Ch.1 AIって、要るのか？
1年くらい前？からClaude codeを触り始め、色々なものが作れたり自動化できたりすることに非常に興奮しました。寝る間も惜しんで夢中になり、webアプリ、bot、ワークフロー、資料、クエリエイティブ・・多くのものをリリースしました。そして気づけば、どれ1つ実務で役に立つものはなく、全て残骸になっていました。
何もない状態よりも残骸に溢れている方がもっと大変です。ゴミ屋敷に住んでいるような感覚で、その整理をしなければという憂鬱な気持ちとともに、それらゴミを放置しAIを一切使わないワークスタイルに戻りました。ゴミだけ生まれて、そのゴミに作業時間もマインドシェアも取られ、百害あって一理なし。極端ではありますが、一時本気でそう思ってしまいました。
思えば、新卒のとき（2006年です）なんて手帳でスケジュール調整していました。調整するのは本当に大変です。しかし大変だからこそ、会議の貴重さを身にしみて感じることができ、準備もしっかりしたものです。
クラウドのカレンダーが出てきて、会議の調整は非常に楽になりました。だからこそ、「会議ゴミ」無駄な会議が増えました。
Slackなどのチャットツールが出てきたから電話をすれば5秒の”Vibes”で合意できるところ、いちいち言語化してテキスト打って・・作業が増え、テキストの方が対面より気楽だからと、無意味なコミュニケーションも増えた。
AIも同じで、便利なように見えて、余計に不便さを増幅させる装置だ・・・だからもう使わないと決め、AIから遠ざかった生活をしばらく過ごしました。
テクノロジーは、それだけはゴミ製造機になる。手段から入れば、行き着く先は成果なしだと痛感します。
2ヶ月ほどのAIなしの働き方を経て、冷静に立ち止まり振り返りました。
そもそも自分の仕事は何なのか。私は CEO であり、この EVeMという会社をマネジメントする立場です。組織の "アウトカム" を最大化させることが仕事です。アウトカムとは、PLやBS、あるいは企業価値にヒットするようなビジネス上の成果ですね。
組織のアウトカムを最大化させるためにマネジメントという仕事があります。そして、そのマネジメントという仕事を遂行するために AI を使います。この順番で改めて考え直さないと、とにかく思いつくがままにAIを使えば、アウトカムが逆にどんどん下がり、ストレスが溜まり続け自分自身が壊れると考えました。
営業で AI を使う、コーディングで AI を使う、コーポレート業務で AI を使うなど、さまざまな場面で AI を使う動きが今進んでいますが、「マネジメントで AI を使う」とはどういうことなのか？つまり、組織のアウトカムにつなげるためにAIをどう使うのか？皆さんと一緒に考えたいと思います。
このマネジメントスキルブックで話したい論点のイメージは、教養でもなく実装論でもなく、マネジメントの設計論です。どうやってアウトカムを生むためのマネジメントを行なっていくのか？そして、そのマネジメントを実現するために、どんな風にAI を使うのか？その考え方や技術をご紹介したいと思います。
個別のツールの使い方の話はしません。ツールに詳しくなることより、AIを動かすマネジメントの勘所をつかむことの方が、これからはよほど重要だと考えています。マニュアル車からオートマ車に主流が移ったように、ツールの使い方はどんどん簡単になっていくと思うからです。
文章1万字ほどと少し長くはなってしまいましたが、図版を多用し読みやすいよう工夫しております。ぜひとも、読んでいただけると嬉しいです。
Ch.2 AIを「どう使うのか」ではなく、「何に使うのか」を見極める
まずAIの画面を開く前に、チームは「どの業務をやるのか」、そして「どの業務をやめるのか」を考えるべきです。そして、やると決めた業務にだけAIを使います。なんでもかんでもAIを使いましょうとなると、アウトカムに繋がらない仕事の "ゴミ"がAIの力で増殖します。
では、チーム業務の全体像はどうなっているのでしょうか。その構造を明らかにすることから始めます。
まず、AIは傍に置きましょう。今は、触らない。
Ch.2-1：目標とその達成方針を定める
チームには達成すべき目標があります。そして、それを達成するためのアクションをいきなり考えはじめると、「忙しくて成果なし」となってしまいます。目標がたくさんあれば、その混乱はさらに増します。
だからこそ、複数ある目標の中でも何が一番大事なのかを見極め、それを達成するための方向性（戦略方針と呼びます）を立て、その方針に従ってどうアクションしていくのかという順番で考えることで、本当に大事なアクションに集中できます。
たとえば営業なら「XXのセグメントに新商品を投下しよう」、マーケティングなら「新しくYouTubeチャンネルを立ち上げ伸ばそう」、プロダクト開発なら「初期ユーザーにレビューをもらいながらリリースまで仕上げていこう」など、どういう”方向性”でいくのかというのが戦略方針です。この方向性をチームに示すことで、アクションが生まれ、進みます。
Ch.2-2 ：業務マップでAXのターゲットを定める
さて、上記の話も踏まえ、業務の全体像を整理すると、以下のようになります。これを業務マップと呼びましょう。
戦略方針：
最も重要な目標を達成するための、アクションの方向性成果担保業務：
戦略方針を支える業務のひとつで、最低限の成果を担保するもの。例えば「毎日1つSNSに投稿する」「SFAに必ず登録する」「週1回の定例会議を運用する」など、目標の内容に関わらず最低限の成果を担保するチームの活動を指します。会社維持業務：
会社やサービスを維持するための業務。例えば問い合わせ対応、申込書の発行・送付、月末の請求業務など、そもそもその活動がなければ会社やサービスが成り立たない業務です。
そして、1〜3の枠外にあるものが「低価値業務」、つまり本来やらなくていい業務です。
この低価値業務にAIを使ったところで、ゴミがたくさん出るだけです。実施効果のない会議の議事録をAIで作る、読まれないレポート作成を自動化する、成果の出ない手法を実現するためのアプリを作る、価値を生まないアライアンス業務のタスク管理をAI化する、このような業務に意味はありません。それらはあらゆる無駄を生み、やるべき業務をやる時間までも圧迫します。
AIによって低価値業務を増幅させてはいけません。低価値業務にAIを使うのではなく、そもそもその業務はやめます。
大事なのは、AIを触る前に、①まず低価値業務をできるだけ圧縮することです。その次に、②成果担保業務や会社維持業務を効率化して圧縮する。③そうして生まれた時間をすべて戦略方針に投下する。これが、アウトカムを生むための業務整理です。
会社維持・成果担保業務を効率化するため、そして戦略方針をドライブさせるため、この2つの目的でAIを使うことで、AIがゴミ製造機から成果増幅器へと変貌します。低価値業務xAIを実行しては、チームがゴミ屋敷になり、身動きが取れなくなります。
①低価値業務→やめる
②成果担保・会社維持業務→AIで効率化
③戦略方針→AIでドライブ
この3つが、AIの活用をアウトカムに繋げるための呪文です。
「①低価値業務をやめる」のために、低価値業務の炙り出し自体もAIを活用ことができます。チャットや議事録、日報、カレンダー、タスクDBなど、日頃のチームの活動データを読み込ませて業務マップに当てはめてみてください。「低価値業務がこれだけあるので、ここは辞めましょう」といった示唆が出せるはずです。
AIをアウトカムに繋げるために、まず、AIを「どう使うか」ではなく、「何に使うか」を徹底的に考えます。これを一番初めに行います。
Ch.3 AIに、業務ではなく役割を任せる
実際に AI へ業務を任せようとした際、「AIに何をさせれば良いのか分からない」とアイデアが止まってしまうことはないでしょうか。
私自身も AI を触り始めた頃は、色々な業務を効率化できて素晴らしいと感じていたものの、ある一定のところでアイデアが途絶えてしまいました。なぜ任せたいことのアイデアが枯渇してしまうのでしょうか？
Ch.3-1:役割と業務
チームにはたくさんの業務がありまずが、その業務というのは何かの「役割」に紐づくものです。役割があり、その先に具体的な業務が存在します。
たとえば経営企画で例えると、「経営陣が良い判断を下せる材料と場を提供する」という役割があるからこそ、「定期財務レポートの作成」や「経営会議のアジェンダ収集・精査」「経営合宿の企画」・・・といった、その時業務が自然と思いつきます。
もしこの役割の定義がなければ、思いつく限りの個別作業アイデアが出たあと、それ以上の広がりが生まれません。「日程調整をしてください」「議事録を作ってください」「資料を作ってください」・・単発のタスクアイデアの先、いつか発想の限界が来てしまいます。役割があるからこそ、次の業務が次々と思いつくのです。
Ch.3-2:役割の定め方
では、その役割を設計するとき、どういう思考回路で考えているのでしょうか。
人間の場合、まず「その人に何ができるか」というケイパビリティ（能力）の把握から入ります。「この人はこういうことができる」と分かっているからこそ適切な役割を任せることができ、任された本人がその役割の中で具体的な業務を次々と考えていく構造になっています。
AI もまったく同じです。「AI に何ができるのか」を把握し、そのできることに紐づいた役割を設定して、その役割の中で具体的な業務を担わせていく。AI に対しても役割を設定してあげることで、任せる業務のアイデアが格段に広がるようになります。
AI のできることは、どう捉えると良いでしょうか。捉え方には、図のように「メガ・メタ・メカ」3つのレイヤーがあります。
メガ（メガトレンド）：
「AI はホワイトカラーの仕事を基本的に代替する」というような、非常に抽象度の高いレイヤーです。このレベルで AI にできることを把握していても、日々の現場で具体的に何を任せればいいのかは思い浮かびません。
メカ（機能・個別ツール）：
「ChatGPT のプロジェクト機能を使えば、特定の資料やコンテキストを渡して壁打ちできる」といった、個別のアプリ機能のレイヤーです。しかし、ツールの機能は毎日のように急速に進化しており、そのすべてをキャッチアップするのは不可能ですし、追う必要もありません。
メタ（可能な作業内容と環境）：
実務上、最も有効なのがこのメタのレイヤーです。たとえば「特定の資料やコンテキストを前提に、ブラウザ上で作業ができる」といった粒度で捉えておきます。このメタのレイヤーも進化はしていきますが、個別のメカ（機能）に比べると一定期間は考え方を維持できるため、日々のマネジメントに非常に活かしやすいです。
AI にできることをメタの視点、つまり「作業内容」と「作業環境」で捉えることで、AI にどんな役割を与えるべきかが格段に設計しやすくなります。
Ch.3-3:役割と業務の具体的な設計方法
たとえば AI に対して「営業の商談後作業を行う」という役割を設定したとします。この役割が定まることで、付随する多くの作業内容を発案でき、それぞれの作業に必要な環境を与えることで、AI が自律的に業務を遂行できる体制を設計できます。
Ch.4 AIに権限を委譲する
メタでAIのことを捉えると、AIに対する権限移譲も進みます。
Ch.4-1：権限委譲の型
マネージャーの業務というのは2つしかありません。「決める業務」と「実行する業務」です。
決める業務
「その決定の不可逆性（後戻りしにくいのか）」と「どれくらいインパクトがあるのか」を考えます。例えば、後戻りもしやすくてインパクトが低い決定なら、人に渡すことができます。実行する業務
こちらは少し違う問いを投げます。「その業務はどれくらい大事なのか」と「あなたがやればどれほど変わるのか」です。
「どれほど大事か」と聞くと、ほとんどの方は「大事だ」と答えます。しかし、「あなたがやったらどれほど変わるのか」という問いに対しては、「自分がやっても他の人がやっても変わりません」という答えになることは多いです。自分がやってもそれほど変わらないのであれば、誰かに渡してしまいましょう。
「決める」と「実行する」をそれぞれ表で整理してみると、自分がやらなくて良い業務をたくさん抽出でき、どんどん委譲することができます。
Ch.4-2：AIへの権限委譲方法
そして、「決める業務」はなかなか AI には渡しづらいと思いますが、「実行する業務」はどんどん AI に渡せると思います。この考え方で、「自分がやってもAIがやっても変わらないもの」はどんどん移譲していくことがとても大事です。
メタのレベルでAIを捉えてみると、今実行している業務の多くがAIで代替できることに気づけます。
そして、もうひとつ大事なマインドセットは「120点を求めない」ということです。
例えば、自分が作る資料が120点だとして、AIに任せたら80点だったとします。そうすると40点の差分ができてすごく気になるとは思いますが、それは比較対象を間違えています。
そもそも120点を比べるのではなく、「合格点」と比較することがとても大事です。合格点が80点で、AIが80点の資料を作れるなら、AIでよくないですか？という話です。「AIには資料を任せられない」とか「AIっぽさがあるから」とか、そんなことは関係ありません。社内資料で80点でOKなら、AIっぽさがあってもいいですし、自分が作って120点にする必要もありません。
どんどんAIに仕事を移譲していくときは、「合格点で任せる」マインドセットがとても重要です。
Ch.5：業務そのものをAI前提のものに変える
AIが役割を持って業務を進めていく時に大事なことは、今の業務をAI化するだけではなく、業務のカタチそのものを変えるということです。既存のフローにAIをそのまま当てはめるのではなく、業務フロー自体を変えてからAIを掛け合わせることで、真の意味でAIによる生産性のレバレッジが掛かります。
AI前提のワークフローへと切り替えるためのアプローチとして、私は「わける→かける→疑う→かえる→かける」というステップで考えています。
STEP1：わける
まずは例を見ていきましょう。たとえば「財務レポートを作成して経営陣に報告する」という従来の業務フローがあります。これを分けると、図のようになります。
STEP2：かける
このフローを分解した上で、メタで捉えたAIのスキルを縦に並べ、分けたフローとメタスキルを掛け算します。このマトリクスを見ると、既存業務をAIで効率化することができそうです。
STEP3：疑う
ところが、いくつか疑問が湧いてきます。もし湧いてこなければ、疑います。ここで疑うことが重要です。
・ SaaSの画面を、わざわざ自分が確認する必要があるのか？
・壁打ちと事例調査は分けずともAIなら一緒にできるので
・そもそもパワポを作成して経営会議で人間が話す必要があるのか？経営陣が直接AIに壁打ちして聞いてくれれば済む話で、資料作成や会議自体が不要なのではないか？
このように考えた上で、フローそのものをもう一度変えてみます。
STEP4：かえる
疑問を解消する形で、財務レポートを作成して経営陣に報告するという業務を図のように再構築します。
STEP5：かける
この新しく変えたフローに改めてAIを掛け合わせることで、AIがあるからこそ成立する、真の「AIネイティブなワークフロー」が生まれます。もはや、「今月の財務レポートよろしく」と伝えさえすれば、AIがシステムを操作し、分析し、レポートを吐き出し、経営陣の質問に答える状態です。
業務フローを構築する際は、今の業務フローにAIをかけるだけではなく、わける→かける→考える→かえる→かけるというプロセスを踏むことで、AI前提の業務フローを正しく構築していくことができます。
役割そのものが進化する
「財務レポートを作成し経営陣に報告する」という役割は、新しい業務フローにより、依頼を一言投げるだけで終わるようになりました。では、この役割を担っていた方はどうなるのでしょうか？
他部署に異動してもらうというのもひとつの手段ですが、別の考え方もあります。レポートで手いっぱいのところ、それがボタン1つで済むようになったことで、たとえば事業部の生の声を聞いて将来必要な財務状態を描いたり、将来の調達に向け銀行や投資家とリレーションを深めたり、コミュニケーションにより未来の財務に備えるということが可能になりました。
「財務レポートを作成し経営陣に報告する」という役割から、「ステークホルダーとコミュニケーションを重ね、未来の財務に備えるためのリレーションを構築する」という役割に変貌するとどうでしょうか？
AIネイティブな業務フローが構築されたあとは、役割そのものが進化することもあります。人件費を減らすことだけがAIの効果ではありません。
Ch.6：AIを評価する
Ch.6-1：マネージャーの最低要件
人にもAIにも、マネージャーが絶対に渡してはいけない権限が1つあります。それは「目標を要望し、評価する」という権限です。私はこれを、”マネージャーの最低要件”と呼んでいます。
この最低要件を手放してしまうとどうなるでしょうか。「目標はよくわからないから適当に決めておいて」「業務に詳しくないから評価も自分で決めてください」とマネージャーが言えば、メンバーはマネージャーの指示に従う理由がなくなります。マネージャーが「こうしてください」と言っても、メンバーは、「やることは自分で決めます」「私の評価は私が決めます」となります。当然です。結果としてメンバーがマネージャーの話を聞かなくなり、コントロールできなくなってしまいます。
これはAIもまったく同じです。AIに「適当にやっておいて」と言えば適当にやってくれますが、それを評価することまで放棄する状態を繰り返していると、AIも独自に「これが正しい」という判断軸を作ってしまい、仕事がコントロールできなくなってしまいます。
毎回的外れなアウトプットが出てきて、あまり役に立たないからもう使わないという風になってしまうでしょう。私も毎回きちんと要望や評価をしないままあらゆるタスクをAIに任せ、色々なものを作ってはあまり確認せず承認することを続けた結果、コントロールできなくなり、結果、指示書やフォルダなど全て作り直すということがありました。
要望と評価がないと、AIは学べません。何が正しいのかという基準をできるだけ共有することが、AIとのいパートナーシップでは重要です。だからこそ、AIに対しても評価をすることがとても大事です。
Ch.6-2：AIとの協業方法と評価方針
AIとタッグを組む際には3つの組み方があり、それぞれ評価の仕方も変わってきます
タスク：
継続性がなく、単発の業務です。タスクを評価する場合は、要望通り・要件通りに行えたかどうかを評価しフィードバックします。プロジェクト：
継続性も業務の種類も中くらいで、一定期間で終わるものです。プロダクト開発や事業計画の作成など、プロジェクトに紐づく複数のタスクを行いながら、一定の期間で一定の成果を目指すものです。プロダクト開発なら「こういうユーザー体験を実現してほしい」、事業計画なら「こういうアウトプットを出してほしい」といった成果目標を立て、それが達成できたかどうかでAIにフィードバックします。役割：
より長い関係性で、定常的な役割を持たせる組み方です。たとえば経営企画の役割、人事オペレーションの役割、営業事務に役割など、一定期間で終わるプロジェクトと違い定常的に業務を担ってもらうものになります。役割で組む場合は、「こういうことができるようになってほしい」「こういう役割を果たしてほしい」という要件をあらかじめ定め、要件通りに動いているかを常時チェック・評価します。
図は当社の経営企画エージェントの例です。役割と、それを果たせたかどうかのランクを設定し、毎月のサイクルで評価を回すと、その役割を担ったエージェントが学び、育っていきます。評価基準を決め、それを回す毎に成長するのは人間のマネジメントと似ているなと感じます。
毎回「そうじゃない」と後から言わずに済むよう、タスクであれば要件を明確にしておくこと、プロジェクトであれば成果目標を定めて「こういう成果が出ていなければダメだ」というゴールに向かって評価すること、そして役割であれば、求める能力や要件の評価軸を持って定期的に評価していくことが、とても大切だと考えています。
Ch7.連携を設計する
Ch.7-1：情報連携の型
組織として動くためには、情報の連携は欠かせませんが、どういう連携が必要でしょうか？
情報連携には図のように、進捗の可視化、報告、共有の3種類あります。
補足すると、共有というのはAからBに対して求められていないが、Bが「Aさんこれは必要だよな」と考え、自発的にAに提供するものになります。
Ch.7-2：変わる報告業務
さて、この中の「報告」がAI が出てきたことで大きく変わるんじゃないかなと思います。これまで「Aから求められた情報を、Aが求める形でBが提供する」形から、AI時代は「Aが欲しいものをAが自分で取りに行く」という発想に変わってきます。
AがBに情報を求めて、Bは資料を作って、会議で報告して、そこで修正を求められて直す……というのはとても非効率です。それなら、Aが何を知りたいかを自分で考え、「こういう情報を入力・蓄積しておいてね」とBに依頼し、その蓄積された情報から知りたいことを知りたい切り口で自分で取得すればいいわけです。
• 数字のデータを毎日入力しておく
• 会議の議事録を特定の場所に残しておく
• SFAにちゃんと登録しておく
• 会計ソフトにデータを登録しておく
このように入力・蓄積を行い、あとは知りたい人が自分で取るというのがAI時代の情報の取り方になります。
Ch.7-3：マネージャーの新しい情報連携方法
報告をする側に立つ場合は、必要な情報をわかりやすく溜めておくことこそがマネージャーのやるべきことであり、「この情報の中から取ってください」という状態を作ることです。
逆にメンバーから報告を受け取る場合は、「これを報告して」ではなく「これを溜めておいてね」という依頼の仕方に変わります。
AIの台頭により、報告を行うときも受ける時も、その形が変わります。人間がわざわざ時間を合わせて対面で集まっているのに、誰かが読めばわかる報告資料を読み上げる、という「読み聞かせ」のような会議は、もう必要ありません。
Ch8.自走させる
Ch.8-1：未経験のチームをマネジメントするように
特に非エンジニアは、AIが実際どんな作業をしているのかはもはや分からないことも多いと思います。私自身もエンジニアではありませんので、AIの作業内容をすべて理解できるわけではありません。では、自分が理解できない作業ができるメンバーをマネジメントするときには何が大事でしょうか。
私はDeNA時代に管理部門のマネージャーになったことがあります。それまで管理部門で仕事をした経験がなかったので、法務や総務、経理、財務の知識は何もなく、メンバーができる実務は、私には一切できませんでした。そのときにずっとやっていたのは、まず皆さんに目標を設定して評価をする。そして、そのプロセスの中で毎週1on1を行い伴走する。実務はできないので、それだけです。
・今どんな業務をされていますか？
・目標達成するためには何が課題ですか？
・その課題を解決するためにどんなことをされますか？
このように聞くだけでした。その答えはその人にしか分かりませんし、私には分からないので、「そうですか」と聞いて終わるしかない。相手が自分で考えて行動するために問いを投げる、これだけをやっていました。
毎週聞くだけので、正直に言うと結構暇だったなという記憶ですが、その時がマネージャーとして一番良いマネジメントができたなとも思っています。
今思い返せばですが、このように、相手が自分で答えを出せるように質問を通じて導くことをコーチングと呼びます。
未経験の部署でマネジメントするときにコーチングが活きるように、AIと仕事をするときもそれが活きます。AIができることや具体的な作業内容への理解は限定的ですので、AIにやり方まで指示をしないことが、AIに最大限レバレッジを効かせるためのポイントです。目標を設定して評価をするのは私が行いますが、そのプロセスは徹底的にコーチング的なアプローチを取っていきます。
Ch.8-2：コーチングの問いのプリセット
コーチングにはいくつか問いのプリセットがありますが、特に有効なのが「要因分析」と「経験学習」の2つです
要因分析
依頼したことが上手くいかなかったときに、「なぜそれが起きたのか」「次はどうするのか」をひたすら考えてもらうこと。経験学習
一通り作業をやりきったときに、「この経験によってどんなことを学びましたか？」「次から何を活かしますか？」と問いかけ、次回依頼時に今回の経験を活かしてもらえるよう、AI自身に言語化させて学びをストックさせること。
AIに対してこと細かに作業指示を一つひとつするのではなく、成し遂げたいことと評価軸、そしてやってはいけないことだけを決めて、あとのプロセスは要因分析や経験学習を通じてずっと問いを投げ続ける。これをずっと繰り返していると、自分が本当に思い描いたこと、AIにやってほしいと要望したことが、実現へと一歩一歩近づいていきます。近づいていくというより、AIが近づけていってくれる、そんな感覚です。
自分が指示をしなければ、自分が導かなければと焦らず、チャットボックスにやって欲しいことを依頼し、あとはコーチングすることがAIを使いこなすコツです。むしろAIやエンジニアリングに詳しくない方が、可能性に蓋をしないお願いができて、高いアウトプットが出せるかもしれません。
Ch.9：AIを活かし・育てる
Ch.9-1：マネジメントができている状態とは
ところで、マネジメントができているというのはどういう状態でしょうか？私は、マネジメントができているかどうかは4つの基準によって測られるべきだと考えています。
執行ができれば、チームや自分の管轄範囲の短期的な成果に寄与します。
活用ができれば、活躍し続ける人が積み上がり続けるため、短期はもちろん中長期の成長にも貢献します。
伸張ができれば、短期の成果には効きづらいものの、管轄範囲の中長期の成長にインパクトがあります。さらに他部署に人を輩出できたり、後任に任せて自分が他部署へ行けたりするため、組織全体の成長も実現できます。
連携ができれば、自分の部署だけでなく、他部署や上司がスムーズに仕事できるようになり、組織全体の成果・成長に資することができます。
この「執行・活用・伸長・連携」ができれば、マネージャーが残すべきアウトカムが達成されます。よって、マネジメントができているかどうかは、まさに「この4つができているか」を問うことです。
そして、自分の時間や意識が100%あるとしたら、今どこに何%注ぎ込むべきなのか、その比重を決めることが重要になります。言い方を変えれば、もしこの4つの基準で評価されるとすれば、その評価のウェイトはどのようなものか？を決めるということです。これを決めると、マネージャーとして自身は今、何に注力すべきかという行動指針が立ちます。
例えば「今は目標達成が大事なので、重要業務をやり切るために執行が60%、活用が20%、伸長が10%、連携が10%」といったように配分を決めます。このウェイトが、マネージャーとしての動き方そのものを決定づけます。
Ch.9-2：AI時代のマネージャーの行動指針
さらに、この基準にある「メンバー」と書かれている部分は、AI時代にはそのまま「AI」に置き換えられると考えています。メンバーという文言が入るのは「活用」と「伸張」の部分です。
AIの性能をきちんと把握して、フルに活かすこと（活用）、コンテキストやハーネス、あるいはツールそのものを増強することで、AI自身をパワーアップさせること（伸張）、この2つに一定時間を使い続けるべきです。
AIが登場する前は、どうしても「執行重視」になりがちでした。なぜなら、人間の活用や伸張は不確実だからです。「アサインを変えて本当に意欲や能力が活かされるのか（活用）」「この経験をさせれば成長して業績に跳ね返るのか（伸張）」が見えにくいため、ついつい今大事な業務を行うこと（執行）に集中してしまいます。
しかしAI時代は、「この性能を使えば何ができるか（活用）」「コンテキストやハーネスを渡せばどんな作業ができるようになるか（伸張）」という、活用と伸張の効果が見えやすいのが特徴です。かつ、即効性もあります。活用と伸張に時間を投資すれば、AIの力が上がって執行もドライブされ、さらに大きな成果が残せるという好循環に入ることができます。だからこそ、AI時代はこの2つに一定のリソースを張ることが非常に重要です。
逆に、ここに張らないと将来の成果が伸びづらくなります。「AIを使わなくても今は目標達成できるからキャッチアップしない」ということを繰り返していると、いずれAIを使うマネージャーと、使わないマネージャーとの間で圧倒的な差が開きます。
目の前の重要業務を今できる方法でこなすだけでなく、多少時間がかかったとしてもあえてAIを使ってみる。あるいは少し時間を取って、AIに適切なコンテキストを渡したりハーネスを強化したりする。そうした取り組みが、将来の執行を強力にドライブさせることにつながります。そういった心掛けで取り組むのが良いのではないでしょうか。
まとめ
AIをマネジメントしていくための視点をいくつかご紹介しました。
AIが生み出すアウトカムを最大化するためには、マネジメントのスキルが必要です。そして、それは何もマネージャーだけが発揮するものではなく、AIを使うすべてのビジネスパーソンが発揮すべきものだと思います。そういう意味で、私は「Management for Managers」から「Management for Everyone」の時代になるべきではないかと考えています。
英語やロジカルシンキング、あるいはプログラミングといったファンダメンタルなスキルの中に、マネジメントが入ってくる。そうやってAIを駆使し、自分があったらいいなと思うものをアウトプットして社会を変えることができる、素晴らしい時代になったのではないでしょうか。
すべての方々にマネジメントの考え方を身につけていただき、すべての人が自己表現できるような、そんな社会になると嬉しいなと思います。