AIが上司より賢いなら、上司は何のためにいるのか？―AIは暗黙知を自分では学べない

会社への愛と優しさはまだ残っている AIが上司より賢いなら、上司は何のためにいるのか? —AIは暗黙知を自分では学べない

素朴な疑問:「上司に聞くより、AIに聞いたほうが詳しい」 職場に実際に起きている逆転現象 AIの方が圧倒的に詳しく、整理されている 悪いのは、アップデートしていない上司なのか?それとも部下に問題があるのか? 通訳がいないと会話が成立しない時代が到来している。

過去の構造:上司はなぜ「上」だったのか? これまでの上司の権威は、以下の4つの要素が「一人にまとまっていた」から成立していた。 ①知識 業界について詳しい ②経験 似た案件を経験している ③社内情報 役員の歴史や社内カーストを把握 ④決裁権・人事権 最後に「これでいこう」と決定できる

『知のボトルネック』で成立していた権威の崩壊 かつての上司の力は4つに分解されます。 しかし、その大半はすでにAIに代替されつつあります。 1.知識(業界情報など) AI 2.経験(過去事例など) AI 3.社内情報(議事録・顧客情報) AI 4.決裁権・人事権 AIを見越して、会社も権限を薄めている(プロジェクト・リードなど)

崩壊する権威:「知のボトルネック」の解消 ①知識 ②経験 AIが代替 ③社内情報 チャットツールで検索可能 ④決裁権・人事権 ・知識と経験→AIが瞬時に比較し、精度の高い案を出せる。 ・社内情報→チャットツールから規程、議事録、過去事例が検索可能に。(載っていないのは不祥事くらい) ・上司が「自分だけが知っている」ことで成立していた権威は確実に小さくなる。 ・残された決裁権も、会社側が見越してプロジェクト・リードなどへ薄めていく。

意思決定のシフト:「最後に判断する人」が上司なのか? ヒューマン・イン・ザ・ループ(従来) AIが答えを出しても、最後に判断・承認するのは必ず人間。 ヒューマン・オン・ザ・ループ(最先端) AIが自律的に処理を回す。人間は上から監視し、必要なときだけ介入・停止する方式へシフト。

権限委譲の決定的な差:A社 vs B社 A社(毎回人間が確認) 運用ルール:イレギュラー対応を建前に、すべての上申を課長が確認する 本音:上司の存在価値を守りたい・従来方式の方が管理しやすい B社(条件付きでAIに委譲) 運用ルール:「5%までの値引き」「特定粗利水準の維持」など範囲を定めAIに判断させる 本音:権限そのものをシフトし、高速化を図る 結果:B社が圧倒的に早く・強く・儲かる。 実例:OpenAIの企業向けエージェントでは、英語電話サポートの75%を人の助けなしで解決している。

新たな壁:なぜルールをそのままAIに教えられないのか? 優秀な部長のきれいなルール 「粗利20%は守る」「長期取引を重視」 しかし、現実はもっと複雑… 「5%まで値引いていい」←なぜ5%なのか?なぜこの顧客だけ例外なのか? 問題:AIは「頭でっかちの中学2年生」。 きれいなルールをそのまま教え込んでも、現場の本当の判断には使えない。

コアコンセプト:「暗黙知」の氷山モデル 水面上:明文化されたルール(AIが読める) ・粗利20%・5%引きなどのマニュアル化された数値 水面下:現場の知恵『暗黙知』 ・あの会社だけは18%でも取れた ・似た案件だったけれど、こちらは断った ・担当者がこの言い方は、本気で買うと判断した 身体で覚えたことだから、本人自身が認識していない場合が多い。ここがAIの限界地点。

AIを動かす「会社のものさし」をつくる 企業理念:顧客第一、品質大切 理念だけではAIは仕事ができない。 利益 ↔ 顧客関係 品質 ↔ 納期 現場の自律 ↔ 人間の確認 必要なのは、実際の判断に使える『解像度の高い基準』。 この基準の多くは文書になっていないため、人の経験から掘り出すしかない。

知恵を掘り出す『Socrates as a Service』 ジャーナリストのEleanor Warnock氏によれば、人間の優れた聞き手が本当に面白い話を掘り出せるのは『45分を過ぎてから』です。 0-40分 通常の会話 45分 横道 あれ?いまのは何だろう? 実はあの時… マニュアルにはないのですが… 誰も知らないのですが…

暗黙知を「掘り出す」プロセス Socrates as a Service ・本当に面白い話はインタビューの45分を過ぎてから出る。 ・予定の質問を捨てて横道を掘ることで、ネットにもAIにもない細部が掘り出される。 ホームベーカリーのSECIモデル ・マニュアルをもらうのではなく、職人の仕事を見て、真似る。 ・「生地をねじる・ひねる」感覚を掴み、機械のプログラムに変えた。 違うのは、相手が機械ではなくAIになったことだけ。

機械に暗黙知を教える技術(SECIモデル) これは新しい課題ではありません。40年前、松下電器のホームベーカリー開発者・田中郁子氏は、パン職人の『生地をねじる・ひねる』感覚を自ら掴み、羽根の形状と回転プログラムに変えました。 相手が機械から『AI』に変わっただけなのです。 観察 抽出 ねじる・ひねる感覚 変換

新時代の上司:パラダイム・シフト 上司は『部下よりたくさん答えを知っているため』にいるのではありません。 過去 権威の源泉(Source of Authority):自分だけが答えを知っている(知識の独占) アクション(Action):すべての工程を承認・管理する AIとの関係(AI Relationship):AIを『ただの検索ツール』として扱う AI時代 権威の源泉(Source of Authority):言葉になっていない知恵を掘り出せる(暗黙知の抽出) アクション(Action):境界線(ものさし)を設定し、例外を監視する AIとの関係(AI Relationship):AIを『自律的に動くジュニア・パートナー』として育てる

パラダイムシフト:だから、上司の仕事が変わる Before:答えを知っている人 部下よりたくさん答えを知っているために存在する。 After:判断を見つけ、言葉にする人 会社の中に散らばっている判断を見つけ、本人が言葉にしていなかった違いを「言語化」するために存在する。 個人の癖なのか、会社として残すべき判断なのかを決め、「会社のものさし」としてAIと部下に渡す。

新時代のマネジメントサイクル AI時代の上司の仕事は、この循環プロセスを回し続けること。 ①掘る(Dig):現場の暗黙知を見つけ出す。 ②決める(Decide):それを会社のものさしとするか判断する。 ③教える(Teach):AIと部下に基準をセットする。 ④任せる(Delegate):権限を渡し、自律的に動かす。 ⑤直す(Fix):例外が起きたら介入し、システムをアップデートする。

究極の責任:例外の処理とアップデート AIの自律運用(ものさし適用中) 例外発生(Exception) 上司が介入し、処理する 処理して終わらせる ものさしのアップデート 重要なこと:上司がその案件を処理して終わらせないこと。「今回はなぜ例外だったのか」を記録し、次からは現場とAIで判断できるように基準やエスカレーション条件を変更する。 外れたときに責任を取る。これが人間の役割。

あなた自身の判断は、AIに教えられるか? 「勘です」「その場で判断しています」で終わらせず、現場の暗黙知を言語化する。 あなたの上司は、答えを教えているだろうか? それとも「まだ言葉になっていない知恵」を掘り出しているだろうか? AIと人間の間の通訳となる。その「違い」を埋めるからこそ、あなたはこれからも「上司」であり続ける。

池松 潤 Jun Ikematsu AIナレッジエンジニア AIが理解できる文脈(コンテキスト)にするプロフェッショナル ●プロフィール 婦人公論.jp 動画Youtube・AI・新規事業開発 ~2023 9月~ 株式会社Figorout 事業開発 ~2023~ 株式会社col 執行役員 ~2021~ SaaSスタートアップ向けSNS+PR/note顧問編集 ~2019~ サイボウズ編集部 ~2015~ セミタイヤ。自転車ロードレースなど世界を旅する。 ~2011~ ネット系ベンチャー ~2003~ 株式会社博報堂 ~1990~ 慶應義塾大学卒 ●専門領域 ナレッジマネジメント/情報設計 生成AI・自然言語処理のビジネス活用 ナレッジグラフ/RAG構築支援など ●特徴・強み 技術と経営・ビジネスの両面から翻訳 現場で「使える知識」に変換 わかりやすい解説と丁寧な支援に定評 AIナレッジエンジニアとは? AI向けの辞書や教科書を作る仕事のこと 属人化している企業のノウハウや専門知識を編集・整理して AIが正確に参照・活用できる「辞書や教科書(コンテキスト)」として再構築する専門家 池松 潤 https://lit.link/junikematsu

言語処理学会第32回年次大会・NLP2026 発表論文 RAG時代の言語資源設計原理 一構造化テキストによる「参照可能性」の実証 AIはどちらを読みたいか? なぜ「AIにたくさん読ませる」は間違いなのか?ー編集者が知るとその後が変わる実験結果