その判断は、誰が引き受けるのか

残ると分かったものは、どこへ置かれるのか

生成AIが引き受けていくのは、手順にできる仕事です。段取りが決まっていて、正解の形があり、だからこそ書き下せる。そういう仕事から順に、機械の側へ移っていきます。

では、人間の側には何が残るのか。残るのは、手順にならない判断のほうです。この案件は例外として扱うべきか。この顧客には、規則どおりの回答をして本当にいいのか。AIが出してきたこの答えを、そのまま世に出していいのか。どれも、マニュアルに書けません。書けないから、AIも学べない。だから人間の側に残ります。

前回まで、私はこのシリーズで二つのことを書いてきました。ひとつは、「AIで人を減らせば利益が上がる」という見立てが、多くの企業で外れたこと。もうひとつは、その原因が、減らせた時間や人数という測りやすいものだけを成果の物差しにしたことにあった、ということです。測りやすい仕事ほどAIに置き換わり、測りにくい判断ほど人間の側に残る。だとすれば、測りやすさを物差しにするかぎり、私たちはいちばん大事な部分を見落とし続けることになります。

ここまでで、話は半分だけ進みました。人間の側に何が残るのかは、見えてきた。けれど、残ると分かっただけでは、まだ何も解決していないのです。

なぜなら、残った判断は、勝手に誰かのところへ収まってくれるわけではないからです。「この例外を認めるかどうか」という判断は、組織の中で誰かが実際に引き受けないかぎり、宙に浮いたままになります。宙に浮いた判断は、たいてい、いちばん断りにくい立場の人のところへ、静かに落ちていきます。あるいは誰も引き受けないまま、放置されます。

つまり、最後に問われるのは、配置の問題です。測りにくい価値が人間の側に残るのだとして、その価値を、組織のどこに、誰の仕事として置くのか。 シリーズの最後に、そこを考えてみたいと思います。

「余った人をどうするか」という問いの、落とし穴

AIを導入したあと、組織の配置を考えるとき、私たちはたいてい、こう問いを立てます。「AIで手が空いた人を、どこへ動かそうか」。

順番としては自然に見えます。まずAIを入れて、業務が減って、人手が余る。余った人を、別の場所に移す。導入が先で、配置はその結果。実際、多くのプロジェクトが、この順序で進んでいるはずです。

けれど、この順序には、ひとつ落とし穴があります。この問いの立て方だと、「誰がこの仕事の責任を引き受けるのか」が、最後まで誰も決めないまま残ってしまうのです。

たとえば、問い合わせ対応をAIに任せたとします。定型的な質問はAIが返し、担当者の手は空きます。ここで「空いた人をどこへ動かすか」と考えると、話は要員配置の問題になります。けれど、実際に現場で起きるのは、そういう整然とした話ではありません。AIが判断に迷う問い合わせが来ます。AIの答えが微妙にずれていたことに、あとから気づきます。顧客が「AIに言われたとおりにしたのに」と怒って電話をかけてきます。

こうした場面で必要なのは、手の空いた人ではありません。その判断を引き受ける人です。ここまでは規則どおりでいい、ここからは例外として自分が判断する、そしてその結果に責任を持つ——そう言える立場の人が、決まっているかどうか。空いた人を動かす話と、引き受ける人を決める話は、まったく別のことです。

だとすれば、順序を逆にしたほうがいいのだと思います。先に決めるべきなのは、「この仕事で、最終的に誰が引き受けるのか」のほうです。引き受ける人を決めて、その人が引き受けきれるように、周りをAIで固めていく。そういう順序であれば、AIが増えても、判断が宙に浮くことはありません。

順序が逆になると——つまり導入を先に走らせて、配置をあとから考えると——引き受け手のいない仕事だけが、あとに残ります。そしてその空白は、たいてい、しばらく誰にも気づかれません。何も起きていないあいだは、空白は空白として見えないからです。問題が起きて初めて、「これは誰が決めることになっていたのか」と、全員が顔を見合わせることになります。

AIの配置とは、機械をどこに置くかという話だと思われがちです。けれど実際には、人をどこに置くかを決める作業のほうが、はるかに難しく、そして重要なのだと思います。

日本では、「雇い戻し」と呼ばれない

ここで、日本の話をしたいと思います。

このシリーズの最初に、海外企業が人を減らしすぎて、また採り始めたという話を書きました。けれど、同じことが日本で起きているかというと、報道の上では、ほとんど見当たりません。「AIで削減した人員を、再び採用しました」と発表した日本企業を、私は寡聞にして知りません。

では、日本ではこの問題が起きていないのでしょうか。私は、そうは思いません。起きていないのではなく、違う形で現れているのだと考えています。

日本企業の動きを追っていくと、共通する形が見えてきます。それは、人を切って戻すという振れ幅の大きい動きではなく、組織を、段階的に厚くしていくという動きです。

たとえばNTTデータは、2019年にグループとしてのAI指針を策定し、2021年には外部有識者を交えたAIアドバイザリーボードを創設しました。そして2023年4月、AIの適正な活用を推進する専任組織として、AIガバナンス室を設置しています。指針をつくり、外部の目を入れ、さらに専任の部署を置く。四年をかけて、AIを扱うための足場を一段ずつ積み上げてきた形です。

富士通も、2022年2月にAI倫理ガバナンス室を設けています。NTTデータだけの特異な判断ではなく、大手企業に共通して現れた動きだったことが分かります。

より最近の例では、パーソルホールディングスの動きが分かりやすいかもしれません。同社は2025年4月に「グループAI・DX本部」を発足させました。それから一年後の2026年4月、今度はCAIO（最高AI責任者）という役職を新設し、あわせて「グループAI本部」を立ち上げています。この新組織は、主要子会社に分散していたAI人材と知見を集約する役割を担うとされています。一度つくった組織を、一年で、さらに格上げしたわけです。

これらの動きに、私は共通の意味を見ています。AIを導入すればするほど、それを束ねる人の配置が、重くなっているのです。

指針を書く人が要ります。外部の目を入れて確かめる人が要ります。部署をまたいで判断を揃える人が要ります。そして最後に、全社を通して「これは進めてよい」「これは止める」と言える立場の人が要る。AIを入れた結果として現れたのは、人手が浮いた組織ではなく、判断を引き受ける層が、以前より厚くなった組織でした。

ここで、誤解のないように書いておきたいことがあります。この日本型の現れ方を、「欧米のように大胆に減らせない、日本企業の慎重さ」として片づけるのは、たぶん正しくありません。むしろ順序として、こちらのほうが理にかなっているのだと思います。切ってから慌てて戻すより、引き受ける体制を先に組み立ててから広げていくほうが、失うものが少ない。前回まで見てきたとおり、いちど手放した経験や判断力は、同じ人数を採り直しても、すぐには戻らないからです。

ただし、慎重であることが、そのまま優れているという話でもありません。組織を厚くすること自体が目的化すれば、それは単に決裁の階層が増えただけになります。大事なのは、厚くなった組織の中で、「最終的に誰が引き受けるのか」が実際に決まっているかどうかです。役職と部署が増えても、判断の落ちる先が曖昧なままなら、宙に浮く判断は、やはり宙に浮いたままなのですから。

なぜ、AIを入れるほど、人を置く場所が重くなるのか

素朴に考えれば、逆のはずでした。AIが仕事を引き受ければ、必要な人は減る。組織は軽くなる。それが、多くの人が思い描いた図です。ところが実際に起きたのは、束ねる人の配置が重くなるという、正反対の現象でした。なぜでしょうか。

理由は、二つあると思います。

ひとつめ。AIが引き受けるのは、判断のいらない部分からだからです。手順が決まっていて、答えが定まっている作業。そこが機械の側へ移ると、あとには何が残るか。決まっていない部分、つまり判断そのものが、濃縮された形で残ります。仕事の総量が減っても、そこに含まれる判断の密度は、むしろ上がる。同じ一件を処理するのに必要な判断の重さが、以前より増しているのです。だから、担う人には、以前より高い判断力が求められます。人数は減っても、一人ひとりに求められる重さは軽くなりません。

ふたつめ。これはあまり語られませんが、AIそのものが、新しい判断を生み出しているからです。

AIを業務に入れると、それまで存在しなかった問いが、次々と発生します。この用途にAIを使ってよいか。この出力を、確認せずに顧客へ渡してよいか。学習に使うデータは、どこまで許されるのか。AIが誤った結果を出したとき、責任はどこにあるのか。これらはすべて、AIを入れる前には存在しなかった判断です。そして、どれも手順書には書き下せない。書き下せないから、AIには任せられない。結果として、人間が引き受けるべき判断は、AIを入れたあとのほうが増えることになります。

日本企業が、指針をつくり、外部の目を入れ、専任組織を置き、そのうえで責任者を立ててきたのは、この増えた判断を、誰かが引き受けられる場所へ収めるためだったのだと思います。組織が厚くなったのは、非効率だからではありません。引き受けるべきものが、実際に増えたからです。

ここに、この記事の中心があります。AIの導入とは、人を減らす作業ではなく、引き受ける場所をつくり直す作業なのだということです。減らせる人数を先に数えると、この作業は視界に入りません。そして視界に入らないまま導入だけが進むと、増えた判断は、誰の担当でもないまま、組織のどこかに溜まっていきます。

ただし、ここで話を都合よくまとめるつもりはありません。「だからAIを入れても人は減らない」と言いたいわけではないのです。

前回紹介したスタンフォード大学の研究が示していたのは、まさにその厳しさでした。AIの影響を強く受ける職種では、若手の採用が実際に細っていた。手順として学べる仕事が機械へ移れば、それを入口にしていた人たちの居場所は、確かに狭くなります。減る場所は、減るのです。

つまり、二つのことが同時に起きています。手順の仕事が集まっていた場所は薄くなり、判断を引き受ける場所は厚くなる。 全体の人数がどう動くかは、企業によって違うでしょう。けれど、組織の重心が移動していることだけは、どの企業にも共通しています。そしてこの移動は、放っておいて自然に完了するものではありません。誰かが意図して、配置し直さなければならない。

AIを入れるほど、人を置く場所は重くなる。軽くなったのは作業のほうで、重くなったのは責任のほうでした。この二つを取り違えたとき、企業は人を減らしすぎ、そしてあとから、その穴の大きさに気づくことになるのだと思います。

見立て、物差し、配置

三回にわたって、AI投資が企業に何をもたらすのかを追いかけてきました。最後に、辿ってきた道を並べ直してみたいと思います。

最初に見たのは、見立ての問題でした。人を減らしすぎて、また採り始めた企業たちがいた。けれどそれは、AIが力不足だったからではありませんでした。「この仕事は置き換えられる」と判断したとき、その仕事の中身を、すでに読み違えていた。消えたのは仕事ではなく、仕事への見立てのほうだったのです。

次に見たのは、物差しの問題でした。なぜ、読み違えたのか。私たちが、測りやすいものだけを成果として数えてきたからです。削減時間、削減人数、削減金額。どれも運びやすく、説明しやすい。けれど測りやすい仕事ほどAIに置き換わり、測りにくい判断ほど人間の側に残る。測りやすさを物差しにするかぎり、いちばん大事な部分は、最初から視界の外に置かれます。

そして今回見たのが、配置の問題です。人間の側に残ると分かった判断は、誰かが実際に引き受けなければ、宙に浮いたままになる。AIを入れるほど、引き受けるべき判断はむしろ増える。だから組織は、軽くなるのではなく、重心が移動していく。

三つは、別々の問題のように見えます。けれど、こうして並べてみると、同じひとつのことの、三つの現れ方だったのだと分かります。その仕事を何だと読んだか。何をもって良くなったと決めたか。誰に引き受けさせることにしたか。どれも、AIの性能とは関係がありません。すべて、私たちが仕事というものを、そして人というものを、どう見ているかの話でした。

生成AIは、この数年で、たしかに驚くべき速さで進歩しました。けれど、企業がこの技術で成果を得られるかどうかを分けているのは、モデルの性能ではないように思います。分けているのは、自分たちの仕事を、どれだけ正確に見ているか。そして、測れないものから目をそらさずにいられるか。AIは、私たちの見る力を、ただ映し返しているだけなのかもしれません。

減らせる人数を数えることは、簡単です。数えられるものは、いつも先に目に入ります。けれど、その数字の裏側で何が失われようとしているのかは、数えても出てきません。それは、見ようと決めた人にしか見えないのだと思います。

AI投資が本当に問うているのは、たぶん、そこなのだと思います。