アクセンチュアのAI利用監視が映し出す、もうひとつの問い
2026年2月、英フィナンシャル・タイムズ（FT）がひとつの報道を出した。
コンサルティング大手のアクセンチュアが、幹部社員のAIツール利用状況を週次で追跡し始めた。対象はアソシエイト・ディレクターやシニアマネージャー。AIツールへのログイン頻度が、夏の昇進判断における「可視的なインプット」になると社内メールで通達されたという（Financial Times, 2026年2月19日 / CNBC）。
78万人を擁するこの組織は、すでに55万人以上に生成AIの基礎研修を施している。CEOのジュリー・スウィートは2025年9月の決算説明会で、AIに適応できない社員を「exit（退出）」させると明言した（The Irish Times, 2026年2月19日）。
ニュース自体は、驚くほどの話ではないかもしれない。
クライアントにAI変革を提案する企業が、自社での活用を推進するのは当然だ。利用状況を可視化し、評価に組み込む。マネジメントの教科書的な手順とも言える。
だが、この報道に触れたとき、ひとつの違和感が残った。
「監視」という言葉が覆い隠すもの
日本経済新聞はこの報道を「AI利用状況を監視」と見出しに取った（日本経済新聞, 2026年2月20日）。
「監視」。
この言葉には、どこか窮屈な響きがある。しかし、私が引っかかっているのは「監視」という言葉そのものではない。利用頻度を計測すること自体が問題だとも思わない。
問題は、もっと静かな場所にある。
ここで測定されているのは「AIにログインした回数」だ。「AIを使って何をしたか」ではない。少なくとも、報道されている範囲ではそうだ。
つまり、可視化されているのは「量」である。
頻度。接触回数。ツールとの接点の多さ。
もちろん、量が増えること自体は悪くない。触れる機会が増えれば、使いこなしの感覚は育つ。だが、量の計測だけでは見えないものがある。
量を測ることと、判断を設計すること
たとえば、ある社員が毎日AIツールにログインし、レポートのドラフトを生成させていたとする。
別の社員は週に一度しかログインしないが、クライアントへの提案の根幹に関わる判断を、AIと対話しながら構造化していたとする。
ログイン頻度で測れば、前者が「AI活用人材」になる。
だが、組織にとって本当に重要なのはどちらか。
ここに、利用量の可視化と、判断の設計の間にある断層がある。
評価軸が変わるとき、組織の行動が変わる
組織行動論には古くから知られた原則がある。「測定されるものが最適化される」。
ログイン回数が昇進のインプットになるなら、合理的な社員はログイン回数を増やす。意味のある使い方かどうかは別として、まず「使う」ことが目的化する。これは非難すべきことではない。評価制度がそう設計されている以上、そうなるのが自然だ。
問題は、その評価制度が何を誘導しているかだ。
「AIをどれだけ使ったか」を評価するということは、利用そのものに価値を置いている。だが、AIは道具だ。道具の利用頻度は、その道具で何が成し遂げられたかとイコールではない。
ここで考えたいのは、アクセンチュアへの批判ではない。むしろ、この巨大組織が直面している困難の正体だ。
報道によれば、シニア層ほどAI導入に抵抗が強い。Big Fourの幹部たちも同様の課題を抱えており、ある幹部はそれを「せっつく（chivvying）」ような作業だと表現している（Financial Times, 2026年2月19日）。
55万人を研修し、パートナーシップを組み、ツールを展開した。それでもなお、上位層がAIを使わない。だから、ログインを追跡し、昇進に紐づける。
これは「アメとムチ（carrot and stick）」のアプローチだと報じられている（同上）。おそらく、そのとおりだろう。
だが、「アメとムチ」が有効なのは、行動の方向が明確な場合だ。「AIを使え」という方向は見える。しかし、「AIを使って何を成し遂げるべきか」は、この施策からは見えてこない。
HITL（Human in the Loop）の限界
ここで多くの人が思い浮かべるのは、HITL——Human in the Loop——だろう。
AIの出力を人間が確認し、最終判断を下す。この構造があれば安全だ、という前提。
だが、HITLには構造的な限界がある。
AIの出力を確認する人間は、すでにAIの出力にアンカーを下ろしている。白紙から判断する場合とは、認知の構造が違う。「否定する理由がないから承認する」という消極的承認が常態化しやすい。
さらに、形式的に「確認した」ことと、実質的に「判断した」ことは同じではない。HITLは人間がループの中にいることを保証するが、その人間が何を判断し、何に責任を持っているかについては沈黙している。
利用量を追跡しても、このループは設計されない。
まだ語られていない問い
そして、ここにまだ語られていない問いがある。
AIを使うことと、AIとの間に判断の境界線を引くことは、まったく別の行為だということだ。
アクセンチュアの施策は、利用を促進する仕組みだ。世界最大級のコンサルティングファームですら、AIの利用を促すために「ログインの追跡」と「昇進への紐づけ」という手段を選ばざるを得なかった。なお、欧州12カ国の社員と米国連邦政府案件担当部門はこの施策の対象外とされている（TechRadar, 2026年2月19日）。
裏を返せば、それほどまでに「AIをどう使うか」の判断構造は、組織の中で設計されていなかったということでもある。
道具は配られた。研修も施された。
だが、「誰が、どの場面で、どこまでをAIに委ね、どこからを自分の判断として引き受けるのか」という構造は、まだ設計されていない。
利用を促進しても、この構造は生まれない。ログインを追跡しても、この構造には触れられない。
組織が本当に設計すべきは、AIの使い方ではなく、判断そのものの構造だ。
私はこれを Decision Design（判断の設計） と呼んでいる。
判断という行為そのものを設計対象とする思想だ。どの判断を人間が担い、どの判断をAIに委ねるのか。その配分を、暗黙の慣行ではなく、意図的な設計として組織の中に据えること。
その中心にあるのが Decision Boundary（判断の境界） という概念だ。誰が決めるのか。どこまでを任せ、どこからを引き受けるのか。その線を、無自覚のまま放置せず、意図的に設計すること。それがDecision Designである。
この境界が設計されないまま、AIの利用量だけを追いかけることは何をもたらすのか。ここから先は、その構造的なリスクと、具体的に何を設計すべきかについて論じたい。
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。