AIは人間の仕事を減らすのではなく増やす――それがリーダーにとってすべてを変える
取締役会でよく語られる話がある。人工知能は職を奪い、人件費を削減し、資本を解放するというものだ。その話が心地よく受け入れられるのは、クリーンな財務的意思決定の形をしているからだ。問題は、データがそれを支持していないことだ。
ジェフ・ベゾスはCNBCとの最近のインタビューでこの点を率直に語った。AIは労働市場を空洞化させるのではなく、むしろ人材不足を生み出す、と。彼のたとえは的確だった。長年にわたってシャベルで溝を掘ってきたエンジニアは、ショベルカーを与えられても消えてなくなるわけではない。より多く、より速く、これまで実現不可能だったプロジェクトを掘り進める。仕事は消滅するのではなく、高度化するのだ。
AI導入の実際の最前線で起きていることは、反対の話を信じて人員配置の意思決定を下した人々を不快にさせるほど、この主張を裏付けている。
自動化が専門的な仕事を倍増させるとき
EveryのCEOであるダン・シッパーは、注意深く読む価値のある分析を公開した。彼の会社は、AIエージェントで自動化できるものをすべて自動化した。その結果、チームは4人から30人以上に成長した。自動化にもかかわらずではなく、まさに自動化のゆえに。
このような現象の背後にあるメカニズムは、一見ほど逆説的ではない。AIがプロセスの標準化された部分を引き受けると、専門的な判断の必要性がなくなるのではなく、むしろ倍増する。何が良い結果として認められるかを定義しなければならない人間がいる。エージェントのアウトプットがクライアントに届く前に確認しなければならない人間がいる。そのアウトプットを組織のより広いコンテキストの中でどう扱うかを決定しなければならない人間がいる。AIは中程度のタスクを圧縮する。人間は両端を支える。
シッパーは具体的な組織的含意を持つプロセスの幾何学的構造を用いてこれを説明する。最初に、人間がフレームワークを確立する。中間で、AIが実行する。最後に、人間が判断し、拡張し、決定する。これは人間の負荷を軽減するサイクルではない。その負荷を認知的密度の高い意思決定へとシフトさせるサイクルだ。
実際のユーザーによるモデル使用に関するAnthropicのデータも同じ方向を示している。典型的なナレッジワークのタスクにおいて、実行時間は約80%短縮される。その節約分は仕事量の減少に変わるのではなく、より多くのイニシアチブの量、意思決定サイクルの高速化、そして人間の調整のより広い表面積に変わる。マッキンゼーは、AIエージェントの大規模な導入により、米国の労働時間の約57%が現在利用可能な技術で技術的に自動化可能であると推定している。その数字が実現すれば、潜在的な追加経済価値は2030年までにその市場だけで年間2兆9000億ドルに達するだろう。問題は技術の能力にあるのではない。その新たなアウトプットの量を誰が監督し、調整し、統合するかにある。
2010年から2023年にかけてAIの影響を追跡したMITスローンの研究は、見出しにはほとんど登場しない何かを発見した。AIが職務のタスクの一部だけを自動化すると、その職務における雇用は成長する可能性があるということだ。そして、AIへの高い露出度を持つ高賃金の役割では、5年間で雇用の成長率は約3%だった。破壊ではない。再構成だ。
間違ったストーリーを信じることの組織的コスト
シッパーの分析で私が興味深いのは、プロセスのメカニズムだけではない。多くの組織が避けている会話について何を明らかにしているかだ。
経営チームがAIを「専門的な人材への依存を減らす」という前提で導入する場合、誤った前提に基づいた戦略を構築していることになる。そして、誤った前提に基づいて構築された戦略は一気に崩壊しない。ゆっくりと腐っていく。最も一般的な症状は、AIが下せない意思決定のバックログが増大し続けることで、それが削減されたか、新しいスキームで動くように訓練されていないチームの上に積み重なっていく。
シッパーが新たな組織のボトルネックとして特定しているのは、技術の問題ではなくガバナンスの問題だ。AIは、人間の監督構造が常には吸収しきれない速度で生産する。その差が明確に認識されないと、組織は誰も本当にきちんと確認したわけではなく、ただ素早く確認しただけのアウトプットに基づいて動き始める。その二つの違いは、目に見えるようになるまで何ヶ月もかかる結果をもたらし、それが説明のつかないエラーとして現れる。
ほとんどの組織が正直に測定していない別の効果がある。アウトプットの均質化だ。業界全体の誰もが同じモデルを使ってドキュメント、分析、プレゼンテーション、コミュニケーションを作成すると、結果として読みやすい凡庸さへの収束が生まれる。シッパーはこれをはっきりと述べている。豊富さは均一性を生み、均一性は差別的な価値を破壊する、と。競合他社全員の分析と同じように見える財務分析は優位性をもたらさない。業界の平均のように聞こえるコミュニケーション戦略はポジショニングを構築しない。そのような文脈で、本当の希少性は、AIがデフォルトで選ぶものとは似ていないものを生み出す人間の判断になる。
ゴールドマン・サックス・リサーチは別の角度から同様の結論に達した。彼らの分析では、今のところAIへのローカルな露出度と失業率の伸び、解雇率、賃金、労働時間との間に統計的に有意な相関関係はないとわかっている。雇用破壊に関する大量の言説にもかかわらず、測定可能なマクロ的影響はゼロだ。彼らが確認しているのは、職務内のタスクの再分配であり、AIが複製できないスキルへの需要の増加を伴っている。複雑な調整、文脈的判断、対人信頼がそれだ。
組織がまだ見えていない仕事
AI導入が生み出す仕事の中で、ほとんどの組織が正しく計上していない種類のものがある。エージェントをうまく機能させ続けるための仕事だ。
シッパーの会社には、AIエージェントが許容可能なパラメータの範囲内で動作していることを確認するためだけに専念するチームがいる。これは一時的な導入コストではない。構造的な運用コストだ。モデルは特定のコンテキストで劣化し、継続的な調整を必要とするアウトプットを生成する。そして「十分に良い」とみなされる基準は、時間とともに、また顧客の要求とともに変化する。それにはエンジニア、判断力、そしてAIに委ね直すことができない意思決定が必要だ。
ボストン・コンサルティング・グループは、今後2〜3年で、米国の職の50%から55%がAIによって大幅に再構成されると推定している。再構成であって、排除ではない。その区別は意味論的なものではない。監督、判断、アウトプットの統合という枠組みで動くように人員を準備せずにそのプロセスに臨む組織は、強力なツールを手にしながら、それらのツールが必要とするものとは人間の能力が乖離していることに気づくことになる。
この瞬間に経営チームが犯しうる最もコストのかかるミスは、技術との関わりが遅すぎることではない。技術的な速度で動きながら、人間の構造を過去のスピードで動かすことだ。AIは生産サイクルを加速させる。もし組織が同時に、同じ規模で監督・ガバナンス・判断の能力を構築しなければ、加速するのは価値ではない。誰も本当に検証していないアウトプットの量だ。
今後数ヶ月間、維持する価値のある問いはこれだ。AIはいくつのポジションを自動化できるか、ではない。その自動化が価値あるものを生み出すために、組織はいくつの専門的判断のポジションを新たに作る必要があるか、だ。
シッパーはこれをCレベルの会話で通常受けるよりも多くの注意に値する一文にまとめている。ある状況がいったんテキストに還元されると、コーパスになる。そしてコーパスは死体だ。人間がしなければならないのは、まだ起きていないこと、すでに文書化されているはずがないこと、今この文脈で、このクライアントとともに、これらの条件のもとで名付けられる必要があること、まさにそれだ。そこでAIは届かない。そして逆説的なことに、そこにこそ最も多くの仕事がある。
