【目指す答案】ふぞろいと一緒は嫌～AIが考える｢2次｣の最新AI活用3選

近年の｢2次｣では、多数派受験者が指導校の模範解答に沿った「型どおり」の答案を書き、答案全体が類似化する傾向が目立ちます。

例えば解答構成の基本（MECE構造）や事業者視点への配慮などは受験対策書で繰り返し指導され、これが動画やSNSで拡散することで答案の同質化がみるみる進む。この結果、受験者が実際にどのように思考したか・選択したかが答案から読み取りにくく、採点者が困り果てる様子がわかってきました。

ここで診断士試験を思考プロセスの訓練と捉える方が現れ始める。企業の課題を「見える化」して施策を考え、効果を検証して解決する一連のプロセスが、実務で望まれる方向性と一致し、二次試験でも同様の思考展開が求められるとする立場です。

すなわち、答案作成では「問題点を可視化→対応策検討→効果確認→結果提示」というロジックを示すことが重要であり、これを意識することで答案に考えた跡を示すアプローチを取ります。

本レポートでは、上述の課題を克服し、答案に思考の跡を示しながら差別化を図るための３つの提言を示します。それぞれの理論的背景やAI技術の仕組み、実践手順、ケーススタディ、期待効果、留意点まで詳細に解説します。

受験生が直前期でも実践しやすい具体例を交え、図表の活用も提案します。

設問に対し単一の切り口で答えると、事例全体を俯瞰した多面的分析が欠落します。実際、ある受験生は「技術力」という一つの強みに飛びついた結果、他の強み（営業力など）を見逃し、模範解答とズレが生じていました。このように、多面的解答は重要と理解していても実践できていないケースが多いと言えます。

心理学の観点からも、拡散的思考（Divergent Thinking）は一つの状況に対し多様な解決策を考える能力であり、これが高い人ほど創造的に問題に対応できるとされています。診断士答案もまた、１つの事例から複数の視点・解決策を導くことで深みと説得力が増し、答案差別化につながります。

与件から主要課題を抽出するには、自然言語処理（NLP）の要約技術が有効です。NLPではテキスト要約アルゴリズムが用いられ、深層学習（特にトランスフォーマー型モデル）を使って文章を解析し要約文を生成します。

例えば、BERTやGPTのようなモデルを使って与件文全体を入力し、主要テーマや高頻度キーワードを抽出することで、会社Aの経営課題上位5項目を洗い出すことができます。

TF-IDFやトピックモデルを組み合わせた手法も有効で、文章中の重要文抽出により「抜け落ちた課題」を拾い上げます。このように、AIは大量の文書情報から重要情報を要約・抽出できるため、多元答案を作成する際の課題発見を支援します。

実践では、LLM（大規模言語モデル）に適切なプロンプトを与えて上位課題5つを抽出し、その後設問ごとに1施策複数効果になる解答を展開します。例えば以下のように指示します。

与件文全体からA社の経営課題上位5項目を抽出し、1つの設問ではのうち2つを同時に解決できる施策を構成してください。

これにより、AIは与件文からキーワードを基に上位課題をリストアップし、複数課題への対応策を提案します。
多元答案のフォーマットとしては、「番号付きリスト形式」や「表形式」が考えられ、ここは後日具体例で解説します。

R4｢Ⅲ｣第1問（150字）を例に考えます。課題上位5項目として「生産技術、営業力、コスト構造、市場開拓力、資金繰り」を抽出し、設問では「生産技術」と「営業力」を同時に解決する施策として、「技術開発と販促を両輪で強化する研究開発型販売チームの設立」など複合施策を提示する、というアプローチが考えられます。

AIに上記プロンプトを入力すると、各課題と対応施策の関係を因果的に整理した多元的な解答案が得られます（※サンプル出力は後日）。このように、課題を俯瞰して解決案を提示することで、答案に深い分析性が加わります。

多元答案アプローチにより、受験生は答案において幅広い視点の考察を示せます。結果として得点機会が増加し、他者との差別化が可能です。

また、試験勉強の段階で与件文の俯瞰読解が身につくため、本番の解答時間短縮にも寄与します。AIの利用によりプロンプト作成と答案骨子の生成は数秒～数十秒で済むため、投資対効果（コスパ）は高いと言えます。

｢2次｣では、解答の説得力を高めるために因果関係を明示することが有効です。特に、解答冒頭に与件からの直引用を置くと説得力が増し、採点者に「与件に根拠づけられた回答」と印象づけられます。

一方、EBAの江口氏はトップ合格者の答案解析で、その直引用を用いずとも高得点を取る答案があることを指摘しています。つまり、与件から引用するキラー根拠こそ必須ではないものの、確実に得点化したいポイントにフォーカスした答案は大きく加点されていそうです。

近年の言語モデルは引用生成にも対応可能です。プロンプトで明示的に「与件文から○字以内で直接引用せよ」と指示することで、モデルが該当部分を抜き出します。

また、因果文生成にはChain-of-Thought（思考鎖）技法が有効です。AI自身は直接因果を「理解」しているわけではなく相関的に推論するため、プロンプトで「引用→理由（因）→結論（果）」の構造を強く指定すると、期待する文型で出力しやすくなります。

このように、引用抽出と因果生成を連携させることで、モデルに直引用を含む短文（約100字）の因果構造回答を作らせることができます。

実際の運用では、以下のようなプロンプトを例示できます：

解答案に最低3つのキラー根拠（うち1つは最重要箇所）を与件文より言い換えず引用し、引用→因→果の構造で100字・1文×3センテンスの答案を生成してください。

この指示では、「言い換えなし引用」を明確に要求し、各センテンスを「引用（キラー根拠）→因→果」の因果構造に沿って生成させます。また、引用箇所を指定する方法として、引用文を“【引用】”で括らせるなどのフォーマット指定も可能です。AI出力時には引数（temperature等）を低くし、具体的で簡潔な文章となるよう調整します。

例えば、R4｢Ⅱ｣第4問（B社のネット販売提案）を想定します。この設問では、与件文の「最終消費者」「献立提案」「ミールキット」といったキーワードが重要です。プロンプト指示の下で生成した例では、各センテンスに【最終消費者】【献立の考案】【ミールキット】などのキラー根拠が含まれ、続く因果展開がスムーズに記述されます。

実際、ある解答例では「定期配送」「献立提案」「半加工技術」などの直引用を因果構造でつなぐことで、短文ながら論理的な答案としています。このように、AIによる候補生成をもとに修正しつつ、与件文直引用を中心とした答案構成を作り込むと、採点者が加点しやすい答案を効率的に作成できます。

キラー根拠を用いた因果答案では、「キーワードヒット率」が向上し得点確実度が増します。採点者は引用文句に出典がないことを嫌うため、根拠をしっかり示す解答には好意的です。

また、AIで複数案を高速生成できるため、事例演習のタイパも向上します。特に100字1文という制約がある設問では、長い文章で回りくどく説明するよりも、コンパクトに因果を示す本手法が有利です。結果的に少ない修正で高品質な解答案が得られ、短期完成が可能となります。

助言問題では事例企業の将来方針や経営判断が問われるため、複数案の比較検討が有効です。診断士受験対策でも「複数案の比較表を作り、最適策を選定するプロセスを示すと良い」と言われます。助言系の設問は記述文字数が少なく国語の引用解法は使いにくいものの、与件から必要な情報を拾って類推で記述します。

また、R5事例Ⅰ(蕎麦屋)でも、試験委員は経営統合計画に「反対」ではなく「支援的改善策」を提案する答案を期待しており、企業の置かれた状況を踏まえた意思決定のプロセスを答えることが合否を分けます

AIにも比較表生成が可能なプロンプトがあります。たとえば、複数案をコスト・効果・リスクなどで比較評価するよう指示すると、各項目を列にした詳細な表を自動作成できます。Prompt例では、「意思決定に必要な情報を集約し、複数選択肢を評価する比較表を作成せよ」といった指示文が紹介されています。

生成された表を基に、AIに最適案を選ぶ理由を説明させることで、人間の判断プロセスの「シミュレーション」を答案で可視化できます。図1のような意思決定フローチャートを描くことも一案で、課題から各案を検討し、優先基準を設定して結論に至る流れを図示する手法はわかりやすい説明となります。

例:　複数案比較による意思決定プロセス例（意思決定フローチャート）
各案の評価軸（コスト・効果・リスク）ごとに比較表を作成し、その後に最適策を選ぶ流れを図示した例です。意思決定問題では、このように候補A案・B案・C案を並べて比較し、表に基づいて選択理由を述べることで、思考の跡を明確にできます。

助言問題への応用例として、以下のプロンプトを考えます：

設問が助言問題の場合、A案・B案・C案をコスト・効果・リスクで比較表化し、その後最適策を選ぶ意思決定プロセスを示してください。

この指示では、まず入力段階で与件文から考えられるA/B/C案を提示し、列を項目名に見立てた表をAIに生成させます。次に「最適案選定理由」というテンプレート文で出力結果をまとめさせると、表の数値やキーワードに基づいた解説が得られます。必要に応じ、表形式や見出し構造をプロンプト内で指定し、AIが表をマークダウンで出力するよう誘導することも効果的です。

例えばR5事例I第4問（組織統合の進め方に関する助言）を想定します。ここでA案を「段階的統合」、B案を「外部支援導入」、C案を「現状維持」とし、評価軸をコスト・効果・リスクとします。

AIに上記プロンプトを与えれば、表2のように各案の評価ポイントが整理され、その後「最適策は○案である」という意思決定理由が続きます（例：「効果重視ならA案が最適。B案はコスト高、C案は効果不足と判断」など）。この一連の手順を答案に反映することで、受験者の検討プロセスが明確化され、独自性の高い答案になります。

比較表による答案では、論理的な意思決定過程を示せる点が評価されます。他の受験生が単一案を提示する中で、複数案を比較検討して最適解を選ぶプロセスを見せられれば、採点者の印象に残りやすくなります。

また、意思決定シミュレーションにより設問の意図に沿った回答を導けるため、得点源とすることができます。限られた解答字数でも表を活用すれば情報量を増やせるため、時間対効果も向上します。