Syed Ahmad氏はDPLのCEOであり、テクノロジー分野の革新者として、パキスタンのIT成長を牽引している。
過去1年間、多くの人々がAI（人工知能）を究極の企業救済策として称賛してきた。しかし、重大な皮肉が浮上している。企業が自動化を急ぐ中、より大きな警告が表面化している。今日のために最適化することで、AIは明日のブレークスルーを阻害している可能性があるのだ。
Academy of Management Journal（ウォーリック・ビジネス・スクール経由）に掲載された2026年の研究は、この点を強調している。同研究は、大規模言語モデル（LLM）が「最も人気があり、馴染みのある答え」を提供するため、主流の結果を最初にランク付けする傾向があると説明している。そのため、「アイデアのバブル」、つまりAIが一般的で安全なアイデアを優先する停滞したフィードバックループを生み出し、人間の創造性を希薄化させる可能性がある。この平凡さのサイクルは、多くの人が「AIスロップ」と呼ぶもの、つまり低品質で反復的かつ独創性のないコンテンツを生み出し、現在ウェブを飽和させている。
しかし、このテクノロジーが最も予測可能な道筋しか提供しないのであれば、なぜ未来を変革する功績がすべてAIに帰されているのだろうか。
真実は、AIはイノベーションの強力なエンジンになり得るが、それは協力的なパートナーとして使用される場合に限られるということだ。AIは超人的な規模でデータを統合し、反復を生成できるが、真のブレークスルーを認識するために必要な実体験、倫理的判断、非合理的な好奇心を欠いている。
人間の要素は依然として重要な構成要素である。
人間は「何を」の背後にある「なぜ」を提供し、AIが生成した1000のパターンのうち、どれが真に変革的な可能性を持っているかを特定する。この積極的な人間の存在がなければ、企業は驚くほど平均的なアイデアを大量に生み出すことに非常に効率的になるリスクがある。
Harvard Business Reviewで共有された研究は、長期的なイノベーションの平坦化を防ぐために人間が必要であることをさらに強調している。著者らは、「戦略的摩擦」を生み出すことで、人々がLLMに相談する前に自分自身の理解を提供すると説明した。同グループは、企業がインターフェースをゲート化し、チームがLLMに相談する前に手動のドラフトを提出することを要求したり、ユーザーが独自の考えやデータを入力するまで「生成」ボタンをロックしたりすることを提案した。このようにして、AIはビジョンを提供するのではなく、アイデアの進化を加速し、ビジョナリーな戦略家が真のブレークスルーを達成するための構成要素を確立するのに役立つ。
しかし、摩擦は必要であるが、それを生み出す人々については選択的でなければならない。目標は、AIループを意味のある進化に向けて導くことができる、建設的で型破りな洞察を持つ人々、つまり私が「反逆者」と呼ぶグループに力を与えることだ。あらゆる革新的なエコシステムにおいて、「反逆者」は不可欠な異端者である。彼らは、真の進化を引き起こすために必要な摩擦を提供する不人気な意見を抱く傾向がある。主流の現状に挑戦する彼らの型破りな視点がなければ、進歩は停滞する可能性がある。
人間の創造性がイノベーションエンジンの推進力であり続けることをさらに確実にするために、以下に戦略的摩擦を実装するために私が推奨する確実な戦略を示す。
イノベーションサンドボックスを確立する。
企業は、人々が真に平和にイノベーションを起こせる空間を作るべきだ。したがって、このサンドボックスは単なるカレンダーの招待や別のSlackチャンネル以上のものでなければならない。それは、参加者を日常的な企業機能の標準的なプレッシャーから保護する心理的かつ構造的な空間であるべきだ。チームがサンドボックスに入ったら、標準的な職務からオフグリッドにすることを許可する。これにより、深い創造的作業を殺すメンタルコンテキストスイッチングを防ぐ。
また、イノベーションを委託された個人を生産性指標、標準作業手順、従来の重要業績評価指標で判断しないことが不可欠だ。このステップに従うことで、アウトプットの測定から学習速度、つまり仮説を検証または無効化した速度の測定へとマインドセットが移行する。
イノベーションサンドボックスは、職業上の結果に関連する恐怖も排除すべきだ。サンドボックス内のプロジェクトが失敗した場合、それは関係者のキャリアの後退ではなく、成功したデータ収集演習として扱われるべきだ。
ドメインエキスパートにAI対応イノベーション施策を主導させる。
AIがブレークスルーの触媒として機能することを確実にするために、深い組織的知識と専門知識を持つ個人の手にハンドルを保持する。専門家は、AIが生成したパターンのうち、どれが実際に変革的であるかを特定するのに役立つ。ジェネラリストは許容可能なアウトプットを容認するかもしれないが、ドメインエキスパートは、アイデアのバブルを示す微妙な幻覚や派生的なロジックを見抜くことができる。
ドメインエキスパートをさらに不可欠にしているのは、彼らの暗黙知だ。暗黙知とは、長年の実体験を通じて得られた不文律の知恵であり、直感、状況認識、文化的ニュアンスを読み取る能力で構成されている。
一方、AIは明示的知識、つまり体系化、デジタル化、索引化された情報に依存している。このため、AIは手綱を与えられるのではなく、操縦される必要がある。組織の知性の多くは文書化されていない。政策立案者や業界リーダーは、公共の領域に決して到達しない不文律や私的なコミュニケーションの枠組みの中で活動することが多い。したがって、AIは真に情報に基づいた分析に必要な独自のニュアンスにアクセスできない。
プロンプティングからキュレーションへ移行する。
イノベーションは、プロンプティング（AIをタスクワーカーとして扱う）からキュレーション（AIをスパーリングパートナーとして扱う）への移行から生まれる。
これを達成するために、ドメインエキスパートは最も洗練された仮説を提供し、AIに失敗点を見つけるよう命令する必要がある。これにより、モデルは人気のあるアドバイスから離れ、あなたのドメインの特定の変数に向かう。高密度でニッチなコンテキストを提供することで、一般的なパターンを上書きし、AIをトレーニングデータのエッジに向かわせる。
さらに、専門家はモデルの予測経路を破壊するために意図的な非合理性を導入すべきだ。LLMは確率に基づいてトレーニングされているため、自然に平均的または安全な答えに引き寄せられる。したがって、これを打破するには、標準的な業界ロジックフィルターをバイパスする必要がある。その結果、モデルはトレーニングデータの異なる部分から応答を統合する。
最後に、複数の矛盾する視点を同時に要求する。ドメインエキスパートがプロセスを主導することで、彼らはユニークな洞察を検出し、その糸をさらに引っ張ることができる。
したがって、AIが平均的なアイデアを通じて企業を過去に固定する前に、有能な人間をイノベーションプロセスに迅速に統合することが不可欠だ。彼らの専門知識は、人間の直感、倫理的ニュアンス、ドメイン固有の懐疑論が存在するLLMのエッジにアクセスするのに役立つ。
