前例どおりに進める仕事から、差を見て判断できる仕事へ。33.8万人・980社の実践と分析から見えてきた、これからの人材育成の実装方法
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、レポート 「AI時代に必要な『アンラーニング・リラーニング』の進め方」 を公開しました。

本レポートでは、AI時代に企業で相対的に重要性が高まるのは知識量そのものではなく「判断」であることを起点に、その判断が育ちにくくなっている構造変化と、前例依存で進める仕事から、差を見て判断できる仕事へ移るための具体的な実装手順を整理しています。
 
さらに、どの仕事から着手すべきか、何を先に見える化し、どう切り分け、どう設計し、管理職はどのように関わりを変えればよいのか、振り返りをどう変えれば判断基準が組織に残るのかまで、実務で回せる形で具体化しています。
レポートのダウンロード
https://prtimes.jp/a/?f=d68315-196-5f1817a3b983325603bbd86128861318.pdf
生成AIの普及によって、企業の仕事の中で、知識を調べること、情報を整理すること、既存事例を参照すること、定義済みの手順で処理することは、今後さらにAIが担いやすくなっていきます。
一方で企業の現場に残るのは、顧客ごとの差、案件ごとの制約、現場条件の違い、関係者ごとの優先順位の違いを踏まえて、何を確認し、何を重視し、どこまで前例を使い、どこから進め方を変えるかを決める仕事です。
本レポートでは、AI時代に企業で相対的に重要性が高まるのは、知識量そのものではなく「判断」であることを整理しています。
その判断が重要になる一方で、企業ではその判断を育てる経験が仕事の中で減っています
レポートでは、33.8万人・980社の分析をもとに、企業の82％で判断経験が減少し、58％で上司確認頻度が増加し、64％で前例依存度が上昇していることを示しています。
ここで起きているのは、単なる能力不足ではありません。業務標準化、マニュアル化、IT化、働き方改革によって、短時間で、正確に、前例どおりに進めることが求められるようになり、迷う、比較する、理由を考える、振り返って判断基準を更新するといった経験が、仕事の中に残りにくくなっているという構造変化です。
本レポートが扱うのは、こうした状況の中で必要になる アンラーニング・リラーニング
ただし、ここでいうアンラーニング・リラーニングは、単に古いやり方を捨てて新しい知識を学び直すことではありません。
アンラーニングとは、前例どおりに進めることが合理的だった場面で身についた判断様式を、条件差の大きい仕事にはそのまま適用できないと見直すことです。
リラーニングとは、差を見て、事実を確認し、違いの理由を考え、複数の選択肢を比べ、何を優先するかを決め、判断理由を言語化し、結果を踏まえて次の基準を更新する進め方を、実務の中で再構築することです。
レポートではまず、どの仕事から始めるべきか を整理しています
対象は、すべての仕事ではありません。
最初に着手すべきなのは、前例や手順だけでは処理しきれないのに、必要な判断経験が仕事の中に設計されていない仕事です。
具体的には、顧客・案件ごとに条件が異なり前例適用が難しい、上司確認が集中している、担当者ごとに対応品質がばらつく、一部の熟練者しか回せない、任せると途中で止まりやすい、振り返りが行われず同じ問題が繰り返される、といった仕事が初期対象になるとしています。
そのうえで、実装の基本原則として、「教える」より先に、「見える化」「切り分け」「設計」を行う ことを示しています
レポートでは、実装の順番を、
1.
どこで判断が発生しているか、どこで止まっているか、誰に判断が集中しているかを見える化する
2.
その仕事は前例や手順で成立する部分なのか、それとも条件差を見て進め方を変えなければならない部分なのかを切り分ける
3.
判断対象・判断条件・判断基準・判断分担・経験設計・振返り設計を言語化して設計する
4.
新しい判断構造を使わないと前に進めない実務課題を与えて経験させる
5.
結果ではなく判断理由・確認事実・次回の更新基準を振り返る
という流れで整理しています。また、現場で実際に使える内容として、
•
既存判断様式の可視化方法
•
前例の有効範囲を見直すアンラーニングの進め方
•
判断構造の6要素を用いたリラーニング設計
•
管理職が使うべき5つの質問
•
3分でできる振り返りテンプレート
•
30日で始める最小実装
まで具体化しています。さらに、
•
実践チェックシート
•
判断構造簡易整理シート
•
管理職用テンプレート
•
会話例
•
振り返りテンプレート
•
最小実装メモ
も付録として収録しています。
 
本レポートは、アンラーニング・リラーニングを一般的な学び直しの概念としてではなく、AI時代に判断できる人材を増やすために、仕事そのものをどう変えるかという実装課題 として整理したものです。
人を責めるのではなく、判断が育つ仕事へ変える。
そのために、どの仕事を対象にし、誰が何を変え、どう会話し、何を記録し、何を振り返るかを、実務で回せる形で示しています。
レポートで整理している主な内容
•
AI時代に、なぜ今アンラーニング・リラーニングが必要なのか
•
前例を捨てることではなく、判断様式を見直し、再構築するとはどういうことか
•
どの仕事から始めるべきか
•
「教える」より先に行うべき、見える化・切り分け・設計
•
既存判断様式の可視化方法
•
アンラーニングを進める具体手順
•
リラーニングを設計する具体手順
•
管理職が変えるべき関わり方
•
振り返りを「結果確認」から「判断基準の更新」へ変える方法
•
30日で始める最小実装
•
実践チェックシート、判断構造簡易整理シート、管理職用テンプレートなどの付録
レポートのダウンロード
https://prtimes.jp/a/?f=d68315-196-d5dcb43c8b867587155826c5bff58ee5.pdf
会社概要
リクエスト株式会社
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。