1980年代初頭、デトロイトの自動車メーカーは、自身が次の産業進化の入口に立っていると信じていました。しかし、競争優位に重要なのは、技術そのものではなく、技術をどう捉えどう組み込むかだったのです。
ゼネラル・モーターズ（GM）は、当時としてはほとんど空想的ともいえる規模の、400億ドル超を製造ロボットに投じました。米国の製造業を長年の低迷から救うと、期待されていたロボットです。
自動化によって、より速く、より安く、よりよいものが作れる。高コストな労働組合の人手を、疲れを知らない機械に置き換えれば、従来の仕事の流れを保ったまま生産性を向上できる――そう考えたのです。しかし実際には、既存の仕組みにそのまま技術を当てはめても、根本的な問題は解決しませんでした。GMは、人が立っていた場所にそのままロボットを配置しました。職務区分は人が担っていたときと同様に維持され、組立ラインの速度や工程順は手つかずのそのままでした。つまりロボットは、仕組みをまるごと変える存在ではなく、ただ、そこにいたひとりひとりの作業員にかわって従順に働く存在として扱われたのです。
この結果をレポートしたマサチューセッツ工科大学（MIT）の「メイド・イン・アメリカ」報告書は、ロボットを労働力の一単位として捉えたことで、生産のあり方そのものを変え得る可能性が見落とされた、と指摘しています。本来はロボットを導入することで、製造工程の調整のあり方が変わり、生産の流れや品質をめぐる採算の考え方も変わります。そこから、工場のレイアウトや工程設計、管理方法を見直す余地が生まれるはずでした。しかし、このGMの事例では、既存の仕事の流れを基準に導入を進めたため、こうした変化は引き出されませんでした。従来の生産構造がただ温存され、生産性の障壁となっていた制約もそのまま残ったのです。
同じツールを異なる視点から捉えたのが、トヨタです。トヨタは、どの作業をロボットに任せるかではなく、ロボットが生産の論理そのものをどう変えるのか、を検討しました。工場の配置を組み替え、作業単位を設計し直し、どの工程の動きが品質に影響するかを可視化して、生産ラインのひとつひとつの動作と結びつけました。人は作業をこなす存在から、生産ライン全体を管理し、品質のばらつきを素早く見つけて修正する役割へと移りました。つまり工場は、人の仕事に機械をつけ足したものではなく、人と機械が連動して行う生産の場へと変わったのです。
GM、トヨタの両社が利用したロボット技術は、ほぼ同じでした。しかし、その技術を取り巻く構造を見直したかどうかで、結果が分かれたのです。その後に生じた生産性や競争力の差は、ロボット導入当初の役割の捉え方の違いに根ざしています。
目標の達成に向けて複雑な業務の流れを自律的にこなす「エージェント型実行」、すなわち、個別の作業をこなすだけでなく一連の業務を遂行するAIエージェントの台頭は、私たちを再び、かつてとよく似た転換点に立たせています。
企業経営層はよく、AIエージェントを「デジタルの同僚」「AIインターン」「仮想の社員」などと表現しています。これはまるで、AIを取り入れる最も自然な方法は、既存の職務構造の中に当てはめることだ、と考えているかのようです。このたとえは無害ですし、むしろわかりやすいものにも見えます。複雑な技術を、なじみのある発想の枠組みに収めてくれるからです。しかしその結果、40年前のGMと同じ、発想の狭まりを生み出してしまいます。
AIエージェントを「同僚」と見なしてしまうと、導入の単位は業務の流れや仕組み全体ではなく、職務そのものになります。企業はそのぱっと見の印象で、業務を近代化できたと思い込んでしまいますが、実際には基盤となる構造をまったく変えられていません。
「AIエージェント＝同僚」という捉え方は、経営に求められる発想も変えてしまいます。言葉通りに受け取ったCEOは、人とAIエージェントが労働力として混在する状態を思い描くようになります。すると、こんな疑問が生まれてきます。誰がAIエージェントの監督をするのか、評価はどう行うのか。AIエージェントは人員数にどう換算するのか。AIエージェントにも入社手続きが必要なのか。AIエージェントの管理は人事部がするべきなのか。AIエージェントの業務量はどう測るのか。こうした問いは、本来そこには当てはまらないはずの――むしろ危険ですらある――労務管理の論理を持ち込んでしまいます。
「AIエージェント＝同僚」論で欠けているのは、AIエージェントによって仕事の構造そのものが変わるという視点です。エージェント型の仕組みは、人の労働と同じ制約のもとで働くわけではありません。ですから業務の流れも、人と同じ制約を引きずるべきではないのです。AIエージェントは業務の流れを再設計し、組織内での意思決定の配分の見直しを可能にできる存在です。しかし、AIエージェントを「役割の担い手」として扱う限り、こうした意味合いは見過ごされてしまいます。
「同僚」という比喩は、人員配置の問題に注意を向けさせる一方で、構造の問題から目をそらさせます。結果、個々の社員やチームの生産性を局所的に高めることはできても、新しい能力を前提に仕事の仕組み全体を捉え直すことで得られる、本来の生産性向上にはつながらないのです。
1980年代のトヨタの考え方は、ロボットが工場に導入されるにつれて、工場の姿がどのように変わっていったのかをくわしく見ていくことで、より鮮明に理解できます。
トヨタの技術者たちは、GMのように、機械が人になり替わる姿を思い描いてはいませんでした。彼らの出発点は「新しい能力がシステムに加わることで、何ができるようになるか」という、構造そのものを問う発想でした。
ロボットによる溶接作業は人間よりも安定していますが、トヨタが注目したのはそれだけではありません。ロボットを導入することで、製造ラインの速度、工程間の間隔、検査のタイミング、そして不良をどう把握・監視するかといった点に、どのような影響が及ぶのかまで考慮したのです。作業の安定性が前提となったことで、品質管理のサイクルは短縮されました。ひとつひとつの作業を人が監視する必要がなくなり、意思決定は現場ではなく、意思決定の権限は、現場からシステム全体の挙動を把握できる立場へと移っていきました。こうした変化に応じて、工場の物理的なレイアウトもまた、組み替えられていきました。
既存の制約に縛られない、新たな能力がシステムに入ると、そのシステムはふたつにひとつの反応を示します。能力を生かすように適応するか、抵抗してその力を弱めてしまうかー。トヨタは前者、GMは後者でした。トヨタが新しい「システム」を見ていたのに対し、GMはあくまで新しい「労働力」としてロボットを捉えていました。この教訓は明確です。分析の単位となるべきなのは人員数ではなく、能力です。能力が変われば、構造もまた変わらなければなりません。
この新しい能力を、単に数として捉える見方は、今日のAI導入をめぐる議論にもそのまま持ち込まれています。AIエージェントを既存の仕組みの中の「デジタル労働力」と位置づけてしまうと、導入を担う経営層は、立ち止まってシステム全体を捉え直すことができなくなります。仕事は安定したままで、作業だけがAIエージェントと人に再配分されている、という前提で考え続けてしまうのです。
しかし実際には、AIエージェントが一定の作業群を安定して実行できるようになった瞬間、従来の職務の境界は崩れ、新たに加わった能力を軸に業務の流れが再編されます。「役割を補強する」という発想は、その役割が不変であることを前提としていますが、AIエージェントが本格的に機能し始めれば、その前提自体が成り立たなくなるのです。
初めて本当の経営課題が見えてくるのは、AIエージェントを「デジタルの同僚」ではなく、システムの可能性や将来の組織の姿を広げる、戦略的で進化し続ける力と捉えられたときです。エージェント型の能力が向上し、信頼性を増すたびに、以下の３つの重要な変化が起こるからです。
第一に、AIエージェントの能力が高まるたびに、人の能力の経済的価値が「再評価」されます。ある作業をAIエージェントが安定してこなせるようになると、それまでその作業を担っていた人の能力の価値は低下します。一方で、それを補完する人の能力の価値は高まります。これは一見、「人を補強する」という考えに近いように見えますが、実際には正反対です。「補強」という発想には、人が常に業務の中心にいて、AIはその能力を拡張する道具であることを前提にしています。しかし、AIエージェントの能力が向上し、仕事の構造そのものが組み替わったあとでは、意図的な設計がない限り、人は業務の流れを定義する立場ではなくなります。人が担う業務は、エージェントが失敗したり、詰まったり、限界に突き当たったりする部分へと移っていきます。遠目には「補強」に見えるかもしれませんが、根底にある論理は異なります。AIエージェントの実行能力を軸に、システムは外側へと拡張していきます。人はその最前線で信頼性を守るため、判断、解釈、統治といった人ならではの能力で独自の価値を生み出し続ける存在として、再配置されていくのです。
AIエージェントが一定の作業群を安定して実行できるようになった瞬間、従来の職務の境界は崩れ、新たに加わった能力を軸に業務の流れが再編されます。
カスタマーサポートの現場を例に考えてみましょう
AIエージェントが問い合わせの80〜90％を処理できるようになると、人の役割はもはやエージェントを
「補助する」ものではなくなります。サポート担当者が向き合うのは、定型的な対応では処理できない、人とシステムの境界に位置するケースです。たとえば、お客様が強い不満を抱きながらも、理由をうまく言葉にできない場面や、お客様の事情が深く共感できるもので、ルールを超えた例外的な判断が求められる場面です。ここで人に求められる価値は、AIエージェントを使って処理量を増やすことではありません。曖昧で、文脈依存的で、定型化できない状況を引き受けることです。
もうひとつの例として、都市計画を考えてみましょう。AIエージェントは交通の流れをシミュレーションしたり、人口密度をモデル化したりして、都市の区分（住宅地・商業地・工業地など用途地域）をどう定めるか選択肢を提示できます。ここで人の役割の価値が高まるのは、たとえば「都市をどのような姿にしたいのか」で意見が対立したときに、その間を調整する場面です。そこでは、AIエージェントでは十分に織り込めない、道徳的、文化的、歴史的な文脈を統合することが求められます。
AIエージェントの能力を軸に人の役割が変化していくにつれ、組織は、AIエージェントができることと、人がなお担わなければならないこととのあいだに位置する、いわば「動く境界」になります。組織を率いるには、その境界がどのように変化しているかに目を向ける必要があります。なぜなら、その境界こそが、新たな機会が生まれる場所であり、同時に見えにくいリスクが蓄積していく場所でもあるからです。
第二に、エージェント型の能力が進化するにつれて、人の能力の価値もまた、絶えず再評価されます。従来のスキルモデルや職務設計は、能力の価値はゆっくりとしか変わらないという前提のもとで作られてきました。長年の経験によって力が蓄積され、役割は安定している――そうした世界を想定していたのです。しかし、エージェント型の能力を軸に仕事が再編されるシステムでは、この前提は成り立ちません。業務の流れが定義し直されれば、スキルの分類はすぐに時代遅れになり、職務記述書も急速に意味を失います。その結果、組織は人材配置を誤りやすくなります。能力を評価する枠組みが、もはや存在しない過去に固定されているからです。
たとえば、航空会社の運航管理者を想像してみてください。評価の対象は計画の正確さですが、実際にはAIエージェントが経路選択を担っています。運行管理者の実質的な仕事は、混乱とその連鎖的な影響を管理することですが、その価値はといえば正当に評価されていません。科学者も同様です。実験の実施件数で評価され続けている一方で、実際には仮説の選定や予期せぬ結果の解釈こそが、発見を左右するようになっています。航空機のパイロットはどうでしょう。自動操縦技術が飛行距離の大半を担うようになった今、飛行時間や飛行距離で評価することには意味がありません。評価されるべきは、安全な離着陸を管理する能力や、飛行中に起こる予期せぬ事態に対処する力です。
今日、組織が直面している問題は、「デジタル労働力」をどう管理するかではありません。エージェント型の能力の進化に伴い、絶えず価値が書き換えられていく人の能力を、どう見極め、どう再配置するかという問題です。しかも、AIによってかつては希少だった能力が広く利用可能になり、競争の条件そのものも変わり続けています。どの能力が価値を保ち、競争力につながるのかは、社内要因だけでなく外部環境によっても左右されます。
その結果、経営層にとって「能力を感知する」ことはますます難しくなっています。どの能力の価値が高まり、どれが下がっているのか。人材をどう再配置すべきか。どこに新たな不足が生じているのか。役割の偏りやボトルネックは見えても、それを構造的に読み解く仕組みを持つ企業は多くありません。必要なのは管理を強めることではなく、能力の変化を捉える感度と、それを前提に配置を組み替える力です。
そして第三の、最も重要なポイントに行き着きます
競争環境が新しい能力に価値を置くようになり、同時にエージェント型の能力そのものが進化・高度化していく中で、これまで重視されてこなかった能力が、明日には組織の競争力を左右する中核になることがあります。経営層は、エージェント型の能力がどのように変化しているのかを能動的に捉え、その変化に合わせて組織を組み替えていく必要があります。
これは労務管理というよりも、資本配分に近い発想です。すなわち、レバレッジを生む能力に投資し、戦略的に重要性が高まりつつある能力を継続的に見極め、外部への依存が長期的な自律性を損なう場合には、どの能力を自社で保持すべきかを判断することです。エージェント型の能力を、単に労働力を補う手段として捉えている限り、こうした戦略的な論点は見えません。長期的な競争力を左右する「資本投資」として捉えたときに初めて、浮かび上がってきます。
ここで求められるのは、小さな改善を積み重ねる変革管理ではありません。組織そのものを組み替える再設計です。そして、そこには従来の変革手法を超えた、新たな方法論とリーダーシップが必要です。焦点は人とエージェントがどのように相互作用するかを設計すること、どの判断を人が担い続けるのかを決める論理を統治すること、そして長期的な差別化を生み出す能力基盤に投資することへと移ります。
そのためには、「デジタル労働力」という言葉を文字通りに受け取るのをやめ、本当に重要な問いに目を向けなければなりません。どのAIエージェントの能力が、自社固有のものでなければならないのか。業務の流れはそれを軸にどう再構成されるべきか。能力の価値が変化していることを、どのような仕組みをもって感知していくのか。境界が揺らぐ中で、人をどこに再配置していくのか。これらは労務管理では答えの出ない問いです。仕事の仕組み全体の構造と、その経済性に関わる問題であり、戦略の中心に置かれるべき課題です。
こうした新しい環境において、CEOの役割は、従来型の労働力の管理から、絶えず適応し続ける有機体を形づくっていくこととなりつつあります。構造は変わり、能力は移ろい、境界は動き続けます。その中で優位性を手にするのは、自らを再構成できる企業です。エージェントを「同僚」として静的に捉えるリーダーは、古い構造の制約をただ引き継いでいくことになるでしょう。一方、エージェントを能力として捉えるリーダーは、進化し続ける構造を設計できます。トヨタが数十年前に示したように、本当の差は、違いに十分早く気づき、行動に移せるかどうかにあるのです。
Have questions or want to learn more?
