【はじめての当確①】R1から解き進んで変化を捉える

診断士｢2次｣の受験者数は近年急増し、R2～R3は6,000人台、R4からは9,000人を超えています。その合格率は18.6％に固定され、大数の法則による実質的な「2割ガチャ」現象が続いています。つまり、どんな戦略を用いても平均すると約2割の受験生が合格圏に入り、その他は落選の瀑布となる構造です。

この合格期待値2割を境に戦略の分岐が生じ、期待値が2割を超える層（上位5％に位置する「放っておいても受かる」強者）と、そこに届かない層では取り組みが異なり、多数派戦略でワンチャン2割を目指すことも一つの手です。

大数の法則と2割ガチャ： 受験者約9,000人という母集団では、試行回数が多いほど平均値に収束するため「合格率20％」が事実上の定数となります。いわば当たり外れのランダム要素が作用し、受かるかどうかは天に任せる2割ガチャに陥りやすいのです。

戦略の二極化： 統計学的には、期待値20％を超える突破率を狙える戦略が取れない受験生は、いくら精緻な準備をしても合否が振り分けられる側面が強くなります。逆に上位層は過去の典型答案に頼らず「問いの本質」を突く独自解答で多数派弱者との差別化を目指します。

同質化戦略の弊害： いわゆる「ふぞろい構文」を丸暗記して大量適用する同質化戦略は、上位層にとってむしろ逆効果です。すべての答案が同じ枠組みで書かれると、採点基準上で差がつきにくくなるためです。たとえば他資格試験でも指摘されるように、出題者は意図的に深く考えさせる問いを設計しており、単に過去問の表層をなぞる学習者は問題の裏にある意図まで読み解けず、応用問題に弱くなります。

「量産構文」の淘汰メカニズム： 同一のテンプレートを使いまわした答案は「同額原価」として等価評価され、選抜機能が低下します。相対評価で合否が決まるこの試験では、他と同じ答案を書いていては上位20％に入れません。事実、現場でもふぞろい教祖たちの多くが大量のキーワード詰め込み答案しか書かず、AI学習モデルで解析すると「100字に詰め込むばかりで視点が表面的になる」と指摘されています。

R1｢Ⅰ｣(ゆで蛙組織の農機メーカー)では、古参受験生が多用する並列列挙型答案を狙い撃ちする設問が出題されました。具体的には問1で「ビジネスとして成功しなかった最大の理由」を100字で問い、与件から背景因果を読み解いて仮説検証する解答を求めました。この問い方は“～要因、～企業風土”と列挙型で書かせるベテラン構文を意図的に潰すもので、その小さなオツムで何度も覚えた2次専用知識の並列列挙を赦さない出題と、ベテラン勢をがっかりさせます。

同様にR2～R3でも「～理由と狙い」「～利点と欠点」といった複数要素を同時に簡潔に記述させる設問が増え、従来型の一つ覚えの知識を書き殴る100字から、バランスの良い多面的な分析記述へのシフトを打ち出しています。これらは、「知識解答」を嫌い仮説立案能力を重視する試験設計の一貫とされ、与件文の奥にある論理的因果や経営者の意図を直撃する問いになっています

さらにR4には出題形式が一変し、「中小企業診断士として助言せよ」という助言問題が5問中4問を占めます。与件には組織・人事課題が網羅的に散りばめられ、受験生は膨大な情報を整理・分析して具体的な助言を与える必要があります（例：組織再編や権限委譲、人員配置など）。

「助言だらけの農業法人」という過去に全く見られない初見事例では、その全問で現場対応力が問われ、時間切れを誘発する与件と設問文が設定されました。R5～R6でも、複合的経営課題が次々盛り込まれ、顧客高齢化対策や物流改革などリアルな場面設定が続きます。いずれも従来型の教科書的知識ではなく、与件情報を元に現実解を導く実践的解答力が求められます。

またR4以降は上記のように助言形式が激増して設問形式自体が変化するほかに、5つある設問に一つ一つ答えるだけではスコアが伸びない、｢解答の一貫性｣が問われ始めました。また、段落や字数制限の設定も工夫が見られ、与件重要語句を用いながら論理的・簡潔にまとめる力が一層重視されるようになりました。

これらの変化は「ふぞろいの多数派同一答案」を意図的に揺さぶるもので、小さなオツムで覚えたキーワードやフレーズをテンプレ的に詰め込むことを避け、問題の背景・意図を捉えた文章構成を受験者に要求しています。

受験戦略の上で肝要なのは、過去問を丸暗記することではなく、なぜその問題が作られたかを分析することです。教員採用試験でも指摘されるように、出題者は考えさせる問いや判断を要する設問を意図的に作るため、出題文の構成や語彙選択には評価観点が表れています。

同様に診断士試験でも、過去問の学習に終始して問いの意図や新傾向を読み解かない学習者は、応用型・複合型問題で致命的な弱点を露呈します。つまり、過去問は答え合わせツールではなく、設問作成者の思考プロセスを探る読解練習の教材と位置づけるべきなのです。

ChatGPTをはじめとする生成AIの急速な普及は、ホワイトカラーの仕事の質と必要スキルを変容させています。AIは膨大な情報処理やコンテンツ生成を瞬時に行える一方、人間には独自の創造力や判断力など高次の認知能力が求められるとの専門家の指摘は正しいでしょう。

具体的にはブルームの6段階のタキソノミが「記憶→理解→応用→分析→評価→創造」の階層が重視してきたのに対し、生成AIは前半の低次思考(＝過去問の答を覚える段階)をすっ飛ばして試験委員が求める以上の創造のアウトプットを生成してしまいます。この劇的な進化の中で、人間には「問いの構造を正しく把握する力」や「SNSの噂を鵜呑みにしない批評力」が今まで以上に要求されるようになっています。

生成AIは情報処理力に優れるため、これらの能力に依存するタスクはAIに置き換えられつつあります。一方で、AIが苦手とする「問いの意図を読み解く力」「問いに含まれる複数要素を構造的に整理する力」「誤りなく意味を伝える表現力」などが、人材の必須スキルとなっています。

教育現場で「AIを使いこなすには、従来の知識詰め込み型教育から問いの意味理解に重心を移す必要がある」と議論されていることはこの際知っておくべきです。

試験委員もこの時代変化を意識し、問題作成における従来の「問題を少しズラすトリッキーな問法」から、「真芯を直撃する問い」へと方針を移しています。

すなわち、解答者がAI頼みで表面的に答えられないよう、設問そのものを現実の課題そのまま核心に迫る形で出題する傾向が強まってきています。先述のR1問1のような「最大の理由」はその一つの先行例であり、与件内容の核心を正確に捉えた答えが求められると読み解く必要があります。

これまでは型や構文が重視されましたが、AI時代以降は「意味をズラさずに正確に答える力」が評価軸となりつつあります。

具体的には、設問が示す文脈・条件から外れない厳密な解答が求められ、与件文から逸脱した表現や曖昧な論理展開は減点対象になります。対照的に、情報を整理して的確に核心を突く解答は高く評価されます。こうした評価観点のシフトは、今後さらに進むと考えられます。