AI時代に「判断できる人」が育たない構造とは？リクエスト株式会社が実践研究資料を公開

役立つ社畜リリース

2026.08.23

AI時代に「判断できる人」が育たない背景

AIは情報の整理、分析、論点抽出、選択肢生成など、仕事を効率的に進めるための強力なツールです。しかし、AIの回答を利用して仕事が完了しても、本人が「何を事実として確かめたのか」「どの条件を比較したのか」「なぜその案を選んだのか」「結果から何を学んだのか」といった経験をしていなければ、個人にもチームにも判断経験は蓄積されません。

資料では、問題を「AIを使うこと」そのものではなく、AIや上司の答えによって仕事が進んでも、判断経験が人と組織へ蓄積されない点に置いています。この状況は、相談が上司へ集中したり、特定の人物に案件が集中したり、管理職が多忙になったりする悪循環を引き起こすことが可視化されています。

仕事が完了したかどうかだけを評価していると、「実務担当者の判断」という中間過程が見えなくなり、「仕事が進むこと」と「判断力が育つこと」を分けて捉える必要があります。

判断経験が残らない3つの要因

AIの利用自体が問題なのではなく、AIや上司の回答が、本人の判断を支える材料ではなく、本人の判断を代わりに行う最終回答になってしまうことが課題です。回答によって仕事が進んでも、次の3つの要素が欠けると、判断経験にはなりません。

前提確認が抜ける: 回答の適切性は前提条件によって変わります。本人が事実や不足条件を確かめなければ、状況を見て判断した経験は残りません。
理由が言語化されない: どの案をなぜ選んだのかが残らなければ、似た状況で再現できません。結果の良し悪しに関わらず、次の判断へつなげにくくなります。
チームに学びが残らない: 判断の背景や結果が個人の中で曖昧に終わると、周囲へ共有できず、個人の経験が組織の知見になりません。

判断経験が残らない4つの構造

本研究では、判断できる人が育ちにくい状態を、個人の意欲や能力だけでなく、仕事の構造から捉えています。現場では、次の4つの構造が連鎖して起きやすいとされています。

AIに答えを求める: AIの回答を、前提や不足条件を十分に確かめずに採用します。
リーダーが答えを教える: 業務に追われ、本人へ問い返す前に指示と正解を渡してしまいます。
失敗を恐れ、判断を上司へ戻す: 本人が判断に必要な基準や責任範囲を持たないため、失敗や説明責任を避け、難しい案件を上司へ戻します。
判断が特定者へ集中する: その結果、例外案件や難しい案件が、一部の熟練者や管理職へ集中します。

これらは独立した問題ではなく、「判断する機会が減る → 自分で決められなくなる → 判断を上司へ戻す → 特定者へ判断が集中する」という一つの組織構造として捉える必要があります。

管理職の多忙化と悪循環

判断が特定者へ集中すると、管理職や熟練者は、本来取り組むべき改善、育成、顧客対応、将来設計などに使う時間を失っていきます。さらに、多忙になった管理職ほど、本人へ問い返し、考える時間を確保し、判断の過程を振り返る余裕を失い、時間を節約するために再び答えと指示を渡すようになります。

この循環では、管理職が熱心に仕事を引き受けるほど、本人が判断する機会が減り、次の案件も管理職へ戻りやすくなります。管理職の多忙化は、仕事量や人員不足だけでなく、「判断経験がどこで失われ、誰へ戻っているのか」という観点からも捉えることが重要です。

判断経験を残すための4つの要素

判断できる人を育てるためには、「もっと自分で考えてください」と伝えるだけでは行動は変わりません。本人がどの場面で立ち止まり、何を基準に考え、どこまで自分で決めてよいかが不明確であれば、考えようとしても判断できないためです。

判断経験を残すためには、次の4つの要素を日常の仕事の中に設計します。

判断の入口: どの状態になったら、本人が立ち止まり、判断を始めるのかを決めます。
判断基準: 何を守り、何を比較し、どの条件を優先するのかを明確にします。
相談条件: どこまで本人が決め、どの条件になったら相談・承認・停止するのかを定めます。
振り返り: 判断後に、本人、相手、仕事、成果、リスクへ何が起きたのかを確認します。

これら4つを整えることは、仕事を細かく管理することではなく、本人が安全に判断し、その経験を次の仕事へ持ち越せる条件をつくることです。

AI活用の成否を分ける仕事設計

AIの回答精度が高くなっても、その回答を使う人が前提や条件を確かめず、判断理由を残さなければ、組織の判断力は育ちません。AI時代に必要なのは、AIの能力を高めることだけではなく、AIを使った後に生まれる人の経験を失わずに残す仕事設計です。

判断経験は、次の3つの場所へ残す必要があります。

個人に残す: 何を確かめ、なぜ決め、結果から何を学んだかを、本人が自分の経験として認識できる状態にします。
チームに残す: 判断の背景、基準、選択肢、結果を共有し、他の人も使える組織の知見へ変えます。
仕事に埋め込む: 判断の入口、基準、相談条件、振り返りを、日常業務の進め方へ組み込みます。

個人の記憶だけに依存したり、チームで共有するだけで終わったりすると、経験は失われたり定着しなかったりします。判断経験を仕事の中に埋め込むことで、個人の成長と組織の学習が、日々の業務を通じて同時に進むようになります。

組織行動科学®について

組織行動科学®は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から解明し、より善く再現するための手段です。リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、組織で働く成人の研究と教育開発を行っています。

本資料は、複数の組織における対話、研修、職場実践、振り返りの記録から、繰り返し確認された状況を構造化した実務モデルです。AIの利用を抑制したり、管理職による助言を否定したりすることを目的としたものではありません。AIや経験者の知見を活用しながら、本人が事実を確かめ、条件に応じて選び、結果から学ぶ経験を失わないために、仕事のどこを設計すべきかを整理しています。

この資料は、組織や職場の状態を確認するための共通言語として使用できます。全10ページの資料は、リクエスト株式会社の公式サイトからダウンロードできます。