メインコンテンツへスキップ
見出し画像

「正論」という名の劇薬。学者とAIの"正しい答え"が現場で使えない理由

    「言っていることは100%正しい。でも、うちの会社では絶対に使えない」

    著名な経営学者の理論にも、ChatGPTが出力する完璧な改革案にも、現場の実務家が抱くのはこの諦めに似た実感ではないでしょうか。

    なぜ「正しい答え」は、現場でことごとく死ぬのか。本稿はそのメカニズムの解剖と、正しさを現実に着地させる4つの技術の話です。

    ■ 無菌室で作られた「正しい理論」の残酷さ

    経営学者や有識者の理論は、常に正しい。論理的で、体系立っていて、膨大なデータに基づいています。それでも現場に持ち込んだ途端、机上の空論と化す。

    理由は、彼らの理論が「純粋培養された無菌室」で作られているからです。

    学問とは本来、複雑に絡み合った現実から特定の変数だけを抽出し、それ以外を「ノイズ」として切り捨てることで普遍的な法則を導く行為です。問題は、現場の実務家が日々格闘しているのが、まさにその切り捨てられた「ノイズ」の方だということ。

    変えがたい企業文化。理屈では動かない部署間の対立と縄張り。キーマンの感情とプライド。時代遅れと分かっていても心臓部として稼働し続けるレガシーシステム。そして変化を嫌う人間の本性。学者が「例外」「誤差」として捨象したこの泥臭い現実こそが、組織を動かす上での最大の障壁です。

    ■ 第二の学者:生成AIが量産する「無難で完璧な正論」

    そして今、学者への失望と同じ構造の悲劇が、AIで繰り返されています。

    「組織のサイロ化を打ち破り、DXを推進する具体的ステップを教えてください」。AIは瞬時に見事な回答を返します。現状分析、ビジョン共有、トップのコミットメント、部門横断チーム、KPI設定 — モレなくダブりなく、完璧です。

    そして現場のリーダーは、深い溜息をつく。そこには教科書通りの正論しか書かれていないからです。

    生成AIは、世界中のテキストから確率的に最も「もっともらしい」言葉を出力する仕組み — つまり「優秀な学者とコンサルが書いた一般論の平均値」を返す装置です。学者がノイズを捨てたように、AIもあなたの組織固有のドロドロした文脈を一切知りません。

    「DX推進には経営層の強力なリーダーシップが必要です」とAIは平気で言います。しかし現場が知りたいのは、そんな一般論ではない。「デジタル化に頭では賛成しつつ、『やはり紙の一覧性には敵わない』とこだわる役員に、どの社内政治の力学でアプローチし、本質的な協力を引き出すか」という生々しい一手です。

    学者もAIも、現実への解像度が4つの次元で足りていません。
    深さ(個人の感情への掘り下げ)
    広さ(利害関係者への配慮)
    構造(見えない力学と真の意思決定プロセス)
    時間(過去の失敗の歴史が今に及ぼす影響)
    この不足が「正しいが使えない」の正体です。

    全社のデジタル環境刷新を率いたとき、『正しい計画』は役員会で三度死にました。最後に生き残ったのは、正しさを2割削り、現場の感情と過去の失敗の記憶に合わせて変形させた案だけです。

    ■ 「正しいが使えない」を越える、4つの技術

    では、学者とAIの優れた知見を現場の変革に繋げるには。知識の消費者から、現実を変える実装者になるための4つのアプローチです。

    ① 「翻訳者」として自己定義する
    理論をそのまま現場に丸投げしない覚悟を持つこと。正論はあくまで北極星として置き、そこへ至る獣道は現場の人間関係と感情に合わせてカスタマイズする。「この組織でこの理論を使うなら、どこを妥協し、どこを強調するか」。正しいことより、まず「受け入れられること」を設計する — これが実務家の腕の見せ所です。

    ② パワー(権力)と社内政治を直視する
    誰が本当の権力を握り、誰と誰が対立し、どの部署にどんな利害があるか。理論とAIが無視する「パワーの力学」を冷徹に分析する。抵抗勢力の懸念を事前に察知し、顔を立て、水面下で味方を増やす。この泥臭い合意形成こそ、理論を現実に着地させる接着剤です。

    ③ AIに「ノイズ(文脈)」を徹底的に注入する
    AIを辞書ではなく壁打ち相手に変えるには、人間側が現場のノイズを教える必要があります。プロンプトの例を示します。

    私たちの組織は過去にトップダウンのシステム導入で大失敗しており、現場は新ツールに強いアレルギーがあります。予算は限られ、関連部署は保守的。決裁権を持つ役員はデジタル化に一定の理解を示しつつ、紙の優位性にこだわっています。この制約の中で、現場が自発的に使いたくなる、小さく始められる業務改善の第一歩を3つ。役員を説得するトークスクリプト付きで提案してください

    プロンプト例

    制約と文脈を与えられたAIは、「一般論の平均値」を返す機械から、現実的な打開策を共に考えるパートナーに化けます。AIの解像度を上げるのは、人間の仕事です。

    ④ 小さく試して、現実とすり合わせる
    どれだけ翻訳しても、最初から完璧な計画は作れません。理論とAIの提案から「使えそうな仮説」を一つだけ取り出し、被害が最小で済む範囲で動かしてみる。全社DXではなく、手の届くチームの一つの定型業務から。現実とのギャップをフィードバックに変え、修正する。この高速サイクルだけが、机上の空論を成果に変えます。

    ■ おわりに:知識が無料になる時代、最後に残るのは「実装力」

    学者を批判し、AIの限界を冷笑するのは簡単です。しかし、彼らの提供する「正しい知識」に価値がないのではありません。問題は、知識を使える形に加工し、組織の摩擦を乗り越えて定着させる「実装力」が私たち実務家の側に足りていないことです。

    これからの時代、正しい知識はAIが瞬時に無料で提供します。知識そのものの価値は暴落していく。その中で最後まで価値を生み続けるのは、人間の非合理な感情と組織の摩擦から逃げず、無菌室の理論を現実に落とし込める人間だけです。

    「正しいが使えない」と嘆くのは、もう終わりにしましょう。正しさの提供が学者とAIの仕事なら、その正しさを泥まみれで現場に実装するのが、我々実務家の誇りです。

    あなたが最近見た「正しいのに死んだ提案」は何でしたか。死因とセットでコメントで教えてください。実装の失敗例こそ、最高の教材だと思っています。

    画像

    ▼この記事は、本の序章に入っています
    連載を一冊に組み直した『正しいのに、通らない ― 提案が止まる六つの場所』を、無料で配っています。この記事で触れた「切り捨てられたもの」を、感情、利害、記録、権限、手続き、後ろ盾の六つに分けて、一章ずつ開けた本です。

    ▼ 本稿の実践編:管理職の不安を解消するプロンプト

    ▼ 実装力シリーズの続編:組織が「遅くなるように設計されている」理由

    ▼ 関連:実装力については、こちらの記事でも書いています

    ▼ マガジン:巨大組織の壁を突破する実装力

     
     
    伝統的な大組織で働く現役の中間管理職。人事と組織、仕事の進め方が変わる現場を、構造から書いています。正しいはずの提案が、なぜ現場で通らないのか。制度や人を悪者にせず、止まっている場所を解きます。中間管理職、人事、そして会社の看板を外しても残るものを考えている方へ。

    あなたへのおすすめ