同じ施策が、上と下で正反対に評価される
経営会議で高く評価されたAI施策が、現場では「使えない」と言われている。逆に、現場が効果を実感している改善が、経営層には報告されず予算がつかない。この断絶は多くの組織で起きています。
最初に確認しておきたいのは、これが誰かの能力や姿勢の問題ではないという点です。両者が見ている情報の粒度と時間軸が構造的に違うために起きています。この章では、その構造を分解し、間に共通の軸を置く方法を扱います。
経営層に届く情報は、粗い
経営層が受け取る情報は、性質上まとめられています。「AI導入により処理時間が40%短縮」という報告は正確かもしれませんが、その裏には次のような条件が付いていることがあります。
- 対象は全体の3割にあたる定型パターンのみで、残り7割は従来どおり
- 短縮されたのは入力作業で、確認作業が新たに増えている
- 試験導入の1か月間、担当者が付きっきりで運用していた
これらは意図的に隠されているとは限りません。報告の階層を上がるたびに情報は要約され、条件から先に落ちていきます。要約は情報を捨てる処理だからです(第2章で扱ったのと同じ性質です)。ただし、この構造が意図的に使われる場合もあります。行動の型として見分ける方法は裏之巻 第3章「報告と実態がずれるパターン ― AI導入で起きる意思決定の歪み」にあります。
結果として、経営層は「うまくいっている」という像を持ち、現場は「限定的にしか使えていない」という像を持ちます。どちらも自分の情報の範囲では正しいのです。
抽象的なAIプレゼンが通ってしまう構造
経営層向けの提案では、抽象度の高い説明が好まれる傾向があります。これには理由があります。経営判断に必要なのは投資額と回収見込みであり、実装の詳細は本来判断材料ではないからです。
ところがAIの領域では、この妥当な省略が問題を生みます。実現可能性そのものが実装の詳細に左右されるためです。「AIで需要予測を行い在庫を最適化する」という説明は、経営判断としては十分な粒度に見えます。しかし実際にできるかどうかは、次のような点で決まります。
- 何年分の販売データが、どの粒度で残っているか
- 欠品や販促の記録が残っているか(第2章の例)
- 予測を発注に反映する仕組みが、人の判断を挟まずに動かせるか
これらを確認しないまま投資が決まると、着手後に「データがない」という事実が判明します。そこから遡って議論をやり直すことになりますが、すでに予算と期限が決まっているため、範囲を狭めるか、精度を落として無理に形にするかの選択になります。
提案資料にデータの現状についての記述が1行もない場合、その提案は実現可能性を検証していません。「どのデータを、どの粒度で、何年分使うのか」「それが現在どこにどの形で存在するのか」の2点は、投資判断の前に確認すべき最小限の項目です。ここに答えられない提案は、金額の妥当性を議論する段階に達していません。
PoCデモと量産運用の間にある溝
試験的に作った実証(PoC)がうまく動いたのに、本番に移すと止まる。この溝の中身は、第4章で挙げた6項目とほぼ同じです。ただし組織の話として見ると、追加で3つの要素が出てきます。
- 件数が変わる ― 100件で動いた処理が、10万件で動くとは限りません。費用も比例して増えます。
- 担当者が変わる ― PoCは意欲の高い担当者が丁寧に運用します。本番では、日々の業務に追われている全員が使います。
- 例外が現れる ― PoCの対象は、たいてい代表的なパターンです。本番では第3章で述べた例外が一定割合で混ざります。
したがってPoCの評価では、精度の数値だけでなく対象範囲の割合を必ず聞く必要があります。「精度92%」と「全業務の何割を対象にした精度92%なのか」は、まったく違う情報です。
現場が直面している現実的な課題
現場側から見ると、問題は精度そのものよりも、その周辺に集中します。
- 確認の手間 ― AIの出力を確認する作業が、元の作業時間を上回ることがあります。この場合、導入は純粋に負担増です。
- 費用の見えにくさ ― 処理量に応じた課金では、使えば使うほど費用が増えます。現場に費用の情報が共有されていないと、使用を控える判断が自主的に起きます。
- 壊れたときに誰も直せない ― 導入を担当した外部の担当者が離れ、社内に理解している人がいない状態は頻繁に起きます。
- 運用が定着しない ― 記録の更新が止まると、参照する仕組みの答えも古くなります(第3章の最後で触れた点です)。
これらはいずれも、経営層の報告には現れにくい種類の課題です。数値化しづらく、担当者の工夫でしのげてしまうためです。しのげている間は報告されず、しのげなくなったときに「使えない」という結論だけが伝わります。
朝凪精機が前の年に入れた議事録の要約ツールは、利用率が1割を切りました。常務の大槻のもとには、その数字と「現場の慣れの問題」という説明だけが届いていました。三月十七日、限定試行の中間報告を聞く席で大槻がこのツールに触れると、カスタマーサポート課長の村瀬は「慣れじゃないわ」と返しました。要約の形式が、課の引き継ぎのしかたと合っていなかっただけだというのです。要約を「決定事項・宿題・期限・未決」の4つに分けて出すように変えたところ、CS課ではまた使われるようになっていました。大槻は「私のところには、利用率が1割を切った、という数字しか来なかった」と言いました。使われない理由は、たいてい抽象的な意識の問題ではなく、具体的な不一致です。
この場面は物語之巻 第6話「三割削減の報告」に出てきます。
ギャップを埋める共通の評価軸
両者の間に橋を架けるには、双方が同じ数字を見られる状態を作ることです。次の5項目は、経営層にとっても現場にとっても意味があり、かつ測れます。
- 対象範囲の割合 ― 全業務のうち何割を対象にしているか。精度と必ずセットで見ます。
- 人の確認にかかる時間 ― AIの処理時間ではなく、確認を含めた合計時間。ここが減らなければ効果はありません。
- 1件あたりの費用 ― 処理量課金の合計を件数で割った値。件数が増えたときの見通しが立ちます。
- 例外の発生率 ― 人が手作業に戻した件数の割合。運用の安定度がわかります。
- 直せる人の数 ― 社内で変更・復旧ができる人が何人いるか。事業継続の指標です。
この5項目を月次で並べるだけで、議論の噛み合い方が変わります。経営層は「範囲を広げるか、確認を減らすか」という判断ができ、現場は「確認の手間」を数字として主張できるようになります。
双方に伝わる説明のしかた
資料を作る側の実務的な工夫として、2点挙げておきます。
1つは、成果と条件を必ず同じ画面に置くことです。「処理時間40%短縮(対象:定型パターン、全体の3割)」と書くだけで、報告の階層を上がっても条件が落ちません。
もう1つは、失敗事例を共有する仕組みを持つことです。うまくいかなかった案件の理由が共有されないと、別の部署が同じ壁に同じ費用をかけて突き当たります。「データが足りず中止した」という記録は、次の案件では最も価値のある情報です。共有の場を作り、中止を報告しても不利にならない扱いにすることが前提になります。
この章で扱ったギャップは、第3章のDXの難所と同じ根を持っています。現場の粒度と管理職の抽象度の差が、片方では「データがない」という形で、もう片方では「認識のずれ」という形で現れているだけです。