AIは労働者に失敗していない。リーダーは仕事を再設計することに失敗している

最近のGoogle–Ipsos調査によると、労働者のわずか5%が自分自身をAIに精通していると考えている。過去1年以内にAIトレーニングを受けた人は14%にすぎない。さらに、半分以上の人が、AIは自分たちの仕事には適用されないと考えている。初めて見たとき、これはよくある問題のようです – トレーニングのギャップ、認識の問題、もしくは従業員の抵抗であるかもしれない。

しかし、データはより深いパラドックスを明らかにしている。AIは、Accentureのような企業の上層部では明らかに戦略的優先事項であり、AIの熟練度がリーダーシップの昇進に影響を与えることが示されている。しかしながら、採用はまだ浅く、労働力全体に分散している。AIが企業を変革しているのであれば、現場ではまだオプションのように感じるのはなぜだろう？

答えは、従業員のためらいではなく、組織とワークフローの設計にある。

生産性の幻覚

多くの組織は、ワークフローにAIを採用しているが、個々のタスクレベルで生産性の向上を実現している。例えば、ソフトウェア開発では、AIコパイロットを使用する開発者は、個々のレベルで30%から40%の生産性の向上を報告している。コードはより速く書かれる。ドキュメントは改善される。デバッグは速くなる。ただし、ほとんどの会社は、エンジニアリングコストの30%から40%の削減や、出力の相応の増加を見ていない。

なぜだろう？生産性の向上は、必ずしも全体の経済を変えるわけではないからだ。したがって、ワークロードはわずかに縮小するが、P＆Lを再構成することはできない。結果は、不快な中間地帯になる：やや効率的な向上、AIライセンスのコストの増加、および価値の創出方法の構造的な変化がない。これは、インクリメンタリズムを変革として偽装したものだ。

隠れた人的コスト

より繊細で、より危険な結果もある。AIがタスクを吸収するにつれて、仕事は縮小するが、豊かにならない。従業員は時間を節約するが、目的を得ない。組織は時間を解放するが、価値の創出方法を再定義しない。

開発者がコードを40%速く書く場合、次に何が空白を埋めるのか？時間は節約されるが、役割は薄くなる – よりも挑戦的ではなく、よりも意味のないものになる。期待は曖昧になる。マネージャーは、クリーンに実現できないコスト削減の圧力を受ける。ダッシュボードは生産性の向上を示すが、成果物はほとんど動かない。

これは、既存の仕事にAIを重ねることの隠れたコストだ。これは、人間の役割を高めない効率を提供する。意図的な再設計なしに、利益は表面的なものに留まる。従業員は無関心を感じ、企業はAIの真の潜在能力のわずかな部分しか捉えられない。

これは、従業員の採用問題ではない。リーダーシップとワークフローの設計問題だ。

設計によるROI：ワークフローの再設計を通じて成果をオーケストレーションする

現在、ほとんどのAI採用は、間違った質問から始まる：「どうすればこの既存の仕事にAIを適用できるか？」これは、初期のデジタル時代の間違いを反映している – 既存のものをデジタル化することなく、価値の創出方法を再考しなかった。ステップを自動化し、ワークフローを高速化できるが、プロセス自体が再設計されない限り、運用モデルはほとんど変わらない。

AIは、異なる出発点を要求する：もしAIがこのプロセスのネイティブだったら、最初からどう設計するだろうか？

実際の影響は、AIを強化したタスクからAIファーストのワークフロー設計への移行にある。これは、効率ではなく成果物から始まる。目標は、より速い製品のリリース、より鋭いリスクの決定、よりパーソナライズされた顧客体験、より低い不正な損失、またはより高い変換率だろうか？目標が明確になると、リーダーは、自動化されるもの、人間の判断が座る場所、責任がどのように移り、パフォーマンスがどのように測定されるかを含む、仕事の全体の流れを再想像する必要がある。

これは、ステップの削除、役割の再定義、意思決定サイクルの圧縮、および権限の再配分を意味する場合がある。そうすることで、生産性の向上は、断片的なものではなく、構造的なものになる。ROIは、時間の節約からマージン拡大、収益成長、またはリスク削減へと移行する。

タレントのリセット

ワークフローが再設計されるにつれて、人間の役割も進化する必要がある。仕事は、実行から判断、意思決定、説明責任への移行する。リーダーシップは、5つの分野でピボットする必要がある：

まず、採用を再考する。AIファーストの企業は、第一原理から推論できる人、創造的で、曖昧さを切り抜け、システムを再設計できる人、ツールを操作するだけでなく、必要とする。

2番目に、学習を変革する。プロンプトや機能に関するクラスルームトレーニングは十分ではない。従業員は、実際の仕事の複雑さを反映した、ドメイン固有の課題である再設計の演習に参加する必要がある。

3番目に、キャリアパスを再設計する。昇進は、勤続年数やタスクの量によってではなく、成果物の所有権、意思決定の質、AIを活用した環境での価値の創出によって固定されるべきである。

4番目に、何が重要かを測定する。AIの採用がツールの使用率またはデプロイされたライセンスの数で測定され続ける場合、組織はインクリメンタルな利益と増加する挫折感を続けて見ることになる。ログイン頻度で採用を追跡するのを止め、サイクルタイムの圧縮、意思決定の速度、エラーレDUCTION、収益の増加、コスト削減の改善を追跡し始める。

最後に、フロントラインのAIチャンピオンを通じて変化を制度化する。この変革は自動的に大規模に起こるものではなく、触媒が必要である。組織は、未来志向で、好奇心旺盛で、変化に開かれている変化エージェントを特定し、エンパワーする必要がある。これらの個人たちは、変革の乗数となり、可能なことを実証し、他の人を前方に引っ張る。

再設計する時は今

労働者の5%だけが自分自身をAIに精通していると考えていることを示すデータは、従業員の野心の欠如の証拠として読み取られるべきではない。組織が仕事の核心的なアーキテクチャにAIを埋め込んでいないことを示す証拠として読み取られるべきである。

AIが工業時代のワークフローに重ねられている限り、その影響はインクリメンタルなままである。生産性の向上は断片的なものである。仕事は高められず、むしろ薄くなる。ROIは、幻のように見える。最も先に立つ企業は、最も多くのAIツールを展開するものではなく、仕事そのものを構造的に、意図的に、成果物優先で再設計するものである。