AI時代における人間の仕事は『まだ存在しない未来に対して、意思を持つこと』

AIの知的活動のボトルネックは、どうしたって、人間である

“`

「AIは爆速なのに、人間レビューが遅すぎて、ボトルネックになっている」

ここ最近、あらゆる業務で生成AIを日常的に使うなかで、
私はこのような思いを強く持つようになりました。

生成AIは、調査し、整理し、比較し、文章を書き、数値を検証し、
反論を考え、修正案をつくります。

少なくとも、調査、情報整理、比較、初稿作成、検算、論点抽出といった
多くの知的作業において、その速度と品質は、人間の能力を大きく上回り始めています。

それにもかかわらず、業務全体の生産性は、
AIの能力が向上する速度ほどには伸びていません。

なぜでしょうか。

AIがつくったものを、人間が読み、確認し、レビューし、承認し、
判断する必要があるからです。

AIは数分、数時間で成果物をつくります。
しかし、人間はその成果物を読み、判断するために、一時間以上を費やすことがあります。

AIは一晩で百案を比較できます。
人間は翌日の会議で、そのうち、せいぜい数案しか検討できません。

AIは二十四時間動き続けられます。
人間は眠り、疲れ、注意力を失い、会議の予定や雑務に拘束されます。

いま起きているのは、単なる知的生産の高速化ではありません。
知的生産のボトルネックが、
「作成・出力」から「レビュー・承認・判断」へ移ったという構造変化です。

従来の企業では、上司、経営者、法務部門、監査部門、監査法人などが、
成果物の「正しさ」を確認してきました。

もちろん、人間による確認は重要です。
しかし、人間によるレビューは、決して完全ではありません。

疲労、思い込み、専門性の限界、時間不足、情報不足、組織内の力関係。
こうした要因によって、見落としや判断ミスは起こります。

それでも私たちは長い間、
「責任ある立場の人間が確認した」という事実そのものに、
社会的な信頼を与えてきました。

私は、この前提を本格的に疑う時代が到来したと思っています。

“`

「知的生産の監査証跡」とは何か

“`

人間一人が限られた時間のなかで確認した成果物と、
複数のAIが異なる観点から独立に検証し、
その検証過程と根拠がすべて記録された成果物。

私たちは、どちらをより信頼すべきなのでしょうか。

もちろん、複数のAIが賛成したから正しい、という単純な話ではありません。

複数のAIが同じ学習データ、同じ情報源、同じ前提に依存していれば、
同じ間違いを同時に犯す可能性があります。
AIによる多数決は、正しさの証明にはなりません。

だからこそ必要なのは、単に複数のAIを並べることではなく、
「検証可能な多重AIプロセス」です。

検証可能な多重AIプロセス

異なる役割、モデル、情報源、検証方法を持つ複数のAIが、
独立レビューと相互反証を行い、その根拠、結果、不一致、未確認事項を
後から確認できる状態で記録するプロセスです。

知的生産の監査証跡

どのAIモデルが、いつ、どの資料を参照し、何を確認し、
どのような問題を指摘し、人間が最終的に何を採用・却下したのかを
再現可能な形で残した記録です。

例えば、一つのAIが資料を作成します。
別のAIが、事実と出典を確認します。
別のAIが、数値と計算を検証します。
別のAIが、論理の飛躍や抜け漏れを探します。

さらに別のAIが、反対の立場から成果物を徹底的に批判します。
最後のAIは、それぞれの一致点、不一致点、未確認事項、
人間が判断すべき事項を整理します。

重要なのは、最終的な点数や「合格」というラベルだけではありません。

各AIが、何を根拠に、どのモデルで、いつ、どの資料を参照し、
どのような結論を出したのかを、後から確認できることです。

モデル名、モデルのバージョン、処理日時、参照資料、出力結果、
修正履歴などを記録する。
必要に応じて、ハッシュ、電子署名、外部タイムスタンプなどを用いて、
証跡の改変を検知できるようにする。

そうした成果物には、いわば
「知的生産の監査証跡」が付くことになります。

提案書を多重AIプロセスで検証する例

顧客に提出する提案書を例に考えてみます。

• 作成AIが、市場環境と顧客課題を整理し、提案内容と見積書を作成する。
• 証拠確認AIが、記載された市場規模や導入実績が、参照資料に本当に存在するかを確認する。
• 数値検証AIが、単価、数量、合計金額、投資回収期間を再計算する。
• 読み手評価AIが、付加価値、費用対効果、何もしない場合のリスクが伝わっているかを評価する。
• レッドチームAIが、その提案を断るべき理由を、最も厳しい立場から挙げる。
• 統合AIが、一致点、不一致点、根拠不足、人間が判断すべき事項を整理する。

その結果を、すべて「合格」という一語で覆い隠してはいけません。

• この数値は確認済みである
• この導入実績には根拠が不足している
• この効果予測は特定の前提に依存している
• 二つのAIで評価が分かれている
• このリスクを許容するかは人間が判断する必要がある

このように表示されれば、最終承認者は白紙から全文を読み直すのではなく、
重要な不一致、未確認事項、例外、価値判断に集中できます。

“`

人間は「正しさ」から解放され、「望ましさ」へ集中する

“`

この仕組みは、人間の判断を形式化するためのものではありません。

むしろ、形式的な確認を機械に任せ、
人間の判断をより深くするための仕組みです。

同時に、この構想を安易な「AI保証」にしてはならないとも考えています。

AIは誤ります。
複数のAIが、同じ誤りを共有することもあります。

したがって、AIモデルの数だけを増やすのではなく、
役割、参照資料、検証方法、評価基準を分ける必要があります。

また、AIが確認できなかったことを、
確認済みであるかのように見せないことが、何より重要です。

信頼は、「間違いがない」と宣言することから生まれるのではありません。
どこまで確認し、何が分からず、誰が何を引き受けたのかを、
後から検証できることから生まれます。

そのとき、人間の役割は、どのように変わるのでしょうか。

私は、人間を意思決定から排除すべきだと主張したいのではありません。
むしろ逆です。

人間を、より人間にしかできない判断へ戻したいのです。

人間、特にオフィスワーカーはこれまで、膨大な時間を
「数字が合っているか」「出典は正しいか」
「表現に矛盾はないか」「必要な項目が抜けていないか」
という確認作業に使ってきました。

これらは重要な仕事ですが、本質的には
「正しさを支える仕事」です。

一方で、企業や社会にとって本当に重要なのは、
次のような問いではないでしょうか。

• 私たちは何を目指すのか
• 誰の利益を優先するのか
• どのリスクを引き受けるのか
• 何を守り、何を変えるのか
• どのような未来を望むのか

これらは、正解が一つに定まる問題ではありません。

売上を最大化するのか、顧客との長期的な信頼を優先するのか。

短期的な効率を取るのか、社員の成長や余白を守るのか。

多数の便益を優先するのか、少数者の深刻な不利益を避けるのか。

今期の成果を取るのか、十年後の選択肢を残すのか。

AIは、それぞれの選択肢がもたらす結果を予測し、
論点を整理し、矛盾を指摘し、反対意見を提示できます。

しかし、どの価値を優先すべきかを、
社会的に正当化された形で最終決定することはできません。

それは、人間の仕事です。

だから私は、多重AIプロセスによって、
人間を「正しさ」から解放し、
「望ましさ」を考え、選び、実現する存在へアップグレードしたい
と考えています。

“`

人間は「承認者」から「価値の選択者」へ

“`

ここでいう「正しさからの解放」とは、
人間が確認責任や最終責任を放棄することではありません。

人間が一つひとつの数字や文言を目視確認する状態から、
正しさを担保する仕組みそのものを設計し、
その仕組みが示した未解決論点、例外、価値の衝突に集中する状態へ移るという意味です。

人間は、確認者から設計者へ変わる。

承認者から、価値の選択者へ変わる。

作業の最終工程にいる人から、
目的と責任を引き受ける人へ変わる。

これは、単なる業務効率化ではありません。
組織における人間の役割を再定義することです。

サステナブル・ラボはこれまで、
企業や社会のなかに存在しながら、十分に見えていなかった価値やリスクを
データで可視化し、意思決定につなげることに取り組んできました。

今回の構想も、その延長線上にあります。

人の判断を、データやAIに置き換えるのではありません。
人がより良い判断をするための土台をつくる。

それが、私たちらしい技術の使い方だと考えています。

目指すのは、
「AIが作ったから良い資料」
「AIが判断したから正しい」という状態ではありません。

目指すのは、
「検証可能なプロセスを通過したから信頼できる資料であり、判断である」
という状態です。

そして、その先にあるのは、
「AIが判断する会社」や「AIが統治する社会」ではありません。

AIが正しさを支え、人間が望ましさを決める会社と社会です。

“`

人間の仕事は、まだ存在しない未来に対して意思を持つこと

“`

生成AIの普及によって、人間の知的価値が失われるのではないか。
そのように心配する声があります。

しかし、私は逆だと考えています。

人間を正誤確認や形式的な承認に追われ続けさせることのほうが、
人間の価値を狭く捉えているのではないでしょうか。

人間の本当の役割は、AIより速く文章を書くことでも、
AIより多くの資料を読むことでもありません。

• 何を大切にするのかを決めること
• 矛盾する価値の間で悩むこと
• 多数決では見落とされる例外を救うこと
• 選択の結果に対する責任を引き受けること
• まだ存在しない未来に対して、意思を持つこと

AIが人間を置き換えるのではなく、
AIによって人間の役割を引き上げる。

「正しさを確認する人」から、
「望ましさをつくる人」へ。

私たちは、この転換を思想だけで終わらせず、
技術と業務プロセスとして実装し、社会に問いかけたいと思っています。

あなたの会社で、人間にしか決められないことは何でしょうか。

そして、その人間は、本当にそこに十分な時間を使えているでしょうか。

“`

本稿の重要ポイント

• 生成AI時代のボトルネックは、作成能力ではなく、人間によるレビュー・承認・判断へ移りつつある。
• 必要なのは、複数AIによる多数決ではなく、独立検証、相互反証、根拠確認を備えた多重AIプロセスである。
• AIのモデル、参照資料、検証結果、修正履歴、人間の判断を記録することで、知的生産の監査証跡を構築できる。
• AIは「正しさ」を支えるが、何を大切にし、どの未来を選ぶかという「望ましさ」は人間が決める。
• 人間の役割は、確認者や承認者から、目的を設計し、価値を選び、責任を引き受ける存在へ変わる。

よくある質問

“`

“`