キャサリーナ・シュミット博士（心理学博士）（Inspiration & Discipline）は、エグゼクティブコーチ、リーダーシップチーム開発者、組織文化デザイナーである。
マッキンゼーによると、リーダーは10年前と比べて2倍の重要課題に直面している。ほとんどの組織のトップには考える時間が不足しており、プレイブックに従う傾向が強い。
AI時代では、従来の線形的なプレイブックは機能しない。従来の変革プログラムは、変化が秩序立っており、トップダウンで管理可能であるという前提に基づいているため、頑固なほど高い失敗率を示している。AIはついにその前提を打ち破るのに役立っている。AIはスパイク状に現れ、ネットワークを通じて広がり、小さな成功を通じて複合的に成長する。ガントチャートというよりも、バタフライ効果に近い。
罠：トップにおける機能的固着
リーダーたちはAIに抵抗しているというよりも、機能的固着に陥っている—問題が変化しているにもかかわらず、彼らが知っている管理ツール（組織再編、組織図、ロードマップ、プレイブック、「導入」KPI）に頼ってしまうのだ。AIは管理すべきプロジェクトではなく、可能にすべき能力である。それには実験、ローカルなカスタマイズ、組織図にきれいに当てはまらない迅速な学習サイクルが必要だ。
あるクライアントとの最近のリーダーシップ対話で転機となったのは、彼らのチームが「私たちはまだ『AIトランスフォーメーション』がここでどのような形になるのか分からない」と認めた瞬間だった。その謙虚さの瞬間が文化をリセットした。確実性の演出ではなく、リーダーたちは好奇心、傾聴、集団的発見を許可した。それによって彼らのチームの文化に心理的安全性とより開かれた思考がもたらされた。
AI実験のための4つのP
あるグローバルテクノロジー企業のシニアエンジニアリングリーダーは、彼にとって効果的なパターンを次のように説明した：
1. ポッド（Pods）：彼は信頼と補完的なスキルを持つ3〜4人の持続可能なグループを結成する。ポッド内に特定の階層はない。
2. 問題（Problems）：彼はポッドに高レバレッジの問題（「サービスを所有する」ではなく）を提示し、チームにその問題をさらに探求するよう促す。
3. パイロット（Pilots）：次に彼はエージェントとコパイロットを使った実験を促し、チームは進捗を素早く測定し議論するよう促される。
4. パフォーマンス（Performance）：チームは実際のスループット、品質、コスト改善を示すものだけをスケールする。
あるコンプライアンスのユースケースでは、ポッドが作業の3分の2をエージェントに委託し、90%以上の受け入れ率を達成し、慢性的な容量不足を速度エンジンに変えた。ほとんどのパイロットは機能しなかったが、そのサイクルは機能した：定義、試行、学習、スケール、そして繰り返し。これは単なる技術システムではなく、リーダーシップと組織設計の選択である：能力、リソース、心理的安全性、迅速な学習サイクル、目に見える結果のためにチームを構築することだ。
まずは草の根から、そしてリーダーシップによる増幅へ
もう一つの例は、私が関わっているSaaS企業からのものだ。AI導入は幹部の計画やロールアウトから始まったのではなく、好奇心旺盛な数人の従業員が週次の「AI for All」セッションを実施し、ユースケースを共有し、同僚に教え、流暢さを構築することから始まった。
リーダーたちはスペースを作った—彼らは文字通り邪魔をせず、これは勇気ある行為だ—そして時間と社内プラットフォームを提供し、ストーリーを共有することで関与した。結果：人々はAIスキルを向上させ、常設の「AIビルダーズクラブ」が設立された。
イノベーションがボトムアップとトップダウンの両方から流れる文化が、最も強力な動きを可能にする。最良のアイデアはめったにトップから始まらないが、トップが空間を作り、関与して実験する安全性を示すとき、それらはスケールすることができる。
それとは対照的に、多くの企業文化は高度に中央集権化され、指標優先で、短期的なコストや「導入」の見栄えに最適化されている。それらはしばしば信頼を損なう。AI時代は適応性に報いる—公の場で学び、ローカルに調整し、変化を継続的に代謝する組織に。
一律ではない
AIのユースケースは深く特異的である。あなたのデータ、ワークフロー、リスクポスチャー、顧客への約束、人材ミックスは他のどの組織とも異なる。だからこそ「ベストプラクティス」はすぐに古くなる。私の仕事では、リーダーが組織を生きたシステムとして扱い、そのメタボリズム—エネルギー、フィードバック、適応を維持する学習ループ—に焦点を当てるとき、変革が成功するのを見ている。組織を再配置すべき部品を持つ機械として扱うのではなく。
AIトランスフォーメーションを可能にするリーダーシップ行動
研究はこれを裏付けている：逆説的思考、部門横断的なコラボレーション、開かれた思考を実践するリーダーは、AIイニシアチブが持続的な変革にスケールするかどうかに直接影響を与える。コントロールと自由、リスクと安全性、短期的な結果と長期的な学習のような矛盾する緊張を保持できるリーダーは、AI実験が繁栄する条件を作り出す。
大きな転換：コントロールから実験へ、静的なマイルストーンから継続的な進捗志向へ、パフォーマンス指標から「失敗はオプション」へ。
実験すべき行動をいくつか紹介する：
1. AIの変化を人間の変化として扱う。 AIは「ユーレカの瞬間」を通じて広がる。大規模なトレーニングを対象を絞ったイネーブルメントに置き換える。「ロールアウト」を共創に置き換える。ブラウンバッグ、ショー・アンド・テル、同僚が発見を共有するフォーラムを開催することで安全性を作り出す。
2. 対話を作り出す。 部門横断的な意味づけは行動である：あなたが責任者でなくても、異なる機能を一緒に集める。製品、リスク、営業、カスタマーサービスを同じ会話に参加させ、好奇心をモデル化する。
3. 問題を中心にポッドで考える。 時間と信頼を共有する。彼らに問題、4週間の期間、デモの日を与える。考えてみる余裕を作り、ポッドを保護し、スループットと学習で測定する—ログに記録された時間ではなく。
4. プログラムではなくパイロットを支援する。 あなたの組織で現在進行中のAI実験は何か？小さな賭けを実行し、ほとんどを中止し、学びを公の場で祝う。スライドウェアではなく、実際の仕事を強調する。
5. 流暢さをモデル化する。 たとえ混乱していても、自分自身のAI実験とワークフローを共有する。「まだわからない。テスト中だ」と言うことで、探索を正常化する。
6. 自分の時間不足に対応する設計をする。 毎週末に個人的にいじる時間がなければ、他の人が発見したことを聞き、集め、スケールするシステムを構築する。
組織図を超えたAIトランスフォーメーションの推進
AIトランスフォーメーションはあらゆる組織に関連している。自問してみよう：
- 私の潜在的な高レバレッジの問題とユースケースは何か？個人的なプロセス改善やマーケティングコンテンツから、営業プロセスやカスタマーサービスエージェントまで、何でもあり得る。
- どうすれば創造的に人々（自分自身を含む）がAIと潜在的なユースケースについて考え、いじり、話し合うことを可能にできるか？
傾聴を育み、対話を促し、集団的学習を促進するリーダーは適応能力を構築する—そして、それこそが組織図ではなく、AIトランスフォーメーションが継続的に生まれる場所である。テクノロジーは急速に変化し、学習は継続的であり、文化があなたとあなたの組織がどのように学び続けるかを決定する。
