【反撃の2年目】事例AI作問の手順&一挙両得効果を解説

｢2次｣対策で過去問の反復学習と模範答案の暗記に依存する「ふぞろい勉」は、一見効率的に見えて、重大な落とし穴を抱えています。

型で固定――過去問に出た型やキーワードを丸暗記すると、本番で問題文の表現が少し変わっただけで解答の糸口を見失うリスクがあります。
題意誤読――「模範解答通り書けば通る」という思い込みが、与件企業固有の背景を無視した答案を生み、減点の原因となります。
応用力不足――新傾向問題や意図を変化させた設問には対応できず、８割不合格ループを招くのです。こうした限界を突破するには、「未知の事例」を経験し、自ら構想を組み立てる訓練が不可欠です。

そこでAIに事例を作問させ、過去問の答の暗記を避けると、以下3つの利点があります。

1. 生成的学習：自ら問いを立て、解答骨子を生成する「能動的学習」によって知識が深く定着します。
2. 望ましい難化(Desirable Difficulty)：今の実力より少し難易度を上げた課題は学習効果を高め、メタ認知を促進します。AI作問で意図的に変化を加えることで、この難化を実現できます。
3. 適度な認知負荷：AIが複雑な出題ルールやバリエーションを担い、受験生は思考リソースを構想プロセスに集中できます。

事例作成プロンプト

• ステップ①「レイヤー」を設定（例：全社戦略1問、組織戦略2問、人事施策2問等）
• ステップ②「経営課題5つ」を設定(解答させたいA社の経営課題を設定。近年は1問で2経営課題を多元達成させることが多い)
• ステップ③「設問タイプ」を選定（情報整理・期待効果・助言)
• ステップ④「企業設定」を指示（業種・規模・制約条件）
• ステップ⑤「字数・制約」を指定（100字×5問など）
  この逆算手順に従い、ChatGPT等に「○○力を評価する目的で、△△な設問文を生成してください」と指示します。

設問・解答字数の｢遵守｣｢逸脱｣モード

• 遵守モード：事例Ⅰ＝100字×5問、事例Ⅱ＝4問、事例Ⅲ＝長短混在５問の「準ルール」に沿う
• 逸脱モード：あえて事例Ⅰを80字×3＋160字×1に変える、事例Ⅱを5問にするなど、思考の揺さぶりを与える

サンプルプロンプト

このプロンプトでは与件＋設問文を同時に作成しているが、別にしたり順番を変えたり、工夫すると良い。

• 事例Ⅰ（人材承継×組織再編） 「同族経営の製造業A社。事業承継を契機とした組織再編と若手活用を課題とした与件文（1,200字）と、100字×5問を助言型／課題抽出型で作成してください。」
• 事例Ⅱ（感覚価値マーケ×EC融合） 「観光地小売業B社。来店減少、EC活用、顧客ファン化を課題とした与件文（1,000字）と、100字×4問をマーケ戦略中心に作成してください。」
• 事例Ⅲ（工程改善×人材教育） 「加工業C社。属人的生産計画と仕掛在庫増、ベテラン依存を課題とした与件文（1,100字）と、短文１問＋長文140～160字含む５問を作成してください。」

効果

• 初見事例の対応力：多種多様な業種・課題を経験し、“考える引き出し”を増やす
• 題意を正しく捉える：出題意図を読み解く視点と柔軟な発想力を習得
• 自己効力感：自分で問題を作り解く「創造感」でモチベ向上

留意点

• 過去問焼き直しの回避：似すぎた与件文や設問語句は意図的に変更
• AI出力の検証：誤情報や著作権問題に注意し、必ず一次資料で確認
• プロンプト過度指定の注意：指示を詰め込みすぎると生成品質が低下。上流設計を練り直す姿勢を

｢80分の過ごし方はひとそれぞれ｣なAI普及前と異なり、AI普及後は｢ベストの80分の過ごし方｣に収斂します。特に｢書きながら考えない｣ための、前半40分構想フェーズ、後半40分記述フェーズへの完全分離が進み、構想フェーズでは与件の多読・設問解釈・解答骨子設計に集中。記述フェーズは骨子に従い、一気に100字×5問を書きあげます。

二重符号化理論：思考（言語表象）と記述（視覚表象）を切り分けることで認知負荷を軽減し、学習効率が高まります。

分散学習の原則：短時間・高頻度の構想練習を反復し、長期記憶と技術定着を促進。

メタ認知トレーニング：自己評価とフィードバックのサイクルを高速化し、自己調整力を育成します。

構想練習ルーチン

• 毎日異なる新作事例を３本用意し、各40分で解答骨子（箇条書きメモ）を完成させる。
• 清書はせず「問題→骨子→次へ」を繰り返し、思考回路を鍛える。

構造セルフチェックリスト

• 因果関係…「AだからB」の論理が明快か
• 一貫性…設問間で論調は矛盾していないか
• 妥当性…提案が与件と合致しているか
• 具体性…与件根拠の明示が十分か

AIセルフレビュー実践

• ChatGPTに「模擬採点者として答案を評価し、論理飛躍や改善点を列挙してください」と依頼。
• AIの講評を参考に、自分で最終的な答案修正ポイントを決定。

週間ハイブリッド計画

• 平日：構想ラッシュ（3事例×5日＝15本）
• 週末：過去問1年分を80分×4事例で通し実施、午後に自己チェック＆AIレビュー

効果

• 構想スピードと精度向上：限られた時間内で骨子を練る力が格段にアップ
• 答案例の一貫性確保：全体を俯瞰してから書くことで論理の抜け漏れを減らす
• メタ認知力強化：自己チェックとAIレビューで客観視の習慣化

留意点

• 論理チェックの過度化：完璧を目指しすぎて時間を費やさない
• AI評価の盲信禁止：AIの指摘を参考にしつつ、自分の目で最終判断を

｢ベテ勉｣｢ふぞ勉｣と呼ばれる、人類なら明らかに誤りと分かる｢過去問の答を覚える合格ノウハウ｣。以下どちらを選ぶかで、結果は真逆に。

再現型学習：過去問暗記→模倣に終始し、答えが一つと想定される知識再現型。

創造型学習：AI作問→未知の問いに対して仮説を立てる／構想する訓練。多様な解答が許容される記述型試験に適応。

これまでおベテの世界で行われていた｢自分達で事例を作問｣。生成AIにより参入障壁がゼロになり、今年で一気に普及します。

役割シフト学習：学習者自身が「問いを作る側」に回ることで深い理解と主体性が芽生えます。

自己決定理論：自ら課題設定することで内発的動機づけが高まり、自律的学習が促進。

学習共同体の拡張：AIとの対話を含む「疑似協働」が批判的思考力を育てる環境を提供。

AIで新作事例を作ったら、仲間に解かせて答を観察。AIは無限に作問するため、｢作問心理を知る｣以外の利点も豊富です。

逆プロンプト演習

• AI生成問題を受け取り、「この問いで何を評価したいか？」を自問しフィードバックをAIに返すループを実施。

倫理＆透明性チェック

• AI生成問題は必ず「AI出題」と明示し、過去問と類似度が高い場合は与件表現を差し替える。

セルフドリブン学習ダッシュボード

• 作問数・構想数・フィードバック取得数を可視化するツールを自作またはExcel管理し、PDCA進捗を把握。

効果

• 自走型学習習慣の定着：自ら問いを生成し構想することで、勉強が“やらされ”から“自ら駆動”へ
• 自己調整力・問題設計力の醸成：実務的な問題設定能力が身につき、企業分析の本質を理解
• 合格後の実務適用力：未知課題への対応力が身につき、診断士として即戦力化

留意点

• AI依存のリスク回避：AIの誤情報やバイアスを鵜呑みにせず、必ず自分で検証
• 人間主体の自覚維持：最終的な意思決定者は本人であることを忘れない