AIに丸投げは卒業。元営業が教える「逆算分析」でプロ級の回答を引き出す

遊びのAIから「仕事の武器」へ。元営業が挑む、Geminiによる本気のデータ分析

最近の私は、画像生成や漫画作成といったエンタメ寄りの活用に終始していました。

しかし、そろそろ本分に戻ってもいい頃でしょう。
そう、Geminiを使った本格的な「資料分析」です。

かつて営業の現場で培った「読み解く経験」を、最新のAIでどこまで再現できるのか。
期待を胸に、検証をスタートしました。

「分析して」の丸投げは時間の無駄？AIに「役割」と「目的」を与える重要性

AIを触り始めたばかりの頃、私は「資料を添付して『分析して結果を教えて』と頼めば、それだけで完璧な答えが返ってくる」と信じていました。

しかし、この丸投げこそが最大の失敗だったと、1ヶ月半の試行錯誤を経て痛感しています。

AIにはまず、明確な「役割」を与えなければなりません。

• 「あなたは優秀なデータアナリストです」

これだけで回答の精度は劇的に変わります。
さらに重要なのは、AIは「計算」は得意でも、人間の「心（目的）」を読めないという点です。

例えば、家計簿のデータを渡したとき。

• 丸投げの場合： 「食費は全体の30%です」と報告される。（「へぇ、そうなんだ」で終わり）
  　
• 目的を伝えた場合： 「旅行に行くために貯金したい」と伝えると、「外食を週1回減らせば、3ヶ月で目標達成できます」と提案してくれる。

この違いが大きいわけです。

「背景（何のデータか）」と「目的（どうなりたいか）」。
この2点を用意して初めて、AIは真のパートナーになります。

答えから逆算する「仮説検証」テクニック。AIに自ら分析案を出させる驚きの結果

私が営業時代に多用していたのが、結果からプロセスを読み解く「仮説検証型アプローチ」です。

これをAIプロンプトに応用してみましょう。

例えば、GoogleトレンドのCSVデータを分析する場合、いきなり詳細を求めず、まずは次のように指示します。

まずはAIに全体を鳥瞰させ、出てきた5つの結果から自分の関心に近いものを選び、「なぜそうなったのか詳しく分析して」と掘り下げていくのです。

さらに、「優秀なあなたなら、この結果からどんな分析をしてみたいですか？」と、AI自身に分析の切り口を提案させるのも有効です。

実際に試したところ、AIはユーザーの関心が「認知（何かを知る）」から「選定（どれを選ぶか）」へ劇的にシフトしていることを突き止め、競合比較や収益機会の損失分析といった高度な提案を自ら提示してきました。

実際の答えがこちらです。

優秀な分析者として、予備的な分類（カテゴリ分析）を行った上で、以下の3つの分析を追加で行うことを強く提案します。

なぜなら、手元のデータをざっと分類したところ、「競合比較」に関する検索が5年前の3.4%から直近では25.9%へと約8倍に急増しており、ユーザーの関心が「ChatGPTとは何か」を知ること（認知）から、「他と比べてどれを選ぶべきか」を判断すること（選定）へ劇的にシフトしていることが判明したからです。

提案1：競合比較における「決定打」の要因分析 　（内容省略）
提案2：製品ラインナップの「誤認」と収益機会の損失分析 （内容省略）
提案3：検索意図の「深化」に基づく次世代ユースケース発掘 （内容省略）

グーグルトレンドのCSVデータだけで、ここまでしてくれるんですよ。
データ集めから、ここまでかかった時間はものの数分。凄いの一言。

あとは『提案1の分析をお願い』と言えば詳しい分析がスタートします。

AIの「それっぽい嘘」を暴く。あえて弱点を突く、人間味のある検証プロセス

ここが最も重要なポイントですが、AIの分析結果をそのまま信じるのは厳禁です。

もしその分析結果が全くの的外れな資料だとしたら、そのまま会議に出せば鋭いツッコミの嵐に遭うでしょう。

それを防ぐためにも、必ず以下の2項目をAIに「聞き返し」しましょう。

• 否定的な視点を確認する
  「その分析を否定するデータはありませんでしたか？」「嘘や憶測で話していませんか？」とストレートに聞くのです。
  実社会でも同僚の仕事を確認するように、AIにも同じ感覚で情報の整合性を厳しくチェックします。
  　
• AI自身にツッコミを入れさせる
  「この結果について、プロの視点から見てツッコミどころ（弱点）はありませんか？」と投げかけます。
  するとAIは、自ら「サンプル数の不足」や「時期的な偏り」などの懸念点を挙げてきます。

実際に私もよく使うのですが、効果は抜群ですよ。

これもGeminiが自分で作った分析に対して、私が突っ込むポイントはないのか？と問いただしたら『3点挙げられます』と答えました。

1点ではなく3点も！？
と思いますが、これが通常と思ってください。

これを突き詰めていく作業が、分析の精度を「AIレベル」から「プロの仕事レベル」へと引き上げる鍵となります。

まとめ

【まずは身近なデータで試そう。あなただけの「分析パートナー」を育てる第一歩】

今回はAIによるデータ分析の入り口をご紹介しました。

どのようなプロンプトを投げ、どのように検証を重ねるか。
このプロセスに慣れてくると、自分だけの独自の分析手法を生み出せるようになります。

まずは手元にある適当なデータ、あるいは政府の統計資料やGoogleトレンドなどを使って、AIとの「対話型分析」を始めてみてください。
きっと、これまで見えてこなかった新しい発見があるはずです。

AIと一緒に2026年のAIトレンドについて分析しました。自分はどのAI分野へ進めばいいのか、是非参考にしてみてください。

 【2026年版】AIトレンドマップ公開！「真ん中」を卒業すべき理由とは

自分だけのAI活用法を見つけ、一歩先へ進むヒントをお届けします。最新のAI勢力図から、埋没しない「自分にぴったりの領域」が分かります。今の使い方のままで良いか不安…

総 賢司のAI塾