AIは、かなり正しい。だから難しい
生成AIに専門的な文書の作成を依頼すると、かなり高い完成度のものが出てくるようになりました。
文章は整っている。
論理も通っている。
専門用語も適切に使われている。
必要と思われる項目もほとんど入っている。
—一見すると、そのまま使えそうです。
ところが、専門家が確認すると、
「この場合の例外が入っていない」
「この表現では少し意味が違う」
「この要件も必要ではないか」
「実務ではここが問題になる」
という、小さな違和感が見つかることがあります。
AIにその点を指摘すると、「そのとおりです。追加する必要があります」と回答する。
ならば最初から入れてほしいところですが、ここにAI時代の品質管理の難しさがあります。
60点の文書より、99点の文書の方が怖い
誤りの多い文書は、ある意味では確認が容易です。
少し読めば、「これは全面的に見直した方がよい」と判断できます。
しかし、99％正しい文書は違います。
ほとんど正しいからこそ、読む側の警戒心が下がります。
しかも残っている1％が、重要な法的要件、例外条件、顧客固有の事情、重大なリスクである可能性があります。
AIが高度になるほど、問題は「大量の間違いを直すこと」から、よくできた成果物の中に残る、小さく重要な違和感を発見することへ移っていきます。
これは、簡単な仕事ではありません。
AIが高度になるほど、専門家に求められる水準も上がる
ここには、一見すると逆説的な関係があります。
AIが高度になれば、専門家が不要になる。と考えたくなります。
しかし重要な業務では、別の現象も起こります。
AIが高度になる
↓
初稿を作る能力の希少性が下がる
↓
成果物の誤りや欠落を発見することが難しくなる
↓
高度な検証能力の価値が上がる
専門家の仕事がなくなるというより、専門家の価値が発揮される場所が変わると考える方が適切です。
「AIを使える専門家」だけでは足りない
これから専門家に求められるのは、AIを使いこなす能力だけではありません。
AIに質問し、回答を得て、それを顧客へ渡す—それだけであれば、顧客自身がAIを使うこととの差は小さくなります。
むしろ重要になるのは、
自ら専門分野を勉強してきた知識。
実際の案件を経験してきた蓄積。
失敗事例を知っていること。
例外を経験していること。
制度と現実のずれを知っていること。
そして、文章としては整っていても、「何となく、ここがおかしい」と立ち止まれることです。
この感覚は、単純な知識量だけでは説明できません。
知識、経験、比較、失敗、観察を長年積み重ねた結果として形成される、いわば専門家としての嗅覚です。
AI時代には、この「小さな違和感に気づく力」の価値が上がります。
社内でも同じことが起きる
これは、弁護士、会計士、コンサルタントなどの外部専門家だけの話ではありません。
企業内部でも同じです。
若手社員がAIを使えば、短時間で立派な企画書を作れる。
市場分析もできる。
契約書の論点も整理できる。
顧客への提案書も作れる。
アウトプットだけを見れば、経験豊富な社員との差が急速に縮まる場面もあるでしょう。
しかし、そこで、「AIがあるから、経験はもう重要ではない」と考えるのは早計です。
管理職やベテランが持っている「書かれていない情報」
企業の意思決定には、インターネットにもマニュアルにも書かれていない情報が大量に使われています。
「あの顧客の場合、この説明では納得しない」
「以前、同じ方法を試して失敗した」
「この数字だけを見ると問題ないが、現場では違う」
「この部署にこの仕事を任せると、別のところに負荷が出る」
「制度上は可能だが、実際にはこの運用は難しい」
「今ここで進めると、半年後に問題になる」
こうした判断は、必ずしも美しい文章にはなっていません。
しかし、その会社が長年の事業活動を通じて蓄積してきた重要な知識です。
管理職やベテラン社員の中には、このような暗黙知・経験知が大量に存在しています。
AIが一般的な知識を瞬時に提供できるようになるほど、こうした組織固有の知識との差が重要になります。
「昔からこうしてきた」と「経験知」は違う
ただし、経験を無条件に正当化することにも注意が必要です。
「昔からそうしてきた」
「私の経験ではこうだ」
「若い人にはまだ分からない」
というだけでは、AI時代の判断根拠として十分ではありません。
経験には、価値のある知見もあれば、単なる慣習や思い込みもあります。
だからこそ管理職やベテランにも、
なぜ違和感を持ったのか。
どの経験からそう判断したのか。
今回にもその経験が当てはまるのか。
を言語化することが求められます。
AIの一般知と、人間の経験知。
どちらか一方を正解にするのではなく、両方を突き合わせることで意思決定の品質を高めることが重要です。
ベテランの役割を「作る人」から「品質を保証する人」へ
AI時代には、仕事の分担そのものも変える余地があります。
若手がAIを使って素早くたたき台を作る。
経験者が、
「何が抜けているか」
「どこにリスクがあるか」
「現実に実行できるか」
「この会社の場合はどうか」
という視点でレビューする。
そして、その理由を若手へ説明する。
このようにすれば、ベテランの経験知は単なるチェック機能ではなく、次世代へ知識を移転する仕組みになります。
AIによる高速化と、人間による品質保証・育成を組み合わせるわけです。
企業が取り組むべきこと
そのためには、ベテラン社員の経験を「本人だけが知っていること」にしておかないことも重要です。
重要な判断について、
「どこに違和感を持ったのか」
「何を確認したのか」
「なぜAI案を修正したのか」
「過去のどの経験が判断に影響したのか」
を記録し、共有する。
AIが作った成果物と、人間が加えた修正の差分には、その企業固有の知的資産が含まれている可能性があります。
AI時代だからこそ、経験知を可視化し、組織に残すことが重要になります。
AI時代に価値を持つのは、「答えを知っている人」だけではない
AIは、これからさらに多くの答えを提示するようになるでしょう。
そのとき人に求められるのは、AIより速く文章を書くことでも、AIより多くの一般知識を暗記することでもありません。
この答えは本当に正しいのか。
何かが抜けていないか。
この会社、この顧客、この現場にも当てはまるのか。
このまま進めたとき、何が起こるのか。
—そう問い続けられることです。
そして、その判断を支えるのは、一朝一夕に身についたAIスキルではありません。
自ら学んできた知識。
現場で積み重ねた経験。
成功と失敗の記憶。
人や組織を見てきた蓄積。
小さな違和感を見逃さない感覚—
AIが高度になるほど、こうした人間側の専門性もまた、高度でなければなりません。
AIが「作る力」を広く提供する時代だからこそ、人間の「見抜く力」「判断する力」の価値が上がる。
管理職やベテランがこれまで培ってきた経験は、AIによって価値を失うのではありません。
適切に言語化し、検証し、次世代へ渡すことができれば、それはAI時代の企業にとって、これまで以上に重要な知的資産になります。
投稿者
- ケンズプロは、ハラスメント等心理社会的リスクを管理し、健康的な心理社会的職場環境を実現するための組織ガバナンス設計・実装支援ファームです。