AIがパフォーマンスの格差を広げる
AIは、すべての人の仕事を優秀にするわけではない。きわめて優秀な社員のパフォーマンスを劇的に向上させる一方で、それ以外の社員の力不足を浮き彫りにする。AIをめぐる現在の議論の多くは、強力なツールを利用できるようになれば、平均的な社員のパフォーマンスもどうにかして向上するという前提に立っている。しかし現実は、おそらくその逆になるだろう。AIは、個人間および企業間の能力格差を拡大させる。ツールの活用方法を学ぶ者は、能力的な優位性をさらに加速させる。そうでない者は、自ら想定するよりもはるかに速いスピードで取り残されることになる。現在、自覚の有無にかかわらず、すべての社員が事実上の「テクノロジー社員」となっている。財務、人事、マーケティング、営業、法務、あるいはオペレーションのいずれの部門に身を置いていようとも、AIは業務を遂行するプロセスの一部となる。従来の「現状維持（BAU）」型社員ではもはや十分ではなく、大半の企業がこれまでに経験したことのないペースでツールが進化するなか、またたく間に後れを取ることになる。すべての社員が今、シンプルだが厳しい現実に直面している。会社から与えられたツールを使いこなす以上に成長しなければ、急速に存在価値を失うリスクがあるのだ。
「10倍」の可能性を解き放つ
AIがもたらす可能性はシンプルだが、極めて大きい。すべての社員が、自らの思考をますます強力になるツールと自律型エージェントと組み合わせることで、自分自身の「10倍バージョン」になり得る。ただし現実には、その成果は均等には分配されない。これまでのあらゆる大きな技術変革と同様、少数の社員が素早く適応して優位性を複利的に積み上げる一方、他の者たちは遅すぎるか意欲を欠き、追いつくのに苦戦する。そしてその差は複利的に広がっていく。今日から始める社員は、単にある業務で30分を節約しているだけではない。反復を蓄積し、問いの立て方、アウトプットの検証方法、そして最良の結論に至るための追加コンテクストの提供方法を学んでいるのだ。今学び始める社員は、ツールと共に成長する。待つ者は、いずれAIを業務のあらゆる部分に組み込んできた人々と競うことになり、能力面でもキャリア面でも数カ月、数年単位で遅れをとるリスクを負う。
AI「を介して」ではなく、AI「と」考える
AIをめぐる最も危険な誤解の一つは、AIを使えば誰もが自動的に仕事をこなせるようになるという思い込みだ。実際には、多くの社員がAIを使い始めることで、かえって生産性を低下させる可能性がある。彼らは思考の負荷をAIエージェントに丸投げし、優れた答えが返ってくることを期待して、別の仕事に移ってしまう。ここでのリスクは、AIが思考を補強するのではなく、思考の代替になり始めることだ。出力結果が素早く、かつ洗練された形で提示されるため、思考の質が向上したかのような錯覚に陥りやすい。しかし、AIは自信満々に誤った情報を出力することがあり、専門知識や批判的思考がなければ、その出力が捏造されたものであることに気づけない可能性がある。AIを効果的に活用し、その可能性を最大限に引き出すには、依然として人間の認知能力と判断力が必要だ。愚かな質問をすれば、AIからは同様に愚かな回答しか返ってこない。ユーザーが思考のプロセスから手を引いてしまえば、AIが魔法のように成果物の質を高めてくれることはない。それは単に、凡庸さを加速させるだけにすぎない。10倍社員は、思考をAIにアウトソーシングすることと、AIを使って思考を拡張することの違いを理解している。
「コンテキスト・エンジニアリング」という新たなスキル
真の10倍社員となる人々は、単にAIツールを使うだけではない。彼らは、設計士としてパラメータを定義し、それらのツールを操作する方法を学んでいる。そのためには、言語を学ぶことに似た新たなスキルの習得が必要となる。その言語は「コンテキスト・エンジニアリング」と呼ぶのが最も適している。技術的な響きを持つ言葉だが、その根本にある考え方は単純だ。コンテキスト・エンジニアリングとは、AIシステムが有用な回答を生成できるように、課題を明確に構成するスキルのことである。これには、目標を設定し、補足情報を用いて改善と検証を繰り返し、エージェントが一般的な回答を出力するのではなく、適切な課題を解決するように導く一連の文脈的なプロンプトを構築することが求められる。これには真の知的努力が必要となる。深い専門知識を持つ人々は、このような環境において価値が下がるどころか、むしろより価値ある存在になる可能性がある。AIは、明晰に考え、専門知識を持つ人々を優遇し、思考の負荷を丸投げするためにAIを使う人々の力不足を露呈させる。10倍社員は、何が優れた成果物であるかを理解し、何が不自然であるかを見抜き、次にどの質問をすべきかを知っている。AIは専門知識の価値を失わせるものではない。すでに専門知識を持つ人が発揮できる影響力を劇的に高めるものなのだ。
過去の成功がもたらす「スコープリスク」
これは、成功してきた社員やシニアリーダーにとって、特有の課題を生む。「スコープリスク」とは、その人の従来の専門性が、既存の熟達範囲の外にある技術変革に突如直面する時に生じるものだ。多くの成功した社員は、比較的安定したオペレーティングモデルの中で数十年をかけて能力を磨き、成果を上げてきた。AIはその均衡を破壊する。過去の熟達だけではもはや十分ではない。新しい環境で成功するには、新しいツールを学び、新しいワークフローに適応し、数年前には存在すらしなかった能力を育む必要がある。一部の経験豊富なリーダーにとっては、既に登り切ったと思っていた学習曲線の最も急な部分に、また一歩踏み戻すように感じられるだろう。抵抗し、テクノロジーを若手社員に丸投げする者もいる。しかし最も優秀な者は前のめりに向き合い、既に持つあらゆる知見と、まったく新しい能力とを組み合わせるのだ。
企業もまた、非導入は単なる個人の生産性の問題ではないと認識する必要がある。導入に遅れる者や導入しない者は、自らのペースを落とすだけでなく、共に働くすべてのチームの歯車に砂を投げ入れる。1人の非導入者がチームを遅らせる。10人ならば企業全体を遅らせる。歴史的に、企業は新しいテクノロジーの習得を拒む実績あるシニア社員を容認することができた。他の誰かがシステムを操作したり、ツールを使いこなしたりできたからである。しかしAIは異なる。なぜなら、AIはますます思考業務そのものの内部に組み込まれつつあるからだ。シニアレベルでの非導入は組織全体のスピードを遅らせ、若手社員に対して「新しいツールの習得は任意である」という誤ったシグナルを送ることになる。だが、それは任意ではない。
「ハイポテンシャル」の再定義が必要に
この変化は、企業に対して、優秀な（ハイポテンシャルな）社員をどのように特定し、昇進させるかを再考させることにもなる。ほとんどの人事評価制度は本質的に過去を振り返るものであり、過去の実績、経験、勤続年数を評価する。AIはそのモデルを破壊する。新しいツールや働き方に最も早く適応する個人は、必ずしも組織で最も役職が高い人物とは限らない。企業は、迅速に学び、実験し、仕事の進め方を再考する能力を示す社員を、ますます評価する必要に迫られるだろう。専門知識（ドメインマスタリー）は依然として重要だ。経験も重要であり、判断力も重要である。しかし、個人の将来的なポテンシャルを測るうえで、「学習速度（ラーニング・ベロシティ）」がますます重要な要素となる。また、ポテンシャルの高い社員は、自らも積極的に学んでいるリーダーの下で働きたいと、ますます強く望むようになるだろう。優秀な人材は、最も速く学んでいるリーダーの元へと静かに移動し始める。そのような環境においては、テクノロジーを使いこなす能力（テクノロジー・フルエンシー）が、部下の信頼と支持（フォロワーシップ）を築くための重要な要素となっていくのだ。
人間ならではの強み
皮肉なことに、世界がより機械主導になり、アルゴリズムによって最適化されるにつれて、人間ならではの深い能力の価値は、低下するどころかむしろ高まる可能性がある。情報は豊富になり、分析は高速化するが、判断力が豊富になるわけではない。信頼や勇気、共感、あるいは困難な場に踏み込んで他者に影響を与える能力も同様に、自動的に増えることはない。分析業務の自動化が進むほど、真のリーダーシップの特性に対する価値は劇的に高まる。したがって、真に差別化された「10倍社員」は、AIを使いこなす能力と人間ならではの深い能力を兼ね備えることになる。彼らは、判断を外部に丸投げすることなく、自らの思考の質と速度を高めるためにAIを活用しつつ、テクノロジーでは代替できない専門知識、人間関係、および信頼を築き続けていくのだ。
