AIの名のもとに人員を削減した企業が、AIでは力不足だと気づき、削減したばかりの人材を再雇用せざるを得なくなったらどうなるだろうか。ブルームバーグ（Bloomberg）の報道によると、これが最近フォード（Ford）で起きたことだ。これは、ビジネス変革において人とAIが果たす役割を再考する物語であり、AIダーウィニズムの時代に競争力を維持するために、経営幹部が効率化やコスト削減の先を考える必要がある理由を示している。
AIはあまりにも多くの経営幹部を魅了し、誤った確信を抱かせてきた。しかし、AIそれ自体は戦略ではない。多くの経営幹部が犯している過ちは、AIが業務を自動化できるからといって、その業務にそもそもの価値を与えている人間の判断、文脈理解、共感、そして長年培われた専門知識まで置き換えられると信じてしまうことだ。
こうした認識は、リーダーシップとAIの双方に非常に高い代償をもたらし得る。
生成AIが当初示した可能性は、人を酔わせるほど魅力的だった。より速いサービス。より低いコスト。より少ない人員。より多い成果。より少ない摩擦。突如として「効率」が戦略の代替指標となり、AIは、リーダーが十分に問い切っていなかった問題への便利な答えになった。
しかし、スピードは品質と同じではない。自動化は知能と同じではない。そして、人を置き換えることは、仕事を再発明することと同じではない。
フォードはいま、その最も明確な教訓の1つを示している。
落とし穴：AIを労働力の代替として扱うこと
フォードは、AIと自動化された品質管理システムだけでは必要な成果を出せないと判断した後、経験豊富な技術専門家約350人を採用、昇進、または呼び戻したと報じられている。ビジネス・インサイダー（Business Insider）によると、社内で「グレイビアード（白髪の熟練者）」と呼ばれるこれらのベテラン技術者は現在、若手社員の指導、設計レビューの主導、そしてフォードが欠陥をより早期に見つけるために使うAIシステムの改善を支援している。
これはAIの失敗談のように聞こえるかもしれないが、実際にはリーダーシップが学び、再挑戦する物語である。そして、それこそがAIによる事業再発明の合言葉であるべきだ。私たちは失敗を汚点として扱ってはならない。過ちを正し、公の場で学び成長することで道を切り拓く企業を称賛しなければならない。
このケースで、フォードはAIをめぐる運用モデルを修正した。
「当社は自動化された品質管理システムへの依存をますます強めていた」が、望む結果は得られていなかったと、フォードのCOO（最高執行責任者）クマール・ガルホトラは述べた。「技術専門家を呼び戻した」結果、「部品が工場の現場に届く前に、彼らが不具合の箇所をあぶり出している」と、フォード・オーソリティ（Ford Authority）は伝えている。
この考え方は、AIを「代替」から「強化」へと再定義するものだ。
これらの専門家は、AIがあっても人間が重要であり続ける形で、品質基準を高め、知恵を拡張するために呼び戻された。
AIの価値は、アクセスできる知識次第で決まる
フォードの車両ハードウェアエンジニアリング担当バイスプレジデント、チャールズ・プーンは、実に率直だった。
「人工知能はすばらしいツールだが、それを訓練するために使う情報の質に左右される」と、プーンはブルームバーグに語った。「私たちは誤って、人工知能を導入し、手元にある設計要件を取り込ませさえすれば、高品質な製品が生まれると考えていた」
さらに彼は、「自動化、機械学習、人工知能のツールの一部を強化するには、最も経験豊富な人材によってそれらが訓練されるようにする必要があると認識した」と、フォード・オーソリティは伝えている。
これは、あらゆる取締役会や会議室で必読とされるべき内容だ。
問題はAIではなかった。問題は、AIが不完全な入力、分断されたワークフローとデータ、そして企業で最も経験豊富な専門家の頭の中にある組織知から、卓越した成果を生み出せるという前提にあった。
どの企業にも、この問題の自社版が存在する。それはナレッジワーカーの判断の中にある。プロセス文書には決して記載されない例外の中にある。部門間の引き継ぎの中にある。ワークフロー上では起きることになっていることと、実際に起きていることとの差の中にある。
その知識が組織から失われても、AIが魔法のように取り戻してくれるわけではない。AIはただ、その欠落を前提に自動化するだけだ。
Klarnaも同様の教訓を学んだ
フォードだけではない。
フィンテック企業のKlarna（クラーナ）は、OpenAI（オープンAI）と共同で構築したAIアシスタントが導入初月に230万件の会話を処理し、顧客サービスのチャットの3分の2を担い、フルタイムの担当者700人分に相当する業務をこなしたことで、AI主導の効率化を示す最も引用される事例の1つになった。これはOpenAI（オープンAI）によるものだ。
その成果は印象的だったし、今もそうである。
しかしその後、Klarnaは姿勢を転換し、人間による顧客サービスへの投資を再び進め、顧客が必要なときには人に連絡できるべきだと強調した。CEOのセバスチャン・シェミアトコフスキは、コストが「評価要因として過度に支配的になっていた」と認め、それが「品質の低下」につながったとしたうえで、「人間によるサポートの品質に本気で投資することこそが未来のあり方だ」と述べた。これはSiftedによるものだ。
Klarnaの広報担当者は、この教訓をこう表現した。「AIはスピードをもたらす。人間の才能は共感をもたらす。両者が組み合わさることで、重要な瞬間には迅速に、大切な瞬間には個別対応で応えるサービスを提供できる」
繰り返すが、これはKlarnaを揶揄する理由ではない。過ちに固執するのではなく、方向転換したことを称えるべき瞬間である。
Klarnaは、多くの企業がまだ水面下で学ばなければならないことを、公の場で学んでいる。AIはスピード、量、反復性を扱える。人間は曖昧さ、感情、信頼、説明責任、そしてブランドを決定づける瞬間を扱う。
究極の教訓：単に自動化するのではなく、仕事を再設計せよ
これは、デイブ・ライトと私が新著Infinite: How Visionary Leaders Transform Today’s Businesses into AI-Forward Companiesで述べている点である。
AIを導入することと、AIフォワードな企業になることは同じではない。
AI導入とは、既存の組織や既存のワークフローにツールを組み込むことだ。AIフォワードなリーダーシップとは、価値がどのように創出されるか、知識がどのように積み上がるか、人間とエージェントがどのように協働するか、そして事業が変化そのものより速く学ぶにはどうすればよいかを再設計することだ。
AIで勝つ企業は、単に人員を減らす企業ではない。人間とエージェントのレバレッジを高める企業である。
そのためには、リーダーは「組織図（org chart）」から「業務図（work chart）」へと移行する必要がある。
組織図は、誰が誰に報告するかを示す。業務図は、価値が実際にどのように流れているかを示す。機能、システム、データ、意思決定、承認、例外、エージェント、人間を横断する流れである。そこから、AIが成果を加速できる場所、摩擦を取り除ける場所、自律的に動くべきではない場所、そして人間の判断が中心であり続けるべき場所が明らかになる。
フォードの品質立て直しは、業務図の教訓である。問題は1つのチームに限定されていなかった。設計、製造、ソフトウェア、ハードウェア、サプライチェーン、品質が交差する場所に存在していた。AIは問題の検出を支援できたが、その問題がなぜ生じたのか、そして上流でどう防ぐべきかを理解するには、経験豊富な人材が必要だった。
尺度は「価値」であって「人員削減」ではない
フォードが「グレイビアード」を呼び戻した後の結果は、多くを物語っており、慎重に研究する価値もある。
2026年のJ.D. Power米国初期品質調査で、フォードは量販ブランドの中で首位となり、100台当たりの不具合件数は152件に改善した。これはロイターによるものだ。またフォードは、この調査でメインストリームブランドの首位に立ったのは2010年以来初めてだと述べている。これはフォードによるものだ。
フォードは、知的なシステムと経験豊富な人間、部門横断の協働、そして予防の発想を組み合わせることで改善した。
これこそリーダーシップである。誤った方向転換が命じられた後でも、いつ船の針路を正すべきかを知ることだ。
リーダーがいま取り組むべきこと
第1に、AIがどこで人を置き換えられるかを問うのをやめることだ。AIがどこで専門性を増幅できるかを問うべきである。
第2に、自動化する前に仕事を再設計することだ。ワークフローが分断されていれば、AIは分断を拡大する。プロセスが発見して修正することを中心に構築されていれば、AIはより速く発見し、より速く修正するのに役立つ。しかし真のブレークスルーは、予防、予測、そして再発明にある。
第3に、知識をインフラとして扱うことだ。データだけでは不十分である。プロンプトだけでも不十分である。要件だけでも不十分である。AIには文脈、エッジケース、フィードバックループ、組織の記憶、そして人間の判断が必要だ。
第4に、AIを活動量や人員削減ではなく、価値創造によって測定することだ。目標は、より良い製品、より速い学習、より強い顧客体験、より低いリスク、そして成長に向けた新たな余力である。
最後に、人間とエージェントのレバレッジを前提に構築することだ。未来は人間対機械ではない。エージェントを伴う人々、システムを伴う専門家、自動化を伴う判断、規模を伴う知恵である。
フォードとKlarnaは、AIをよりよく使う方法を学んだという点で、リーダーシップの教訓である。
適切な人材がいてこそ、AIは拡張する価値を持つ。
