大企業は、変革における予測可能な部分の管理に多大な時間を費やす。インフラの導入計画を立て、支出を追跡し、マイルストーンを監視し、システムが予定通りに稼働したかを検証する。
一方で、あまり時間をかけていないのが「人的要素」だ。予測しにくく、それゆえにマネジメントが難しいからである。
変革が失敗するのは、しばしば組織が指標を管理しすぎ、マインドセットの管理が不足しているためだ。マイルストーンや支出の追跡は比較的容易である。しかし、従業員の感情、エンゲージメント、あるいはアンケートには明確に現れない非公式な抵抗を測ることははるかに難しい。
しかし、人的側面は曖昧な話でも単なる「ソフトな事柄」でもない。従業員の抵抗が導入を遅らせたり、疲弊が定着を妨げたりと、極めて具体的な結果をもたらす「ソフトな事柄」なのだ。
リーダーが変革を定着させたいならば、プログラムのライフサイクル全体にわたって、人の移行をマネジメントする必要がある。
変革は「押し付け」ではなく「自分ごと」にする必要がある
私がよく目にする課題の一つは、経営陣レベルでは見事に響くリーダーシップのビジョンが、組織の下層まで浸透しないという問題だ。経営幹部のメッセージは完璧でも、あまりに抽象度が高いため、ミドルマネジャーや現場スタッフにとってはほとんど意味を持たないことがある。そうなると、変革は実際にそれを推進しなければならない人々にとって、自分ごとではなく押し付けられたものと感じられる。
その結果、積極的な抵抗、あるいは同じくらい重要な問題として、エンゲージメントの欠如が生じる。したがってリーダーには、定期的なパルスチェック、フォーカスグループ、フィードバックチャネル、そして対象者ごとにビジョンを翻訳するメッセージングが必要だ。
また、人間の行動は固定的でも予測可能でもないと認識する必要がある。今月あるセンチメント指標が得られたからといって、来月も同じであるとは限らない。賛同は継続的に獲得していくものだ。人的要素は、変革の初期に一度きり取り組めばよいものではない。
変革疲れは多くの場合「優先順位付け」の問題だ
変革疲れは、変化の量だけが原因であることはまれだ。多くの場合、すべての取り組みを緊急と扱い、従業員に即応的な適応を求めることから生じる。従業員にとって、ある大きな変革は、通常業務の責任に加えて並行する10件の変革イニシアチブの一つに過ぎないかもしれない。常に身構え、優先事項が競合する状態で生きるのは難しい。
最も賢明なリーダーは、必須研修、年度末業務、季節的な業務量のピークを含め、進行中のすべての主要な変更を棚卸しする。あるヘルスケア組織では、主要プログラムのすべてを必須研修やメディケア加入シーズンと並べてマッピングした。すべてを一つのカレンダー上に可視化することで、チームは新たな取り組みを積み重ねるのではなく、ずらして配置できるようになった。
リーダーはまた、人々が本来報酬を得て担っている業務からどれほど時間を割くよう求められているのかを理解する必要がある。これは変革に伴う、しばしば明示されないコストである。変革プロジェクトを前進させることが正解の場合もあれば、リーダーが一歩引いて人々に息をつかせるべき場合もある。職場のイノベーションや技術進歩が進むなか、従業員は変革の一環として、常に新たなスキルを身につけ、学習・能力開発の取り組みにも取り組んでいる。
組織の知見と新たなスキルを橋渡しする
この課題は特に、インフラ、公益事業、交通など、労働力の高齢化に直面しながら新たな人材の獲得も目指す技術系産業で重要になる。要諦は、ベテラン社員の知恵を尊重しつつ、呼び込みたい新たな人材の期待をマネジメントすることだ。
長年勤める従業員は組織の基盤を築いてきた人々であり、実際の業務ノウハウはマニュアルやツールよりも彼らの頭の中に存在していることが多い。一方で、組織にはデジタルスキルや新しい思考法も不可欠だ。陥りがちな過ちは、これらを2つの異なる人材層として扱い、スキルギャップを世代間のサイロとして定着させてしまうことだ。
ある大手公益事業組織では、ベテランエンジニアとデジタルネイティブの新卒者を、リバースメンタリングモデルを通じてペアリングした。目的は、組織的な知見とよりデジタル的な発想を意図的に融合させることだった。経験豊富な従業員はレガシー技術の運用実態を説明でき、新しい従業員は異なるツールやアプローチを導入できる。AI時代においてこれはいっそう重要だ。新たなデジタルツールやイノベーションが組織の働き方を再構築し、そのスピードはレガシー世代にとってほとんど日々変わっていくように感じられるからだ。
新たな人材の獲得に苦戦しているなら、組織はその理由についても等しく自覚的である必要がある。自社のテクノロジーは時代遅れになっていないか。学習・能力開発の領域では、従業員にキャリアパスが明確に示されているか。
リーダーは、自社の事業が社会やコミュニティに与えるインパクトを可視化し、複雑な課題を解決しながら成長できるキャリアパスを示す必要がある。AIは、長年の従業員に新しいスキルやワークフローの導入を求めるだけでなく、すでにデジタルツールをはるかに自在に使いこなしている新たな人材の獲得という、新しい課題も生み出している。
AI時代に必要なのは「新規採用」だけではない
AIによって、この労働力の問いはより鮮明になっている。組織は新たに人を雇うべきか、既存の従業員をリスキリングすべきか、それとも役割そのものを再設計すべきか。
まずは、現在と必要とされるケイパビリティを明確にマッピングし、既存の従業員を現実的にアップスキリングできる領域を特定することから始めるべきだ。
例えば、保険金請求アナリストは引き続きアナリストであっても、問いは「その人がすでに行っている業務の中で、どのようにAIを活用するか」になる。多くの場合、変わるのは基盤となるケイパビリティ以上にワークフローであり、その従業員の組織的な知見は依然として最も価値あるスキルの一つであり続ける。
また、組織は「華やかな新規採用」という罠を避けるべきだ。ある企業では、自社のテクノロジーやデータがクラウド移行に対応できる段階に達するはるか前にクラウドエンジニアを採用した。結果として、その人材は十分に活用されず、最終的に離職してしまった。専門スキルへの先行投資が早すぎると、コストがかさむだけでなく、社内のモチベーションを低下させる原因にもなる。
より優れたアプローチは、AIなどの新たなケイパビリティを特定の領域でスモールスタート（実証実験）することだ。実証が成功してから、テクノロジーと人材モデルを横展開する。専門スキルへの拡大や投資はその後に検討すべきだ。
「プロダクト」ではなく「課題」から始めよ
同じ原則が、AIおよびより広範なデジタル投資の指針となるべきである。AIは製品ありきではなく、解決すべき課題から始める必要がある。多くの組織が派手なAIの実証実験にリソースを投じながら、イノベーションラボの枠を出ずに終わる原因は、「何を解決しようとしているのか」を誰も問うてこなかったからだ。
「実現可能であること」と「それが正しい取り組みであること」はイコールではない。最も優れたAIの活用法は、往々にして派手さのない領域にある。例えば人事制度や社内規程を考えてみよう。従業員は長大なPDFの中に埋もれた休暇制度や経費申請のルールを探すのに苦労しがちだ。これらを会話形式で質問・解決できるAIツールを導入すれば、日常的なストレスが解消され、生産性が向上し、テクノロジーへの信頼感も高まる。リーダーが適用すべき基準は、「これによって業務やサービスがよりシンプルに、より速く、より意義あるものになるか」だ。事業計画の中でそれを明確に説明できないなら、投資そのものを再考すべきだろう。
テクノロジーは変革を可能にする手段であり、その成否を決めるのは「人」である。真に優れた成果を上げる変革とは、単に変化を最も効率的に管理したものではない。それを通じて人々がより効果的に前進できるよう支援したものである。
