多くの組織から生み出される成果物の完成度は、かつてないほど高まっている。構造は整理され、冗長な文章は減り、納品までのスピードも向上した。同じチームの成果物を3年間にわたって確認してきた人なら、誰もがその違いを実感できるはずだ。
私たちはこれを「鋭くなった」と表現してきたし、AIのおかげでそうした成果物は急増している。だが、それが適切な言葉なのか疑問を呈する価値はある。鋭い主張には角がある。誤りうる主張に踏み込み、あるものを別のものより優先し、誰かが判断した場所を目に見える形で残す。しかし、磨き上げるプロセスはその角を取り除いてしまう。角こそが「粗さ」として読まれるからだ。
実際に起きているのは、仕事が「スムーズ（円滑）」になったということだ。同じ判断が、同じスピードで、同じ質の洞察に基づいて下されており、コミットメントの少ない文書により多くの手仕事が注ぎ込まれているに過ぎない。
AIによる「ブラッシュアップ」が思考から奪うもの
かつて、粗さは診断の手がかりだった。うまくまとまらない原稿は、執筆者がまだ理解できていない事柄についての原稿であることが多く、不格好な段落こそが文書の中で最も価値のある部分であるケースも多かった。そこがまさに思考の停止した場所を示していたからだ。しかし、スムーズに整える作業は、問題をそのまま残したままそのシグナルだけを消し去ってしまう。
また、それは真実ではなく「受け取りやすさ」に最適化する。修正を重ねるたびに成果物はより読みやすく自信に満ちたものになるが、描かれている状況自体は曖昧なままだ。そのため、推敲を重ねるごとに、その文書の中で最も正確だった「不確実性」が削ぎ落とされていく。最も完成度の高いバージョンが、著者の「分かっていないこと」の痕跡をすべて排除した結果、最も誠実さに欠けるバージョンになることが少なくない。
次に「収束」の問題がある。より洗練された状態を目指して反復作業を行うと、アイデアは最も平凡で慣習的な形態へと引き寄せられる。「洗練されている」ということは、大抵において「慣習的である」ことを意味するからだ。後述する現場実験では、この現象が直接測定された。クリエイティブなタスクでAIを使用したコンサルタントの間では、非使用者と比較して参加者間のアイデアの多様性が41%低下した。出力結果を編集しても、多様性が有意義に回復することはなかった。個々としては優れていても、集団としては同一化してしまうのだ。既存の枠組みに収まらない独特の思考ほど真っ先に削ぎ落とされる傾向があり、第8版が第3版よりも上手く作られていながらオリジナリティに欠けることが多いのはそのためだ。
この背景には、意味がどこから生じるのかという根本的な問いがある。文書はデータと論理で構成される。しかし、意味は経験から生まれる。今回の状況が過去の何に似ているか、過去2回で何が起きたか、誰の記録にも残っていない会議で顧客が何と言ったか、誰もが密かに信用していない数値はどれか。これらはどれもファイル内には存在せず、いくら推敲を重ねてもファイルの中に補完されることはない。ブラッシュアップという作業は、すでに存在する情報の上だけで機能するため、生産的に感じられるものの、本質的には何も変えないのだ。
あらゆる問題の根底には、最もシンプルな理由がある。磨き上げる作業には「次のアクション」が存在する。しかし、意味付け（センスメイキング）にはそれがない。チームがまだ状況の意味を理解できていないとき、文章表現を整える作業は進歩のように感じられる。改善すべき点は常に目につくからだ。これは組織規模の先延ばしであり、一見すると勤勉さのように映ってしまう。
問いかけられない質問
あるチームが隣接市場への参入を検討している。6週間の時間を費やし、バージョンは11回改訂された。前回のものより毎回良くなっている。第11版は真に素晴らしく、説得力のある市場規模の試算、鋭い競合分析、そしてリスクも曖昧にせず明確に提示されている。
レビューの席上、4枚目のスライドあたりで、需要モデルを作成したアナリストが、顧客の支払い意思額（WTP）の数値が現在も有効かどうか完全には確信が持てないと発言する。彼女はまだ整理できていない懸念を口にするとき特有の、早口な調子でそう言った。同席していた上級役員は出典欄に目をやり、有名な調査研究が引用されているのを確認すると、発表時期についての注釈を付け加えればいいと言った。誰かがそれをメモし、会話は次のテーマへと進んだ。
彼女が言語化できないまま懸念していた本質は、それらの数値が2023年に変化した顧客セグメントとの関係に基づくものであり、どれほど変化したかを知っていたはずの同僚が昨年退職してしまっていたことだった。その背後には、6週間誰も問うことのなかった質問が隠れていた。すなわち、市場が魅力的かどうかなど最初から疑う余地はなく、本当の問題は自社がその市場で実行力を発揮できるかどうかではないか、という問いだ。
分析は、検討したあらゆる点について正しかった。意味が入り込む可能性のあった瞬間は約15秒続き、書式の問題として処理された。
それを許したのは、まさに文書の完成度の高さだった。第11版ともなると、内容はすでに確定したものとして読めるため、人間によるためらいがちな指摘は単なるノイズとして扱われてしまう。成果物は議論の余地がないほどスムーズになり、部屋で唯一本気で疑問を抱いていた人物の不確実性は注釈へと変換された。文書作成には6週間が費やされたが、その部屋にいた人々が共通して経験してきたことの検討には、半日すら割かれることはなかった。
実験条件下で再現された同じ失敗
この光景は、ある不注意なチームの単なる逸話ではない。これによく似た現象が、管理された実験条件の下で再現されている。
ハーバード・ビジネス・スクール、ウォートン、MITスローン、ウォーリックの研究者らがボストン コンサルティング グループ（BCG）と共同で行い、2026年の『Organization Science』誌に掲載された現場実験では、同社の若手コンサルタント758名が参加した。AIの能力フロンティア（限界線）の内側に収まるよう設計されたクリエイティブな製品イノベーションのタスクにおいて、AIツールを使用した参加者は作業量が12.2%増加し、速度が25.1%向上し、出力の質が40%以上高く評価された。参加者の約90%に能力向上が見られ、共通のパフォーマンスレベルへと収束した。
しかし、2つ目のタスクは能力フロンティアの外側に位置するよう作られていた。参加者は架空の企業の財務データと役員のインタビュー記録を照らし合わせ、両者を整合させることで根本原因を特定することが求められた。このタスクでは、AIツールを使用したコンサルタントが正解に到達する確率は、ツールを使わなかったグループより19%低かった。対照群（AI非使用者）の多くは自力で回答にたどり着いた。一方、AIを使用した者の多くは、自信に満ち、理路整然としているものの間違っているAIの出力をそのまま受け入れてしまった。
この実験ではGPT-4が使用されたが、現在では能力フロンティアはさらに広がっている。しかし、これは都合の良い解釈を否定する材料にしかならない。モデルがより高性能になれば、現在のフロンティアの向こう側でより説得力のある出力を生成するようになり、フロンティア自体は出力結果から見えないままだ。一つの詳細なデータがこの点を極めて明確に示している。ツールの限界について30分間の事前説明を受け、この種の推論で失敗する可能性があると明示的に警告された参加者は、説明を全く受けなかった参加者よりも平均して悪い成績を残したのだ。
利益は本物だが、タスクの範囲にとどまる
私の勤務先であるギャラップ（Gallup）の調査でも、組織規模で同様の傾向が見られる。AIを導入した組織では、従業員の65%が生産性と効率性が向上したと答えている一方で、仕事の進め方が変革されたと強く同意しているのは約10人に1人に過ぎない。ギャラップの年中データによると、AIの導入が加速する一方で、従業員のエンゲージメントは横ばいのままであった。
別の調査では、この問題の目に見える側面を取り上げている。ベターアップ・ラボ（BetterUp Labs）とスタンフォード大学ソーシャルメディア・ラボが共同で実施し、『ハーバード・ビジネス・レビュー』に掲載された研究によると、デスクワーカーは受け取る業務コンテンツの約15%が、一見完成されているように見えて実質的な中身のない「AI生成物」だと見積もっており、1件につき2時間近いロスが発生している。この種の成果物は正確性や一貫性に欠けるため最終的には見破られ、後工程の誰かが対処を余儀なくされる。
しかし、先ほどの市場参入分析は、どちらのテストでも落選しない。正確で、一貫性があり、うまく作られており、納期も守られている。そして、組織のあらゆる品質基準は成果物そのものを検証するように設計されているため、こうした問題を見つけ出せる品質管理プロセスはどの組織にも存在しない。
なぜAIの効率化が「センスメイキング」を追いやるのか
成果物を整える作業（スモーシング）と意味付け（センスメイキング）は、限られたリソース（関心）を奪い合う。そして、当四半期中に見返りを示せるのは一方だけだ。使われないもう一方の能力は、次第に衰退していく。
マイクロソフト・リサーチとカーネギーメロン大学のハオピン・リー（Hao-Ping Lee）らの研究チームは、実際の業務タスクでAIを活用した事例936件を提出した319名のナレッジワーカーを調査した。ツールへの信頼度が高いほど批判的思考が減少する一方で、自分自身への自信が高いほど批判的思考が増加することが判明した。研究者らは、批判的思考の本質が情報検証、回答の統合、そして彼らが「タスクのスチュワードシップ（管理・調整能力）」と呼ぶものへとシフトしていると指摘する。スチュワードシップは真のスキルではあるが、状況の意味を解き明かすスキルとは異なり、それに取って代わられた思考力を養うものでもない。
同様の能力減退はエントリーレベル（若手社員）の段階でも見られる。かつて若手が判断力を身につけるために行っていたタスクが、最初に自動化されているからだ。このパターンについては、以前AI活用能力を基準に世代を雇用することの文脈でも筆者が執筆した通りだ。
問題なのは、この時間のかかる作業は、本質を損なうことなしに効率化できないという点だ。意味付けのプロセスは、部分的には「分からない状態」で過ごす時間によって構成されている。それを圧縮して出てくるのは、伴うべき理解を欠いた結論であり、決定的な瞬間が訪れるまで本物と区別がつかない。
また、その価値を証明することもほぼ不可能だ。効率化は一四半期の間に数値で示せる。しかし、意味付けの価値は「起きなかった問題」、「参入しなかった市場」、「試みられなかった組織再編」、「失われなかった顧客」という形で現れる。回避できた失敗を理由にビジネスケース（事業計画書）を作成した者など誰もいない。
ただし、明確に述べておくべき例外が1つある。成果物そのものが商品である場合だ。ピッチ資料、規制当局への提出書類、取締役会の資料、あるいは顧客が読むあらゆるものが該当する。そうしたケースでは完成度こそが価値であり、第11版まで推敲するコストも正当化される。失敗の原因は、人々が行動を起こせる程度に物事を理解することを目的とした社内作業に対して、同じ基準を適用してしまうことにある。
リーダーが判断力を守るための4つの処方箋
以下の4つのポイントにおいて報われる基準を変えることで、時間のかかる思考作業が、リソースを配分するシステムの中で見過ごされないようにする。
- 議論に耐えうる「そこそこの完成度」で止める。 完成された成果物は「承認」を促すが、未完成のものは「貢献（参加）」を促す。明確な穴が残っている段階のバージョンを共有し、どの穴を埋めるのに助けが必要かを伝えよう。仕上げの作業を控えることで、異論の提出が最も有益な瞬間に沈黙を買ってしまう事態を防ぐことができる。
- 文書を開く前に、経験の共有に1時間を費やす。 分析を始める前に、その課題を経験した人々を同じ部屋に集め、今回のケースが何に似ているか、前回何が起きたか、どこにも書かれていないどんな知識を持っているかを問う。この1時間は一見何の成果も生み出さないため予定に組み込まれにくいが、最終的な文書における「意味」の大部分はここから生じるのだ。
- 成果物ではなく「思考プロセス」をレビューする。 重要な業務のレビューでは、次の2つの質問を恒常的な議題にする。「何を外すと決めたのか」そして「まだ確信が持てていない部分は何か」。1つ目の質問は選択のプロセスを可視化し、そこにこそ判断力が宿る。2つ目の質問は、文書が柔軟で修正可能な段階のうちに、会議のアナリストが口にできなかった懸念を自由に発言する許可を与える。
- ゴールを「スライド作成」ではなく「意思決定」に設定する。 多くのチームでは、分析資料を提出した時点で仕事が完了したとみなされる。その定義を変えるのだ。作業が終了するのは、決定が下され、最初の行動が起こされ、3カ月経っても誰も密かに撤回していない状態になったときだ。これにより、関心は文書作成から、進言を実際の行動へと移すための「議論、手順化、説得」という最も困難なプロセスへとシフトする。AIは分析のドラフトを作成できるが、反対する役員と膝を突き合わせて話し合うことはできない。
失われつつあるものの正体
失われつつある能力は具体的だ。同じ問題の3回目の発生であり、過去2回のうちどちらに似ているかを見極める力。その場の空気が語っていない本音を読み取る力。信頼できる2つの選択肢のうち、自社組織が真に吸収可能なものはどちらかを判別する力。物事を素早く記述することに逃げず、未解決の課題に向き合って理解できるまでじっくり考える力。
この能力の低下がデータに表れることはない。成果物の量は増え、処理時間は短縮され、品質スコアは維持され、AI導入率は上昇し、仕事は四半期ごとに目に見えてスムーズになっていく。
組織が何を代償として差し出したかに気づくのは、「生産」ではなく「理解」を必要とする事態に直面した瞬間だ。しかしその時までに、その理解を提供できたはずの人々は、資料の第11版を作成したことで6年間評価され続けてきた人たちになっているのだ。
