生成AIが、どの経営幹部も直視したくない限界に激突している
ほぼすべての取締役会には、人工知能について2年間語り続けてきた末に繰り返される一つの賭けがある。それは、テクノロジーがあれば、どんな専門家でも他の誰かの仕事を十分な品質でこなせるようになり、タレント（人材）の再編成を正当化できるというものだ。紙の上では心地よく聞こえる賭けだ。そしてそれは、新たな実験的エビデンスによれば、人材戦略に直接的な影響を及ぼす形で、部分的に誤りであることが明らかになっている。
英国フィンテック企業IGで実施されたフィールド実験と、ハーバード・ビジネス・スクール、スタンフォード大学、スタンフォード・デジタル・エコノミー・ラボの研究者たちによる分析が、まさにその仮説を検証した。その結果は、労働力の完全な代替可能性を前提とするリーダーたちが無視することのできないパターンを明らかにしている。
見えない溝を露わにした実験
実験のデザインは意図的にシンプルだった。3つの従業員グループが同じタスクを課された。まず、企業ウェブサイト向けの記事をコンセプト化すること（構成、キーワード、主要ポイントの整理）、次に、記事を完成形まで執筆すること。各グループは知識的な距離の違いに対応していた。そのコンテンツ制作に慣れ親しんだウェブアナリスト、記事執筆は担当しないが隣接する機能で働くマーケティングスペシャリスト、そしてコンテンツ制作とは無縁のテクノロジースペシャリスト（データサイエンティストとソフトウェア開発者）という3グループだ。参加者の一部はIGの生成AIツールにアクセスできたが、残りはアクセスできなかった。
コンセプト化フェーズにおける結果は明快だった。AIなしの条件では、ウェブアナリストが他の2グループを明確に上回った。AIありの条件では、3グループ全員が統計的に区別のつかないコンセプトを生成した。このツールは、抽象的かつ構造化された作業における完全な平準化装置として機能した。その作業とは、非専門家でさえ評価できる合理的なテンプレートに沿ったものだ。ここまでは、テクノロジーの約束は果たされた。
実行フェーズに入ると、様相は一変した。AIを装備したマーケティングスペシャリストは、ウェブアナリストに匹敵する品質の記事を生み出すことができた。まったく同じツールにアクセスできたテクノロジースペシャリストはそれができなかった。実験後のインタビューがそのメカニズムを明らかにした。テクノロジーの専門家たちは、生成されたアウトプットの品質を判断するためのメンタルモデルを持ち合わせていなかったのだ。あるデータサイエンティストは、不要だと判断してコール・トゥ・アクションを削除した。別の人物は、SEOの最適閾値を下回る長さに記事を短縮した。簡潔さを好んだからだ。そしてある人物は、めったにない率直さで「マーケティングらしく見せるためにランダムに要素を加えた」と認めた。これは技術的な能力の欠如ではなかった。ドメイン（専門領域）からの距離の問題だった。
研究者たちはこの現象を「生成AIのウォール効果」と名付けた。ツールがいかに洗練されていようとも、専門家と非専門家の間の溝をもはや埋めることができなくなる閾値のことだ。
「壁」が明らかにする、私たちの知識管理のあり方
最も不快な発見は、実験データの中にあるのではない。それは、組織アーキテクチャに対してそこから導き出される結論の中にある。長年にわたり、多くの企業は技術的スキルとドメイン知識を混同してきた。そして生成AIは、その混同を維持する手助けをしていた。
実験におけるテクノロジースペシャリストが失敗したのは、ツールの使い方を知らなかったからではない。アウトプットが良いかどうかを評価する基準を持っていなかったからだ。マーケティングコンテンツを効果的に作成するためにAIを使える人とそうでない人の違いは、インターフェースにもプロンプトにもない。コンバージョンにつながる記事とは何か、なぜ「セールストーン」に価値があるのか、どの程度の長さが検索アルゴリズムに最も響くのかを知っているかどうかにある。その知識は、AIトレーニングのスプリントで転移するものではない。
組織的な観点からこの実験が記録しているのは、生成AIが構造化された抽象化のロジックに従うタスク、すなわちアウトライン作成、分類、整理、フレームワーク内での選択肢の生成において効果的に機能するということだ。そうしたタスクでは、ツールが機能するのに十分な構造を持っているため、ユーザーのインプットを最小限に抑えることができる。一方で高品質な実行には、研究者たちが「暗黙知」と呼ぶもの、すなわちトーン、強調点、オーディエンス、戦略的意図に関してプロが自動的に行う微細な判断が必要だ。それらは、操作者が内部に持っていなければツールに委任することは不可能だ。
これは、経営チームがAI投資のリターンをどのように考えるかに直接的な影響を与える。もしある企業が高度なツールを展開しながら、技術系または事務系の従業員がマーケティング、コミュニケーション、デザインの専門家の仕事を吸収できると期待しているならば、結果として生じるのはおそらく効率ではなく、誰も検出する知識を持たない劣化したアウトプットだ。そのコストは即座の生産性指標には表れない。6ヶ月後、コンテンツの品質が低下し、SEOが悪化し、誰も問題がどこで起きたのかを正確に指摘できなくなった時点で初めて現れるのだ。
効率が隠しているタレントの誤り
研究が明示的には言及していないが、実験が正確に描写する根底にある組織のダイナミクスがある。リーダーたちが、知識的距離のロジックではなくコスト削減のロジックから人材戦略を設計する傾向だ。
ある企業がAIを活用すればソフトウェア開発者をマーケティングコンテンツの制作に再配置できると決断するとき、その決断は通常、2つの機能をどれだけのドメイン知識が隔てているかの分析を経由しない。最適化したい予算と、利用可能な時間数を示すスプレッドシートを経由する。問題は財務的なロジックにあるのではない。問題は、財務的なロジックがIGの実験によって今まさに反証された代替可能性の前提の上で動いていることだ。
研究の著者たちは、経営チームにとって有用な区別を提示している。AIは、共通の知識基盤が存在する隣接機能間の移動を促進できるが、遠距離にある機能間ではそれができない。コンテンツ制作に移行するマーケティングコーディネーターは、生成されたアウトプットを評価し洗練させるための概念的な足場を持っている。同じ移動をするソフトウェア開発者はそれを持っておらず、利用可能なツールがそれを転移してくれるわけでもない。この違いが、目に見える問題になる前に、あらゆる再配置の決定の軸となるべきだ。
2つ目の、あまり明らかでない示唆は、企業がトレーニング予算をどこに投じるかに関わる。支配的なトレンドは、AIツールの使用方法においてチームをトレーニングすることだった。プロンプトの構造化、反復の方法、ワークフローへのアウトプットの統合。それは必要なことだが不十分だ。この研究が示唆するのは、本当のボトルネックはツールとの技術的な習熟度ではなく、アウトプットが良いかどうかを判断できるドメイン知識にあるということだ。後者に投資することなく前者に投資することは、方向性のない速度を構築することに等しい。
この研究はまた、より構造的な読み方を可能にする。AIがコンセプト化とアイデア創出を民主化するにつれて、価値の重心は高品質な実行へとシフトしていく。そしてその実行は、インターフェースの洗練度ではなく、蓄積された知識の関数であり続ける。それをいち早く理解したリーダーは、それに応じた形で人材投資を再編成するだろう。理解できないリーダーは、実際のアウトプットが静かに劣化していく中で、採用率という指標でAIの影響を測り続けることになる。
経営チームの成熟度は、とりわけ、知識が意図的に流れ、いかなる重要な成果も単一の人物（あるいは単一のツール）がそれを支えることに依存しない組織を構築する能力によって測られる。それには、各機能が何を知っており、他の機能からどれだけ離れており、既存のものを増幅させるが存在しないものをゼロから生み出すことはできないシステムとの協働にどれだけ備えているかを、誠実にマッピングすることが求められる。そのマッピングを達成し、それに基づいて行動できる組織は、特定の経営幹部がそれを支える必要はない。それ自体でスケールするシステムをすでに構築しているからだ。
