Illustration by Samuel Finch

• Xでシェア
• Facebookでシェア
• LINEでシェア
• LinkedInでシェア
• 記事をクリップ
• 記事を印刷

生成AIを活用し、アウトプットの創造性を最大限に高めるには

　生成AIの台頭は、私たちの働き方だけでなく考え方までも変えつつある。筆者らの経験では、多くのリーダーは生成AIの導入において生産性に焦点を当てる。たしかに生成AIは多くのタスクをより容易かつ迅速に遂行できるようにして、効率性の向上とコスト削減をもたらすだろう。しかし筆者らの考えでは、このテクノロジーの最も有望な点は別の部分にある。イノベーションと成長の促進につながる、人間の新たな創造性を引き出すのだ。

　製品デザインからブランド戦略に至るまでさまざまな分野で、大規模言語モデル（LLM）は、アイデア創出（アイディエーション）のフェーズ──可能性を模索して前提を問い直す、混沌とした初期段階──に影響を及ぼしている。たとえば、筆者らの一人（プントーニ）が実施した企業の生成AI導入に関する最近の調査では、2024～25年の間に最も急増したユースケースは「アイデア出しとブレインストーミング」であった（＋12％）。1年で9つも順位を上げ、現在では最も一般的なユースケースのトップ5に入る。

　これらのツールは、似通ったアイデアをただ量産しているにすぎないのか、それとも革新的な洞察を引き出すことができるのだろうか。そして企業は、アウトプットの創造性を最大限に高めるために何ができるのだろうか。

　本稿は、アイデア創出に関する数十年分の研究と、生成AIが主導する創造性に関する急増中の文献から得た新たな知見を組み合わせたものである。創造的作業の初期段階、特にアイデア出しにLLMがどう影響を及ぼすのかに焦点を当て、LLMによって独創性が促進または阻害される条件を特定する。そして消費者行動、創造性の科学、人間とAIの協働に関する諸研究を基に、AIの能力を創造性の古典的枠組みに当てはめ、共創においてLLMが果たせる実践的役割を紹介していく。合わせて、生成AIを活用してアイデアの質、多様性、インパクトを向上させる具体的な方法を提示する。

アイデア創出とは何か、その質をどう測るのか

　アイデア創出とは、特定の目標や課題に対して新しいアイデアを生み出すプロセスである。その核心は、独創性と妥当性を兼ね備えた概念を生み出すことにある。最良のアイデアは新しい境地を切り開くと同時に、実用的意義をもたらす。

　独創性とは、そのアイデアが既存のものからどれほどかけ離れているかを指す。アイデアの中には小さなもの、つまり確立された製品や戦略を思慮深く改良するような、漸進的なものもある。一方で大きなもの、つまり革新的なアイデアは、カテゴリー自体に異を唱えたり、予想外の意味を取り入れたりする。

　妥当性とは実現可能性を意味する。そのアイデアは、現実的に消費者のニーズに応えられるのか、あるいは既存の行動様式に適合しうるのか。極めて独創的だが実践してみると機能しえないアイデアもあれば、実現しやすいが斬新さに欠けるアイデアもある。

　アイデア創出はイノベーションのプロセスの出発点となり、このフェーズでは量が質に寄与する。網を広く投げ、多くの可能性を生み出すことが目標となる。体系的なふるい分けと洗練を経て、少数の有望なアイデアのみが残る。アイデア創出のプロセスが優れていれば、最良のアイデアが独創性と妥当性の両面で傑出したものとなる確率が高まる。ただし、AIは個々人がより質の高いアイデアを生み出せるよう後押しできるかもしれない一方で、全員のアイデアを似通ったものにしてしまう可能性もある。

生成AIはアイデア創出をどう促進するのか

　生成AIは単なる自動化ではなく、創造を行う。LLMはプロンプトに応えて人間のようなアウトプットを生成し、コピー文の作成、ロゴのスケッチ、レシピの生成、作曲、製品コンセプトのブレストなどを行う。

　LLMはなぜアイデア創出に役立ちうるのか。人間の創造性の根底には2つの経路がある。持続性（狭い範囲内で多くのバリエーションを集中的に生み出すこと）と、柔軟性（かけ離れた概念同士を結びつける能力）だ。LLMはその生産性と、意味の幅広さ（semantic breadth）によって、これら両方を模倣する。ただし、LLMの学習方法に起因する欠点もあり、アイデア創出を行う人はそれらを考慮する必要がある。

生産性の向上

　創造性における持続性とは、少数の有望なアイデアに焦点を絞り、それらを体系的に練り上げていくことを意味する。LLMは本質的に粘り強く設計されており、同じプロンプトに応えて何百、何千ものアイデアを疲れることなく生み出す。この徹底性は単に効率的なだけでなく、膨大な創造的可能性を秘めている。

　研究によればLLMは、これまで個人でも集団でも不可能だった方法で創造的アウトプットを後押しできる。たとえば、LLMがより多くアイデアを生成するほど、その集合はより独創的になる。ただし、ある点を境に独創性は頭打ちとなる。

　LLMを用いて良質なアイデアを生み出すには、特定の目標に焦点を絞りながら、雑音を取り除くことが重要だ。ブランドは、この的を絞った生産性を複数の方法で活用できる。

・ファインチューニング：専門化されたコンテンツ（例：ブランドのガイドライン、顧客フィードバックなど）をAIモデルに学習させ、ビジネスの文脈にしっかり合致するアイデアを生成する。

・フューショット・プロンプティング：AIに少数の良質な例を提示し、思考を誘導する。

・検索拡張生成：AIをリアルタイムかつ領域固有のデータにアクセスさせ、回答を充実させる。

　これらの手法を組み合わせることで、独創的なだけでなく、ブランドや幅広い情報の文脈に照らして妥当な新規アイデアを創出できる。

意味の幅の拡張

　人間の創造性の特徴は、柔軟性──つまりかけ離れた概念同士を結びつける能力だ。LLMは膨大かつ多様なデータセットでの学習を通じて意味の幅広さを備えているため、大きく異なる概念間にまたがるアイデアを生成できる。質問を受けると、無数の分野からの概念を有益な、そしてしばしば驚くような形で「リミックス」する。

　ただし、LLMはプロンプトの後に続く確率が最も高そうな内容を生成するよう訓練されているため、お馴染みのパターンに頼る可能性がある。アイデア創出で欲しいのは、稀少で型破りなアイデアだ。より創造的なアイデアを引き出すうえで役立つ手法がいくつかある。

・ペルソナの付与：モデルに特定のペルソナ（人物像）を取り入れさせることで（例：「スティーブ・ジョブズのように考えて」）、新たな創造的方向性に導くことができる。

・ハイブリッド・プロンプティング：アイデア出しをより小さく多様なプロンプトに分割し、その後に結果を組み合わせることで、ソリューションにつながる並列的な経路の数が増える。

・思考連鎖プロンプティング：LLMにプロセスを段階的に提示することで（例：ブレスト→大胆さを基準に編集→要約）、人間と同等に多様なアイデアが生まれやすくなる。

・温度設定：温度（ランダム性を調整するパラメータ）を高くすることで、より意外性の高いアイデアが生まれるが、エラーも増える。また、精密さや大胆な創造性を求めるプロンプトを作ることで同様の効果が得られる。「考えられる限りの、最も型破りで驚くべきアイデアを提示して」など。

　人間のアイデア創出はしばしば、焦点を絞った持続性と幅広い柔軟性の間を行き来する。LLMも人間と同じように、プロンプトに応じてこれらのモード間で切り替えができる。

創造的思考におけるAIの役割を再考する

　技術的なプロンプティングの手法を超えて、より大局的な問いがある。アイデア創出のプロセスにおいて、生成AIはどのような役割を果たせるのだろうか。通常は人間主導でアイデアを出す従来のブレストとは異なり、AIは人間と機械によるアイデアの共創という、新たな形式への扉を開く。

　AIがアイデア出しの主役を担い、人間が評価と洗練を行うこともあれば、人間が主導し、AIが触媒として機能することもある。現在のAIモデルは大量のアイデア、とりわけ小さく漸進的なものを生み出すことに長けている傾向があるが、大きく画期的なアイデアの創出においては、いまだ人間に及ばない。これは戦略的なバランス調整が必要であることを示唆している。幅広い探索や量を求めている場合は、AIが主導できる。大胆でインパクトの強いアイデアを求めているのであれば、少なくともその場面では人間が主導すべきかもしれない。

　これらの役割をより明確にするために、筆者らはLLM向けの比喩的な「アイデア創出における役割」をいくつか提案する。これらの役割には柔軟性があり、アイデア出しの生産性を高めるためにも、意味の幅を広げるためにも活用できる。

LLMをアイデア創出の主役にする

デザイナー：LLMはバージョン管理を行い、異なる人物やユースケースに合わせてパーソナライズされたバリエーションを作成することで貢献できる。また、多変量テストにも役立ち、体系的に変更を加えた何十ものメッセージを作成し、マーケティングなどの結果に意図せず影響を及ぼしうる隠れた変数を特定することができる。

ライター：LLMは、アイデアがどのように受け取られ、理解され、評価されるのかを方向づけることで、そのアイデアの知覚品質を高めることができる。アイデアの明確性、説得力、インパクトを強めることができる。

LLMを思考のパートナーにする

インタビュアー：LLMは「ソクラテス的」なインタビュアーとなり、より柔軟な思考、盲点の発見、新たな方向性の探索を人間に促すための適切な問いを投げかけることができる。

アクター：LLMは顧客を大まかに真似て演じる「役者」となり、顧客のニーズ、嗜好、マインドセットへの理解を深めるために役立つリアルな応答を提供することができる。ただし、そのペルソナはネット上での有力な意見の影響を受けるかもしれず、すべての集団を正確に反映しているわけではない可能性もある。

生成AIはアイデア市場をどう再構築するのか

　生成AIの導入は個人によるブレストのあり方を変えるだけでなく、マーケティング、製品イノベーションや事業戦略といった分野全体を再構築するだろう。たとえば、導入状況に関する筆者らの調査で回答した某テック企業のマネジャーは、次のように述べた。「この1年間で我々が最も素晴らしいと感じた生成AIの使い方の一つは、製品デザインの迅速化です。顧客の本当のニーズに基づいて、新鮮なアイデアとビジュアルコンセプトを生み出すのを助けてくれるため、新しい製品をより速く、市場のトレンドにより合致した形で投入できるのです」

　ゼネラル・ミルズのような企業は、生成AIがイノベーションのプロセスを向上させ迅速化する大きな可能性を見出している。これについては筆者らの一人（プントーニ）が、マーケットリサーチにおける合成ペルソナの活用に関する最近のHBRの論考で述べており、前述したアクターの例えにも関連する。

　しかし、LLMは個々のユーザーの創造性を高めることができる一方で、集団全体の創造性を低下させる可能性もある。何をもって独創的とするのかの基準を引き上げてしまうのだ。競争的な力学によって、真に際立つアイデアが高く評価されがちとなる。

　ハイブリッド・プロンプティングやペルソナのバリエーションといった手法を用いることで、より独特なアイデアを引き出しやすくなる。組織はLLM向けの新たなアイデア創出の役割を考案してもよい。たとえば、眠っている知見を求めて過去のデータを掘り起こしたり、見過ごされている仮説を明るみに出したりする役割だ。

　もう一つの新たな課題は、アイデアを生み出すだけでなく、その質をどう評価するかである。どのアイデアが奏功するかは、現実世界で試してみるまで不透明な場合が多い。一部の研究者は、LLMがアイデアの可能性を事前に予測できるかどうかを模索し、AIをブレストだけでなく、予測されたインパクトに基づくアイデア評価にも活用する道を開こうとしている。

　とはいえ、そのようなシステムの適用は一筋縄ではいかない。真に独創的であっても、既存の枠にはまらないアイデアは初期段階では高く評価されない可能性がある。初期段階で用いる選別ツールが馴染みのあるアイデアだけを優先すれば、企業は画期的なアイデアを意図せずふるい落としてしまうおそれもある。

　LLMの最も有望な点は、私たちが自分のパターン化された思考から抜け出す後押しをしてくれることかもしれない。生成AIはリーダーと組織に対し、固定化した戦略を見直し、根本的に異なる可能性を探るよう促すことができる。

＊　＊　＊

　生成AIはもはやバックオフィスの自動化ツールに留まらず、企業による創造、探索、イノベーションのあり方を形づくる最前線の協働者となりつつある。このテクノロジーが創造的プロセスのアイデア創出フェーズに参加するようになる中で、問われるのはアイデア出しを支援できるか否かではなく、どれほど効果的に実行できるのか、そして人間がどれほど思慮深く導くことができるかである。

　LLMは意図的に活用してこそ、最大の効果を発揮する。すなわち、アイデア創出をスケール化し（生産性の向上）、習慣的な思考を打破し（意味の幅の拡張）、デザイナーからライター、インタビュアー、アクターに至るまで柔軟に役割を担うことができる。思慮深いアプローチがなければ、組織は同じような「最良の」アイデアに群がり、多様性を損ない、業界の変革を決定づけるような壮大で予想外のイノベーションを逃してしまうリスクがある。

　単なる機械との協働ではなく、人間と機械それぞれが提供できる最良の能力を賢く最大化する形で協働することにこそ、アイデア創出の未来があるのだ。

"Research: When Used Correctly, LLMs Can Unlock More Creative Ideas," HBR.org, December 17, 2025.