人間の判断力がビジネスモデルの基盤となるプロフェッショナル・サービス企業で20年を過ごしたEYのグローバル副会長は、Fortuneの寄稿で、クライアントがEYに求めているもの——単なる分析ではなく、不確実性を乗り切り、より良い意思決定を行うために必要な経験、洞察、視座——は、まさにAIが今やあらゆる仕事に求めているスキルであり、肩書きがアナリストであれ、技術者であれ、機械オペレーターであれ同じだと論じている。

AIの時代のパラドックスとは、技術が高度化すればするほど、市場はそれ以外のものを一層評価するというもの。最も求められるスキルは本質的に人間的であり、それはすべて「AIにできないこと」に尽きる。

人材ギャップは重大だ。AIへの投資が増加する一方で、企業は人材投資の不足により、AIによる生産性向上効果の最大40%を逃している。EYの調査によると、多くの研修プログラムは技術的なAIスキルに焦点を当て、AI戦略の成否を左右する重要なスキルを飛ばしてしまっている。結論として、AIのリターンを制約しているのは技術そのものと同じくらい、人材戦略にあるかもしれない。

AIにまだできないこと

技術は反復作業やデータの表出には長けている。しかし、目標を定め、目的を設定し、情報に意味を与える文脈を提供するのは人間の役割だ。どの目標を追求する価値があるかを判断し、文脈の変化を認識し、結果に対する責任を負い続けるのは人である。その人間の方向づけがなければ、データやインサイトは効果的に活用されず、潜在的な価値を最大化できないかもしれない。

これは、AIが統括する職場のあり方を再定義する。人を排除するのではなく、そもそも人間の判断を必要としなかった業務の部分を排除するのである。残るのは、人間にしかできない部分だ。

AIリテラシーをリーダーシップ・スキルとして鍛える

AIが可能にする世界を最大限に活かすには、AIリテラシーは専門スキル以上のものである必要がある。AIツールの操作と、出力の関連性の評価を融合させ、問題が発生した際にどのように(そしていつ)介入すべきかを知ることだ。

その規模は驚くべきものだ。平均的な組織では、機械アイデンティティの数が人間の従業員を82対1で上回る。CyberArkのレポートは、この増殖が、機械アイデンティティが断片的に管理される状況における指数関数的なアイデンティティセキュリティの脅威につながっていると指摘する。そのような規模は人間の責任を希薄化するどころか、むしろ集中。AIシステムが自律性を増すほど、人間の判断は一層重要になる。

世界経済フォーラムの調査によると、分析的思考は雇用主が採用候補者に最も求める中核スキルであり、約7割の雇用主が不可欠だと位置づけている。リーダーが求めるのは、盲目的な委任を避け、重要な場面でAIに異を唱えられる従業員だ。

肝要なのは、AIを仕事の効率化に使うことであり、仕事の最も重要な部分であり続ける判断の意思決定をAIに任せることではない。

唯で乗り切ろうとしない

実際には、AIの人材統合を一社だけで解決している組織はない。孤立したアプローチは時間とコストがかかり、他の組織がすでに解決したワークストリームを再構築するために無駄なサイクルを費やすことになりかねない。

それが筆者がEYで担当するアライアンスとエコシステムの仕事であり、他者がすでに解決したものを再構築することなく、技術を効率的にスケールさせるための適切な基盤を組織が築けるよう支援するものである。

飲料メーカーのLionとの最近の取り組みはこれを実証した。エコシステム・パートナーとの協業により、顧客対応速度が75%向上し、人事機能の運営コストが約30%改善された。ゼロからAI対応の人事機能を構築しようとするのではなく、Lionは、その問題の一部をすでに他で解決していたパートナーと協働した。内製とパートナー主導のどちらを選ぶか判断する組織にとっての一つの指標となる事例だ。

人間を中心に据えるためのワークフローの再設計

意思決定の中核に人間を据え、信頼を維持するためには、ワークフローの再構築が必要だ。AIがタスクを完了してから結果を人間に引き継ぐといった硬直的な受け渡しを軸にAIと人間のハイブリッド・ワークフローを設計する場合、タスクをきれいに分割できるというのが根本的な前提となる。しかし実際には、この構造は意味のある判断の機会を損ない、反復作業を増やしかねない。

より持続可能なモデルは、真に統合されたプロセスの中で共有タスクを中心に業務を編成し、順次処理ではなくあらゆる段階で人間とAIが貢献するものである。

空調・換気を専門とする多国籍企業のダイキンは、AIと人間のハイブリッドチームが連携して新しいERP(企業資源計画)システムを導入することで、これを実証した。AIがコード生成と自動テストを支援する一方、従業員は例外や高リスクのシナリオの監督を維持し、判断力はいかなるアルゴリズムにも吸収できないということを改めて示した。EYによるこの取り組みの説明によると、このアプローチにより納期が約30%短縮され、パイロットではカウンター効率が10%向上し、決算締めが20%高速化された。

陳腐化しないスキル

AIモデルの能力が絶えず変化する中、能力開発の議論が技術のアップデートだけを追いかけていれば、時代遅れになってしまう。特定のモデルバージョンに紐づく技術的スキルの寿命は短いが、いつ、どのように介入すべきかを知る判断力は陳腐化しない。

安全で信頼できるAIを確立するには、判断力が不可欠だ。

これらは偶然には実現しない。あらゆる階層でのリテラシー、構築の負担を分かち合パートナー、そしてあらゆる段階で人間が関与し適切な監督を提供できるよう設計されたワークフローが必要である。

AIのスケール化に成功している組織は、仕事のどの部分を人間のまま残すかについて、意図的な選択を行っている。そして、適切に行われたAI導入は、その役割を縮小するのではなく、むしろ明確にする。

本記事に反映されている見解は筆者個人のものであり、必ずしもEYのグローバル組織またはそのメンバーファームの見解を反映するものではない。Fortune.comのコメンタリー記事で表明された意見は、筆者個人の見解にすぎず、必ずしもFortuneの意見や信念を反映するものではない。この記事は元々Fortune.comに掲載された。