あなたのAIはフェラーリのエンジン。だがあなたの会社はまだ馬車である。

ここに、数兆ドルの価値がある謎がある。今やほとんどの企業が、コードを書き、契約書の草案を作り、40ページのレポートをコーヒーを飲み終える前に要約できるAIを持っている。それなのに、そのほとんどで実際に何かが速くなったわけではない。給与計算は相変わらずだ。四半期の数字も変わらない。誰かが巨額の金を払って超能力を手に入れたのに、組織図は肩をすくめただけだった。

経済学者はこれに名前をつけている――生産性パラドックス。もっと身も蓋もない言い方をするなら、我々はジェットエンジンを馬車に取り付けておいて、それでも馬が疲れているのを不思議がっているのだ。

メンタルモデル：古い体に若い心臓

80歳の老人が、新品の心臓を移植されたところを想像してほしい。強靭で、若々しく、疲れを知らない心臓だ。素晴らしい。では彼に1000メートル走を頼んでみよう。無理だ。心臓は飛ぶ準備ができているのに、膝も肺も脆くなった骨も、そのメモを受け取っていない。新しい部品は制約ではない。それを取り巻く古い身体のほうが制約なのだ。

それがAIを導入したあなたの会社だ。モデルは若い心臓である。オペレーティングモデル——仕事がどう分割され、引き継がれ、承認されるか——は古い身体だ。地球上で最も強力な心臓をその骨格に移植しても、やはり走れない。骨がボトルネックだからだ。

もっと単純に考えてみよう。あなたのクラスにグループ課題用の天才ロボットが支給されたとする。ところが先生は、やり方は昔のままにしろと言い張る。ロボットが段落を書き、それをティミーに渡す。ティミーは昼食後に読み、サラに渡す。サラがフォーマットを整え、誰かがそれを先生にメールで送る。ロボットなら課題全体を90秒で終わらせられるのに、実際には一日を人間同士が伝言を回すための順番待ちに費やしてしまう。私たちはオフィスに天才を与えておきながら、経理のゲイリーが昼食から戻るのを待たせているのだ。

ボトルネックは天才ではない。伝言ゲームの流れ作業のほうがボトルネックなのだ。それが今、あらゆる会社で起きていることだ。

私たちは1900年の電気の過ちを繰り返している

この映画はすでに一度上映されている——電気を主役にして——そして結末は記録に残っている。1882年、Edisonの会社（後のGeneral Electricとなる企業）がマンハッタンのPearl Street発電所を稼働させ、周辺地域に明かりを灯した。電力は、手に入り、明白で、世界を変えるものだった。では工場はどれほど速くそれを導入しただろうか。

1900年——およそ20年後——になっても、工場の動力のうち電力が占める割合はわずか約5%だった。未来がすぐそこにあったのに、20年間もほとんど無視されていた。なぜか。

初期の工場経営者たちが、まさに「若い心臓、古い身体」の過ちを犯したからだ。旧来の工場は一台の巨大な蒸気機関で動いており、それがラインシャフト——天井にボルト留めされた長い回転軸——を回し、そこからベルトとプーリーが垂れ下がって各機械に動力を伝えていた。電動モーターが登場したとき、経営者たちは怠惰な選択をした。蒸気機関を引き抜き、一台の巨大な電動モーターをボルトで取り付け、天井のシャフトとすべてのベルトはそのまま残したのである。新しい心臓、同じ骨格。機械は相変わらず、旧式蒸気機関が指定したレイアウトに縛られたままだった。結果、ほとんど利得なし。肩をすくめるだけだった。

爆発的な変化が起きたのは、技術者たちが中央シャフトを完全に捨て去り、すべての機械に専用の小型モーターを与えたときだけだった。とたんにレイアウトは自由になった。天井の回転軸ではなく、仕事の流れを中心に機械を配置できるようになった——そしてその再配置こそが、文字通り組立ラインへと発展した。経済史家Paul Davidが、この現象を扱う古典的なケーススタディを書いている（"The Dynamo and the Computer,"（訳：ダイナモとコンピュータ）1990年）。汎用技術がもたらす生産性の効果は数十年遅れて現れる、しかもそれは職場をその技術に合わせて再設計した後でしか起きない。動力源そのものは難所ではなかった。難所は再設計のほうだった。

同じ動力源、しかし身体は二つ。エンジンを載せ替えるだけでは肩をすくめる程度の成果しか得られなかったが、仕事の流れに沿って現場を再設計したことで20世紀そのものが手に入った。AIは新しいエンジンだ——問題は、ベルトをそのまま残すかどうかである。

AIを使って1本のメールを書いたり、1回の会議を要約したりするのは、「古いシャフトに大きなモーターを1台つないだ」動きにすぎない。それはそれでいい。だが結局は肩をすくめる程度の成果だ。得られるはずの利益は閉じ込められている。なぜなら、そのタスクの周りは依然としてAI以前の世界のために設計されたままだからだ。

本当の突破口は「連鎖」であり、「タスク」ではない

ここからが直感に反する部分であり、この記事全体の核心でもある。MIT Sloanが、AIの価値が実際どこから生まれるのかを調べた研究では、注目すべきは個々のタスクの性能ではなく、タスクの連鎖——依存関係にある一連のステップを、人間の手を介さずに1本の連続した自律的な実行へとつなぎ合わせる能力——だとされている。

人間と機械のあいだの受け渡しには、それぞれ隠れたコストがある。誰かが作業を止め、内容を読み直し、頭の中でコンテキストを再構築し、確認し、次に渡さなければならない。これを受け渡し税と呼ぼう。ワークフローの中に受け渡しが3回あれば、受け渡し税も3回課される。だからこそ、教師が講義を準備する仕事（おおむね線形で、一度計画すれば済む仕事）は非常に自動化しやすいのに対し、個別指導のチューター（予測不能なやり取りが延々と続く仕事）は、受け渡しのたびにつまずいてしまう。

そして、多くの人の直感を覆す決め台詞がここに来る。AIは、すべてのステップで人間より優れていなければ勝てないわけではない。 3つの工程を鎖でつなげば、3つのハンドオフ税が消える。そうなれば、AIがどこか一工程で人間より少々劣っていたとしても、システム全体はより速く、より安くなる。ランナー自身を速くしようとしているのではない。誰もがバトンを落とすリレーのバトンパスそのものを削除しているのだ。

つまり、AIから価値を引き出す梯子には3段あり、ほとんどの企業は最初の段で足踏みしている。

プロセスではなく、アウトカムを軸に組織する

ほとんどの企業は、どのように仕事が進められるか——部署、承認手続き、「それはうちの担当じゃない」——を軸に組織されている。本来軸にすべきは、何を達成すべきかのはずだ。従来型のソフトウェアは、古いステップを速くしただけだった。ベルトを自動化しただけで、シャフトそのものを問い直すことは一度もなかった。

これを修正することの見返りは小さくない。L.E.K. Consultingの調査によれば、AIと正しく組み合わせることで、人間の創造性は最大20倍の高価値アイデアを生み出すという。これを取りにいくには、旧来の部門を横断する「成果」の単位、つまりディシジョン・ドメイン（「価格をどう決めるか」「資本をどう配分するか」）を軸に組織を編み直す必要がある――単位は成果であり、それが古い部門をまっすぐ横切る。

リーダーたちは待っていない。Shopifyでは、CEOのTobi Lütkeが社員に対し、AIがその仕事をできないことを先に証明できなければ新規採用は承認されないと伝えている。もう一度読んでほしい――デフォルトの人員数はゼロで、人間はその例外として自分の存在を正当化しなければならないのだ。BNY Mellonは、自社のAIプラットフォームで数万人の従業員を訓練し、自律型エージェントがリスク管理やカスタマーサービスの実務を担えるようにしている。彼らは心臓を移植しているだけではなく、身体そのものを作り直しているのだ。

従来型のテクノロジーは、タスクを楽にしただけだった。それでもプロセスを動かしていたのは人間だ。今、やるべき仕事は成果.

を動かすことである ツールからチームメイトへ――どこまで手綱を渡すか

この話の根底にある転換はこうだ。AIは、あなたが振り回すツールであることをやめ、あなたが仕事を委ねるチームメイトになる。ツールは、あなたが手に取って振るのを待っている。チームメイトは、自ら知覚し、推論し、行動し、学習する――あなたが与えるのは、クリック単位の指示ではなく、ゴールそのものだ。

一気に鍵を全部渡す必要はない。本当に設計すべきなのは、どれだけ自由に任せるかという「綱の長さ」であり、これには3段階の設定がある（Silesian University of Technologyの研究者によるフレーミング）。Silesian University of Technology):

• human-in-the-loop：AIが提案し、人間がすべてを決める。（補助輪付き。）
• human-on-the-loop：AIが主導し、人間は見守りつつ必要なときだけブレーキを踏む。（運転手ではなく監督者。）
• human-out-of-the-loop：AIが単独で、範囲が厳密に定められた予測可能な業務を遂行する——自動化された物流を思えばいい。（既知のルートを走るオートパイロット。）

落とし穴：見つめ合う二つのブラックボックス

誰も彼もを信用しない状態では、このどれも機能しない。実はそこには本物の信頼問題が隠れている。それが二重のブラックボックスだ（これもシレジア工科大学の研究者たちが指摘する概念だ）。機械の推論は人間には不透明で（なぜそんなことをしたのか？）、人間の雑然とした直感的な推論は機械には不透明だ（なぜそれを望むのか？）。互いの中身を見通せない二つの知性が、同じ飛行機を共同操縦しようとしているようなものだ。

その出口となるのが説明可能なAI（explainable AI）だ——エージェントは自分の仕事の中身を示せなければならない。それに加えて、スキル劣化（de-skilling）への警戒も要る。オートパイロットに頼りすぎれば、自分自身の操縦能力は気づかぬうちに錆びついていく（地図アプリなしではもう道案内できない人に聞いてみるといい）。L.E.K.が現場で鍛え上げたこの導入レシピは、拍子抜けするほど地に足がついている。

もう一つの身体：作り直すのは人も同じだ

ここまで話してきたのはすべてハードウェアの話だった——フロアの配置、チェーン化、意思決定領域。だが工場とは機械だけではない。フロアに立つ人間もまた工場の一部だ。そしてここには、もう一つの移植手術が待っている。エンジニアリングの図面には決して描かれない、人間という身体の移植だ。二つの研究が主張するのは、こちらの半分こそが、あなたの改革が月曜の朝という現実に耐えられるかどうかを実際に決めている、ということだ。

一つ目はHarvard Business Reviewの"How Behavioral Science Can Improve the Return on AI Investments"（訳：行動科学はいかにしてAI投資のリターンを改善できるか）。ここでの指摘は単刀直入だ。ほとんどのAIプロジェクトが失敗するのは、リーダーが導入をテクノロジーの購入として扱っているからであって、実際には行動変容の課題だからだ。人はルーティンを乱すツールに抵抗するし、目に見えるAIのエラーが一つでもあると過剰に反応する（幻覚による数字が一つ出ただけで、チーム全体が静かに信頼を失っていく）。二つ目の研究、"The Psychological Costs of Adopting AI"（訳：AI導入がもたらす心理的コスト）は、その代償にはっきりと名前をつけている。AIとともに働くことは心理的コストを課す。それは静かに積み重なる負債であり、自律性（「働き方はもう機械が決める」）、有能感（「自分が何の役に立つのか、もう分からない」）、そしてアイデンティティ（「これこそが自分を自分たらしめていた仕事の部分だった」）という三つの領域にまたがる。この負債を払わずに放置すれば、効率化の恩恵をまるごと帳消しにしかねない——モチベーションの低下は、スループットの向上よりも速く進む。

この重なり合いこそが不都合であり、核心でもある。この記事が称賛するアップグレードはすべて、人間の側から見れば脅威なのだ。「ブリトーの包みを開く」というのは、あなたの仕事がホワイトボードの上で分解されたことを意味する。 Shopifyの「AIにできないと証明できなければ採用しない」というのは、自分が解体される側の存在ではないと証明せよ、ということだ。 「引き継ぎを消す」ことは、人が「必要とされている」と感じた瞬間を、静かに消し去ることでもある。構造的な勝利と心理的なコストは、二つの別々の問題ではない。それらは、机の両側から見た、同じ一つの動きなのだ。 フロアの再構築を急ぎすぎれば、手に入るのはアセンブリラインではなく、そのライン上で起きる「静かな離職（quiet-quitting）」だ。撤去し忘れたラインシャフトの正体は、人々の自律性とアイデンティティの感覚でできていた——そしてこれは、組織改編のメモ一枚では動かせない。

だが、二つの陣営が一致している点に注目してほしい。それは、このエッセイ全体が叫び続けてきたのと同じ一文だからだ。モデルは、そもそもボトルネックではなかった。 どちらの立場も、AIを買うものとして扱うのをやめ、それを軸に組織を作り直せ、という点で一致している——AIをその仕事を軸に組織を作り直せ、ということだ。本稿が組織し直すのは仕事のやり方であり、行動科学の研究が組織し直すのは人々の仕事との関わり方だ。この二つはひとつの仕事の両半分であり、どちらか一方だけでは意味を持たない。

では——誰がいつ最も得をするのか？構造的な再構築（本稿のテーマ）は企業——マージン、スピード、損益（P&L）——に効き、その見返りは遅れてやってくる。導入コストという通行料を払い終えたあと、意思決定領域を描き直すリーダーたちによって届けられるものだ。一方、行動デザインは人々——モチベーション、信頼、離職するかどうか——に効き、その見返りは早く訪れる。しかも、それを届けるのは仕事を再構築される当事者たち自身であり、彼らが設計に加わってこそ実現する。長続きする勝者は、この二つを意図的な順序で走らせる。「有志の連合」にツールを試させるだけでなく、再構築そのものを共著させるのだ。そうすればアンバンドリングは、人々に対して行われるのではなく、人々と共に行われる。AIを、雑務だけを取り除いてくれる、その人自身は奪わない「アイデンティティを肯定する存在」 （つまらない雑務を肩代わりするだけで、人そのものを奪うわけではない、というメッセージを添える）。そしてほんの少し意図的な摩擦を設計し、人間がループに十分関わり続けられるようにしてスキルの鈍りを防ぐ（前述のスキル劣化（de-skilling）への防波堤が、ここで二重の役割を果たす）。さらに測定すべきは信頼と定着であって、スループットだけではない。構造の再設計はエンジンにすぎない。心理的負債を返済して初めて、そのパワーは実際に現場を動かす人々のもとへ届く。

工場を作り直す、それ自体はいい。だが本当に断ち切るべき厄介なベルトは天井にあるのではなく、人々が自分の価値観に結びつけてしまったベルトだ。それは彼らと共に断ち切らなければならない。さもなければ新しいエンジンは空回りするだけで、何も動かない。

結論：仕事をアンバンドルせよ

ここですべてがつながる発想の転換がある。ほとんどの職種名は「役割」ではなく、実はブリトーだ。AI以前の世界では一人の人間がまとめて担うほうが都合が良かったから、緩やかに関連するだけの雑多なタスクが一つの仕事に巻き込まれてしまった。「マーケティングコーディネーター」とは、実のところトルティーヤに包まれた十一個の無関係な雑務にすぎない。

AIファーストの世界では、そのブリトーの包みを開かなければならない。バンドルを実際のタスクへと分解し、それぞれを誰が――あるいは何が――一番得意かに応じて再連結する。あるものはエージェントへ、あるものは人間の手元に残る。その間の継ぎ目は「なんとなく」で済ませず、きちんと設計するものになる。

MIT Sloanの警告は、締めくくりにふさわしい冷静な一言だ。実際に組織を作り直すまでは、AIのコスト――再教育、再編、データ基盤の整備――は、得られる利益を確実に上回る。だからといって待つ理由にはならない。それは橋の手前にある料金所にすぎないからだ。まさにこれこそ、多くのCEOが巨額のAI支出を前にわずかな見返りしか得られず頭を抱えている理由である。導入コストという通行料は払いながら、肝心の橋を渡ろうとしていない、というわけだ。

だからこの時代の勝敗を分けるのは、最大で最も輝かしいLLMを持つ企業ではない。同じ「心臓」は誰でも借りられる。勝つのは、その心臓を取り巻く「身体」を作り直す勇気を持ち、パワーを実際に流し込める企業だ。

フェラーリのエンジンを買うのはいい。だが頼むから、荷馬車からは降りてくれ。