現実へ戻すための型です。観察して、問いを絞って、試して、戻す。この順番があるだけで、AIを使った企画や改善でも判断がかなり安定します。
この記事では、デザイン思考をきれいな理論としてではなく、現代ビジネスで問いの質を落とさないための実務的な見方として整理します。
デザイン思考とは何か ― 5ステージと本質
デザイン思考（Design Thinking）は、スタンフォード大学d.schoolやIDEOが体系化した、人間中心のイノベーション手法です。
Tim Brown（IDEO元CEO）が提唱した有名な定義はこうです：
「人間のニーズ、技術的可能性、ビジネス的実現性の3つを統合して、新しい解決策を生み出すアプローチ」
要するに「かっこいい技術」や「自社の都合」だけで進めるのではなく、使う人にとって無理なく使えて、現場でちゃんと続くかを起点に考えるフレームワークです。
実践プロセスは以下の5ステージ（直線的ではなく、繰り返し回すのが特徴）：
-
共感（Empathize）
ユーザーの行動を観察し、インタビューし、感情や文脈を深く理解する。アンケートやログだけでは見えない「なぜその行動を取るのか」を探る。現場に行く、影から見る、実際に一緒に体験する。 -
定義（Define）
集めたインサイトから「本当に解くべき問題」を1文で明確にする。「もっと使いやすく」ではなく、「新入社員が初日に感じる『どこから手をつけていいかわからない』不安を、初動30分で解消する」といった具体性まで落とす。 -
発想（Ideate）
量を重視してアイデアを大量に出す。批判厳禁、奇抜なものもOK。ポストイットやホワイトボードで視覚化しながら広げる。 -
試作（Prototype）
すぐに形にする。紙芝居、Figmaの低忠実度モック、実際に動く最小限のコードなど。完璧を求めず「伝わるかどうか」を優先。 -
検証（Test）
実際のユーザーに試してもらい、フィードバックをもらう。成功/失敗を次のループに活かす。
この5つを何度も回すことで、表面的な解決策ではなく、本質的な価値に近づいていきます。
私が特に重要だと思っているのは、「正解を探すのではなく、良い問いを立てる」という姿勢です。AI時代にこの考え方が効きやすい理由もここにあります。
現代ビジネスでなぜ今、デザイン思考が効くのか
いまのビジネス環境は、変化が速くて前提がすぐ動きます。生成AIの実装、社内運用の見直し、規制対応、UIの期待値。いろいろな論点が同時に走るので、問いが曖昧なままでも企画だけが進みやすいです。
そんな中で起きている典型的な失敗パターンがこれです：
- 「AIで業務を自動化しよう！」とツールを入れたのに、現場が使わない
- 「最新のUIフレームワークでリニューアルしたのに、CVRが上がらない」
- 「社内チャットボットを導入したのに、問い合わせが減らない」
原因のほとんどは「技術ありき・自社都合ありき」で、ユーザーの本当の文脈や痛みを深く理解していないことにあります。
デザイン思考は、この「人間側の変数」を最初に大きく扱うことで、リスクを大幅に減らします。特に日本企業では、以下の点で効きやすいと感じます：
- 「顧客の声は聞いているつもり」だけど、体系的に「観察→定義→検証」を回せていない
- 部門間のサイロ化が強く、ユーザー体験を横断的に見られない
- 「失敗を許容する文化」がまだ弱い（デザイン思考は小さな失敗を早く回す文化を育てる）
結果として、投資対効果が高く、持続可能なイノベーションにつながりやすい。まさに「変化の激しい時代にこそ必要な、変化に強い思考法」だと思います。
ビジネスでの活用例 ― 実務で見え方が変わる場面
デザイン思考は、きれいな付加価値を作るためだけのものではありません。私の感覚では、いちばん効くのは「議論が便利さや思いつきに寄り始めたとき」です。
1. 新規機能企画で、要望をそのまま要件にしないために使う
プロダクトの要望整理をしていると、「ダッシュボードが欲しい」「AIで自動化したい」「通知を増やしてほしい」といった声が並びます。
ここでそのまま要件化すると、機能は増えても体験はよくならないことがあります。デザイン思考を挟むと、見るポイントが変わります。
- その人はどの場面で困っていたのか
- 何が面倒だったのか
- どこで不安になっていたのか
- 本当に欲しかったのは一覧なのか、安心感なのか、判断の速さなのか
私はこの確認を入れるだけで、必要なものが大きな画面や多機能なUIではなく、朝の要約、危険案件の先回り通知、入力時の補助文、みたいな小さな改善に変わる場面を何度も見てきました。
ここで大事なのは、ユーザーの言葉を否定することではなく、その言葉が出た背景まで見にいくことです。要望をそのまま採用するより、要望が生まれた不便や不安を掴めた方が、結果としてシンプルで強い設計になりやすいです。
2. 社内AI導入で、「何ができるか」より「どこで止まっているか」を見る
AI導入の議論も、デザイン思考とかなり相性が良いです。ツールの比較から入ると、どうしても機能の話に寄ります。
でも現場で見たいのは、実際にはそこでありません。
- どの業務で詰まっているのか
- 誰がどのタイミングで待たされているのか
- 何が面倒で、どこに確認コストがあるのか
- AIが入ることで、逆に不安が増える点はどこか
たとえば議事録AIを入れる話でも、必要なのが全文文字起こしではなく、会議後のアクション共有かもしれません。FAQ検索でも、検索精度以上に「その回答を使っていいのか」がボトルネックかもしれません。私はこの視点がないままAI導入を進めると、便利そうなのに使われない、という状態になりやすいと思っています。
特に社内ツールは、導入の決裁者と実際の利用者がずれていることが多いです。ここを見ずに進めると、導入時の説明は通っても、現場では別の確認フローが残り続けます。デザイン思考は、そのズレを早い段階で表に出しやすいのが強みです。
3. 既存導線の改善で、「数字の悪さ」を人の行動へ戻す
CVRが下がった、離脱率が高い、問い合わせが多い。こういう数字を見ると、つい画面改善や文言修正から入りたくなります。
ただ、数字だけを見ていると、行動の文脈が抜けます。私はこの時こそ、デザイン思考の観察が効くと思っています。
実際には、
- 入力項目が多いから離脱しているのではなく、何を入力すべきかわからず不安になっている
- 比較表が足りないのではなく、自分に関係あるプランがどれか判断できていない
- 問い合わせが多いのは説明不足ではなく、責任範囲が曖昧で確認したくなっている
といったズレがよくあります。
デザイン思考は、数字を否定するためではなく、数字の裏にある行動や感情を見にいくための補助線として使うとかなり強いです。
AI時代におけるデザイン思考の進化 ― ハイブリッド活用の可能性
ここはいま特に面白いポイントです。
生成AIの登場で、デザイン思考の各ステージが劇的に加速します：
- 共感段階: AIで大量のインタビューテキスト・行動ログ・SNS声を分析し、潜在ニーズをパターン抽出。人間が全部読むより遥かに速く、隠れた相関を発見できる。
- 発想段階: 「このユーザーペインに対する20の解決策を、制約なしで出して」とAIに聞けば、多様なアイデアが即座に。人間はそれを評価・組み合わせ・深掘りする役割にシフト。
- 試作段階: v0.dev、Cursor、Figma AIなどで、UIモックやコードを秒単位で生成。低忠実度から高忠実度まで一気に作れる。
- 検証段階: AIエージェントでユーザーロールをシミュレートして初期テスト。A/Bテストの仮説立案もAIが支援。
ツクリエでも、最近のプロジェクトでこのハイブリッドアプローチを試しています。
具体的には：
- ユーザーインタビューは人間が実施（感情の機微を逃さないため）
- 文字起こしとパターン分析はAIで高速化
- アイデア出しと複数プロトタイプ生成はAIをフル活用
- 最終的な「本当に解くべき問題」の定義と優先順位付けは人間チームで深掘り
結果、従来の半分以下の時間で質の高いペルソナとユーザー・ジャーニーマップが作れ、プロトタイピングサイクルも3倍速くなりました。
ただし、大事な注意点があります。
AIは「平均的なユーザー」の声を拾いやすい。ニッチな痛み、文化的なニュアンス、感情の機微、コンテキストの揺らぎはまだ人間の観察・共感が優位です。また、AIが生成したアイデアを鵜呑みにすると「ありきたりな解決策」に収束しやすい。
つまり、AIは強力なアシスタントだけど、船の舵を取る「問いを立てる力」は人間が持つ必要がある。デザイン思考はその「問いを立てる力」を体系的に鍛える型としてかなり相性が良いです。
私は、AIとデザイン思考の関係は対立ではなく役割分担だと思っています。AIは速く広げるのが得意で、人は何を見るべきかを決めるのが得意です。この役割分担がはっきりするほど、企画も改善もブレにくくなります。
実務で効くポイントと、よくある落とし穴
最後に、実際に現場で効く条件と、失敗しやすいパターンを整理します。
効くポイント
- 複雑で不確実性の高い問題（新規事業、既存サービスの大幅改善、社内プロセス変革）
- ユーザー多様性が高い領域（BtoC、BtoBtoC、社内ツールでも職種横断）
- クロスファンクショナルチームで取り組める環境
- 小さな失敗を許容し、早く回せる文化がある（または作れる）
よくある落とし穴（これをやるとほぼ失敗する）
-
「ワークショップやった！」で満足する
ポストイット貼って終わり。プロトタイプもテストもやらない。これが一番多い失敗パターンです。デザイン思考は「プロセスを回す」ことに意味がある。 -
経営層のコミットがない
現場だけが熱くなって、予算や意思決定が追いつかない。結果、良いアイデアが死ぬ。 -
KPIと紐づけていない
「ユーザー満足度が上がった」で終わらせず、「売上・継続率・サポートコストにどう影響したか」まで追う。でないと「面白い取り組み」止まり。 -
チームの多様性が低い
同じバックグラウンドの人ばかりだと、共感の幅が狭まり、インサイトが浅くなる。可能ならユーザー代表や他部門を巻き込む。 -
完璧主義でプロトタイプを遅らせる
「もっと良いものを作ってから見せよう」と思っているうちに、機会を逃す。低忠実度で早く出すのが鉄則。
私の経験則では、成功したプロジェクトは必ず「観察→検証」のループを3回以上回していました。1回で終わらせると、ほぼ確実に浅い解決策になります。
逆に言うと、最初の仮説が外れること自体は問題ではありません。観察と検証を前提にしていれば、外れた仮説も次の精度を上げる材料になります。私はこの感覚がチームに共有されるだけでも、企画の空気はかなり変わると思っています。
まとめ ― AI時代にデザイン思考がもたらす「視点の変化」
私は、デザイン思考の価値はアイデアを増やすこと以上に、問いを雑にしないことにあると思っています。実務でいちばん効くのも、私はこの部分だと感じています。
AI時代は、試作も要約も分析も速くなりました。でも、何を解くべきかが曖昧なまま進めてしまう危険も同時に大きくなっています。だからこそ、観察して、文脈を見て、問いを絞るこの型が効きます。
人間中心という言葉はきれいに聞こえますが、実務ではかなり現実的です。使われない機能を減らし、説明しても伝わらない導線を減らし、現場で本当に止まっている点を見つける。そのための見方として、デザイン思考はこれからも強いと思っています。
特に、企画の初速だけはあるのに、出したあと伸びない施策が続いているチームほど、この視点は効きます。観察して、定義して、小さく試して戻す。この当たり前の循環を雑にしないことが、結局は一番大きな差につながるからです。
