AI時代に不可欠な「2つの判断」と「2つの知識」を切り分ける力に関するレポートが公開されました

判断と知識の混同が引き起こす課題

多くの企業では、この変化への対応がまだ十分に整理されていない現状があります。その背景には、判断と知識をそれぞれ一種類のものとして扱ってしまうことが挙げられます。

本レポートでは、以下のように整理しています。

判断には「前例にもとづく判断」と「事実にもとづく判断」の二つがあります。
知識には「経験を必要としない知識」と「経験を必要とする知識」の二つがあります。

AI時代に企業で生じている多くの混乱は、これら4つの要素を混同していることから生まれると指摘されています。特に問題となるのは、本来は経験を必要とする知識や事実にもとづく判断を必要とする仕事まで、前例適用や模範解答で処理しようとすることです。

その結果、現場では以下のような状況が起こりやすくなります。

理解は増えるものの、判断の機会は増えない。
前例通りに進めているにもかかわらず、以前よりうまくいかない。
手戻りや追加対応が増加する。
難しい案件が一部の熟練者や管理職に集中する。
仕事は回っているものの、次の打ち手が見つからない。

本レポートは、こうした現象を単なる能力不足ではなく、本来の成立条件に対する「誤配置」として捉え直しています。つまり、事実にもとづく判断と経験を必要とする知識で扱うべき仕事が、前例適用や知識教示だけで回せる仕事のように扱われていることが、停滞の背景にあると分析しています。

レポートが示す5つのポイント

1．AI時代に必要なのは、4つを切り分けること

レポートでは、企業が本当に見直すべきなのは、以下の点を明確に切り分けることだと示しています。

どの仕事が前例にもとづく判断で進めてよいのか。
どの仕事が事実にもとづく判断を必要とするのか。
どの知識が教えれば使えるのか。
どの知識が経験しなければ使えないのか。

この切り分けによって初めて、AIに任せるべき仕事と人が担うべき仕事、研修で教えるべきことと実務で経験させるべきこと、そして企業が本当に強化すべき組織能力が見えてきます。

2．仕事を4象限で見ると、AIに寄せるべき領域と人に残る領域が見えてくる

本レポートでは、「2つの判断」と「2つの知識」を組み合わせて仕事を4象限で整理しています。

第1象限：標準処理領域
手順、ルール、チェックリスト、定型説明、定型判定など。AI、自動化、標準化と最も相性が良い領域です。
第2象限：確認調整領域
手順は存在するものの、今回の適用条件や例外条件の確認が必要な領域です。誤適用を防ぐための事実確認が中心となります。
第3象限：誤配置が起きやすい領域
本来は経験知を要するにもかかわらず、前例適用、模範解答、正解探しで扱ってしまう領域です。理解は深まるものの、判断力は育ちにくい傾向があります。
第4象限：人に残る中核領域
条件の違いを見極め、事実を確認し、判断を下し、その結果で基準を更新していく領域です。AI時代に人が担う価値の中心となる部分です。

特に重要なのは、第4象限を増やすこと以上に、第4象限を第4象限として正しく扱うことだとレポートは指摘しています。

3．企業の停滞を生むのは、「第4象限の仕事の第3象限化」

本レポートでは、経験を必要とする知識と前例にもとづく判断の組み合わせは、本来の成立条件としては安定した配置ではないと整理しています。つまり、第3象限は仕事の類型ではなく、本来は第4象限で扱うべき仕事が、前例適用や模範解答、正解探しによって処理されてしまっている「誤配置」の状態であると説明しています。

この誤配置が発生すると、フレームワークが正解となり、ケースが模範解答となり、原則が守るべきルールになりがちです。理解は増えても判断は増えず、手戻り、追加対応、確認の集中、熟練者への依存が強まりやすくなります。

4．見落とされやすいが実務で大きいのは、第2象限

第2象限は、手順や基準そのものはあるものの、それを今回そのまま適用して良いかを確認するための事実確認が必要な領域です。顧客接点、管理職、企画職、現場監督、バックオフィスなど、多くの仕事がこの領域を含んでいます。

制度や手順が整備されていても、何を確認しなければ誤適用になるのかが明確でなければ、制度は守られているのに現場が停滞し、手順通りに進めているのに手戻りが増えるという問題が発生します。レポートでは、第2象限において、何を確認すべきか、どの条件差を見落としてはいけないかを明確にすることが、全体の品質と再現性を左右すると示しています。

5．企業が最初に見つけるべきは、「自社のどこが第3象限になっているか」

レポートでは、企業が最初に行うべきこととして、以下の点を挙げています。

第一に、自社の仕事を4つの象限で棚卸しすること。
第二に、第3象限を特定すること。
第三に、第4象限の仕事に判断が残るように設計すること。
第四に、第1象限は徹底してAIや標準化へ寄せること。

重要なのは、「もっと考えろ」と指示することではなく、どこまで事実を確認しなければ前に進めないのか、どの前提を置かなければ進めないのかを、仕事の中に設計することです。

レポート公開の背景

AI時代において判断や経験が重要になるという考え方は正しいものです。しかし、それだけではAI活用、人材育成、仕事設計といったテーマが抽象論に留まりがちです。本当に必要なのは、判断にも知識にもそれぞれ二種類があり、その4つが仕事の中でどのように組み合わさっているかを見抜くことだとされています。

リクエスト株式会社は、980社・33.8万人の働く人々のデータに基づく組織行動科学®を基盤に、仕事の中で何が起こり、なぜそれが続くのかを、事業環境、歴史、経験の観点から分析してきました。本レポートは、その分析の中で見えてきた「能力不足ではなく誤配置」という構造を、AI時代の仕事設計の論点として整理し、企業が自社の仕事を見直すための視点として公開されたものです。

このような課題意識を持つ企業に

このレポートは、以下のような課題を持つ企業にとって特に役立つでしょう。

AIを導入しても、難しい案件は一部の人に集中したままになっている。
研修や知識共有を増やしても、現場で判断できる人が増えない。
前例通り進めているのに、以前より手戻りや追加対応が増えている。
職種別に、何をAIへ寄せ、何を人に残すべきかを整理したい。
管理職育成、顧客接点人材育成、現場の判断力向上を構造的に見直したい。

判断デザインラボラトリーの見解

AI時代に企業競争力を左右するのは、正解を多く知っている人を増やすことではありません。差を見極めて判断できる人を育て、その判断経験が仕事の中で増えるように設計することです。AI活用量そのものよりも、人に残る判断仕事を担える人材の厚みと、その判断経験が仕事の中で増える構造こそが、これからの企業の対応能力を決定していくと考えられています。