
AIに聞けばわかる時代に、人間のマネージャーが必要な理由【Ch63】🤖
ClaudeやChatGPTなどのAIに聞けば、たいていの答えは返ってくる。
じゃあ私のようなマネージャーはあと何年必要とされるんだろうか?

最近若手のメンバーが技術的な壁にぶつかると、私に相談する前にまずAIに聞くようになりました。
これ自体は悪いことではありません。
むしろ健全です。
でもその様子を見ながら、少し不安になりました。
答えがAIから瞬時に返ってくる時代に、人間のマネージャーの存在価値はどこにあるんだろうかと。。。
今回は、この問いに向き合ってみたいと思います。

🌪️ AIは答えを出せても、判断と決断はできない
生成AIに技術的な質問を投げれば、たいてい筋の通った答えが返ってきます。
設計方針の比較、コードレビューの指摘、議事録の要約などなど。
かつては経験を積んだ先輩に聞くしかなかった知識が、今は誰でも数秒で手に入るようになりました。

これ自体はすばらしい変化だと思っています。
私が新人プログラマだった頃は、わからないことがあれば凄まじい量の英文リファレンスを読むか先輩の機嫌をうかがいながら質問するしかありませんでした。
今はその手間から解放されています。
こればかりはうらやましい限りです。
ただ現場で日々マネジメントをしていると、AIがどれだけ賢くなっても埋まらない領域があることに気づきますよね。
それは判断と決断の領域です。

AIは選択肢とそれぞれのメリット・デメリットまでは整理してくれます。
しかし、例えば今期の予算とチームの疲弊度を踏まえてうちのチームはAを選ぶべきだ!というような最終判断は、誰かが引き受けなければなりません。
その誰か?が責任を背負う覚悟込みで下すのが、マネジメントという仕事の本質なんじゃないかと思います。
情報を集めることと決めることの間には、とても大きな溝があります。
AIはその溝の手前までは完璧に案内してくれますが、溝を飛び越える一歩は今のところ人間にしか踏み出せません(※ここではAIの暴走などは一旦無い前提でお話しします)。
マネージャーが存在価値だと思っていたものの中には、実は情報を持っていることそのものだったものがこれまでは少なからずあったはずです。
過去の障害対応の経緯を知っている。
あのベテランエンジニアの得意分野を知っている。
他部署との調整の勘所を知っている。
こうした知っていることの価値は、検索とAIの進化によってこれから急速に目減りしていきます。
だとすればこれから問われるのは、何を知っているか?ではなく、知った上で何を選び、誰にどう向き合うか?という一段上のレイヤーです。
なんとなくではありますが私はこれを、情報のレイヤーから決断と対話のレイヤーへの引っ越しだと捉えています。
引っ越し先の家具はまだ揃っていませんが、住む場所そのものははっきりしてきたように思います。

🏗️ AIに聞いて満足して終わった、私の苦い失敗談
私自身もこの、情報と決断の溝に落ちたことがあります。
あるプロジェクトでメンバー間の役割分担がうまくいかず、進捗が停滞していました。
私は生成AIに状況を説明し、チームの役割分担を最適化する方法を聞きました。
返ってきた答えはとても論理的で、RACI図の作り方から会議体の設計に至るまで非の打ち所がない内容でした。
その回答をほぼそのままチームに共有し、いざ実行!
結果はどうだったか。
1週間もたたないうちに、現場から不満が噴き出しました。
具体的な不満としてはこんな感じです。
「役割は明確になったけど、なぜこの分担なのか納得できない」
「現場の事情を全然踏まえてない」
当然ですよね。。。
AIが出した回答は一般論としてはとても正しい。
でもそのチームが抱える人間関係の摩擦や過去のいきさつ、個々のメンバーが今どんな不安を抱えているかまでは伝えきれていなかったからです。
AIは私が渡した情報の範囲でしか答えられません。
渡す情報の解像度が低ければ、返ってくる答えの解像度も低くなる。
当たり前のことなのに、当時はそれを信じて思考停止してしまっていました。

結局その時は改めて一人ひとりと話をし、それぞれの言い分や事情をすくい上げてからもう一度分担を組み直しました。
手間はかかりましたが、今度はチームから理解を得ることができました。
このとき痛感したのは、AIが出す答えは厳選された素材であれこそ、完成品ではないということです。
素材を現場の温度に合わせて調理するのは、人間の役目のまま残っているんですね。
その前後でも別のプロジェクトの見積もり調整でも繰り返してしました。
工数見積もりが膨らんでいる原因をAIに分析させ、タスクの粒度が粗いことが原因という、これまた教科書的な回答を得ました。
それを鵜呑みにしてメンバーに対して、タスクをもっと細かく切ってほしいと指示を出しました。
でも実際の根本原因は粒度の粗さではなく、あるメンバーが報告を後回しにする癖がついていたことにありました。
AIにはメンバー個別の話も報告を後回しにする心理的な理由も伝えていなかったので、当然そこまでは見抜けません。
これまた私は、再びメンバーそれぞれと話し、ようやく本当の原因にたどり着きました。
複数回同じ轍を踏んでようやく学んだ、当時としては辛かったですが、今では良い経験をしたなと思っています。
AIに聞く前に、まず自分が現場をどれだけ理解できているかを問い直す。
この順番を間違えると、どれだけ優秀なAIを使っても的外れな指示を量産してしまうのだと。

🌡️ なぜ人間の判断が消えないのか〜経営学と心理学からの裏付け
この実感は、思い込みではなさそうです。
アンディ・グローブの著書である『HIGH OUTPUT MANAGEMENT』の中で、マネージャーのアウトプットを「自分のチームのアウトプット+自分が影響を与えた組織のアウトプット」と定義されています。
この本が書かれたのはAIが存在しない時代ですが、本質は今も変わりません。
マネージャーの価値は情報を知っていることではなく、その情報をどう解釈し誰にどう働きかけて成果に変えるか?という、レバレッジをかける行為そのものにあります。
情報の非対称性が薄れた今だからこそ、この解釈と働きかけの価値は相対的に上がっていると感じています。
もう一つ、行動経済学の分野では自己決定理論という考え方があります。
人は他者から一方的に与えられた答えよりも、自分自身が関わって導き出した結論に対して納得感とやる気を強く持つ、という理論です。
私の失敗談がまさにこれでした。
AIの正しい答えをそのまま渡しても、チームは動きません。
一人ひとりの事情を聞き、対話を幾度も重ねて、メンバー自身が自分たちで決めたと感じられるプロセスを踏んで初めてチームは前に進み始めたのです。

AIは正解の候補を並べる速度では人間に圧倒的な差をつけていますが、誰がどんな感情を抱えながら、どんな文脈でその答えを受け取るのか?という部分の設計は、今のところ人間にしかできない領域として残っています。
🚀 ❌AIに丸投げする指示/⭕人間が文脈を補う対話
ここで、現場でよくある対比を一つ挙げてみます。
❌悪い例
部下からタスクの進め方に迷っていますと相談された時、とりあえずAIに聞くなりして調べてみてとだけ返す。
これは一見、部下の自主性を尊重しているようで、実は思考の丸投げです。
部下は答えを得られるかもしれませんが、なぜその答えが自分たちの状況に合うのかを判断する軸を持たないまま、AIの回答をそのまま実行してしまうリスクがあります。
⭕良い例
AIにも聞いてみるといいと思う。ただし、現状のチームはメンバー間に温度差が出たから、その背景も伝えた上で聞いてみて。出てきた答えは私も一緒に、我々の状況に合うかどうか考える場を設けよう。

同じAIを使うという行為でも、後者には人間が文脈を補い、対話を通じて答えを現場仕様にカスタマイズするプロセスが組み込まれています。
この一手間があるかないかで、AIの回答がチームに根付くかどうかが大きく変わってくると感じています。
🗺️ AI時代のマネージャーに求められる4つの役割
私なりに、AI時代のマネージャーがやるべきことを整理してみました。
①文脈を渡す係になる
AIに何かを聞かせる前にチームの歴史や人間関係、過去の経緯といった文脈を渡せるのは人間だけ。この文脈設計が、これからのマネジメントスキルの中核になっていくはず。
②答えを翻訳する係になる
AIの回答は一般論として正しくても、そのままではチームに刺さらないことが多々ある。専門用語を現場の言葉に置き換え、チームの温度感に合わせて表現を調整する。この翻訳作業は、メンバーの顔と性格を知っている人間にしかできない。
③責任を引き受ける係になる
AIはどんなに精度の高い提案をしても、その結果に対して責任を取ることはできない。この案でいこう!と決めて、うまくいかなかった時に頭を下げるのは、今も昔もマネージャーの仕事。この覚悟を持てるかどうかが、AI時代でも変わらない差別化ポイントになる。
④問いを立てる係になる
AIは与えられた問いに対して優れた答えを返すが、そもそも何を問うべきか?を見つけ出すのは、現場の空気を肌で感じている人間の仕事。チームが本当に困っていることは何か?表面化していない課題は何か?この嗅覚を磨くことが、これからのマネージャーには一層求められていくのではないか。
こうして整理してみると、AIが得意なのは速く広く情報を出すことで、人間が担うべきなのは深く狭くその場に合わせることだと言えそうです。
役割が競合しているというより、むしろ棲み分けが進んでいるという感覚に近いです。
この4つの役割を、実際にチームのメンバーにAIを使ってもらうときのルールとして明文化してみました。
AIに質問する前に、背景を3行以上書く
AIの回答をそのまま展開せず、必ず一度自分の言葉で言い換える
AIの提案に従う場合も、最終判断者の名前を議事録に残す
答えが出た後にまだ言語化されていない違和感がないか、あえて一晩寝かせて考え直す
細かいですが、これを徹底するだけでチーム全体のAI活用の質がかなり変わりそうですね。
AIを禁止するのではなく、AIとの付き合い方に人間の一手間を挟み込む。
これが、今の私が現場で実践している落としどころです。

⚖️ ミドル世代へ・若手世代へ
ミドル世代の皆さんへ
AIに詳しくないから、自分の存在価値が薄れるのでは?と不安に思っている方もいるかもしれません。
でも今回綴ったように、AI時代に価値が上がるのは文脈を渡して翻訳し、責任を引き受け、問いを立てる力です。
これは長年現場で人と向き合ってきたベテランの方が実は得意な領域なんじゃないでしょうか。
AIを恐れるのではなく、自分の経験を文脈として渡す訓練だと捉えてみてください。
若手世代の皆さんへ
AIに聞けばたいていのことはわかる時代になりました。
それはとてもとても強い武器です。
ただその答えをそのまま鵜呑みにせず、この答えは自分たちの状況に本当に合っているだろうか?と一度立ち止まって考える癖をつけてみてください。
AIが出した答えを疑って現場に合わせて調整できる人こそが、これから信頼されるプレイヤーになっていくはずです。

🌈 結びに
AIに聞けばわかる時代だからこそ、人間のマネージャーに求められる仕事は減るどころか、むしろ質が変わって残り続ける。
これが自分の失敗談を振り返りながらたどり着いた結論です。

情報を渡すだけでなく、その情報がチームのどんな文脈の上に乗るのかを見極め、決断の責任を引き受け、まだ言葉になっていない問いを掘り起こしていくこと。
これは、私が大切にしている自立自律自走/アジャイルマインド/寄り添う/ドキュメントドリブンという軸にも、根っこのところで通じている気がしています。
🎁 次回予告
次回は「人生100年時代を歩き切るための3つの線路 」というテーマで、人生100年時代にどうキャリアを積み重ねていくべきか?について掘り下げてみたいと思います。
最後までお読みいただき、本当にありがとうございました!✨
この記事が少しでも
「AIとの向き合い方を見直すきっかけになった!」
「組織やチームとAIの具体的な利活用を話し合えた!」
と理想な形に少しでも近づくきっかけとなれば良いなと。

私のnoteでは、これからも現場のリアルな泥臭い経験に基づいたキャリア戦略や組織・マネジメント論を発信していきます。
それでは、また次の記事でお会いしましょう!
#エンジニアリングマネージャー #EM #マネジメント #生成AI #ChatGPT #AI時代の働き方 #キャリア #50代 #ミドルマネジメント #チームビルディング #リーダーシップ #組織開発 #IT業界 #マネジメント論 #人材育成 #1on1 #意思決定 #HIGHOUTPUTMANAGEMENT #自己決定理論 #行動経済学 #働き方改革 #DX #テクノロジー #仕事術 #ビジネス書 #キャリア戦略 #note #エンジニア組織 #人間関係 #経営