マッキンゼー、BCG、ベインの1年目のアナリストに、過去2年間で最も変わったことは何かと尋ねてみると、「ケースが難しくなった」と答える人はほとんどいないだろう。彼らが口にするのは、ツールが変わったということだ。AIコパイロットは今や、エンゲージメントの進め方における日常的な一部となっている——パイロットプログラムでもなく、イノベーション資料のスライドの一枚でもなく、チームが最初のクライアント電話の前に開くものになっているのだ。外からは見えにくいのは、こうしたツールがエンゲージメントのどこで実際に仕事をしているのか、そしてコンサルタントが今もどこで支援なしに自分の頭で考えなければならないのか、という点だ。
AIコパイロットが実際に登場する場所
エンゲージメントは、予測可能な一連のステップを進んでいく。問題のスコーピング、リサーチの収集、発見内容の統合、視点(point of view)の構築、そして提言の提示だ。AIコパイロットはこの流れの中間部分を最も速く占領した一方で、両端——本当の問いを定義することと、答えの責任を負うこと——は、ほぼ完全に人間の領域として残っている。
flowchart LR
A[問題のスコーピング] --> B[リサーチとデータ収集]
B --> C[統合]
C --> D[視点の構築]
D --> E[クライアントへの提言]
style A fill:#fadbd8
style B fill:#d4e6f1
style C fill:#d4e6f1
style D fill:#fdebd0
style E fill:#fadbd8
青色のステージは、今日のコパイロットがその存在価値を発揮する場所だ。数百ページのインタビュー記録を3つのテーマに変換したり、チームが自分たちで数字を計算する前にサニティチェックできる市場規模推定の初期ドラフトを作成したりする。赤色のステージは、モデルが結果に何の利害関係も持たず、クライアントが実際に何を受け入れるかについての文脈も持たない場所だ——だからこそ、これらは人間の領域として残り続ける。
タスクごとに見るとどうなるか
| タスク | AIコパイロット導入前 | 現在のAIコパイロット活用 | それでも人間が必要な部分 |
|---|---|---|---|
| デスクリサーチ | アナリストが数十のソースを手作業で読みタグ付け | コパイロットがソースをクラスタリングし、重要な5〜6件をフラグ付け | このクライアントにとってどのソースが信頼できるかの判断 |
| インタビューの統合 | チーム全体で1行ずつメモを見直す | 記録から自動生成されるテーマ要約 | 枠組みを変えてしまうような何気ない一言を捉えること |
| スライドドラフト作成 | 白紙のテンプレートから構築 | AIが構造化された初期ドラフトを作成 | ストーリーの論理、クライアント固有のニュアンス、トーン |
| データクリーニング | Excelでの手作業による数式チェック | コパイロットが異常値や不整合な形式をフラグ付け | どの異常値が本当のシグナルかを判断すること |
| クライアントQ&A準備 | チームで想定質問をブレインストーミング | コパイロットが難しい質問の初期案を生成 | 場の空気を読み、その場で調整すること |
このパターンはファームを問わず共通している。コパイロットは初期ドラフトまでの時間を圧縮し、チームはその節約された時間を、タイピングではなく判断に費やす。マッキンゼーは、ファーム自身が蓄積してきた知見をクエリ一つで引き出せるようにするためLilliを構築した。ベインとOpenAIの提携、そしてBCGがBCG X経由で行っている取り組みも、同じ論理に基づいている——検索・取得作業をコモディティ化し、コンサルタントの時間を、実際に人間が現場にいることを必要とする業務に振り向けるということだ。
誰も飛び越えられない限界
こうしたツールを制約する要素は2つあり、どのエンゲージメントチームもこの両方に必ず行き当たる。1つ目は機密性だ。クライアントデータを汎用チャットボットに貼り付けることは決してない。だからこそファームは、消費者向けAIプロダクトに依存するのではなく、適切なデータガバナンスを備えた内部ツールを構築している。2つ目は検証だ。コパイロットが出す統合結果や初期ドラフトの数字は出発点であって、最終的な成果物ではない——誰かがそれを、クライアント、市場、そして重要な数字についての自分の知識と照らし合わせてチェックしなければならない。このステップを省略することが、自信満々に語られるナンセンスがクライアントの前に出てしまう原因であり、クライアントの信頼を失う最も手っ取り早い方法でもある。
ケース面接対策においてこれが重要な理由
候補者がしばしば見落としているのは、コンサルタントがAIコパイロットを上手く使うために必要なスキルが、ケース面接がまさに測ろうとしているスキルと同じであるという点だ。AIがフラグ付けした3つの異常値のうちどれを深掘りする価値があるか判断すること、統合結果がクライアントの本当の制約を見落としていることに気づくこと、あまりにも綺麗すぎる数字をサニティチェックすること——これらはまさに、曖昧な状況下での構造化力、数値的判断力、そしてビジネス感覚だ。ツールが下書きを速く作れるようになったからといって、そのスキルの基準が下がるわけではない。むしろ基準は上がる。なぜなら、今やアナリストには、ツールが最初から見落としたものを捉えることが期待されているからだ。（この職業レベルでの変化についてはAIはコンサルティング業界をどう変えているかで詳しく解説しており、このトレンドが生み出すテック戦略ケースについてはAIと新興テクノロジーのケースで取り上げている。）
だからこそ、AIを相手に練習することは、単なる目新しさではなく、実践的な対策として機能する。仕事の現場でコパイロットの盲点を見つけるために使うのと同じ直感こそが、成長戦略ケースやオペレーションケースが試そうとしている直感なのだ。
まとめ
- AIコパイロットはリサーチ、統合、初期ドラフト作成に集中している——エンゲージメントの中間部分であり、両端ではない
- 問題のフレーミングと最終的なクライアントへの提言は、依然としてほぼ完全に人間の領域である。これは、いかなるモデルも持ち得ない文脈と責任が必要とされるためだ
- 大手ファーム（マッキンゼーのLilli、ベインとOpenAIの提携、BCG X）は、これを場当たり的なツール利用に任せるのではなく、内部ワークフローに組み込んでいる
- 機密性と検証は、AIが関わるすべてのステップにおいて譲れないガードレールである
- コパイロットを上手く使うために必要な判断力——見落としを捉え、出力をサニティチェックする力——は、ケース面接が測っている判断力と同じものである
その判断力を試してみよう
エンゲージメントにおけるAIコパイロットについて読むことと、それを使いこなす判断力を身につけることは別のことだ。CasesCoachのAIモック面接は、まさにその力を鍛える。正しい構造に向けて面接官がヒントを出してくれるガイドモードから始めるか、手加減なしで実際の面接の緊張感を再現するエキスパートモードに切り替えることもできる。また、少し違った練習方法として、Chat with Caseでは、背景、フレームワーク選定、データ、分析、結論まで、実際のビジネス課題を最初から最後まで通して練習でき、コンサルタントが実際のエンゲージメントで使うのと同じ「ギャップを捉える」直感を鍛えることができる。各セッションでは、構造化力、分析力、コミュニケーション力、ビジネス感覚、数学力の5つの観点でスコアが付けられる。
3つのフルケースと1回のAIモックセッションを、カード登録なしで無料で試すことができる。835以上の実際のケースが揃ったフルライブラリと、複数回のAIモックセッションが必要になったら、Proにアップグレードしよう。AIモック面接から始めるか、ケースライブラリを見て、実際のエンゲージメントに近い課題がどのようなものかを確認してみてほしい。