はじめに——「教える」前に、問い直すべきこと
AIエージェントが業務を回す。それは、もはや仮定ではない。
2025年から2026年にかけて、会計ビッグ4を筆頭に、あらゆる業界でエージェント型AIの実装が加速している。文書作成、データ照合、品質チェック、レポーティング——かつて若手社員が数日をかけていた作業が、数分で完了する世界が現実になった。
この変化を前にして、多くの組織が同じ問いを口にしている。
「若手の教育を、どうすればいいのか」
問いそのものは、正しい。だが、その問いの立て方には、ひとつ見落とされがちな前提がある。
「教育をどうするか」と問うとき、私たちは無意識に、育成の対象を「若手の能力」に限定している。知識をどう教えるか。スキルをどう身につけさせるか。経験をどう積ませるか。すべて、若手個人の中に何かを蓄積させるためのアプローチだ。
それは間違いではない。だが、十分でもない。
本稿が問いたいのは、少し違う角度からの問いだ。
若手に何を「させる」べきか——ではなく、若手が「判断する」場面を、組織はどう用意しているのか。
この問いの意味が、読み進めるうちに明らかになるはずだ。
1. 「レビュー担当」になった若手たち
AIエージェントが業務を処理するようになったとき、若手社員のポジションは大きく変わった。
かつて若手は「作業の実行者」だった。膨大なデータを照合し、スライドを作り、議事録をまとめ、チェックリストを埋めた。時間はかかったが、その過程で業務の全体像が身体に染み込んだ。
いま、若手の多くは「レビュー担当」になっている。AIが出力した文書を確認し、数字の整合性をチェックし、提案内容に違和感がないかを検証する。
一見すると、これは悪くないポジションに見える。作業ではなく検証。実行ではなく品質管理。若手が、より「上流」の仕事に早く触れているように見える。
だが、現場で何が起きているかを丁寧に見ると、話は違ってくる。
ある大手コンサルティングファームのマネージャーは、こう語る。「若手にAIの出力をレビューさせると、ほぼ全員が"問題ありません"と返してくる。彼らは真面目に確認している。でも、何が問題になり得るかを知らないから、問題を見つけられない」。
これは能力の問題ではない。経験の問題だ。
データを自分で照合したことがない人間は、「数字が合わない」という状態がどんな感触を伴うかを知らない。スライドを一から構成したことがない人間は、論理の「飛び」がどこに潜むかの勘所がない。品質チェックを自分の手で行ったことがない人間は、AIが見落とすパターンを想像できない。
レビューは、経験の上に成り立つ高度な行為だ。 それを、経験の蓄積なしに若手に委ねることは、「泳いだことのない人間に、泳ぎのフォームを採点させる」ようなものだ。
ここに、最初の伏線がある。若手に「レビュー」を任せるという判断は、一体誰が、どのような基準で行っているのだろうか。
2. 育成施策の「正しさ」と「限界」
この問題に対して、先進的な組織はすでに手を打ち始めている。
たとえば、「なぜそうなるのか」を教える研修の強化。AIが出した答えの背景にあるロジックを理解させるためのプログラムだ。
あるいは、戦略的な場面への早期アクセス。クライアントとの会議や経営層とのディスカッションに、若手を早い段階から同席させる。高い視座に触れさせることで、成長を加速させようという狙いだ。
さらに、メンタリングの強化。経験豊富なシニアが若手に伴走し、思考の枠組みを伝承する。
これらの施策はいずれも合理的であり、やらないよりもやった方がいい。それは間違いない。
だが、ここで立ち止まって考えてみたい。
これらの施策はすべて、若手が「より良く判断できるようになる」ための支援だ。知識を与え、思考法を教え、視座を広げる。判断の質を高めるための働きかけ——いわば、判断を「助ける」ためのアプローチである。
支援すること自体に異論はない。問題は、その支援が前提としていることの方だ。
若手は、何を判断しているのか。
「なぜを教える」と言ったとき、その「なぜ」が紐づいている判断は、具体的に何か。研修で学んだロジックを、若手はどの場面で、どの範囲で適用することを期待されているのか。
戦略的場面に同席させたとき、若手はそこで「観察者」なのか、「判断の一部を担う主体」なのか。もし観察者であるなら、その経験はいつ、どのようにして「自分の判断」に転化するのか。
メンタリングで思考の枠組みを伝えたとき、その枠組みを「使う」場面は、若手のどの業務のどの瞬間に存在しているのか。
これらの問いに答えようとすると、多くの場合、言葉に詰まる。
なぜか。若手が判断する「場面」そのものが、明確に定義されていないからだ。
3. かつて「偶然」が育てていたもの
AI以前の世界で、若手の育成はなぜ機能していたのか。
答えは、意外なところにある。機能していたのは、育成が「設計されていた」からではない。反復作業の中に、判断を要する場面が偶然埋め込まれていたからだ。
大量のデータを照合していると、数字が合わない瞬間に出くわす。そのとき若手は、「これは自分の転記ミスか、元データの問題か、それとも報告すべき異常か」を自分で判断することを迫られた。
スライドを何度も作り直す中で、上位者が何を重視し、何を切り捨てているかの「筋」が見えてくる。その「筋」の理解は、教えられたのではなく、反復の中で体得したものだ。
品質チェックで不整合を見つけたとき、「報告するか、自分で修正するか、無視するか」という小さな分岐点が現れる。その分岐点で下した判断の結果——上司に褒められたり、叱られたり、後から問題になったり——が、若手の判断基準を形成した。
重要なのは、これらの判断機会は、誰かが意図的に設計したものではなかったということだ。反復作業という「器」の中に、たまたま入っていた。組織は、この偶然に無自覚のまま依存していた。
AIエージェントは、反復作業を引き受けると同時に、この偶然の判断機会も一緒に吸収した。
消えたのは「雑務」ではない。雑務の中に偶然存在していた、小さな判断の場面だ。
4. 「判断しているつもり」の危うさ
ここで、もうひとつの問題が浮上する。
AIの出力をレビューしている若手は、「判断している」と思っている。実際、形式的には判断を求められている。「この出力でよいかどうか」を確認し、承認する。それは判断だ。
だが、その判断がどれだけの実質を伴っているかは、別の問題だ。
たとえば、AIが財務データの異常検知を行い、「異常なし」と結論づけたとする。若手はその結論を確認し、「問題ありません」と報告する。
この若手は、判断しただろうか。
判断したと言えるためには、少なくとも「AIが見落としている可能性」を自分で想定できなければならない。そしてその想定は、自分自身が同種のデータを扱った経験——数字が合わない感触、異常値の「匂い」、見落としやすいパターンの知識——に支えられている。
経験のない状態で出力を「レビュー」することは、判断ではなく確認の儀式になり得る。本人は判断したつもりでいる。だが実際には、AIの結論を追認しているだけだ。
そして、これが最も厄介な点だが、追認は主観的には判断と区別がつかない。若手は「自分は確認した」「問題ないと判断した」と信じている。スキルが欠けていることに、本人が気づけない。
この状態を放置すれば、数年後に中堅になった元・若手が、判断の経験を積まないまま、より大きな判断を任されることになる。
問題は、若手の能力にあるのではない。若手が「判断する場面」を、組織がどう配置しているか——その設計の不在にある。
5. 問いの転換——「何を教えるか」から「どこで判断させるか」へ
ここまでの議論を整理しよう。
AIエージェントが業務を回す時代に、若手育成が直面しているのは「教え方の問題」ではない。
かつて反復作業の中に偶然存在していた判断機会が失われ、代わりに与えられた「レビュー」という役割が、判断の実質を伴わない確認作業になっている。育成施策は判断の質を高めることに注力しているが、そもそも若手が「何を、どの範囲で判断しているのか」が定義されていないため、支援の着地点がない。
つまり、問いを転換する必要がある。
「若手に何を教えるか」ではなく、「若手が判断する場面を、組織としてどう設計するか」。
この転換は、育成を「個人の能力開発」から「組織の構造設計」へと移行させる。教育の充実は引き続き重要だが、それだけでは足りない。教育が機能するためには、教育で得た知識やスキルを「使う場面」が、組織の中に意図的に配置されている必要があるからだ。
では、その「配置」をどう設計すればいいのか。
それが Decision Design（判断の設計） である。 Decision Designは、判断という行為そのものを設計対象とする思想だ。
その中心にあるのがDecision Boundary（判断の境界） という概念である。 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。
ここから先では、Decision DesignとDecision Boundaryの枠組みを用いて、AIエージェント時代の若手育成を「構造」として再設計する方法を具体的に論じる。
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。