AIで本当に業務は爆速化しているのか？
圧倒的な効率化の裏で始まった、企業という仕組みそのものの崩壊
以前の記事：ACStudio HPへ
AIを使い始めてから、仕事が速くなった。
メールの下書きは数秒でできる。
長い会議の議事録は一瞬で要約できる。
調査、分析、資料作成そして、コーディングまで、以前とは比べものにならないほど速い。
さらに、これまでなら「わざわざ人に頼むほどではない」と諦めていた小さな業務改善も、自分で実行できるようになった。
一人ひとりの仕事を見る限り、AIによる生産性革命はすでに始まっている。
ところが、会社全体を見ると、奇妙なことが起きている。
資料は増えた。
提案も増えた。
社内ツールも増えた。
分析も増えた。
AIエージェントも増えた。
それらを確認する人、管理する人、統合する人、責任を持つ人の仕事も増えている。
社員一人ひとりは速くなった。
しかし、会社という仕組みは、以前より複雑になっていないだろうか。
これはAI導入の失敗ではない。
むしろ逆だ。
AIによる効率化が成功したからこそ、従来の組織が処理できなかった量の仕事、成果物、判断、システムが生まれ始めている。
企業はいま、AIを導入する実験だけをしているのではない。
人間とAIが一緒に働くとき、会社そのものをどう設計すればよいのか。
まだ誰も正解を知らない、壮大な実験に踏み込んでいる。
AIは仕事を減らしているのではない
AIの成果は、よく「何時間削減できたか」で語られる。
3時間かかっていた資料作成が10分になった。
半日かかっていた調査が1時間で終わった。
テストやコードレビューが速くなった。
もちろん、これは大きな成果だ。
しかし、削減された時間が、そのまま個人の余暇にはならない。
資料を作る時間が3分の1になれば、多くの人は仕事を3分の1だけして帰るのではない。
資料をさらに作る。
調査が速くなれば、これまで調べなかった関連情報まで調べる。
コードを書きやすくなれば、従来なら費用対効果が合わなかった、小さな社内ツールや自動化も作る。
AIは、既存の仕事を圧縮すると同時に、これまで存在しなかった仕事を生み出している。
あるAI企業の社内調査でも、AIを利用した仕事の一部は、AIがなければ以前は実施されなかったものだったと報告されている。追加分析、探索的な調査、小規模な改善、社内ツールの開発など、従来は時間やコストを理由に見送られていた活動が可能になっている。
したがって、AIを「仕事を減らす装置」とだけ理解するのは正確ではない。
AIは、組織が実行できる仕事の総量を増やす。
より正確には、
AIは、組織の生産能力を膨張させる装置である。
これは大きな可能性を感じることではある。
しかし同時に、組織にとって大きな負荷でもあることを見逃してはいけない。
なぜなら、AIによって増えるのは、必ずしも顧客のための価値ではないからだ。
資料、報告書、分析、提案、コード、会議メモ、社内アプリ、AIエージェント、判断材料。
企業内を流通する「あらゆる中間成果物」が増えていく。
作る能力は増える。
しかし、増えたものを選び、統合し、承認し、維持し、責任を負う能力まで、自動的に増えるわけではない。
個人の生産性と、組織の生産性は違う
例えば、10人の社員が、毎週1本ずつ提案を作っていたとする。
管理職には、週に10本の提案が届く。
AIの導入によって、一人が週3本の提案を作れるようになった。
個人の生産量は3倍だ。
管理職には週30本の提案が届く。
しかし、管理職の読む速度、判断力、責任能力まで、同じ瞬間に3倍になるわけではない。
しかも、AIが作った提案は文章も構成も整っている。
以前なら、一目で粗いと分かった案も、それなりに完成して見える。不要な案を捨てるためにも、内容を読まなければならない。
現場の作成時間は短くなる。
その一方で、比較、レビュー、承認、選別の負荷は増える。
ここに、AI時代の重要な逆説がある。
AIは「作る能力」を増幅するが、「選ぶ能力」や「責任を引き受ける能力」は自動的には増幅しない。
個人の生産性は、担当する作業をどれだけ速く処理できるかで測れる。
組織の生産性は、それだけでは測れない。
組織では、複数の人や部署が作ったものを統合し、優先順位を決め、実行し、最終的な成果へ変えなければならない。
資料を速く作れることと、良い意思決定ができることは違う。
アイデアを大量に出せることと、実行すべきアイデアを選べることも違う。
AIアプリを作れることと、安全に運用し続けられることも違う。
個人の効率化を足し合わせても、そのまま組織全体の効率化にはならない。
この問題はAI以前から存在していた。
しかし、AIが、そのズレを認識させ一気に拡大している。
会社の中で、静かな混乱が始まる
「組織的混乱」と聞くと、大規模なシステム障害や情報漏洩を想像するかもしれない。
しかし、AIによる混乱は、もっとタチがわるい。
システムは動いている。
社員も仕事をしている。
資料も増えている。
会議も行われている。
表面的には、以前より活発な会社に見える。
その裏で、社内の仕組みや判断の全体像が、少しずつ見えなくなっていくのである。
同じ目的のAIが、社内の至るところで作られる
AIエージェントやノーコード型の開発環境が普及すると、専門的な開発経験がない社員でも、小さな業務ツールを作れるようになる。
営業メールを作るAI。
会議を要約するAI。
顧客情報を整理するAI。
契約書を確認するAI。
社内文書を探すAI。
一つひとつは合理的だ。
誰かが実際の業務課題を見つけ、自分で解決している。
問題は、同じようなものが、部署やチームごと、また個人ごとに自由に作られてしまうることである。
似た商談要約AIが複数存在する。
参照するデータが違う。
プロンプトが違う。
出力形式が違う。
精度も違う。
作った人がすでに異動している場合もある。
どれが正式版なのか。
どれが最新なのか。
どれが安全なのか。
どれに機密情報を入力してよいのか。
利用者にとって選択肢は増えた。
組織にとっては、管理対象が増え、社内、社外との関係性が複雑化したことになる。
海外では、社員が独立してAIエージェントを作ることで、機能の重複、所有者の不明確化、アクセス権限、セキュリティ、利用コストなどの課題が生じる状態が「AIエージェント・スプロール」として報じられている。
誰でも作れるようになることで、誰も全体を把握できなくなるのである。
これはAI活用の失敗ではない。
AI開発の民主化が成功した結果である。
「見栄えのよい成果物」が大量に増える
AIが増やすものはツールだけではない。
提案書、報告書、調査資料、議事録、分析結果、アイデア、コードも増える。
AIは、成果物の見た目を整えることに優れている。
論点が甘くても、文章は滑らかで読みやすくできる。
根拠が不足していても、ロジカルに見せることができる。
ありきたりな案でも、戦略的な言葉で説明できる。
その結果、成果物の（うわっつらな）品質は上がる。
しかし、意思決定に役立つ価値まで同じように品質が上がるとは限らない。
以前なら、粗い資料は数分で却下できた。
AIで整えられた資料は、一見すると完成度が高い。中身を確認するまで、良し悪しを判断しにくい。
つまり、低品質な成果物が消えるのではない。
見栄えのよい低品質な成果物が、大量に生まれる可能性がある。
AI以前、企業の課題は「十分な案が出てこないこと」だった。
AI以後、課題は「大量の案から、本当に必要なものを選べないこと」へ移る。
不足するのは、作る力ではない。
選ぶ力、捨てる力、つまり目利き力になる。
一人ひとりの仕事が、それぞれ違う形に変わる
AIは、個人の仕事に合わせて柔軟に利用できる。
ある人は分析のための調査に使う。
別の人は資料の構成づくりに使う。
別の人は顧客対応を自動化する。
また別の人は、自分専用のワークフローを作る。
本人にとっては、合理的な最適化だ。
しかし、組織全体から見ると、同じ業務の進め方が人によって異なっていく。
使用するモデルが違う。
入力する情報が違う。
参照する資料が違う。
出力の基準が違う。
データの保存場所も違う。
従来の業務マニュアルには、社員がAIへ何を指示し、どこにあるどんな資料を参照させ、出力のどこを修正しているかまでは書かれていない。
AIにより、本人は爆速で仕事ができる。
しかし、その人が異動したり退職したりすると、同じ仕事を再現できない。
業務は組織に所属しているように見えて、実際には個人のAI環境、会話履歴、プロンプト、判断に依存している。
AIは属人化を解消すると期待されている。
しかし同時に、従来とは異なる形の（新たな）属人化を生む可能性があるのではないだろうか。
AIは答えを増やすが、正解を決めてくれない
AIが複数の業務へ導入されると、同じ案件について異なるAIが異なる回答を出すこともある。
営業支援AIは、顧客との関係を優先して値引きを推奨する。
利益管理AIは、粗利低下を理由に反対する。
法務支援AIは、契約条件の確認を求める。
顧客分析AIは、長期契約を条件に実行可能だと判断する。
どれかが明確に間違っているとは限らない。
それぞれが別の目的、データ、制約に基づいて、合理的な回答をしている。
問題は、複数の合理的な回答を、誰が、どの原則で統合するかである。
AIは答えを増やす。
だが、組織としての正解を決めるとは限らない。
その結果、社員は複数のAIに質問し、異なる回答を比較し、最終的には上司へ確認する。
AI導入前は、上司に一度相談すれば済んでいた。
AI導入後は、複数のAIの見解を整理し、その違いを説明してから上司へ持っていく。
情報は増えた。
意思決定が速くなるとは言えない。
AIでは責任は取れない
AIが関与した仕事で問題が起きると、責任の所在は急に複雑になる。
利用者は「AIが生成した」と考える。
作成者は「その使い方は想定していなかった」と説明する。
情報システム部門は「基盤は管理しているが、業務判断には関与していない」と言う。
管理職は「人間が最終確認する前提だった」と認識している。
サービス提供者は、出力の正確性を保証していない。
それぞれの主張には一部の合理性がある。
しかし、影響を受ける顧客にとって、企業内部の事情は関係ない。
AIは業務を実行できる。
メールを送れる。
データを更新できる。
発注や予約を行える。
しかし、責任を引き受けることはできない。
AIへ与える実行権限が大きくなるほど、企業は責任主体を明確にしなければならない。
「人間が確認する」という一文だけでは足りない。
誰が何を確認するのか。
どの条件なら停止するのか。
誤りが起きたとき、誰が顧客へ説明するのか。
そこまで決めなければ、実行主体だけが存在し、責任主体が存在しない業務が生まれる。
人の「組織図」と、人と関係ない「裏組織」ができる
初期の生成AIは、質問に文章で答えるものだった。
AIエージェントは違う。
メールを読む。
社内文書を検索する。
顧客情報を参照する。
CRMを更新する。
ファイルを作る。
外部サービスを呼び出す。
場合によっては、本番システムを操作する。
便利になるほど、AIに与えられる権限は増える。
さらに、一つのAIが別のAIを呼び出し、そのAIが別のシステムへ接続するようになると、誰がどのデータへアクセスし、どこまで操作できるのかを人間が把握することは難しくなる。
この関係性は、人間の組織図と無関係に構築させる。
個人の業務を最適化するために、AI同士のネットワークが形成される。
いわば、「AIの裏組織」である。
重要な情報の受け渡しや判断の一部を、AI同士が担い始める。
会社の公式な組織図と、実際に仕事を動かしている構造が一致しなくなる。
そして、この裏組織は誰も把握することはできない。
ここが恐ろしいところである。
効率化された仕事は、別の部署へ移動する
AIによって一人ひとり作業が減っても、会社全体の仕事が同じだけ減るとは限らないことがわかってきた。
増えた仕事は、誰かがやらなければならない。
その仕事は、管理職、法務、情報システム、セキュリティ、内部監査、AI推進部門へ移ることが多い。
現場の資料作成時間が減る。
管理職のレビュー時間が増える。
現場からの開発依頼が減る。
情報システム部門の権限管理と運用支援が増える。
社員が自分でツールを作れるようになる。
会社全体では、保守対象が増える。
効率化によって仕事が消えるとは限らない。仕事は組織内の別の場所へ移動することがある。
ある部門では、大きな時間削減が報告される。
別の部門では、管理と確認の負担が増えている。
局所的には成功している。
全体として成功しているかは分からない。
AI導入の成果を、作業時間だけで評価することが危険なのは、このためである。
企業は無策ではない
企業は、こうした問題を放置しているわけではない。
会社が管理するAI環境を整える。
利用できるモデルやサービスを指定する。
機密情報の入力ルールを定める。
利用ログを保存する。
高リスクな用途を承認制にする。
AI活用を横断的に支援する専門組織を設ける。
社員教育、相談窓口、セキュリティ確認、利用調査、成熟度評価、権限管理、AI台帳。
現在考えられる対策は、すでに広い範囲で検討・実行されている。
NISTのAIリスク管理フレームワークも、AIを単体の技術として見るのではなく、組織として統治し、利用状況を把握し、リスクを評価し、継続的に管理することを重視している。
こうした仕組みは不可欠だ。
会社が安全な環境を用意しなければ、社員は個人契約の外部サービスへ流れるかもしれない。
責任者が決まっていなければ、問題が起きても停止や報告が遅れる。
しかし、ガバナンスを徹底すれば、混乱はなくなるのか？
決してそうではない。
ルールは危険を減らせても、複雑さを消せない
何を使ってよいか。
何を入力してよいか。
どの用途に承認が必要か。
誰が最終確認するか。
どのログを残すか。
これらは管理するのが一般的なガバナンスだり、いずれも重要だ。
しかし、これらを徹底できたとしてもAIによる組織的混乱はなおらない。
なぜなら組織的混乱はルール違反によってだけ起きるわけではないからだ。
すべてのAIが承認済みの環境で動いていても、似た機能のAIが100個あれば管理は複雑になってしまう。
すべての社員が情報入力ルールを守っていても、部署ごとに異なる参照資料を使えば回答は分かれてしまう。
すべての成果物を人間が確認していても、成果物が10倍になれば、確認作業は形式化してしまう。
すべてのAIに責任者が登録されていても、複数のAIが連携すれば、業務全体の責任の境界は曖昧になり見えにくくなってしまう。
ルールは危険な行為を抑制できる。
しかし、成果物、接続、判断、例外、依存関係の数そのものを減らすわけではない。
むしろ管理を厳密にするほど、登録、承認、監査、更新、再評価という仕事も増える。
自由に使わせれば混乱する。
厳しく管理すれば、管理自体が新しい負担になる。
企業はいま、この両方を避けながら活用を進めるという、難しい課題に直面している。
完成された正解は、まだ見えていない。
以前の組織は、人に合わせて作られていた
従来の企業では、組織は人間の処理能力を前提に設計されてきた。
人間が資料を作る。
管理職が確認する。
専門部署がシステムを開発する。
重要な判断には稟議や承認を求める。
これらの仕組みは、長い時間をかけて改善されてきた。
一見すると無駄に見える手順にも、背景がある。
なぜこの部署の確認が必要なのか。
なぜこの順番で進めるのか。
なぜこの金額を超えると役員承認になるのか。
過去の失敗、顧客との関係、法的責任、現場の経験を踏まえて、人間が安全に仕事を進められるように作られてきた。
ところが、AIはこの前提を変えてしまう。
一人の社員が、以前の何倍もの成果物を作れる。
非エンジニアが、自分で業務アプリを作れる。
AIが複数の業務領域を横断できる。
生産能力だけが、急激に高まった。
一方で、承認構造、責任構造、評価制度、業務標準、管理職の役割は、以前の形を残している。少なくとも表面上は。
企業はAIツールを導入したというより、
従来からの経験・ノウハウ・ルールを無視して最適化や生産性の向上を可能とする能力を社員へ与えた。
そう考えた方が、現在起きていることを的確に説明できるのではないだろうか。
会社の知識が、AIのために書き換えられていく
企業が持つ資産は、人材、技術特許、データ、設備だけではない。
業務マニュアル。
会議の進め方。
顧客対応の勘所。
営業担当者の経験。
管理職の判断基準。
専門職が例外を見抜く感覚。
部署間の調整方法。
過去の失敗から作られたルール。
これらも、企業が長い年月をかけて積み上げた重要な知的資産である。
多くは、人間が読み、経験し、対話しながら理解することを前提としている。
しかし、AIが業務を担うようになると、企業の知識はAIが処理しやすい形へ変換されていく。
長い文書は、AIが検索しやすい単位に分割される。
曖昧な業務ルールは、機械が判定できる条件へ置き換えられる。
管理職の判断基準は、プロンプトやシステム指示として記述される。
ベテランの暗黙知は、AIが参照するデータやワークフローへ落とし込まれる。
会話で行われていた調整は、エージェント同士が扱える構造化された情報へ変換される。
これは合理的な変化だ。
AIに仕事をさせるなら、AIが理解しやすいように、情報や業務を整えた方が速い。
しかし、その最適化が進んだ先には、一つの不安がある。
AIには処理できるが、人間には分からないことが増えるのではないか。
人間は、自分たちの会社を理解できなくなるのか
AIが企業の知識や業務を吸収するほど、人間は日常的な処理から離れる。
若手社員は、契約書の全文を読まずにAIの要約を見る。
エンジニアは、生成されたコードの細部を完全には理解しないまま利用する。
営業担当者は、顧客情報を自分で読み込む前に、AIの提案を確認する。
管理職は、複数の資料ではなく、AIが統合した結論を見る。
短期的には効率的だ。
しかし、人間が元の情報や判断過程／プロセスに触れなくなれば、仕事を理解する機会も減ってしまう。
なぜ、その判断になったのか、なぜそのプロセスなのか説明できない。
AIが停止すると業務が回らない。
AIのモデルが変わったときに、従来と異なる結果になったことに気づけない。
これまで、ブラックボックス化は主にITシステム内部の問題として語られてきた。
AI時代には、会社の判断基準や業務プロセスそのものが、人間からブラックボックス化する可能性がある。
企業は、自社の知識をAIへ移植する。
その一方で、自社自身がその知識を十分に理解できなくなるかもしれない。
現時点で、企業がすでに全面的にその状態へ移行していると断定できる証拠はない。
これは将来必ず起きると証明された事実ではない。
AIによる業務再設計が進んだ場合に生じ得る、構造的な懸念である。
だからこそ、効率化だけでなく、人材の技能形成、説明可能性、非常時の代替手段まで検討する必要がある。
更には、仕事を速く終わらせる仕組みが、人を育てる仕組みとしても優れているとは限らない。
この混乱は、一時的なものかもしれない
ここまでを読むと、AIは企業を複雑化させ、人間から見えにくい存在へ変えていくように感じるかもしれない。
しかし、現在の混乱が最終形とは限らない。
パソコンが普及したとき、企業内には大量のファイルが作られた。
表計算ソフトが広がったとき、誰が作ったか分からない業務ファイルが生まれた。
インターネットによって情報は氾濫した。
クラウドによって、無数のSaaSが導入された。
新しい技術が現場へ広がるとき、個人や部門による自由な利用が先行する。
後から、標準化、検索、アクセス管理、監査、統合の仕組みが整う。
AIエージェントでも、同じことが起きる可能性はあるのだろう。
エージェントの所有者、権限、利用目的を自動管理する仕組み。
似た機能を持つエージェントを検出する仕組み。
AIの判断を別のAIが監査する仕組み。
使われていないエージェントを停止する仕組み。
複数のAIによる意思決定を、人間が理解できる形で可視化する仕組み。
標準化や運用技術が成熟すれば、現在のカオスは一時的な移行摩擦になるかもしれない。
そもそも、人間一人が会社全体を理解する必要はない、という考え方もあり得る。
現在の大企業でも、一人の社員が全社の業務やシステムを理解しているわけではない。
人間は役割を分担し、権限、監査、報告によって全体を統治している。
AI時代には、
AIが業務を実行する。
別のAIが監視する。
人間は、目的と制約を定める。重大な例外と価値判断を、人間が担う。
そのような新しい分業が成立する可能性もあるのだろう。
現在は、その新しい形へ移行する過渡期なのかもしれない。
では、企業は何を最適化すべきなのか
ここまで、AIによる効率化と、その成功によって生まれる組織的混乱を見てきた。
社員の仕事は速くなる。
資料が増える。
分析が増える。
アイデアが増える。
AIエージェントが増える。
それらを管理するルール、組織、基盤も増える。
ここで、最も基本的な問いへ戻る必要がある。
企業は、何を最適化するために存在しているのか。
社員が資料を速く作ることではない。
社内レポートを増やすことでもない。
AIエージェントを大量に作ることでもない。
AI利用率を高めることでもない。
企業が最適化すべきなのは、顧客へ価値が届くまでの流れである。
顧客の問題を理解する。
必要な商品やサービスを作る。
適切な品質と速度で届ける。
利用後に発生する課題へ対応する。
得られた学びを、次の改善へつなげる。
AIはそのための手段であり、会社の存在価値を最適化するために使われるべきである。
ところが、現在のAI活用は、社員一人ひとりの目の前にある作業を効率化することに使われている。これは会社の最適化につながるのか？
メールを書く時間を減らす。
資料作成を速くする。
会議を要約する。
コードを生成する。
一つひとつは有益だ。
しかし、一つひとつの作業が速くなっても、顧客へ価値が届くまでの全体工程が速くなるとは限らない。
営業担当者が提案書を3倍作れるようになっても、顧客が提案書を3倍欲しいわけではない。
開発者が大量のコードを生成しても、顧客が必要としていない機能なら価値にはならない。
社内分析が増えても、判断や実行が遅ければ、顧客体験は変わらない。
個人の仕事は最適化されている。
しかし、顧客へ価値を届ける全体の流れは最適化されていると言えるのか？
このズレこそが、AIによる組織的混乱の中心にあるのではないか。
社員は、自分の担当業務をAIで速くする。
部署は、自部署の指標を改善する。
その結果、社内成果物と部署間の受け渡しが増え、全体工程が複雑になる。
局所的な最適化が積み重なり、会社全体の流れをかえって遅くする。
これはAIに限った問題ではない。
しかし、AIは局所最適化を、これまでにない速度と規模で進める。
だからこそ、AI時代には従来以上に、全体を設計する経営が必要になる。
問うべきは、どの仕事を速くするかではない。
顧客へ価値が届くまでの、どこに本当の停滞があるのか。
どれだけ多く作ったかではない。
何が顧客の行動や成果を変えたのか。
何時間削減したかではない。
削減した時間を、どの価値へ振り向けたのか。
AIを何人が使っているかではない。
AIによって、顧客への提供価値がどう変わったのか。
企業が見るべき対象は、個人の作業量から、顧客価値の流れへ移らなければならない。
AI活用の競争は、利用率や導入数を競う段階から、増えた生産能力を顧客価値へ変換する段階へ進む。
そこで問われるのは、社員がどれほど速く仕事をしたかではない。
組織全体として、どれほど速く、正確に、継続的に顧客へ価値を届けられたか。
AI時代の競争力は、「誰が最もAIを使っているか」では決まらない。
誰が最も、AIを顧客価値へ変換できる組織を作れるかで決まる。
企業がいま挑んでいるのは、単なるAI導入ではない。
人間が長い年月をかけて作り上げた知識、業務、役割、責任、判断の仕組みを、AIとの協働を前提に組み替える挑戦である。
その過程では、重複も起きる。
複雑化も、管理負荷の増加も起きる。
人間から業務が見えにくくなる可能性もある。
それが一時的な過渡期なのか。
企業が不可逆的にブラックボックス化する始まりなのか。
現時点では、まだ分からない。
ただ一つ確かなのは、世界中の企業がいま、個人の仕事をどう速くするかではなく、会社全体を何のために最適化するのかという問いに直面していることだ。
圧倒的な効率化と、新たな価値創造。
重複、複雑化、責任の曖昧化、知識のブラックボックス化。
その両方を抱えながら、人間とAIが共に働く企業の形を探している。
そんな壮大な社会実験が、すでに始まっている。
前回の記事
以前の記事
