ジェフ・バージン博士は、General Assemblyの最高学習責任者、エグゼクティブコーチ、そして「Already Smarter」の著者である。
組織のAI活用において、明らかな乖離が生じていることが明らかになりつつある。マッキンゼーの「2025年のAI動向」レポートによると、約90%の組織が定期的にAIを使用していると報告している一方で、完全な最適化に向けて役割、ワークフロー、プロセスを再設計している組織はほとんどない。一方、アクセンチュアの「生成AI時代における仕事、労働力、働き手：再発明」レポートでは、94%の人々が新しいAIスキルを学ぶ準備ができていると回答している一方で、大規模なリスキリングを積極的に実施している組織はわずか5%にとどまることが明らかになった。つまり、組織がAI導入を加速させる一方で、労働力は依然として従来の役割で業務を行っているため、パフォーマンスギャップが生じているのだ。
これは単なる技術的な問題ではなく、人間に関わる問題でもある。組織や役割が変わらないままでは、AIは生産性よりも曖昧さを生み出す可能性があり、投資収益率を低下させる恐れがある。従業員が自分の仕事がどのように進化するのか、あるいは仕事を維持できるのかについて不確実な場合、熱意はすぐに不確実性、不安、そして離脱へと変わる可能性がある。
AIで成功を収めている企業は、ワークフローと役割を再設計するアプローチを取っている企業である。
仕事の再構築から始める
多くの場合、リーダーはAI導入を戦術的な意思決定から始める。プラットフォームの選定、パイロット運用の実施、そして展開である。しかし、このアプローチでは、マネージャーや従業員がAIに戦略的にパートナーとして関わるのではなく、AIに反応するだけになってしまう。テクノロジーの真の価値は、チームが最適なユースケースを特定し、AIが簡素化、改善、または加速できるタスク、意思決定、アクションをマッピングしたときに表面化する。最も戦略的なリーダーは、人間がループ内のどこにいるか、そして重要なことに、どの意思決定とタスクが完全に人間が所有すべきかを特定する。
役割とワークフローの明確化は重要である。これにより、従業員は自分がどこで不可欠であり、AIがどのように自分をサポートし、仕事を容易にできるかを自信を持って理解できる。ピープルマネージャーは、より簡単に仕事を調整し、品質基準を定義し、責任を割り当てることができる。言い換えれば、ワークフローの再設計を通じて、AIは生産性を向上させる目的を持った明確なパートナーとなる。なぜなら、仕事そのものが進化したからである。
設計による人間とAIの協働
ワークフローを再設計しても、従業員はAIと協働する準備ができていないと感じる可能性がある。これは、トレーニング（多くの場合、プロンプト作成、出力評価、結果統合に焦点を当てている）が、真のAI協働を促進するために必要なより深い学習を複雑にする可能性があるためである。人間同士の協働がすでに習得が難しいスキルである世界において、人間とAIの協働はまったく新しいスキルである。これには、問題のフレーミング、コンテキストの確立、人間の判断が重要な場所の理解、そしてモデルの強みと限界の両方を知ることなど、多数の他の能力が必要となる。
ある研究では、人間とAIの協働が実際に問題のフレーミング方法を改善し、下される意思決定の質を向上させる一方で、従業員自身がこれらの微妙で複雑な状況においてより効果的になることが判明した。表面的には、これらの従業員は単にAIの使用が上手いように見えるかもしれないが、実際には好奇心、分析、柔軟性といった人間のスキルをインテリジェントシステムと組み合わせて使用することが上手いのである。
AI対応の仕事はAI対応の学習を意味する
人工知能の使用は本質的に学習活動であるが、組織における最大の課題の1つは、学習と仕事の時代遅れな分離である。従業員のAI理解を確保する学習体験は、仕事の世界内に位置づけられるのが最適であり、仕事の前、外、または後に取得する別個の学位としてではない。この新しい時代において、学習はもはや切り離されたものや理論的なものであってはならない。私が最近Training Journalに書いたように、学習は文脈化され、実行可能で、深く適用可能でなければならない。例えば、組織はプロジェクトキックオフに5分間のAIスキルドリルを直接組み込み、スキルが必要とされるまさにその瞬間に学習を促進することができる。
すべてのレベルの従業員は、どのAIツールを使用するか、そしてそれらをワークフローに統合しながらどのように使用するかを理解するためのサポートが必要である。一部の従業員は役割の境界線を曖昧にし始める可能性があり、実装は組織的な問題であると同時に運用上の問題にもなる。これは、AI支援の調査と戦略からAI強化の製品管理、AI対応の配送システムまで、AIの実際のユースケースを活用するために、組織と業務の両方を再設計することを意味する。
専門家のサポートで人間を優先する
AI変革はツールキットに焦点を当てる傾向があるが、実際にはすべて人に関するものである。シニアリーダーシップからピープルマネージャー、最前線の貢献者まで、すべての人がこのプロセスを通じてサポートを必要としている。そして、最良のサポート形態の1つは、リーダーシップコーチングと技術的メンタリングを通じたものである。
リーダーシップコーチングは、行動変容、アップスキリング、リスキリング、全体的な説明責任などの変革管理関連の問題をターゲットにすることができる。技術的メンタリングは、役割変革を推進し、コンテキストを確立し、関係を構築するのに役立つ。これらは単なる気分を良くするための取り組みではなく、ビジネスパフォーマンスに根本的に影響を与える。両者が組み合わさることで、組織インフラの重要な部分となり、技術革新と最適化を支える。
成功の秘訣：学習文化
組織のAI変革は1つのことにかかっている可能性がある。それは学習である。これには、AIをどこで使用すべきか、どのように使用すべきか、誰が協働すべきか、そしてこれが組織にどのような影響を与えるかを学ぶことが含まれる。独立して推進されるアップスキリング以上に、AI変革には学習に関する文化的能力が必要である。すべての人が学習マインドセットを持ち、変化を受け入れ、スキルを多様化し、新しい機会に拡大する準備ができている必要がある。また、AIと対話し、AIとパートナーを組む未来において自分が果たす重要な役割を理解することに自信を持つ必要がある。
学習が仕事に統合されるにつれて、組織は仕事がどのように行われるかを形作る人々の完全な潜在能力と認知能力を実現できる。これにより、主体性が促進され、不安が軽減され、技術的変革と並行して文化的変革が促進される。インテリジェントテクノロジーと並行してインテリジェントな学習文化を育成する組織は、単に仕事の未来に適応するだけではない。彼らはそれを形作るのである。
