AIが機能する組織モデル検討

@anti_frame

AIをビジネス組織に取り込むということ

本格的に組織にAIを取り込もうとする場合、ポジティブな作用のみを期待し、解像度低く結論を急いではならない。
物事の表には必ず裏があり、その行動にはメリット、作用のほか、必ずデメリット、副作用がつきまとうものである。

ただし、AIを取り込むことのメリットとデメリットだけを並べるのはフェアじゃない。
AIを敢て取り込まないことのメリットとデメリットもあるからだ。

AIを使うか否かとメリデメの2軸、
２軸４象限のフレームを使ってこれを整理する。

AIを使う・メリット ／ 競争力の強化とリソースの再定義

• 一対多の合理的プロセスの極限化とコスト削減
  社内規定の案内、定型業務、膨大なデータ集計などの「一対多」の合理的な処理をAIに完全に委譲することで、組織全体のオペレーションコストとリードタイムを劇的に圧縮できる可能性がある。

• 対人マネジメントへの注力（ヒトの価値の最大化）
  合理的な業務をAIが担うことで、マネージャーは部下との「一対一の感情的な信頼関係の構築」や、メンバーの心理的・キャリア的支援といった、本来人間にしかできないマネジメント業務に100%の時間を投資できるようになる。

• 組織の既存フレームの破壊とイノベーション
  社内の常識や業界の慣習にとらわれないアイデアの壁打ち相手としてAIを活用することで、組織全体の認知バイアスをハッキングし、新規事業やサービス開発の成功確率を飛躍的に高める。

AIを使わない・メリット ／ 堅牢性と既存価値の保守

• 絶対的な情報セキュリティの担保
  外部のAIモデルにデータを送信しないため、テクノロジーへの過度な依存による予期せぬ情報漏洩や、プラットフォーマーの規約変更に現場が振り回されるリスクを回避でき、その対策コストがかからない。

• 既存の品質とブランドの確実な維持
  AIのハルシネーション（もっともらしい嘘）による誤情報発信のリスクがなく、人間の目と手によって管理された、従来通りの均質で予測可能なサービスを提供し続けられる。

AIを使う・デメリット ／ ガバナンスと組織文化の毀損リスク

• 情報漏洩およびコンプライアンスリスク
  機密情報や顧客データがAIの学習に利用されるリスクや、生成物の著作権侵害など、企業としての法的・倫理的責任（ガバナンス）を問われる。

• 見えない負債を抱えるリスク
  AIがあまりに早く大量につくってくる。これを受け入れなければいけない人間側に、認知的負債を造り込む。
  性急なAI取込は従業員の脳に過剰な負荷を負担させるばかりか、既存システムも追従出来ない可能性があり、技術的負債を造り込んでいく。

• 導入・教育のスイッチングコスト
  エンタープライズ向けツールの利用料に加え、全社的なセキュリティ含むガイドラインやフレームの策定、プラットフォームの構築、従業員間のITリテラシー格差を埋めるための教育など、初期の金銭的・時間的・知見的コストが重くのしかかる。

AIを使わない／デメリット ／ 市場からの退場リスク

• 競合他社との絶望的な生産性ギャップ
  AIでプロセスを最適化した競合他社が「圧倒的な低コスト・短納期」で市場を攻めてきた場合、旧態依然とした労働集約型の組織では価格競争やスピードで太刀打ちできなくなる可能性が高い。

• 優秀な人材の流出と採用難
  モダンな環境で自身の市場価値を高めたいと考える優秀なエンジニアやマネージャーほど、古いツールや非効率な手作業を強いる組織を避け、離職していくリスクが高まる。

• 組織の硬直化（パラダイムシフトへの適応不全）
  外部からの異質な視点が入らないため、組織全体が過去の成功体験という強固な枠組みに縛られ続け、劇的な市場環境の変化に適応できずに衰退を待つことになる。

結論として、やはり多くの組織では「AIを取り込む」ことを選択しなければならないだろう。
企業にとって「市場からの退場リスク」という予測される中で最悪のシナリオが顕在化するリスクをテイク出来るはずがないからだ。

ビジネス組織はコラボレーション

AIはこれまでの組織で蓄積されてきた歴史、文化、流儀といった諸々を破壊することになるし、むしろ取り込もうとする組織が主体的に、常識やら慣例といったナレッジ、それまでの強みを根本から見直さなくてはならない。

なぜなら、これまでの企業が時間をかけて丁寧につくってきた製品、またはパフォーマンスは、AIを扱えるたった１人のプロンプトエンジニアが一瞬で、凌駕してしまう可能性すら秘めているからだ。

組織、そもそもその出自、組織化の目的やメリットを足元から見つめなおす必要がある。

コラボレーション

複数の人、AIエージェントが分散しつつ、有機的に結合することに組織が生き残る価値がある。
AIエージェントは論理的に無限的にスケールする事ができるから、質のよいプロンプトを投げかけられる一個人相手に組織は競い負ける可能性がある。

企業は複数の人が関与、協調しながらつくりあげていく「コラボレーション」を軸に組織モデルを再検討するべきである。

時代はコンテキ（ク）スト

さらに時代はコンテクストである。

実は昔から重要だった。ただ、閉じられた日本では高度な「ハイコンテクスト」が機能していて、殊更意識する必要がなかっただけだ。

異なる出自をもつ人たちと仕事をしたことがあるか？

彼らは言外のニュアンスをくみ取ろうとはしない。
言われていないことはやらないから、前回と同じようなタスクを依頼していて、そのときに文句言っていないのだから、今回も同じようなフォーマットで仕上げて、とはっきりと伝えないと、前回タスクとの整合は依頼範囲外の仕事として規定され、全く別のものをあげてくる。

これまで当たり前だと思っていたコミュニケーションが途端に成立しなくなり、丁寧に、細かく、漏れなく指示しなければいけなくなることがあった。

日本ほど、ハイコンテクスト・コミュニケーションの国は存在しないと言われるほどだ。
島国という地理的境界が明確にあり、一定程度の期間、鎖国までしたからこそできた貴重なコミュニエーションのスタイルだった。

これからは社会、組織にAIエージェントが参加することになる。
AIエージェントは我々日本人からみれば、あらたな「外人」にほかならない。

彼らは日本語はできる、日本の伝統的な文化や和を重んじる言語化されない姿勢を教えることも出来るが、記号的に解釈するだけで、それを実践することはない。

つまり、ローコンテクスト・コミュニケーションへの移行が求められるし、実行はAIがやってくれるようになると、その「コンテクスト」をどうマネジメントし、人がリードしていくか、が肝要になっていく。

AIは企業にとって期待のルーキー

AIが組織に入ってくる。新人だ。
ただ、ただの新人ではない。ソフトボールのチームに現役メジャーの大谷が入ってくるようなものだ。
彼はソフトボールの暗黙的なルールや習慣は知らないものの、チームに参加してくれさえすれば、これまでの常識を書き換えてしまう程の大活躍が約束されている。

我々はそのポテンシャルの灯を消してはならないはずだ。

AIに大活躍してもらう為には（我々が邪魔しないようにするためには）、
どうすればよいか？　サーバント・リーダーシップで考えていく必要がある。

組織モデル

組織ロール

• コンテクスト・リーダー
  外部組織と接続し、自組織のコンテクストをリード、デザインする
  必要に応じて他組織のコンテクスト・リーダーを説得し、相手のコンテクストに関与することもある

• コンテクスト・マネージャー
  コンテクストは肥大し続ける為、コンテクストを監視し必要に応じて圧縮、廃棄するといった手法でメンテナンスする

• オーケストレーター
  コンテクストを常に理解し、配下ロールに仕事を振り分ける将軍様

• アドバイザー
  コンテクストリーダーや将軍様の求めに応じて、コンテクストに敢て組せず、一般論や逆説を唱えたりし、支援的、批判的な立場をとる

• プランナー
  将軍様に仕事を依頼された場合、まずはその仕事のプランを組み立て、ブレイクしたタスクやシーケンスをお返しする

• エグゼキューター
  将軍様から指示があり次第、プランナーによってブレイクされたタスクの愚直な実行を担う
  このロールは同時に複数、並列に実体化することもある

• 検証者／監視者
  企業倫理、ガバナンス規定、品質管理施策に応じて、自組織内のタスク進行や成果を監視する

組織構造（ドメインモデル）

マイクロドメイン（AIを機能させるための組織の最小単位）

リーダーが引っ張る１つのコンテクストを共有する最小のチーム単位をマイクロドメインとする。
マイクロドメイン間は接続し、リーダー同士のコミュニケーションによって影響しあうこともある。

多層ドメイン構造

更にはそのマイクロドメインの構造はネストし、親子構造を保つことが出来る。
親ドメインのプランナーはマイクロドメインA、アドバイザーはマイクロドメインCが担う。
最上位のドメインは自企業、そのドメインのコンテクスト・リーダーはCEO（または最終決裁を行う役員ドメイン）である

標準的なドメイン・モデルの考え方

• 最小マイクロドメインのコンテクスト・リーダー：人間が担う
• 最小マイクロドメインの他のロール：AIエージェントが担う
• 複数のマイクロドメインを包含するドメインを形成する：これまでの部門の概念
• ドメインはドメインを包含していき、最終的には１つのドメインに含まれる：企業

ビジネス組織のためのAI取り込みポリシー

マルチLLМ アダプティブ

単一のAIサービス、LLМに依拠しない。
フロンティアモデルと呼ばれるLLМの進歩は日進月歩である。執筆時点、ClaudeのFableが事実上のトップランカーだが、これもいつまで隆盛を極められるか未知数だ。

企業としては単一のサービスやLLМモデルを前提にしてはならず、必要に応じてLLМを使い分け、さらにはそれをノーコードで差し替えられる、プラガブルなプラットフォーム環境が必要になる。

フラットフォームは自社で構築するべき

上述の通り、プラットフォームは組織利用において必須になるが、これを安易に外部のパッケージ製品に頼ってはならない。今後、AIをいかに使いこなしていくか、が勝負になる局面で、その戦略策定を外部にアウトソーシングし、ブラックボックス化させてしまうと、ナレッジは蓄積されず、衰退の一途を辿ることになるだろう。

プラットフォームに求められる機能

• LLMプロキシ&ゲートウェイ
  各LLM APIをラップし、全ての経路を集約、制御する
  必要に応じてコスト制御や組織が強制したいコアプロンプトの挿入もこの層に実装される

• RAG
  組織独自のベクトルDB環境を用意し、学習データを拡張させる
  フロンティアモデルの圧倒的な推論力を享受しつつ、機密やセンシティブな内部情報をAIが取り扱えるようにする

• コンテクストマネージャ
  AIとのやりとり、つまりコンテクストを監視、必要に応じて圧縮や削除といったメンテナンスを行う
  これはトークン消費の抑制だけではなく、他のメンバーやAIエージェントが、そのコンテクストを共有し、コラボレーション出来ることを意味する

• アーティクルストレージ
  AIが直接生成する中間成果物の保存先を強制し統一する
  ファイルはコンテクストマネージャーから払い出されたコンテクストキー毎に保管される

参照記事

ANTI FRAME（note）関連