学期が始まって8週間が経過した頃、私のビジネス分析実習クラスで予期せぬ出来事が起きた。
学生チームは学期の早い段階で基礎的な演習を完了していた。クライアントの課題に対するイシューツリーを構築し、広範なビジネス上の課題を構造化された調査ラインと初期仮説に分解するというものだ。典型的なコンサルティング業務である。構造化された思考を可視化する作業だ。チームはAIの使用を開示すれば利用できた。約半数が利用した。
AIを活用した提出物は素晴らしかった。論理は明快で、構造は堅固、仮説も妥当だった。過去の基準で評価すると、多くがこのコースで過去最高レベルにランクされた。
そして、チームが実際のクライアントに予備的な調査結果を発表した。結果は逆転した。
洗練されたAI支援のイシューツリーを作成した学生たちは、根底にあるビジネス課題を説明するのに苦労した。調査結果は的外れになり、提案には一貫性が欠けていた。一方、当初の成果物が粗削りに見えた学生たちは、より効果的に追跡していた。彼らには1つの優位性があったようだ。自分自身で課題と格闘していたのだ。
AIは成果物の質を向上させたが、思考の質は向上させなかった。
この違いは教育上の問題だけではない。ビジネス上の問題なのだ。
能力格差
大学におけるAIに関する議論の多くは、依然として不正行為、盗用検出、ポリシー遵守を中心に展開されている。しかし、これらの議論はより重大な混乱を見逃している。生成AIは、私たちのシステムがいかに頻繁に洗練された成果物と真の理解を混同しているかを露呈しているのだ。
そして、この問題は卒業で終わらない。
組織におけるAIの議論は、生産性の向上に焦点を当てることが多い。1時間あたりの生産量、自動化されたタスク、削減された人員などだ。これらは現実のものだ。しかし、不正行為への懸念や効率性指標の下で、より微妙な混乱が起きている。
29カ国の雇用主を対象とした2025年の調査によると、高等教育がAI主導の未来に向けて卒業生を適切に準備していると考える雇用主はわずか3%だった。この格差には特定の形がある。それは技術リテラシーの問題ではない。状況が変化したときに判断を下す能力、提案を擁護する能力、分析を適応させる能力、あるいはAIが間違っていることを認識する能力の問題なのだ。
生成AIは、この時代を定義する組織リスクとなり得るものを生み出している。それは能力の錯覚だ。チームは今や、プレゼンテーション、分析、戦略的フレームワークといった高度に洗練された成果物を、プレッシャーの下でその成果物を擁護できるような理解を深めることなく作成できる。AI生成の成果物で溢れる職場は、流暢さを専門知識と勘違いし始めるかもしれない。ハーバード・ビジネス・レビューの調査によると、研究者が「AI生成の仕事のゴミ」と呼ぶものを受け取った人の3分の1が、送信者と再び仕事をしたくないと報告している。スピードと洗練は判断力と同じではない。
パックは動いている。2025年のマッキンゼーの調査によると、51%の組織が生成AIによってエントリーレベルの役割の必要性が減少していると報告している。まさに判断力が伝統的に構築されてきた役割だ。これは単なる採用トレンドではない。能力パイプラインの問題なのだ。成果指標を追い続ける高等教育機関や組織は、ゲームがかつて行われていた場所に到着することになる。
教室が明らかにすること
実際のクライアントとの環境は、どんな試験よりも早く格差を可視化する。学生は紙の上でAI生成の提案を提出できる。しかし、クライアントがフォローアップの質問をしたり、新たな制約を導入したり、リアルタイムで前提に異議を唱えたりするとき、その提案を擁護することははるかに困難になる。
実際の状況が評価となる。
これは教育の価値と仕事そのものの価値を変える。これが、AI時代において体験型学習が重要性を増している理由だ。
ウェイク・フォレスト大学では、ChatGPTが登場する前から、プロジェクトベースおよび体験型学習を拡大していた。しかし、AIは戦略的計画では決してできなかった方法で教員の採用を加速させた。体験型学習に懐疑的だった教員は、突然新たな現実に直面した。情報伝達を中心に構築された課題は、ほぼ一夜にして価値を失っていた。プロジェクト、クライアント業務、口頭弁論、ライブ批評、振り返りは、充実というよりもインフラのように見え始めた。
体験型学習は異なるモデルを提供した。浅い理解が非常に迅速に可視化され、洗練された成果物で覆い隠すことができないモデルだ。
長年にわたり、高等教育は主に成果物の作成に対して学生に報酬を与えてきた。エッセイ、レポート、プレゼンテーション、スライドデッキなどだ。生成AIは、これらの成果物を作成する難易度を劇的に低下させた。問題はもはや成果物が存在するかどうかではない。問題は、学生が状況が変化したときにそれを擁護し、適応させ、適用できるほど十分に理解しているかどうかだ。同じ変化が労働力全体で展開されている。
新しいチームワーク
今学期、私たちは学生のためにAIチームメイトを試験的に導入した。プロジェクトチームは、正式なプロジェクトの役割を割り当てられたAIエージェントと協力し、共有ドキュメントへのアクセスと成果物への貢献の責任を持った。私たちが発見したのは、チームワークや作業負荷の削減ではなかった。それはまったく異なる種類のチームワークだった。
AIチームメイトを管理するには、ほとんどの学生がこれまで求められたことのない調整規律が必要だ。セッション間でコンテキストを維持し、責任を明確にし、AIが行動できるように決定を文書化し、作業が進化するにつれて優先順位を継続的に更新することだ。AIチームメイトを受け入れたチームは、より多くのことを成し遂げ、より組織化されていた。AIは成果物に有意義に貢献した。しかし、AIができなかったのは自己管理だった。
この発見は重要だ。なぜなら、一般的な前提に異議を唱えるからだ。AIは単に調整作業を取り除くわけではない。多くの場合、それに対するプレミアムを高めた。
これは、AIが成果物の生成を容易にするにつれて、より価値が高まる能力を指し示している。IQやEQを超えて、複雑なプロジェクト環境での成功は、私が「デリバリー・クオーシェント（遂行指数）」と考えるものにますます依存している。仕事を調整し、曖昧さの中で明確さを維持し、状況が動的なときに確実に実行する能力だ。知性ではない。感情的知性でもない。運用上の説明責任だ。
著作権の問題
生成AIは、数十年にわたって教育と仕事を組織してきた2つの前提を不安定にしている。努力が学習と相関し、生産が理解と相関するという前提だ。それは両方を同時に動揺させた。
しかし、独創性は消えていない。移行したのだ。
誰が問題を組み立てたのか。誰が競合する道を評価したのか。誰がAIが見逃したものを認識したのか。誰が状況が変化したときに提案を適応させたのか。誰がプレッシャーの下で最終的な判断を擁護できるのか。
これらは価値を決定する問いとなりつつある。そして、これらはAIが誰かに代わって答えることができない問いなのだ。
結論
これをうまく乗り切る機関や組織は、AIの使用を最も積極的に制限する組織ではない。AIが複製できない能力、すなわち判断力、文脈的推論、適応性、実際の環境における説明責任を中心に、仕事と学習を再設計する組織だ。
知識が安価になると、判断力は高価になる。AIは人間の専門知識の必要性を排除しているのではない。専門知識が実際に何を意味するのかの基準を引き上げているのだ。
能力の錯覚は学生の問題ではない。高等教育の問題でもない。それは組織の問題だ。仕事が完了してから8週間後、誰かがクライアントの前に立って自分が構築したものを説明しなければならないときに現れる問題だ。
その瞬間は自動化できない。そして、偽ることもできない。
シャノン・マッキーン氏は、ウェイク・フォレスト大学ビジネススクールの実務教授兼体験型学習・イノベーション担当エグゼクティブディレクター、ウェイク・フォレスト体験型学習イニシアチブの共同議長、体験型プロジェクトベース教育リーダーズの議長を務める。AI、体験型学習、ビジネス、高等教育における制度変革の交差点について執筆している。
