経営改善計画の数値計画をAIで下書きする根拠を残す7手順

経営改善計画の数値計画とは、収支と返済の見通しを年度ごとに示した計画部分のことです。

経営改善計画の作成で時間を食うのは、文章ではなく数値計画です。売上をどう置き、原価率をどう動かし、返済原資をどう捻出するか。前提が1つ変わるたびに全体を作り直す作業が発生します。中小企業庁は2026年3月26日に、早期経営改善計画策定支援および経営改善計画策定支援の手引き・FAQ等の改定を公表し、経営改善計画策定支援の通常枠については、策定する計画に数値基準を導入することを2026年5月1日適用の内容として示しました（出典: 中小企業庁早期経営改善計画策定支援（Vアップ事業）及び経営改善計画策定支援（405事業）の手引き・FAQ等を改定等します）。この記事では、数値計画の一次案を生成AIで作り、その根拠を検証して残す手順を7つに分けて整理します。なお本記事は有資格者による確認を経ていない記事であり、計画の内容と適否の判断は担当する支援機関の確認を経てください。

2026年の改定で、計画に求められる形が変わった

まず制度側の動きを確認します。中小企業庁の公表資料によれば、中小企業の事業再生支援をめぐる課題が深刻化し、早期着手・予兆管理や支援体制の強化が求められる中で、中小企業における事業再生支援のあり方検討会において再生支援全般の現状整理と今後の方向性が示され、これを踏まえて手引き・FAQ等の改定が行われました（出典: 中小企業庁手引き・FAQ等を改定等します）。

適用日と内容は支援の類型ごとに分かれています。早期経営改善計画策定支援のうち金融機関を除く支援機関が支援する場合は2026年3月31日適用で、補助上限額の引き上げ、計画への実態貸借対照表の追加、伴走支援内容の強化などが挙げられています。金融機関が支援する場合は2026年5月1日適用で、対象先の見直し、金融機関が実施する伴走支援の補助対象への追加、補助上限額の引き上げ、計画への実態貸借対照表の追加などが挙げられています。そして経営改善計画策定支援の通常枠は2026年5月1日適用で、策定する計画に数値基準を導入すること、対象となる金融支援の見直しが挙げられています（出典: 中小企業庁手引き・FAQ等を改定等します）。

支援する側から見ると、変化は2つです。第一に、実態貸借対照表が計画の構成要素として明示されたこと。第二に、通常枠の計画に数値基準が導入されたことです。いずれも数値計画の作り込みに関わる部分で、作成の工数が軽くなる方向の変更ではありません。

ここで生成AIの使いどころが出てきます。ただし、使いどころを間違えると事故になります。数値そのものを生成AIに作らせると、根拠のない数字が並びます。使うべきは、前提の洗い出し、シナリオの言語化、根拠の説明文、そして計画の読みやすさの確認です。計算は表計算ソフトか支援ツールで行い、生成AIは前後の工程を担当する。この切り分けが本記事の前提になります。

なお、経営診断の報告書そのものをAIで作る場合の設計は当媒体の経営診断レポートのAI作成材料集めと文章化を分ける設計に、事業計画書の作成支援は事業計画書の作成支援とAI 経営者の言葉を計画に変える工程に整理してあります。本記事は、その中でも数値計画と根拠の検証に絞ります。

数値計画の一次案を作り、根拠を残す7手順

支援先1社について、初回のヒアリングから数値計画の一次案を出し、根拠を記録に残すまでの流れを7手順に分けます。

手順1 実績値を先に固定する

計画の議論に入る前に、直近3期分の決算数値を確定させます。売上高、売上原価、販管費の主要項目、営業利益、支払利息、減価償却費、借入金残高と約定返済額。この段階で生成AIは使いません。数字の転記は、誤りが混ざると後工程すべてに波及するためです。実態貸借対照表を作る場合は、資産の評価に関する情報もここで集めます。

手順2 前提条件を洗い出して言語化する

ここから生成AIを使います。ヒアリングメモから、計画の前提になり得る事項を漏れなく拾い出す作業です。経営者は数字で語らないため、発言の中に前提が埋もれています。

あなたは経営改善計画の前提条件を整理するアシスタントです。
以下のヒアリングメモから、収支の見通しに影響する前提条件を抽出し、
次の5分類で整理してください。数値の推計や計画の提案は書かないでください。

分類：
1. 売上に影響する前提（取引先、単価、数量、季節性、契約の更新時期）
2. 原価に影響する前提（仕入先、原材料、外注、人員）
3. 固定費に影響する前提（人件費、地代家賃、リース、保険）
4. 資金繰りに影響する前提（借入、返済、設備投資、税金・社会保険）
5. 前提が不確実で、確認が必要な事項

各項目について、次を出力してください。
- 前提の内容
- 根拠となる発言（メモからの該当箇所を、企業名・個人名を伏せたまま引用）
- 確認が必要かどうか

ヒアリングメモ：
（ここに貼り付け。企業名・個人名は伏せ字にしてあります）

出力の5番目、確認が必要な事項のリストが、次回ヒアリングの質問票になります。

手順3 シナリオを3本立てる

前提が揃ったら、シナリオを3本作ります。基準となる継続シナリオ、改善施策が想定どおり進んだシナリオ、想定より遅れたシナリオの3本です。この段階でもまだ計算はしません。各シナリオで何がどう変わるかを、言葉で書き出します。生成AIは、前提リストからシナリオの差分を書き出す作業に使えます。

手順4 表計算で数値を組む

シナリオを数値に落とす工程です。ここは表計算ソフトか支援ツールで行います。生成AIに数字を作らせない理由は2つあります。第一に、計算過程が検証できないこと。第二に、前提を1つ変えたときの再計算が追えないことです。表計算であれば、セルの参照関係が根拠そのものになります。

組む順序は、損益計算書の見通し、資金繰り、借入金の返済計画、そして貸借対照表の見通しです。返済原資の考え方は計画の中心になるため、営業利益に減価償却費を足し、法人税等と設備投資を引く形の算式を、計画書の中に明示しておきます。

手順5 数値の根拠を1行ずつ書く

計画の説得力は、数字そのものではなく根拠にあります。売上を前期比で動かすなら、なぜその率なのか。原価率を下げるなら、どの取引でどう下げるのか。1行ごとに根拠を書きます。この文章化に生成AIを使います。

以下の数値計画の各項目について、根拠の説明文を作ってください。
数値の再計算や、与えられていない数値の推定は禁止します。
与えられた根拠メモの範囲でのみ文章化してください。

出力条件：
- 1項目につき2〜3文
- 「〜のため、〜と見込んでいます」の形で、前提と結論を分けて書くこと
- 根拠メモに書かれていない要因を補わないこと
- 根拠が不足している項目は、文章を作らず「根拠の追加が必要」と出力すること

項目と根拠メモ：
- 売上高（1年目）：既存取引先A社の年間発注が前年と同水準で継続する前提。
  新規のB社との取引は契約書締結済み、月次の発注見込みは先方提示のとおり。
- 売上原価率：主要原材料の単価改定が確定済み。改定後の単価で試算。
- 人件費：退職者1名の補充を行わない前提。残業時間の削減目標は未確定。

根拠が不足している項目を空欄のまま出力させる設計にしておくと、確認漏れが見つかります。

手順6 有資格者が数値と根拠を突き合わせる

一次案が揃ったら、支援する側の担当者が全項目を突き合わせます。確認するのは4点です。第一に、実績値の転記が正しいか。第二に、計画値の根拠が手順5の説明と対応しているか。第三に、返済原資の算式が計画書の記載と一致しているか。第四に、制度側で求められる要素が揃っているか。実態貸借対照表や数値基準に関する項目は、中小企業庁が公表している手引きとマニュアル・FAQで確認します（出典: 中小企業庁手引き・FAQ等を改定等します）。

手順7 前提と根拠を記録に残す

最後に、計画書とは別に、作成過程の記録を残します。残すのは、採用した前提とその出所、シナリオの分岐条件、計算に使ったファイルのバージョン、生成AIを使った工程と入力範囲、確認者と日付です。伴走支援の局面で計画と実績が乖離したとき、どの前提が外れたのかを特定できるかどうかが、この記録の有無で変わります。

7手順の中で生成AIが担当するのは、手順2の前提抽出、手順3のシナリオ言語化、手順5の根拠文章化の3工程です。計算と最終確認は人が持ちます。この配分であれば、作業時間は減らしつつ、根拠の追跡可能性は保てます。

支援先の数値をAIに入れる前に、支援機関側で決めておくこと

経営改善計画の作成では、支援先企業の決算数値、取引先名、借入の状況といった、外部に出ない情報を扱います。これらを生成AIへ入力するかどうかは、支援機関として先に決めておく論点です。

中小企業診断士は、中小企業支援法第11条に基づいて経済産業大臣が備える登録簿に登録される者として位置づけられています（e-Gov法令検索中小企業支援法第11条）。他の士業のような法律上の守秘義務規定が置かれているわけではないため、顧客情報の取扱いは業務委託契約の秘密保持条項によって担保される構造です。一方、同じ計画づくりに税理士が関与する場合、税理士については税理士法第38条が、正当な理由がなく税理士業務に関して知り得た秘密を他に洩らし、または窃用してはならない旨を定めています（e-Gov法令検索税理士法第38条）。複数の支援機関が関与する案件では、それぞれの立場で扱いの前提が違う点を、最初に確認しておく必要があります。

従業員の氏名や給与に関する情報を人件費の検討で扱う場合には、個人情報の取扱いも論点になります。個人情報の保護に関する法律第27条は、個人データの第三者提供に関する規定を置いています（e-Gov法令検索個人情報の保護に関する法律第27条）。人件費の検討では、個人単位ではなく職位単位や部門単位の集計値に加工してから扱う運用が取りやすい形です。

ツール側の条件も確認します。事業者向けの提供では、入力したデータをモデルの学習に用いない旨が明示されている例があります。OpenAIは法人向けの提供において、既定では入力・出力をモデルの訓練に使用しない旨を公開しています（出典: OpenAI Enterprise privacy）。学習利用の有無と、保存期間・保存場所・事業者内部のアクセス権限は別項目として、それぞれ確認します。

本記事の7手順では、生成AIへ入力するのは、企業名と個人名を伏せたヒアリングメモと、金額の入っていない根拠メモに限る設計にしています。手順5のプロンプト例でも、金額そのものは入れず、前提の内容だけを渡す形にしました。数値を入れないことで、外部へ渡る情報の範囲が大きく狭まります。

支援機関の内部ルールとしては、次の5項目が候補です。利用してよいツールと契約プランの列挙、入力してよい情報の類型（企業名・個人名・金額を含まない加工済み情報に限る等）、支援先への説明が必要な場面の定義、出力を計画書に反映する前の確認者、作成過程の記録の保存期間。支援メニュー全体の設計については、当媒体のAI導入目的の87.0%は業務効率化診断士が組む支援メニュー7設計で扱っています。

支援先への説明としては、計画の作成過程で文章作成の補助にAIを利用していること、数値の算定と最終的な内容の確認は支援機関が行っていることの2点を伝える形が取りやすいでしょう。金融機関に提出する計画である以上、作成過程を説明できる状態にしておくこと自体が、計画の信頼性に関わります。

数値計画づくりで起きやすい3つの失敗

1つ目は、生成AIに数値そのものを作らせてしまう失敗です。前提を渡すと、それらしい数値が並んだ表が返ってきます。しかしその数値は、計算の過程が追えません。金融機関から前提の変更を求められたとき、どこを直せばよいかが分からなくなります。回避策は手順4で、計算を表計算ソフトか支援ツールに固定することです。

2つ目は、根拠のない改善率が計画に残る失敗です。原価率を数ポイント下げる、販管費を一定割合圧縮するといった記載が、根拠なく入ることがあります。回避策は手順5で、根拠が不足している項目を空欄として出力させ、そのまま次工程へ進ませないことです。空欄が残っている限り計画は完成しない、という運用にします。

3つ目は、前提の記録を残さない失敗です。計画は作った時点で終わりではなく、伴走支援の中で実績と比較され続けます。前提を記録していないと、乖離の原因が施策の失敗なのか前提の誤りなのかを切り分けられません。回避策は手順7で、前提と出所を計画書とは別のファイルに残すことです。改定では伴走支援内容の強化が挙げられており（出典: 中小企業庁手引き・FAQ等を改定等します）、作成後の局面はこれまでより重くなります。

工数の内訳と、担当の分け方

計画1本あたりの工数は、実績の整理、前提の洗い出し、数値の組み立て、根拠の文章化、確認の5つに分かれます。

このうち生成AIで短縮できるのは、前提の洗い出しと根拠の文章化です。ヒアリングメモから前提を拾う作業は、手作業だと読み返しに時間がかかりますが、分類して出させれば確認だけで済みます。根拠の文章化も、型が決まっていれば下書きが使えます。一方、実績の整理と数値の組み立ては短縮されません。ここは資料の入手待ちと、支援先とのやり取りが律速になります。

確認の工程は、むしろ増える前提で見ておくほうが安全です。生成AIの出力を使う以上、前提の取り違えや、メモにない要因の補完が混ざっていないかを見る作業が加わります。全体としては、下書き工程の短縮分を確認工程が一部相殺し、正味では作成期間が短くなるという見込み方が現実的です。

担当の分け方としては、実績の整理と数値の組み立てを担当者が持ち、前提の確定と最終確認を主担当の有資格者が持つ二層構造が組みやすい形です。生成AIのプロンプトは事務所の型として共有し、案件ごとに書き直さないようにします。型を共有すると、出力の粒度が揃い、確認の負荷も下がります。

数値基準の導入が支援の型に与える影響

通常枠の計画に数値基準が導入されることは（出典: 中小企業庁手引き・FAQ等を改定等します）、支援機関にとって作成の自由度が下がる方向の変更です。ただし、基準が明示されるということは、計画が満たすべき形が事前に分かるということでもあります。前提の置き方と根拠の残し方を型にしておけば、案件ごとの迷いは減ります。

論点として残るのは3つあります。第一に、数値基準を満たすために前提を調整する誘因が働かないかという点です。基準に合わせて前提を動かすと、計画は通っても実行段階で乖離します。手順5と手順7の記録は、この誘因への歯止めとして働きます。第二に、実態貸借対照表の作成にかかる工数をどう吸収するかです。資産の評価には外部の情報が必要になる場面があり、生成AIで短縮できる領域ではありません。第三に、伴走支援の局面でのAIの使い方です。月次の実績と計画の差異を要約する作業は定型化しやすく、次に検討される領域になりそうです。

いずれも、いま決められるのは作成側の型だけです。前提を記録し、根拠を1行ずつ残す。この基本ができていれば、制度側の要求が変わっても組み替えが効きます。

よくある質問

経営改善計画の数値そのものを生成AIに作らせてよいですか

計算過程を検証できない状態で使うと、前提の変更に追随できなくなります。本記事の手順では、計算は表計算ソフトか支援ツールに固定し、生成AIは前提の抽出と根拠の文章化に限定しています。この分け方であれば、出力の確認は文章表現の確認に絞れます。

2026年の改定で計画の何が変わりましたか

中小企業庁の公表によれば、早期経営改善計画策定支援では補助上限額の引き上げや計画への実態貸借対照表の追加、伴走支援内容の強化などが、経営改善計画策定支援の通常枠では策定する計画への数値基準の導入や対象となる金融支援の見直しが挙げられています（出典: 中小企業庁手引き・FAQ等を改定等します）。適用日は支援の類型ごとに分かれているため、案件ごとに手引きで確認する項目になります。

支援先の決算数値を生成AIに入力してよいですか

入力の前に、支援機関としての方針を決めておく論点です。本記事の手順では、金額を含まない加工済みの情報だけを入力する設計にしています。中小企業診断士は中小企業支援法第11条の登録簿に基づく資格であり（e-Gov法令検索中小企業支援法第11条）、顧客情報の取扱いは業務委託契約の秘密保持条項によって担保される構造のため、契約で許容される範囲の確認が起点になります。

シナリオは3本も必要ですか

金融機関との協議で前提の変更を求められる場面を想定すると、幅を持たせておくほうが再作業が減ります。3本でなくてもかまいませんが、少なくとも改善施策が想定より遅れた場合の見通しは用意しておくと、協議の材料になります。

根拠の文章化を生成AIに任せると、内容が薄くなりませんか

薄くなるかどうかは、渡す根拠メモの粒度で決まります。メモが具体的であれば文章も具体的になり、メモが抽象的なら文章も抽象的になります。手順5のプロンプトで、根拠が不足している項目は文章を作らせない設計にしているのは、この点を検出するためです。

伴走支援の段階でもAIは使えますか

月次の実績と計画の差異を要約する作業は定型化しやすい領域です。ただし差異の原因分析と対策の提案は、支援先の状況を踏まえた判断になるため、支援機関側の作業として残ります。作成段階と同じく、計算と判断を分ける設計が前提になります。

計画作成の記録はどこまで残せばよいですか

採用した前提とその出所、シナリオの分岐条件、計算ファイルのバージョン、AIを使った工程と入力範囲、確認者と日付の5項目が基本になります。伴走支援で計画と実績が乖離したときに、どの前提が外れたのかを特定できる粒度であることが目安です。

まとめ

中小企業庁は2026年3月26日に手引き・FAQ等の改定を公表し、早期経営改善計画策定支援では計画への実態貸借対照表の追加や伴走支援内容の強化を、経営改善計画策定支援の通常枠では策定する計画への数値基準の導入を示しました（出典: 中小企業庁手引き・FAQ等を改定等します）。計画の作り込みが求められる方向である以上、支援機関側は工程を分けて回す必要があります。実績の固定、前提の洗い出し、シナリオの言語化、表計算での数値化、根拠の1行記載、有資格者による突き合わせ、記録の保存という7手順のうち、生成AIが担うのは前提抽出・シナリオ言語化・根拠文章化の3工程です。計算と判断を人が持つ配分を崩さなければ、作成期間を縮めながら、根拠の追跡可能性を保てます。

参考文献

※士業のチカラでは、生成AIの導入支援から運用最適化まで、貴事務所の業務に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://shigyonochikara.jp/contact/

本記事の作成体制について

本記事は士業のチカラ編集部が、公表されている一次情報のみを根拠に作成しています。法令の条文はe-Gov法令検索の原文で、行政の見解は各府省庁の公表資料で、それぞれ確認したうえで記載しています。引用元は本文中および参考文献にすべて明示しています。

本記事には特定の資格者による監修は入っていません。個別の事案について法令の当てはめや手続の可否を判断する必要がある場合は、当該分野の有資格者にご相談ください。本記事は一般的な情報提供を目的としたものであり、個別具体的な法律判断・税務判断・労務判断を提供するものではありません。

記載内容に誤りを見つけられた場合は、お問い合わせよりご指摘ください。確認のうえ速やかに訂正し、訂正履歴を記事内に残します。編集方針の詳細は運営者情報をご覧ください。