ジャネット・M・ハーヴェイ氏は、inviteCHANGEの最高経営責任者（CEO）兼創業者であり、ジェネレーティブ・ホールネス・リーダーシップを通じて企業パフォーマンスの向上を推進している。
多くの組織が、採用、業績管理、予測、戦略的意思決定にAI（人工知能）を統合している。そこには、テクノロジーが我々をより客観的に、より効率的に、そしてより偏見の少ない存在にしてくれるという静かな前提がしばしば存在する。
しかし、私の経験では、規模の拡大は倫理的な弱点を是正するのではなく、その影響を増幅させる傾向がある。AI導入とリーダーシップの意思決定に関するコーチング業務を通じて、組織がテクノロジーに起因すると考える結果は、多くの場合、既存の文化的・倫理的状況の反映であることを一貫して目の当たりにしてきた。
テクノロジーは既存の文化を加速させる
AI（人工知能）システムは3つの要素を反映する。
• 学習に使用されたデータ
• 設計と展開に組み込まれた価値観
• 使用を監督するリーダーの判断
マサチューセッツ工科大学（MIT）スローン経営大学院の研究は、AIシステムが過去のデータに存在する生産的かつ問題のあるパターンを継承することを繰り返し示してきた。過去の意思決定に偏見や一貫性の欠如が反映されていた場合、AIはそれを中和するよりも、むしろコード化する可能性がはるかに高い。過去のデータに存在する生産的でありながら問題のあるパターンは、偏見の複製を技術的な欠陥ではなく、システミックリスクにしている。
私が観察してきたところでは、リーダーシップが一貫性のない説明責任を容認し、評価における偏見を許容し、誠実性よりもパフォーマンスを優先する場合、AIはそうした傾向を、どんな人間のチームよりも速く組み込むことができる。したがって、AIシステムを展開する前に、リーダーはどのような前提が置かれ、どのようなトレードオフが受け入れられ、どのような偏見が過去に社内で問題視されずにきたかを問うべきである。
例えば、ある企業が文化的貢献よりも収益創出を重視し、その後、過去の業績データに基づいて昇進経路を最適化するためにAIを展開した場合、システムはそのアンバランスを強化する可能性が高い。かつては文化的な漂流だったものが、成文化されたプロセスになる。このように、テクノロジーは倫理的な盲点を生み出すだけでなく、それを産業化することもできる。
スピードは内省を減少させる
AIは意思決定を拡大するだけでなく、加速もさせる。そして、速度は行動を変える傾向がある。科学誌Scientific Reportsに掲載された時間的プレッシャー下での意思決定に関する研究は、スピードが増すにつれて、個人は価値観に基づく行動が減り、選択をより頻繁に繰り返すことを示している。原則は衝動に道を譲り、熟考は減少する。
私は、この力学が組織内で特に顕著になり得ることを発見してきた。ダッシュボードはリアルタイムで更新される。パフォーマンスフラグは自動的にトリガーされる。予測モデルは即座に推奨事項を生成する。意思決定が速く動くほど、識別のための時間は少なくなる。本能が原則を覆すほど、倫理的な近道が効率的に見える可能性が高まる。
自動化された採用フィルターを考えてみよう。AIモデルは数秒で候補者プールを絞り込むかもしれない。それでも、基礎となる基準が能力よりも血統を、多様性よりも類似性を優先する場合、組織のリスクは、リーダーがスピードを公平性と誤解する可能性があることだ。私の経験では、内部的な整合性のない速度は、受け入れられた方針や原則からの逸脱を増加させる傾向がある。その逸脱はしばしば微妙だが、段階的かつ倫理的に損害を与える可能性がある。だからこそ、リーダーがプレッシャーが高まる状況に注意を払い、「我々の組織の意思決定を支配しているのは、方針か、それとも衝動か」と継続的に問うことが重要である。
体現されたリーダーシップをカウンターウェイトとして使用する
マッキンゼーの研究は一貫して、ガバナンス、監視、人間の判断を、AI導入の成功したリスク管理における重要な差別化要因として強調している。組織がAIをうまく活用したいのであれば、どのツールを使用するかを超えて、成熟した倫理的なリーダーシップ文化が整っていることを確認することに焦点を当てるべきである。それは、リーダーが行動する前に一時停止し、曖昧さの下で自己を規制し、緊急性とプレッシャーを区別し、シグナルとエゴを分離する文化である。これらはすべて、体現されたリーダーシップの例である。
自分が体現されたリーダーシップを例示しているかどうかをどのように知ることができるだろうか。まず、自分自身に次の質問をすることから始めよう。
• モデルが人員削減を推奨する場合、最適化にデフォルトするのではなく、前提を精査しているか。
• 予測分析が「低パフォーマー」を特定する場合、非難を割り当てる前にシステミックな文脈を検証しているか。
• 自動化が効率を高める場合、誠実性が生産量と並んで拡大することを確認しているか。
3つの質問すべてに「はい」と答えた場合、あなたはすでに正しい道を歩んでいる。そうでない場合は、これらの例を使用して、リーダーシップスタイルと組織の文化を変え始めることができる。
整合性を戦略的優位性として使用する
現在のAI競争には競争上の誤解がある。それは、優位性が主に最速の採用者に属するというものだ。実際には、私は優位性がより頻繁に最も整合性のある採用者に属することを発見してきた。組織の文化が、AI出力から見たい倫理と結果と整合していることを確認したい場合、ここに始めるためのいくつかの方法がある。
AI展開前に明確な倫理的ガードレールを定義する
実際には、これはシステムが最適化できるものと、妥協してはならないものを明示的に文書化することを意味する。私はリーダーシップチームに、問題が発生した後ではなく、モデルを訓練する前に、譲れないもの（例：公平性の閾値、透明性の基準）を定義するようアドバイスしている。
組織のデータ入力と文化的前提を監査する
技術的監査を超えて、過去のデータが実際に何を表しているかを検証する。自分自身とチームに、「どのような行動が報われたか。誰が除外されたか。どのパターンがパフォーマンスではなく偏見を反映しているか」と問いかけよう。このステップは、データセットが中立的な入力ではなく、文化的な遺物であることを明らかにするかもしれない。
自動化されたシステムに一時停止ポイントを組み込む
すべての意思決定が機械の速度で動く必要はない。倫理的リスクが最も高い瞬間に、人間によるレビューの閾値やエスカレーショントリガーなど、意図的な摩擦を導入する。私の経験では、これらの一時停止ポイントこそが、自動化ではなく判断が長期的価値を生み出す場所である。
デジタルリテラシーを超えた識別力でリーダーシップチームを訓練する
技術的リテラシーだけでは十分ではない。リーダーは、出力に疑問を呈し、曖昧さを解釈し、プレッシャー下で自分自身の反応を規制するように訓練されるべきである。私はしばしばこれを意思決定の衛生を強化することとして位置づけている。つまり、システムを信頼すべき時と、それに挑戦すべき時を知ることである。
AIは増幅器である。それに与えるデータが明確性、説明責任、誠実性に基づいている場合、AIはそれらの特性を拡大できる。それらが脆弱である場合、AIはその弱点を拡大する可能性が非常に高い。まず倫理的に整合した文化を創造することに焦点を当て、AIツールが強みを増幅できるようにしよう。
