導入は順調に進んでいた
ツールの選定は終わっていました。PoCも実施され、一定の効果が確認されていました。経営層の期待も高く、全社展開に向けた準備も進んでいました。アカウントは発行され、研修も行われた。利用できる部門も、計画どおりに増えている。導入率という数字を見る限り、AI導入は順調に進んでいるように見えました。しかし、AIが導入されていることと、AIによって必要な行動が生まれていることは同じではありませんでした。
現場では、二つの状態が起きていた
一部の人はAIを使っていました。しかし、多くの現場では、日常業務の中で継続的には使われていませんでした。研修直後には使っても、しばらくすると元のやり方へ戻る。必要なときだけ試してみるが、仕事の標準的な流れには入らない。同時に、別の場所では、AIを使える状態を維持するために、一部の人が多くの作業を引き受けていました。
- 入力する情報を整える
- 適切な指示文を考える
- AIの出力を確認する
- 間違いや抜けを修正する
- 現場で使える形式に書き直す
- 出力の意味を他の人に説明する
- 例外が起きたときに判断を引き取る
AIを使っているように見えても、その裏側では、特定の人がAIと業務の間をつなぎ続けていました。つまり、二つの状態が同時に存在していました。一つは、AIは導入されているが、仕事の中では使われない状態。もう一つは、一部の人がAIを使える状態をつくり、周囲のために支え続けている状態です。導入率という数字は、この違いを区別しません。どちらも「導入済み」として計上されます。
AIが動くことと、仕事が動くことは別である
AIに入力すれば、出力は返ってきます。その意味では、AIは動いています。しかし、その出力が、
- 誰の判断に使われるのか
- どの基準で採用されるのか
- 間違っていた場合に誰が責任を持つのか
- 次の工程へどのように渡されるのか
- どの状態になれば仕事が完了するのか
が定まっていなければ、出力はそのまま行動にはなりません。現場では、出力を確認し、解釈し直し、既存の書式へ移し、関係者へ説明する仕事が新たに発生します。AIは動いている。しかし、仕事の流れには入っていない。この二つは、別の状態です。
問題は「使わないこと」ではなかった
トレーニングは実施されていました。マニュアルも整備され、操作方法も説明されていました。現場が使い方をまったく知らなかったわけではありません。
それでも、利用は定着しませんでした。
この状態を「現場がAIを使おうとしない」と捉えると、次の打ち手は説明、研修、利用目標、推奨、利用率の管理になります。しかし、操作方法を知っていることと、日々の仕事の中でAIを使う行動が成立することは別です。
現場にとっては、AIを使うことで新しい手順が一つ増えていました。
- 出力を確認する必要がある。
- 既存のシステムへ転記する必要がある。
- 上司や顧客に説明できる形へ直す必要がある。
- 間違っていたときの責任は、自分が負う。
その一方で、これまでの仕事や評価基準はほとんど変わっていませんでした。この条件のもとでは、使わないことや、従来の方法へ戻ることにも合理性があります。
現場の姿勢の問題ではありません。現在の条件が、その行動を生んでいたのです。
このケースで本当に必要だった挙動
このケースで目指すべきだったのは、利用率を上げることではありませんでした。必要だったのは、AIを使うことによって、次のような行動が安定して生まれる状態です。
- 必要な場面でAIが選択肢として使われる
- AIの出力を誰が判断するかが明確になっている
- 採用、修正、棄却の基準が分かる
- 出力が既存の業務経路から外れず、次の行動へつながる
- 例外が起きても、特定の詳しい人にすべてが集中しない
- AIを使うことで、確認や転記が増え続けない
- 担当者が替わっても、同じ経路で仕事を完結できる
- AIを使った結果が、現場自身の仕事の前進として認識できる
AIを使うこと自体が目的ではありません。AIの出力を通じて、必要な判断や処理が、より成立しやすくなることが目的です。
現在の動き方を生んでいた条件
実際の動き方を見ていくと、いくつかの条件が揃っていませんでした。
導入目的と、現場の仕事が接続していない
経営側では、生産性向上やAI活用の推進が目的として語られていました。しかし、現場にとって、どの仕事の何が変わるのかは明確ではありませんでした。「AIを活用する」という方針はあっても、AIを使うことで、自分の担当する仕事がどこまで進み、何が完了するのかが定義されていませんでした。
AIの出力に対する判断基準がない
AIは複数の案や回答を返します。しかし、その中から何を採用し、どこを確認し、どの状態なら業務で使ってよいのかが定められていませんでした。結果として、AIを使うほど確認対象が増えました。AIが判断を減らしたのではなく、別の判断を現場へ追加していました。
責任の所在が変わっていない
AIの利用は推奨されていましたが、出力に問題があった場合の責任は、利用者側に残っていました。使うことは求められる。しかし、どこまで信頼してよいかは自分で決めなければならない。この条件では、慎重な人ほど従来の方法を選びます。AIを使わないことが、責任を果たすための合理的な選択になっていました。
既存の業務プロセスと接続していない
AIを使う工程は追加されましたが、その前後の工程は変わっていませんでした。
AIへ入力した後、結果を既存の書式へ移す。既存システムへ再入力する。従来どおり上司の確認を受ける。
AIを使うことで、なくなる工程が定義されていませんでした。新しい仕組みは導入されましたが、仕事全体としては手順が増えていました。
時間の条件が変わっていない
新しい行動を習得し、試し、使い方を調整するには時間が必要です。しかし、AIを使う時間は、既存業務へ追加されていました。
やることは増えた。期限も処理量も変わらない。
この状態では、短期的に確実な従来手順へ戻ることが合理的になります。
評価される行動が変わっていない
組織としてはAI活用を推進していました。しかし、現場で評価されるのは、従来どおり処理速度、正確性、納期、件数でした。
AIを試す過程で時間がかかる。出力を確認するために処理が遅れる。新しい方法を使っても、成果として認識されない。
この条件では、AIを使うことと、現場が求められている成果が競合します。
「使う意味」は、説明によって与えられるものではない
AIの利用目的を説明することは必要です。しかし、目的を説明すれば、そのまま利用が定着するわけではありません。ここでいう「意味」は、AIの重要性に納得しているか、AIに好意を持っているかという話ではありません。現場が実際の仕事の中で、
- 何のために使うのかを理解できる
- 自分の役割として扱える
- 出力に対して必要な判断を行える
- 使った結果が仕事の前進につながる
- 他の役割や工程へ渡せる
- 最後まで仕事を完結できる
という状態が成立しているかどうかです。この条件が揃っていなければ、「AIを使うべきだ」という説明を増やしても、行動は安定しません。意味を直接与えることはできません。意味は、行動が成立する条件が揃った結果として生まれます。
AIを使う人を増やしても、AIが仕事に組み込まれたとは限らない
利用を促す担当者を置く。プロンプトの得意な人を育てる。各部門にAI推進者を配置する。
こうした取り組みは、導入初期には有効です。しかし、その人たちが毎回、
- 入力を整える
- 出力を確認する
- 利用者へ説明する
- 例外を引き取る
- 業務への適用方法を個別に考える
状態が続いているなら、AIが仕事に組み込まれたのではありません。AIと仕事の間を、人がつなぎ続けている状態です。推進者が増えたことで利用率が上がっても、その利用が推進者の継続的な働きかけに依存しているなら、必要な挙動が構造から生まれているとはいえません。
実装が満たすべき条件を先に定義する
このケースで必要だったのは、研修を追加することや、別のAIを選び直すことから始めることではありませんでした。先に必要だったのは、AIを通じてどのような行動を生みたいのかを定め、その行動が成立するために、実装が満たすべき条件を明らかにすることでした。例えば、次のような条件です。
- AIを使う対象業務と、使わない業務の境界が明確になっている
- AIに渡す入力の品質と責任が定義されている
- 出力を採用、修正、棄却する判断基準がある
- 出力に対する最終責任の所在が明確になっている
- AIを使うことで不要になる工程が明示されている
- 出力が既存のシステムや次の役割へ接続される
- 通常では扱えない例外の経路が定義されている
- 利用者が、判断に必要な情報へ到達できる
- 導入初期の学習や調整に必要な時間が確保されている
- AIを使う行動と、現場の評価や優先順位が競合しない
- AIの出力確認が、特定の人へ集中し続けない
- 導入後に、確認、再解釈、転記、手直しが別の場所で増えていないかを観測できる
これらは、AI製品の機能要件だけではありません。どのAIを選ぶ場合にも、AIを業務へ組み込む実装が満たす必要のある条件です。
AIを替えても、条件が同じなら挙動は戻る
この状態で、より高性能なAIへ替えたとしても、出力の判断基準がなければ、確認は残ります。操作画面を使いやすくしても、既存プロセスとの接続がなければ、転記や二重作業は残ります。研修を増やしても、AIを使う時間が確保されなければ、現場は従来の方法へ戻ります。利用目標を設定すれば、一時的に利用回数は増えるかもしれません。しかし、役割、判断、責任、評価、時間、業務経路の条件が変わっていなければ、利用は外から働きかけている間だけ続きます。
実装を替えても、使わないことや、特定の人が支えることを合理的にしている条件が残れば、同じ挙動は形を変えて戻ります。
AIは、構造に存在していた曖昧さを露出させる
AIは、出力、処理量、判断候補、情報量を増やします。しかし、増えた出力を誰が判断し、何に接続し、どこで完結させるかが曖昧なままなら、AIは仕事を減らすとは限りません。
- 確認する出力が増える。
- 解釈する情報が増える。
- 例外として引き取る案件が増える。
- 人が最終的に責任を持つ範囲が広がる。
AIが新しい問題をつくったというより、それまで人が曖昧なまま処理していた判断や接続が、AI導入によって表に現れたと見る方が正確です。AIは、人が暗黙に埋めていた構造の隙間を、自動的に埋めるわけではありません。むしろ、隙間がどこにあったのかを明らかにします。
観測によって変わったのは、「定着」の見方だった
当初は、AIが使われていないことが問題に見えていました。しかし、現在の動き方を観測すると、利用率だけを上げても解決しないことが分かりました。問題は、AIにログインする人が少ないことではありませんでした。AIの出力を使って、
- 誰が判断するのか
- 何を変えるのか
- 次に誰が動くのか
- どこで完了するのか
が、仕事の構造として成立していなかったことです。利用の定着とは、同じ人が繰り返しツールを開くことだけではありません。必要な場面でAIが使われ、その出力が過剰な確認や手直しを増やさず、次の行動へ接続されることです。
「AIを使わせる」から、「AIを通じて仕事が動く」へ
このケースで必要だったのは、現場にAIを使わせ続けることではありませんでした。必要だったのは、AIを使う行動が、特定の推進者による説明、督促、確認、修正に依存せず、仕事の流れの中から生まれる状態です。
- AIはすでにある。
- PoCでも効果は確認されている。
- 導入も完了している。
それでも、AIを使うために説明、督促、確認、転記、手直しを人が支え続けているなら、見るべきものは利用率だけではありません。
今の動き方を、何が生んでいるのか。AIを使うことが、現場の役割、判断、責任、時間、評価、仕事の完結へどのように接続されているのか。そして、AIを通じて必要な行動が生まれるために、実装はどの条件を満たさなければならないのか。
構造ディスカバリー
構造ディスカバリーは、一つの成果や運用を起点に、現在の実際の動き方を生んでいる条件を、経営者とキーメンバーで観測する120分のセッションです。
AI導入を扱う場合も、AI製品の性能評価や、導入計画のレビューを行う場ではありません。
- AIは、実際にどの仕事へ使われているのか
- AIの出力は、どの判断や行動へ接続されているのか
- どこで確認、再解釈、転記、手直しが発生しているのか
- 誰がAIと現場の間をつなぎ続けているのか
- AIを使わないことや、元の方法へ戻ることを合理的にしている条件は何か
- AIを通じて望む挙動が生まれるために、次に定義すべき条件は何か
これらを構造仮説として言葉にし、望む挙動の成立条件を本格的に定義する必要があるかを判断します。