いま企業で最もよく見られるパターンは、AIへの抵抗ではない。AIの混乱である。リーダーは「社員がAIを正しく使いさえすれば、効率は10倍にできる」と確信しており、成果を示せというプレッシャーが、あらゆる経営会議の会話を支配している。多くのチームが、Claude、OpenAI、Gemini、Co-Pilotといった主要モデルのサブスクリプションに投資しているが、指示は「毎日使い、うまくいったことをチームと共有せよ」以上のものが、ほとんどない。
一部の利用者は、自由が与えられれば自分の生産性を高める方法を実際に見つけている。サイロ化した形で自動化をつくったり、エージェント型のソリューションを試したりもしている。しかし、その進捗の大半は可視化されず、測定もされない。
多くの組織で、最も一般的なユースケースはいまだに、AIに汎用的な要約、アイデア出し、コピーライティングをさせることにとどまっている。人々が怠惰だからではない。何が「良いAI活用」なのかを、誰も示していないからだ。
この新しいテクノロジーから明確で測定可能な成果を得ることは、圧倒されるように感じるかもしれない。OpenClawのようなツールと自律型エージェントの「チーム」で、生活にある事務作業のすべてを自動化しているように見える人もいるからだ。しかし、そこまで難しく考える必要はない。ここでは、この新興技術に関する自分の能力を変えていくための、明確なステップを紹介する。
まず、ソーシャルメディアで「自分は使いこなしている」といった大ぶりな主張をするクリエイターのコンテンツを広く消費することから離れるべきだ。そうした主張は、しばしば特定の自己都合のアジェンダを押し出すために設計されている。そして、自分の業務という文脈の中で、実際にこれらのツールを使って実行しているプロフェッショナルや専門家とつながり始めることである。
School16のようなプログラムによる無料のライブオンライン講座では、セールス、カスタマーサクセス、プロダクト、オペレーション、マーケティングなど、特定の機能領域でAIが実際にどう使われているのかを分解して解説するヘビーユーザーが登場する。ライブ環境で参加者と対話できるため、質問を投げかけ、主張を検証し、自分にとって何が重要かについての実際の文脈が得られる。より小規模で機動的なチーム向けには、全社横断のAIエージェントを本番環境で運用している創業者が、自らのシステムを分解して共有する。これによりシステム思考を実践し、「AIネイティブ」とは実際にどういう姿なのか、そしてどこで破綻するのかを理解できる。
まだこれらのツールに慣れる初期段階にいるなら、まずは基礎を学ぶことだ。複雑なシステムをつくることや、自律型エージェントを実装することを考えてはならない。テクノロジーは、箱から出してすぐにうまく機能するほどには発達していない。エージェント型の取り組みには、慎重な設定と、長期間にわたる日々の監視が必要であり、機能するまで時間がかかる。大きなプロジェクトを小さく実現可能な部分に分解せずに引き受けようとするのと同様、一度にやりすぎれば、フラストレーションが増すだけである。
まずは、make.comやZapierのようなものを使って、AIノートテイカーと、会社から支給されたOpenAIライセンス、メールクライアントを接続する、といった極めてシンプルなことから始めるとよい。たとえば、通話メモの入力をもとに、よく練られたChatGPTのプロンプトで会議後のフォローアップメールの下書きを作成し、レビューのために下書きフォルダに入れる、という1つのタスクに絞る。
1週間ほどかけて、プロンプトと実装を微調整し、ちょうどよい形に仕上げていく。その際、品質管理のために自分が必ずループの中にいる状態を保ち、ハルシネーションを起こし得るものを安易に自動化しないようにする。いずれは、あなたの入力が少なくても、出力や品質をチェックできる他のAIツールを統合し、より高度にしていける。
最近では、AI活用と成功事例の共有を促すために、月次のハッカソンや「ランチ＆ラーン」を開催する組織もある。しかし、同じ価値を自分のために得るのに、そのような取り組みを待つ必要はない。たとえ別部門であっても、AIで何か面白いことをしていそうな社内の人を、主体的に探し出すことだ。
相手のカレンダーに時間を確保し、準備して臨むべき質問は、何をしたかだけでなく、どうやってそれを学んだのかというプロセスである。次に、自分が抱えている優先度の高い課題についてフィードバックを求め、ツールを自分で試す間、継続的に助言してもらえるかを確認する。ほどなく、他者からも認知され、助けを求められるような社内イノベーターの小さなワーキンググループに、自分が属していることに気づくかもしれない。
会社が投資しているツールを、単純な高レベルの使い方にとどめず前進させようとするなら、自分の取り組みを能動的に文書化し、実験の影響を定量化することを忘れてはならない。時間削減の測定でもよいし、パフォーマンス向上、ひいては売上成長に結びつけられるよう、後で参照可能な指標セットを設定して追跡するのでもよい。
これは、仕事を容易にするツールに関して、時間やリソースの追加投資を正当化するためだけに重要なのではない。生産性アウトプットへの懸念に悩まされている多くの上級管理職の不安を満たすためにも重要である。彼らには、こうした成果を自分たちの上司へ報告する責任がある。
さらに、自社がまだ発表していないとしても、多くの組織が、従業員の評価の一部をAIの能力と利用状況に基づけ始めている。自分の取り組みを先回りして記録し追跡しておけば、ボーナスや昇進の可能性が評価される局面で、確かなデータをもって自分を擁護できるようになる。
最後に、新しいスキルの習得はいつでも、フラストレーションや失敗、「自分は遅れている」という感覚から始まることを忘れてはならない。外部からの圧力がどうあれ、誰もが自分のペースで学び、誰もがまずは新しい学習領域における強固な土台づくりから始めなければならない。途中まででも正しく動かすために必要な手作業を、恐れてはならない。
AIを使いこなしつつある熟練オペレーターの誰一人として、その知識を生まれながらに持っていたわけではない。彼らは何時間もかけてツールを学び、ドキュメントを読み、意図どおりに動かない実装を試行錯誤し、やがて何かが腑に落ちる瞬間に至った。機能するものができた後でさえ、壊れないようにするための手作業と修正は必要である。
難しそうに聞こえるなら、そのとおり難しいのだと覚えておくとよい。しかし、最終的に得られる有用性、時間削減、このプロセスを通じて身につくスキルは、努力に値する。早期に採用することで、将来の技術進歩に先んじられるという利点が得られ、リアルタイムで培われていく専門性を求めるリーダーやマネジャーにとって、あなたは不可欠な存在となる。
免責事項：著者は、本記事で言及しているリソースであるSchool16と関係がある。
