【読書記録 -151】『生成AI』ハーバード・ビジネス・レビュー 2026年3月号
AIを使うと人は考えなくなる
ここ1か月ほど、これまで蓄積してきたデータを元に、チームの今年の下半期の打ち手を考える仕事をしていた。あるチームメンバーのサポートとしてだが。
データ分析は順調に進んだ。
まあ、最近のAIは優秀なので、少し前のようにExcelに複雑な数式を入力する必要もないし、グラフの調整に苦労することもない。そのあたりAIを使えば、何度かプロンプトを調整するだけでいい感じの出力をしてくれる。
いい感じの分析結果が完成し、次に彼女はAIに打ち手を考えさせる。
「もう少し具体的に。」
「別の視点で。」
「もっと実行しやすく。」
プロンプトを少しずつ変えながら、何度も再生成を繰り返すのだが、不思議なことに、AIの提案は一向に良くならない。良くならないというより、少しずつ方向性が変化するのだ。
それは、生成AIはが正解を検索しているわけではないからだ。
生成AIは、直前までの文脈から、次に最も確率の高い単語を一つずつ予測しながら文章を生成している。だから、プロンプトを少し変えると、その後の文章全体が別の方向へ展開していく。AIの出力を次の思考の起点にし続けると、人間の思考もまた、その確率分布に引っ張られていくのである。
だから彼女は「チームとして何をするべきなのか」分からなくなってしまったのだ。問題そのものを考えることから、AIを操作することに思考の軸が移ってしまったのだろう。
彼女は「このデータは何を意味しているのか？」ではなく、「どうプロンプトを書けばAIがいい打ち手を提案してくれるか？」を考えるようになっていたのだ。
さて、本書ハーバード・ビジネス・レビュー2026年3月号は「生成AI」が特集されている。副題は「効率化から差別化へ」だ。
本書では、生成AIを業務効率化のためのツールとして使うのではなく、競争優位を生み出す経営資源としてどう活用するかが論じられている。
HBRがいう「生成AI戦略」とは何か
「AIを導入すること」と「AIで競争優位を築くこと」は全く別の話だ。
生成AIは急速に普及し、多くの企業が同じようなツールを利用できるようになった。だからこそ、差がつくのはAIそのものではない。
― AIを組織の学習能力へどう組み込むか ―
本号では、
・学習する組織
・人間とAIの役割分担
・AI導入戦略
・組織的な実験
・データ民主化
という五つの視点から「生成AI時代の組織」を描いている。
ピーター・センゲ
AIは「道具」ではなく、新しい学習相手である
問い：AI時代において、「学習する組織」はどのように変わるのか。
結論：AIを道具として扱うのではなく、「正当な他者」として対話へ迎え入れる組織ほど、学習速度は高まる。
センゲは、自身が35年前に提唱した「生成的学習」を、AI時代に合わせてアップデートしている。
学習とは知識を増やすことではなく、新しい現実を創造することである。そのためには、組織全体を俯瞰するシステム思考だけでなく、身体感覚や違和感を含めて現実を捉える「システム・アウェアネス」が重要になるという。
AIは答えを教える存在ではない。
人間の思考を深めるための「対話相手」なのである。
バラット・アナンド／アンディ・ウー
AIを使うかではなく、どこまで任せるか
問い：AIはどの仕事を担当し、人間は何を担うべきなのか。
結論：重要なのはAIの能力ではなく、仕事の性質である。
著者らは「必要な知識」と「エラーのコスト」という二つの軸から、人間とAIの役割分担を整理している。
構造化された仕事や失敗の影響が小さい業務はAIへ任せる。一方、暗黙知や経営判断が求められる仕事では、人間が主体となりAIを補助的に活用すべきだ。
人間とAIは競争相手ではなく、役割の異なるパートナーだ。
著者らは、AIを恐れることよりも、AIと共に学ぶ機会を失うことの方が大きなリスクだと説いている。
ゴータム・チャラガラ
「広く浅く」では競争優位は生まれない
問い：なぜ多くのAIプロジェクトは成果につながらないのか。
結論：AIを全社へ広げることではなく、自社の強みへ深く組み込むことが重要だからである。
著者は、多くの企業がパイロットプロジェクトを乱立させ、「AIを導入した」という事実だけを追いかけていると指摘している。それでは競争優位は生まれない。
本稿の中にはいくつかの企業の事例が挙げられている。
レキットはマーケティング、ロレアルは美容、イケアはインテリア設計など、それぞれ自社独自の強みへAIを集中投資している。
AIそのものは誰でも手に入る。
だからこそ、自社ならではの知識やデータと結び付いたとき、初めて差別化が生まれるのだ。
ヨハネス・ベーレント
AI時代は「実験できる組織」が強くなる
問い：生成AIを導入すれば、生産性はすぐに向上するのだろうか。
結論：成果は一直線には伸びない。重要なのは、試行錯誤を続けられる組織をつくることである。
著者は、AI導入直後は一時的に生産性が下がる「Jカーブ現象」が起こると説明している。それは、新しいツールを学び、業務プロセスを見直し、組織全体で使い方を試行錯誤する期間が必要だからだ。
つまりそれは、短期的な成果だけでAI導入を評価してしまうと、本来得られるはずだった競争優位を失ってしまうことを意味している。だから、シーメンスやP&Gでは、小さな実験を繰り返しながら、成功事例を全社へ展開しているんだそうだ。
AI導入とは、システムそのものを導入することではなく、組織全体が学習を続ける仕組みを作ることなのである。
奥山浩司（ヤンマーホールディングス）
AIを動かすのは、データではなく文化である
問い：AIを企業の競争力へ変えるには何が必要なのか。
結論：重要なのはAIではなく、組織文化である。
ヤンマーでは「ぐるぐるモデル」と呼ばれる改善サイクルを構築し、現場で得られた知見を組織全体へ循環させている。また、データを一部の専門部署だけが扱うのではなく、誰もが利用できる「データ民主化」も推進している。
そして「トランスレーター人材」を置き、現場とIT部門、経営層をつないで、それぞれの「言語」を翻訳させる。それが、AI活用を加速させているという。
AIそのものよりも、人と人をつなぐ仕組みの方が重要なのだ。
技術が競争力を生むのではなく、学習が循環する文化が競争力を生むのである。
共通項
AIは「答え」を出すものではない
一見すると、本特集には組織論、人材論、AI導入論など異なるテーマの記事が並んでいるように見えるけれど、じつは一貫したメッセージを含んでいる。
それは、「AIは答えを出すための道具ではなく、人間や組織の学習能力を高めるための存在である」というメッセージだ。
センゲはAIを「対話相手」と言った。アナンドとウーは、人間とAIの役割分担を整理し、チャラガラは、自社独自の強みへAIを深く組み込む重要性を説いている。ベーレントは、試行錯誤を続ける組織の必要性を語り、奥山は、それを支える文化とデータ活用を紹介した。
どの記事もAIの性能について論じていない。
組織がどう学び続けるかを論じているのである。
ボクの考察
さて、冒頭のボクの同僚の話に戻ろう。
彼女はAIに「いい打ち手」を考えてもらおうとしていたが、ボクは「このデータは何を意味しているのか」を考えていた。
その違いは「AIの使い方」じゃない。
「思考の主語がどこにあるか」だ。
以前ボクは「AIはカーナビに似ている」という記事を書いた。
カーナビは最適なルートを提案してくれる。
だけど、目的地までは決めてくれない。
AIも同じだ。
情報を整理し、選択肢を示し、思考を広げることは得意だけれど、「自分がどこへ向かうのか」を決めるのはAIではなく人間の役割だ。
生成AIが普及した今、本当に価値が高まるのは、プロンプトを書く技術ではない。データから意味を見いだし、自分たちの打ち手を考える力なのだ。
参考リンク
・ピーター・センゲ『学習する組織』
・ハーバード・ビジネス・レビュー 2026年3月号『生成AI ― 効率化から差別化へ』