EP.3 AIリーダーシップ（設計者型） - AIより先にすべきこと
팀
팀제이커브
カテゴリー
Empty
「薬局に直接行って隣に座った」
出典：チームジェイカーブ（AIナノバナナで作成された画像です。）
EP.1では70%の慣性を破る戦術を、EP.2では完璧主義を捨てて速度を選ぶリーダーの態度を扱った。慣性を破り、速度も上げた。それから？
デザインです。
AIを導入すると決心した組織で最も一般的に起こる間違いがある。 「AIで何ができる？」という質問から出発するのだ。技術の可能性にまず目が行けば、いざ私たち組織の本当の問題が何かは後戦になる。派手なソリューションを導入したが誰も使わない状況、何百件の課題が上がってきたのに意味あるものが一つもない状況 - すべて設計なしで技術から入った結果だ。
今回はAIを書く前に何を先にすべきか、そして業務を解体して人とAIに再組み立てる「設計者型リーダー」の役割を掘り下げる。
3-1.正解自動販売機の終わり：「これを誰に尋ねるべきですか？」が消えた時代
過去の組織では、リーダーは最も経験が多く、職務の専門性に優れた人だった。チームメンバーが知らないことを聞いてみると、過去の成功方程式をもとに正解を出してくれる「正解自販機」の役割を忠実に遂行してきた。
しかし、AIがその場に代わり始めた。
通信大企業A社でハッカートン以後社内で最も多く使われているエージェントの一つは、驚くほど非常に単純なものだ。法人カードコンプライアンスチャットボット。 「このプレゼントを法人カードで買えますか？」、「週末に法人カードを使ってもいいですか？」 — 過去には、このような質問に答えるには、まず「これを誰に聞かなければならないのか」からが業務だった。担当者を探して、電話し、待ってください。その「適任者を探す過程」自体が時間だった。
エージェントは社内コンプライアンス規則を学び、すぐに答えます。情報アクセシビリティがゼロに収束したのだ。
「以前は「これを知っている人」がリーダーでした。その人に聞いてみると答えが出てくるから。 しかし今はエージェントが規定をすべて知っています。
— A社リーダー
— A社リーダー
HRD / OD諮問団の議論でも同様の観察が出た。入社3年目にもならないジュニアがAIの助けを借りてシニア級報告資料を作り出す時代。リーダーが持つ「経験のプレミアム」が急速に上方平準化されている。
「正直、どういう意味なのかちゃんと知らないのに作り出すスピードはすごく速いです、私より。でも私の上にいる常務様はそれが好きです。
— HRD/OD アドバイザリ議論中
— HRD/OD アドバイザリ議論中
それでは、リーダーの存在理由は何ですか？正解を知ることがもはや武器にならない時代に、リーダーは上方に平準化されたチームメンバーとAIエージェントが生み出した結果物をまとめ、不確実性の中で構造を設計する「アーキテクト」に進化しなければならない。
3-2. AIのパラドックスを制御する：方向、価値、責任 - 設計の3つの軸
設計者型リーダーが備えなければならない最初の能力は、技術の幻想から抜け出してAIの明確な限界を認識することだ。
第1世代フィンテックC社の役員は保守的大企業でデジタルツインTFが革新を推進する過程を近距離で見守り、重要なインサイトを得た。そのTFに投入された新規人材の考え方は、既存組織と根本的に異なった。
「ほとんどAIを導入する時は「AIがどこまで私たちを支援できるか？」という考えから出発します。 ところが、そのTF人員は正反対でした。
このパラドックスの核心は単純です。 AIは優れた判断を下すが、その判断に対する責任は絶対に負わない。 AIが「こうしてください」と提案したが、結果が分かれば、その責任はまさに人の分け前だ。
したがって、設計者型リーダーはAIの「ユーザー」に留まってはならない。システムを制御するアーキテクトとして、 3つの軸を直接設計する必要があります。
まず、方向設定。 AIがどちらに向かって機能するのか、ビジネスの方向性を明確にする。
第二に、価値基準の確立。 AIが導き出さなければならない究極の価値が何なのかガイドラインを付与する。コスト削減が目的なのか、品質向上が目的なのか、設計精度を高めることが目的なのか―価値基準が明確でなければ、AIがそちらに集中した学習をする。
第三に、責任管理。 AIが下した結論について、どの時点で人間が介入して検証するのか、誰が承認するのか、誰が中断ボタンを押すのか、最終的なビジネス責任は誰がするのかを細かく設定する。
「彼らがする話が「責任構造設計」だったんですよ。AI時代に人間だけができるのは責任あることだという言葉が出るほど、この部分が設計の核心でした。」
— C社役員
— C社役員
3-3. 「てんとう課題」を除外する者: AI盲目 vs 現場観察
方向、価値、責任を設計したら、次にぶつかる現実がある。 AIリテラシーが不足しているメンバーが盲目的にAIを導入しようとする態度だ。
グローバル半導体D社のリーダーは、戦士AIの拡散を推進しながら数百件のAI適用課題を受けた。そのうち相当数が漠然と「AIが解決してくれるだろう」と期待する、いわゆる「てんとう課題」だった。
「てんとう課題」と呼びます。ただ「ヤップ！」すると全部なると分かります。
D社のリーダーは、このような課題を取り除くために、PI(Project Investigator)の役割を自主した。現業組織を直接回りながらインタビューし、重複課題は合わせ、実現不可能なことは率直に返した。時にはAIではなく単純自動化（RPA）や従来の機械学習で解く方が効率的な場合もあった。
「AIで何ができるかから出発すれば見つからないと思います。ただ一晩中やっても。まず問題を把握し、その問題をどんなツールで解決するかを後で決めるんです。ぜひLLMである理由はありません。」
それなら問題をきちんと定義した事例はどんな姿なのだろうか？
製薬流通Ｂ社のリーダーは正反対のアプローチを見せる。エージェンティックAIをコマースプラットフォームに導入することを決めたとき、彼は技術から押し込まれませんでした。代わりに、エスノグラフィ（Ethnography） 、すなわち現場観察技術を選んだ。薬局に直接訪れて薬剤師の隣に座って注文する過程を見守ったのだ。
「最初は推薦アルゴリズムから始めようとしました。
現場で観察したボトルネックを内部ログデータで検証した。実際にそうした。だから、Agentic AIの最初の機能は派手な推薦システムではなく、各サプライヤごとの最小注文金額を自動的に合わせて最低価格のショッピングカートを組み合わせてくれることになった。薬剤師が本当の時間を使っていたまさにその地点に技術をつけたのだ。
D社の「てんとう課題」とB社のエスノグラフィ。これら2つのケースが教えてくれるのは明確です。設計者型リーダーは、AIをどこに使うのかをまず悩む人ではなく、私たち組織の本当の問題が何なのかを先に究明する人だ。問題が定義されている場合、ツールの選択は次のものです。
3-4.解体と再組み立て、そして完璧な委任：すべての従業員がPMのように働く時代
問題を定義したら、それを実行に移すつもりです。設計者型リーダーの完成は「業務の解体と再組立」、そして「委任」で行われる。
通信大企業A社のリーダーは、AI時代に必要な能力をこうまとめている。
「すべての従業員がPMのように働かなければなりません。業務を段階的に分けることができなければならず、必要な資源を見つけて組み合わせて、また一つの結果にすることができなければなりません。以前はこんなものをチーム長やその上線だけできたのですが、今はエージェントが空白を埋めることができますから」
この言葉はリーダーにとってより大きな意味を持ちます。チームメンバー一人一人がPMのように働くことができるようになったら、リーダーはもはやすべてを直接指示して確認する人ではない。巨大な業務を解体して人とAIエージェントに適切に割り当て、その結果を再組み立てする設計者でなければならない。
A社のハッカートンでこの原理が最も鮮やかに現れた事例がある。代理店管理業務をする女性職員３人が参加した。コパイロットを一度も書いたことがなかった。大会当日午前までも自暴した状態で座っていた。
「何をしようかと聞いてみました。代理店に送らなければならないメールを自動的に送りたいと言っていたんです。です。」
この３人の発表は技術的にすごいものではなかった。しかし、最も大きな拍手を受けた。
「発表時にこう言われました。「もう代理店社長に店名が間違っていると怒らないようです。」そして今でも彼が仕事に活用しています。」
これが設計者型リーダーがすることだ。直接コードを組んだり、エージェントを作るのではなく、メンバーが自分の仕事のボトルネックを自分で発見し、AIで解決できるように板を敷いてくれること。 2時間のトレーニングとサンプル1つ - それだけで十分でした。
しかし、この時最も警戒すべきリーダーの種類がある。第1世代のフィンテックC社の役員は断固としている。
「仕事を下の人に下げる（委任する）ことを知らないリーダーはマネージャーの資格がありません。本人が実力が出中したのはチームメンバーの時の話であり、マネージャーがしなければならないことは仕事を下げ、彼らの実力を向上させるのです。」
製薬流通Ｂ社のリーダーも同じ文脈で、委任の前提条件をこうしてわかる。
「メンバー一人一人のAI理解度と業務性向が違う。MDは外に営業していく時間が多くて机につけられず、IT担当者は素早く吸収し、誰にどのエージェントがついたときに効果があるのか。
設計者型リーダーはすべてを直接するスーパーマンではない。業務を解体し、各構成員の能力と性向に合わせて人とAIに再組立て配分し、自分は全体の絵を描くことに集中する人だ。変化のスピードが恐ろしいほどの時代に、実務を握って置けないリーダー本人がむしろ組織全体の速度を食い止める最大のボトルネックになることができる。
EP.3を終えて：設計者型リーダーのチェックリスト
今回のエピソードで出会ったリーダーの共通点をまとめると、設計者型リーダーが現場で実行した戦術は次のようになる。
①正解 自販機から降りてくる—「知ること」の価値が落ちた時代、リーダーの存在理由は正解を与えるのではなく、結果物をまとめて構造を設計することにある。
② AIのパラドックスをまず認知せよAIは判断はするが責任は負わない。方向設定、価値基準の確立、責任管理 - これらの3つの軸は、リーダーが直接設計する必要があります。
③技術より問題を先に定義せよ――「AIで何ができるのか」ではなく、「私たちの本当のボトルネックはどこ？」から出発せよ。現場に行って観察し、データで検証し、その上にツールを貼り付けます。てんとう課題を取り除くのもリーダーの役割だ。
④解体し、再組立て、委任せよ― 巨大な業務を分けて人とAIに適切に配分せよ。構成員のAI理解度と業務性向まで把握し、積載適所に配置する。実務を握って置けないリーダーが組織の最大のボトルネックだ。
次の編： EP.4事故拡張型- 「AIに不平を言ったところで、新しい市場が開かれた」
投稿者：チームジェイカーブ|監修：キム作家（By Claude）
AI Native Partnerとして、企業のAI Nativeへの移行を支援しています。 L&D（Learning & Development）からAXコンサルティング、AIコーチの自動化まで - 組織がAIと連携する方法を設計します。
インタビューへの参加とお問い合わせ： Info@teamjcurve.com
「AI Native百科事典」を購読する
サイトを購読すると、新しい投稿などの最新のアップデートを通知やメールで最初に受け取ることができます。
Slashpageに参加して「AI Native百科事典」を購読してください！
Slashpageに参加して「AI Native百科事典」を購読してください！
