人とAIが共生するための設計とは：なぜ協働だけでは足りないのか

共生のためのシフトチェンジ

　人とAIの共生を考えるうえで出発点となるのは⁶、人とAIがそれぞれ異なる強みと弱みを持っているというシンプルな事実です。人には、状況に応じて判断する力や倫理観、経験の中で培われた暗黙知、そして環境の変化に合わせて目標を見直す柔軟性があります。一方、AIは膨大なデータを高速で処理し、その中からパターンを見いだすことを得意とし、安定した一貫性も備えています。重要なのは、どちらかを選ぶことではありません。他方を置き換えたり、凌駕したりすることでもありません。目指すべきは、人とAIが互いの弱みを補い、強みを高め合える仕組みを構築することです。こうした考え方は、人とAIの共生を支える要素のひとつであり、「ハイブリッド・インテリジェンス」とも呼ばれています⁷。

　幸い、多くのリーダーがそれをきちんと認識しています。「AIで成功を収める組織とは、AIの能力だけでなく、人間の判断力にも投資する組織である」と、大多数（94％）が回答しています⁸。また、リーダーの半数は、複雑で判断が難しい状況への対応や、顧客・ステークホルダーとの関係構築において、今後3年間も人が価値創出の中心であり続けると考えています。しかし、新たな働き方を実践に移すことに、多くのリーダーが苦労していることもまた事実です。「業務フローを見直し、AIを協働のパートナーとして組み込んでいる」と回答したのは、わずか22％でした。つまりほとんどの組織が、AIを既存の業務プロセスに当てはめているだけで、仕事そのものの再設計には至っていないのです。さらにこの2倍以上（45％）のリーダーが、「人とAIとの協働を前提とした役割分担や業務フローの再設計が、AI導入の成功をむずかしくする最大級の課題である（サイバーセキュリティに次いで2番目に大きい障壁）」と回答しています⁹。

　このような状況にどう対処すればいいのでしょう？リーダーが意図的にできるシフトチェンジが3つあります。

①自動化から能力の育成へ

AIは時間を節約するだけでなく、従業員がより論理的に考え、より速く学び、よりよく判断できるように支援するものでなくてはならない。

　AIを単なる自動化のツールとして扱うと、能力の劣化が起こりかねません。私はこれを「能力の空洞化」と呼んでいます。業務や人材、組織のあり方を見直さないままAIを導入した結果、人の判断力や専門性、裁量が徐々に失われていく現象です。たとえば、若手のコンサルタントが、AIに提案をつくらせてそれを整えることばかりを学び、自身では論理を組み立てられない。カスタマーサービス担当者が、AIの提案に沿った案内をするだけで、複雑な案件に対応する力を身につけられない。そういったケースです。このような能力の空洞化は、AI時代のリーダーが最も懸念すべきものといえましょう。厄介なのは、こうした現象が、四半期の業績や、コスト削減中心の効率化指標にはほとんど表れないことです。当初は、業務が速くなり、コストも下がるため、むしろ成果が上がっているように見えます。しかしその裏では、AIの出力を検証する力や例外的なケースに対応する力、将来の人材を育成する力が静かに失われていきます。問題が表面化したときには、それを立て直すための判断力や専門性を備えた人材が、すでに不足しているかもしれません。

　能力を育てることを重視するなら、まず問いそのものを変える必要があります。「この仕事の進め方は、それを担う人にどのような影響を与えるのか」という視点です。AIを、今ある専門知識の代替手段ではなく、将来の専門性を育むための投資¹⁰と捉えるのです。重要なのは、AIの活用が進むことで、人の思考力や判断力、問題解決力が高まっていくのか、それとも単にアウトプットを速く出せるようになるだけなのか、の見極めです。

　そのためには、仕事の進め方そのものを見直さなければなりません。5年後にも必要となる判断力を育てるためには、あえて人が主導すべき仕事もあります。人とAIが同じ課題に並行して取り組み、その違いを比較することで学びにつなげることが有効な場合もありますし、人とAIの役割分担や働く順序を、意図的に設計するのがよい場合もあるでしょう。その一例が、スウェーデンで行われた乳がん検診の「ScreenTrustCAD試験」¹¹です。2人の放射線科医とAIが、同じマンモグラフィー画像を、互いの判断を見ることなく、それぞれ読影します。いずれかの読影者が注意を要すると判断した症例については、協議し、最終診断を下します。この取り組みの結果、人とAIの判断の違いが可視化され、その比較自体が見直しや調整、学習の機会となりました。

　AIによる能力拡張と人の能力育成は、別々に考えるべきものではありません。両者は本来、同じ取り組みなのです。

②監督から相互学習へ

①の「能力の育成」は、「人によるAIの監督」から「人とAIの相互学習」への移行を促進する。人はAIの出力を承認するだけでなく、フィードバックを与え、文脈を整え、修正し、判断を下し、AIの性能を改善すると同時に、自分自身のパフォーマンスも高めていく。

　AIの判断に人が関与するhuman-in-the-loopなどのモデルが、説明責任やリスク管理にとって重要なことは否定しようもありません。しかし、それだけでは十分ではありません。こうしたモデルでは、人は確認や承認、例外対応を担う存在として位置づけられますが、「共生」が求めるのは、より双方向の関係です。AIは人の能力を高め、人はフィードバックや修正、文脈の提供を通じてAIを改善していく。そうした相互作用によって、双方が学び合う関係が重要になります。

　監督から相互学習への転換は、信頼構築のプロセスにも変化をもたらします。AI活用の現場では、これまで対照的な2つの問題が見られてきました。ひとつはAIを信用しすぎる「認知的過信」で、たとえば採用担当者が自ら候補者を十分に評価せず、AIによる履歴書審査の結果¹²に頼り過ぎてしまうようなケースです。もうひとつは、AIを信用しなさすぎる「アルゴリズム忌避」です。アルゴリズムにも間違いがあることを知り、すべてのアルゴリズム予測¹³を拒否してしまう、というようなケースです。

　いずれも、人とAIの間で相互学習が機能しておらず、適切な信頼関係が築けていない状態です。前者では人がAIから学ぶことをやめ、後者ではAIから得られるはずの知見や示唆を活かせていません。重要なのは、AIを無条件に信頼することでも、過度に疑うことでもありません。どのような場面でAIの判断を採用し、どのような場面で見直しや再検討を行うのか。その見極めを可能にするのが、相互学習を通じて育まれる適切な信頼です。そのためには、明確で実効性のあるガバナンスが欠かせません。しかし、現状ではそれが大きな課題となっています。キンドリルの調査において、自社のガバナンスやコンプライアンスの枠組みがAI活用に十分対応できていると回答したリーダーは、4分の1に達しませんでした¹⁴。リーダーには、従業員が安心してAIを活用し、その価値を最大限に引き出せる環境を整えることが求められます。

③プロジェクトから全社的な連携・統合へ

②の相互学習は、「プロジェクト単位」から「共生を前提とした全社最適」への移行を促進する。AIはプロジェクトごとに導入するのではなく、AIエージェント、社員、外部関係者を含めた企業全体で設計・調整する必要がある。

　今日、AIへの投資の多くは、特定の製品、プロセス、事業部門に対して行われています。範囲を決めてしまえばROIの測定には便利ですが、人とAIの共生の観点からいうと十分とはいえません。なぜなら、価値もリスクも、その本質は「接点」に存在するからです。AIエージェントがお客様やパートナー、サプライヤーとどのように関わるのか。AIシステムの判断が他のシステムにどのような影響を及ぼすのか。ひとつの部門で行った業務プロセスの変更が、知らぬうちに他部門の生産性や業務品質にどんな影響を及ぼしてしまうのか。価値とリスクは、こうした境界やつながりの中にこそ存在するのです。

　共生を前提とした全社的な設計では、AIの導入を個別の自動化施策の積み重ねとしてではなく、人やAIエージェントが相互に関わりながら機能する仕組み¹⁵として捉えます。このとき考慮しなければならないのが、ステークホルダー間の利害や影響力の偏りです。多くの関係者が関わるプロセスにAIを導入すると、その恩恵を受ける人がいる一方で、情報や発言権を十分に持たない人が設計上の問題による負担を引き受けることになりがちです。よって全体の構造を見直す際には、誰が利益を得るのか、誰に負担が生じるのか、そうした偏りを組織として許容できるのかを問わねばなりません。

　したがって、経営層が問うべきなのは、「このAIを導入することでコストが削減できるかどうか」ではなく、「この設計によって、1年後の組織の能力が、関係者やパートナーを含めて高められているかどうか」です。

　そして、それによって、経営層が重視すべき指標も変わります。AIの活用度や、業務のスピード、コスト削減も重要ではありますが、それだけではいけません。人とAIの共生を前提とした全社最適のためには、判断の質やスキルの向上、AIが対応しきれない案件を人へ適切に引き継げるか、説明責任が果たされているか、そしてAIを長期的に使用することで組織がよりレジリエントになるのか、あるいはAIへの依存が進むのか、などを見極めていかなければならないのです。