はじめに ― 親友Aさんのエピソードから
最近、総務の管理職である親友（ここではAさんとします）と話す機会がありました。若手の部下から「従業員向け研修のアイデア」と称して提出された提案書が、生成AIからそのまま出力したような内容だったそうです。Aさんは、AIを使うこと自体は否定しません。むしろ、人事や総務の現場にとって生成AIを使わない選択肢はもはや考えにくく、情報収集やたたき台作成にAIを利用するのは合理的です。しかし、彼女は内心こう思ったと言います。「もっと悩めよ」と。暗黙の“悩む時間”を飛ばして平均的な解答を提示する姿勢に違和感を覚えたからです。
この言葉には、単に精神論を押し付ける以上の意味があります。生成AIの登場で仕事の進め方が劇的に変わる今、若手の育成や管理職の役割も再定義が必要です。この記事では、Aさんのエピソードを起点に、生成AIを業務に活用しながらも“考える力”を失わないためのポイントを整理します。
なぜ上司は違和感を覚えるのか
生成AIは膨大なインターネット情報を統計的に平均化した“それっぽい解答”を素早く提示します。そのため、多くの職場でAIが作った提案書が一定レベルの品質を保っていることは珍しくありません。しかし、一般的に整っていることと自社にとって適切であることは別物です。企業規模、業界の慣習、職場文化、過去の取り組みや暗黙知など、内部的な文脈はAIが自動で読み取れるものではありません。Aさんが「悩め」と感じた背景には、こうした社内の文脈と目的を自分で考え抜いていないというもどかしさがあるのです。
さらに、AIによるたたき台は整然として見えるため、表面的には完成しているように映ります。その結果、上司が途中過程で若手の思考や悩みを把握する機会が減り、出力された案の背景にある意図や判断基準が曖昧なまま承認・却下せざるを得なくなることもあります。このように、AIによるアウトプットが整っているからこそ見えにくくなる“思考の質”に違和感が生まれやすいのです。
「悩む」とは何をすることか
ここでいう“悩む”とは、精神的に苦しむことではありません。提案を作るうえで、自社の文脈に責任を持つための思考プロセスを指します。具体的には、次のような問いを自分自身に投げかけることです。
- 誰の課題を解決する提案なのか？ ― 研修対象者の具体像や課題意識を明確にする。
- なぜ今この会社でそれをやるのか？ ― 自社の現状や経営課題との関連性を整理する。
- 他の選択肢と比べてなぜこれなのか？ ― 複数案を比較し、選定理由を論理的に示す。
- 実行したときに何が起こるのか？ ― 現場の負荷やコスト、効果検証の方法、想定される反対意見を考え、代替案やリスクヘッジを用意する。
このプロセスを経ることで、提案の背景にある意図と責任が自分の中に蓄積されます。AIが提示した“平均点の案”に対しても、こうした問いを通じて自社向けに編集しなおす力が求められるのです。
生成AIを使いすぎると若手の何が危うくなるのか
生成AIの便利さゆえに、思考プロセスの一部を外部化してしまうリスクが指摘されています。2025年に発表された研究では、299人の北米の理系学生を対象に、生成AIへの信頼と日常的な利用がどのように思考習慣に影響するかを調査しました。その結果、生成AIを信頼し、頻繁に利用する学生は、反省や理解への欲求、批判的思考といった「認知的関与」が有意に低下することが示されました。特に、技術への親和性が高くリスクを恐れない学生ほど、その傾向が強く表れたといいます。
この研究では、生成AIが提供する流暢な回答を選ぶ行為が、自分で考え試行錯誤する“thinking by doing”の機会を奪い、「やるべき思考」と「AIが提示した選択肢を選ぶこと」の間で思考の重心が後者に寄ってしまうと指摘しています。生成AIによって、作業効率や短期的な成果は向上するかもしれません。しかし、教育や人材育成の観点では、“不格好でも自分の言葉で考え抜く”という基礎的な筋力が育ちにくくなる可能性があるのです。
また、生成AIが示す回答が流暢であるほど、人はその出力を過信しやすくなります。いわゆる自動化バイアスの研究では、AIが示す答えが自分の知識と矛盾していても疑わずに採用してしまう傾向が確認されています。この“AIを疑わない態度”が続くと、自らの判断基準を鍛える機会が減り、結果的に意図しない誤った提案を受け入れてしまうリスクが高まります。
要するに、生成AIを使うこと自体が若手を“バカにする”わけではありません。問題は、AIに作業だけでなく思考の責任まで丸ごと外部化してしまうことです。適切な使い方を学ばなければ、若手が獲得すべき基礎力――仮説を立て、問いを設定し、文脈に合った判断をする力――が鍛えられないまま時が過ぎてしまいます。
若手に必要な力は、むしろ増えている
生成AIの活用が広がるほど、若手に求められる能力は単なる情報収集や文書化能力ではなく、思考のデザインと判断の質へとシフトします。具体的には次のような力です。
- AIの出力特性を理解する力 ― 生成AIは大量のデータから平均値的な回答を導き出すため、結果が必ずしも自社の文脈にフィットしないことを理解する。モデルの限界や偏りを把握した上で使うことが重要です。
- 良い問いを立てるプロンプト力 ― 単に「研修案を考えて」と聞くのではなく、「従業員のスキルアップという目的に対して、過去に取り組んだ内容と予算を考慮しつつ3つの施策案を出してください」といった具体的な条件を設定し、AIから引き出す情報の質を高める必要があります。
- 批判的に読み解く力 ― 出てきた案をそのまま採用せず、自社の現状や目的に照らして妥当かどうかを評価する。リスクや実行コストを考え、必要なら自分で付け加えたり削ったりする。
- 自分の言葉で説明する力 ― 最終的な提案は、AIが出力したままの文章ではなく、自分の理解と判断を付け加えた言葉でまとめる。上司や関係者に説明するときに、なぜそれを選んだのか、その施策が会社や従業員にどのような影響を与えるのかを語れることが求められます。
こうした能力は、AI時代にこそ重要になります。AIが計算や文書化を肩代わりしてくれるからこそ、人は思考の上流工程と判断に集中できるはずです。若手のうちから「AIに任せられる部分」と「自分で考えるべき部分」を意識し、後者に力を注ぐ経験を積むことが、将来的な成長を左右します。
管理職が果たすべき役割
若手がAIに振り回されないためには、管理職の関わり方が非常に重要です。「AI禁止」と短絡的に規制するのではなく、どこから先は自分の頭で考えてほしいのかを明示するのが上司の仕事です。具体的には次のような線引きを示すと効果的です。
- 情報整理・たたき台作成はAIに任せてもよい ― 参考文献のリスト作成や市場調査の概略、研修内容の一般的な構成案など、初期段階のアウトプットはAIで素早く作らせる。
- 自社文脈の反映は自分で行う ― 会社のビジョンや経営課題、既存制度との整合性などを踏まえ、AIの案を自社向けにカスタマイズする部分は必ず自分で考える。
- 提案理由は自分の言葉で説明する ― 「なぜこの研修を選んだのか」「なぜ今取り組むべきなのか」を自分の経験や目標と結びつけて語る。その過程で課題や代替案についても整理される。
- 反論への備えも本人が考える ― 上司や他部署からの質問や懸念事項を想定し、それにどう答えるかを準備する。これにより提案の穴やリスクが洗い出される。
これらを踏まえた指導を行うことで、部下はAIを有効に使いながらも思考の責任を放棄しなくなります。ポイントは、指導の焦点を「AIを使ったかどうか」ではなく「思考を省略していないか」に置くことです。部下が自分なりの仮説を持ち、AIの出力に対して納得いくまで考えたうえで提案しているかどうかを確認しましょう。
まとめ ― AI時代に本当に守るべきもの
生成AIが普及するほど、仕事は効率化され、完成度の高いアウトプットが短時間で生まれるようになります。それは喜ばしいことです。しかし、その一方で失われやすいのは“作業の機会”ではなく“考える機会”です。さきほど紹介した研究が示すように、生成AIに過度に依存すると批判的思考や反省の習慣が低下し、自分の頭で考える筋肉が弱まる恐れがあります。
AIを活用することは、決して悪いことではありません。重要なのは、AIと自分の役割を明確に分け、悩むべきところでちゃんと悩むことです。若手はAIの力を借りながらも、自社の文脈に適した提案を作るために、自らの問いと判断を磨き続ける必要があります。管理職は、思考の筋力が育つような問いを投げかけ、悩む範囲とAIに任せてよい範囲を明確にすることで、部下の成長を促すことができます。
最後に、このテーマに関心を持っている人事・総務の方々へ。生成AIの導入や活用において、「何をAIに任せ、何を人が考えるべきか」を整理することは簡単ではありません。もし組織に合った生成AIの活用方法や、若手育成の仕組みづくりについて一緒に考えたい方がいらっしゃいましたら、ぜひお気軽にご相談ください。専門的な支援や人事コンサルティングを通じて、寄り添いながら未来の働き方を共にデザインしていきたいと思います。
