SF AI企業は日本へ亡命した 6～9 大学・企業の対応編
AI企業は日本へ亡命した 6――あなたが勉強したことを証明してください
MITが、かなり困った報告書を出した。
AIが危険だ、と言ったのではない。
学生がAIを使ってカンニングしている、と言ったのでもない。
もっと困ったことを言った。
いまの生成AIは、大学で出される文章課題のほとんどに、それなりの答えを出せる。
エッセイ。
数学。
科学。
証明。
プログラミング。
つまり、
宿題ができる。
大学にとって、これは案外まずい。
なぜなら大学は長いあいだ、
「この問題を解けた」
「このレポートを書けた」
「このプログラムを作れた」
という成果物を見て、
この学生には能力がある
と判断してきたからである。
ところがAIが間に入った。
学生がレポートを提出する。
立派である。
文章も整っている。
引用もある。
論理も通っている。
教授が言う。
「よくできています。」
学生が答える。
「ありがとうございます。」
問題は、そのあとである。
教授には分からない。
何がよくできているのか。
学生なのか。
AIなのか。
学生とAIの組み合わせなのか。
学生がAIに出した指示なのか。
AIが間違えたところを学生が直したのか。
AIが全部書いて学生が名前だけ入れたのか。
成果物は目の前にある。
しかし、そこから学生本人の能力へ戻れない。
これは盗作問題とは少し違う。
盗作なら、
「誰が書いたのか」
を調べればよかった。
AI時代には、
「誰が書いたのか」
が分かっても、まだ足りない。
本当に知りたいのは、
この学生は何ができるのか。
だからである。
人間が書いたことを証明してください
最初、大学はAI検出器を導入した。
学生のレポートを機械に読ませる。
すると画面に数字が出る。
AI生成確率87％。
教授は安心した。
科学的に見えたからである。
数字が出るものは、とても科学的に見える。
学生は言った。
「自分で書きました。」
教授は言った。
「しかし機械は87％と言っています。」
学生は言った。
「では残り13％の私は何なんですか。」
教授は困った。
そのうち学生たちはAI humanizerを使い始めた。
AIの文章を、人間らしい文章にするAIである。
AI検出器が進歩する。
humanizerも進歩する。
検出器が進歩する。
humanizerが進歩する。
双方が莫大な計算資源を使って戦った。
教育には何の関係もなかった。
MITは、とうとう言った。
AI検出器に頼るのはやめた方がいい。
誤判定もある。
非ネイティブ話者の文章がAI扱いされることもある。
文体が一定している人間も疑われる。
何より、教師と学生が、
「教える人」と「学ぶ人」
ではなく、
「犯人を探す人」と「疑われる人」
になる。
大学は気づいた。
問題を間違えていた。
問うべきなのは、
「この文章はAIが書いたか」
ではなかった。
「この学生は学んだか」
だった。
そこでアメリカ議会が動いた
2031年。
議会は超党派で
Human Learning Verification Act
を成立させた。
日本語では、
人間学習証明法
と訳された。
大学は卒業証書を出す際、
学生本人が一定の能力を持つことを証明しなければならない。
AI企業は反対しなかった。
大学が大騒ぎした。
「本人の能力をどうやって証明するんですか。」
議員は答えた。
「大学でしょう？」
これが一番効いた。
大学に19世紀が戻ってきた
大学は仕方なく考えた。
AIが代行しにくい方法を。
口頭試問。
黒板での証明。
その場での作文。
実験。
実技。
討論。
研究ノート。
制作過程の記録。
教授との対話。
学生は驚いた。
「先生。」
「何ですか。」
「黒板って何ですか。」
教授は黒板を指した。
「これです。」
「画面が光ってません。」
「光りません。」
「保存は？」
「自分で覚えてください。」
学生たちは恐怖した。
数学科では教授が学生を黒板の前に立たせた。
「この定理を説明してください。」
学生は答えた。
「AIを使ってもいいですか。」
「いけません。」
「検索は？」
「いけません。」
「ノートは？」
「いけません。」
「では何を使えば。」
教授は学生の頭を指した。
学生はしばらく考えた。
「これはサポート終了してませんか。」
文学部では口頭試問が復活した。
教授が聞く。
「あなたのレポートでは、語り手の信頼性が作品構造を決めるとありますね。」
「はい。」
「説明してください。」
「ええと。」
「あなたの文章ですよね。」
「そう書いてあります。」
「誰が？」
「私のアカウントが。」
情報科学科ではもっと深刻だった。
学生が提出したプログラムは完璧だった。
教授が聞いた。
「この関数は何をしていますか。」
学生は答えた。
「正常に動いています。」
「そうではなく、何をしているのですか。」
「GitHub Actionsを通っています。」
「中身です。」
「中を見る必要がありますか？」
教授は椅子から落ちた。
しかし問題は解決しなかった
口頭試問を増やせばいい。
大学はそう考えた。
ところが学生が5,000人いた。
教授は200人しかいなかった。
一人30分試験すれば、
教授は死ぬ。
AIを使えばよい、という案が出た。
AIが学生に口頭試問する。
教授たちは喜んだ。
翌日、誰かが気づいた。
AIを使わない能力を、AIが評価している。
会議は三週間延びた。
そのころ日本では、少し違うことを始めていた。
日本政府はいつものように委員会を作った。
委員会はいつものように名前だけ立派だった。
人間・人工知能協働能力評価検討会議。
誰も期待しなかった。
ところが一人の委員が言った。
「能力を一個だと思うから困るんじゃないですか。」
会議室が静かになった。
「どういう意味ですか。」
「AIなしでできる能力と、AIを使ってできる能力は、別に測ればいいでしょう。」
沈黙が続いた。
役人が聞いた。
「二つ試験をするということですか。」
「はい。」
「そんな簡単なことでいいんですか。」
「簡単だから、今まで誰もやらなかったんじゃないですか。」
試験Aと試験B
日本は二種類の試験を始めた。
試験A
Unaided Individual Competence
本人だけで何ができるか。
AIなし。
検索なし。
外部支援なし。
ただし、何でも暗記させる試験ではない。
基礎的な理解。
説明。
推論。
判断。
最低限の技能。
自力でどこまで立てるかを見る。
試験B
AI-Augmented Competence
AIを使って何ができるか。
こちらは逆だった。
AI使用自由。
複数AI使用可。
検索可。
プログラム可。
資料持ち込み可。
ただし結果について本人が責任を持つ。
間違ったAI回答を採用すれば本人の失点になる。
AIを使ったから高得点になるわけではない。
AIを使って、
どこまで問題を正しく構造化し、検証し、修正できるか
を見る。
最初の結果が発表された。
学生A。
試験A、92点。
試験B、96点。
学生B。
試験A、64点。
試験B、128点。
学生C。
試験A、94点。
試験B、161点。
大学関係者が騒いだ。
「161点って何ですか。」
担当者は答えた。
「100点満点ではありません。」
「なぜです。」
「AIを使った能力に、昔の100点満点を押しつける理由がありますか。」
企業の採用担当者が結果を見た。
A君を見た。
「一人でも優秀。」
B君を見た。
「単独では普通だが、AIを使うと非常に強い。」
C君を見た。
「一人でも強く、AIを使うともっと強い。」
採用担当者は言った。
「これ、GPAより便利ですね。」
大学は聞こえないふりをした。
MITから人が来た
翌年。
日本のAI教育研究センターに、一人のアメリカ人教授が来た。
受付で聞かれた。
「ご用件は。」
「共同研究です。」
「滞在期間は。」
「一年。」
「所属は。」
「MIT。」
職員が顔を上げた。
「亡命ですか。」
教授は笑った。
「サバティカルです。」
奥からAI企業の社長が出てきた。
「みんな最初はそう言います。」
教授は不機嫌そうに答えた。
「MITはAIを拒否していません。」
「知っています。」
「人間中心の教育を再設計しているんです。」
「それも知っています。」
「ではなぜ亡命扱いするんです。」
社長は言った。
「アメリカでAIを使うと、AI利用を証明しろと言われる。」
「……。」
「AIを使わないと、人間がやったことを証明しろと言われる。」
「……。」
「日本では両方試験します。」
教授はしばらく黙った。
「合理的ですね。」
「だから気持ち悪いんです。」
では大学とは何か
この騒動で、一番困ったのはAI企業ではなかった。
大学だった。
AIが宿題をできる。
AIがコードを書ける。
AIが論文を要約できる。
AIが数学を解ける。
AIが家庭教師もできる。
すると学生が聞く。
「大学には何をしに来るんですか。」
大学は答えなければならなくなった。
昔なら、
「高度な知識を学ぶためです」
と言えた。
しかし知識の説明だけならAIもできる。
「専門家から習うためです」
と言った。
AIも専門家の文章を大量に読んでいる。
「仲間と学ぶためです」
と言った。
学生は夜中の二時にAIと勉強している。
そこで大学は、ずいぶん昔のことを思い出した。
大学は、
教材を渡す場所だけではなかった。
人間が、
他人の前で間違える。
問い返される。
説明できなくなる。
反論される。
実験を失敗する。
議論する。
誰かの考え方を見る。
自分の癖を知る。
できると思っていたことが、できないと分かる。
そして、
またやる。
そういう場所でもあった。
AIが答えを出せるようになって、
大学は初めて、
答えを出すことと、学ぶことは同じではない
と大声で言い始めた。
学生たちは少し腹を立てた。
「それ、AIが来る前に言ってください。」
大学は返事をしなかった。
卒業試験
2035年。
日本では大学卒業試験の形式が少し変わった。
最後の試験では、
レポートを提出しない。
学生が一人ずつ部屋に入る。
教授三人。
AI一台。
机の上には資料が置かれている。
教授が言う。
「AIを使って構いません。」
学生はうなずく。
「ただし、AIの答えを採用するかどうかはあなたが決めてください。」
「はい。」
「間違っていたら？」
「私の責任です。」
「なぜ？」
学生は少し考える。
「使ったのが私だからです。」
教授は次の質問をする。
「では今度はAIを切ります。」
画面が消える。
「さっきの結論を、自分の言葉で説明してください。」
学生は話し始める。
途中で止まる。
考える。
言い直す。
教授が反論する。
学生が修正する。
また説明する。
一時間後、試験が終わる。
学生が聞く。
「先生。」
「何ですか。」
「結局、何を提出したんですか。」
教授は答える。
「何も。」
「では、何を採点したんです。」
教授は少し考えてから言った。
「あなたです。」
学生は嫌な顔をした。
「それ、個人情報じゃないですか。」
教授は頭を抱えた。
教育改革は、まだ続いている。
区切り
AI企業は日本へ亡命した 7――本人の能力なんか、どうでもよかった
大学が変わると、企業も困った。
MITは言った。
AIが宿題を解けるなら、成果物だけでは学生本人が何を学んだか分からない。
だから、
AIなしで何ができるか。
AIを使えば何ができるか。
両方を見なければならない。
大学としては、かなり筋が通っていた。
問題は、
会社までそれを真似したことである。
本人の実力を測ろう
2034年。
アメリカの大企業では、
Human Capability Assurance
という制度が流行した。
日本語では、
「人間能力保証制度」
と訳された。
会社は社員について、
AIなしで何ができるかを測り始めた。
文章作成。
分析。
プログラミング。
計算。
企画。
交渉。
プレゼンテーション。
会社は言った。
「AI時代だからこそ、本当の人間能力を把握しなければならない。」
人事コンサルタントは大喜びした。
能力評価項目が147個になった。
研修会社も儲かった。
認証会社もできた。
Certified Human Analyst
Certified Human Programmer
Certified Human Writer
という資格ができた。
資格試験ではAI使用は禁止された。
受験者は言った。
「仕事ではAIを使うんですが。」
試験官は答えた。
「これはあなた自身の能力を測る試験です。」
「でも仕事では使います。」
「仕事の話ではありません。」
受験者は少し考えた。
「では何の試験ですか。」
試験官は答えなかった。
日本の小さな会社
そのころ、日本に変な会社があった。
従業員120人。
設立五年。
社名は、
株式会社ゴチャマゼ
だった。
アメリカの投資家は嫌な顔をした。
「もっとグローバルな名前にできなかったんですか。」
社長は答えた。
「もう登記したので。」
この会社には、
人間能力試験がなかった。
学歴欄もなかった。
資格欄もほとんどなかった。
採用試験では応募者に課題を渡した。
48時間以内に、この問題を解決してください。
使っていいもの。
AI。
検索。
外注。
友人。
専門家。
オープンソース。
市販ソフト。
他社サービス。
何でも可。
ただし、
法律を守る。
予算を守る。
締切を守る。
結果について説明できる。
それだけだった。
応募者が聞いた。
「AIを何個使ってもいいんですか。」
「どうぞ。」
「他人に聞いても？」
「どうぞ。」
「外注しても？」
「予算内なら。」
「では、私自身の能力は何を評価するんです？」
面接官は答えた。
「別に。」
応募者は聞き返した。
「別に？」
「欲しい結果が出るなら。」
人事部がなかった
ゴチャマゼには、
立派な人事部もなかった。
人事担当は三人。
そのうち一人は総務と兼任していた。
大企業の人事責任者が視察に来た。
「社員能力のコンピテンシーマップは？」
「ありません。」
「スキルマトリクスは？」
「一応あります。」
「どの程度詳細に？」
「この人に何を頼むと速いか、くらいです。」
「AIなし能力は測っていますか。」
「測ってません。」
「危険では？」
「何がです？」
「本人の実力が分からない。」
担当者は聞いた。
「分からないと何か困りますか。」
人事責任者は答えた。
「適切な評価ができません。」
「何を評価するんです？」
「社員です。」
「社員を評価して、何をするんです？」
しばらく沈黙があった。
最初の決算
2035年。
Human Capability Assuranceを導入した大企業の生産性は、
前年比4％上がった。
経営陣は成功だと言った。
ゴチャマゼは、
47％上がった。
大企業は言った。
「規模が違う。」
翌年。
大企業、6％。
ゴチャマゼ、38％。
三年目。
大企業、5％。
ゴチャマゼ、31％。
投資家が聞いた。
「何をしたんですか。」
社長は答えた。
「AIを使いました。」
「それだけ？」
「かなり使いました。」
「社員教育は？」
「必要ならします。」
「AIなし能力の維持は？」
「必要なら。」
「何を基準に必要と判断するんです？」
社長は答えた。
「仕事です。」
本人能力を守った会社
一方、大企業では、
人間能力維持運動が進んだ。
社員は毎年、
AIなし試験を受けた。
AIなし作文。
AIなしプログラミング。
AIなし市場分析。
AIなし計算。
研修時間は年間80時間。
管理職は満足した。
「われわれは人間の能力を守っている。」
若手社員が聞いた。
「何のために？」
上司は答えた。
「AIに依存しすぎないためだ。」
「でも実務ではAIを使いますよね。」
「使う。」
「この試験の勉強中は仕事できませんよね。」
「能力維持には必要だ。」
「競合は？」
「何が。」
「AI使って仕事してます。」
上司は不機嫌になった。
その年、
大口顧客がゴチャマゼへ移った。
理由は単純だった。
納期が半分。
価格が三割安い。
品質は同等以上。
営業担当は報告した。
「先方は、人間能力保証制度を評価してくれませんでした。」
役員が怒った。
「説明したのか。」
「しました。」
「何と？」
営業担当は資料を読み上げた。
当社社員はAIを使用しない場合にも、高度な独立遂行能力を維持しています。
社長が聞いた。
「顧客は何と？」
営業担当は答えた。
それで納期は早くなりますか？
会議は終わった。
本人が書いたかは重要ですか
広告業界ではもっと露骨だった。
ある会社ではコピーライターがAIを使っていた。
顧客が聞いた。
「この広告コピーは本人が書いたんですか。」
営業は答えた。
「AIも使っています。」
「何％？」
「分かりません。」
「それでいいんですか。」
営業は聞いた。
「売上が上がれば問題ありますか。」
顧客は黙った。
キャンペーン後。
売上は23％上がった。
翌年から誰も聞かなくなった。
映像制作でも同じだった。
「この画像はAIですか。」
「一部。」
「どこが？」
「分かりません。」
「そんなことでいいんですか。」
「完成品を見てください。」
視聴者は見た。
面白かった。
終わった。
プログラミング会社では、
取引先が聞いた。
「コードの何割を人間が書いていますか。」
CTOは答えた。
「測ってません。」
「品質管理は？」
「テストします。」
「人間が書いたか確認しないんですか。」
「動作と安全性を確認します。」
「AIコードは危険では？」
CTOは聞いた。
「人間コードは安全なんですか。」
話はそこで止まった。
会社は人間を雇っているのか
ゴチャマゼの生産性が上がるにつれて、
奇妙なことが起きた。
社員一人が、
AIエージェントを十個使う。
AIが市場を調べる。
AIが資料を作る。
別のAIが批判する。
別のAIが法務チェックする。
さらに別のAIが実装する。
社員はそれらを組み合わせる。
ある社員は一日で、
以前のチーム一週間分の仕事を終えた。
社長が言った。
「すごいね。」
社員は答えた。
「ほとんどAIです。」
「そう。」
「評価下がります？」
「なぜ？」
「私がやってないので。」
社長は首をかしげた。
「君が出した成果でしょう。」
「AIが出しました。」
「そのAIを使ったのは？」
「私です。」
「じゃあいいじゃない。」
「そんなもんですか。」
「そんなもんです。」
人事評価が消えた
ゴチャマゼでは、
五段階人事評価をやめた。
S。
A。
B。
C。
D。
全部やめた。
社員が聞いた。
「どうやって評価するんですか。」
社長は言った。
「何のための評価？」
「昇給とか。」
「給料は市場価値と役割と成果で決める。」
「昇進は？」
「必要な役割をやれる人に頼む。」
「能力評価は？」
「仕事見ればいいだろ。」
「でも仕事にはAIが入ってます。」
「知ってる。」
「本人の能力が分からない。」
社長は言った。
「だから何？」
人事担当者は少し傷ついた。
本人能力主義企業連合
2037年。
危機感を持った大企業が連合を作った。
Human Excellence Consortium
人間卓越性企業連合。
声明を出した。
AI時代だからこそ、人間固有の能力を守らなければならない。
新聞は好意的に報じた。
識者が言った。
「効率だけでは人間性が失われる。」
大学教授が言った。
「企業にも教育的責任がある。」
政治家が言った。
「日本のものづくりの魂を守るべきだ。」
ゴチャマゼは何も言わなかった。
その月、
Human Excellence Consortium加盟企業から、
さらに四社分の仕事を取った。
株主は哲学を買わない
株主総会。
大企業のCEOが説明した。
「当社は、人間中心のAI活用を推進しています。」
株主が聞いた。
「利益率が三年連続で下がっています。」
「長期的な人材力を維持するためです。」
「競合は利益率を倍にしています。」
「短期的成果だけを追求してはいけません。」
別の株主が聞いた。
「その長期的優位はいつ出ますか。」
CEOは答えた。
「長期的に。」
「何年です？」
「それは一概には。」
「五年？」
「……。」
「十年？」
「……。」
「二十年？」
CEOは水を飲んだ。
その日の株価は下がった。
大企業も折れた
2038年。
とうとう大企業も制度を変えた。
AIなし能力試験を廃止。
Human Contribution Disclosureも廃止。
評価基準を三つにした。
成果。
コスト。
リスク。
社員が聞いた。
「人間の寄与率は？」
人事部長は答えた。
「見ません。」
「AI依存度は？」
「必要なら見る。」
「どういう場合ですか。」
「成果、コスト、リスクに影響するとき。」
社員は言った。
「つまり本人能力は？」
人事部長は少し疲れた顔で答えた。
「会社としては、どうでもいい。」
三年前なら問題発言だった。
その年は、
経営改革大賞を取った。
能力は個人の中にあるのか
ここで別の問題が出てきた。
ゴチャマゼで非常に高い成果を出していた社員が、
別会社へ転職した。
前職では、
一人で十人分の仕事をしていた。
新会社でも期待された。
ところが、
あまり成果が出なかった。
理由は簡単だった。
使っていたAIが違う。
社内データがない。
エージェントがない。
ワークフローが違う。
過去のプロンプト資産もない。
一緒に働いていた社員もいない。
新しい上司は言った。
「前の会社ではスーパー社員だったんですよね。」
本人は答えた。
「そう言われていました。」
「なぜここでは普通なんです？」
「たぶん、私一人がスーパーだったわけじゃないんでしょう。」
人事部は困った。
従来、
能力は人間の中にあるものだと思われていた。
知識。
技能。
経験。
判断力。
しかし実際の成果は、
人間だけから出ていなかった。
人間。
AI。
データ。
ソフトウェア。
設備。
制度。
仲間。
取引先。
組織文化。
過去に誰かが作った手順。
全部がつながって成果を出す。
AI時代になって、
そのことが急に見えるようになっただけだった。
スーパー社員は会社の外では普通だった
企業ランキング誌は、
「AI時代のスーパー社員100人」
という特集を組んだ。
ゴチャマゼから12人選ばれた。
社長は編集部に電話した。
「これ、やめてもらえません？」
編集者が驚いた。
「なぜですか。御社の宣伝になります。」
「本人だけの能力みたいに見えるので。」
「でも成果は事実ですよね。」
「はい。」
「では何が問題です？」
社長は説明した。
「その人が成果を出せたのは、AIとデータと社内システムと周りの人間があったからです。」
編集者は言った。
「それでは記事になりません。」
「でしょうね。」
翌月。
表紙には、
一人で100人分稼ぐスーパー社員
と書かれた。
本人は笑っていた。
「私、一人でやった覚えないんですけど。」
そして二十年間勝ち続けた
評論家は何度も予言した。
AIに頼る会社は人材が育たない。
基礎能力が失われる。
技能継承が止まる。
思考力が低下する。
いずれツケを払う。
ゴチャマゼは、
そのたびに言われた。
「五年後に困りますよ。」
五年経った。
困らなかった。
「十年後ですよ。」
十年経った。
利益は増えた。
「いずれ必ず。」
二十年経った。
業界最大手になった。
社長は会見で聞かれた。
「人間能力を育成しなかったことへの後悔はありませんか。」
社長は答えた。
「育成しなかったわけではありません。」
「では何を育てたんです？」
「仕事ができるようにしました。」
「AIなし能力ではなく？」
「必要ならそれも。」
「必要でなければ？」
「育てません。」
記者は聞いた。
「人間性の軽視では？」
社長は言った。
「会社は、人間能力保存博物館ではありません。」
翌日の見出しになった。
事故は起きなかった
評論家たちにとって不都合なことに、
大事故も起きなかった。
AIが停止して、
誰も何もできなくなる日。
そんな日は来なかった。
システムは冗長化された。
AIが壊れれば別のAIへ切り替えた。
人間よりAIを監視するAIの方が速かった。
障害対応手順もAIが作った。
災害訓練もAIが設計した。
「最後は人間が必要だ」
と言われ続けた。
しかし、
最後まで人間が出てこない仕事が増えた。
それでも会社は動いた。
ここで困った。
教訓がない。
人間に残る仕事
ある若い社員が、創業者に聞いた。
「昔は、AIを使いすぎると人間の能力がなくなるって心配されていたんですよね。」
「された。」
「実際なくなりました？」
「いくつかは。」
「問題になりました？」
「今のところ、あまり。」
「じゃあ、なくてもよかった能力だったんですか。」
創業者は考えた。
「たぶん、一部はそうなんだろう。」
「人間は退化したんでしょうか。」
「何を退化と呼ぶかによる。」
「自分で文章を書けない。」
「AIでいい文章を作れる。」
「自分でコードを書けない。」
「システムは作れる。」
「暗算できない。」
「計算結果は検証できる。」
「それでも本人の能力じゃない。」
創業者は笑った。
「まだ本人にこだわってるのか。」
会社が欲しかったもの
大学は、
学生本人が何を学んだかを知りたかった。
だから、
本人能力を測る意味があった。
会社は違った。
会社が欲しかったのは、
本人の能力ではなかった。
必要な商品。
必要なサービス。
必要な判断。
必要な利益。
必要な安全性。
必要な期限。
それが出ればよかった。
誰が何％作ったかは、
必要なときだけ調べればよかった。
人間の能力を測ること自体が目的になった会社は、
人間の能力を測っているあいだに、
成果を出す会社に負けた。
2042年。
MITから来た教授が、
ゴチャマゼの社長に言った。
「教育では、本人が学んだかどうかが重要です。」
「そうでしょうね。」
「しかし企業では、違う。」
「そうですね。」
「では大学は何のために本人能力を育てるんでしょう。」
社長は少し考えた。
「会社のためじゃないんじゃないですか。」
教授は黙った。
「では、何のために？」
社長は答えた。
「それを大学が決めるんでしょう。」
教授はしばらく黙ってから言った。
「困りましたね。」
社長は笑った。
「AIが来る前からですよ。」
帰り際。
教授は受付で聞かれた。
「日本滞在は延長されますか。」
「ええ。」
「MITには戻らないんですか。」
教授は答えた。
「まだ決めていません。」
受付の職員は書類に何か書いた。
教授が覗き込んだ。
滞在目的：共同研究
その横に鉛筆で、
たぶん亡命
と書いてあった。
区切り
AI企業は日本へ亡命した 8――職人を切った会社は、誰にも直せなくなった
ゴチャマゼは、二十年間勝ち続けた。
AIを使う。
自動化する。
人間にしかできない仕事だから残す、という発想はしない。
必要な成果が出るなら、
AIでもいい。
外注でもいい。
機械でもいい。
人間でもいい。
本人の能力など、会社にとっては二次的だった。
この考え方は正しかった。
少なくとも、
かなり長いあいだ。
一人だけ、妙に給料の高い老人
ゴチャマゼの工場に、
一人だけ妙な社員がいた。
柴田。
63歳。
肩書は、
設備保全主任。
部下はいない。
会議にもほとんど出ない。
AI活用率も低い。
報告書も短い。
チャットの返信も遅い。
人事データだけ見ると、
かなり悪い社員だった。
ところが年収は高かった。
若い人事担当者が気づいた。
「この人、何してるんですか。」
工場長が答えた。
「機械を見てます。」
「何台？」
「全部。」
「点検記録はAIで取ってますよね。」
「取ってる。」
「予知保全システムもありますよね。」
「ある。」
「故障予測AIも？」
「ある。」
「では、この人は？」
工場長は答えた。
「柴田さん。」
「名前を聞いてるんじゃありません。」
生産性改革
2043年。
ゴチャマゼは、
全社的な生産性改革を始めた。
名前は、
Zero Redundancy 2045
余剰ゼロ計画。
重複業務をなくす。
属人化をなくす。
人に依存する仕事をなくす。
文書化する。
自動化する。
AI化する。
誰か一人が辞めても止まらない会社を作る。
経営コンサルタントは言った。
「特定個人に依存する業務は経営リスクです。」
社長も同意した。
正しい。
かなり正しい。
そこで全社員について、
代替可能性指数
が算出された。
柴田の数字は最悪だった。
代替可能性、
12％。
人事部は驚いた。
「これは危険です。」
工場長は言った。
「そうだね。」
「業務を標準化しましょう。」
「できるなら。」
「本人から聞けばいい。」
「聞いてるよ。」
「ではなぜ12％なんです？」
工場長は答えた。
「柴田さんが説明できないから。」
音が違う
人事担当者は柴田に面談した。
「設備点検の判断基準を教えてください。」
柴田は言った。
「音。」
「音？」
「音が違う。」
「どう違います？」
「違うんだよ。」
人事担当者は困った。
「周波数ですか？」
「それもある。」
「振動？」
「ある。」
「温度？」
「見る。」
「電流値？」
「見る。」
「では、それらをAIに入力すれば再現できますね。」
柴田は首をかしげた。
「たぶん無理。」
「なぜです。」
「今日は暑いから。」
「空調されています。」
「床が違う。」
「同じ工場です。」
「三号機の隣でフォークリフト走るだろ。」
「はい。」
「あれで響き方変わる。」
人事担当者はメモした。
「フォークリフト振動を追加。」
柴田は言った。
「それだけじゃない。」
「他には？」
「今日は湿ってる。」
「湿度センサーあります。」
「グリス替えただろ。」
「記録あります。」
「一昨日、二号機止めただろ。」
「あります。」
「じゃあ昨日から三号機に負荷寄ってる。」
「生産管理AIが把握しています。」
柴田は少し考えた。
「じゃあAIにやらせればいいんじゃない？」
面談は終了した。
デジタル柴田
会社は本気だった。
柴田の技能をAI化するプロジェクトが始まった。
名称は、
Digital Shibata Project
本人は嫌がった。
「俺、死ぬの？」
「技能継承です。」
「生きてるけど。」
半年間、
柴田の作業を記録した。
視線。
手の動き。
工具。
センサー値。
音。
振動。
温度。
発言。
判断。
過去20年の修理記録。
全部AIに入れた。
AIは学習した。
故障予測精度は、
柴田より高くなった。
プレゼン会場で拍手が起きた。
経営コンサルタントが言った。
「属人化解消です。」
柴田は後ろで弁当を食べていた。
柴田、退職
翌年。
柴田は定年になった。
会社は再雇用を提案した。
年収は、
それまでの60％。
柴田は聞いた。
「俺の仕事、AIにしたんだろ。」
人事は答えた。
「技能継承が完了しましたので。」
「じゃあ俺いらないじゃん。」
「アドバイザーとして。」
「何をアドバイスするの。」
人事は答えに詰まった。
柴田は辞めた。
送別会には、
工場長と古い同僚が十人来た。
社長は来なかった。
AIが作った祝辞が読み上げられた。
長年培われた卓越した技能は、デジタル技術によって次世代へ継承されます。
柴田は聞いていた。
そして言った。
「そうだといいね。」
三年、何も起きなかった
評論家なら、
ここで翌日に工場を壊したくなる。
しかし、
何も起きなかった。
一年目。
正常。
二年目。
正常。
三年目。
生産性は上がった。
設備保全部門は、
24人から9人になった。
故障件数も減った。
柴田の判断を再現するAIは、
社内表彰を受けた。
人事部は言った。
「技能継承成功事例です。」
経営誌にも載った。
タイトルは、
「匠の技をAIへ――属人化を克服したスマートファクトリー」
柴田は読まなかった。
四年目の六月
その日は、
たいした異常ではなかった。
三号機の温度が、
平常値より1.8度高かった。
AIは正常範囲と判断した。
振動も正常。
電流も正常。
圧力も正常。
音響解析も正常。
予測故障確率、
0.7％。
オペレーターは作業を続けた。
翌日。
温度は戻った。
問題なし。
一週間後。
また少し上がった。
故障確率、
0.9％。
問題なし。
若い保全担当者が言った。
「なんか音、変じゃないですか。」
同僚が聞いた。
「アラート出てる？」
「出てない。」
「じゃあ正常だろ。」
「でもなんか……。」
「何ヘルツ？」
「分からない。」
「振動値は？」
「正常。」
「じゃあ気のせい。」
会話は終わった。
壊れた
七月二日。
午前3時17分。
三号機が停止した。
安全装置が作動したため、
事故にはならなかった。
しかし、
主軸系が損傷していた。
生産ライン停止。
AIが原因解析を始めた。
潤滑異常。
軸受劣化。
微小偏芯。
熱膨張。
複数候補。
確信度は低い。
メーカーへ連絡した。
メーカーの回答。
当該設備は導入後31年を経過しており、現行仕様との差異が大きいため、現地調査が必要です。
現地調査。
三日。
部品調達。
最短六週間。
損失見込み、
83億円。
役員会が開かれた。
「誰か直せないのか」
社長が聞いた。
「応急修理できないの？」
工場長が答えた。
「メーカーは無理だと。」
「社内には？」
「難しいです。」
「昔は止まってもすぐ直してただろ。」
工場長は黙った。
社長が聞いた。
「柴田さんは？」
人事部長が答えた。
「四年前に退職されています。」
「連絡しろ。」
「分かりました。」
柴田に電話した。
出なかった。
もう一度。
出なかった。
夕方。
折り返しが来た。
柴田は釣りをしていた。
工場長が言った。
「三号機が止まりました。」
「そう。」
「来てもらえませんか。」
「なんで？」
工場長は黙った。
柴田が言った。
「AIあるだろ。」
会社はお願いした
翌日。
工場長と役員二人が、
柴田の家へ行った。
柴田は麦茶を出した。
役員が頭を下げた。
「一度、設備を見ていただけないでしょうか。」
柴田は言った。
「分かんないよ。」
「それでも。」
「四年見てないし。」
「お願いします。」
「AIは？」
「原因を特定できていません。」
柴田は少し笑った。
「俺より賢いんだろ。」
誰も答えなかった。
柴田、工場へ戻る
四年ぶりに、
柴田が工場に来た。
ヘルメットをかぶった。
三号機の前に立った。
しばらく何もしなかった。
若い保全担当者たちは、
タブレットを持って待っていた。
柴田は機械を触った。
床を踏んだ。
横へ回った。
配管を触った。
五分ほどして言った。
「これ、主軸じゃないな。」
AIは主軸系異常を第一候補にしていた。
工場長が聞いた。
「どこです？」
柴田は答えた。
「架台。」
「架台？」
「たぶん下。」
設備を止め、
カバーを外した。
ボルト一本。
見た目には正常。
柴田が言った。
「これ抜いて。」
外した。
内部に、
ごく小さな変形があった。
なぜ分かったんですか
若手が聞いた。
「なぜ分かったんですか。」
柴田は答えた。
「音。」
「音響AIは正常判定でした。」
「そう。」
「何が違ったんです？」
「響き。」
「どういう？」
「前より下から来てた。」
若手は録音データを開いた。
「どの周波数です？」
柴田は言った。
「知らん。」
若手は困った。
「では、どうやって覚えたんです？」
「ずっと聞いてたから。」
「何年？」
「三十年くらい。」
「そんなの学習できません。」
柴田は笑った。
「AIはもっとデータ食ってるだろ。」
若手は黙った。
AIが間違っていたのではなかった
事故調査委員会が開かれた。
最初、
AI予測システムの失敗が疑われた。
しかし調べると、
AIは設計通り動いていた。
入力されたセンサーデータから、
既知の故障パターンを正しく評価していた。
問題は別だった。
架台の経年変形。
床構造のわずかな変化。
設備配置の変更。
生産負荷の長期変化。
補修履歴。
フォークリフトの動線。
周辺設備からの振動。
それらが重なって、
過去データにはほとんど存在しない状態が生まれていた。
AIが愚かだったわけではない。
会社が、何をデータとして残すべきか知らなかった。
デジタル柴田に入っていなかったもの
会社は、
柴田の技能を記録したと思っていた。
視線。
音。
振動。
温度。
動作。
判断。
ところが記録したのは、
柴田が何を見たかだった。
柴田が、
なぜそれを見るようになったのか
は記録していなかった。
昔、
似た壊れ方をした一号機。
十年前の床工事。
十五年前に退職した整備員の言葉。
夏だけ起きた異音。
失敗した応急修理。
メーカー技術者との口論。
夜勤で何百回も聞いた正常音。
何でもない故障。
危なかった故障。
無駄だった点検。
全部が柴田の中で、
「なんか変だ」
になっていた。
会社は、
その「なんか」を無駄だと思った。
職人は説明できないから価値がない
事故調査報告書には、
過去の会議資料も添付された。
四年前。
人事担当者の記録。
柴田氏の判断には言語化困難な要素が多く、再現性に課題がある。
さらに、
標準化・データ化によって属人的要素を除去する必要がある。
役員はそれを読んだ。
誰も何も言わなかった。
柴田が横から見て言った。
「よく書けてるね。」
再雇用の話
会社は柴田に、
正式な技術顧問契約を申し出た。
以前の三倍の報酬だった。
柴田は聞いた。
「何するの？」
役員は答えた。
「若手育成とAIシステム改善を。」
「四年前にやればよかったね。」
「おっしゃる通りです。」
「俺、もう釣り行きたいんだけど。」
「月四日で。」
「二日。」
「三日。」
「じゃあ三日。」
契約成立。
会社は、
83億円失って、
交渉術を学んだ。
職人学校
ゴチャマゼは、
新しい制度を作った。
名称は当初、
Tacit Knowledge Preservation Program
だった。
日本語では、
「暗黙知保存計画」。
柴田が聞いて言った。
「保存してどうすんの？」
名称変更。
現場技能継承制度。
柴田は言った。
「まだ硬い。」
最終的に、
職人学校
になった。
しかし、
昔ながらの徒弟制度に戻したわけではない。
AIを使う。
センサーも増やす。
映像も取る。
記録もする。
シミュレーションもする。
若手はAIから大量に学ぶ。
その上で、
柴田の横に立つ。
柴田が言う。
「今日、四号機ちょっと変だろ。」
若手が聞く。
「どこが？」
「分からん。」
「またそれですか。」
「だから見ろ。」
AIも一緒に見る。
人間も見る。
データを取る。
仮説を作る。
外れたら記録する。
柴田の勘を信仰しない。
AIの数字も信仰しない。
比べる。
柴田も間違う
ある日。
柴田が言った。
「これは軸受だ。」
AIは言った。
軸受異常確率 8％。冷却水系異常確率 71％。
若手が調べた。
冷却水だった。
柴田は言った。
「AIの勝ち。」
若手が驚いた。
「悔しくないんですか。」
「なんで？」
「職人の勘が負けた。」
柴田は笑った。
「機械直ればいいだろ。」
若手は少し考えた。
ゴチャマゼの昔の社長と、
同じことを言っていた。
会社が間違えたこと
社内報に、
事故の総括が掲載された。
タイトルは、
「人間を切ったから失敗したのか」
結論は、
違った。
AIを使ったことが間違いではない。
自動化したことも間違いではない。
属人化を減らそうとしたことも間違いではない。
問題は、
標準化できない能力には価値がない
と判断したことだった。
もっと正確に言えば、
現在の会社が測れないものは、存在しないものとして扱った。
そこが間違っていた。
柴田の技能は神秘ではない。
超能力でもない。
何十年もの観測と失敗と修理から形成された、
大量の経験依存パターン認識だった。
原理的にAI化できないと証明されたわけでもない。
ただし、
会社はAI化できるだけのデータを持っていなかった。
そして、
持っていないことにも気づいていなかった。
人件費削減効果
事故後の取締役会。
財務担当役員が説明した。
「柴田氏退職後の四年間で、設備保全部門の人件費削減効果は累計6億2千万円でした。」
社長が聞いた。
「今回の損失は？」
「直接損失83億円。」
「機会損失込みでは？」
「推定117億円です。」
沈黙。
社長が言った。
「つまり6億節約するために117億失った？」
財務担当は答えた。
「結果的には。」
社長は言った。
「効率化、大成功だな。」
誰も笑わなかった。
株主総会
当然、
株主総会では追及された。
株主が聞いた。
「なぜ熟練技術者を退職させたんですか。」
社長は答えた。
「当時は技能のデジタル移転が完了したと判断しました。」
「誰が判断したんです。」
「経営陣です。」
「AIが間違えたんじゃないんですね。」
社長は少し黙ってから答えた。
「はい。」
「では誰が間違えたんです。」
社長は答えた。
「AIで置き換えられたと思った、われわれです。」
株主は言った。
「自業自得ですね。」
社長は答えた。
「その通りです。」
翌日の新聞記事は、
そこだけ大きく引用した。
職人を尊敬しましょう
事故のあと、
世間では別の運動が始まった。
テレビ番組。
「日本の匠を守れ」
雑誌。
「AIには真似できない職人技」
政治家。
「日本人の手仕事の魂こそ世界に誇るべき財産です。」
柴田はテレビを見ながら言った。
「また始まった。」
若手が聞いた。
「うれしくないんですか。」
「何が？」
「職人が再評価されてます。」
柴田は言った。
「評価しすぎると、今度は何でも職人にするだろ。」
「だめですか。」
「AIでできるものはAIにやらせろよ。」
若手は笑った。
職人を守ることが目的ではない
ゴチャマゼは、
職人保護企業にはならなかった。
AI化できる仕事は、
依然としてAI化した。
自動化できる工程は、
自動化した。
不要な技能は、
消えた。
昔できたという理由だけで、
保存しなかった。
ただし、
一つだけ原則を追加した。
ある技能を捨てる前に、その技能が何を支えているか確認する。
生産。
異常対応。
品質保証。
安全。
修理。
教育。
設計。
工程変更。
他部門との調整。
その技能が消えたとき、
どこが壊れるか。
そこまで見る。
見えなければ、
「不要」とは判定しない。
未確認とする。
会社は、
ようやく「分からない」という項目を経営表に作った。
AI企業の会議
ある日、
AI企業の社長がゴチャマゼを訪れた。
柴田の話を聞いて言った。
「面白いですね。」
ゴチャマゼの社長は答えた。
「117億円しましたけどね。」
「高い授業料だ。」
「大学より高い。」
AI企業社長が聞いた。
「結局、職人はAIに置き換えられないんですか。」
ゴチャマゼ社長は首を振った。
「分かりません。」
「置き換えられるかもしれない？」
「将来は。」
「ではなぜ残すんです。」
「今、必要だから。」
「人間だから？」
「違う。」
「伝統だから？」
「違う。」
「では？」
社長は答えた。
「会社がまだ、その人の何を使っているのか全部分かっていないからです。」
AI企業社長は少し考えた。
「なるほど。」
そして笑った。
「それ、AIにも同じですね。」
「何が？」
「使えてるからって、何をやってるか全部分かってるとは限らない。」
二人は黙った。
柴田の評価
数年後。
柴田は完全に引退することになった。
今度は会社が、
盛大な送別会を開こうとした。
柴田は断った。
「前にやっただろ。」
人事部は言った。
「今回は正式な功労表彰も。」
「いらない。」
「会社への貢献を評価して。」
柴田は聞いた。
「いくら？」
人事部は困った。
「表彰なので金額では。」
柴田は言った。
「評価するなら金払え。」
翌日、
特別功労金制度ができた。
柴田は受け取った。
帰り際。
若い保全担当者が聞いた。
「柴田さん。」
「何。」
「結局、職人って何なんですか。」
柴田は考えた。
「知らん。」
「最後までそれですか。」
「じゃあ、こうしとけ。」
少し考えてから言った。
「壊れてから値段が分かる人。」
若手は笑った。
柴田は工場を出た。
その日の夕方、
四号機から、
ほんの少し変な音がした。
若手は立ち止まった。
AIは正常と表示していた。
若手はその場を離れなかった。
今度は、
会社も急かさなかった。
区切り
AI企業は日本へ亡命した 9――経営陣をAIに替えたら業績が上がった
ゴチャマゼは、職人を切って痛い目を見た。
会社は学んだ。
測れないものを、
ないものとして扱ってはいけない。
標準化できないから価値がない、
と決めつけてもいけない。
ある人間が何を支えているのか分からないなら、
切る前に調べる。
職人の技能は、
神秘ではなかった。
超能力でもなかった。
ただ、
会社がまだ十分に観測できていなかった。
この教訓は、
全社に共有された。
そして翌年。
社員が言った。
「では、経営陣についても調べましょう。」
役員会が静かになった。
社長は何をしているのですか
最初は冗談だった。
社内AIに、
こんな質問をした社員がいた。
当社の各職種について、会社業績への寄与経路を推定してください。
営業。
開発。
製造。
設備保全。
法務。
経理。
顧客対応。
AIは次々に答えた。
営業は受注を増やす。
開発は製品を作る。
製造は供給する。
設備保全は停止時間を減らす。
法務は法的損失を減らす。
経理は資金と記録を管理する。
最後に、
経営陣
と入力した。
AIは少し長く考えた。
主な機能：
目的設定
資源配分
重要意思決定
組織設計
対外代表
リスク受容
最終責任
社員は聞いた。
そのうちAIで代替可能なものは？
AIは答えた。
現行システム上、かなりの部分が技術的には支援または代替可能です。
社員はさらに聞いた。
かなりとは？
AIは数字を出さなかった。
賢明だった。
経営陣は高度な仕事をしている
当然、経営陣は反論した。
「経営は単純な業務ではない。」
その通りだった。
「不確実な状況で判断する必要がある。」
その通り。
「会社全体を見なければならない。」
その通り。
「数字だけでは分からない。」
それも、第8部で会社自身が学んだばかりだった。
そこで誰も、
「AIに替えましょう」
とは言えなかった。
代わりに、
調べることにした。
職人のときと同じように。
経営技能継承プロジェクト
プロジェクト名は、
Executive Knowledge Mapping Initiative
だった。
日本語名は、
経営知可視化計画。
社長が言った。
「俺もデジタル柴田になるの？」
誰も笑わなかった。
経営会議を記録した。
メール。
資料。
発言。
意思決定。
投資判断。
採用判断。
撤退判断。
M&A。
価格改定。
研究開発予算。
工場配置。
過去十年分。
AIは、
どの判断が、
どの情報から、
どう作られたかを分析した。
すると、
少し困ったことが分かった。
会議の大半は、AIがもうやっていた
経営会議。
資料はAIが作る。
市場予測もAI。
競合分析もAI。
財務シナリオもAI。
需要予測もAI。
法的リスクもAI。
設備投資案もAI。
社員配置案もAI。
役員はそれを読む。
そして言う。
「なるほど。」
別の役員が言う。
「慎重にいきましょう。」
別の役員。
「成長機会を逃すべきではない。」
さらに別の役員。
「総合的に判断する必要があります。」
AIは議事録を作った。
若手社員が記録を読んで聞いた。
「この『総合的に判断』って何をしたんです？」
事務局は答えた。
「総合的に判断しました。」
「何を総合したんです？」
「各要素を。」
「どういう重みで？」
「ケース・バイ・ケースです。」
「その重みは記録されていますか。」
「されていません。」
第8部の嫌な記憶がよみがえった。
本当に暗黙知なのか
会社は慎重になった。
柴田のとき、
「説明できないから価値が低い」
と判断して失敗した。
だから今度は逆に、
「説明できないから高度な暗黙知だ」
とも判断しなかった。
ここが重要だった。
説明できないものには、
少なくとも二種類ある。
一つ。
長年の経験が圧縮され、
本人にも完全には言語化できない技能。
もう一つ。
単に、
説明していないだけ。
会社は分けることにした。
投資判断を再現する
過去十年の大型投資案件を使った。
役員の判断を隠し、
当時入手可能だった資料だけをAIへ渡す。
AIに、
投資。
延期。
撤退。
を選ばせる。
結果。
かなり一致した。
いくつかは、
AIの方が良かった。
一件、
役員会が強く推した投資が失敗していた。
AIは当時のデータから、
見送りを推奨していた。
理由。
市場成長率の過大推定。
競合参入リスク。
設備回収期間。
社長が聞いた。
「当時、なぜ投資したんだ。」
議事録を探した。
CEO発言。
この事業は当社の未来にとって重要である。
社員が聞いた。
「これは分析ですか？」
誰も答えなかった。
M&Aもやってみた
過去の買収案件。
AIに再判断させた。
三件。
人間より良かった。
二件。
ほぼ同じ。
一件。
人間が勝った。
経営陣は少し安心した。
その一件では、
当時の社長が買収を止めていた。
理由は、
「相手の社長を信用できない。」
AIは財務上、
買収推奨だった。
二年後。
その会社では会計不正が発覚した。
役員たちは言った。
「ほら。」
第8部と同じだった。
人間には、
データにないものが見えていた。
調査チームは、
当時の社長に聞いた。
「なぜ信用できなかったんです？」
元社長は答えた。
「会食のとき。」
「何か言ったんですか。」
「別に。」
「では何が？」
「店員への態度。」
調査チームは黙った。
経営者の勘
社内報は、
この事例を大きく扱おうとした。
「AIには読めない経営者の勘」
元社長が止めた。
「やめろ。」
「なぜです？」
「あの一件だけだろ。」
「でも重要な事例です。」
「俺、外したこと何件ある？」
調査担当が数えた。
「かなりあります。」
「だろ。」
社内報の企画は消えた。
経営者も職人なのか
経営陣は、
自分たちも職人なのだと言い始めた。
経験。
勘。
人間関係。
空気。
信用。
政治。
組織文化。
確かに存在する。
しかし、
そこから、
だから現在の経営陣が必要である
とは言えなかった。
柴田は、
機械を直していた。
直せるかどうかは、
ある程度見える。
社長の判断は、
成功しても、
社長のおかげなのか分からない。
失敗しても、
社長のせいなのか分からない。
景気が良かった。
競合が失敗した。
為替が動いた。
偶然ヒット商品が出た。
優秀な部下がいた。
規制が変わった。
全部混ざる。
経営者は、
非常に評価しにくい職種だった。
人事部は少し楽しそうだった。
経営陣にもKPIを
社員が提案した。
「では経営陣も成果で評価しましょう。」
役員が言った。
「経営は短期成果だけでは測れない。」
社員は答えた。
「社員評価のときも聞いた気がします。」
「長期的企業価値を見る必要がある。」
「何年です？」
「……。」
「五年？」
「場合による。」
「十年？」
「場合による。」
「失敗した場合、十年前の社長の評価を下げます？」
「もう退任している。」
「便利ですね。」
会議が険悪になった。
AI経営実験
そこで会社は、
子会社一社で実験することにした。
小規模。
事業内容も比較的単純。
経営陣は、
社長。
財務担当。
営業担当。
技術担当。
人事担当。
計五人。
ここを、
AI経営支援システム
中心へ変える。
AIが、
価格。
在庫。
採用人数。
広告費。
研究開発費。
設備投資。
仕入先配分。
営業目標。
を毎週提案する。
人間の取締役は三人だけ残す。
法的承認。
重大な例外。
目的変更。
だけ担当。
元の役員たちは言った。
「そんな会社は数字だけになる。」
社員も半信半疑だった。
半年後
売上、
8％増。
営業利益、
14％増。
在庫、
21％減。
納期遅延、
減少。
社員満足度、
微増。
誰も喜ばなかった。
「短期だから。」
と言った。
一年後。
利益、
さらに増加。
離職率、
低下。
会議時間、
67％減。
社員満足度、
さらに上昇。
理由を聞いた。
社員は答えた。
「会議が減ったから。」
元役員は不機嫌だった。
なぜ社員満足度が上がったのか
調査した。
AIは、
上司の機嫌を気にしなかった。
自分の派閥を作らなかった。
お気に入りの部下を昇進させなかった。
過去の自分の判断を守るために、
損切りを遅らせなかった。
会議で長く話さなかった。
「私が若い頃は」
と言わなかった。
深夜に思いつきで電話しなかった。
社員は言った。
「話が早い。」
本社が困った
子会社の成績が良すぎた。
本社役員会で、
社長が聞いた。
「何が効いている？」
AIが分析した。
要因候補：
意思決定速度向上
会議コスト低下
データ統合改善
部門間資源配分最適化
経営判断の一貫性向上
一人の役員が聞いた。
「人間経営陣を減らした効果は？」
AIは答えた。
上記要因と分離困難です。
役員は少し安心した。
AIは続けた。
ただし、旧経営会議方式に戻す合理的根拠は現時点で確認できません。
安心は短かった。
では本社でも
株主が聞いた。
「子会社で成功しているなら、本社もやったらどうです？」
社長は答えた。
「本社経営は複雑性が違います。」
もっともだった。
そこで、
部分導入した。
予算配分。
AIへ。
設備投資一次審査。
AIへ。
採用計画。
AIへ。
在庫。
AIへ。
価格。
AIへ。
M&A候補探索。
AIへ。
撤退候補抽出。
AIへ。
会議資料作成。
すでにAIだった。
役員は、
AIの提案を審議する。
一年後。
役員会で一人が聞いた。
「我々、何してるんだ？」
誰も答えなかった。
役員18人
当時、
ゴチャマゼ本社には、
取締役と執行役員を合わせて18人いた。
AIは、
業務重複を分析した。
結果。
多くの役員が、
同じ資料を読み、
同じ会議に出て、
同じ案件について、
少し違う表現で意見を言っていた。
人間側は反論した。
「多様な視点が重要だ。」
そこでAIに、
過去三年の会議発言を分析させた。
発言の類似度は高かった。
ある役員は言った。
「数字では測れない多様性がある。」
社員は、
第8部を思い出した。
今度は慎重に調べた。
半年。
一年。
それでも、
重要な差異はあまり見つからなかった。
本当に、
似た人たちだった。
経営改革
役員数を減らした。
18人から12人。
何も起きなかった。
12人から8人。
業績は少し上がった。
8人から5人。
会議がさらに減った。
判断は速くなった。
利益率は上がった。
社員が言った。
「止めます？」
社長は答えた。
「何を？」
「削減。」
社長は少し考えた。
「まだ必要な役割を確認しよう。」
最後に残ったもの
全部AIにはしなかった。
残した。
第一。
目的を変える権限。
利益。
成長。
雇用。
国内供給。
安全。
社会的信用。
全部を同時に最大化できない。
何を優先するか。
AIは候補を出せる。
しかし、
会社として何を選ぶかは、
取締役会が決める。
第二。
会社を拘束する決定。
買収。
撤退。
巨額投資。
重要契約。
事故対応。
誰かが法人として決定を成立させる必要がある。
第三。
利害衝突の決着。
株主。
社員。
顧客。
地域。
政府。
取引先。
AIは利害を整理できる。
しかし、
どれを優先するかは、
計算だけでは出ない。
第四。
責任主体。
これは一番人気がなかった。
AIは提案できる。
分析できる。
反論できる。
予測できる。
しかし、
株主総会で頭を下げない。
法廷にも立たない。
記者会見で、
「私が決めました。」
とも言わない。
制度上、
人間が残った。
経営陣5人
最終的に、
18人いた経営陣は、
5人になった。
さらに、
その5人の仕事の多くもAIが支援した。
業績は、
落ちなかった。
むしろ上がった。
利益率。
上昇。
意思決定速度。
上昇。
社員満足度。
上昇。
会議時間。
激減。
社内政治。
少なくとも減った。
新聞が騒いだ。
AIが経営者を奪う
社長は記事を読んで言った。
「奪われたのかな。」
社員が答えた。
「元役員にはそうでしょうね。」
人間的リーダーシップ
テレビ番組では、
専門家が言った。
「AIには人間的リーダーシップがありません。」
ゴチャマゼ社員に聞いた。
「以前の経営陣にありましたか？」
社員は言った。
「人によります。」
番組では使われなかった。
別の評論家が言った。
「AIにはビジョンを作れない。」
ゴチャマゼはAIに、
十年後の企業ビジョン案を百個作らせた。
人間が読んだ。
かなり良かった。
評論家は言った。
「選ぶのは人間です。」
会社は答えた。
「それはそうです。」
議論は少し縮んだ。
社長の仕事
ある日。
若手社員が社長に聞いた。
「社長。」
「何。」
「今、何してるんですか。」
社長は答えた。
「今日は？」
「普段です。」
「会議。」
「減りましたよね。」
「減った。」
「予算配分。」
「AI。」
「価格決定。」
「AI。」
「人員計画。」
「AI。」
「投資分析。」
「AI。」
「競合調査。」
「AI。」
「M&A候補。」
「AI。」
「じゃあ何してるんです？」
社長は考えた。
「最終判断。」
「毎日？」
「毎日じゃない。」
「週一？」
「そんなにない。」
「それで給料高すぎません？」
社長は黙った。
机上のAI端末が言った。
現行役員報酬について、職務量との整合性を再検討する余地があります。
社長が端末を見た。
「お前、誰の味方だ。」
AIは答えた。
会社です。
役員報酬改革
翌年。
役員報酬制度が変わった。
固定報酬を下げた。
長期成果連動部分を増やした。
さらに、
会社を大きく悪化させる判断をした場合、
過去報酬の一部を返還する制度も強化された。
元役員が言った。
「責任が重すぎる。」
社員は答えた。
「責任が役割なら。」
元役員は黙った。
経営者を敬いましょう
当然、
反動も起きた。
雑誌。
「人間経営者を守れ」
テレビ。
「AIには分からない経営者の孤独」
政治家。
「日本企業の経営哲学をAIに明け渡してはならない。」
柴田がテレビを見て言った。
「また始まった。」
若手が聞いた。
「職人のときと同じですね。」
「ちょっと違う。」
「何が？」
柴田は答えた。
「俺らは切ったら機械止まった。」
テレビの中では、
元CEOが、
「人間にしかできない決断」
について語っていた。
柴田は言った。
「こっちは切ったら利益上がったんだろ。」
若手は笑った。
本当に必要な人間
ゴチャマゼは、
「AI経営企業」
とは名乗らなかった。
経営陣をゼロにもしていない。
人間が必要だから、
ではない。
制度上、
必要な役割が残ったから。
そして、
一部の人間は、
AIにない情報を持っていた。
長い取引関係。
信用。
組織の感情。
政治的空気。
危機経験。
それも使った。
ただし、
それがあるというだけで、
18人全員を残す理由にはしなかった。
人間的価値と、
役職の必要性を、
同じものにしなかった。
職人と経営者
社内研修で、
第8部の事故と、
経営改革が並べて紹介された。
講師が言った。
「職人を削減して、会社は失敗しました。」
社員がうなずく。
「経営陣を削減して、会社は成功しました。」
社員が笑う。
講師は続けた。
「では、何が違ったのでしょう。」
答え。
職人だから必要だったのではない。
経営者だから不要だったのでもない。
職人の仕事には、
会社が把握できていなかった重要機能が残っていた。
経営陣の仕事には、
会社が重要だと思い込んでいた重複機能が大量に残っていた。
違いは、
肩書ではなかった。
何をしているかだった。
人間だから、ではなく
ある記者が社長に聞いた。
「御社は、人間の価値を軽視しているのではありませんか。」
社長は答えた。
「人間の価値と、役職の価値は別でしょう。」
「AIに経営を任せることに不安は？」
「あります。」
「それでも使う？」
「はい。」
「なぜ？」
「人間にも不安があるので。」
記者は少し困った。
「では、人間の経営者の強みは何ですか。」
社長は答えた。
「場合によります。」
「もっと分かりやすく。」
社長は首を振った。
「分かりやすくするために、いらない役員を必要なことにする方が困ります。」
記事の見出しにはならなかった。
最後の取締役会
年末。
取締役五人。
AI一台。
議題は、
新規事業への大型投資。
AIは三案を提示した。
A。
利益最大。
雇用削減大。
B。
利益中。
国内雇用維持。
C。
短期利益低。
新技術育成。
社長が聞いた。
「どれが最適？」
AIは答えた。
目的関数によります。
「企業価値なら？」
A。
「十年後の技術基盤なら？」
C。
「地域雇用なら？」
B。
取締役が聞いた。
「総合的には？」
AIは答えた。
総合の規則を指定してください。
全員が黙った。
昔なら、
ここで社長が、
「総合的に判断する」
と言った。
今は言わなかった。
代わりに、
何を守るかを議論した。
利益。
雇用。
技術。
地域。
将来。
そして、
Cを選んだ。
AIは言った。
財務的期待値ではAを下回ります。
社長は答えた。
「知ってる。」
ではCを採用する理由を記録します。
「頼む。」
経営陣をAIに替えたら
翌年。
雑誌のインタビューで、
記者が聞いた。
「御社は経営陣の大半をAI化して、業績を伸ばしました。」
社長は言った。
「そうですね。」
「では経営者はいらない？」
「かなり減らせました。」
「人間でなければならない仕事は？」
「今の制度では少し残っています。」
「人間にしかできない？」
社長は首を振った。
「そこまでは言ってません。」
「では将来はゼロ？」
「分かりません。」
「不安では？」
「何が。」
「自分の仕事がなくなることです。」
社長は少し考えた。
そして言った。
「会社のために不要なら、なくした方がいいでしょう。」
記者が聞いた。
「本気ですか。」
社長は答えた。
「職人には言ってきましたからね。」
横にいた柴田が笑った。
「やっと自分にも言ったか。」
その日の取締役会。
AIが次年度の組織案を提示した。
画面には、
こう表示されていた。
推奨経営陣人数：4名
社長が言った。
「去年は5人だったよな。」
AIは答えた。
はい。
「誰が一人多い？」
AIは数秒黙った。
個人名の提示には、取締役会の承認が必要です。
社長は笑った。
「そこだけ人間に聞くのか。」
AIは答えた。
責任の所在を明確にするためです。
柴田が後ろから言った。
「便利なもんだな。」
社長は言った。
「何が。」
柴田は答えた。
「最後に残った人間の仕事が、自分をクビにすることになった。」
誰もすぐには笑わなかった。
石部統久・ChatGPT5.６Sol
