毎年、ダボスを後にする際、頭の中で何度も再生される会話がいくつかある──必ずしも最も声高な会話ではなく、リーダーたちが表面化させているパターンだ。
今年、そのパターンは見逃しようがなかった。
昨年、AIをめぐる会話は恐怖に支配されていた。雇用喪失、混乱、人間の代替といった恐怖だ。その恐怖は消えていないが、もはや議論の中心ではなかった。今年、CEO、最高人事責任者（CHRO）、テクノロジーリーダーたちから聞こえてきたのは、はるかに実務的で、より切迫した声だった。
我々は投資した。パイロット版を試した。ツールを展開した。それなのに、なぜ期待したようなROI（投資収益率）が現れないのか？
この問いは、ウォール・ストリート・ジャーナル紙のアラン・マレー氏との対談でも、キーアナ・シュミードル氏がフィーメール・クォーシェント・ラウンジで行ったパネルディスカッションでも、そしてフィナンシャル・タイムズ・ライブのブリーフィングでも繰り返し浮上した。角度は異なれど、同じフラストレーションだ。AIは局所的には真の生産性を生み出しているが、多くの組織はその局所的成果を企業全体のパフォーマンスに転換できていない。
一部の経営幹部は数字を挙げた。70%、80%──これは、意味のあるROIをもたらしていないAI施策の割合だという。正確なパーセンテージが重要なのではない。重要なのは、あまりにも多くの企業が実験と成果の間で立ち往生しているという事実だ。
ほとんどの組織は、人々が何に取り組んでいるのか、AIがどのように機能しているのか、仕事が実際にどう遂行されているのかを依然として把握できていない。そして、AIはリーダーシップが見えないものを最適化することはできない。
こうした状況を踏まえ、ダボス2026から得た主な所見を以下に述べる。
所見1）問題はAIへの野心ではない。リーダーたちがAIを導くために使っているデータだ
ほとんどのAI戦略は、企業がすでに手元に持っているデータに基づいて構築されている。組織図、職務ファミリー、プロセスマップ、業務指標、人事評価サイクルなどだ。これらのデータは有用だが、不完全である。それらは仕事が完了した後に何が起きたかを教えてくれるものであり、組織がどう機能すべきかを示すものだ。
組織が実際にどう機能しているかを示すことは、ほとんどない。
多くのリーダーは依然として、第二次世界大戦スタイルのメンタルモデルで自社を運営している。明確な箱、明確な報告ライン、明確な引き継ぎだ。このモデルは、価値が線形で可視的なワークフローを通じて創出されていた時代には理にかなっていた。しかし、現代の価値創造は直線的には進まない。
今日、実行は非公式なネットワークに依存している。誰が誰を信頼しているか、誰が誰の障害を取り除けるか、何かが壊れたときに人々は誰を頼るか。こうした現実は、コアシステムには記録されていない。それらは電子メールのスレッド、Slackチャンネル、会議室、そして企業ツールが真に理解していない日々のコラボレーションの中に存在している。したがって、リーダーがAIに実行の加速を求めても、AIは強固で人間的な真実の源から作業していないのだ。
所見2）組織図は心地よい。しかし、極めて誤解を招くものでもある
ダボスで最も一貫して耳にしたことの1つは、次のようなものだった。我々は実際に誰が今、進歩を推進しているのかを把握していない。
リーダーは通常、公式な高業績者の名前を挙げることができる。目標を達成したチームを特定できる。どの部門が過剰な負荷を抱えているかを教えてくれる。より困難なのは、その下にある実際のオペレーティングシステムと、仕事がどこで行われているかを見ることだ。
AI変革を例に取ろう。AIは均等には展開されない。ネットワークを通じて、アーリーアダプターを通じて、ピアラーニングを通じて、実践を共有するチームを通じて、新しい働き方を強化するマネージャーを通じて広がっていく。これらのネットワークが見えなければ、AI変革を組織の運営方法の変化としてではなく、バラバラな導入の集合として管理することになる。
AI変革が停滞しているとすれば、それはテクノロジーが仕事をこなせないからではない。リーダーが（大規模に）それがどのように起きているか、どの人々がそれを推進するために立ち上がっているかを確実に見ることができないからだ。
所見3）AI時代における最も重要なシグナルは人間的なものだ──そして我々はそれを過小評価している
ここが、多くのリーダーシップチームが依然として目標を低く設定しすぎていると私が考える点だ。
ほとんどの組織における「優れたAIデータ」の現在の定義は、依然としてトランザクションに支配されている。アウトプット、稼働率、スループット、クローズされたチケット、売上高、コスト、サイクルタイムなどだ。これらの指標は重要だが、遅行指標である。すでに起きたことを教えてくれるものだ。
AIが実際にパフォーマンスを変えるかどうかを決定するシグナルは、人間的指標だ。コラボレーション、信頼、適応力、コーチング、主体性、レジリエンス、好奇心である。これらは、世界経済フォーラム（Workhumanのデータを使用）による最近の調査が、新しい仕事の時代の鍵として特定した「新しい」人間的スキルだ。
ほとんどの企業は今日、これらのシグナルとスキルを捉えるクリーンな方法を持っていない。しかし、それらを捉えなければ、強化することはできない。強化できなければ、スケールすることはできない。そして、スケールできなければ、局所的に生産性を向上させるが、決して持続的な優位性にはならないAIに終わる。
所見4）信頼の問題は業務リスクである
「AIへの信頼」はあまりにも抽象的に語られることが多いと、私は考えるようになった。従業員は責任あるAIに関するマニフェストを必要としていない。彼らが実際に知る必要があるのは3つのことだ。
- 判断はどこで依然として人間が行うのか？
- システムは何を最適化しているのか？
- 間違えたときに何が起きるのか？
人々がこれらの質問に答えられなければ、彼らは積極的に関与しない。コンプライアンスを守るかもしれない。実験さえするかもしれない。しかし、持続的な方法で働き方を変えることはない。
Workhumanにおける我々の最新のアライメント調査では、一貫したパターンが見られた。承認が企業の優先事項と結びついている場合、従業員は自分の仕事が企業が達成しようとしていることとどう結びついているかを理解していると答える可能性が129%高く、企業の優先事項に「非常に投資している」と感じる可能性が5倍高い。
リーダーが採用を望むなら、単なるツールへのアクセスではなく、人間の自信を設計しなければならない。そして自信は、あらゆるシステムにおいて信頼が構築されるのと同じ方法で構築される。透明性、フィードバック、そして明確な軌道修正能力だ。
所見5）真のブレークスルーは仕事を可視化することだ
これが、次の章を定義すると私が考える部分だ。AIは、仕事が観察可能で測定可能なときに輝く。工場のフロアは観察可能だ。コールセンターは観察可能だ。多くの業務ワークフローさえも観察可能だ。したがって、リーダーが「時間は節約しているが成果が見えない」と言うとき、答えは単に「より多くのユースケースを展開する」ではないと私は考える。
答えは「AIを、実際に成果を示す仕事のシステムに接続する」だと思う。
これが、私が承認からの人間的シグナルに繰り返し立ち戻る理由だ。人々が実際の貢献──問題解決、仕事の障害除去、危機的状況での立ち上がり、他者への指導──について互いに称賛し合うとき、ほとんどの企業が他の方法では持っていない価値創造の生きた地図が得られる。それは年に1度の評価ではない。仕事の流れの中で仲間が観察した行動だ。
一例として、Workhumanの承認データからのモデリングは、幹部レベルのリーダーを昇進の3年前に約80%の精度で予測できる。これが、AIがチーム、スキル、育成、次にどこに投資するか、誰をリーダーシップに昇進させるかについて、リーダーがより良い意思決定を行うのを支援するために必要なデータの種類だ。
要約
では、ダボス2026の私の結論は何か？
我々は、より演劇的でなく、より重大なAIの時代に入りつつあると確信している。リーダーが野心ではなく成果で判断される時代だ。そして成果には可視性が必要だ。
ブレークスルーを達成する組織は、仕事がどう起きると考えているかと実際にどう起きているかの間のギャップを埋め、その現実を尊重し、適切な行動を強化し、大規模に信頼を獲得するAIシステムを構築することで、それを実現するだろう。
したがって、今のリーダーシップの仕事は、次の波のツールを追いかけることではない。AIが複利的に成長できる条件を構築することだ。
- 自分たちの盲点について徹底的に正直になる。どこで仕事が見えないか？どこで仮定に依存しているか？その洞察をどう得るか？（ヒント：あなたの従業員は知っている。）
- 技術システムだけでなく、人的システムを計測する。アルゴリズムに夢中になりすぎて、実際に仕事を差別化しているコラボレーション、リーダーシップ、貢献の人間的シグナルを捉え損ねてはならない。
- ワークフローに信頼を設計する。判断ポイントを明確にし、フィードバックループを実際のものにし、承認を通じて優れた仕事を強化することで、人々が整合性を感じ、安心して積極的に関与できるようにする。
そして最後に、これだ。誰もが強力なAIにアクセスできるため、将来の差別化要因はツールではない。それらのツールを取り巻く人的システムであり、リーダーがそのシステムを自信を持って導くためのシグナルを持っているかどうかだ。
