【イベントレポート】生成AIを「使う会社」から「使いこなす会社」へ　～ AI時代の意思決定・組織・人材のリデザイン ～

その問いに答える象徴的なデータとして紹介されたのが、MITのプロジェクト 「NANDA(Networked AI Agents in Decentralized Architecture)」で明らかになった現象「シャドーAIの逆説」だ。会社公式の生成AI導入プロジェクトの多くが失敗する一方で、9割を超える企業では従業員が個人のAIツールを業務に活用し、成果を出し始めている^※2。同じ会社、同じデータ環境、同じ人材でありながら、個人レベルでは機能しているという事実である。

米国のシンクタンクであるRAND Corporationの調査では、AIプロジェクト失敗の主因の84%が「リーダーシップ起因」とされ^※4、MIT Sloan Management Reviewの調査でも、最大の障害を「技術」と回答したデータ責任者はわずか9%にとどまる^※5。「データの整備不足」「人材不足」が真因であれば個人利用も同様に失敗するはずだが、現実は逆だ。「失敗しているのは、AIでも、データでも、人でもない。組織の、業務と判断の仕組みだ」と指摘した。

※2 MIT NANDA, The GenAI Divide: State of AI in Business 2025 (July 2025)
(https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf)

※4 RAND, The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed: Avoiding the Anti-Patterns of AI (2024)
(https://www.rand.org/pubs/research_reports/RRA2680-1.html)

※5 Hoque, Davenport & Nelson, “Why AI Demands a New Breed of Leaders”, MIT Sloan Management Review. (MIT Sloan Management Review)
(https://sloanreview.mit.edu/article/why-ai-demands-a-new-breed-of-leaders/)

講演では、メインフレーム（M/F）からERP、CRM、クラウド、RPAに至る企業ITの歴史も振り返られた。これまでのテクノロジーは一貫して、人間が判断するための「材料」を整える役割を担ってきた。データを集め、統合し、見える化する。しかし最後に判断するのは、常に人間だった。

生成AIとAIエージェントは、ここが根本的に違います。材料の提供ではなく、判断そのものに踏み込んでくる。これが、過去のIT導入の延長線でAIを扱うと失敗する理由です。

ERP導入と同じ発想で生成AIを導入しても成果にはつながりにくい。問われるのはデータの蓄積・出力ではなく、人間の「意思決定」そのものをいかに再設計するのかだと強調した。

意思決定へのAI関与には段階がある。情報収集・整理を担うレベル1から、判断材料・選択肢の提示（レベル2）、推奨案とリスク・根拠の提示（レベル3）、条件付きの自動実行（レベル4）、そして自動実行・E2E最適化を行うレベル5まで、車の自動運転に近い形で段階的に権限を引き上げていく発想だ。佐藤は「今、多くの企業がレベル1〜2で止まっている。成果が出るのはレベル3以降、判断に踏み込んでから」と指摘した。

どの意思決定をどのレベルまで委ねるかを見極める基準として提示されたのが、「誤りの影響（可逆性・金額や安全・顧客への影響の大きさ）」「判断の定型度（ルール・基準の明確さ、例外の頻度）」「データと検証可能性（学習できる元データ、監査可能性）」の3軸である。3軸すべてがAI向きであれば委譲レベルを引き上げ、混在する場合は「AI提案＋人間承認」の協働、致命的なリスクが1つでもあれば人が保持する、という仕分けを行う。

全社の意思決定を一足飛びに最適化することはできない。講演では、レベル1〜2で土台をつくる「Foundation」期、レベル3〜4で推奨・条件付き自動化を業務フローに組み込む「Expansion」期、AIを前提とした経営・事業運営へ移行する「Transformation」期という3段階のロードマップが示された。ポイントは、生成AI導入レベルの引き上げと「組織・人材」の変革を並走させることであり、ここが噛み合わないまま導入だけを先行させると、成果は期待できない。

その担い手として挙げられたのが、3階層の人材像だ。全従業員が目指す「エージェントボス」はAIを部下として使いこなし、出力を鵜呑みにせず検証する人材。各部門に数名配置される「ディシジョン・アーキテクト」は、任せてよい判断といけない判断を見極め、熟練者の暗黙知をAIに移植し、採否の最終判断と結果責任を引き受ける。そして全社に数名、経営直下に置かれる「マスター・ディシジョン・アーキテクト」が、全社の変革ロードマップとガバナンス設計を担う。

「ディシジョン・アーキテクト」や「マスター・ディシジョン・アーキテクト」といった判断設計者は、AIの専門家である必要はありません。自社の業務と判断を深く知っている人です。おそらく、皆さまの会社にすでにいます。人材戦略の勝負どころは、採用ではなくここだと考えています。

講演の最後に、AIの導入そのものはもはや差別化要因ではなく、問われているのは「どの判断を、どう変えたか」だと総括した。強みは守るものではなく、AIを前提に作り直すものであり、意思決定にフォーカスし、段階的に委譲し、人材を育て、パートナーを巻き込み、成果で測る。この意思と計画性を持って進めた企業だけが、実際に成果を手にし始めているという。

生成AIを『使う会社』から、意思決定を変革し『使いこなす会社』へ。皆さまの会社の、どの判断から変えますか。

そう会場に問いかけ、講演を締めくくった。