AI-driven Company は当たり前
生成AIの進化が速すぎて、「人間に残る仕事は何か」という問いへの答えが数ヶ月単位で書き換わっています。個別のツールやユースケースを追いかけるほど全体像は見えなくなる。そこで本稿では、ロボット工学の古典的なフレームワークを一枚の地図として使い、AIと人の強みの現在地を整理してみます。そこから導かれる結論を先に言えば、こうなります。AI-driven Companyは到達点ではなく前提条件になる。その先の競争優位は「知覚」に移る——私はこれを Sense-driven Company と呼びたいと思います。
Sense→Think→Act という座標軸
ロボット工学には、知的な振る舞いを3つの機能に分解する古典的なパラダイムがあります。環境から情報を取得するSense（知覚）、情報から世界のモデルを作り計画を立てるThink（思考・モデル化）、計画に基づいて環境に働きかけるAct（行動）。この3段のループは、ロボットだけでなく、人間にもAIにも、そして組織にも当てはめられる汎用の座標軸です。
この座標軸の上で、AIと人の優位がどう移動してきたかを見てみます。
Senseは、今も人間の勝ちです。 精度や再現性を脇に置けば、人間は視覚・聴覚だけでなく、触覚、嗅覚、場の空気、顧客の表情のわずかな変化まで、豊富な感覚器官を通じて常時・低コストに知覚を統合しています。これは偶然ではありません。AI研究には「モラベックのパラドックス」という有名な逆説があります。高度な推論はコンピュータにとって簡単だが、1歳児レベルの知覚と運動は非常に難しい——知覚は数億年の進化で最適化された最深部の能力であり、機械化が最も難しい領域なのです。
Thinkの優位は、AIに移りつつあります。 従来も、ビッグデータに対して人にはできないモデル化は機械が担っていました。ただしKPIの設定と、どうアプローチするかの選択は人が決める必要があった。いまはゴールさえ与えれば、最良のモデル化とアプローチの選択をAI自身が行えるようになりました。ここで重要なのは、Thinkの内部を明け渡しても、Thinkの入口と出口——「何を問うか」というゴール設定と、「結果を引き受ける」という責任——は人間に残る、ということです。
そしてActです。 行動こそ人の領域だったはずが、生成AIの出現と驚異的な進化によって逆転しました。文章、コード、デザイン、分析レポート。情報空間における「作る・書く・実行する」は、速度と量において、多くの場合は品質においても、AIが人を上回ります。ただし、この逆転には限定条件が付きます。いまのところ、主に情報空間の、非同期な成果物づくりにおいてのみです。現場作業や対面のケアといった物理空間の行動はモラベックのパラドックスの壁の内側にあり、依然として人間優位です（この壁を越えようとしているのが、いわゆるフィジカルAIの潮流です）。
整理するとこうなります。Senseは人間。ThinkはAI、ただしゴール設定は人間。ActはAI、ただし情報空間の非同期な仕事のみ。
ただし、この割り振りが成り立つのは、仕事を段階に分解できる非同期のループに限られます。会話のように知覚と行動が重なって走る同期的な場面では、ThinkとActを切り出してAIに渡すことが構造的にできず、ループ全体が人間のものです。この点は後ほど、採用の話で決定的に効いてきます。
組織図を「知覚器官の配置図」として描き直す
この地図を組織に当てはめると、一つの設計原則が浮かび上がります。人間はSenseとゴール設定に寄せ、AIはThinkのモデル化と情報空間のActに寄せる。
つまり、人を置くべき場所は顧客接点、現場、市場との境界面——組織が世界を知覚する末端です。集計、レポート作成、定型判断といった中間処理はAIに移していく。組織図を役割と指揮系統の図としてではなく、「この組織はどこで何を知覚できているか」を示す知覚器官の配置図として見直す、ということです。
この見方に立つと、次の問いは自然にこうなります。では、どんな人を採用すべきか。
採用方針：センサー人材の四要件
組織を知覚器官とみなすなら、採用とはセンサーを選ぶ行為です。私は要件を4つに整理しています。最初の3つはセンサー単体の性能、4つ目はループとしての性能です。
第一に、感度。 社会・人・環境に対する知覚が豊かな人。市場の兆し、顧客のまだ言葉になっていないニーズ、現場の違和感——「データになる前の入力」を拾える人です。
第二に、直交性。 知覚のしかたがユニークな人。センサーアレイは、同じ種類のセンサーを何本並べても情報量が増えません。組織にとって価値があるのは、既存メンバーと重ならない見え方を足してくれる人です。集合知の研究には「多様性が能力に勝る」という定理があります。多様な視点を持つ集団が、同質な高能力者の集団を上回りうる。ここから採用の判断基準が変わります。個人の完成度で合否を決めるのではなく、自社の知覚ポートフォリオに何が欠けているかで決める。「同じものを同じように見る優秀な人」より、「欠けている見え方を持つ人」です。
第三に、更新性。 知覚は知識に規定されます。チェスの熟達者は初心者と同じ盤面を見て、まったく違うものを知覚します。認知科学が繰り返し示してきたとおり、人は知っているものしか見えない。同じ現場に立っても、知識量で知覚に差が出るのです。だとすれば、知識の更新が止まったセンサーは、分解能が劣化していくセンサーです。ここでAIの使い方の再定義が必要になります。AIを「作業の代行装置」としてではなく、「知覚の増幅器」として使える人。自分の領域の知識をAIで常時アップデートし、それによって同じ現場からより多くを知覚できる人。「AIを使えるか」ではなく「AIで自分の知覚を鋭くし続けているか」を、採用で見るべきだと考えています。
第四に、結合性。 知覚を素早く自然に行動へつなげられる人です。先ほど「同期的な場面ではループ全体が人間のもの」と述べました。その同期ループを上手に回せる能力が、これです。会話の科学によれば、人間の会話の応答間隔は文化を超えて平均約200ミリ秒。発話の準備には600ミリ秒以上かかるので、私たちは相手の話を聞きながら終わりを予測し、返事を並行して準備しています。つまり人間は、Sense・Think・Actを直列ではなく重ねて回せる。この密な結合があるから人同士のやりとりは滑らかに進み、しかも応答の速さそれ自体が「通じ合っている」という信頼の信号になります。営業がまさにこの能力の職種です。商談相手の表情の曇りを拾って、言い終わる前に提案の角度を変える——ターン制で動くAIには当面できない、同期的なスキルです。これは書類や非同期の課題では測れません。ロールプレイの場に新しい情報を投げ込み、気づく速さと返しの自然さを見る。そして感度が高く結合の速い人は顧客接点へ、感度が高く熟考型の人は分析や設計へ。どちらも優劣ではなく、ループ速度の異なるセンサーです。
マネージャーは「統合器官」になる
センサーを増やしても、信号が意思決定に統合されなければ組織は動きません。そこでマネージャーの役割を、ロボット工学の言葉を借りてセンサーフュージョン（知覚統合）と定義し直します。各センサーの信号を理解し、選び取り、ゴール設定と意思決定に変換する統合器官です。
要件は4つあります。まずバイアスの管理。正直に言えば「バイアスのない人」は存在しません。採用可能な要件は、自分のバイアスを自覚し、AIを対抗提案や悪魔の代弁者として使って自分の判断を検証できる人、です。次に理解力。直交的な人材を採るほど、上がってくる信号は互いに異質になります。異質な知覚を「話が通じない」と捨てずに、組織の意味に翻訳できること。第三に選択力。組織の意思決定の実体は「何に注意を向けるか」の配分です。すべての信号は処理しきれない以上、選び取ることが統合器官の中核機能になります。最後に新規性への開放性。前例のない信号を脅威ではなく情報として受け取れないマネージャーの下では、せっかくの直交センサーが沈黙します。
現場のセンサー人材が担う結合性が「速いループ」だとすれば、マネージャーの統合は「遅いループ」です。組織は、速い結合と遅い統合の二層のループで世界に応答する——そう捉えると、それぞれに必要な人材像もクリアになります。
なお、統合の機械的な部分——多数の報告やデータの集約・要約——は、すでにAIが得意とするところです。だからマネージャーがこの形で必要なのは「当面」であり、その役割は時間とともに、ゴール設定と責任の引き受けへと凝縮されていくはずです。
AI-drivenの先へ——Sense-driven Companyという構想
最後に、ここまでの話を一つの言葉にまとめます。
いま多くの企業が目指しているAI-driven Company——業務とデータの流れにAIを組み込み、意思決定を高速化する経営——は、数年のうちに到達点ではなく前提条件になります。どの会社も同じ水準のモデルと同じようなエージェントを使う世界では、ThinkとActでは差がつかない。差がつくのは、コモディティ化しない入力、すなわちその組織にしか拾えない知覚と、何を問うかの設定だけです。
だから私は、AI-drivenの先にある姿を Sense-driven Company と呼びたい。Senseとは「センスがいい」の審美眼のことではなく、知覚——組織が世界から何を拾えるか——のことです。運転はAIに任せ、駆動源は人間の知覚に置く。AI-operated, Sense-driven. この発想は実は新しいものではなく、四半世紀前に「作って売る（make-and-sell）企業から、感じて応える（sense-and-respond）企業へ」と説いた経営論の系譜に連なります。当時と違うのは、AIの進化によって「感じたあとの処理」がほぼ自動化され、感じること自体が最後の希少資源になったことです。
組織図を知覚器官の配置図として描き直す。センサーとしての感度・直交性・更新性・結合性で人を選ぶ。統合器官としてのマネージャーを育てる。そしてAIに委ねるほど、人間の知覚を組織の中心に戻していく——AIとの協調の先に見えるのは、逆説的ですが、これまでになく人間的な会社のかたちではないでしょうか。
本稿で触れた概念・参考文献
- Sense-Think-Act（Sense-Plan-Act）: ロボット工学の古典的制御パラダイム。The sense-think-act paradigm revisited (IEEE, 2003)
- モラベックのパラドックス: 高度な推論より1歳児の知覚・運動の方が機械化は難しいという逆説。モラベックのパラドックスとは？（＠IT） / ChatGPTが証明した「モラベックのパラドックス」（ダイヤモンド・オンライン）
- フィジカルAI: 物理空間で知覚し行動するAIの潮流。フィジカルAIとは？（ソフトバンク）
- 多様性が能力に勝る定理（Hong & Page）: 多様なヒューリスティクスを持つ集団が同質な高能力者集団を上回りうる。Diversity, Ability, and Expertise in Epistemic Communities
- 知覚の専門性（チェスのチャンキング研究）: 熟達者は同じ盤面から異なる構造を知覚する。Expertise-dependent perceptual performance in chess (Frontiers in Psychology)
- 会話のターンテイキング研究: 応答間隔は文化を超えて平均約200ms。Universals and cultural variation in turn-taking (PNAS) / 応答の速さは社会的つながりの信号。Fast response times signal social connection (PNAS)
- 適応型販売（adaptive selling）: 顧客の反応を知覚し行動をその場で調整する能力が営業成果を予測する（Spiro & Weitz らの研究系譜）
- ケンタウロス型協働: 人間とAIの相補性に基づく協働モデル。Effective Generative AI: The Human-Algorithm Centaur (MIT HDSR)
- 吸収能力（absorptive capacity）: 新しい情報の価値を認識し活用する能力は既存知識に依存する（Cohen & Levinthal）。Absorptive capacity (Wikipedia)
- 注意ベースの組織観（attention-based view）: 組織の意思決定は注意の配分で決まる（Ocasio, 1997）
- Sense-and-Respond企業: make-and-sellからsense-and-respondへ（Stephan Haeckel, 1999）。Stephan H. Haeckel (Wikipedia)
- 組織的センスメイキング: 組織は環境の意味づけを通じて行動する（Karl Weick）。Sensemaking in Organizations (SAGE)