はじめに

「ChatGPTやClaudeを使ってリサーチしてるけど、なんかいまいち浅い」

そう感じたことはありませんか?

多くの人がAIに投げているのは、こんな指示です。

「〇〇業界について教えて」「〇〇という会社について調べて」

これでは、AIは"当たり障りのない一般論"しか返してくれません。検索すれば出てくる情報を、少し整形して返しているだけだからです。

一方で、実際のコンサルティングファームやリサーチ専門職の現場では、AIへの指示の出し方(プロンプト)そのものが「情報を生成する設計図」として扱われています。同じAIを使っていても、プロンプトの精度次第で、出てくる示唆の深さがまったく違うのです。

今回は、実務レベルで使えるように設計した「リサーチ用プロンプト」を5つ、この記事限定でお渡しします。

正直、これは普段こそこそ使っている"手の内"に近いものです。ここまで体系化して公開している記事はほとんど見たことがありません。今回は特別に公開します。

この記事で得られるもの

業界・競合の構造を、経営層レベルの解像度で把握するプロンプト
公開情報を組み合わせて「言われていないこと」まで推定するプロンプト
まだ誰も気づいていない"変化の兆し"を見つけるプロンプト
「何を調べたいのか、自分でもわかっていない」状態を言語化するプロンプト
出てきた結論を鵜呑みにせず、頑健性をチェックするプロンプト

この5つを組み合わせると、「目的を言語化する→調べる→疑って検証する」という、プロのリサーチャーが無意識にやっている思考の型を、そのままAIに再現させることができます。

公開情報しか使っていないのに、「なぜそこまでわかるんですか」と言われるレベルの示唆を引き出せるようになります。

＜紹介プロンプト＞
①事業・競合の構造リサーチ
②公開情報から実態を読み解く（推定型リサーチ）
③トレンド・弱いシグナル発見
④リサーチ目的の言語化支援
⑤結論の頑健性チェック・反証

使い方の全体設計

プロンプト①:事業・競合の構造リサーチ

こんな時に使う 新規事業の検討、競合分析、市場参入の判断など、「業界の全体構造と力学」を短時間で把握したいとき。

使いこなすコツ 業界名や企業名を変数として差し替えるだけで、何度でも使い回せます。出力後に「その中で一番不確実性が高いのはどれ?」と深掘りすると、精度がもう一段上がります。

あなたは戦略コンサルティングファームのシニアリサーチャーです。
以下のテーマについて、経営層への報告に耐えるレベルの構造化リサーチを行ってください。

テーマ:[業界名/企業名/事業領域]

# 出力してほしいこと
1. 市場構造:プレイヤーの分類(規模・戦略タイプ別)、力関係、参入障壁
2. 直近12〜24ヶ月の主要な変化とその背景にある構造要因
3. 「公開情報からは明言されていないが、複数の情報を突き合わせると推定できること」
   (例:資金調達額と採用ペースから逆算した組織規模の推定、値下げ発表と決算資料から読み取れる収益構造の変化など)
4. 上記3の推定について、確度(高/中/低)とその根拠を明記
5. この業界で今後半年〜1年に起こりうるシナリオを2〜3パターン、それぞれの発生条件つきで
6. 意思決定者が見落としがちな論点を1つ

# 制約
- 断定できることと推定であることを必ず区別して書く
- 一般論ではなく、この対象固有の情報・数字に基づいて書く
- 情報源の性質(一次情報/二次情報/推測)にも触れる

copy

プロンプト②:公開情報から実態を読み解く(推定型リサーチ)