AIと人間の判断：AIが形作る仕事の中での共有された意味を維持する

答えが完成して思考が舞台裏に移動するとき

AIが日常の仕事に埋め込まれるにつれて、答えはより速く、完成された形で到着する。

これは非常に有用ですが、人間の判断がどのように、どこで現れるかを変えることにもなります。AIが形作る場合、思考と完成された出力の間の距離が縮まり、本当に仕事が行われているかどうかを判断するのが難しくなります。

より伝統的な仕事では、判断はプロセスの中で現れました。問題を定義する方法、オプションを話し合う方法、前提条件を明らかにする方法などです。コンテキストが設定されているのを聞くことができ、意図が明確になっているのを聞くことができ、途中で仮定がテストされていたのを聞くことができました。AIが仕事に参加するにつれて、思考の一部が見えなくなります。残っているのは、説得力のある出力ですが、どのようなものに基づいているのか、またはその下にあるものが見えなくなっている場合、どのようなものが残っているのかがわかりません。

共有された意味が明示的に作られていない場合、リーダーは出力からアクションへと直接移動することになり、生み出されたものとどのように関係するかを探求するのではなく、どのようなものに基づいているのかを探求するのではなく、どのようなものが残っているのかを探求するのではなく、生み出されたものとどのように関係するかを探求することになります。

あるシナリオを考えてみましょう。マネージャーは、チームの負担を軽減するためのオプションを概説した短い提案を求めます。戻ってきたものは明確で、整理され、説得力があります。方向性を示し、次のステップを概説しています。表面上、間違っているように見えません。しかし、会話がすぐに承認または実行に移ると、重要なものが見落とされる可能性があります。チームにどのような圧力がかかっているのか、どのような成功が必要なのか、提案が依存している仮定について、共有された探究が行われていません。仕事は完成しているように見えます。しかし、誰かがその下を見ない限り、思考が実際に行われているかどうかはわかりません。

思考を舞台に戻す

その下を見ることは、仕事を質問したり、潜在的な欠陥を探したりすることではありません。思考の一部を舞台に戻すことです。出力とコンテキストを再接続し、意図を明示し、仮定を表面化することです。これは答え自体の価値を疑うものではありません。ただ、あり得る答えに実体を与えるものです。

人間の仕事が行われない場合、影響はすぐに現れません。決定は進みますが、薄い理解の上に構築されています。チームは実行しますが、成功の実際の意味については異なる解釈を持っています。問題は、仮定の下にあるものが表面化されていないか、またはテストされていないため、少し異なる形で再発します。時間の経過とともに、仕事は脆いものになります。迅速に進みますが、状況が変化したときに適応することができません。何が欠けているのかは、努力や知性ではありません。共有された意味です。リスクは、AIがループに参加していることで進むことではありません。決定が適切に理解されていない場合に進むことです。

時間の経過とともに、この変化は何が評価されるかを変えます。完成された出力がより簡単に進む場合、人々は適応します。明確さが重要であるというよりも、確実性が重要であるということを学びます。確実性は、検証された判断よりも遠くまで行きます。リーダーが明示的に要求するのではなく、ただそれが機能するからです。このような状況では、思考は消えません。ただ、舞台裏に移動し、他の人に基づくことが難しくなります。

ここがリーダーシップが違いを生み出す場所です。変化を逆転させるのではなく、AIが形作る中で仕事が進む方法を形作ることによってです。

リーダーは、AIが出力の形を整える前に、チームを意味の作成に参加させることによってこれを行います。

前の例に戻りましょう。違いは、提案自体ではなく、リーダーが提案に反応する方法にあります。承認に直接移動するのではなく、リーダーは思考の一部を会話に戻します。チームが直面している課題の背後にあるものを尋ね、潜在的な考慮事項を表面化します。仕事は進みますが、暗黙の同意ではなく、共有された理解の上に基づいています。

実践ではどうなっているか

1. コンテキストは、解決策が形作られる前に集団的に確立される。

リーダーは、チームが実際に何が起こっているのかを名前付けるためのスペースを作ります。圧力、制約、歴史、現実など、状況が重要なものすべてについてです。そうすれば、AIによる出力は共有された状況の画像に対して考慮されることになります。

2. 意図は、事実後に推測されるのではなく、共同で合意される。

リーダーは、チームがこの状況で最も重要なものについて話し合うことを保証します。必要な具体的な変更、許容されるトレードオフ、成功の意味についてです。そうすれば、仕事が形作られる前に、重要なものについて話し合うことができます。

3. 仮定は表面化され、グループとして作業される。

リーダーは、チームが何が真実であると考えられているか、仮定が保持されているか、不確実性が残っているかを検討することを正常なものにします。そうすれば、決定は共有された判断になります。

4. AIによる出力は、判断のための共有材料として扱われる。

明確で一貫性のある答えは、会話の終わりではありません。リーダーは、出力をグループに戻して解釈し、テストし、適応させることを保証します。そうすれば、意味の作成は部屋で行われ、AIによる出力から推測されるのではなく、実際に行われます。

これらの4つの動きは、リーダーシップの判断がどのように機能する必要があるかについて、より広い変化を示唆しています。

最終的には、これはリーダーが自分でより多くの思考を行うことではありません。仕事が迅速に形作られる場合、仕事の下にある思考が実体を与えるものが、デフォルトで表面化しないことを認識することです。多くの思考が舞台裏に移動し、完成された出力の後ろに隠れています。

その思考を早く舞台に戻すことによって、AIがほとんどの形作りを行う前に、リーダーは進歩が理解の上に構築されていることを保証できます。そこが人間の判断の本当の価値があります。AIの速度と競争することではなく、AIの出力に意味、方向、現実世界での持続可能性を与える下にある仕事を行うことです。