2025年5月28日 | 所要時間: 11分

これまでのイノベーションサイクルとは異なり、生成AIは、以前は自動化が不可能と考えられていた認知作業を強化し、置き換えることができます。ワークロードの大幅な置き換えが予想されますが、ツールやテクノロジーの絶えず変化する状況に従業員がスキルを適応させることができれば、新しい役割の機会も生まれるでしょう^2,3。

ビジネスリーダーにとって、テクノロジーへの投資は、従業員がそのテクノロジーを使いこなし、競争優位性のあるスキルを持ち、新しいテクノロジーを身につける場合にのみ価値があります。ワークロード適正化の鍵は、テクノロジーの導入、受容、そして人間行動に関する難しい問題の中にあります。

過去50年間にわたり、人間がテクノロジーとどのように関わるかを調査し、特定のイノベーションを使用し再利用する個人の意図の決定要因を解明する幅広い研究が行われてきました。個人の行動に加えて、イノベーションがグループ、サブカルチャー、または組織全体にどのように広げるのかを提案するための研究も行われています⁴。さらに、テクノロジー行動の自己決定⁵と自己規制⁶、また認知的効果も、人間が自分自身や雇用者の目的のためにどのようにテクノロジーを取り入れ、受け入れるかに寄与しています。

生成AIから最大限の価値を引き出す方法を理解するためには、組織内の予算管理者と実施者が人間行動のさまざまな要因を理解し、意図的な導入、準備状態、そして人材パイプラインを通じて変革を最大化するための行動を取ることが重要です。短期的な価値を最大化する一方で、人間の認知作業をAIに置き換えることの長期的な結果が、使用するツールがより複雑になることで従業員の能力が低下するリスクを含め、社会に深刻な影響を及ぼす可能性があることを理解することが重要です。

人間がテクノロジーシステムとどのように相互作用するかについての約50年にわたる情報システム研究は、合理的行動理論と計画行動理論に基づく検証済みの心理学モデルによって支えられています⁷。特定のイノベーションが機能的に有用であるとみなされ、社会的文脈によって承認されている場合、個人は、そのテクノロジーを拒否するのではなく¹⁰、そのテクノロジーを使用する意図を形成するか⁸、またはテクノロジーを使用し続ける意図を形成します⁹。

受容行動と導入の決定要因は複雑であり得て、信頼、プライバシー、倫理、透明性、公平性、偏見など、AI革命の論点の多くを網羅しています。これらはすべてが十分に存在しないか、管理が不十分であると、人間の行動に悪影響を与える可能性があります^11,12。テクノロジーに関係なく、受容行動の主な原動力は、そのテクノロジーがユーザーの目的に役立つものである必要があります。

テクノロジー受容の主な推進要因は、事前に定義された目的に対するパフォーマンスです。AI革命の最新のイテレーションでは、スキルとユースケースがテクノロジーの変化のスピードにまだ追いついていません。AIの能力は驚異的ですが、ほとんどの企業はまだAIの導入を検討している段階にあり、ユースケースを考慮したり、どこから始めるべきかを模索しています。IT部門が技術環境に一つのAIソリューションを実装するために不可避のステップを踏む中、従業員はユースケースをどのように設定すべきかを考える必要があります。どの従業員でもスキルレベルは正規分布しているため、必然的な結果が生じます。ほとんどのユースケースは、メールへの対応や会議の議事録の記録などの初歩的なケースであったり、または認知的負担を一括で軽減したりする基本的なものです。

ワークロードへの認知的負担を軽減し、知識作業の成果を促進するテクノロジーを導入することには、多くの可能性のあるメリットがある一方で、リスクも存在します。AIの使用は、先送りや注意散漫の増加によるパフォーマンスの低下^13,14、潜在的な自己能力の過大評価（AIツールを備えた人が自分の能力について誤った感覚を持つ可能性がある）につながり、仕事への満足度とモチベーションに間接的に悪影響を与える可能性があります¹⁵。AIドリブンな自動化で見過ごされがちな影響の1つは、人間の認知力への影響と、AIへの過度の依存から生じる可能性のある認知力の低下です¹⁶。

私たちの脳は驚くほど可塑性があり、脳は実践したことに基づいて再配線されます¹⁷。「使うか、失うか」という格言はまさにこれに当てはまります。精神的な作業をマシンに任せ続けると、自分自身の認知スキルが低下するリスクがあります¹⁸。たとえば、GPSに大きく依存する人は、自力で目的地に到達する人に比べて、空間記憶が乏しく、海馬（脳の運行指示センター）の活動が低下しています¹⁹。

AIに関する最近の研究をよそに、ソーシャルメディアにおける大量の情報によって、事実と虚構を識別する能力の低下、注意力の低下、情報を自分で確認する代わりに評価システムに過度に依存することなど、より周知となっている影響も生じています²⁰。

産業化社会の仕組みへのリスクがあります。AIが常に複雑な問題解決を行うことで、従業員がそのような問題解決への取り組みをやめると、時間の経過とともに脳がそれらのスキルに割り当てる能力を減らすように適応する可能性があります。

AIがより強力になり、日常的な認知作業を簡単に処理できるようになる中で、認知作業を担う働き手に求めるものは何かを考える必要があります。

多くの役割において、AIはすぐにそのタスクを遂行できるようになるでしょう。人材開発業界の現在広がっている考え方では、問題解決、批判的思考、意思決定には依然として人間が必要であると主張しています。しかし、私たちは急速に壊滅的な状況の段階に近づいています。これらの分野でのAIの能力は急速に向上し、これらの分野における人間の能力の分布が標準的であるため、これらの分野で有意義な雇用が保証されるのは上位の成績の人だけです。AI革命の中で急成長しても人類の認知の本質を失わないように、企業と社会は人間のスキルアップと再教育に焦点を当て続けることが不可欠です。

近い将来、AI革命のテクノロジーの導入（「マシン」）、未来のワークロードの設計（「人間」）、またはこのハイブリッド型のワークロードの基盤構築（データ、または革命の「燃料」）のいずれかで、人間の労働力が急速に適応される段階が支配的になるでしょう。

企業は、ビジョンに対して、高度なハードウェアとソフトウェアを活用してAIとデータシステムと相乗的に働く人間のハイブリッド型ワークロードを中心に運用を構成するため、これらの分野のスキルを人材パイプラインの一部として必要とするでしょう。

一部の企業では、従業員がAIシステムの操作や成果の検証に時間を費やす、まったく新しい職種（「AIスーパーバイザー」や「プロンプトエンジニア」など）が出現しています。倫理、ガバナンス、データ検証における既存の役割は、その人材パイプラインの一部である必要があります（これらの役割はAIを取り込むように変更するため）、また、人間が他の人間と交流するための役割（「コーチ」や「メンター」など）も含まれます。

品質管理だけでなく、倫理的および安全上の理由から、AIの意思決定が社会的価値と準備状態に沿ったものであることを確認するために、常に人間をそのループに入れておくことがほとんどの場合に不可欠です。AI革命とともに、人間の監督スキルと役割も発展させる必要があります。良い例としては、自動運転車の技術的能力と、運転手なしで車両を道路に出すための社会的な準備状態と規制上の準備状態です。自動運転自体は可能ですが、私たちはそれを許可する準備ができていません。

リスクがあるにもかかわらず、AIはメンタルモデルの開発を支援し、学習の促進剤として機能し、迅速なスキルアップの触媒として、人間の認知を助け、スキルの可塑性を維持し、働き方を変革する可能性があります。ただし、AIは人間の能力を補完するために使用されるべきであり、単に置き換えるためだけではありません²¹。

リーダーが取るべき行動

今後の課題は、技術的な課題（運用へのAIの統合）と組織的な課題（ワークロードとカルチャーの再構築）の2つです。

まず、リーダーシップは明確なAIビジョンを策定する必要があります。これには、競争優位性を高めるための推進力として意図的な変革を伴う相補関係の人材ロードマップが含まれます。多くの企業が人材戦略を整えずにAIプロジェクトにいきなり取り組むため、従業員の混乱や抵抗が生じることがあります。エグゼクティブは、変更を管理するための指針として、テクノロジーの受け入れと導入に関する調査を使って、AIがどのように使用されるのか、またその理由についてのビジョンを明確にすることが重要です。

企業はビジョンを持ち、ワークロードと技術資産全体にわたってAIの準備に投資する必要があります。これは、すべてのレベルの従業員がAIの能力と限界について少なくとも基本的な理解を持ち、テクノロジーシステムが相互運用可能で堅牢であることを意味します。成功を後押しするために、企業はAI人材パイプラインを開発する必要があります。つまり、社内でAIツールを構築、実装、保守できる専門家集団（「AIビルダー」と「AIマスター」）を特定する必要があります。

結論として、AIの未来を設計するには、テクノロジーと人材を統合した総合的なアプローチが必要です。これらを揃える企業は、AIをより迅速に導入できるだけでなく、熟練し、適応力があり、人間の優位性を維持する信頼できる労働力と共に導入できます。

1. Dwivedi, Y. K. et al. “So what if ChatGPT wrote it?”、Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. Int J Inf Manage 71, (2023).
2. McKinsey Global Institute. Generative AI and the Future of Work in America（2023）
3. WEF. Future of Jobs Report 2025. World Economic Forum (2025)
4. Rogers, E. M. Diffusion of Innovations. (The Free Press、ニューヨーク、1995年)。
5. Ryan, R. M. & Deci, E. L. Self-determination theory and the facilitation of intrinsic motivationAmerican Psychologist 55、68–78（2000）
6. Bandura, A. Social cognitive theory of self-regulationOrgan Behav Hum Decis Process 50, 248–287 (1991)
7. Ajzen, I. From intentions to actions: A theory of planned behaviorin Action control: From cognition to behavior（アクションコントロールにおける意図から行動へ：プラン行動理論）(eds. Kuhl, J. & Beckman, J.) 11–39 (Springer., Heidelberg, Germany, 1985). doi:10.1007/978-3-642-69746-3_2.
8. Venkatesh, V., Morris, M. G., Davis, G. B. & Davis, F. D. User Acceptance of Information Technology: Towards a Unified ViewMIS Quarterly 27, 425–478 (2003)
9. Bhattacherjee, A. Understanding Information Systems Continuance: An Expectation-Confirmation Model.MIS Quarterly 25, 351 (2001)
10. Venkatesh, V., Thong, J. Y. L. & Xu, X. Consumer Acceptance and Use of Information technology: Extending the Unified Theory of Acceptance and Use of TechnologyMIS Quarterly 36, 157–178 (2012)
11. Dwivedi, Y., Rana, N., Chen, H. & Williams, M. A Meta-analysis of the Unified Theory of Acceptance and Use of Technology (UTAUT). in IFIP International Working Conference on Governance and Sustaibability in Information Systems: Managing the Transfer and Diffusion of IT 155–170 (Springer Berlin Heidelberg, 2011). doi:10.1007/978-3-642-24148-2_10.
12. Williams, M. D., Rana, N. P. & Dwivedi, Y. K. The Unified Theory of Acceptance and Use of Technology (UTAUT): A Literature Review. Journal of Enterprise Information Managementvol. 28 (2015)
13. Swargiary, K. The Impact of ChatGPT on Student Learning Outcomes : A Comparative Study of Cognitive Engagement , Procrastination , and Academic Performance. (2024) doi:https://dx.doi.org/10.2139/ssrn.4914743.
14. Sukri, A., Rizka, M. A., Purwanti, E., Ramdiah, S., & Lukitasari, M. Students’ Perceptions of ChatGPT in Higher Education: A Study of Academic Enhancement, Procrastination, and Ethical ConcernsEuropean Journal of Educational Research 11, 859–872 (2022)
15. Zhao, H., Ye, L., Guo, M. & Deng, Y. Reflection or Dependence: How AI Awareness Affects Employees’ In-Role and Extra-Role Performance?Behavioral Sciences 15, (2025)
16. Dergaa, I. et al. From tools to threats: a reflection on the impact of artificial-intelligence chatbots on cognitive healthFront Psychol 15, (2024)
17. Fuchs, E. & Flügge, G. Adult neuroplasticity: More than 40 years of research. Neural Plast 2014、（2014年）。
18. Sadegh-Zadeh, S.-A. Neural reshaping: the plasticity of human brain and artificial intelligence in the learning processAm J Neurodegener Dis 13, 34–48 (2024)
19. Dahmani, L. & Bohbot, V. D. Habitual use of GPS negatively impacts spatial memory during self-guided navigationSci Rep 10, (2020)
20. Moravec, P. L., Dennis, A. R. & Minas, R. K. How Asking Users to Rate Stories Affects Belief in Fake News on Social MediaInformation Systems Research 33, (2022)
21. Hoffman, R. R., Mueller, S. T., Klein, G. & Litman, J. Measures for explainable AI: Explanation goodness, user satisfaction, mental models, curiosity, trust, and human-AI performanceFront Comput Sci (2023) doi:doi:10.3389/fcomp.2023.1096257