こんにちは、おじ with AIです。

本の執筆を進めながら、今日はその中の一つのテーマを、noteでも整理してみます。

本書『📗 AIを組織で回す技術』
第1章「思想設計」より、トピック031「AI活用は量が質を生む」。

今日はこのテーマについて書いていきます。

🖋️ なぜ一部の人だけがAIくんを使う状態で止まるのか

AI導入の話になると、最初に動くのはたいてい推進担当の人たちです。
DX担当の方が試す。
情報を集める。
うまくいく使い方を探す。
社内に広げようとする。
ここまでは、とても自然です。

🥸 「むしろ、最初はそうならざるを得ないところがあります。」
でも、ここで止まる組織がかなり多いんですよね。
推進担当だけが触っている。
現場は忙しくて触らない。
たまに触った人も、最初にうまくいかず離れる。
結果として、AIは“詳しい人の道具”のままになる。

この構図、一見すると合理的に見えます。
得意な人が先に試す。
その人が良いやり方を作る。
あとで横展開する。
でも実際には、ここに大きな落とし穴があります。それは、試行する人と、実際に使う人が分かれてしまうことです。
推進担当はAIに慣れていく。
でも現場は慣れない。
推進担当は高度な使い方を覚える。
でも現場は「何をどう聞けばいいか」すら育たない。

すると何が起きるか。
設計はある。
資料もある。
ルールもある。
でも、現場では使われない。

🥸 「これ、かなり切ない状態です。」
なぜかというと、AI活用は知識として伝達するだけでは定着しないからです。使い方の説明を受けたことと、自分の仕事の中で手を動かしたことは、まったく別です。さらに厄介なのは、最初のつまずきです。多くの人は、初回ではそこまでうまく使えません。

• 思ったよりズレる

• そのままでは使えない

• 何をどう直せばいいか分からない

• 結局、自分でやった方が早い気がする

ここで支援がないと、かなりの確率で離脱します。
このとき現場では、「AIくんが難しいから広がらない」と解釈されがちです。

でも本当は、そうではありません。広がらない理由は、触る量が設計されていないからです。AI活用は、頭で理解して上達するものではありません。使いながら、ズレながら、修正しながら身につくものです。それなのに、
「使いたい人だけ使えばいい」
「必要な人から触ればいい」
という設計にしてしまうと、多くの人はずっと入口に立てません。

つまり問題は、AIくんが難しいことではなく、組織として試行回数を配れていないことなんです。ここを見誤ると、AI導入はいつまでも一部の得意な人の話で終わってしまいます。

🖋️ 量が質に変わるとは、どういうことか

AI活用においてよく起きる誤解があります。それは、「うまい人がAIくんを使いこなす」という見方です。でも実際には、順番が逆なんですよね。使うから、うまくなる。

🥸 「ここを逆に理解すると、ずっと始められません。」
最初から高い精度でAIくんを使える人なんて、ほとんどいません。
どんな聞き方がいいのか。
どこまで任せていいのか。
どの出力が使えて、どこが危ないのか。
何を足せば精度が上がるのか。

こうした感覚は、全部あとから育ちます。その育ち方には、かなりはっきりした構造があります。
試す。
ズレる。
ズレに気づく。
何が足りなかったかを考える。
聞き方を変える。
もう一度試す。
この反復です。つまり量が質に変わるというのは、単に回数をこなすことではありません。試行のたびに、自分の見方が変わることなんです。

最初のうちは、
「なんとなく違う」
「微妙」
「使いにくい」
くらいしか分からないことが多いです。でも試行を重ねると、見え方が変わってきます。

• この業務は前提条件を明示しないと弱くなる

• この依頼は役割設定を置いた方が安定する

• この出力は比較軸がないと浅くなる

• この文章は相手の温度感が入っていないから刺さらない

こうやって、感覚が言葉に変わっていく。ここが大事です。質とは、最初から持っている上手さではありません。うまくいく構造を説明できる状態です。

さらに量が育てるものは、操作の慣れだけではありません。もっと大きいのは、見極める力です。経験が浅い段階では、AIくんの出力を見ても何が良くて何が危ういのかが分かりにくい。でも量を重ねると、

• どこはそのまま使えるか

• どこは直さないと危ないか

• どこは論点が浅いか

• どこは成果条件を満たしていないか

を短時間で見抜けるようになります。これは単なる慣れではありません。自分の中に、

• 成果物の完成条件

• 業務上の判断基準

• ズレを認識する視点

が育ってきたということです。つまり量が育てるのは、手の速さではないんです。判断の精度です。そしてさらに重要なのは、この量が個人で閉じるか、組織に広がるかで価値が変わることです。一人が100回試して得た感覚は、その人の中では質になります。でも共有されなければ、組織には残りません。一方で、その試行履歴が

• どこでズレたか

• どう直したか

• 何が効いたか

• 何が効かなかったか

として残れば、それは次の人の出発点になります。そうなると、量は個人の努力ではなく、組織の土台になります。ここまで来て初めて、量が質を生むが、個人の話から組織の話に変わります。

🖋️ AIくんを訓練装置として使うとはどういうことか

ここで、このトピックをさらに深く見るために、AIくんを「訓練装置」として捉えてみます。AIくんを便利ツールとして見ると、
早く終わる。
楽になる。
下書きが出る。
比較表が作れる。
ここで終わります。でも訓練装置として見ると、問いが変わります。

• この業務で何を見落としやすいのか

• どの前提を入れると急に精度が上がるのか

• この出力の弱さはどこから来ているのか

• 自分は何を成果条件として見ているのか

こうしたことを、AIくんとの往復の中で学んでいく。

🥸 「ここがかなり大きな違いです。」
例えば、最初にAIくんに依頼したときに思ったよりズレた出力が返ってきたとします。便利ツールとしてしか見ていない人は、そこで止まります。
「使えないな」
「まだ早いな」
「自分の仕事には向かないな」
と。でも訓練装置として見ている人は、そこから考えます。

• 何を渡していなかったのか

• どの条件が曖昧だったのか

• 自分は何を期待していたのか

• その期待を言語化できていたのか

するとAIくんの出力は、ただの失敗ではなくなります。自分の思考の未整理部分を映した教材になるんです。ここが非常に重要です。AI活用における上達とは、うまいプロンプトを知っていることではありません。自分の業務理解を、少しずつ外に出せるようになることです。最初は雑でもいい。でも何度も試す中で、

• この業務では誰向けかが重要

• このタスクでは先に比較軸を置くべき

• この資料では結論より背景が先

• この文章では正しさより温度感が効く

というように、仕事の構造が見えてきます。つまりAIくんを訓練装置として使うとは、AIくんの操作訓練ではありません。自分の仕事を構造として理解する訓練なんです。

さらにもう一段踏み込むと、AIくんは「量の質」を高めることもできます。単にたくさん試すだけでは、無駄打ちになることもあります。でもAIくんは、

• 次にどこを変えて試すべきか

• 比較するなら何を軸にすべきか

• ズレの原因をどう切り分けるか

• 別案をどう作れば学習になるか

といった、試行の仕方そのものも支援できます。ここまで来るとAIくんは、「量を増やす装置」であるだけでなく、「量が無駄打ちにならないように整える装置」にもなります。

だからAIくんは、単なる便利道具ではありません。試行を通じて人を育てる装置でもあるんです。

🖋️ 量を個人任せにしない組織だけが伸びる

最後に、組織の話です。AI活用が伸びる組織と伸びない組織の差は、個人の意識の高さだけでは決まりません。むしろ大きいのは、量を個人任せにしているか、組織で設計しているかです。

量を個人任せにすると、どうなるか。
好奇心の強い人だけが触る。
苦手意識のある人は離れる。
忙しい現場は後回しになる。
得意な人だけがどんどん上達する。
この差は、時間とともにかなり広がります。つまりAIくんは、放っておくと量の差をそのまま増幅するんです。

🥸 「ここ、かなり非対称です。」
だから組織としては、「使う自由」を与えるだけでは足りません。必要なのは、使う必然を設計することです。例えば、

• 週に一度はAIくんを使って振り返りをする

• 会議前にAIくんで論点整理を行う

• 改善提案はAIくんと一緒に叩き台を作る

• 週報はAIくんで要点を整えてから出す

こうした形で、使う場面を明示する。すると、AIくんに触るかどうかが個人の気分や関心に左右されなくなります。さらに初期段階では、

• 最初の数回はペアで使う

• 軽くレビューを入れる

• 失敗事例を共有する

• 改善版をナレッジとして残す

といった伴走設計も効きます。これがあると、
「わからないまま放置される」
「一度つまずいて離脱する」
という状態をかなり減らせます。そして重要なのは、量を増やした結果を拾い上げることです。現場で誰かが工夫してうまくいっても、共有されなければ広がりません。だからこそ、

• 月次で有効だった使い方を棚卸しする

• 失敗と改善のセットを残す

• 部署ごとの定着例を横展開する

こうした運用が必要になります。ここまでやって初めて、量は単なる回数ではなく、組織学習の土台になります。つまり、量が質を生むとはたくさん使えば自然に良くなるという話ではありません。

試行を起こし、ズレを見て、改善を残し、次の人につなぐ設計があることが大事なんです。

AI活用で量が質に変わるとは、回数を重ねることではありません。試すたびに、自分の業務理解と判断基準が言語化されていくことです。これです。つまり量の価値は、慣れることではありません。自分の感覚が、説明できる構造に変わることです。

• なぜこの出力は弱いのか

• どの条件を足せば良くなるのか

• この業務で本当に重要な情報は何か

• 何を成果と見なすべきなのか

こうしたことが、試行の中で少しずつ言葉になる。ここまで来たとき、AI活用は単なる操作経験ではなく、業務理解を深める訓練になります。

だから、AI活用はうまいから使うのではない。使うからうまくなる。そしてもっと言えば、使うから、自分の仕事が分かるようになる。
量は自然には増えません。
設計しないと生まれません。
でも、設計された量は、やがて質を生みます。この前提に立てたとき、AI導入はツール配布ではなく、試行回数を組織に実装する設計になります。

その設計ができたとき、AIは初めて一部の人のスキルではなく、組織の能力になっていくのです。

ここまで読んでくださり、ありがとうございます🤗

おじ目線で、AIとの向き合い方について、少しずつ言語化しています🖋️

同じようにAIと向き合っている方がいたら、フォローしていただけると嬉しいです☕

おしまい