判断が静かに消える組織

ある会議室の異変

数年前、ある製造業の経営会議に同席したことがある。

議題は、主力事業の撤退判断だった。事前にAIを用いた市場分析レポートが配布されていた。精緻なデータ、明確なシナリオ分岐、リスクの定量評価。資料としては申し分なかった。

会議が始まると、出席者はそのレポートを前に、順番に意見を述べた。ただし、その「意見」の大半は、レポートの要約だった。あるいはレポートに書かれた結論への同意表明だった。

40分ほどで合意が形成され、撤退が決定された。

あとから振り返って気づいたのは、あの会議室で起きていたことの本質が「判断」ではなかったということだ。出席者は誰一人、レポートが前提としていた市場仮説を問い直していなかった。競合の意図を独自に読み替えていなかった。AIが提示しなかったシナリオの可能性を検討した者もいなかった。

全員が優秀で、全員が誠実だった。

そして全員が、自分たちが判断していないことに気づいていなかった。

この話を、少し覚えておいてほしい。

「AIで差がなくなる」という誤診

「すべての企業が同じAIモデルを使えば、競争優位は消失する」

最近、こうした議論をよく目にする。英語圏のビジネスメディアでも、日本のテック系メディアでも、この論調は広がっている。ロジックは明快だ。同じ基盤モデルを使い、同じようなプロンプトを投げ、同じような出力を得る。道具が同質化すれば、結果も同質化する。だから差がなくなる。

この懸念は理解できる。

ただし、診断が間違っている。

AIの導入によって消えるのは、競争優位そのものではない。消えるのは、「競争優位がどこに宿っていたかの可視性」だ。

多くの組織にとって、そもそもその可視性は高くなかった。自社の強みがどこにあるのかを、構造として把握していた企業はそう多くない。プロダクトの品質、顧客との関係性、意思決定のスピード——よく挙がる「強みの源泉」は、たいてい結果の記述にすぎない。それを生み出している判断の構造を、設計対象として扱っている組織は極めて少ない。

AIの導入は、この不可視性を加速させる。なぜか。

圧縮装置としてのAI

AIが組織に対して行っていることを、もっとも正確に表現するなら、「圧縮」だろう。

AIは考えない。圧縮する。

市場データ、消費者行動、法規制の動向、過去の事例——広大で曖昧な情報の領野を、人間が操作可能な形に圧縮して差し出す。この圧縮は強力だ。これまで数週間を要した予備的分析、パターンの抽出、文書の統合、シナリオの生成といった作業を、劇的に短縮する。

しかし、これらの作業にはひとつの共通点がある。

それらは「判断の準備」であって、「判断そのもの」ではない。

AIを圧縮装置として導入するとき——これが導入の最も誠実な定義だ——組織は意思決定の必要性をなくすのではない。意思決定を迫られる瞬間の到来を加速させるのだ。

問いから決定点までの距離が、かつてないほど短くなる。

そしてまさにこの圧縮された空間において、構造的な問いが浮かび上がる。

AIが組織を判断の閾値まで瞬時に連れてくるとき、その閾値を越えるのは誰なのか。どんな権限で。どんな基準で。そして——おそらく最も重要な問いとして——その閾値を越える能力が、組織の中にまだ残っているのか。

境界線が溶ける

あらゆる組織には、明示的であれ暗黙的であれ、「委ねる判断」と「自ら保持する判断」を分ける線がある。

AI以前、この線はプロセスや階層や組織の慣習に埋め込まれていた。若手の分析をベテランが精査する。委員会が推薦案を議論してから取締役会に上げる。本社のアルゴリズムが示した配分を、現場の部門長が地域事情に基づいて上書きする。

これらは効率化のプロセスではなかった。境界線だった。どこまでが委任された分析で、どこからが組織固有の判断なのかを、実質的に規定する構造だった。

AIの導入が設計なく進むとき、この境界線は侵犯されるのではない。

溶解する。

その溶解は静かだ。宣言も警告もない。あるチームが、AIの生成した要約をそのまま報告書に使い始める。ある戦略提案が、モデルの出力が包括的に見えたという理由で採用される。四半期レビューが、誰も独自に検証していないAI合成データに基づいて進行する。検証が不可能だからではない。圧縮された速度が、検証を「不要」に見せるからだ。

いずれのケースでも、誰も意識的に判断を手放してはいない。境界線が移動したのだ。内側に。静かに。誰も測ろうとしなかった海岸線が、知らぬ間に後退するように。

そして厄介なのは、この溶解が業績指標には現れないことだ。むしろ、短期的には指標が改善することすらある。意思決定のリードタイムは短縮される。レポートの精度は上がる。会議の時間は減る。あらゆる数値が「AIの導入は成功している」と告げる。

しかし、それらの指標は「判断の質」を測っていない。「判断の存在」を測ってすらいない。測っているのは、圧縮の効率だ。

見えにくい空洞化

こうして起きる現象を、「組織の空洞化」と呼ぶ。

組織の空洞化とは、公式的な構造——肩書き、レポートライン、ガバナンス文書——はそのまま維持されながら、それらの構造が守るはずだった実質的能力が失われていく状態を指す。

組織図は存在する。承認フローも機能している。しかし、そこを流れる「判断」は、すでに別の場所で——制度的責任を負うように設計されていないシステムによって——完了している。

空洞化した組織は、無能ではない。脆いのだ。

通常の状況下では問題なく機能する。圧縮された出力は、大半の場面では十分に的確だからだ。しかし、想定外の状況——モデルが学習していない事態、前例のない判断が求められる局面——において、組織は崩壊する。内部に、その状況を自力で判断できる人間が残っていないからだ。

日本の組織にとって、この空洞化はとりわけ見えにくい。なぜなら、日本の意思決定文化には「合意形成」という強力な外殻があるからだ。稟議、根回し、全会一致——これらの慣行は、判断のプロセスが存在するという外観を維持する。たとえそのプロセスの中身が、AIの出力を順番に確認して異議なしと記す作業に変わっていたとしても。形式が実質の消失を隠蔽する。これは日本の組織に固有のリスクだ。

では、空洞化はどうすれば察知できるのか。

財務指標には現れない。組織図にも反映されない。しかし、いくつかの兆候は、注意深く見れば観察可能だ。

• 会議での発言が、配布資料の要約に終始している

• 「AIの分析ではこうなっています」が、議論の終着点になっている

• 現場の直感や経験に基づく異論が、データの裏付けがないという理由で退けられる

• 判断を求められた管理職が、まずAIに追加分析を依頼する

• 新任マネージャーが、前任者の判断基準を説明できない

• 「なぜこの判断をしたのか」と問われたとき、プロセスではなくツールの名前が返ってくる

これらはいずれも、それ単体では問題に見えない。効率的にすら見える。しかし、三つ以上が同時に観察される組織では、判断の境界線はすでに溶解が始まっている可能性が高い。

冒頭で紹介した会議室を思い出してほしい。

あの場で起きていたのは、まさにこれだ。レポートは正確だったかもしれない。撤退判断は正しかったかもしれない。しかし、あの会議室には「判断」がなかった。あったのは、圧縮された出力に対する集団的な追認だった。そして、追認と判断の違いに気づいている人間は、あの部屋に一人もいなかった。

問題は、同じことが今、無数の会議室で起きているということだ。

しかもその大半は、この記事を読んでいる方の組織でも、すでに始まっている可能性が高い。

ここで問われるのは、「AIを導入すべきか否か」ではない。そんな問いはもう意味をなさない。

問われているのは、こうだ。

判断の境界線を、設計対象として扱っているか。それとも、導入速度の副産物として、無自覚に漂流させているか。

この問いに答えないままAIを導入することは、構造なき改修に等しい。

そして、この問いに構造的に答える方法がある。

それがDecision Design——判断の設計という考え方だ。

詳細版について

本稿は、公開範囲を基に構成したInsynergyの日本語サイト版です。詳細な議論と実装上の考察はnoteの詳細版で解説しています。