|
組織行動科学(R)を提供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社の実践と分析をもとに、これまで段階的に公開してきた「AI時代に人に残る仕事」「判断できる人材育成」「判断経験設計」「判断構造設計」「判断処理能力」に関する知見を踏まえ、AI時代に企業成長を左右する本質は、AIをどれだけ導入したかではなく、組織の中に“判断できる人材”がどれだけ育つ構造があるかどうかにあることを整理したレポートを公開しました。 |
|
|
|
|
|
|
|
レポートのダウンロード |
|
|
|
https://prtimes.jp/a/?f=d68315-193-5fc68dffd147cd4350cc7c121ed07150.pdf |
|
|
|
AI時代に企業で価値を持ち続けるのは、「正しく処理する仕事」ではなく「状況に応じて判断する仕事」 |
|
|
|
生成AIの普及によって、資料作成、情報整理、定型対応、既存ルールや過去事例に沿った処理など、これまで人が担ってきた仕事の一部は、今後さらにAIで代替・補完されやすくなっていきます。 |
|
|
|
その一方で、企業の現場には、AIでは埋めきれない仕事が残ります。 |
|
|
|
|
|
|
|
こうしたことを見極める仕事です。つまり、AI時代に企業の差を決めるのは、知識を持つ人の数ではありません。状況に応じて判断できる人材の数です。 |
|
|
|
しかし今、企業の中では、その「判断」を育てる経験が減っている |
|
|
|
ここで、多くの企業がまだ十分に気づいていない問題があります。 |
|
それは、AI時代には判断がますます重要になるにもかかわらず、企業の中では、その判断を育てる経験が減っているということです。 |
|
|
|
リクエスト株式会社が33.8万人・980社の実践と分析をもとに進めてきた調査では、企業の82％で仕事の中の判断経験が減少していることが確認されています。 |
|
|
|
いま起きているのは、単なる人材不足ではありません。判断できる人材が増えにくい仕事構造そのものが広がっているということです。 |
|
|
|
良かれと思って進めてきた改善が、結果として「判断が育ちにくい構造」をつくっている |
|
|
|
なぜ、このようなことが起きているのでしょうか。 |
|
|
|
多くの企業ではこれまで、効率化、標準化、マニュアル化、システム化、進捗管理の強化などが進められてきました。これらは本来、品質を安定させ、誰でも一定水準で仕事を進めやすくするための合理的な改善です。実際、こうした取り組み自体は間違いではなく、現場を守り、品質を安定させ、仕事を速く、再現しやすくするために進められてきたものです。 |
|
|
|
一方で、その改善が進むほど、現場では「自分で確かめる」「違いを見る」「なぜそうなるのかを考える」「どちらを優先すべきかを決める」といった機会が減りやすくなります。 |
|
|
|
つまり、過去の誰かが行った判断がルールや前例として整備されるほど、今の担当者は、自分で判断しなくても仕事を進められるようになります。これは効率化としては正しい一方で、判断できる人材を増やすという観点では、逆に不利に働くことがあります。 |
|
|
|
教えているのに育たない。任せているのに止まる。 その背景にあるのは、人の問題ではなく仕事構造の問題 |
|
|
|
ここに、いま多くの企業が直面している見えにくい課題があります。 |
|
|
|
現場では、教えている。教え方も教えている。そして、任せてもいる。仕事も経験している。にもかかわらず、部下や若手が自分で考えて進められない。少し条件が変わると止まる。結局、上司や一部の熟練者に相談が集中する。 |
|
|
|
こうした現象は、本人の意欲や能力だけでは説明できません。 |
|
|
|
本当の問題は、仕事をしていても、判断経験が積み上がりにくい構造になっていることです。判断経験が設計されていない仕事では、上司への確認集中、対応のばらつき、熟練者依存、任せにくさが起きやすいことも整理されています。 |
|
|
|
たとえば、営業であれば、顧客ごとの事情の違いを捉えずに、決まった説明や資料だけで進めていると、表面的には動いていても、相手の判断条件を見極める力は育ちにくくなります。 |
|
|
|
管理職であれば、部下に任せているつもりでも、重要な判断だけを上司が引き取り続けていれば、部下は報告と相談は増えても、自分で判断する経験を持ちにくくなります。 |
|
|
|
企画職であれば、過去の成功事例や前例の焼き直しが中心になるほど、「今回は何が違うのか」を見抜く力は育ちにくくなります。 |
|
|
現場職やバックオフィスでも同じです。
手順が整うほど、正確に処理する力は高まりやすくなりますが、条件差を見て対応を変える力は、意識的に設計しなければ育ちません。 |
|
|
|
AI時代に必要なのは、「知識がある人」ではなく「差を見て判断できる人」 |
|
|
|
つまり、AI時代に必要なのは、単に「知識がある人」でも、「手順どおりに進められる人」でもありません。 |
|
|
|
必要なのは、状況ごとの差を見て、何を確かめるべきかを考え、どの前例が使えて、どこから見直すべきかを判断できる人材です。 |
|
|
そして、そのような人材は、研修で知識を増やすだけでは増えません。
日々の実務の中で、判断が発生し、任され、振り返られ、次に活かされる構造があってはじめて育っていきます。 |
|
|
|
これから企業に必要なのは、「教えること」より「判断経験を設計すること」 |
|
|
|
この観点から、当社がこれまでのリリースを通じて一貫して示してきたのは、AI時代に必要なのは「教える量を増やすこと」ではなく、判断経験を設計することだという点です。 |
|
|
|
|
|
|
|
|
|
そこまでを、仕事の中に具体的に組み込む必要があります。 |
|
これが、当社が提示してきた「判断経験設計」であり、その土台となるのが「判断構造設計」です。 |
|
|
|
この問題は人材育成だけではない。 企業の供給能力と成長余地を左右する経営課題でもある |
|
|
|
さらに重要なのは、この問題が人材育成だけの話ではなく、経営課題でもあるという点です。 |
|
|
AI時代に企業の差を決めるのは、単純な人員数や知識量ではありません。
実際には、組織としてどれだけ判断を処理できるかが、供給能力や成長余地を大きく左右します。判断が設計されていない仕事では、組織の処理能力そのものが制約されることも示されています。 |
|
|
特に、顧客ごと、案件ごと、現場ごとに条件が異なる仕事では、対応力の上限は「判断できる人材の数」に強く依存します。
つまり、判断が一部の人に集中したままでは、どれだけ案件があっても、どこかで組織の成長は頭打ちになります。 |
|
|
|
明らかになったこと |
|
|
|
今回の総括で明らかになったのは、AI時代に企業が本当に問うべきことは、 |
|
|
|
「どの業務をAI化するか」だけではない、 |
|
|
|
ということです。 |
|
|
|
本当に問うべきなのは、 |
|
|
|
• |
|
|
• |
|
|
• |
|
|
• |
|
その判断理由は、組織の中で再現できる形で蓄積されているのか |
|
|
|
|
|
ということです。 |
|
言い換えれば、AI時代の競争力は、AIを導入しているかどうかだけでは決まりません。 |
|
|
|
AIでは埋めきれない判断を、誰が、どのように担い、それを組織としてどう増やしていけるかで決まります。 |
|
|
|
だからこそ今、企業に必要なのは、AI活用の議論と並行して、仕事の中から失われつつある判断経験をどう取り戻し、どう設計し直すかを問うことです。 |
|
|
|
当社の位置づけ |
|
|
|
リクエスト株式会社は、33.8万人・980社の実践と分析をもとに、これまで「AI時代に人に残る仕事」「判断できる人材育成」「判断経験設計」「判断構造設計」「判断処理能力」に関する知見を段階的に公開してきました。今回は、それらを個別論点としてではなく、AI時代の組織運営と人材育成を再設計するための一つの体系として示すものです。 |
|
|
|
当社は今後も、AI時代に人に残る仕事としての「判断」を、属人的な勘や経験則のままにせず、組織で育ち、移転し、再現される力へ変えていくための研究・設計・実装を進めてまいります。 |
|
|
|
レポートのダウンロード |
|
|
|
https://prtimes.jp/a/?f=d68315-193-c07e66d6d4752870bf0439e99d3bd016.pdf |
|
|
|
参照リリース |
|
|
|
本総括レポートの理解をさらに深めたい方は、以下の関連リリースもあわせてご参照ください。 |
|
|
|
|
|
|
|
|
