【後編】権力とは「交互作用」である —— 組織の「不条理」を統計学で解剖する

📡　第3章：組織のSN比を高める 〜現場リーダーのための「局所」校正術〜

前編では、組織を支配する不条理の正体が、統計モデルにおける「悪性の交互作用（権力）」や「データの欠損（隠蔽）」であることを解剖しました。

しかし、現場のリーダーである私たちには、会社の評価制度を変える権限もなければ、全社的な文化を一朝一夕に変える時間もありません。では、諦めて沈黙するしかないのでしょうか？

いいえ、違います。
統計的実験計画法（フィッシャー）には、「局所管理（Local Control）」という鉄則があります。全体を制御できなくても、実験を行う「ブロック（区画）」内の条件さえ均一に管理できれば、そこから得られるデータの信頼性は担保できるという考え方です。（1）

工場全体を変えることはできなくても、自分の管理下にある「実験区画（チーム）」のノイズだけは制御し、正しいシグナル（成果）を取り出すことは可能です。

本章では、明日から自分のチームだけで実践できる、2つの「エンジニアリング的アプローチ」を提案します。

3-1. 心理的安全性とは「データ偽装（改ざん）の防止」である

「心理的安全性」という言葉に、どこか「ぬるい」響きを感じていませんか？
「部下の機嫌を取れということか？」「言いたい放題にさせたら規律が乱れる」
そう感じるのは、この言葉が本来持つ工学的意味が誤解されているからです。

エンジニアの視点でこう捉え直してみてください。
「心理的安全性がない状態とは、現場で『データ偽装』が起きている状態である」

現場で「悪い報告をすると怒られる」という空気が（第2次権力によって）作られているとき、部下は無意識に「悪いデータ（ミス、懸念、違和感）」を報告書から削除（切断）します。

• 実験データの場合
  N=10のうち、失敗した3つのデータを捨てて、成功した7つだけで平均値を出す。

• 組織の場合
  ヒヤリハットや懸念事項を隠して、「順調です」と報告する。

これは科学の世界では「捏造・改ざん（Truncation）」と呼ばれる、最も恥ずべき行為です。
捏造されたデータ（All Greenの報告）をもとにリーダーが判断を下せば、そのプロジェクトが失敗するのは必然です。

以前、私は以下の記事で、人間には「成功するデータ（正事例）」ばかりを集めて安心したがり、システムを破綻させる「失敗データ（負事例）」から目を逸らす認知バイアスがあることを論じました。

心理的安全性がない組織では、この「負事例（都合の悪い真実）」が報告されず、組織構造的にブロックされてしまいます。これでは、リスクの盲点をなくすどころか、盲点だらけの状態で経営することになります。

目指すべきは、「仲良しクラブ」ではありません。
「悪いデータ（ノイズ）を隠すことは、技術者としてデータ偽装に当たる」という厳格な規律（プロフェッショナリズム）の共有です。

【明日からできるアクション：リーダーの「自己開示」から始める】

「何でも言ってね」と部下に言うだけでは、絶対に本音は出てきません。部下は「何を言えば怒られないか」の正解データを持っていないからです。
だからこそ、リーダーであるあなたが、最初の「検体」になる必要があります。

3-2. ピアボーナス：バイアス（交互作用）を中和する「視点取得」装置

次に、メンバー間の「不公平感」や「対立（ルサンチマン）」という名の負の交互作用について考えます。
「あの部署は非協力的だ」「あいつは自分のことしか考えていない」。
こうした対立は、個人の能力（主効果）ではなく、互いの文脈が見えていないことによる「認知の歪み（バイアス）」から生じます。

これを解消するために有効なのが「ピアボーナス（感謝）」の仕組みです。
「えっ、感謝？ 急に精神論？」と思われるかもしれません。しかし、ここには心理学と統計学に裏打ちされた明確なロジックがあります。

感謝は「視点取得（Perspective Taking）」のトレーニングである

組織心理学の研究によれば、感謝を表明する行為は、単に相手を喜ばせるだけでなく、感謝する側の「視点取得（他者の視点に立って物事を捉える力）」を向上させることがわかっています。（2）

なぜでしょうか？
感謝のメッセージを書くためには、相手を観察し、「なぜ彼があの行動をとったのか」「彼にとって何が大変だったのか」を想像しなければならないからです。
このプロセスを経ることで、「あいつは敵だ（負の交互作用）」という色眼鏡が外れ、「彼はこういう事情の中で、ベストを尽くしてくれた（主効果）」という客観的な事実が見えるようになります。

つまり、ピアボーナスは仲良しこよしのためではなく、「相手の文脈を強制的にインストールさせ、偏見（バイアス）というノイズを除去するための工学的アプローチ」なのです。

【明日からできるアクション：感謝ログのAI解析】

システムがなくても、チーム単位ならチャットツール（TeamsやSlack）や共有ノートを使って実践できます。

• リーダーの投稿例（視点取得の実践）
  「@鈴木さん　昨日の会議資料、一見地味だけど、過去のトラブル事例まで網羅してくれていたね。あの『準備』のおかげで、リスク検討の時間が半分で済んだよ。ありがとう」

単に「ありがとう」と言うのではなく、「相手の隠れた労力（文脈）」を言語化してフィードバックするのがポイントです。
これを繰り返すことで、チーム全体に「互いの主効果（本来の実力）」を正しく認識するセンサーが育ちます。

さらに、溜まったチャットログをChatGPTなどの生成AIに読み込ませてみてください。

• プロンプト例
  「このチャットログから、メンバー間の『感謝のネットワーク図』を作成し、定性的な貢献（隠れたファインプレー）を抽出してください」

すると、AIは人間が見落としていた「目立たないが、みんなから頼りにされている縁の下の力持ち」を可視化してくれます。
これを人事評価の補足資料として使えば、上司のバイアス（第1次権力）が中和され、評価の納得感（SN比）は劇的に向上します。

「感謝」という情緒的な行為を、「組織内の悪性交互作用（偏見）を除去し、真の主効果（貢献）をあぶり出すためのフィルタリング処理」として再定義するのです。

ここまでの議論で、私たちは「人間くさい組織の悩み」を、「データの信頼性」や「サンプリングの問題」として捉え直してきました。
しかし、これらはあくまで「既存の人間関係」を前提としたチューニングです。

もし、この人間関係のしがらみや、組織の文脈そのものを、根本から「脱構築」できる存在があるとしたら？
続く第4章では、現代最強の「新結合エンジン」、生成AIの役割について語ります。AIは単なる時短ツールではありません。組織の「空気」を読まず、しがらみを無視して、本質的な「主効果」を提示してくれる、頼もしい「空気を読まない新人」なのです。

🤖　第4章：AIという「新結合」エンジン —— 権力構造の脱構築

ここまで、組織の問題を統計モデルで記述し、心理的安全性やピアボーナスといった「人間による介入」で補正する方法を論じてきました。
しかし、これらには限界があります。人間はどうしても「空気を読み（相関を持ち）」、「権力に弱く（バイアスがかかり）」なります。

そこで登場するのが、現代最強のツール「生成AI」です。
多くの人はAIを「作業効率化ツール」としか見ていませんが、組織論の文脈において、AIはもっとラディカルな機能を持っています。
それは、「組織の権力構造（文脈）を強制的にリセット（脱構築）する機能」です。

4-1. AIは「現場の『うめき声』」を「経営の『論理』」に翻訳する

会議の場を変えるのはハードルが高い。ならば、準備を変えましょう。
現場の若手やベテランは、会議では黙っていても、現場の立ち話や喫煙所、あるいは日報の端っこでは、小さな「違和感」を漏らしています。「これ、意味あるんすかね？」「またあのトラブルかよ」。
これらは通常、「やる気がない」「個人の愚痴」として切り捨てられる「ノイズ」です。

しかし、現場リーダーであるあなた自身も忙しく、いちいちそれをメモして清書する時間などないはずです。
だからこそ、ここでも技術（AI）を使います。「入力のインピーダンス（手間）」を極限まで下げ、かつ「匿名性」を担保するのです。

【ゲリラ的戦術①：音声入力による「現象ログ」】

現場で不満やトラブルを聞いた直後、移動中や一人の時間に、スマホの音声入力に向かって「ひとり言」を呟いてください。この時、誰が言ったかは記録せず、「起きた現象」だけを吹き込みます。

「治具の固定が固くて腰が痛いという声があった」「図面の版数管理が古くて間違えそうになった事例があった」

文章にする必要はありません。ただの「音声メモ」で十分です。あとは、そのテキストデータをAI（ChatGPT等）に放り込み、こう命じるだけです。

【プロンプト例】

【ゲリラ的戦術②：日報を「単語の掃き溜め」にする】

もし日報があるなら、「文章を書かせる」のをやめましょう。部下にとって文章作成は高コストな作業ですし、名前が残ると本音が書けません。
代わりに、「【今日の困ったこと（単語でOK）】」という欄を作り、「『治具　重い』とか『画面　遅い』だけでいいから書いて」と伝えます。
集まった「単語の羅列（非構造化データ）」も、AIなら一瞬で「傾向分析（構造化データ）」に変えてくれます。

すると、AIはこう返してきます。

そこに個人の名前はありません。あるのは「客観的な事実（データ）」だけです。
これなら、若手を矢面に立たせることなく、かつ「感情論」として却下されることも防げます。
AIを「現場のノイズから『誰が』という属性を剥ぎ取り、組織を動かすための高純度なシグナルに精製する『コンパイラ』」として使うのです。これこそが、権力構造をハックする最も現実的な「現場の知恵」ではないでしょうか。

4-2. 「シュンペーター的新結合」の実装

さらに、本記事の作成プロセス自体が、AIを用いた「新結合（イノベーション）」の実践例です。

私は今回、Gemini CLIというツールを使い、自分のローカルPCにある「Obsidian（メモアプリ）」の中の大量のノートをAIに読み込ませました。
そこには、「統計学（JASP）」の技術メモもあれば、「ルソーや現代思想」の読書メモ、「組織論」の考察もありました。これらは普段、私の脳内では別々のフォルダに格納され、交わることがありませんでした。

しかし、AIに対して「これらをランダムに組み合わせて、異質なつながりを見つけろ」と指示した結果、「権力論 × 実験計画法」という、私一人では絶対に思いつかなかったであろうコンセプトが生成されました。

シュンペーターは、イノベーションを「新結合（Neue Kombinationen）」と定義しました。
かつては天才のひらめきに依存していたこのプロセスを、AIという「高速演算装置」を使って、エンジニアリングとして再現可能にする。
これこそが、これからの技術者が持つべき「知的生産のOS」です。

AIを「部下」として使うのではなく、「自分自身の思考の枠組み（バイアス）を壊してくれるパートナー」として使うこと。
そうすることで、私たちは組織の重力圏（第3次権力）から脱出し、自由な発想を取り戻すことができます。

🏁 結章：エンジニアよ、組織という実験系を校正せよ

長くなりましたが、私の結論はシンプルです。

組織の「政治」や「空気」に嘆くのは、もう終わりにしましょう。
それらは、排除すべき悪ではなく、解析すべき「変数」であり、制御すべき「パラメータ」です。

前編で示した「分散分析モデル」をもう一度思い出してください。

$$
Y_{ij} = \mu + A_i + B_j + (A \times B){ij} + e{ij}
$$

• 一般意志とは、主効果（$${A_i}$$）である。
  ノイズをキャンセルした先にある、純粋なベクトルを見失わないこと。

• 権力とは、交互作用（$${(A \times B)_{ij}}$$）である。
  誰かが誰かを歪めていないか、データ構造として監視すること。

• 心理的安全性とは、誤差（$${e_{ij}}$$）の精度である。
  悪いデータこそ、正確に記録すること。

私たちエンジニアは、物理現象に対してはどこまでも謙虚であり、データに対してはどこまでも誠実です。
ならば、「組織」や「人間関係」という不安定なシステムに対しても、同じように科学的で、誠実であるべきではないでしょうか。

「真値」が見えない不確実な時代において、唯一信じられるのは、適切に設計された「プロセス」と、そこから得られる「データ」だけです。
自分という計測器を常に校正し（キャリブレーション）、組織という実験系のSN比を高め続けること。

精神論で語られがちな組織論を、エンジニアリングの言葉で書き換える。
それこそが、現場を知り、論理を知る私たちにしかできない、最大の「組織貢献（ソリューション）」なのです。

さあ、明日から、あなたのチームで「実験」を始めましょう。
感情に流されず、空気に負けず、ただ静かに、未来のシグナルを積み上げるのです。

📗　参考文献

※この記事にはAmazonアソシエイトリンクが含まれています

（1）　森田 浩 (著)：図解入門 よくわかる最新実験計画法の基本と仕組み[第2版]　秀和システム新社　2019

（2）　池田 浩 (著)：モチベーションに火をつける 働き方の心理学　日本法令　2021

🎁　おまけ

本記事を動画にしたものは、以下のリンクで視聴できます。よろしければ、ご視聴ください。