問題はどこから見えるのか

出力・機能・構造・要素で捉える問題記述法

問題を考えるとき、私たちはしばしば原因から考えようとする。
売上が下がったのは広告が悪いからではないか。体調が悪いのは感染症ではないか。会議が進まないのは参加者の意識が低いからではないか。文章が伝わらないのは語彙が不足しているからではないか。

しかし、これはすでに原因仮説である。

問題が最初に現れる場所は、原因ではない。
最初に観察されるのは、出力である。

売上が下がった。
熱が出た。
機械が止まった。
読者が離脱した。
会議で何も決まらなかった。
AIの回答が期待とずれた。

これらはすべて、対象から出てきた結果である。人はまず出力を観察し、その出力が期待と違うときに「問題がある」と認識する。

したがって、問題は次のように定義できる。

問題とは、期待された出力と観察された出力の差異である。

この定義に立つと、問題分析の順序は明確になる。

まず、期待された出力がある。
次に、実際の出力を観察する。
その差異を検出する。
差異があれば、問題として認識する。
その後で、どの機能が不全を起こしているのかを推定する。
さらに、その機能を支える構造を調べる。
最後に、構造を構成する要素に異常がないかを確認する。

つまり、問題分析は次の順序で進む。

スペック・基準
↓
期待される出力
↓
実際の出力を観察
↓
差異を検出
↓
問題認識
↓
機能不全を推定
↓
構造異常を探す
↓
要素異常を特定する

この考え方の特徴は、「いきなり原因を探さない」点にある。
まず出力を見る。次に機能を見る。その後で構造と要素に遡る。

以下の表は、このロジックをさまざまな対象に簡易適用したものである。目的は、それぞれの分野について詳細な診断を行うことではない。むしろ、この問題記述法がどこまで汎用的に使えるかを確認することである。

出力・機能・構造・要素による問題記述の適用表

対象	期待される出力	観察された出力	推定される機能不全	探索する構造・要素
医療	健康な状態、正常値	発熱、咳、痛み、息苦しさ	呼吸・免疫・循環などの機能障害	臓器、組織、細胞、病原体、炎症
自動車	走る、曲がる、止まる	エンジンがかからない	始動機能の不全	バッテリー、点火系、燃料系、配線
企業経営	売上・利益が出る	売上低下、赤字	販売・集客・顧客維持機能の不全	商品、営業、広告、価格、顧客導線
店舗	来店、購入、再訪	客数減少、客単価低下	集客・接客・購買促進機能の不全	立地、陳列、接客、価格、品揃え
Webサイト	問い合わせ、購入、読了	離脱率が高い、CVしない	情報伝達・誘導機能の不全	見出し、導線、CTA、表示速度、フォーム
ブログ記事	読まれる、理解される、共有される	滞在時間が短い、反応がない	説明・関心喚起・納得形成の不全	タイトル、導入、構成、具体例、結論
書籍	読者が理解し、満足する	読みにくい、途中離脱される	知識伝達・読書継続機能の不全	章立て、文体、事例、図表、論理展開
授業・研修	学習者が理解し実践できる	理解度が低い、質問が出ない	教授・定着・演習機能の不全	カリキュラム、説明順、課題、講師、教材
学校教育	学力・社会性が育つ	成績低下、不登校、意欲低下	学習支援・関係形成機能の不全	教師、家庭、授業設計、評価制度、友人関係
AIプロンプト	望む回答が得られる	回答が浅い、ずれる、使えない	指示伝達・条件設定機能の不全	目的、制約、文脈、出力形式、評価基準
LLM活用	業務効率化、判断支援	手戻りが多い、品質が安定しない	入力設計・検証機能の不全	プロンプト、資料、チェック手順、人間の判断
ソフトウェア	正常に動作する	エラー、遅延、クラッシュ	処理・保存・通信機能の不全	コード、DB、API、サーバー、依存ライブラリ
製造ライン	規格品を安定生産する	不良品、遅延、停止	加工・検査・供給機能の不全	機械、作業者、材料、工程、検査基準
物流	指定時刻に届く	遅配、誤配送、破損	輸送・仕分け・追跡機能の不全	倉庫、配送網、伝票、車両、人員
行政サービス	住民に必要な支援が届く	手続きが遅い、利用されない	受付・審査・周知機能の不全	制度、窓口、申請書、広報、職員配置
家庭生活	生活が安定する	部屋が荒れる、食事が乱れる	家事・時間管理・役割分担機能の不全	家電、収納、家族関係、生活動線、習慣
人間関係	信頼・協力が成立する	誤解、対立、疎遠	意思疎通・期待調整機能の不全	言葉、態度、頻度、役割、過去の経緯
スポーツ	パフォーマンスが出る	記録低下、ミス増加	技術・体力・判断機能の不全	フォーム、筋力、戦術、練習、疲労
農業	作物が育ち収穫できる	生育不良、病害、収量低下	生育・養分吸収・防御機能の不全	土壌、水、肥料、気候、病虫害
メディア企画	読者・視聴者に届く	反応が薄い、拡散しない	関心喚起・編集・配信機能の不全	タイトル、テーマ、媒体、読者設定、タイミング
会議	決定・共有・合意が生まれる	長いが何も決まらない	意思決定・情報共有機能の不全	議題、参加者、資料、司会、決定権限
組織	協働して成果を出す	部署間対立、停滞、責任不明	調整・分業・意思決定機能の不全	役割、権限、評価制度、会議体、情報経路
金融投資	リスクに見合うリターン	損失、過大リスク、判断遅れ	評価・分散・撤退判断機能の不全	銘柄、資産配分、情報源、ルール、心理
法制度	秩序、公平、予測可能性	不公平、抜け穴、混乱	規制・救済・抑止機能の不全	条文、運用、執行機関、判例、社会実態

表から見えること

この表からまず見えるのは、問題の入口が常に「出力」であるという点である。

医療であれば、発熱、咳、痛み、息苦しさが出力である。患者が最初から病名を観察しているわけではない。観察しているのは、身体から現れた症状や徴候である。

企業経営であれば、売上低下や赤字が出力である。最初から「営業組織の構造が悪い」と観察されるわけではない。まず見えるのは、売上や利益という結果である。

Webサイトであれば、離脱率の高さやコンバージョンの低さが出力である。最初から「CTAの配置が悪い」と決まっているわけではない。まず観察されるのは、ユーザーが離脱している、問い合わせが発生していない、購入に至っていないという結果である。

AIプロンプトであれば、回答が浅い、ずれる、使えないという出力がある。そこから、指示の出し方、文脈の渡し方、制約条件、出力形式、評価基準に問題がないかを遡っていく。

分野は違っても、認識の順序はよく似ている。

出力を見る。
期待との差異を見つける。
その差異を問題として認識する。
どの機能が働いていないのかを考える。
その機能を支える構造を調べる。
最後に、構造を構成する要素を確認する。

この順序が、多くの対象に共通している。

「機能不全」は観察ではなく解釈である

ここで注意すべきことがある。

「売上が下がった」は観察である。
「販売機能が低下している」は解釈である。
「営業担当者が不足している」は原因仮説である。

この三つは似ているようで、まったく違う。

観察は、実際に見えている出力の記述である。
解釈は、その出力が何を意味するかの読み取りである。
原因仮説は、その解釈を生んでいる背後の構造や要素についての推定である。

問題分析が混乱するのは、この三つを分けずに扱うときである。

たとえば、「売上が下がった。営業が弱いからだ」とすぐに判断すると、広告、商品、価格、顧客層、競合環境、問い合わせ導線、商談化率、リピート率などの可能性を十分に調べないまま、営業担当者の問題に還元してしまう。

同じように、「AIの回答が悪い。AIが使えない」と判断すると、プロンプトの目的設定、文脈情報、制約条件、出力形式、評価基準、使用しているモデル、入力データの質などを検討しないまま、AIそのものの限界に還元してしまう。

これは要素への飛びつきである。

問題記述において重要なのは、出力、機能、構造、要素を混同しないことである。
出力は観察するもの。
機能は解釈するもの。
構造と要素は分析するもの。

この分離によって、問題分析はかなり安定する。

このロジックが強く働く対象

この問題記述法が特に強く働くのは、期待される出力が比較的明確な対象である。

医療には正常値がある。
機械には仕様がある。
ソフトウェアには要件がある。
製造ラインには規格がある。
物流には納期がある。
Webサイトにはコンバージョン目標がある。
研修には学習目標がある。

このような対象では、期待される出力と実際の出力を比較しやすい。比較できるため、差異を問題として検知しやすい。

たとえば、製造ラインでは、規格品が一定の品質で生産されることが期待される。もし不良品が増えれば、それは出力異常である。そこから、加工機能、検査機能、材料供給機能などのどこに不全があるのかを考える。さらに、機械、作業者、材料、工程、検査基準といった構造・要素に遡る。

物流でも同じである。指定時刻に正しく届くことが期待される。遅配、誤配送、破損が起きれば、輸送、仕分け、追跡、保管のどこかに機能不全があると考えられる。そこから、倉庫、配送網、伝票、車両、人員、システムなどを調べる。

このように、基準が明確な対象では、問題はかなり扱いやすい。

このロジックが難しくなる対象

一方、このロジックが難しくなる対象もある。

それは、期待される出力が曖昧な対象である。

たとえば、人間関係、芸術、人生の満足、創造性、幸福、教育の深い成果などは、期待出力を一意に定めにくい。何をもって「正常」とするのか、何をもって「良い」とするのかが状況によって変わる。

人間関係であれば、期待される出力を「信頼」と置くこともできるし、「協力」と置くこともできる。「衝突がないこと」を良い状態とする人もいれば、「率直に衝突できること」を良い状態とする人もいる。したがって、観察された出力が問題かどうかは、前提となる基準によって変わる。

教育も同じである。期待される出力をテストの点数とするのか、思考力とするのか、学習意欲とするのか、社会性とするのかによって、問題の見え方は変わる。成績は高いが学習意欲が低い場合、それは問題なのか。逆に、成績は低いが探究心が高い場合、それをどう評価するのか。ここでは、先に基準を定めなければ、出力の異常を判定できない。

つまり、この問題記述法は汎用的だが、万能ではない。
使う前に、「何を期待出力とするのか」を定義する必要がある。

基準が曖昧な対象では、問題分析の前に基準設計が必要になる。

スペックと基準の重要性

問題を検知するには、期待が必要である。
期待をつくるものが、スペックや基準である。

スペックとは、対象が満たすべき仕様の記述である。スペックは、機能・構造・要素のどれか一つではない。機能に関するスペックもあれば、構造に関するスペックもあり、要素に関するスペックもある。

たとえば、自動車であれば、燃費や最高速度は機能に近いスペックである。駆動方式やサスペンション形式は構造に近いスペックである。排気量やバッテリー容量は要素に近いスペックである。

Webサイトであれば、表示速度、コンバージョン率、滞在時間、離脱率、問い合わせ数などが基準になる。
研修であれば、理解度、演習達成率、受講後の実践率などが基準になる。
AI活用であれば、回答品質、再現性、手戻りの少なさ、検証可能性、業務への接続度などが基準になる。

基準がなければ、問題は見えない。

「悪い」と感じても、何に対して悪いのかがわからない。
「遅い」と感じても、何秒以内なら許容されるのかがわからない。
「伝わらない」と感じても、誰に何が伝わるべきだったのかがわからない。

したがって、問題記述では、最初に基準を置く必要がある。

期待される出力は何か。
その期待はどの基準から来ているのか。
実際の出力はどうだったのか。
どの程度ずれているのか。

この問いがなければ、問題は単なる印象にとどまる。

問題解決法ではなく、問題記述法である

このロジックは、問題解決法というより、問題記述法である。

解決策を直接出すための方法ではない。
解決策を考える前に、問題を正確に書くための方法である。

これは重要な違いである。

問題解決では、原因を特定し、対策を設計し、実行し、効果を検証する必要がある。しかし、その前段階として、そもそも何が問題なのかを正しく捉えなければならない。

問題記述が粗いと、解決策も粗くなる。

「会議が悪い」という記述では不十分である。
「会議が長いが何も決まらない」という出力を観察し、意思決定機能が働いていないと推定し、議題設定、参加者、資料、司会、決定権限という構造・要素を調べる必要がある。

「ブログが読まれない」という記述も不十分である。
「検索流入はあるが滞在時間が短く、関連記事への遷移が少ない」という出力を観察すれば、関心喚起、説明、導線設計のどこに機能不全があるかを考えやすくなる。

「AIが使えない」という記述も不十分である。
「出力が一般論にとどまり、自分の業務条件に合わない」という出力を観察すれば、文脈情報の不足、制約条件の不足、評価基準の不足といった構造・要素に遡ることができる。

このように、問題を正確に記述するだけで、仮説空間はかなり狭くなる。
仮説空間が狭くなれば、検証コストも下がる。
検証コストが下がれば、実務上の判断も安定する。

文章・企画・AI活用への応用

この問題記述法は、文章や企画やAI活用にもよく合う。

文章の場合、期待される出力は「読者に伝わること」である。ただし、何が伝わればよいのかは文章の目的によって異なる。知識を伝える文章なのか、行動を促す文章なのか、納得を形成する文章なのか、問題意識を喚起する文章なのかで、期待される出力は変わる。

観察された出力としては、読まれない、途中で離脱される、理解されない、反応がない、誤解される、といったものがある。そこから、説明機能、関心喚起機能、納得形成機能、行動誘導機能のどこが不全を起こしているのかを考える。さらに、タイトル、導入、構成、具体例、見出し、結論、文体などの構造・要素を調べる。

企画の場合、期待される出力は、読者や視聴者に届き、関心を生み、反応を得ることである。観察された出力が「反応が薄い」であれば、テーマ設定、読者設定、切り口、媒体選定、配信タイミングなどを調べる必要がある。

AI活用の場合、期待される出力は、望む回答が得られること、業務が効率化されること、判断支援が得られることなどである。観察された出力が「回答が浅い」「ずれる」「使えない」であれば、AIそのものの能力だけでなく、入力設計、文脈提供、評価基準、検証手順、人間側の判断プロセスを調べる必要がある。

ここでも、同じ原則が働いている。

まず出力を見る。
次に機能を見る。
その後で構造と要素に遡る。

汎用性の条件

この表から、このロジックの汎用性には三つの条件があることがわかる。

第一に、期待される出力があること。
対象に何を期待しているのかがなければ、問題は検知できない。

第二に、実際の出力を観察できること。
何が起きているのかを観察できなければ、期待との差異を取ることができない。

第三に、その出力を生んでいる機能・構造・要素をある程度分解できること。
内部の仕組みをまったく分解できない対象では、出力異常から原因探索に進みにくい。

この三条件を満たす対象には、このロジックはかなり広く適用できる。

医療にも使える。
機械にも使える。
経営にも使える。
教育にも使える。
Webサイトにも使える。
文章にも使える。
AI活用にも使える。
組織にも使える。
人間関係にも、慎重に使えば適用できる。

ただし、期待出力が曖昧な対象では、最初に基準を設計する必要がある。
ここを飛ばすと、分析は不安定になる。

結論

問題は、原因として最初から現れるのではない。
問題は、まず出力の異常として現れる。

人が観察するのは、売上低下、発熱、故障、離脱、誤解、遅延、品質低下、回答のずれといった出力である。そして、その出力が期待と違うときに、問題が認識される。

その後で、出力の異常を機能不全として解釈し、機能を支える構造を調べ、構造を構成する要素に遡る。

このロジックは、医療、機械、経営、教育、Web、文章、AI活用、組織、人間関係など、さまざまな対象に適用できる。対象は違っても、問題発見の認識順序は共通している。

対象の成り立ちは、要素から構造へ、構造から機能へ、機能から出力へ向かう。
しかし、問題発見は逆向きに進む。
出力から機能へ、機能から構造へ、構造から要素へと遡る。

この見方に立つと、問題分析は「原因探し」ではなく、「出力から始まる構造的な読み取り」になる。

問題解決の前に必要なのは、正確な問題記述である。
そして、正確な問題記述の出発点は、原因ではなく出力である。