「そこはAIに任せればいい」
最近よく聞く言葉だ。
面白いのは、その使われ方である。
自分がよく分かっている領域については、
「ここは人がやらないと無理だ」と言う。
経験も勘所も見えているからだ。
一方で、
自分にはよく分からない領域になると、
急に「それはAIでできるでしょ」と言い出す。
この非対称さが、ずっと引っかかっている。

分かっているからこそ、
そこにどれだけの前提や判断が詰まっているかが見える。
だから「AIに任せるわけにはいかない」と分かる。
分かっていない領域では、
何が難しくて、どこに落とし穴があるのかが見えない。
見えないから、AIならうまくやってくれる気がしてしまう。

本当に厄介なのは、
どこで引っかかっているのかを、
自分でもまだ掴めていない状態だ。
問いを立てる以前に、
どこで立ち止まるべきかが分からない。
そこを飛ばしてAIに任せると、
それっぽい答えは返ってくる。
だが、その答えをどこに置けばいいのかが分からない。

AIは、分かっていることを処理する道具だ。
分からないことを分かるようにする仕事は、
最初からAIの外側にある。
「AIに任せる」という言葉が、
少し幻想めいて聞こえるのは、そのせいだ。

長年の慣習の中で、企業には無数のルールが積み上がっていく。
その上に、コンプライアンスだ、SDGsだ、と新たな要請が重なり、さらにルールが増えていく。
一つひとつを取り出してみれば、それぞれに道理があり、目的も正しい。
だが、全体として眺めたとき、それらがどこへ向かっているのかは、もはや誰にも分からない。
そこにあるのは、方向性を失った「カオス」だ。
企業内の活動は、その堆積物の塊でできている。
そこにどれだけのコストがかかっているのか、どれだけの効果があるのか。
正確に答えられる人はいない。
こうなると、本来は価値を生むための企業活動が、
リスクを回避し、説明責任を果たすこと自体が目的の活動へと変質していく。
「失われた何十年」の本質は、戦略的な目標設定ができなかったことだけではない。
堆積物でがんじがらめになったプロセスに、コストと時間を吸い取られ、
価値創造に手が届かなくなったことにある。

では、これをどう打ち破るのか。
答えは単純だ。
企業活動の原点に立ち返り、価値を生むことに集中する。
ただし、そのために重要なのは「小さく分けること」そのものではない。
要点は、サブシステムをどう設定するか、
そして、それらにどの程度の多様性を持たせるか、である。
システムが大きすぎるなら、分割すればよい。
だが、画一的に分割されたサブシステムでは、結局同じカオスを再生産するだけだ。
戦略に基づいて役割の異なるサブシステムを設計し、
評価軸や意思決定のスピード、許容するリスクを意図的に変える。
その「違い」こそが、多様性の正体だ。
多様化の本質は、人材の多様性ではない。
まずサブシステムの多様性があり、
人材の多様性は、その結果として現れる。

戦略が先にあり、
手段として、どのようなサブシステムをいくつ持ち、
それぞれをどう運用するのか。
そこに、企業活動を再び価値創造へと引き戻す鍵があるように思う。

「一点突破」という言葉には、どうにも引っかかりがある。
選択肢がなく、これでダメなら終わり――そんな切迫した響きがつきまとうからだ。
戦略を考え、企画を練る立場に立てば、本来はできるだけ避けたい言葉である。
だが一方で、その切迫感があるからこそ、突破できる局面がある。
複数の選択肢を並べ、メリット・デメリットを整理し、天秤にかけながら進む。
それは合理的で、賢いやり方に見える。
けれど、そうやって突破できる道は、どこか予定調和で面白くない。
捨て身で挑む。
背水の陣を敷く。
退路を断ったからこそ、前に進むしかない。
その状態で放たれるエネルギーが、道を拓く。
一点突破の物語に心を揺さぶられるのは、そのエネルギーなのだ。

そもそも、未来はどこまで行っても不確実だ。
完璧な選択肢など存在しない。
選択肢の有無を論じること自体、後講釈の評論に過ぎない。
考えるだけ考え、検討できるだけ検討したなら――
最後に必要になるのは、理屈ではなくエネルギーだ。
一点に集中する覚悟。
迷いを断ち切る決断。
それが、結果として道を拓く。

Keep It Simple, Stupid.
“KISSの法則”をモットーにしているが、ここで大事なのは「複雑なものをシンプルに捉える」ことであって、単にシンプルであること自体には、ほとんど価値がない。
物事は、基本的に複雑だ。
MECEという言葉もあるが、あれだって“MECEに構造をつくること”に価値があるのであって、この世にMECEな事象そのものが存在するわけではない。
世の中、そんな単純じゃねぇよ、である。
ここを履き違えると、
“複雑なものをシンプルに、シンプルなものはそのまま”
という浅い整理に陥る。
それでは表面だけをなぞることになり、面白くもなければ、価値もない。

どんな事でも、背景があり、物語がある。
そのあるもの・ないもの、見えるもの・見えないものをこねくり回し、
いろんな角度から眺めながら、そこに一筋の切り口を見つける。
この作業をひたすら繰り返していくと、
複雑な世界が、ある時スッと一本の線として立ち上がる瞬間がある。
その瞬間こそが、意味の解像度が上がるということだ。

「シンプルにすべし」は本質だ。
だがそのプロセスは、いつだってカオスである。

当たり前だが──教えられることと、教えられないことがある。
知識そのものは教えられる。知識の使い方やノウハウも、ある程度までは教えることができる。
しかし、「どんな場面で」「どんな目的で」それを使うべきか。
そのすべてを教えることはできない。
過去に起きた出来事なら説明できても、これから起こる未知の問題については、説明しようにもできないからだ。
知識は道具のようなものだ。
だが、その道具を“どんな未知の状況で”“どう使うのか”までは、完全には教えられない。
単純な道具であれば、使う場面を示すこともできるかもしれない。
しかし、知識のように抽象度が高く、汎用性が広い道具になると、使い方も、使う場面も無数に広がる。
むしろ、使い方そのものに価値が宿ると言っていい。
そうなると、もはや「教える」という行為には限界がある。
こちらだって、すべてのケースを知っているわけではない。
だからこそ本当は、
「なるほど、こういう使い方があったか！」
と驚きたいし、議論したいし、その発見にワクワクしたい。
どうやら知識には二種類あるようだ。
教えればすぐ使える知識と、
教えても使えるようになるまでに経験や、”ある種の能力”が必要な知識だ。
では、この“ある種の能力”とは何なのか。
経験しても使える人と使えない人がいる。
この差を、人は“センス”と呼ぶのだろうか──。

AIによって「構造」は誰にでも簡単に手に入る時代になった。
しかし、その構造に意味や価値を見出し、さらには新たな構造を生み出す力こそが、これからの鍵となる。
この「意味」や「新しい価値」を見出す力——それが洞察力だ。

洞察力は、経験と知識の往復の中でしか育たない。
やってみて、うまくいかず、学び、また挑戦し、また失敗する——。
その繰り返しの中で、時に飛び上がるような成功を得て、時にどん底で苦しむ。
その揺れ幅の大きさこそが、洞察の純度と深みを生み出す。

これまでは「構造を見つける」こと自体が大きな挑戦だった。
試行錯誤の過程で数多くのパターンを学び、理解し、その上で新しい構造を発見していく。
そして「見つけた！」と思ったものが、実はすでに誰かが見つけていた——そんな経験を重ねながら、人はパターンのより深い意味と使い方を学んできた。
しかし、AIによって構造化が容易になると、この過程の多くが省略される。

では、そのとき人はどうやって洞察力を磨くのか？
おそらく、AI時代の洞察力の磨き方は、かつての「教養（リベラルアーツ）」が果たしていた役割を、新しい形で取り戻す運動——新たなリベラルアーツ・ムーブメントになるのだろう。
その方法論については、今後の継続検討イシューとしたい。

AIが普及しはじめて、「誰でもできること」が急速に増えた。
文章を書く、デザインをつくる、資料をまとめる——これまで時間と経験を要した仕事の多くが、驚くほど短時間で形になる。まるで、初心者でも上級者のように見せてくれる“支援装置”のようだ。
だが、その一方で、職人性はどこへ行くのか、という問いが浮かぶ。
AIが表現や設計の「標準解」を出してくれるようになると、標準の中での巧拙や工夫は、ほとんど意味を持たなくなる。
型を整えるスピードや精度では、AIに勝てる人間はいない。
しかし、型そのものを超えて「何を作るのか」「なぜそれを作るのか」という問いを立て、意味のある逸脱を生み出すこと——ここにこそ、職人性は残る。
思えば、職人の世界にも似た構造がある。
熟練の大工は、図面通りに木を切ることよりも、木のクセや湿り気を読む。
陶芸家は、ろくろの上の土を「形にする」のではなく、「土の声を聞きながら形になっていくのを導く」。
そこには、教科書化できない「勘」や「間」がある。AIにはまだこの領域がない。
情報を扱うことはできても、「意味」を扱うことはできないからだ。
AI時代の職人性とは、この“意味”を扱う力のことかもしれない。
AIが提示する80％の完成品を前にして、「なぜこれを良いと思うのか」「本当にこれで伝わるのか」と自問できる人。
AIの答えを素材として、自分なりの手触りに変えていける人。
その人こそが、新しい職人なのだろう。
AIは多くの人を「上手く」してくれる。
だが、「深く」してくれるわけではない。
だからこそ、職人性は失われるどころか、これからさらに輝きを増す。
AIが型を整え、人が意味を吹き込む。
そんな時代のものづくりが、静かに始まっている。

AIは便利なツールだ。
便利で、簡単。――それゆえに課題もある。
AIは、ろくに知らない分野でも概要をまとめてくれ、ポイントまで整理してくれる。
関心の薄い領域であれば、それで十分だ。
まるでハイウェイを走っているように、特定分野の全体像や要点を、短時間で押さえることができる。
この便利さを使わない人は、徒歩で道を行くようなものだ。
勝負にならない。
だからこそ「AIを活用せよ」と声高に叫ばれる。
だが、このハイウェイには限界がある。
AIが導いてくれるのはせいぜい“80％”まで。
残りの20％――そこで必要になるのは、知識を「活用する力」だ。

この領域はAIの領域ではない。人間の領域だ。
AIを使う・使わないの格差は、時間とともにやがて解消されるだろう。
しかし、残り20％の“使いこなす力”の格差は、むしろ広がっていく。
AIが生み出した80％を糧に次の創造へ踏み出す人と、80％で満足して止まる人。
この差は、身震いするほど大きい。
AI登場以前からこの格差は存在していた。
だが、AIによって――その断層は、より深く、より広くなっていくのかもしれない。

“価値創造”と“効率”。
どちらも企業のビジョンや戦略の中で頻繁に登場する言葉だ。
だが、この二つの言葉は本来、相性が悪い。
なぜなら――効率よく価値を創造することなど、できないからだ。
多くの企業では、この矛盾を意識して使っているようでいて、実際には表現しきれていない。
“価値創造”は目標や目的として語られ、
“効率”は手段として扱われる。
だが、この構造のままでは整合しない。
受け取る側――特に現場のメンバーは、手慣れた効率化の発想に流れてしまう。
結果として、多くの企業で“ビジョンの核”であるはずの価値創造への意識が希薄になる。

本来、こう整理すべきだ。
既存事業は「効率化」を目指す領域。
新たな価値創造は「効果的な投資」を行う領域。
この二つを明確に分けて表現しなければならない。
そうでなければ、すべてが“既存事業の延長線”に吸い込まれ、
ビジョンも戦略も、ただの理想論――“絵に描いた餅”になってしまう。

ベンチャーの経営事例を大企業のメンバーが聞くと、
その意思決定の速さ、周囲を巻き込む力、行動の一貫性に深く感銘を受けることが多い。
ベンチャー側から見れば、それは“当たり前のこと”にすぎない。
だが大企業では、それがレアケースになってしまっている。
真剣味が違う――そう言ってしまえばそれまでだ。
ベンチャーでは、成長を目指す以上、意思決定し、スピードを上げ、周りを巻き込みながら進むしかない。
一つひとつが真剣勝負で、失敗すればすぐに修正する。
それ以外に成長の道はないのだ。
一方、大企業には「勝ちパターン」がある。
既に安定した収益を生む事業があるから、冒険的なプロジェクトに踏み出す必然性がない。
挑戦の必要がない組織は、当然ながら“失敗の経験”も失われていく。

ところが――である。
新規事業や新しい開発を始めようとすると、そこで初めて“冒険”が求められる。
しかし、多くの場合、やったことがない。
やり方を本で読んだ知識はあっても、それを組織の中で実装した経験がない。
知識も経験もないところに、洞察は生まれない。
つまり、大企業の眼で見る「理想的な事例」は、
ベンチャーの眼から見れば「当たり前のこと」なのだ。