組織行動科学(R)を専門にするリクエスト株式会社（本社：東京都新宿区、代表取締役：甲畑智康）は、33.8万人・980社の分析から企業の82%で「判断経験が減少」していることを確認しました。

AI導入企業の競争力を分けるのは、AIではなく「判断できる人材の数」

多くの企業では、標準化、マニュアル化、IT化、働き方改革によって業務の効率化が進んできました。その結果、仕事の多くは、状況ごとに考える仕事ではなく、前例を適用すれば進められる仕事へと変わっていきました。

そして、このような仕事には共通点があります。それは、上司や外部講師が知識として教えることができる仕事だということです。

しかし今、生成AIは、こうした教えることができる仕事を担えるようになり始めています。

一方で、判断は教えることができません。それぞれの状況で、

• 何を優先するのか • 何を正しいとみなすのか • どのリスクを取るのか • どこに価値を置くのか

こうした判断は、知識として教えることではなく、経験の中で身につくものだからです。その結果、企業の仕事は、人間が判断する仕事へと集中する構造へと変わり始めています。

しかし、働き方改革と効率化が進んだ企業では、仕事の中で自然に判断経験が生まれにくくなっています。そのためこれからの企業には、社員が判断経験を積めるような仕事や役割を、意図して設計することが求められています。

働き方改革を背景に、

1. 効率化が進み 2. 仕事が前例適用型になった 3. その仕事はAIが担える 4. 人間の仕事は判断になる 5. しかし判断経験が不足している 6. 判断経験の設計がはじまっている

AIが仕事を奪っているのではなく、企業の仕事構造そのものが変わっていることです。

多くの企業では、長い時間をかけて業務の効率化が進みました。標準化、マニュアル化、IT化、そして働き方改革。その結果、仕事の多くは「前例を適用する仕事」へと変わっていきました。

そして今、その前例適用型の仕事を、AIが急速に担えるようになっています。

つまりAI時代とは、前例で進められる仕事が機械に移り、人間の仕事が「判断」に集中していく時代なのです。

効率化の成功が仕事の構造を変えた

企業はこれまで、生産性向上を目的として業務の効率化を進めてきました。役割分担・標準化・マニュアル化・データ化・IT化・・・などなど。こうした取り組みによって、業務の再現性は高まり、品質のばらつきは減り、経験の少ない人でも仕事を進められるようになりました。

しかし、この効率化の成功は、同時に仕事の構造そのものを変えていきました。

かつて多くの仕事では、状況に応じて判断する必要がありました。顧客の置かれている状況を確認・推察し、関係者と調整し、限られた情報の中で最適な選択を行う。そこには常に判断が伴っていました。

しかし業務が標準化・効率化されるにつれて、仕事の多くは「前例」を適用することで処理できるようになりました。例えば、過去の事例を参考にする、マニュアルに従う、決められた手順で進める、既存フォーマットを使う、本部から供給されるツールを使うといった形です。

この仕組みは企業にとって合理的でした。誰がやってもある程度以上に同じ品質で仕事が進み、組織としての効率は大きく向上したからです。

その一方で、仕事の中から少しずつ「判断」が減っていきました。

仕事は回るが、学習が起きない。

本来、仕事には次のような循環があります。「判断する→行動する→結果が出る→振り返る→次の判断を更新する」。この循環があることで、人は経験から学び、判断の精度を高めていきます。

ところが前例が判断を代替するようになると、この循環が弱くなります。

前例を使えば仕事は進むため、判断の理由を振り返る必要がなくなる。

企業では、「仕事は回るが、学習が起きない」という状態が生まれます。

そして、このような仕事構造はAIにとって非常に扱いやすいものです。生成AIが得意とする仕事には共通点があります。過去データがある・分析すればパターンが存在する・手順がある・情報整理ができ、推論できる。

つまり、これらは教えることができる業務です。教えることができる業務は、AIが担う。

例えば、文章・スライド作成、情報要約、データ分析、コード生成、問い合わせ対応といった業務です。さらに生成AIは、大量のデータからパターンを読み取り、そこから仮説を生成することもできる。

AIは、前例適用・情報整理・仮説生成といった領域を担うことができるのです。

言い換えれば、

上司や外部講師が教えることができる仕事はAIが担える

ということです。

しかしAIにはできないことがあります。それは「判断」です。

判断とは単なる選択ではありません。

判断とは「行動の前提を選ぶこと」です。

例えば、

• 何を優先するのか • 何を正しいとみなすのか • どのリスクを取るのか • どこに価値を置くのか

といった価値基準を決めることです。

AIは仮説を提示することはできますが、その仮説を採用するかどうかを決めることはできません。そこには、価値基準の選択が必要になるからです。

AI時代において、組織や上司の役割も変わります。これまでは、知識を教えることが人材育成の中心でした。

しかし、知識として教えられることはAIが担えるようになります。

これから組織に求められるのは、社員が「判断経験」を積める仕事を設計することです。

例えば、判断が必要な仕事を任せる、事実を確認する、振り返りを行う、判断基準を更新するといった経験を通じて、判断力を育てていく必要があります。

AI時代の企業競争力

AI時代に判断が重要になる理由は、AIが発展したからではありません。本当の理由は、「仕事構造の変化」です。企業の仕事はこれまで「前例適用型」でした。

しかし、これからは「判断型」の仕事が中心になります。つまりAI時代とは、「人間の仕事が判断へ集中する時代」なのです。

企業の競争力は、AIの導入だけでは決まりません。

企業の未来を決めるのは「どれだけ多くの人が判断できる組織をつくれるか」なのです。

こうした背景を踏まえ、リクエスト株式会社では、社員が判断経験を積める仕事を設計する方法を体系化した管理職向け講座「判断できる部下を増やす」を公開しました。AI時代の組織競争力を左右する「判断できる人材」を増やすための実践講座です。

■管理職向け講座のご案内

リクエスト株式会社では、こうした背景を踏まえ、管理職向け講座「判断できる部下を増やす」

を公開しています。本講座では、

• 判断が必要な仕事の整理 • 判断が止まるポイントの診断 • 判断経験を生む仕事設計

を行い、組織の判断能力を高める方法を学びます。

講座詳細：https://prtimes.jp/main/html/rd/p/000000173.000068315.html

講座の詳細はこちら

https://prtimes.jp/a/?f=d68315-175-da1f66b19be06e9095ca79ba50f0f0c9.pdf

■ 会社概要

リクエスト株式会社

コーポレートサイト：https://requestgroup.jp

会社案内：https://requestgroup.jp/corporateprofile 代表取締役 甲畑智康：https://requestgroup.jp/profile

E-mail：request@requestgroup.jp

リクエスト株式会社（本社：東京都新宿区、代表取締役：甲畑智康）は「より善くを目的に」を掲げ、33.8万人の働く人のデータに基づいた 組織行動科学(R) を基盤に、7つの研究機関が980社を支援している企業です。

組織行動科学(R)は組織で働く私達の思考と行動が「なぜ起こり」「なぜ続くのか」を事業環境と経験から解明し、より善く再現する手段です。

企業の82%で「判断経験が減少」していることを確認しました。

AIが仕事を奪っているのではなく、企業の仕事構造そのものが変わっていることです。

その結果、仕事の多くは「前例を適用する仕事」へと変わっていきました。

そして今、その前例適用型の仕事を、AIが急速に担えるようになっています。

前例を使えば仕事は進むため、判断の理由を振り返る必要がなくなる。

このような仕事構造はAIにとって非常に扱いやすいものです。