株式会社renue
コンサルティング
コンサルティングで、この記事のテーマを実務に落とし込めます
renueが社内で運用しているシステムをサービス化したものです。何ができるか、どう動くかをサービスページでご覧ください。
コンサルティングファームの提案書（ピッチ資料）作成をAIで効率化する方法｜過去事例RAG＋クライアント情報からLLMがドラフトを自動生成
コンサルティングファームにとって、提案書（ピッチ資料）の品質は新規案件の獲得を直接左右します。クライアントの課題理解、過去の類似プロジェクトの知見の活用、自社の強みの訴求——この高度なライティング業務をLLMとRAGで効率化する動きが大手ファームで加速しています。McKinseyの公式説明によると、内部向けアシスタント「Lilli」は関連知識の検索・要約と出典の提示を支援します。BCGの「Deckster」は、開発チームでユーザー調査を担当したBailey Herbstreit氏の公開説明では、社員がプロンプトでスライドを作成できるPowerPointプラグインです。
業務の詳細フロー（現状の手作業）
ステップ1：クライアントの課題理解
クライアントとの初回面談（RFP受領、ニーズヒアリング）を通じて、ビジネス課題、期待する成果、予算、タイムラインを把握します。
ステップ2：過去事例の検索・参照
類似の業界・テーマで過去に実施したプロジェクトの提案書、成果物、事後レビューを社内ナレッジベースから検索します。「この業界でこのテーマなら、過去にこういうアプローチで成功した」の知見を活用します。
ステップ3：提案の骨子設計
クライアントの課題に対する解決アプローチ、推進体制、スケジュール、成果物、見積りの骨子を設計します。パートナー/マネージャーの方向性指示に基づき、具体化します。
ステップ4：提案書の作成
PowerPointで提案書を作成します。エグゼクティブサマリー→クライアント課題の理解→提案アプローチ→プロジェクト体制→スケジュール→成果物→チーム紹介→費用の構成で、数十ページのスライドを作成します。
ステップ5：社内レビュー・修正・提出
パートナー/マネージャーのレビューを受け、修正を繰り返してファイナライズします。プレゼンテーションのリハーサルも実施します。
課題・ペインポイント
- 過去事例の検索困難：過去のプロジェクト知見が個人のフォルダに散在し、組織的な活用が困難
- 作成時間の長さ：1つの提案書に数日〜1週間を要し、複数案件が同時進行すると負荷が集中
- ジュニアの立ち上がり：提案書作成には業界知識と文章構成力が必要で、ジュニアコンサルタントには困難
- 修正の繰り返し：パートナーからの修正指示が複数回にわたり、特にフォーマット・デザインの調整に時間を消費
- 差別化の困難：クライアントの真のニーズに合わせた「刺さる」提案の設計が属人化
AI化のアプローチ（RAG＋LLMによる実装イメージ）
入力データの設計
- クライアント情報：RFP、ヒアリングメモ、クライアント企業のIR資料
- 過去の提案書：受注に成功した過去の提案書のRAGデータベース（業界別・テーマ別にタグ付け）
- プロジェクト実績：過去のプロジェクトの成果・事後レビュー
- 提案書テンプレート：自社のスライドテンプレート、デザインガイドライン
- チーム情報：配置予定のコンサルタントの経歴・専門分野
処理パイプライン
- RFP/ヒアリングメモの自動分析：LLMがRFPとヒアリングメモを分析し、クライアントの課題・期待・評価基準を構造化（出典：三菱総合研究所 "提案書作成支援ツール"）
- 過去事例の自動検索：クライアントの課題に類似する過去のプロジェクト・提案書をRAGで自動検索。過去の成功アプローチを参考情報として提示
- 提案骨子の自動生成：LLMがクライアント課題＋過去事例を統合し、解決アプローチの骨子を自動提案
- スライドテキストの自動生成：骨子に基づき、各スライドのテキストコンテンツをLLMが自動生成。自社のスライドテンプレートに沿ったフォーマットで出力
- フォーマット・デザインの自動調整：スライドのフォーマット（フォント、配色、レイアウト）を自社のガイドラインに自動準拠
人間が判断すべきポイント
- 提案の戦略設計：「この提案でクライアントのどこに刺すか」の戦略はパートナー/マネージャーが決定
- 差別化ポイントの設計：「なぜ他ファームではなく自社を選ぶべきか」の訴求設計は人間の判断
- プレゼンテーション：提案書を用いたプレゼンと質疑応答は人間が担当
- 見積りの確定：プロジェクトの工数・費用の見積りは経営判断
他業種の類似事例
- 証券会社のピッチブック：過去事例＋市場データからLLMが構成案を自動生成（本シリーズ参照）
- 銀行の融資提案書：顧客の財務状況×業界動向からLLMが提案書を自動構成（本シリーズ参照）
- 建設業の技術提案書：過去実績×仕様書からLLMが提案書ドラフトを生成（本シリーズ参照）
導入ステップと注意点
ステップ1：過去提案書のRAGデータベース構築（2〜4週間）
過去の受注成功提案書をベクトルデータベースに格納し、業界・テーマ・クライアント規模でタグ付けします。プロジェクトの成果・事後レビューも連携させます。
ステップ2：プロンプト設計・テスト（2〜4週間）
提案書の各セクション（課題理解、アプローチ、体制、スケジュール等）ごとにプロンプトを設計し、テスト生成を行います。パートナーが「この提案書でクライアントに出せるか」を評価します（出典：イグニション・ポイント "コンサルタントの生成AI活用"）。
ステップ3：パイロット運用（4〜8週間）
実際の提案案件でAIドラフトと従来プロセスを比較し、品質・時間短縮効果・受注率への影響を検証します。
注意点
- クライアント情報の機密性：RFPや面談内容はクライアントの機密情報であり、LLMへの入力時のセキュリティ管理が必須
- テンプレート感の回避：AI生成の提案書が「どのクライアントにも同じ」にならないよう、クライアント固有のカスタマイズを人間が追加
- 知的財産の管理：過去のプロジェクト成果をRAGに格納する際、クライアントの知的財産に関する契約条項を確認
renue視点：専用ツールではなく汎用LLMで実現する理由
提案書作成の本質は「クライアントの課題を理解し→最適な解決策を設計し→説得力ある文書で伝える」という言語処理です。Lilliは知識の検索・統合、DecksterはPowerPoint上のスライド作成を支える社内ツールです。McKinseyの2024年11月の説明では、Lilliは大小のモデル等を組み合わせた仕組みとされています。中小のコンサルティングファームでも、利用権限を確認した過去の成功提案書を汎用LLMからRAGで参照する設計は可能ですが、これだけで両ツールの機能や品質を再現できるとは限らず、自社の提案業務で検証が必要です。「自社のトップコンサルタントがどのように提案を構成しているか」を言語化してプロンプトに落とし込むことが、AI活用の最も重要なステップです。
まとめ
コンサルティングファームの提案書作成は、RFP分析→過去事例RAG検索→提案骨子生成→スライドテキスト生成→フォーマット自動調整のパイプラインでLLMによる大幅な効率化が可能です。日本のコンサルティングファームでも提案書作成支援ツールの実装が進んでいます。ただし、提案の戦略設計、差別化ポイントの訴求、プレゼンテーション、見積りの確定は完全にコンサルタントの思考力と対人力の領域です。
設計観点の整理：コンサル提案書AI導入で陥りやすい3大落とし穴
提案書AIはクライアント守秘義務・利益相反・情報特権喪失の3軸で設計を誤ると、機密情報流出・クロスクライアント差別・アトーニー・クライアント特権放棄の致命的リスクが生じる領域です。
落とし穴1：不正競争防止法×弁護士守秘義務×個情法×独禁法×提案書AIの5層コンプライアンス
国内のコンサル提案書AI化は不正競争防止法（クライアントSOW・過去プロジェクト情報の営業秘密保護、クロスクライアント情報混入の厳禁）、弁護士法23条（弁護士が負う守秘義務。適用主体は弁護士に限られる点に留意が必要です）、2022年改正個人情報保護法（顧客担当者情報・インタビュー記録のAI学習制限）、独占禁止法（類似提案での価格協調疑義回避、競合情報の適正取扱）、公取委「生成AI実態調査」（2025-06、独禁法リスク整理）の5層で重なります。AIによるRAG＋ピッチドラフト生成は有効ですが、「クライアント機密情報の外部LLM送信禁止（閉域LLM必須、クロスクライアント壁構築）」「過去事例RAGでのクライアント名・機密数値の事前マスキング」「AI生成提案の利益相反自動検知（同業他社並行支援時の情報遮断）」「ピッチ用AI生成数値の事実性検証（ハルシネーション防止）」を設計段階で組み込む必要があります。LilliやDecksterのように社内業務を支援するツールを日本で設計する場合も、扱う情報とクライアント契約に合わせてこれらの保護策を検討します。
落とし穴2：海外のAttorney-Client Privilege×EU AI Act×Public AI送信リスク
米国の弁護士・依頼者間特権（attorney-client privilege）や訴訟準備資料の保護（work-product protection）は、法的助言のための秘密通信や訴訟準備との関係等によって判断され、通常のコンサル提案書に自動的に適用されるものではありません。米連邦地裁のHeppner事件（2026年2月17日付理由書）では、被告が弁護士の指示なくClaudeで作成した資料について、弁護士との通信ではないこと、利用時のデータ取扱方針、弁護士の訴訟戦略との関係等を踏まえ保護が否定されました。AIへの送信可否は、対象資料の法的性質とサービスの契約・秘密保持条件を個別に確認します。EU AI Act（2026-08-02本格適用）は意思決定支援AIに透明性要件を課し、機密データがローカル環境から出ることの是非はエンタープライズ設計の前提になっています。RAGによる知識検索の利便性と、クライアント間の情報遮断（Confidentiality Walls）のトレードオフは各国共通の論点で、クライアント明示同意のないクロスクライアントパターン認識は原則禁止です。日本のAI設計においても「RAG+閉域LLM+クライアント遮断+人間最終レビュー」の組み合わせが検討軸になります。
落とし穴3：中国での提案書AI運用×PIPL/大模型備案×反不正当競争法
中国市場向けコンサル提案書AIは、PIPL（2021-11施行）、改正網絡安全法（2026-01-01施行）、生成AIサービス管理暫行弁法（大模型備案制度）、反不正当競争法（営業秘密保護）への対応が求められます。日中跨境コンサルでは、日本の不正競争防止法や契約上の守秘義務、中国側の反不正当競争法・データ越境規制の適用を確認します。弁護士法上の守秘義務は弁護士が負うものであり、米国のattorney-client privilegeも、米国での法的手続や法的助言に関わる場合にその要件を個別に検討します。一般のコンサル業務に一律に及ぶ制度として扱わず、情報の性質と関係する法域を整理することが重要です。一般論として、機密資料を扱うLLM運用は「データ越境しない閉域環境」「クライアント別アクセス制御」「人間による最終品質・機密チェック」を組み込むのが設計の出発点になります。
