最も速いAIが最も賢いわけではない
企業向け人工知能プロジェクトには繰り返されるパターンがある。進捗管理ダッシュボードにはほとんど現れないが、ユーザーがかつては迷いなく受け入れていたものを、改めて見直し始めるというパターンだ。システムが失敗したからではない。システムが、ユーザーがついていけないほどのスピードで先に進んでしまったからだ。
EYは2026年6月末にFortuneに掲載した記事の中で、そのパターンに名前をつけた。それが「テンポ・ギャップ」だ。機械のスピードが人間の理解能力を超えてしまう地点を指す。EY Studio+のカスタマーエクスペリエンス責任者パトリシア・カムデンと、南北アメリカ大陸のAI戦略責任者ジョン・デュボワは、様々な業界の企業クライアントとの実務経験をもとに、この現象を記録した。彼らの診断は明快だ。ほとんどの組織はAIに関する最大の問題は「導入」だと思っている。しかしそれは違う。問題は「リズム」にある。
この主張が興味深い理由は、技術的な観点から見て新しいからではない。世界最大級のコンサルティングファームの幹部二人が、影響力の大きいビジネス誌の中で、もはや婉曲表現には聞こえない言葉を使って語っているからだ。問題はアルゴリズムにあるのではなく、そのアルゴリズムを取り囲む人間の体験設計にある、と。その主張は、ユーザーエクスペリエンスをはるかに超えた意味合いを持っている。
システムが正常に機能しているのに、何かがうまくいかないとき
カムデンとデュボワがテンポ・ギャップを説明するために挙げた三つの事例は、それが何を明らかにするかという点で的確だ。フライトをキャンセルされた旅行者が、他の選択肢を比較する間もなく、自動的に別のフライトに再割り当てされる。金融サービスの顧客が申請手続きをあまりにも速く完了してしまい、重要な条件を理解しないまま同意してしまう。医療フォームに記入する患者が、自分のデータがどのように使われるかを理解する前に、すでに個人情報が自動入力されているのを目にする。
三つの事例のいずれにおいても、システムは設計通りに完璧に機能した。技術的なエラーはなかった。セキュリティ上の問題もなかった。それでも、この体験は躊躇、不信感、そして一部の環境では、自動化によってまさに排除されたはずの手動レビューが静かに再導入されるという結果をもたらした。
この最後の点は注目に値する。チームが以前は受け入れていたアウトプットを検証し始めるとき、彼らは非合理的な行動をとっているわけではない。設計上のシグナルに反応しているのだ。システムが彼らの理解能力を超える速度で動いたことで、信頼の負債が生まれ、それを今度は手作業で返済しなければならなくなった。そのコストはプロセスの速度指標には現れない。AIがすでに行ったことを再検証するためにオペレーターが費やす、見えない時間の中に現れる。
EYはこれを「手動レビューがプロセスに再び忍び込んでくること」と呼ぶ。組織アーキテクチャの観点から言えば、これはさらに具体的なことを意味する。効率のために最適化されたが、信頼のために調整されなかったシステムの症状だ。その区別は単なる言葉の問題ではない。運用コストと実際にスケールできる能力に、直接的な影響をもたらす。
EYの診断が示す根本的な主張は、ほとんどの組織がいまだにAIの導入を効率化の取り組みとして捉えているということだ。企業内での議論は依然として、自動化、摩擦の削減、スピードにまつわるものだ。その議論から抜け落ちているのは、ワークフローを加速させることが、そのワークフローをくぐり抜ける人々の認知的な負担も変化させるという事実だ。そしてその負担が適切に設計されていなければ、約束された効率性は運用上の幻想と化す。プロセスは形式的には速くなるが、人々は自分が何を承認しているのかも理解できないまま、プロセスを追いかけて走り回ることになる。
設計室で誰も口にしなかった盲点
ここでEYの分析は、ユーザーエクスペリエンスの範囲を超え、権力のアーキテクチャという領域に踏み込む。テンポ・ギャップは単なるインターフェース設計の問題ではない。まず第一に、設計上の意思決定が行われたとき、誰がその場にいたかという問題だ。
EYが記録した三つの事例、つまり再割り当てされた旅行者、読まずに同意した金融の顧客、データが自動入力された患者は、共通の構造を持っている。それは、システムを体験する人の視点ではなく、システムを運営する人の視点から設計されたシステムだ。自動再割り当ての効率性は、航空会社や代理店の側からすれば完全に合理的だ。金融申請のスピードは、銀行の観点からすれば達成事項だ。医療データの自動入力は、技術チームからすれば使いやすさの向上に見える。
それらの設計室で欠けていたのは、悪意ではなかった。周縁の知性だった。つまり、システムの受け手側の視点、プロセスの最適化ではなく、自らの意思決定能力の維持を体験としている人の視点が欠けていたのだ。
これは企業向けAIシステムの構築方法における構造的なパターンだ。設計チームやプロダクトチームは、意思決定がどのように機能するか、何が良い体験を構成するか、誰かが情報を処理するのに合理的にどれほどの時間がかかるかについて、共通の前提を持つ人々で構成される傾向がある。これらのチームが、テクノロジーとの関係性において、スピードへの耐性において、金融や医療に関する複雑な情報への事前アクセスにおいて、同質的であるなら、自分たちのような人々のために調整されたシステムを生み出すことになる。
テンポ・ギャップは、とりわけその同質性のコストだ。道徳的な意味においてではなく、設計の質という意味において。ユーザーに体系的な躊躇を生み出すシステムは、行動する前に最も理解を必要とする人々の視点を取り込まずに設計されたシステムだ。それは集合知のアーキテクチャの問題であり、宣言的な倫理の問題ではない。
EYは自社の分析をこのような言葉では表現していない。彼らのアプローチはより運用的だ。組織は機械のテンポを人間のテンポに合わせなければならない、と。それは適切な処方箋だ。しかしそれ以前の問いは、より不快で、いまこれらのシステムを設計している企業にとってより切実だ。より速いことが常に良いという前提は、どの設計室から出てきたのか。そして、その部屋には誰がいたのか。
摩擦は障害ではなく、設計上のシグナルである
10年以上にわたり、デジタル設計における支配的な哲学は摩擦の排除だった。クリック数を減らし、ステップを減らし、意図から行動までの時間を短縮する。この哲学は測定可能な成果をもたらした。コンバージョン率の向上、リテンションの改善、プロセスの高速化だ。そして同時に、静かに、スピードがシステムの利用者よりもシステムの運営者により多く奉仕し始めるシステムを生み出した。
EYは概念的な転換を提唱する。設計ツールとしての意図的な摩擦だ。恣意的な遅延ではなく、ユーザーが行動する前に理解を必要とする瞬間における意図的な一時停止だ。財務上の決定を実行する前の確認。機微なデータがどのように使われるかについての簡潔な説明。システムが行ったことの理由が垣間見える一瞬。
この主張の注目すべき点は、システムを絶対的な意味で遅くするよう求めているのではないということだ。ユーザーへの影響が最も大きい瞬間において、選択的に遅くするよう求めているのだ。そのためにはシステムが、認知的負荷の低い瞬間と高い瞬間の違い、ルーティンな行動と重大な影響を持つ決定の違いを識別できなければならない。その識別能力はアルゴリズムから生まれるのではない。設計から生まれる。そして設計は、システムを構築したチームと同じ文脈を持たない誰かにとって、ある決定が重大であるということを理解している人々から生まれる。
金融サービス、医療、保険などのセクターにおいて、この主張にはEYが周辺的にしか触れていないが、より重きを置かれるべき規制上の側面がある。消費者保護、インフォームドコンセント、公正な情報開示に関する規制は、人々が自分が同意していることを理解しているという前提の上に成り立っている。ユーザーを自らの理解能力より速く動かすAIシステムは、単に不十分な体験を生み出すだけではない。各組織がスピードのために最適化し、理解を考慮しなかったすべてのフローにおいて、静かに蓄積している法的・規制上の脆弱性を生み出している。
EYは、組織が自らこの問題を名指しにしなければ、規制当局か顧客がそれをするだろうと警告する。これは、EUにおけるAIに関する規制の枠組みが進展するペース、そして遅れながらも他の地域でも同様の動きが続いていることを考えれば、合理的な予測だ。AIシステムがユーザーの意思決定能力と理解をどのように扱うかについて、外部からの精査があるかどうかという問いではない。その精査が到来するまでに、どれほどの累積的なダメージが生じているかという問いだ。
導入の次のフェーズは、スピードでは勝てない
EYの主張には、正確に抽出する価値のある戦略的な核心がある。AIにおける競争上の優位性の次のフェーズは、誰が最も速く自動化するかではなく、誰が自社のシステムとそれを使う人々との関わり方のリズムをより適切に調整するかによって決まる、というものだ。
これは遅さへの譲歩ではない。企業向けAIプロジェクトにおいて、どこに技術的・組織的な負債が蓄積されているかについての診断だ。オーバーライドの発生率が高く、計画外の手動レビューが多く、ユーザーの体系的な躊躇を抱えている組織は、導入に失敗しているのではない。設計に失敗しているのだ。そしてその失敗は、手作業をなくすことを約束し、一部のケースでは裏口からそれを再び生み出しているAIプログラムのリターンに、直接的なコストをもたらす。
EYが提案する解決策、つまり機械のテンポを人間のテンポに合わせることは、より優れたアルゴリズムだけでは構築できない能力を必要とする。組織がAIシステムの設計チームに、ユーザー体験の全範囲を代表する人々の視点を取り込むことを求める。テクノロジーへの親しみが最も低い人々、金融や医療の文脈において情報の非対称性に最もさらされている人々、そして一つひとつのインタラクションで最も多くのものが懸かっている人々の視点だ。
それは設計上の慈善活動ではない。AIシステムがいつ遅くなるべきかを知るのに十分なほど賢くなるための、構造的な条件だ。そして、いつ遅くなるべきかを知らないシステムは、賢いシステムではない。速いシステムだ。その二つの違いこそが、EYがまさに今名前をつけた格差であり、ほとんどの組織がいまだに自社のメトリクスの指標板に持ち合わせていない格差だ。
