※この記事は、2026年8月時点でAI講座を進めている途中の個人的な学習メモです。講座の内容や正解を紹介するものではなく、教材を読んで感じた違和感をAIとの壁打ちで整理した過程を書いています。
最近、変革マネジメントに関する教材を最後まで進めました。
難しい専門用語が多くて苦しかった、という話ではありません。
むしろ途中から、かなり腹が立っていました。
ビジョンを共有する。
対話を増やす。
強いリーダーシップを発揮する。
社員の意識を変える。
どれも、それ自体が間違っているとは思いません。
ただ、読み進めるほど、別の疑問が大きくなりました。
その変革で増える仕事は、誰が引き受けるのか。
必要な時間や人員は、先に確保されているのか。
企画を採用した後、本当に効果があったかまで確認するのか。
このあたりが見えないまま「まず意識を変えよう」と言われると、現場へ追加の負担を引き受けてもらうための精神論に見えてしまいます。
教材の後半で、評価、ROI、標準化、振り返りといった話が出てきた時は、正直に言えば「その話を最初からしてくれ」と思いました。
そして、この強い違和感をそのままAIへ投げたことから、別の話が始まりました。
最初は、AIに愚痴を聞いてもらっていただけだった
最初から立派な仕組みを考えようとしていたわけではありません。
教材を読みながら感じたことを、かなり荒い言葉のままAIへ返していました。
ただ、AIにきれいな感想文へ直してもらうだけでは、自分が何に引っかかっているのかが消えてしまいます。
そこで、話を少しずつ分けました。
- 自分は、具体的に何を嫌だと感じているのか
- 教材の説明には、どんな前提条件が足りないように見えるのか
- 現場が動かない時、それは意識の問題なのか、それとも合理的な反応なのか
- 提案時の説明と、実施後の結果をどうつなげるのか
AIには結論を決めてもらうのではなく、自分の反応を分解する壁打ち相手になってもらいました。
すると、単なる教材への不満だったものが、少しずつ一つの問いに変わっていきました。
経営に通りやすい説明で採用された人や企画は、その後、本当に企業利益へつながったのか。
提案が採用された瞬間を成功とせず、実施後の結果まで確認する仕組みが必要なのではないか。
これが、今回の壁打ちから残った考えです。
企画が通ったことと、成果が出たことは別だった
DXやAI導入の企画では、導入前にさまざまな効果が説明されます。
作業時間を減らせる。
判断を速くできる。
新しい価値を作れる。
こうした見込みがなければ、企画を進める理由はありません。
ただ、説明がうまく、企画が採用されたことと、実際に成果が出たことは別です。
導入作業が想定より重かったかもしれません。
一部の工程は速くなっても、別の工程が詰まったかもしれません。
運用や保守の負担まで含めると、見込んだ効果が残っていないかもしれません。
それでも、採用時の説明と実施後の結果が別々に管理されていれば、企画が本当に有効だったのか分かりにくくなります。
自分が教材を読みながら引っかかっていたのは、変革を始める時の話が多い一方で、「その後、本当にうまくいったのか」を追う視点が弱く見えたことでした。
勢いで「上にチクる君」と呼んでいた
AIと話している途中で、この仕組みへ冗談半分の名前も付きました。
「上にチクる君」です。
名前はかなりふざけていますが、考えていたことは真面目です。
経営に耳障りのよい説明で採用された人や企画が、その後、本当に企業利益を生んだのかをAIで確認する。
企画を通すための資料を作って終わりにせず、実施後の結果まで戻って見るための仕組みです。
もちろん、これはまだAIとの壁打ちから生まれた案にすぎません。
実装もしていませんし、本当に運用できるかも分かりません。
何を成果として測るのか。
短期的な数字だけで判断してよいのか。
企画以外の要因をどう分けるのか。
結果が悪かった時、それを失敗と断定してよいのか。
実際に作ろうとすれば、難しい問題がいくつも出てくると思います。
AIが自動で人や企画を裁けばよい、と考えているわけでもありません。
まずは、採用時に説明された効果と、実施後に確認できた事実を並べ、人間が再確認できる材料を作る。
現時点では、そのくらいの位置づけがよさそうです。
AIは、怒りを消すより要件へ変える方が役に立った
AIへ強い言葉を渡すと、無難で柔らかい文章へ整えてくれることがあります。
ただ、それだけでは自分が感じた問題まで薄まることがあります。
今回役に立ったのは、怒りを消してもらうことではありませんでした。
何に怒っているのか。
どの前提が抜けているのか。
提案時には何が約束されているのか。
実施後に何を確認すれば、その約束を振り返れるのか。
こうした問いへ分けてもらったことで、感情の奥にあった問題意識を残せました。
AIが正しい答えを出したわけではありません。
最終的に何を問題と考えるか、どの案を残すかは自分で決めています。
それでも、自分一人では愚痴のまま終わっていたものを、検討できる形まで進める相手としてはかなり助かりました。
教材を否定するより、自分の確認項目を作りたい
今回、教材の後半には、評価やROI、標準化など、現実的だと感じる内容もありました。
そのため、教材全体が役に立たなかったとは思っていません。
むしろ後半まで進んだからこそ、前半で感じていた違和感の正体が見えた部分もあります。
次にDXやAI導入の企画を見る時は、内容が立派かどうかだけでなく、次の点を確認したいと思います。
- 導入前に、何を成果として約束しているか
- 誰が、いつ、実施後の結果を確認するのか
- 見込みと実績の差を残せるか
- 効果が出なかった時、原因を確認して次へ戻せるか
不満を正当化してもらうためではなく、自分が次に使う確認項目へ変えるためにAIを使う。
今回の講座で一番残ったのは、教材の用語より、この使い方だったのかもしれません。
まとめ
変革マネジメントの教材を進める中で、自分は「現場の意識を変える」という説明へ強い違和感を持ちました。
その反応をAIとの壁打ちで分解した結果、
経営に通りやすい説明で採用された人や企画が、その後、本当に企業利益へつながったかを確認する。
という仕組みの案へ変わりました。
まだ実装も検証もしていない仮説です。
それでも、AIに答えを作らせるだけでなく、怒りや違和感を「次に確認できる問い」へ変える使い方はできる。
今回は、そのことをかなり実感しました。
コメント