這是《AI 工具實戰 30 天：從提示詞到 Agent，每天一個工具改變你的工作方式》系列第 27 篇，共 30 篇。

This is Part 27 of 30 in the series: 30 Days of AI Tools in Action — From Prompts to Agents, One Tool Every Day to Transform How You Work.

これは「AI ツール実践 30 日間：プロンプトから Agent まで、毎日一つのツールで仕事を変える」シリーズの第 27 回（全 30 回）です。

大多數人用 AI 做決策的方式是這樣的：「請幫我分析這個方案的優缺點。」然後 AI 給出一份看起來很完整、實際上毫無洞見的清單。這不是 AI 的問題，是提問方式的問題。當你把 AI 當成搜尋引擎，它就只會給你搜尋引擎等級的答案。真正的策略顧問不是給你答案，而是幫你問出更好的問題。本篇要介紹三個結構化決策提示框架，讓 AI 從「答案機器」升級為「思維夥伴」。

Most people use AI for decisions like this: ‘Please analyze the pros and cons of this plan.’ Then AI returns a list that looks thorough but offers zero real insight. That’s not AI’s fault — it’s a prompting problem. When you treat AI like a search engine, you get search-engine-level answers. A real strategic advisor doesn’t hand you answers; they help you ask better questions. This article introduces three structured decision-making prompt frameworks that upgrade AI from an answer machine to a genuine thinking partner.

多くの人は「このプランのメリット・デメリットを分析してください」という形でAIを使います。するとAIは一見完全に見えるが実際には洞察のないリストを返します。これはAIの問題ではなく、質問の仕方の問題です。AIを検索エンジンとして扱えば、検索エンジンレベルの答えしか返ってきません。本物の戦略アドバイザーは答えを与えるのではなく、より良い問いを立てる手助けをします。本記事では、AIを「回答機械」から「思考パートナー」に昇格させる3つの構造化意思決定フレームワークを紹介します。

框架一：SWOT 深度提示法Framework 1: Deep SWOT Promptingフレームワーク1：深層 SWOT プロンプト法

普通的 SWOT 提示只會得到表面清單。升級版做法是分層追問。第一層：「請針對【進入東南亞市場】做 SWOT 分析，每個象限至少給出 3 個具體因素，並標注信心程度（高/中/低）。」第二層：「針對你列出的最大威脅，請提出 3 個可以將其轉化為機會的策略假設。」第三層：「如果我們的優勢只剩下一半，哪個威脅會最先讓這個計劃失敗？」這種分層追問迫使 AI 從描述轉向推理，從清單轉向洞見。關鍵在於每一層都要求 AI 做出判斷，而不只是列舉事實。

A basic SWOT prompt only gets you a surface-level list. The upgraded approach uses layered follow-up questions. Layer 1: ‘Do a SWOT analysis for [entering Southeast Asia]. Give at least 3 specific factors per quadrant and rate your confidence (high/medium/low).’ Layer 2: ‘For the biggest threat you identified, propose 3 strategic hypotheses that could turn it into an opportunity.’ Layer 3: ‘If our strengths were cut in half, which threat would kill this plan first?’ This layered approach forces AI to shift from describing to reasoning, from listing to generating insight. The key is that each layer demands judgment, not just enumeration.

通常のSWOTプロンプトでは表面的なリストしか得られません。アップグレード版は階層的な追加質問を使います。第1層：「【東南アジア市場参入】についてSWOT分析を行い、各象限に少なくとも3つの具体的要因を挙げ、確信度（高/中/低）を付けてください。」第2層：「挙げた最大の脅威について、それを機会に転換できる3つの戦略的仮説を提示してください。」第3層：「もし強みが半分になったとき、どの脅威が最初にこの計画を失敗させますか？」この階層的追問はAIを記述から推論へ、リストから洞察へと移行させます。

框架二：第一性原理拆解提示Framework 2: First Principles Decomposition Promptフレームワーク2：第一原理分解プロンプト

第一性原理的核心是打破假設，從基本事實重建邏輯。提示模板如下：「請用第一性原理分析【訂閱制 SaaS 定價策略】。步驟一：列出這個領域所有被普遍接受但可能是錯誤的假設。步驟二：從用戶真正的核心需求出發，重新推導定價邏輯應該是什麼。步驟三：基於以上推導，提出一個與市場主流做法完全不同的定價方案。」這個框架特別適合用在你覺得「大家都這樣做，但總感覺哪裡不對」的場景。AI 在打破行業慣性思維上往往比人類更無包袱，因為它沒有「我們一直都這樣做」的情感負擔。

First principles thinking is about breaking assumptions and rebuilding logic from fundamental facts. Prompt template: ‘Analyze [subscription SaaS pricing strategy] using first principles. Step 1: List all widely accepted assumptions in this space that might actually be wrong. Step 2: Starting from users’ core needs, re-derive what the pricing logic should be. Step 3: Based on that reasoning, propose a pricing model completely different from mainstream approaches.’ This framework shines when you sense that ‘everyone does it this way, but something feels off.’ AI is often less burdened by industry inertia than humans — it has no emotional attachment to ‘we’ve always done it this way.’

第一原理思考とは、前提を壊し、基本的な事実から論理を再構築することです。プロンプトテンプレート：「第一原理を使って【サブスクリプション型SaaSの価格戦略】を分析してください。ステップ1：この分野で広く受け入れられているが実は間違っている可能性のある前提をすべて列挙する。ステップ2：ユーザーの本質的なニーズから出発し、価格ロジックがどうあるべきかを再導出する。ステップ3：その推論に基づき、主流とは全く異なる価格モデルを提案する。」このフレームワークは「みんなこうしているが、どこかおかしい気がする」という場面に特に有効です。

框架三：反向思考（預死亡分析）Framework 3: Reverse Thinking (Pre-Mortem Analysis)フレームワーク3：逆思考（プレモーテム分析）

預死亡分析（Pre-Mortem）是亞馬遜、Google 等公司常用的決策工具。提示方式：「假設現在是 18 個月後，我們的【新產品上市計劃】已經徹底失敗。請從以下三個角色的視角各寫一段失敗原因分析：1. 一位憤怒的早期用戶；2. 一位離職的核心工程師；3. 一位競爭對手的 CEO。然後，基於這三段分析，列出我們現在就應該採取的 5 個預防措施。」反向思考的威力在於它繞過了人類的樂觀偏誤。當你問 AI「這個計劃會成功嗎」，它傾向於給出平衡答案。但當你問「它是怎麼失敗的」，AI 會釋放出更犀利的批判性思維。

Pre-mortem analysis is a decision tool used by Amazon, Google, and others. Prompt: ‘Imagine it’s 18 months from now and our [new product launch] has completely failed. Write a failure analysis from three perspectives: 1. An angry early user; 2. A core engineer who quit; 3. A competitor’s CEO. Then, based on those three analyses, list 5 preventive actions we should take right now.’ The power of reverse thinking is that it bypasses human optimism bias. Ask AI ‘will this plan succeed?’ and it gives a balanced answer. Ask ‘how did it fail?’ and AI unleashes sharper critical thinking.

プレモーテム分析はAmazonやGoogleなどが使う意思決定ツールです。プロンプト：「今から18ヶ月後、私たちの【新製品ローンチ計画】が完全に失敗したと仮定してください。以下の3つの視点から失敗原因を分析してください：1. 怒った初期ユーザー；2. 退職したコアエンジニア；3. 競合他社のCEO。そして、その3つの分析に基づき、今すぐ取るべき5つの予防措置を列挙してください。」逆思考の力は人間の楽観バイアスを回避することにあります。「この計画は成功しますか？」と聞けばバランスの取れた答えが返りますが、「どのように失敗したか？」と聞けばAIはより鋭い批判的思考を発揮します。

讓 AI 成為真正的思維夥伴Making AI a Real Thinking PartnerAIを本物の思考パートナーにする

這三個框架的共同邏輯是：給 AI 一個角色、一個結構、一個對抗性任務。角色讓 AI 知道從哪個視角思考；結構讓輸出可以被比較和追蹤；對抗性任務打破 AI 的「取悅傾向」，逼出真正有用的批判。實際操作建議：把這三個框架做成你的提示模板庫，在每次重大決策前各跑一遍，然後把三份輸出放在一起對比。你會發現，AI 給出的不是答案，而是一張更清晰的問題地圖——而這才是高品質決策真正需要的東西。

上一篇：用 RAG + Agent 架構搭建智慧客服系統：查詢訂單、處理退款、升級人工一站搞定

下一篇（第28篇）預告：AI 工具的安全紅線：哪些事情你絕對不能交給 AI 做

The shared logic across these three frameworks: give AI a role, a structure, and an adversarial task. The role tells AI which perspective to think from; the structure makes outputs comparable and trackable; the adversarial task breaks AI’s tendency to please and forces genuinely useful critique. Practical tip: build these three frameworks into your prompt template library. Before any major decision, run all three, then compare the outputs side by side. You’ll find that AI isn’t giving you answers — it’s giving you a clearer map of the problem. And that’s exactly what high-quality decision-making actually needs.

Previous: Build a Smart Customer Service System with RAG + Agent: Orders, Refunds, and Human Escalation All in One

Next up (Part 28): AI Tools’ Safety Red Lines — What You Should Never Let AI Do

この3つのフレームワークに共通するロジックは、AIに役割・構造・対立的タスクを与えることです。役割はAIにどの視点から考えるかを伝え、構造は出力を比較・追跡可能にし、対立的タスクはAIの「迎合傾向」を打ち破り、本当に有用な批判を引き出します。実践的なアドバイス：この3つのフレームワークをプロンプトテンプレートライブラリに追加し、重要な意思決定の前に毎回3つすべてを実行して出力を並べて比較してください。AIが答えを与えるのではなく、問題のより明確な地図を提供していることに気づくでしょう。それこそが高品質な意思決定に本当に必要なものです。

前回：RAG + Agent アーキテクチャでスマートカスタマーサービスシステムを構築：注文照会・返金処理・人工エスカレーションを一括対応

次回（第28回）予告：AIツールの安全レッドライン：絶対にAIに任せてはいけないこと

峰値 PEAK / 阿峰

全端开发者 · 套利交易员 · 在日创业者

Full-Stack Dev · Arb Trader · Japan-based Founder

フルスタック開発者 · アービトラージトレーダー · 在日起業家

在大阪构建系统、做套利交易、探索 AI Agent。相信系统的力量大于意志力。

Building systems, trading arb, exploring AI agents from Osaka. Systems over willpower.

大阪でシステムを構築し、アービトラージ取引を行い、AIエージェントを探求。システムは意志力を超える。

X @jvmdxf Telegram 了解更多More詳しく