AI移行期に強いのは、正しい場所にAIを当てられる人だ
AI移行期に強いのは、正しい場所にAIを当てられる人だ
前の記事では、AIを分業組織へ足すだけでは待ち時間が消えず、一人の守備範囲を広げる必要があると書いた。
ただし、AIで何でも作れることと、事業を成長させられることは同じではない。AIは企画書も商品案も営業文も、以前より速く大量に出せる。しかし、顧客を読み違えたまま企画書を量産すれば、誤った方向へ走る速度が上がるだけだ。
だからAI時代に差がつくのは、ツールの操作量ではない。どの顧客の、どの課題へ、どの順番でAIを当てるかを決める力である。
AI以後、1人の守備範囲は横に広がる
AI以前は、市場・顧客、商品・サービス、販売、組織・業務、財務のそれぞれに担当者が立ち、一つの分野を上から下まで掘った。案件は担当者の間を渡り、そのたびに説明と確認が発生した。
AI以後は、1人がAIを使いながら複数分野をまたげる。顧客の声を整理し、商品案に落とし、販売施策を作り、実行結果を次の判断へ戻すところまで、同じ人が見渡せる。深い判断が必要になった部分だけ、社内外の専門家へ渡せばよい。
ここで重要なのは、AIで各担当者を速くすることだけではない。人間同士の受け渡しを減らし、一つの顧客価値を端から端まで見る人を置くことである。
AIは成果物を習熟より先に置く
AI以前は、本人が知識と経験を積むにつれて、出せる成果物の水準も上がった。「作れること」は、ある程度「分かっていること」の証拠になっていた。
AI以後は、短いリードタイムで達成度80に見える成果物が現れる。しかし、それを受け取った本人の習熟度まで80へ跳ね上がったわけではない。成果物が先に走り、本人の理解が後を追う。
ここで分けるべきなのは、次の三つである。
- 成果物が手元に届くまでのリードタイム
- 本人が知識や判断力を身につけるまでの習熟時間
- 出てきた成果物の達成度
AIが直接縮めるのは主に一つ目であり、三つ目の初期値を押し上げる。二つ目は別の時計で進む。図の80は実測値ではなく、追加修正を前提に実務で使える水準を表す概念上の境界である。
AIはレバーであって、コンパスではない
てこは、小さな力で大きな対象を動かす。AIも同じで、1人の入力から動かせる仕事量を増やす。調査、比較、試作、文章化、検証の回転数が上がり、探索のサイクルを短く回せる。
しかし、てこは「何を動かすべきか」を教えない。作用点を間違えれば、不要な機能を速く作り、届かない広告を大量に出し、合わない人材を効率よく採用する。AIは正解だけでなく、誤りにも同じ倍率をかける。
したがって、AIを使いこなすことより先に、次の判断が要る。
- いま最も解く価値がある顧客課題は何か
- その課題は商品、販売、業務、組織のどこにあるのか
- 何を試せば、判断の誤りを早く発見できるのか
- AIへ委ねる部分と、人間が責任を持つ部分をどこで分けるか
AIリテラシーは、この判断を実行へ変える手段であって、判断そのものの代わりではない。
「判断」を一語でまとめない
「AIは判断できる」「AIに判断は無理だ」という議論が噛み合わないのは、異なる階層の判断を一つの言葉で包んでいるからである。
一件の少額な仕訳について、勘定科目や税区分を誤ったとする。もちろん正しい方がよい。ただし、その誤りが局所的で、後から検出して修正できるなら、事業全体への影響は限られる。一方、市場の選択や商品への投資を誤り、採用、開発、広告へ資金と人を投じ続ければ、修正に気づいた時には会社の残り時間が尽きていることがある。
この二つを、どちらも「判断力」と呼んではいけない。少なくとも、判断材料をどこまで明文化できるかと、間違えたときの影響がどこまで広がるかを分けて考える必要がある。
会計・税務の細かな判断は、AIが代替しやすい右下に多く入る。会計基準、法令、通達、参考書、取引資料、過去の処理方針といった参照先があり、取引の状況を十分なコンテキストとして渡せれば、判断過程を再現できるからだ。一度その入力形式と判断基準を整えれば、AIは同種の取引を人間より速く、一貫して処理できる領域を広げていく。
ただし、金額や波及範囲が大きい申告・決算判断まで、同じ理由で無条件に自動化してよいわけではない。判断材料を明文化できても、誤りが許認可、資金調達、納税額、信用へ波及するなら、人間が根拠を確認し、最終責任を持つ。AIの能力ではなく、失敗時の損失が承認工程を必要にする。
経営戦略は左上に置かれる。参照すべき唯一の正解文書がなく、顧客、競合、自社の強み、資金制約、時間軸をどう評価するかで答えが変わる。しかも、試行錯誤の単位を大きくすると、間違いから学ぶ前に資金や組織が傷む。
ここでAIが無力という意味ではない。選択肢を増やし、反対意見を出し、仮説を分解し、小さく試す方法を設計する支援には使える。しかし、何を守り、どの損失まで引き受け、どの時点で撤退するかは、参照文書から自動的には決まらない。戦略ではAIに考えさせても、AIだけに決めさせないという境界が残る。
フロントで問われるのは、何を伸ばすか
経営の仕事は、既存業務を安くすることだけではない。誰を顧客にするかを選び、その顧客が対価を払う課題を見つけ、商品を組み立て、販売し、提供し、反応を次の改善へ戻す。AIはこの全工程を速くできるが、工程の入口にある仮説までは保証しない。
たとえば、顧客理解を誤ったまま商品開発へAIを入れると、仕様書と試作品だけが積み上がる。正しい商品でも、販売経路を間違えれば顧客へ届かない。販売できても、現場が提供しきれなければ継続しない。どこか一工程だけを高速化しても、事業全体の流れがつながらなければ成長には変わらない。
必要なのは、次の循環を一つの経営システムとして見る力である。
顧客を理解する → 解く課題を選ぶ → 商品を作る → 正しく販売する → 提供する → 反応から学ぶ
AIは各矢印を短くする。人間は、どの輪を回すか、どこで止めるか、何を学んだとみなすかを決める。ここにコンサルティング能力、商品開発力、販売力、実行力が集約される。AI以前から必要だった力が消えるのではなく、AIによって判断の差が短期間で数字へ現れるようになる。
経験の価値は、年数ではなく判断履歴にある
ここでいう経験者は、単に年齢が高い人や、同じ作業を長く続けた人ではない。顧客の反応を見て仮説を変え、商品を直し、販売方法を選び、結果の責任を引き受けてきた人である。
その人の中には、「この顧客なら何に困るか」「この数字ならどこを疑うか」「この施策は現場で止まる」といった判断履歴が残っている。AIを使えば、その縦の蓄積を捨てずに、隣接領域へ横幅を足せる。
一方、経験の浅い人も、AIによって複数分野の一般的な成果物を作れる。ただし、出力を評価し、例外を見抜き、どの結果を引き受けるかという履歴は、実際の顧客と市場に向き合わなければ増えない。
この違いを、判断履歴の蓄積とAI利用の有無で4類型に分ける。
過渡期に最も有利なのは、成否を引き受けた判断履歴と、AIが広げる実行範囲を同時に使える人である。通常の仕事を広く進めながら、重要な分岐では自分の経験を使って深く降りられる。
ただし、AIを使わない経験者が自動的に次点になるとは限らない。定型的な調査や制作では、経験が浅くてもAIを使う人が、AIを使わない経験者を速度と範囲で上回る。だから経験者はAIを避けるのではなく、自分の判断履歴をどの工程へ乗せれば最も大きな顧客価値になるかを考える必要がある。
顧客が買うのは、AIでも専門性でもなく成果である
顧客は、担当者が何時間学んだか、プロンプトを何本書いたかを買うわけではない。自分の課題が解けること、売上が伸びること、損失が減ること、意思決定が前へ進むことに対価を払う。
深い専門性は重要だが、顧客が必要としていない深さは、そのままでは売上へ変わらない。反対に、横に広いだけで顧客の課題を見誤れば、何分野を扱えても価値にはならない。
強いのは、顧客の要望を広く受け止め、重要度を見極め、日常的な実行はAIで前へ送り、深い判断だけ適切な専門家へつなぐ人である。専門性とAIの間に、顧客理解と経営判断が入って初めて、両者が成果へ変わる。
規制や資格があっても、判断と実行の競争は進む
資格や法的な参入障壁が守るのは、資格者にしかできない行為、署名、最終判断と責任である。同じ資格者の間で起きる生産性競争や、顧客の移動まで遅くするわけではない。
一部の資格者や専門家だけがAIで処理速度と守備範囲を広げれば、壁の内側で競争条件が変わる。顧客は資格の有無を確認した後、誰が自分の課題を正しく捉え、速く、途切れずに解決できるかを比べる。
ここでも決め手はAIの有無だけではない。誤った論点を高速処理する専門家より、顧客の目的から逆算してAIと専門性を配置できる人が選ばれる。
広く見て、正しい一点にレバレッジをかける
AIを使わない選択肢が細くなる理由は、個人の作業速度だけではない。縦割りのまま組織を増やすと、案件を渡すたびに人間が説明し、確認し、返事を待つ。AIで各工程を速くしても、この受け渡しがボトルネックとして残る。
そこで、1人がAIを使いながら顧客から提供までを広く見る。全体を見たうえで、いま事業を止めている一点を選び、そこへAIのレバレッジをかける。必要な深さが見えた時点で、その部分だけ専門家へ渡す。
AI時代に価値が上がるのは、AIをたくさん使う人ではない。顧客と事業を理解し、動かすべき一点を選び、AIで実行し、結果を見て判断を更新できる人である。AIはその人の手を長くする。しかし、どこへ手を伸ばすかは、最後まで人間の仕事として残る。