6月19日、Jen Tedrowが「AI amplifies everything (including what's broken). Start there.」と題した記事を公開した。この記事では、AIは組織の問題を解決するのではなく増幅するという事実を踏まえ、AI導入前に取り組むべき組織的な課題整理について詳しく論じられている。
AIを導入すれば生産性が上がる。これは事実だ。しかしJen Tedrow（Test Double プロダクトマネジメント・ディレクター）は、その「速さ」こそが問題を悪化させると指摘する。
※Test Doubleは、ソフトウェア開発支援・コンサルティングを専門とする米国の会社で、開発チームへの組み込み支援や技術戦略立案を主なサービスとしている。
あるチームがAIで自動化しようとしていたプロセスがあった。手作業で遅く、関係者全員が「自動化に向いている」と合意していた。技術的なアプローチも妥当だった。だが誰かが立ち止まって別の問いを立てた。「そもそもこのプロセス自体、必要なのか？」答えはノーだった。チームは予測・予防できたはずの問題に、ずっと事後対応し続けていたのだ。AIはその盲点を作ったわけではない。チームは何年もそれを抱えて動いていた。AIが変えたのは、「投資を続ける前に疑う価値がある」と気づかせたことだけだ。
AIが増幅する3つの問題
1. 「自信を持った方向違い」
AI以前は、チームが何かを解釈して動き出しても、提案書を回覧し、人間のスピードでフィードバックを得る時間があった。ズレが会話の中で浮かび上がる機会があった。
今は違う。同じチームが、外部の誰もブリーフを読む前に、洗練された戦略デッキとプロトタイプを仕上げてしまう。アウトプットが「それらしく」見えるせいで、「そもそも正しい問題を解いているか」という根本的な問いが埋もれる。
記事中でTedrowは同僚のDave Mosherによる概念として「ruthless sincerity（容赦ない誠実さ）」を紹介している（※編集部注：この概念の出典・詳細は元記事内での言及にとどまり、独立した論文等は確認できていない）。AIエージェントは局所最適を完全な自信で追求する。そして同じことが、AIツールを使う人間にも起きる。AI支援で作られた戦略を提示する側はより自信を持ち、受け取る側はより信頼できると感じる。外見と実態の乖離が静かに広がっていく。
2. 役割の曖昧さとプロセスの未成熟の露呈
誰でもプロダクト仕様書を書け、プロトタイプを立ち上げられるようになると、「誰がやれるか（who can）」の興奮の中で「誰がやるべきか（who should）」が消える。属人的な知識で辛うじて動いていたプロセスを自動化しようとすると、ドキュメント化されていないすべての前提、「あの人が次の手順を知っているから成立していた」すべての引き継ぎが、ブロッキングエラーとして表面化する。
言い換えれば、AIは「曖昧さに対する人間の耐性」を取り除く。うまく機能していたのではなく、見えていなかっただけだったと気づく契機になる。
3. 「オーナーシップの静かな侵食」
「AIがそう提案した」と言って責任を回避する人はほとんどいない。現実はもっと静かだ。Tedrowが実際に目にしてきたのは、十分なレビューなしにアウトプットが「壁越し」に渡されていく光景だ。速く生成され、額面通りに受け取られ、前に流されていく。悪意はない。意識すらない。「ツールがこれを作った」と「私がこれにオーナーシップを持つ」の境界線が、じわじわとぼやけていく。
AIは責任を吸収しない。人間が明確な意思決定をできていなかったなら、AIはそれを速くやる手段を与えるだけだ。
AI導入は組織修復の「強制装置」になる
AIを正しく実装しようとする行為は、組織を修正するのと同じ作業を強制する。AIはそれをやる具体的な理由を与えるだけだ。
Tedrowは3つの「診断ツール」としてのAI活用を提示する。
- 明確性テスト：AIワークフローの目標を言語化しようとすると、チームが「良い状態」について本当に合意しているかどうかが分かる。システムが動けるほど明確に目標を表現できなければ、人間にとっても十分に明確ではなかった。
- ワークフロー・ミラー：プロセスを自動化しようとすると、引き継ぎ・オーナーシップ・意思決定基準のあいまいさがすべてブロッキングエラーになる。人間は空気を読んで判断できるが、エージェントにはできない。
- アライメント監査：AIは戦略ドキュメント・OKR・会議メモを読んで矛盾を洗い出せる。「この4つのドキュメントには4つの異なる優先事項が書かれています」は、同僚から言われるより、ツールから示される方が受け取りやすい。
ただし、問題を可視化するのは簡単な部分だ。シグナルをアライメント（合意・整合）に変える作業は、AIにはできない。
Tedrowが実際に経験したケースでは、チームが何ラウンドもAI戦略を磨き続けていた。運用モデル、変革管理計画、採用指標——しかしすべてが「ビジネスケースはすでに固まっている」という未検証の前提の上に乗っていた。それを表面化させたのは、AIのアウトプットではなく、人間同士の会話だった。イニシアチブにはビジネスケースがそもそも存在していなかった。
スケールする前に問うべき5つの質問
Tedrowは記事の末尾で、AIのスループットをスケールする前に問うべき5つの質問を示している。
- 最重要イニシアチブの目標を、チーム全員が同意できる1文で言えるか？ 言えなければ、AIは10通りの解釈を同時に増幅する。目標の言語化それ自体が、最初のアライメント作業になる。
- 現在のワークフローを明日自動化したとして、AIは誰の意思決定を肩代わりするのか？ その人物を名指しできなければ、それがAIが広げるアカウンタビリティのギャップだ。「誰が決めるか」を先に決めることが、自動化の前提条件になる。
- リーダーシップチームの優先事項は、互いに矛盾しないか？ 各エグゼクティブのトップ優先事項をホワイトボードに並べてみる。競合する数が、AIが増幅するものだ。この可視化はAI導入の有無にかかわらず有効だが、AIを使う前であれば特に効果が高い。
- ドキュメントは土台か、それとも虚構か？ 今のSOPや戦略ドキュメントでAIを訓練したとして、組織が実際にどう動いているかを学べるか、それとも「建前」を学ぶだけか。ドキュメントの質は、AIの出力の質に直結する。
- AIが矛盾を示したとき、それを解決する権限と意思を持つのは誰か？ 答えが「誰もいない」や「状況次第」なら、それが本当のブロッカーだ。技術ではない。この問いへの答えは、ガバナンス設計の起点になる。
これらの問いに答えにくいなら、AI導入を遅らせる理由にはならない。むしろ、AI活用を本当に実のあるものにするためのアライメント作業から始める理由だ。
詳細はAI amplifies everything (including what's broken). Start there.を参照していただきたい。
