従業員には、自身の仕事がどのように変化しているかを学ぶ時間が必要だ。新しいツールを試し、そのツールがどこで機能しないのかを理解し、そのツールが導入されるプロセスを再設計する時間が必要なのである。
また、組織がまだ行っていない業務に必要なスキルを構築するための時間も必要だ。世界経済フォーラム（WEF）の『仕事の未来レポート2025（Future of Jobs Report2025）』によると、雇用主は2030年までに職務に必要なスキルの約40％が変化すると予想している。スキルギャップは、調査対象となった雇用主の間で、ビジネス変革における最も頻繁に挙げられる障害となっている。同レポートは、2030年までに労働者100人のうち59人がリスキリング（再教育）を必要とすると予測している。
もし組織が、AIによって節約されたすべての時間を追加のアウトプットで埋めてしまうなら、そうした学習は一体どこで行われるのだろうか。
AIによって解放された時間の一部は、短期的で簡単に数値化できるアウトプットを生まない仕事、すなわち品質の向上や顧客対応、これまで放置されていた課題への対処などのために、確保されたままにしておく必要がある。
組織が次に必要とするものを測定せよ
組織は、不適切な活動を測定するときと同様に、不適切なアウトプットを測定することによっても、同等の無駄な作業を生み出してしまう。重要なのは成果（アウトカム）であり、その仕事が組織を目標に向かって前進させたかどうかだ。それらの成果は、将来の能力、すなわち組織とその人材が次に必要とされることを実行できる能力にも依存している。
将来の能力は軽視されがちだ。なぜなら、その価値はまさに「将来」にしかないからである。それは次の決算期に現れるものではない。新しいシステムを学ぶこと、ワークフローを再設計すること、あるいは判断力を養うことは、一時的に目に見えるアウトプットを減少させるかもしれない。しかし、その投資を怠れば、企業は衰退しつつある仕事に対して非常に効率的な組織になってしまうかもしれないのだ。
AIの導入に伴って期待値を高める前に、リーダーはAIが生み出す余力をどう活用したいのかを決めるべきだ。
顧客への成果向上にどれだけ充てるべきか。品質の向上にどれだけ割くべきか。仕事の再設計にどれだけ使うべきか。そして、学習や実験、ビジネスが次に必要とするスキルの習得にどれだけ投資すべきか。
リーダーがこれらの問いに答えを出さなければ、最も簡単な対処法として、常にさらなるタスクが追加されることになるだろう。
そして従業員は、忙しそうに見せる方法を学び続けることになる。
