見出し画像

AIが組織にばらまく「思考ロンダリング」という負債

Archie

AIは、誰でも使える。

専門的なプログラミング知識がなくても、自然言語で指示を出せば、文章を作り、論点を整理し、分析し、企画書らしきものまで生成してくれる。

この操作の容易さは、AIが社会へ急速に普及した大きな理由の一つだと思う。

一方で、私はそこに強い危機感も持っている。

AIは、操作するハードルは極めて低い。しかし、適切に使うためのハードルは、実はかなり高い。

この二つの差が見えないまま、企業が従業員へAIを配り、個人の判断だけに任せて使わせると、組織の中には静かに負債が蓄積していく。

私はその一つを、「思考ロンダリング」と呼びたい。

AIが民主化したのは、知能だけではない

AIには、人の能力を大きく底上げする力がある。

自分ではうまく言語化できなかった考えを整理したり、見落としていた論点を見つけたり、仮説を広げたりできる。

十分な素養を持つ人が使えば、自分の思想や問題意識を拡張する強力な道具になる。

しかし、逆のことも起こる。

十分に考えていない人でも、AIを使えば、考えた後のような文章を作れてしまう。

以前であれば、思考途中のメモは思考途中に見えた。論点は飛び、文章は粗く、未完成であることが見た目からも分かった。

ところがAIを通すと、文章は滑らかになり、論点は整理され、反対意見まで添えられ、結論らしきものも置かれる。

考えが深くなったとは限らない。

ただ、考えが深いように見える外形だけが整う。

これが、思考ロンダリングである。

未熟な思いつきがAIを通過することで、十分に検討された思考のような姿を得る。

AIは能力差を縮めるだけではない。成果物が生まれるまでに、どれほど考え、調べ、迷い、判断したのかという差まで覆い隠してしまう。

本人が書いた文章と、AIが書いた文章は同じではない

本人がすべて書いた文章と、AIを使って作った文章には、明らかな違いがある。

だから、本来は同じように読み解くべきではない。

もちろん、AIを使った文章の方が必ず質が低いわけではない。

本人が明確な仮説を持ち、AIを壁打ちや編集に使い、生成された内容を検証し、最後は自分の言葉として引き受けているのであれば、AIを使わない場合より質の高い成果物になることもある。

一方で、思いつきをAIに投げ、返ってきた文章に大きな違和感がないというだけで、そのまま共有している場合もある。

完成した文章だけを見ても、この違いは分からない。

どこまでが本人の考えなのか。

どこからがAIの補完なのか。

本人は全体に同意しているのか。

それとも、明確に否定しなかっただけなのか。

成果物の表面には、その境界が残らない。

そして、この境界の曖昧さは、本人の素養やAIリテラシーに大きく依存する。

AIを使いこなせる人は、AIが補った部分を見極め、不要なものを削り、自分の考えへ戻していく。

一方、リテラシーが低い人は、AIが作った構造や言葉に自分自身が乗せられ、その内容を自分の考えだと錯覚する。

AIを使っているように見えて、実際にはAIに思考を誘導されている。

作るコストは下がったが、読むコストは下がっていない

AIによって、成果物を生成するコストは劇的に下がった。

以前なら数時間かかった文章や資料が、短時間で作れる。

作成者本人から見れば、生産性は大きく向上したように見える。

しかし、組織全体で見ても本当に同じだろうか。

例えば、上司がAIを使って資料を作り、部下へ共有したとする。

部下は、その内容のどこまでが上司自身の考えで、どこからがAIの補完なのかを判断できない。

それでも、上司の名前で共有された以上、書かれている内容を簡単に無視することはできない。

資料全体を上司の意向として受け取れば、後から認識のずれが起きる可能性がある。

一方、真意を推測しながら慎重に読み込めば、それだけ部下の負担が増える。

作成者が省略した思考や説明を、読み手が後から復元することになる。

作成者の30分の効率化が、複数の読み手へ合計数時間の検証負担を発生させることもあり得る。

つまり、AIによる効率化は、単に作業コストを消しているのではない。

作成者から読み手へ、コストを転嫁している可能性がある。

個人は速くなった。

しかし、組織は遅くなった。

そんな状態が、静かに広がっていく。

成果物インフレが組織を埋め尽くす

生成コストが下がれば、当然、成果物の量は増える。

文章、論点整理、分析メモ、企画案、提案書。

これまでなら作成に一定の労力がかかるため、表に出てこなかったようなものまで、大量に流通するようになる。

問題は、量が増えることだけではない。

それぞれが、一定以上の品質を持つように見えることだ。

文章として自然で、構成も整い、タイトルもついている。

だからこそ、簡単には捨てられない。

一応読まなければならない。

一応検討しなければならない。

一応、何を意味しているのか確認しなければならない。

こうして組織は、考える場所ではなく、大量に生成された成果物を処理する場所へ変わっていく。

成果物の量が増える一方で、一つひとつの位置づけや信頼性は薄くなる。

私はこれを、成果物インフレと捉えている。

成果物が増えているからといって、組織の知性が増えているとは限らない。

むしろ、本質的なものが大量のそれっぽい成果物に埋もれていく可能性がある。

失われるのは、作業時間だけではない

資料作成には、これまで多くの時間がかかっていた。

その時間のすべてが価値あるものだったとは思わない。

転記、整形、誤字修正、レイアウト調整など、AIに任せた方がよい作業は多い。

一方で、資料作成の中には、単なる作業ではない工程も含まれていた。

何を伝えるべきか考える。

必要な情報を集める。

論点を分ける。

仮説を作る。

反対意見を考える。

相手に伝わる順番に並べる。

途中で上司や同僚とすり合わせる。

こうした過程を通じて、思いつきは思考になり、思考は他者と共有可能な成果物へ変わっていく。

考えることと、成果物を作ることの間には、本来、加工のプロセスが存在する。

AIは、そのプロセスを一気に飛び越えたような成果物を作れる。

しかし、成果物の外見が完成していることと、作成者が必要な思考を通過したことは同じではない。

AIが消した摩擦の中には、無駄な作業だけではなく、人が考え、学び、他者と認識を合わせるために必要な摩擦も含まれている。

すべての摩擦をなくすことが、生産性向上ではない。

文章力は陳腐化し、編集力は希少になる

文章を整える能力そのものは、今後さらに陳腐化していくと思う。

文法を直す。

構造を整える。

柔らかくする。

簡潔にする。

このあたりは、すでにAIがかなり代替できる。

一方で、言葉には意味だけではなく、空気がある。

硬さ、柔らかさ、強さ、温度、距離感。

同じ意味でも、議論を開く言葉と、議論を閉じる言葉がある。

相手への敬意を感じさせる言葉もあれば、無意識に圧力を与える言葉もある。

組織や相手、状況を理解したうえで、AIが整えた言葉の違和感を見つけ、最後の表現を磨き込む。

この編集力は、むしろ今後の差別化になるかもしれない。

ただし、ここにも矛盾がある。

人は、自分で書き、失敗し、修正することで、言葉の感覚を身につけてきた。

最初からAIが整えてしまえば、AIの文章を評価するために必要な能力そのものが育たない。

AIを使いこなすために必要な能力を、AIを使うことで身につけにくくなる。

これは、企業の人材育成にとって無視できない問題だと思う。

スライドが持つ権威は、制約の痕跡から生まれる

文章は誰でも作れるようになった。

一方で、現時点では、スライドの作成にはまだ人間の能力差が表れやすい。

限られた面積に、何を残し、何を捨てるか。

どの順番で見せ、何を強調するか。

文字だけでなく、配置、余白、大きさ、距離、図形を使いながら、相手の理解を設計する。

スライドには、文章とは異なる制約がある。

その制約を通じて、作成者の思考や選択の痕跡が残る。

だから、しっかり作られたスライドには、それだけで一定の権威が生まれる。

この人は考えた。

情報を選んだ。

他者にどう伝わるかを考えた。

内容を一定程度引き受けている。

受け手は無意識に、そう感じる。

ExcelやWordが作業環境で、スライドが成果物として扱われやすいのも、このためかもしれない。

ただし、AIがスライドまで容易に作れるようになれば、文章と同じことが起きる。

箱や矢印で構造が示されていることと、本当に構造が存在することは違う。

見た目だけが整った資料が大量に作られれば、スライドが持っていた権威もまた、思考ロンダリングに使われることになる。

AIリテラシーは、プロンプトを書く力ではない

では、AIを適切に使うために必要な能力とは何だろうか。

私は、AIリテラシーを単なる操作スキルやプロンプト技術だとは考えていない。

物事を前に進めるために、どんな情報が必要かを考える。

どんな論点があるかを整理する。

必要な分析を設計する。

情報を集め、仮説を作り、検証する。

結果を構造化し、他者に伝える。

他者と議論しながら、さらに良いものへ更新する。

そして、その知的生産活動の中で、どの工程を自分が担い、どの工程をAIや他者へ任せるかを設計する。

AIリテラシーとは、AIを操作する力ではない。

知的生産活動を設計し、自分以外と適切に分担し、成果を評価・統合しながら、目的に向けて全体を前進させる力である。

AIに任せられるのは、探索や作業の一部である。

思考の主体まで手放してはいけない。

本人の思想や仮説が中心にあり、AIを管理しながら使うのであれば、AIはその人の能力を拡張する。

一方、中心となる思想がないままAIに成果物を作らせれば、返ってきた出力の寄せ集めになる。

AIを使う力よりも、AIに仕事をさせる力。

さらに言えば、AIを含む知的生産全体を統御する力が必要になる。

これは、従来から企画やコンサルティングに求められてきた能力に近い。

課題設定、論点設計、仮説思考、情報収集、分析、構造化、コミュニケーション、合意形成。

AIによって、こうした能力が不要になるわけではない。

むしろ、AIを使うほど必要になる。

AIは誰でも使えるが、事業に使える人は少ない

誰でもAIに触れ、何かを動かすことはできる。

しかし、AIを事業成長へつなげる形で使いこなせる人は、かなり少ないのではないかと思う。

作業を早く終わらせるために使うことと、組織や事業の成果を高めるために使うことは違う。

前者では、自分の資料が短時間で完成すれば成功になる。

後者では、その資料が意思決定を速めたか、他者の理解を助けたか、組織全体の負担を減らしたかまで考えなければならない。

個人一人が最大パフォーマンスを出せば、組織全体が良くなるわけではない。

組織には全体最適が必要である。

AIは自由度が高い。

入力も自由で、出力も自由である。

その自由度こそがAIの強さだが、共通のルールなく自己流で使えば、個人最適が大量に発生する。

それぞれが自分にとって便利な使い方をし、成果物を増やし、周囲へ確認や解釈の負担を転嫁する。

その結果、個人の生産性は上がったように見える一方、組織全体のリードタイムは長くなる。

AIは誰でも使えるようになった。

しかし、誰でもAIを事業に使えるようになったわけではない。

企業が見るべきなのは、削減時間ではない

企業は、AIを使って業務を効率化し、人にしかできない領域へリソースを再配置したいと考えているはずだ。

しかし、個別作業の時間が短縮されたからといって、本当にそれが実現したとは限らない。

資料作成が3時間から30分になった。

その一方で、上司が内容を精査し、会議で認識を合わせ、別の人が事実確認をやり直しているなら、組織全体では効率化していない。

見るべきなのは、資料作成時間ではない。

作成、共有、理解、修正、合意、意思決定までの総リードタイムである。

削減された時間が、本当に高度な業務へ再配分されたのか。

それとも、AIが作った成果物を人間が後処理する仕事へ移っただけなのか。

この問いを持たずにAI利用率や生成時間だけを評価すると、企業は成果物インフレを生産性向上と誤認する。

さらに、人にしかできない仕事をしてほしいと考えるのであれば、従業員には、より高い課題設定力や判断力が必要になる。

AIすら適切に使えず、その出力を評価できない人が、曖昧な状況で高度な意思決定を行えるとは考えにくい。

AIによって作業をなくせば、人が自動的に高度人材になるわけではない。

自由度の高いAIほど、ガバナンスが必要になる

だからといって、新人にAIを使わせるべきではないとは思わない。

リテラシーの低い人に使わせるな、と言いたいわけでもない。

実務で使わなければ、AIを適切に使う能力も育たない。

重要なのは、禁止か自由化かという二択ではない。

自由度の高い道具だからこそ、一定の共通ルールを設け、その中で使わせることだと思う。

企業のAIガバナンスは、情報セキュリティだけでは足りない。

機密情報を入力しない。

個人情報を扱わない。

著作権に注意する。

これらはもちろん必要である。

しかし、それだけでは、組織内部で生まれる思考ロンダリングや成果物インフレは防げない。

必要なのは、AIを使って作った成果物を、どのように扱うかというガバナンスである。

どの工程をAIに任せてよいのか。

何を人間が確認するのか。

仮説、事実、提案をどう区別するのか。

成果物の成熟度をどう示すのか。

誰が最終的な内容を引き受けるのか。

他者の負担まで含めて、本当に効率化しているのか。

こうしたルールと共通認識が必要になる。

AIを使ったことを表示すれば解決する、という話ではない。

紙に書いたか、電子データで書いたかを表示しても、内容の質は分からない。それと同じで、AI利用の有無だけでは本質的な情報にならない。

重要なのは、その成果物について、本人がどこまで考え、検証し、合意し、責任を持っているのかである。

AI負債は、静かに積み上がる

AI導入の失敗は、必ずしも派手な事故として現れるとは限らない。

それらしい成果物が増える。

読み手の確認作業が増える。

管理職の修正負担が増える。

認識のずれによって、会議や手戻りが増える。

従業員の思考や文章化の能力が育たなくなる。

それでも、一つひとつは大きな問題に見えない。

個人は便利になったと感じ、企業も利用率の上昇を成果として捉える。

しかし、その裏で、情報、認識、能力の負債が少しずつ蓄積していく。

未検証で位置づけの曖昧な成果物が増える、情報負債。

誰が何を考え、どこまで合意しているのか分からなくなる、認識負債。

本来育つはずだった思考、編集、伝達能力が育たない、能力負債。

これらを合わせて、AI負債と呼べるのではないかと思う。

短期的には速く進んだように見える。

しかし後から、内容を整理し、認識を合わせ、能力を育て直すためのコストが発生する。

そして一度AIの便利さに慣れ、考える工程を外部化した従業員は、AIの利用を制限されることを大きな損失として受け取る。

実際には、失われたのではなく、自分が手放していた思考負荷が戻ってきただけかもしれない。

それでも本人には、「会社に生産性を奪われた」と見える。

負債が積み上がった後では、使い方を変えること自体が難しくなる。

AIを配る前に、知的生産のルールを設計する

企業がAIを導入するうえで必要なのは、利用を止めることではない。

AIが消してよい摩擦と、残すべき摩擦を区別することである。

転記、整形、要約、初稿作成。

こうした機械的な作業は、積極的にAIへ任せればいい。

一方で、課題設定、仮説形成、検証、優先順位づけ、他者との認識合わせ、最終判断と責任。

ここまでAIに丸投げしてはいけない。

機械的な作業では、人間が工程から外れることが効率化になる。

しかし、何かを作り出す知的生産では、人間が工程から外れれば、成果物の主体まで消えてしまう。

AIは、操作のハードルが低く、適切に使うハードルが高い道具である。

だからこそ、企業は情報セキュリティだけではないガバナンスを設計し、従業員のリテラシーを高めなければならない。

AIを使う方法ではなく、考え、伝え、他者と分担し、最終的に成果を引き受ける方法を教える必要がある。

AIを配れば、生産性が上がるわけではない。

考える力を持つ人がAIを使い、個人の出力を組織の成果へ接続できたとき、初めてAIは生産性を高める。

その設計をしなければ、AIが増やすのは知性ではない。

思考の外形と、それを処理するための組織的な負債なのかもしれない。

【この記事が興味深かった方は、以下記事もおすすめです】

＜おすすめ記事①＞
思考ロンダリングが起きる前提として、なぜAIを入れても会社が変わらないのかを考えています。

＜おすすめ記事②＞
『資料がある＝共有できている』と『AIが答えた＝考えた』の似た構造が気になった方はこちら。

＜おすすめ記事③＞
組織の問題だけでなく、人間そのものがAI時代のボトルネックになる構造もこちらで。


#AI
#生成AI
#AI活用
#AIリテラシー
#組織論
#生産性
#人材育成
#経営
#業務改革
#思考法
#note
#毎日note
#毎日投稿