AI時代に求められる「アンラーニング・リラーニング」とは？

組織行動科学®を提供するリクエスト株式会社が新たに発表したレポートは、現代の企業環境における判断力の重要性を浮き彫りにしています。AI技術が進化する中で、単純な知識の量はもはや価値を持たなくなりつつあり、それに取って代わって相対的に重要な要素となっているのが「判断」であるというのが本レポートの主張です。

判断力の低下がもたらす問題

近年の調査によると、AIの普及に伴い、企業の82％で判断経験が減少していることが確認されています。その一方で、上司の確認頻度は58％に上昇し、さらには前例への依存度も64％増加しています。このように、業務のマニュアル化やIT化が進むことで、判断が求められる場面が少なくなり、経験から学ぶ機会が失われているのです。この状況は、単なる能力不足を超えた構造的な変化を反映しています。「短時間で正確に進める」ことが求められる一方、迷い、理由を考える、振り返るといった経験が薄れてしまっているのです。

アンラーニング・リラーニングの必要性

このレポートが提唱する「アンラーニング・リラーニング」は、単なる知識の再学習を超えた重要な概念です。アンラーニングは、以前は合理的であった判断様式を見直し、変化の激しい条件に適応するためのプロセスです。リラーニングは、事実を確認し、異なる選択肢をじっくりと比較し、優先順位を再評価する能力を身に付けるための方法です。こうした能力を育むためには、仕事自体を再設計しなければなりません。

どの仕事から始めるべきか

本レポートでは、すべての業務を対象とするのではなく、特定の業務から手掛けることを推奨しています。具体的には、前例や手順だけでは解決できない業務や、顧客や案件ごとに条件が異なる仕事が初期の対象です。例えば、上司の確認に依存している業務や、熟練者にしか回せない業務などが該当します。

実装の基本原則

レポートで示されている実装の基本原則は以下の通りです：
1. 判断の見える化：どの場面で判断が求められているのかを可視化することが重要です。
2. 切り分け：その業務が前例で進行可能な部分なのか、条件差を見て進める必要がある部分なのかを切り分けます。
3. 設計：判断対象や判断条件、判断基準を言語化して設計します。
4. 経験させる：新しい判断の構造を必要とする実務課題を与え、経験を積ませます。
5. 振り返り：結果ではなく、判断理由や確認事実を振り返り、次回の基準を更新します。

具体的な手法

さらに、本レポートでは実用的な手法やツールも提供しています。例えば、既存の判断様式の可視化方法、アンラーニングの進め方、リラーニング構造の設計方法、管理職向けの質問集や振り返りテンプレートが紹介されています。また、30日間で始められる最小実装に関する内容も盛り込まれています。

結論

リクエスト株式会社が提供するこのレポートは、AI時代における判断力の必要性を浮き彫りにし、企業がどのようにしてその能力を育成するべきかを示唆しています。業務内容や働き方を見直し、判断が育つ環境を整えることで、企業は変化に対応する力を持つことができるのです。アンラーニング・リラーニングを通じて、より良い未来を築くためのステップを踏み出しましょう。