彼は、AIをめぐる議論の大半が飛ばしている線を引いた。彼にとって予測AIは、TQMとそれほど違わない。モデルの背後にはデータサイエンティストがいて、予測は現実と照合して検証でき、領域専門家はそのツールが何をしているのかを理解できるようになる。Netflix、変動価格制（ダイナミックプライシング）、医療の多くの領域。予測AIは、困難な作業をいとわない人には読み解ける。より異質なのは生成AIである。モデル構築に使われるデータは出力を深く形作るが、私たちはそのデータを管理しておらず、アクセスもできず、多くの場合、そのツールが何をしているのかをまったく説明できない。
したがって危険はツールそのものにあるのではない。それをめぐって私たちが下す選択にある。テクノロジーと、それを取り巻く選択との区別。レトリックはまさにその区別を曖昧にするために作られている。
測定された隔たり
過去2年の大半、このパターンは証明できる前に、会議室で感じ取れるものだった。いま、その証拠が現れた。そしてそれは、ズバラッキの指摘した隔たりをほぼ小数点単位で描き出している。
マサチューセッツ工科大学（MIT）のNANDAイニシアチブが2025年に企業AIを調査したところ、およそ400億ドル（約6兆4900億円）が投じられたにもかかわらず、生成AIの試験導入の約95%が、最終損益に測定可能な影響をもたらしていないことがわかった。研究者たちはそれを端的に名づけた。高い導入率と低い変革度の分断である。ある製造業の幹部は、TQM研究から出てきてもおかしくない一文を語った。誇大な期待はすべてが変わったと言うが、自社の業務では根本的なものは何も変わっていない、というものだ。これこそが、30年後のレトリックと現実を、見事に一行で表した言葉だ。
筆者の勤務先であるGallupのデータは、机の反対側から同じ分断を示している。働く人の半数は、少なくとも時折は仕事でAIを使っている。だが、AIが組織の実際の働き方を変えたかと尋ねると、自分のいる職場でAIが仕事の進め方を変革したと強く同意する人はわずか12%にとどまる。個人が手に取れる場所では実践は現実のものだが、その上位ではどこでもレトリックになっている。一方で、自組織が明確なAI計画を伝えていると答えた従業員は22％にすぎない。「われわれはAI企業だ」という主張は組織の上層部から発せられるが、そこにいる大半の人々は、自分の座っている場所からそれを確認できない。言葉は到来した。それを真実にする構造は到来しなかった。
レトリックを経験へと引き寄せる
これはいずれも、AIに反対する議論ではない。ズバラッキはその点に慎重だった。物事は必然的にレトリックとして入ってくる、と彼は言った。まだ経験がないからである。概念は、実践が可能になる前に到来する。問うべきは、言語をどう排除するかではない。人々が自分の言葉の不十分さを守るのではなく、それに向き合える形で、言語を使って人々を経験へと引き寄せるにはどうすればよいかである。
