診断業務の生成AI活用とは、報告書づくりの下ごしらえを機械に任せる運用のことです。

1件の経営診断報告書に、下ごしらえだけで何時間かけているでしょうか。この記事では、診断業務を7つの工程に割り、どの工程を生成AIに任せ、どの工程を診断士本人が持つのかを、工程ごとの判断軸として整理します。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確認しています。診断先の側でも動きは出ており、中小企業基盤整備機構の中小企業のAI等の利活用に係る実態調査（2026年3月公表）では、経営・企画部門のAI導入率が58.5％と報告されています。

診断先の側がAIを触り始めた2026年の地合い

診断士が生成AIを使うかどうかの前に、診断先の企業がすでに使い始めています。出典は中小機構の前掲調査で、全国の中小企業10,000社を対象に、令和7年11月17日から12月12日にかけて実施され、有効回答は1,647社です。AIの導入率は20.4％、導入を検討している企業が18.6％で、合わせて39.0％が前向きだと整理されています。この数字が意味するのは、診断の現場で生成AIの相談が向こうから飛んでくる確率が、4割近い企業で発生するということです。診断士の側が「まだ様子見です」と答える立場ではなくなりました。

導入済み企業が何を使っているかも押さえておきたいところです。同調査では、導入済みのAIサービスとして生成AIが82.6％と最多で、次点の音声認識・音声対話AIが29.8％、画像認識AIが11.2％、需要予測AIが8.1％と続きます（出典: 中小機構 中小企業のAI等の利活用に係る実態調査、2026年3月）。つまり中小企業がAIを入れたと言うとき、その実態のほとんどは生成AIの業務利用です。工場のライン制御や外観検査の話ではなく、文書作成とアイデア出しの話をしていると考えたほうが、診断の初回ヒアリングは噛み合います。逆に、画像認識や異常検知を前提にした提言を初手で出すと、投資規模の感覚が合わずに話が止まります。

もう一つ、診断士にとって使いどころのある数字があります。同調査では、導入効果として付加価値創出を挙げた割合が、AIで22.3％、従来のITツールで7.4％と、約15ポイントの差がついています（出典: 中小機構 中小企業のAI等の利活用に係る実態調査、2026年3月）。ITは省人化に効き、AIはそれに加えて新しいアウトプットを生むと評価されている、という読み方ができます。診断報告書で投資対効果を語るとき、この差は使える論拠になります。効率化の金額換算だけで押すと、経営者の関心は「人を減らす話か」に寄ってしまいます。付加価値の側に一本足を残した書き方のほうが、提言としては通りやすくなります。

業務分野別の導入率も、診断の当たりをつける材料になります。前掲調査（出典: 中小機構 中小企業のAI等の利活用に係る実態調査、2026年3月）では総務・管理部門が68.3％で最多、営業・販売・サービス部門が60.3％、経営・企画部門が58.5％、製造・生産部門が34.9％です。バックオフィスから入り、現場に降りていない状態が多数派だと読めます。診断の初動では、まず製造・生産側の工程に手つかずの余地が残っていないかを見にいくほうが、費用対効果の話にしやすくなります。同時に、総務・管理部門で先行導入した事例が社内にあるなら、それを現場への展開の足がかりとして使えます。ゼロから説得するより、社内の成功体験を横に広げるほうが早く進みます。

政策側の文脈も動いています。中小企業庁の2026年版中小企業白書は、労働生産性の向上に効く取り組みの一つとしてAI活用・デジタル化を扱っています。診断士が支援機関として関わる各種施策も、この文脈の上に設計されています。診断書の提言が『デジタル化を進めましょう』で止まると、いまはもう物足りないという見られ方をします。どの業務のどの工程を、どの順番で、誰が担当して変えるのか。そこまで書ききれるかどうかが、報告書の評価を分けます。

診断業務の7工程に生成AIをどこまで噛ませるか

結論から書きます。生成AIに任せてよいのは、資料の下読み、記録の構造化、たたき台の生成までです。仮説の採否と、提言としての責任を負う部分は診断士が持ちます。以下、工程ごとに何を入力して何が返るのかを整理します。

工程1 事前資料の下読み

入力するのは、決算書の数値を打ち直したもの、会社案内、事業計画、業界統計です。返ってくるのは、資料間で食い違っている箇所の一覧と、初回ヒアリングで確認すべき論点の候補です。この工程は、生の帳票をそのまま投入するのではなく、社名と個人名を伏せた要約データに落としてから投入する運用にしておくと、後述の守秘の論点をかなり単純化できます。伏せる作業自体は表計算の置換で片付くので、手間としては数分です。

工程2 ヒアリング記録の構造化

録音した面談を文字起こしし、発言を事実、経営者の解釈、要望、感情の表明の4つに仕分けさせます。診断士が自分でメモを起こすと、どうしても聞いた時点の解釈が混ざります。仕分けを機械にやらせると、経営者が事実として語ったことと、経営者の推測として語ったことの境目が残ります。ここが後の仮説検証で効きます。なお録音には相手の同意が要ります。同意の取り方は、先に公開した面談の録音と文字起こしを事務所の運用ルールに落とすの考え方と同じ組み立てになります。

工程3 定量分析の下書き

財務指標の計算そのものは表計算に任せ、生成AIには指標の並びから読める異常値と、その説明として考えられる仮説を挙げる役を振ります。数字の計算をAIに丸投げすると、桁違いの誤りが混ざったまま報告書に流れ込みます。計算は決定論的なツールで、解釈の候補出しは生成AIで、と分けるのが安全側です。同業比較の統計を添えるなら、その出典も同じ画面に並べて、あとから検算できる形にしておきます。

工程4 仮説の言語化

工程2と工程3の出力を渡し、経営課題の仮説を5本、それぞれ根拠となる発言と数値を紐づけて出すよう指示します。ここで出てくるものは、そのままでは使えません。診断士が見て、外すもの、統合するもの、経営者が受け止められる順番に並べ替えるものを選びます。この選別が診断士の中核であり、外せない工程です。生成AIは網羅的に並べることはできても、どの課題から手を付けると社内の抵抗が最も小さいか、という順序の判断は持っていません。

工程5 改善施策の選択肢出し

採用した仮説ごとに、打ち手の候補を広めに出させます。生成AIは網羅性を出すのが得意なので、診断士の経験の外側にある選択肢が混ざります。ここは発想を広げる工程と割り切り、実現可能性のふるいは後段でかけます。ただし補助金名や制度名を書かせると、廃止済みの制度名や存在しない要件を混ぜてくることがあります。制度に関する記述は、後段の工程で一次情報から入れ直す前提で進めます。

出てきた候補は、投資額、社内の負担、効果が出るまでの期間の3軸で並べ替えます。この並べ替えまでAIにやらせると、その企業の資金繰りや人員の余力を織り込めないまま、教科書的な順序が返ってきます。並べ替えは診断士の手で行い、AIには候補の列挙と、各候補の一般的な前提条件の整理までを任せる切り分けが噛み合います。

工程6 報告書ドラフトの生成

章立てとトーンを指定して、ドラフトを起こさせます。過去の自分の報告書を2、3本、様式の見本として与えると、事務所の書き味に寄ります。ここで注意したいのは、他社の報告書を見本として投入しないことです。守秘の約束をした成果物を、別の案件のスタイル見本に流用する構図になります。見本として使うなら、固有名詞と数値を架空のものに置き換えた自事務所の雛形を、あらかじめ1本作っておく形が扱いやすくなります。

工程7 診断士による検証と最終化

最後に診断士が、数値・制度・固有名詞を一次情報に当て直し、提言としての責任を引き受ける形に直します。ここを飛ばした成果物は、診断書ではなく下書きです。工程7を明示的にチェックリスト化し、誰がいつ実施したかを記録に残す運用を採る事務所が増えています。チェック項目は、数値の出所、制度名と要件の年度、引用した発言の原文一致、固有名詞の表記ゆれの4点に絞ると回ります。

以下は工程2で使えるプロンプトです。架空のA社を想定しています。

あなたは経営コンサルティングの記録整理を担当するアシスタントです。
以下はA社（製造業・従業員28名）の経営者ヒアリングの文字起こしです。

発言を次の4分類に仕分けし、分類ごとに箇条書きで出力してください。
1. 客観的事実として述べられたこと（数値・取引先・設備・人員など）
2. 経営者の解釈・推測として述べられたこと
3. 要望・希望として述べられたこと
4. 感情の表明（不安・不満・期待）

制約:
- 文字起こしに書かれていない情報を必ず補わないでください。推測が必要な箇所は「要確認」と明記してください。
- 分類に迷う発言は「判断保留」として別枠に出してください。
- 固有名詞はそのまま残してください。

【文字起こし】
（ここに貼り付け）

工程4で使うプロンプトは次のような形になります。

以下は、A社のヒアリング整理結果と財務指標の一覧です。
経営課題の仮説を5本、重要度順に提示してください。

各仮説について、次の3点を必ずセットで書いてください。
- 仮説の内容（1文）
- 根拠となるヒアリング発言（原文のまま引用）
- 根拠となる財務指標（指標名と数値）

制約:
- 根拠が資料内に見つからない仮説は提示しないでください。
- 一般論としての経営課題（人手不足、DXの遅れ等）だけを書かないでください。
- 補助金名・制度名・法令名は出力しないでください（別途こちらで確認します）。

【ヒアリング整理結果】
（ここに貼り付け）

【財務指標】
（ここに貼り付け）

制度名や法令名をプロンプト側で禁止しているのは意図的です。生成AIは制度名を出せてしまうぶん、廃止済みの名称や存在しない要件を自然な文章で書きます。制度の記述は工程7で、中小企業庁の2026年度版中小企業施策利用ガイドブックのような一次情報に当てて入れるほうが、結果的に早く仕上がります。診断士の支援メニュー全体の組み立ては、AI導入支援メニューの7設計にまとめています。

顧問先の決算書と議事録をAIに入れる前に決める3つのこと

最初に決めるのは、そのツールが入力データを学習に使うかどうかです。事業者向けプランでは、入力内容を既定でモデル学習に使わないと説明しているベンダーが主流です。AnthropicはIs my data used for model training?で、商用サービスの入出力を既定でモデル訓練に使わない旨を説明しています。OpenAIもプライバシーポリシーと各サービスのデータ利用方針で、法人向けの扱いを分けて示しています。GoogleはGeminiアプリのヘルプで、人によるレビューと保持期間の扱いを説明しています。事務所として確認すべきは、契約プランごとの条件と、設定の既定値がどちらに倒れているかです。無料プランと有料プランで扱いが変わる点は、規程に明記しておくと事故が減ります。ベンダーのポリシーは改定されるため、契約更新のタイミングで読み直す担当を決めておく事務所もあります。

次に決めるのが、診断士側の守秘の建て付けです。中小企業診断士は中小企業支援法第11条に基づく登録制度の上に立つ資格で、同条は経済産業大臣が登録簿を備えて登録する仕組みを定めています。弁護士や税理士のように、業法上の守秘義務規定と刑事罰が一体で置かれている構造とは組み立てが異なります。そのぶん、診断士の守秘は契約上の秘密保持条項と、中小企業診断協会の倫理に関する定めによって支えられる比重が高くなります。この違いは、顧問先に説明するときに正直に言ったほうが信用されます。守秘の根拠が契約側にあるなら、契約書の条項がAI利用を想定した書きぶりになっているかを点検する順序になります。

三つ目に、投入する情報の性質を分けます。顧客名簿や従業員名簿のように特定の個人が識別できる情報は、個人情報保護法第27条が第三者提供の制限を定めており、クラウドサービスへの投入が委託の枠組みで整理されるのか、第三者提供の枠組みで整理されるのかで扱いが変わり得ます。個人情報保護委員会の関係法令のページで、委託と第三者提供の枠組みを確認したうえで、顧問先との契約に落とすのが順序として安全です。技術情報や取引条件は、不正競争防止法第2条が定める営業秘密の管理性の議論にも関わってきます。秘密として管理されている状態を崩さない投入経路を先に決めておく、という発想で組むと、判断が速くなります。

事務所規程に落とすなら、書くのは4行で足ります。投入してよい情報の区分、使ってよいツールとプラン、顧問先への事前説明の文面、記録の残し方です。診断先ごとに同意の取り方を変えると運用が破綻するので、最初から標準文面を用意しておく事務所が多い印象です。顧問先への説明の設計は、成果物へのAI利用をどこまで伝えるかで整理した組み立てが参考になります。説明を先に出しておくと、あとから発覚して信頼を失う展開を避けられます。

診断報告書づくりでAIがつまずいた3つの場面

一つ目は、存在しない制度名と要件の混入です。補助金の名称は年度で変わり、要件は公募回ごとに動きます。生成AIは前年度の情報で流暢に書きます。診断書に載ると、支援機関としての信用に直接響きます。制度の記述はプロンプト側で禁止し、工程7で一次情報から手で入れる運用に倒すのが現実的です。顧問先が診断書を金融機関に見せる場面を想定すると、ここの精度は落とせません。

二つ目は、経営者の推測が事実として報告書に定着する事故です。ヒアリングで『たぶん競合はこの値段だと思う』と語られた内容が、工程6のドラフトで断定調の記述に変換されます。工程2で事実と解釈を分けておくと、この変換が起きた箇所を目視で追えます。分けずに一気通貫でドラフトまで進めると、どこから推測が混ざったのか、あとから追跡できなくなります。

三つ目は、事務所内でのツール利用の野良化です。所長が把握していないアカウントで、補助業務の担当者が顧問先資料を投入していた、という形で表面化します。誰がどのツールを使い、何を入れたのかを追えない状態が、いちばん説明のつかない状態になります。利用ツールを台帳化し、月1回、誰が何に使ったかを短く報告させる運用を採る事務所があります。台帳は表計算1枚で足り、ツール名、契約プラン、利用者、投入してよい情報区分の4列があれば回ります。

月に何時間減るのか、誰が運用を持つのか

費用面は、主要ベンダーの法人向けプランが1ユーザーあたり月額数千円の水準で並んでいます（出典: 各社の公開価格ページ。価格は改定が入るため、契約時点での確認が要ります）。5人規模の事務所なら、月額の合計は小さく、判断を止める要因にはなりません。初期に効くのはむしろ工数です。プロンプトの型を作り、過去の報告書を見本として整えるまでに、10時間から20時間程度を見込んでおくと現実的です（出典: 筆者が支援したAI導入案件での実績レンジ。事務所の書式の標準化度合いで変動します）。

運用を誰が持つかは、所長が兼務するより、補助業務の担当者に持たせたほうが定着します。理由は単純で、下ごしらえの工程を最も多く回すのがその人だからです。ただし守秘の判断だけは診断士本人に残します。投入してよいかどうかの線引きを担当者に委ねると、判断の根拠が事務所に残りません。効果測定の指標づくりは、AI導入の効果をどう測るかで整理した考え方を診断業務にそのまま当てられます。測る対象は、報告書1件あたりの下ごしらえ時間と、初稿から納品までの差し戻し回数の2点から始めるのが現実的です（出典: 同記事で整理したKPI設計の考え方）。

診断士の仕事は報告書から実装支援へ寄っていく

報告書の下ごしらえが速くなると、空いた時間の使い道が問われます。ここが2026年以降の論点です。診断先の4割近くがAIに前向きだという中小機構の調査結果を踏まえると、診断書を出して終わりではなく、提言した打ち手を顧問先の現場で動かすところまでを商品にできるかが分かれ目になります（出典: 中小機構 中小企業のAI等の利活用に係る実態調査、2026年3月）。

もう一つの論点は、報告書の品質の見え方です。下ごしらえが自動化されると、体裁の整った報告書はどの事務所でも出せるようになります。差がつくのは、経営者が自分の言葉で課題を語り直せる状態まで持っていけたかどうかです。この部分は生成AIでは代替できません。診断士が対話に使う時間を増やせるなら、AIの導入は報告書の効率化ではなく、支援の質の話になります。報酬の設計も、成果物の枚数ではなく、伴走した期間と到達点で説明する形に寄っていくことが論点になります。

三つ目の論点は、診断士どうしの分業です。下ごしらえが速くなると、診断士ひとりが同時に回せる案件数は増えます。ただし守秘の判断と最終確認は分散できないため、案件が増えるほど確認の負荷が特定の人に集まります。事務所として受注量を増やすなら、確認工程を担える人を先に育てる順序になります。ツールを入れる話より、こちらのほうが先に効いてきます。

よくある質問

診断業務の生成AI活用とは何を指しますか

報告書づくりの下ごしらえを機械に任せる運用を指します。具体的には、事前資料の下読み、ヒアリング記録の構造化、分析の解釈候補出し、ドラフト生成までです。仮説の採否と最終化は診断士が持つ構図が前提になります。

顧問先の決算書を生成AIに入れてよいですか

入れる前に決めるべきことが3つあります。使うツールが入力を学習に使うか、顧問先との契約にAI利用の説明が入っているか、個人が識別できる情報が混ざっていないかです。個人情報保護法第27条が第三者提供の制限を定めており、クラウドへの投入が委託と第三者提供のどちらの枠組みで整理されるかが論点になります。

中小企業診断士に法律上の守秘義務はありますか

診断士の登録は中小企業支援法第11条に基づく制度ですが、同条は登録の仕組みを定めるもので、業法上の守秘義務規定と刑事罰を一体で置く弁護士法や税理士法とは構造が異なります。実務上は契約の秘密保持条項と協会の倫理に関する定めが根拠の中心になります。

AIが出した数字をそのまま報告書に使えますか

計算は決定論的なツールで行い、生成AIには解釈の候補出しを任せる分業が安全側です。生成AIは桁の誤りや、根拠のない集計を自然な文章で出力します。数値は元帳票に当て直す工程を、診断士の最終確認の中に入れておく運用が要ります。

補助金の名称や要件をAIに書かせてよいですか

制度名と要件は生成の工程から外し、一次情報から手で入れるほうが結果として速く仕上がります。補助金は年度と公募回で名称と要件が動くため、生成AIは古い情報を流暢に書きます。中小企業庁の施策利用ガイドブックなどで確認する工程を分けておく形です。

事務所の誰がAI運用を持つとよいですか

下ごしらえの工程を最も多く回す担当者に持たせ、守秘の判断だけを診断士本人に残す分け方が定着しやすい形です。投入の可否判断を担当者に委ねると、判断の根拠が事務所に残らなくなります。

導入の効果はどう測ればよいですか

工程別の所要時間を導入前に測っておき、同じ粒度で比べるのが出発点になります。報告書1件あたりの下ごしらえ時間、差し戻し回数、顧問先からの質問件数あたりが実務的な指標です（出典: 士業のチカラ AI導入の効果をどう測るか）。

診断先がすでに生成AIを使っている場合、診断士は何を見ますか

どの部門で、どの業務に、どのプランで使っているかの3点から入ります。中小機構の調査では総務・管理部門の導入率が68.3％と最も高く、製造・生産部門は34.9％にとどまっています（出典: 中小機構 中小企業のAI等の利活用に係る実態調査、2026年3月）。先行部門の運用を現場へ広げる道筋が、提言の起点になります。

参考文献

• 中小企業基盤整備機構 中小企業のAI等の利活用に係る実態調査（2026年3月）
• 中小企業庁 2026年版中小企業白書
• 中小企業庁 2026年度版中小企業施策利用ガイドブック
• 個人情報保護委員会 関係法令
• e-Gov法令検索 中小企業支援法第11条
• Anthropic Is my data used for model training?

※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/