前述の通り、従来の若手人材にとっては、知識量や処理スピード、正確性、構造化力といった能力が競争力の源泉だった。故に採用基準においても「与えられた課題に対して、限られた時間の中で情報を整理し、一定品質のアウトプットを返せるか」が重視されてきた。ケース面接、グループディスカッション、ES(エントリーシート)、適性検査など、多くの選考プロセスは、突き詰めれば「与件処理能力」を測る構造になっている。言い換えると、前提条件が与えられた状態で、論理的に整理し、一貫した回答ができるかを見る設計である。
もちろん、この能力自体が即時不要になるわけではない。複雑な情報を整理し、構造化し、他者に伝達する力は、今後もビジネスの基礎能力として重要であり続ける。しかし問題は、その能力だけでは差がつきにくくなっている点にある。生成AIの普及によって、かつては「優秀さ」の象徴だった「短時間で綺麗に整理されたアウトプットを作る力」は、AIによって急速にコモディティ化している。つまり、従来の採用基準は、依然として重要ではあるものの、競争優位を生む識別指標としては相対的に弱まりつつあるのである。
加えて、もう一つ大きな変化がある。それは、企業内部の役割や仕事そのものが流動化している点である。従来の組織では、一定の役割を長期間担い、過去の成功パターンを積み上げることが価値につながりやすかった。しかし現在では、事業環境の変化、生成AIの進化、組織横断型プロジェクトの増加などにより、求められる役割が短期間で変化する。昨年まで有効だった「正解」が、翌年には通用しないケースも珍しくない。この環境においては、「過去の型にどれだけ習熟しているか」よりも、「変化に応じて前提を更新できるか」の方が重要になる。つまり必要なのは、既存の正解を高速処理できる人材ではなく、不確実性の高い状況の中で、問いそのものを立て直せる人材である。
しばしば「問いを立てる」という言葉は、抽象的な発想力やクリエイティビティとして語られがちである。しかし実際には、もっと動的で実践的な能力である。例えば、AIに仮説や論点を投げかけ、示唆や選択肢を得る。その上で、それらを鵜呑みにせず、自分なりに解釈・評価し直す。さらに、関係者との対話を通じて認識のズレや前提条件を確認し、必要に応じて問いを修正する。そして、更新された前提をもとに次の探索テーマへ接続する。この一連の往復運動こそが、本質的な「問いの更新力」である。
前述のとおり、生成AI時代においては、「最初から正しい問いを持っている人」が強いわけではない。むしろ、仮説を外しながらも、環境変化や対話を通じて認識をアップデートし続けられる人材の方が、長期的には価値を発揮しやすい。この観点から見ると、現在の採用プロセスには構造的な限界がある。多くの選考では、「結論の正しさ」や「ロジックの綺麗さ」に評価が寄りやすく、思考の更新プロセスそのものは見えにくい。結果として、「与えられた条件下で最適解を出す人材」は採れても、「問いを再定義しながら探索を進められる人材」は見抜きにくいのである。
以上を踏まえ、次章では採用基準の具体的な移行方向を論じる。