また市場データを集めるだけで、今日の午後が終わりそうです
これは、ある製造業の経営企画部で中期計画づくりを担当する佐藤さん（仮名）が、経営会議の前日にSlackへ残した一言です。半年前まで同部門では、市場調査、競合分析、経営資料作成の多くが個人の経験と手作業に依存していました。事業部長からは「次の打ち手を早く見たい」、財務担当からは「数字の前提をそろえてほしい」という声が上がり、経営会議の前日は確認依頼と資料修正が重なっていました。
現在は、生成AIを使って公開情報のリサーチ観点を整理し、PESTや3Cで論点を分解し、役員報告用のストーリーラインを作るところまでを研修内で型化しています。ある社内トライアルでは、2026年4月の経営会議資料3件を対象に、初稿作成までの作業時間が1件あたり平均6時間から3.5時間に短縮されました。これは限定的な検証結果であり、対象資料や担当者の習熟度によって変わるため、汎用的な効果として扱うには追加検証が必要です。
生成AIは、経営判断を代替するものではありません。市場規模、競合情報、財務数値、顧客動向は必ず人がファクトチェックし、最終的な判断は経営企画部門と経営層が担う必要があります。
この記事では、経営企画 生成AI活用を「個人の便利ツール」ではなく、部門別AI活用研修として定着させる方法を解説します。目指すのは、リサーチや資料作成に追われる状態から抜け出し、仮説構築、意思決定支援、事業計画の精度向上に時間を使える状態です。
経営企画部門で生成AI活用研修が必要とされる背景
経営企画部門は、企業の意思決定に近い場所で動く部門です。中期経営計画、年度予算、事業計画、新規事業検討、M&A、全社KPI設計など、扱うテーマは広く、関係者も多岐にわたります。
一方で、日々の実務では次のような作業に多くの時間が使われています。
- 市場調査のために公開資料、IR、業界レポートを探す
- 競合企業の事業内容、価格、強み、弱みを整理する
- 事業部から集めた情報を経営会議向けに再構成する
- 役員報告に向けて資料のストーリーラインを作る
- 数字の前提や出典を確認し、想定質問に備える
これらは、いずれも経営企画に欠かせない業務です。ただし、調査や資料化に時間が偏りすぎると、本来時間をかけるべき「どの論点を扱うべきか」「どの選択肢を比較すべきか」「経営として何を決めるべきか」まで手が回りにくくなります。
生成AI活用研修が必要なのは、単に作業時間を短縮するためではありません。経営企画部門の仕事を、情報収集中心から意思決定支援中心へ移していくためです。
生成AIの活用では、利便性だけでなく、透明性、説明責任、リスク管理、人による監督も重要です。国内では、経済産業省とIPA・AISIの共同事務局によるAI事業者ガイドライン検討会が、2026年3月31日に「AI事業者ガイドライン（第1.2版）」を公表しており、AIガバナンスを継続的に改善するためのチェックリストやワークシートも整備されています。
生成AIで変えられる経営企画業務
経営企画部門のAI活用は、大きく3つの領域に分けられます。市場調査 AI、競合分析 AI、経営資料 AIです。
| 領域 | 主な活用内容 | 人が確認すべきこと |
|---|---|---|
| 市場調査 AI | 調査論点、情報源、PEST観点、経営会議で問われそうな質問の整理 | 市場規模、成長率、統計データ、出典の妥当性 |
| 競合分析 AI | 比較軸、3C分析、競合比較表、判断材料の整理 | 競合の最新情報、料金、導入実績、公式情報との整合性 |
| 経営資料 AI | ストーリーライン、スライド構成案、想定質問、補足資料の整理 | 推奨案の妥当性、数字、リスク評価、最終的な意思決定 |
市場調査 AI：調査の出発点を早く作る
市場調査で時間がかかる理由の一つは、最初から情報収集に入ってしまうことです。
たとえば「国内BtoB SaaS市場について調べる」というテーマだけでは、見るべき情報が広すぎます。市場規模、成長率、顧客セグメント、法規制、技術動向、海外プレイヤー、代替サービスなど、確認すべき論点が散らばります。
生成AIは、この最初の論点整理に向いています。AIに正確な市場規模を聞くのではなく、調査の設計を手伝わせる使い方です。
たとえば、次のように依頼します。
テーマ：国内BtoB SaaS市場の今後3年間の成長可能性 このテーマについて、経営企画部門が事業計画を作る前に確認すべき論点を整理してください。 出力形式： 1. 主要論点を7つ 2. 各論点で確認すべき一次情報 3. PEST分析で見るべき観点 4. 数字を確認するときの注意点 5. 経営会議で問われそうな質問PESTとは、政治・経済・社会・技術の4つの外部環境から事業への影響を整理するフレームワークです。AIにPESTの観点を出させることで、調査の抜け漏れを減らしやすくなります。
この段階でAIに求めるのは、正解の数字ではありません。どの情報を当たるべきか、どの順番で調べるべきか、見落としやすい観点は何かを整理することです。
つまり、市場調査 AIの価値は「答えを出すこと」よりも、「調査設計を早く作ること」にあります。
競合分析 AI：比較軸をそろえる
競合分析では、担当者ごとに比較軸がぶれやすくなります。
ある人は価格を重視し、別の人は機能を重視し、また別の人は販売チャネルや導入実績を重視します。その結果、経営会議では「この比較表は何を判断するためのものなのか」が曖昧になることがあります。
生成AIを使うと、競合分析の比較軸を先にそろえられます。
以下の条件で、競合分析の比較軸を設計してください。 対象： - 自社：法人向け生成AI研修サービス - 競合A：大手研修会社 - 競合B：AIコンサルティング会社 - 競合C：eラーニング事業者 出力： 1. 3C分析の観点で見るべき項目 2. 競合比較表に入れるべき項目 3. 経営判断に使える評価軸 4. 調査時に確認すべき情報源 5. AIでは断定せず、人が確認すべき項目3Cとは、Customer（顧客）、Company（自社）、Competitor（競合）の3つから事業環境を整理するフレームワークです。競合分析 AIは、比較表の作成だけでなく、「何を比較すれば意思決定につながるのか」を整理するために使えます。
ただし、競合の料金、導入実績、機能、組織体制などは変化します。AIの出力だけを資料に載せるのではなく、公式サイト、IR資料、プレスリリース、営業現場の一次情報などで確認する必要があります。
経営資料 AI：ストーリーラインを作る
経営資料作成で難しいのは、情報を並べることではありません。経営層が判断しやすい流れに組み替えることです。
よくある経営資料の課題は、次のようなものです。
- 調査結果は多いが、結論が見えにくい
- 事業部の説明をそのまま貼っており、全社視点になっていない
- グラフや表はあるが、何を判断してほしいのかが曖昧
- リスクや代替案が十分に整理されていない
- 役員からの質問に備えた補足が不足している
生成AIは、こうした資料のストーリーライン作成に活用できます。
以下の情報をもとに、経営会議向けの資料構成を作成してください。 目的： 新規事業Aへの追加投資を判断してもらう 前提： - 市場は拡大傾向 - 競合参入が増えている - 初期顧客の反応は良い - ただし営業体制と開発体制に制約がある 出力： 1. 役員報告用のストーリーライン 2. スライド構成案 3. 各スライドのタイトル 4. 経営判断に必要な論点 5. 想定される質問と回答の方向性 6. ファクトチェックが必要な箇所この使い方では、AIに資料の完成を期待しません。最初の骨子を作り、人が論点、数字、意思決定ポイントを磨き込む流れを作ります。
経営資料 AIは、経営企画担当者の代わりに判断する存在ではなく、考える順番を整える補助者として位置づけることが重要です。
経営企画部門向けAI研修で扱うべき内容
経営企画部門の生成AI研修では、単にプロンプトの書き方を教えるだけでは不十分です。実務に接続するためには、業務プロセスごとに使い方を設計する必要があります。生成AIの活用は、チャット画面で指示を入力するだけでなく、公開情報の検索、社内資料の参照、複数資料の比較、論点整理、ドラフト作成までを一連の業務フローとして設計する方向に広がっています。研修でも、どの工程をAIに任せ、どこで人が確認し、どの情報源を根拠として残すかまで設計することが重要です。
リサーチ設計を学ぶ
最初に扱うべきテーマは、リサーチ設計です。
市場調査 AIを使う場合、いきなり「この市場について教えてください」と聞くと、一般論が返ってきやすくなります。研修では、まず調査テーマを「問い」に変える練習を行います。
- 悪い例
- 介護市場について調べてください。
- 良い例
- 2027年までに法人向け介護支援サービスへ参入するか判断するために、経営企画部門が確認すべき市場環境、顧客課題、規制、競合、収益性の論点を整理してください。
問いが具体的になると、AIの出力も実務に近づきます。
研修では、次の観点を扱うと効果的です。
- 調査目的を明確にする
- 意思決定に必要な情報と参考情報を分ける
- PEST、3C、SWOTなどのフレームワークを使い分ける
- 一次情報と二次情報を区別する
- ファクトチェック前提でAI出力を見る
競合分析を型化する
次に扱うべきテーマは、競合分析です。
競合分析では、情報を集める前に「どの軸で見るか」を決める必要があります。価格、機能、顧客層、導入ハードル、ブランド、販売網、サポート体制など、比較軸が多すぎると判断に使いにくくなります。
研修では、生成AIを使って比較軸を出し、その後に人が絞り込む練習を行います。
あなたは経営企画部門の競合分析担当です。 以下のサービスについて、経営会議で投資判断に使える競合比較表の項目を提案してください。 条件： - 比較項目は最大8つ - 経営判断に関係しない細かな機能差は除く - それぞれの項目について、なぜ重要かを説明 - 最後に、調査時に確認すべき一次情報を示すこのような研修を通じて、競合分析 AIを「情報収集ツール」ではなく、「判断軸を設計するツール」として使えるようになります。
経営資料のストーリーラインを作る
経営資料作成の研修では、スライド作成そのものよりも、ストーリーライン設計に重点を置きます。
経営層が知りたいのは、多くの場合、次の5点です。
- 何が起きているのか
- なぜ今、判断が必要なのか
- 選択肢は何か
- それぞれのメリット・リスクは何か
- 推奨案と次のアクションは何か
この流れをもとに、AIに資料構成を作らせます。
以下のテーマについて、経営会議向け資料のストーリーラインを作成してください。 テーマ： 海外市場への参入可能性 出力： 1. 経営会議で最初に伝えるべき結論 2. 背景と市場環境 3. 事業機会 4. 主要リスク 5. 選択肢A・B・Cの比較 6. 推奨案 7. 役員に判断してほしい事項 8. 補足資料に回すべき情報この練習を行うことで、経営資料 AIを「文章を整えるため」だけでなく、「意思決定の流れを作るため」に活用できます。
ファクトチェックとレビューを組み込む
経営企画部門のAI活用で最も重要なのは、ファクトチェックです。
生成AIは、自然で説得力のある文章を作ることができます。一方で、数字、出典、固有名詞、最新情報については誤る可能性があります。NISTの生成AI向けリスク管理資料「Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile（NIST AI 600-1）」では、生成AI固有のリスクを特定し、組織の目的や優先順位に応じて管理するための考え方が示されています。なお、その基盤となるAI RMF 1.0は現在改訂作業が進められています。
研修では「AIをどう使うか」だけでなく、「AIの出力をどう疑うか」に加えて、「どの出力を、どの根拠で採用したかを後から確認できる状態にする」ことまで扱う必要があります。
チェックすべき項目は次の通りです。
- 市場規模の出典は明確か
- 数字の年度、地域、対象範囲は一致しているか
- 競合情報は最新か
- 公式情報と矛盾していないか
- 推測と事実が混ざっていないか
- 経営判断に使うには根拠が十分か
- 社内の機密情報を入力していないか
- 参照したURL、資料名、公表日を残しているか
- AIが作成した要約と原典の内容を区別できているか
- 経営判断に使用した数字や事実の出典を後から追跡できるか
AI研修では、出力結果をそのまま採用するのではなく、「事実」「推測」「要確認」に分類する習慣を作ることが重要です。
Kanataを使う場合の研修設計
経営企画部門のAI研修では、ChatGPT、Microsoft Copilot、Gemini、Claude、社内AI基盤など、複数の選択肢があります。重要なのは、どのツールを使うかだけでなく、経営企画の業務プロセスに合わせて、データ、プロンプト、レビュー手順をどう管理するかです。
その中でKanataを使う場合は、AIチャット、AI要約、プロジェクトライブラリを組み合わせた設計がしやすい点が特徴です。弊社が提供するKanataは、AIチャット、AI要約、eラーニングなどを1つの業務支援プラットフォームとして扱える構成になっています。また、プロジェクト単位でメンバー、アプリ、ライブラリを管理できるため、経営企画部門専用のAI活用環境を作りやすい設計です。
研修前：業務と資料を棚卸しする
研修前には、経営企画部門で実際に使っている資料や業務を棚卸しします。
たとえば、以下のような資料を確認します。
- 過去の経営会議資料
- 中期経営計画の検討資料
- 市場調査レポート
- 競合比較表
- 事業部ヒアリングメモ
- 役員からよく出る質問
- 事業計画のフォーマット
これらをもとに、AIで効率化できる部分と、人が判断すべき部分を分けます。
最初からすべての業務をAI化しようとする必要はありません。まずは、市場調査の論点整理、競合比較表のたたき台、経営資料の構成案など、効果が見えやすく、リスクを管理しやすい業務から始めるのが現実的です。
研修中：実務テーマで演習する
研修中は、一般的なサンプルではなく、自社の業務に近いテーマを使います。
たとえば、以下のような演習が考えられます。
- 新規事業案の市場調査テーマをAIで分解する
- 競合3社の比較軸をAIで作る
- 経営会議向け資料のストーリーラインをAIで作る
- 役員からの想定質問をAIに出させる
- AI出力をファクトチェックリストで確認する
Kanataのように、AIチャットとAI要約を同じプロジェクト内で使える環境であれば、会議メモや資料の要約から、経営会議向けの論点整理までを一連の流れで演習しやすくなります。Kanataの資料では、AIチャットは質問・相談・作成依頼を行う機能として、AI要約は会議録音・議事メモ・資料などを指定フォーマットで要約する機能として説明されています。
研修後：プロンプトとチェックリストをライブラリ化する
研修後に重要なのは、学んだことを個人のスキルで終わらせないことです。
経営企画部門では、次のようなプロンプトを部門共通の資産として残しておくと、再現性が高まります。
- 市場調査の論点整理プロンプト
- PEST分析プロンプト
- 3C分析プロンプト
- 競合比較表作成プロンプト
- 経営会議資料のストーリーライン作成プロンプト
- 役員想定質問作成プロンプト
- ファクトチェック用プロンプト
Kanataを使う場合は、プロジェクトライブラリにAI設定、プロンプト、学習データを保管できるため、経営企画部門専用のプロンプトや参照資料を整理しやすくなります。資料上でも、プロンプトライブラリはよく使う指示文、学習データライブラリはAIに参照させたい社内資料の保管場所として整理されています。
経営企画部門のAI活用で注意すべきこと
生成AIは便利ですが、経営企画部門では特に注意が必要です。扱う情報が経営判断に直結するためです。
企業のAI活用を取り巻く制度環境も変化しています。日本では2025年6月4日に「人工知能関連技術の研究開発及び活用の推進に関する法律（AI法）」が公布・一部施行され、同年9月1日に全面施行されました。AIのイノベーションを促進しながらリスクに対応するための国の枠組みが整備される中、経営企画部門でも、AIを単なる業務効率化ツールとして扱うのではなく、社内ルール、責任分担、レビュー手順まで含めて運用を設計することが重要です。
AIの出力を経営判断の根拠にしない
AIが出した文章や表を、そのまま経営判断の根拠にしてはいけません。
AIは、仮説づくり、論点整理、比較軸の提示、資料構成の作成には有効です。しかし、市場規模、成長率、競合の売上、価格、顧客数、規制情報などは、必ず一次情報や信頼できる資料で確認する必要があります。
AIは「考え始めるための補助線」であり、「決めるための根拠」ではありません。
機密情報を入力しない
経営企画部門では、未公開の財務情報、M&A、人事情報、新規事業計画、投資判断、顧客別収益などを扱うことがあります。
こうした情報をAIに入力する場合は、社内の情報管理ルールに従う必要があります。重要なのは、機密情報をAIに一律に入力しないと考えることではなく、どの情報を、どのAI環境で、どの条件なら扱えるのかを社内ルールとして定めることです。利用するAIサービスについて、入力データの保存期間、モデル学習への利用有無、アクセス権限、ログ管理、契約条件などを確認し、情報区分に応じて利用可否を決める必要があります。
OECDのAI原則は2024年に更新され、プライバシー、安全性、情報の完全性、知的財産などの課題への対応が強調されています。経営企画部門でも、こうした観点を踏まえ、入力データの範囲を明確にする必要があります。
研修では、プロンプトの書き方だけでなく、次のルールもセットで伝えるべきです。
- 未公開財務情報などの機密情報は、会社が承認していない外部AIサービスには入力しない
- 個人名や顧客名は必要に応じてマスキングする
- 契約やNDAに関わる情報は事前に確認する
- 利用可否が不明な情報は入力せず、社内ルールや管理部門に確認する
- 社外提出前には必ず人がレビューする
AI活用を個人任せにしない
経営企画部門でAI活用が進まない理由の一つは、使い方が個人任せになることです。
ある担当者はうまく使えているが、別の担当者は使い方が分からない。ある資料ではAIが使われているが、別の資料では従来通り手作業になっている。この状態では、部門としての生産性は上がりにくくなります。
そのため、研修後には部門共通の運用ルールを作ることが重要です。
- どの業務でAIを使うか
- どのプロンプトを標準にするか
- どの情報は入力しないか
- どの段階で人がレビューするか
- 出力結果をどこに保存するか
- プロンプトを誰が更新するか
このルールがあることで、AI活用は一部の人の工夫から、部門の標準業務へ変わっていきます。
経営企画部門の理想像は「資料作成が速い部門」ではない
経営企画部門の生成AI活用というと、資料作成の時短が注目されがちです。もちろん、経営資料 AIによって初稿作成や構成案づくりが速くなることは大きな価値です。
しかし、理想は単に「資料作成が速い部門」になることではありません。
本当に目指すべきなのは、次のような状態です。
- 市場調査の初動が速くなる
- 競合分析の比較軸がそろう
- 事業計画の前提が明確になる
- 経営会議で議論すべき論点が早く見える
- 資料作成ではなく、仮説検証に時間を使える
- 役員や事業部との対話の質が上がる
- 経営判断に必要な情報を、早く、分かりやすく、根拠つきで提示できる
生成AIは、経営企画部門の仕事を軽くするだけでなく、経営に向き合う時間を取り戻すための手段です。
市場調査 AI、競合分析 AI、経営資料 AIをうまく組み合わせることで、担当者は「情報を集める人」から「意思決定の論点を設計する人」へ役割を広げられます。
まとめ
経営企画部門のAI活用は、個人が便利に使うだけでは十分ではありません。
市場調査、競合分析、経営資料作成、事業計画づくりといった業務は、経営判断に近く、関係者も多く、扱う情報の重要度も高いためです。だからこそ、生成AIを安全かつ効果的に使うには、部門別AI活用研修として型化する必要があります。
研修で扱うべきポイントは、次の通りです。
- 市場調査では、AIに答えを求めるのではなく、調査設計を手伝わせる
- 競合分析では、情報収集だけでなく、比較軸の設計にAIを使う
- 経営資料作成では、スライド作成よりもストーリーラインづくりにAIを使う
- ファクトチェック、機密情報管理、人によるレビューを必ず組み込む
- 研修後は、プロンプトとチェックリストを部門資産として管理する
Kanataのように、AIチャット、AI要約、プロンプトライブラリ、学習データをプロジェクト単位で整理できる環境は、経営企画部門のAI活用をチームの標準業務として育てたい場合の選択肢になります。ただし、どのツールを使う場合でも、重要なのは「AIに何を任せ、何を人が確認するか」を明確にすることです。
生成AIは万能ではありません。市場の未来を正確に予測することも、経営判断の責任を引き受けることもできません。
それでも、調査の初動を速め、論点を整理し、資料の骨子を作り、議論すべき問いを明確にすることはできます。経営企画部門が生成AIを使いこなす意味は、作業を減らすことだけではなく、経営の意思決定に向き合う時間を増やすことにあります。
Q&A
経営企画部門で最初に生成AIを使うなら、どの業務から始めるべきですか？
最初は、市場調査の論点整理や経営資料のストーリーライン作成から始めるのが現実的です。いずれも、AIの出力をそのまま使うのではなく、人が確認・修正する前提で活用しやすい業務だからです。
市場調査 AIに市場規模や成長率を聞いてもよいですか？
聞くこと自体はできますが、その数字を資料に使う場合は必ず一次情報を確認する必要があります。AIには、数値の断定よりも「どの情報源を確認すべきか」「どの論点で調べるべきか」を整理させるほうが安全です。
競合分析 AIでは何を任せるべきですか？
競合分析では、比較軸の設計、3C分析の観点整理、競合比較表のたたき台作成を任せると効果的です。一方で、競合の価格、導入実績、機能、顧客数などは変化するため、公式情報や営業現場の情報で確認する必要があります。
経営資料 AIを使うと、資料作成はどこまで自動化できますか？
スライド構成、見出し案、要点整理、想定質問の作成までは効率化しやすい領域です。ただし、経営判断に必要な数字、リスク評価、推奨案の妥当性は、人が確認する必要があります。AIは完成資料を自動生成する道具というより、初稿と論点整理を支援する道具として使うのが適しています。
生成AI活用研修を一度実施すれば、部門に定着しますか？
一度の研修だけでは定着しにくいです。研修後に、標準プロンプト、ファクトチェックリスト、入力禁止情報のルール、レビュー手順を整える必要があります。さらに、実際に使ったプロンプトや改善例を部門内で共有し、月次などで見直す運用があると定着しやすくなります。
