「わかっていてもできないことはある。」

それは、企業にもある。主力事業が成熟し、衰退していることが明白でも事業構造の転換、新規事業の構築に向かえないのが典型だろう。
現在の延長ではまずいことは認識している。小手先の対応でもこれまでのような成果は上げられないことも見えている。だから、わからない、認識できない、ということではない。
ではなぜ、対応できないのか？しないのか？

「対応の仕方がわからない」というものがある。やり方がわからないのでずるずると行ってしまう。よくある話だ。
でも個人ならいざ知らず、企業でこれを放置することはないだろう。世の中にはいろいろなサービスがあり、それらを逐一分析してくれるものが多数ある。

「やり方はわかっても、実行できない。」次の壁はこれだろう。
ここで躓くパターンはかなりありそうだ。
実行するにはそれ相応の能力が必要だ。そもそも事業構造の転換など経験もない。
頭では理解しても、経験のないものは実感として力点がわからない。コンサルの指導を受けて、うわべの対応プロジェクトはいろいろやっているが実効性はないというよく見る光景だ。多くのケースではコンサルも経験がないから実効性は生まれない。
トップがやろうとしても、誰も経験もなく、実感を持てないのならば、足回りとしてついていかないのは当然だ。

「短期の確実な合理性が、長期の不確実な合理性に勝ってしまう。」最後の壁はこれで、もっとも強力なものだ。
事業構造の転換への投資は不確実だ。短期的で確実な投資に向いてしまうのは必然だ。
これを越えて、不確実であるが、明らかな合理性に投資するには既存の意思決定構造を越える覚悟がいる。そして、その覚悟を論理的に説明する力も必要だ。
時間軸も長い。従来の企業内活動とは次元の異なる哲学がなければ向かえないだろう。

「わかっていてもできない」構造は手ごわいのだ。

「小さく聞けば、小さく返す。大きく聞けば、大きく返す。」
これがAIの特徴だろう。
聞かれたことを否定せず、真摯に調べて答えるからだ。

大きなイシューの場合は、使い勝手としてはさらに有効だ。曖昧で抽象的な問いでもそれらを分解して、構造化して示してくれるからだ。
抽象的な課題を要素に分解、そしてそれらを構造化するのは難しい。それなりにその分野の知識がなければできないことだし、構造化するのはさらに骨が折れる。
AIは要素分解や構造化にとても有用であるが、問いの大きさに依存する上に、問いの大きさを越えるレイヤーになると、問いを重ねて構造化を行う経験がなければ気づかないだろう。

AIによって変わる世界とは、まずは小さく聞いて、構造がわかるもの、判断しやすいものは大きく変わる。その次は、因果関係はわかるが、複雑な組み合わせがあるもの・・・これは使い手の判断に影響される部分もありそうだが、効率は高まるだろう。
そして、新たに構造を組み変える、新たな構造を発見する領域に進むだろうが、ここは使い手の能力、判断に依存する。

大きな問いと要素への分解そしてそれらの構造化の能力が競争力となる。

大きな目標を掲げていても、そこに至る道筋が明らかになっていなければ、決して到達しない。新規事業における仮説とは、目標に至る道筋を表すものである。
はじめはものすごく曖昧だったり、楽観的だったりするのだが、ここがスタートで進むにしたがって具体的になっていく。これを仮説更新という。
仮説は目標へ至る道筋を示す地図ともいえる。
最初は曖昧でスカスカな地図が進むにしたがって、詳細に、ち密になっていく。

仮説作りは難しい。仮説なしでスタートするプロジェクトがあるが、これは地図なき航海に等しい。これでは目的地はおろか、どこに行くのかもわからないわけで、何らかの成果を得るはずもない。

仮説更新は経営そのものにも当てはまる。特に、主力の事業が成熟期、衰退期にある企業は手なりのままでは低収益化に苦しむことになる。
当然、何らかの事業構造の転換や新規事業を目標として掲げるわけだが、そこへ至る道筋、仮説がはっきりしないケースが多い。
売上いくら、とか利益率いくつ・・という目標はあるが、その道筋がわからない。やっていることが、その目標値へつながるかどうかもわからないケースは珍しくない。逆に、今やっていることが、明らかに目標につながらないものは珍しくない。
目標未達は結果論だが、仮説がなければ何が違っていたのかもわからない。挑戦した痕跡すらも残せない。

事業構造の転換や新しい事業領域の開拓に迫られている企業はその仮説が必要となる。
そして真に評価すべきは仮説更新の中身になる。
そして・・
仮説作りは難しい。仮説なき目標は地図なき航海に等しい。

企業内の仕事、特に製造業では構造化された仕事がほとんどである。すべてと言っても言い過ぎではない。顧客はどういう類の人達か、提供する価値はどういうものか、どこで儲けるか、どこで競争優位を持つか・・・など、ちょっとずつ違っていても、大枠は決まっている。
たまにこの枠組みを変える仕事もあるが、根底から変わることはない。

構造が決まった世界にどっぷり浸かった人が、見知らぬ領域の事業構造の仮説を創るのは容易ではない。白紙から構造を創る仕事は基本的にない。したがって、経験もない。
どうしてよいかわからない・・状態になってしまう。
俺はこれを“構造化の壁”と呼んでいる。

この壁を乗り越えるにはどういう手段があるだろうか？
少なくとも、経験がなければ始まらないと思うが、経験だけでは足りない。構造化は多くの切り口があるので、少なくともいくつかのパターンを認識できる程度の学習、知識が必要だろう。構造化→学習→実践→再構造化のサイクルを複数回繰り返す必要がありそうだ。

この経験と学習のサイクルを企業現場で得るには相当な時間がかかる。そして、その現場を現実に提供するためにはかなり気合の入ったシステムなり、仕組みが必要だ。
育成するには、腰の入った一貫性と評価基準がなければならない。
お決まりのコースを受けさせて、チェックリストを増やすレベルでは到底たどりつくものではない。
そして・・そもそも構造化に一貫性と評価をもたらすものが無くては始まらない。
シリコンバレーはこの手のサイクルを高速に回しているように見える。
シリコンバレーの特殊性は実は構造化能力開発の高速性なのかもしれない。

構造化に限らず、“能力開発”とはこういうものなのだろう。
AI時代はこの手の能力開発力が競争力を分けるのかも、と思える。

既存事業においては、意思決定者、責任者は決まっているようで決まってない。
それらはプロセスの中に埋め込まれている。
顧客、商品、販売チャネル、予算、評価、技術、組織・・これらは業務プロセスの中に埋め込まれており、大きく逸脱することはない。仕組みと慣性が事業を前に進める。
ある日、責任者が突然いなくなっても、売り上げが半減するわけではないし、継続的に進められなくなることもない。
この現象は一つの勝利の証でもある。“勝ちパターン”を持ったということだ。

この意思決定構造、責任の構造は事業転換や、新規事業、事業売却など、これまでと異なることをやる際には全く機能しなくなる。
既存事業のやり方を当てはめると一瞬で機能不全になる。
これまでと違うことをしなくてはいけないだけでなく、それぞれの部分が持っている判断基準そのものが、既存事業を前提としているからだ。
それぞれが正しい判断をしても、全体として正しい判断になるとは限らない。
むしろ、それぞれが正しく判断するほど、既存事業へ引き戻されることさえある。
部分最適が全体最適にならない。
全体を通して、判断する主体が必要になる。

この意思決定の構造、責任の構造の違いはオペレーションシステムの違いである。
“両利きの経営”を理解していても、実行できないのは、このオペレーションシステムの違いを理解していないことが大きい。意思決定構造、責任構造の違いを理解し、変えることができない、と言い換えてもよい。

実行に関わるキーパーソンがこの意思決定の構造を理解し、マネジメントできなければ事業変革、新規事業・・・M&A、事業売却なども進められないということになる。
トップだけがわかっていても実行できない原因でもある。

人の能力格差がAIによって増幅的に拡大する・・というのが、前回の主旨であった。
今回はその違いが企業間に広がる、という話をしてみよう。

今回の言いたいことをまとめるとこんな感じになる。
同じような業種でも、「AIを効率化に使うことに留まる企業」と「AIを価値創造に使う企業」で格差が広がる。その差は増幅されて広がるだろう。

この差が明確になるのはある程度の時間軸がある。当面は効率化競争でよい。しかし、効率化はキャッチアップ可能であるし、時間がたつにつれツール化されて簡単になる。
その後にくるのは容赦ない価値の差になる。
効率化競争の先に価値創造があるわけではない。
ここは違う競争なのだ。
技術を磨き、製品を作ることに集中しているうちに、価値の中心を別のところに取られる。
ITや半導体でも同じことを味わってきた。
今流行りのフィジカルAIなんて・・よくよく考えないと同じ轍を踏みそうだ。

これほど、「問いの力」、「構想力」が求められるのもAIがそのレベル差を大幅に増幅するからに他ならない。
今、この時点の“問い”が先を決める。

AIによって世界が変わる・・確かにいろんな分野で変化は起きそうだ。しかもかなりドラスティックな変化だ。でも技術は急速に進化しても人間は急速に変われない。
大きな変化はこれからだろう。しかもじわじわ時間をかけてやってくると思われる。

ではどこから変わるのか？
まぁ通り一遍の効率化はさておいて、“価値”の部分では働く人の格差じゃないか？

ツールとしてのAIは日々進化している。使い手としては調査やデータチェックなど一瞬で終わってしまう。それを整理して、まとめることも簡単だ。
こうなると、「どうまとめるか？」「どういう視点で整理するか」という最終価値の話になる。
これは使い手の課題設定、課題設計に依存する。さらにそこから新たな視点、複合的な視点への発展もAIとの会話で増幅される。まとめを起点にさらなる課題設定、課題設計が生まれ、新たな視点、多角的な視点が生まれる。新しい価値になる。

課題設定にスキルのある人はAIによって視点の発展が加速的に得られる。
しかし、そもそもの課題設定が低ければ、整理はできるが発展はない。
これまでも実社会では課題設定スキルの格差は大きかったが、この格差はAIによって増幅される。ものすごい違いを生みそうだ。

聞けば答えるAIであるが、何を聞くかが問題だ。
働く人の・・使い手による格差拡大が最初に来る・・というのが実感だ。

仕事の価値を考えてみる。
仕事には価値がある前提だろうが、本当にそうだろうか？
価値のあるものもあるが、価値のないものもある。少なくとも、価値の大小はある。
さらに、価値の大小は人によって異なる。価値観の違い、というヤツだ。

この前提に立てば、“仕事”というヤツの中身を価値で分解して見る必要がある。
価値の大きいものもあれば、小さいものもある。
この分解なくして、自分の仕事の価値は上がらない。つまり、自分の価値も上がらない。

価値の大きいところは自分でやり、小さいところはできる奴に任せる。
そして、自分はさらに価値の大きいところへ挑戦する・・これが成長というもので、こう考えると成長には終わりがない。
世の中、忙しい人が多いが、多くの人は仕事の価値の分解を行わないで忙しくなっているのではないか、と思う。
自分の成長に従って、仕事をやり続けていくと、いつかは自分の容量にぶつかる。
ここで留まると、人は無能になるまで昇進するという「ピーターの法則」だ。

「仕事の価値」は「自分の価値」でもある。