システムはあなたの行動と手順を学習する。意思決定の内実が明確に共有されていなければ、あなたの貢献は判断ではなく、パターンとして還元されてしまう。
あなたが気づいていないのは、AIが意思決定に至る過程について抱く前提かもしれない。AIはあなたの行動を模倣しようとしても、なぜその選択をしたのかという多くの理由を取りこぼす可能性がある。すると、役割が不完全な理解にもとづく「実行」へと矮小化され、誤りを招き得る。
3. AIはあなたの修正によって改善する
高い成果を出す人は、他者の仕事を改善し、訂正し、仕上げる役回りになりがちだ。仕事の品質を高い水準に保ち、問題の拡大を防ぐ。
だが、ひとつひとつの修正がAIの学習入力になることに、気づいていないかもしれない。システムはその改善から学ぶ。あなたがいつも手を入れる仕事が以前より整った状態で届くようになり、自分の関与が中心でなくなったように見えることもあるだろう。あらゆる修正が「より良い状態とは何か」をシステムに教える。
AIは、あなたが行う各修正から学んでいる。つまり、あなたが目にする前にシステムが改善し、後工程であなたが関与する必要性を減らしていく。
4. AIはプレッシャー下での意思決定から学習モデルを構築する
あなたのあらゆる行動は、システムが問題への向き合い方を学ぶためのデータを生む。システムはあなたの活動から学習する。プレッシャー下でもアイデアを前に進める人は、そうした局面でどう対応するかの事例を、より多くシステムに与える。
AIはリアルタイムであなたの選択を取り込み、プレッシャーへの反応からパターンを構築する。適応力も、似た道筋を辿るならモデル化可能なものになる。
あなたの仕事においては、プレッシャーへの対応が反復可能なパターンへと変換され得ることを意味する。
5. AIは役割の境界内で拡張する
割り当てられたタスクだけに集中し続けると、自分の役割の周囲に明確な境界を引くことになる。その境界は、あなたの仕事がどこから始まりどこで終わるのかを、システムが正確に理解する助けになる。
似た成果を出しているのに、一方がより価値ある存在として見られているケースを筆者は見てきた。違いは仕事への向き合い方にある。片方は「任されたこと」を完了する。もう片方は仕事をより大きな成果に結びつけ、タスクを超える問いを立て、求められていないアイデアも持ち込む。
