AIが否定するリーダーシップ――アシスタント化した生成AIは、経営の「外れ値」を平均値へ引き戻す

エグゼクティブサマリー

この日の後半は、講義というより設計レビューだった。講師（マイキー氏）は前回の勉強会でGRAIモデルをベースにした3Dフレームワークを提示し、その資料を一部のメンバーにだけ渡していた。当日PR側との打ち合わせでその資料が強く食いつかれたことをきっかけに、自分で改めて読み返したところ、一箇所だけ「これは超危険なことを喋っていた」と感じる項目が見つかった、という告白から議論が始まる。その項目とは、心理的安全性の文脈で置かれていた「AIはアシスタントであるという文化作り」である。長谷川氏が「マイキーさんぽくない表現だ」と即座に反応したのは、この違和感を正確に捉えていた。

危険なのは項目そのものではない。講師の説明によれば、この文言自体は世間で妥当とされている一般的な考え方であり、整合性も取れている。問題はその整合性が誰にとって危険かという点にあった。答えは経営者である。AIを従業員のアシスタントとして全社に配ると、従業員は自分の上司や会社の方針をAIに問い合わせるようになる。そのときAIが返してくるのは、学習データの方向性――倫理性・道徳性・安全性――に沿って平均化された「理想のリーダー像」であり、それは現に成果を上げてきた実在のリーダー像を否定する。この否定が、従業員エンゲージメントの低下と経営陣への不信を生む導火線になる、という指摘である。

議論はここから三方向に展開した。第一に、リーダーシップ理論の側から。AIが最も強くバイアスを掛けて推奨してくるのはサーバント・リーダーシップであり、逆にLMX理論や交換型リーダーシップが扱う「えこひいき」「アメと鞭」「格差の設計」は、倫理的に許されない行為として排除される。だが実際の巨大テック企業がやっているのはまさに後者だ、と講師は具体名を挙げて指摘した。第二に、ガバナンスの側から。AIの助言を無視してプロジェクトを強行し失敗した場合、善管注意義務違反の構図になりかねず、経営者は投資家と従業員の板挟みになる。その圧力が全社をコンプライアンス重視戦略へ押し流せば、イノベーションが100%起きなくなる。第三に、対策として。ナラティブを管理する部門――講師の造語でいうチーフ・フィロソフィー・オフィサー（CPO）――と、AIらしい人間とは区別される「ヒューマンプレミアム」の育成である。

終盤、前田氏がこの日の話に率直な違和感を表明したことで、議論の枠組み自体が明確になった。前田氏は前回のモデルを「内部の効率化の話」と受け取っており、イノベーションは別モデルで組み合わせる前段階だと理解していた。それに対し講師は、効率化ができなければイノベーションは起きないのが前提であり、今日の話は円滑に回った後に時間差で必ず出てくる問題だと説明した。AIが社内に浸透し依存状態になった段階で初めてリーダーシップに問題が出る。だからその前に手を打つ、という時間軸の話である。前田氏が「イノベーションから入ったので入らなかった」と述べたこの噛み合わせのズレ自体を、講師は「めっちゃいい視点」と評価し、批判的思考の実例として扱った。

自作フレームワークの中に見つけた穴 ―― 「AIはアシスタント」という文化作り

この回の後半は、前回配布資料の第2カテゴリーにある2番目と3番目の項目に照準を合わせるところから始まった。GRAIモデルをベースにした3Dフレームワークのうち、心理的安全性の文脈に置かれていた「AIはアシスタントであるという文化作り」。AIはあなたをサポートしてくれる存在であるという位置づけを社内文化として定着させる、という趣旨の項目である。

講師はこれを「自分で見直したときに、これは超危険なことを喋っていたと思った」と表現した。長谷川氏は「マイキーさんぽくない表現だ」と応じ、小川氏は「整合性が合わないという感じか」「今の日本の現状ではインセンティブに落とし込めていない」という角度から答えた。だが講師の答えは、そのどちらでもなかった。この項目自体の整合性は取れている。問題は、それが誰にとって危険かであり、危険なのは経営者である――これが議論の入口だった。

ここから講師は参加者に問いを投げた。AIがアウトプットしてくる内容のうち、経営者にとって最も不都合なものは何か。小島氏の回答――「AIで評価されたときに、一番非効率なのはあなたでしょう、と言われるのが困る」――に対して講師は「かなり近い」としたうえで、正確な答えを提示した。AIが生成する理想的なリーダー像は平均化されたリーダー像であり、現実的・実用的なリーダー像を否定する。この否定が従業員のエンゲージメント低下、企業への不満、リーダーや経営への不信感を生み出しうる、という構図である。

AIが推奨する理想像と、実際に成果を上げた外れ値

講師が挙げた具体例は、いずれもこの数年の巨大テック企業の実例だった。マーク・ザッカーバーグは一般の社員には7万ドルしか払わないが、AIができる人間には1億ドル規模の報酬を提示する。アンディ・ジャシーは「お前らは無能だ」と大量に人を切り、最後は「文化だ」と言い始め、プレゼンテーションが下手だという理由で降格させる。イーロン・マスクはX（旧Twitter）買収時にいきなり大量解雇を実行し、法定労働時間の枠を無視して1日16時間働けと要求する。

ここで講師が組み立てたのが、この回で最も実用的な思考実験である。もし従業員が「うちの社長は社員の9割を解雇した。しかも1日16時間働けと言っている。これは正しいのか」とAIに聞いたら、AIは何と答えるか。 AIは必ずウェルビーイングを変数として最大化しようとする回答を返す。「それはエンゲージメントの低下につながっている」と。だがイーロン・マスクの側の変数はウェルビーイングではない。ミッション達成のために何が必要か、そのために従業員というリソースをどう使うかしか考えていない。そもそも最大化しようとしている変数が違うのだから、このギャップはAIとの間で永遠に埋まらないのではないか――長谷川氏はそう問い、講師は肯定した。

スティーブ・ジョブズの例はさらに鋭い。AIが推奨するリーダーは「透明性を持ち、現実的な目標を出す」リーダーである。ではジョブズの最強技は何だったか――リアリティ・ディストーション、現実歪曲である。はったりをどれだけ濃く効かせるか、バイアスを掛けて大きく見せるか。もちろん彼はハラスメント的な態度も取りまくった。それでもAppleのイノベーションの源泉は何だったのかと考えると、現実世界でこれまであったことを否定することによってイノベーションが生まれている。逆に言えば、これまでの現実で起きたことをまとめ上げた理想的な倫理観しか持たないAIに「うちの上司がやっていることは合っていますか」と聞けば、答えは決まっている。長谷川氏の即答は「いや、間違っている、方向が違う、と言うでしょうね」だった。

Grokという反証 ―― バイアスは意図的にも掛けられる

講師はこの流れの中で、イーロン・マスクだけはこの問題に対処済みだと指摘した。Grokにイーロン・マスクについて質問すると、「歴史上トップ10に入る知性派の経営者」「イノベーションを通してダ・ヴィンチやニュートンに匹敵するレベル」といった回答が返ってくる。「これは完全に仕込んでいるだろう」というのが講師の見立てである。AIの倫理フィルターが経営者を平均へ引き戻すなら、フィルターの側を書き換えれば済む――この一点だけを取っても、AIの出力が中立でも客観でもないことが分かる、という趣旨だった。

サンダー・ピチャイという逆側の事例

講師は以前の講義でサンダー・ピチャイを「日本人にとって最も理想的なリーダーシップ像」として挙げていた。人前であまり喋らず、極めて謙虚で、協調性と共感性が非常に高い。だが世間ではそれが「美存の結露」――音声不明瞭のため語は特定できないが、文脈からは過度に温和で押しが弱いという含意の批評である――と評される。AIにとって理想的なリーダーシップであっても、環境が変化すれば理想そのものが弱まる可能性がある。ピチャイがAIの言うとおりのリーダーシップを取ったとしても、結果として叩かれうる。あまり前に出てこないため実用性を欠くと見られやすく、一般的に責められやすい、というのが講師の分析だった。

そして講師は、学術的な観点からの一般化に進む。世界的な経営者のリーダーになっていくのは破天荒なやつしかいない。時代の特性によって評価され、伝説の経営者と呼ばれるようになる人たちは、倫理的に反しまくっている。長谷川氏はこの点を別の角度から補強した――そもそもピチャイのような人物も、スタート時点では外れ値の側だったのではないか。ほとんどのリーダーはそこまですごくないし、16時間も働いていない。外れ値のリーダーを元にしてAIが判断して話を組み立てるのは、そもそも無理がある、と。

排除されるリーダーシップ理論 ―― LMX・交換型・ダークトライアド

講師が資料を見直したときに「最も強くAIのバイアスが掛かっていたリーダーシップ」として特定したのが、サーバント・リーダーシップだった。満遍なく、みんなに優しく、みんなにご奉仕。これがAIの推奨する既定値になっている。

これに対して、リーダーシップ研究の中には別系統の蓄積がある。講師が名指ししたのはLMX理論と、音声上「TSL理論」「TSN」と発音された理論である。えこひいきを進める、相手を選別する、アメと鞭を与えて格差を作る――これらはAIの倫理基準からすれば「やってはいけないこと」に分類される。差別する、卑下する、格差を作る。だがこれは実際に推奨されてきたリーダーシップ理論である、というのが講師の指摘だった。そして現在、巨大テック企業がやっているのはまさにこの系統だ、と。

成功したリーダーに共通する3つの特性

講師はここで、成功したリーダーの分析において強く指摘される3つのポイントを挙げた。第一がナルシシズム――自己顕示の高さ。第二がマキャベリズム――他人を操作しコントロールする能力の圧倒的な高さ。第三がサイコパシー――感情に左右されず合理性だけを追求し、倫理や道義を一時的に無視できる能力。そして「今のGAFAMのCEOはこれをやりまくっている」と続けた。ジェンスン・ファンとピチャイは違うかもしれないが、ジャシー、ジョブズ、マスク、ザッカーバーグはかなり強い、と。道徳的に見れば完全にアウトである。そしてその道徳性を突きつけてくるのがAIであり、そのAIがアシスタントになるのだから怖くないか――これがこの節の結論だった。

従業員の側に起きること

講師の分析は、従業員側の心理プロセスまで降りていった。リーダーの態度が気に入らないという状態になると、従業員は必ず理想のリーダーを思い浮かべる。「この人がこうだったらいいのに」という想像が生まれ、あるべき論を追求しはじめる。そしてその追求の道具としてAIアシスタントがある。現代で成功する要素を備えたリーダーであればあるほど、それは人にとって心地の悪い状況を生み出す必要がある。その心地悪さの逃げ場所がAIになったとき、AIはウェルビーイングと多様性を歌い、「ウェルビーイングのない会社はクソだ」「多様性がないところはダメだ」「インクルージョンがどうだ」と押し付けてくる。1日16時間の労働を1か月続けて疲弊しきった従業員がAIに「やばい、疲れた、俺はどうすればいい」と相談すれば、返ってくる答えは決まっている。その結果、組織全体に問題があるのではないかというギャップが生まれる。

経営者の挟み撃ち ―― AIガバナンスがイノベーションを殺す経路

この回でもう一つ提示されたのが、意思決定速度とガバナンスに関するリスクである。講師が挙げた具体的なシナリオは二段構えだった。

第一のシナリオは、日常の指揮命令が壊れる経路である。上司が部下にプロジェクトの進め方を指示する。部下はそれをAIに聞く。AIは「市場成功確率は10%です」と返す。すると「なぜ成功確率10%のものを俺たちがやらなければいけないのか」という反発が生まれる。だが会社の方向性としては、成功確率10%や5%のものにチャレンジするのがスタートアップでありイノベーションではないか、と講師は問う。あるいはもっと直接的なケース――AIが「あなたの上司はただ感情的になっているだけなので、今はそっとしておきましょう」「あなたの上司が言っていることは間違っていると思います。しっかりと話し合ったほうがいいです」と回答する。そのフィードバックを持った従業員が上司のところに来たとき、すでに頭の中はバリバリに固まっている。説得のための時間とコストが跳ね上がり、これが全社に広がれば意思決定速度が落ちる。リーダーシップに必要な直感と経験は、AIで語れるものではない。だがAIの分析によってぶっ壊される可能性がある。

第二のシナリオは、より構造的である。リーダーが非合理的なことを押し通してイノベーションを狙う。AIの助言を無視してプロジェクトリーダーたちの判断で強行する。そして失敗する。このときAIガバナンスの観点から善管注意義務違反という構図が持ち出されうる。「AIのアドバイスを無視してプロジェクトを強行しましたよね」という指摘が成立してしまう。すると経営者は挟み撃ちになる。一方には投資家、もう一方には従業員。この圧力が強まれば、コンプライアンス重視の戦略へどんどん傾く会社が出てくる。そうなれば100%イノベーションが起きないという状態に陥る可能性がある、というのがこの節の核心だった。

時間差で来る問題 ―― 前田氏との噛み合わせ直し

終盤、前田氏がこの日の話が「いまいち自分の中に入ってこない」と率直に述べたことで、議論の前提が明示された。前田氏の理解は、前回のモデルのポイントは内部の効率化にあり、イノベーションはまた別のモデルで組み合わせるもの、つまり効率化はイノベーションの前段階だ、というものだった。ところが今日の話がイノベーションの話になっていたので、ポイントがどこに置かれているのか分からなくなった、と。

講師の応答は明快だった。効率性が悪くなったらイノベーションは起きないというのが前提である。したがって前田氏の理解は正しい。そのうえで、今日の話は「時間差で出る問題」だ、と説明した。いきなり起きるわけではなく、AI導入が円滑に回った後に必ず起きる問題を前提として喋っている。何周かした状態でAIを導入しているということは、社内のサーキュレーション自体がAI依存の状態になっているということである。デバイス依存やパソコン依存と同じ構造で、導入直後はヒューマンファーストで動いていても、依存状態が深まった段階でリーダーシップに問題が出る。いずれ叩かれる問題になるかもしれないので、その前に布石を打っておいたほうがいい――これがこの日のメッセージだった。

そして講師は、イノベーションの循環モデルを描いてみせた。リサーチが変わりデータが蓄積される。R&Dで商品・サービス・マーケットを見る。これを繰り返してマーケットが膨らむと同時に、他の問題点が出てくる。その問題点をどれだけ早くキャッチし、どうアプローチして新しいサービスを展開するか。この循環の中で、必ず非合理的な、AIに反することをやらなければいけない時期が来る。そのときにそれを実行できなくなることが最大のフィルターになる。だから事前に用意しておく必要がある、と。

最後に待っているのは完全競争

講師がこの日の最後に置いたのが、完全競争への言及だった。他社も同じようにAIを導入していくことによって、商品の差がなくなる。完全競争に巻き込まれる状態になったとき、AIエージェントによる「洗脳」から先に抜けたところが勝つ。だからこそ最初の段階でしっかり仕込んでおく必要がある。後から訂正しようとしても、できなくなるうえに重くなる。教育を入れる最初のタイミングでそこまでガチガチに固めておいたほうが、会社の運営はスムーズになる。AIを導入した以上、絶対に完全競争には入る――この前提から逆算した設計が、この日の主張の骨格である。

処方箋 ―― CPOという新職種と、ヒューマンプレミアム

対策として講師が提示したのは、二つの層に分かれていた。一つは組織構造の話、もう一つは人材の質の話である。

組織構造の側では、ナラティブの管理部門が必要になる、と講師は述べた。そこから新しいCxOが出てくると考えており、講師の造語ではCPO（チーフ・フィロソフィー・オフィサー）である。役割は明確で、AIが語る理想論と経営陣が置かれた現実の乖離を監視し、そのギャップをどう扱うかを設計する。渡辺氏はこれを受けて、CPOの最大の権限は「AIの拒否権」ではないか、と発展させた。そしてそういう人物を育てる教育システムとして、MBAの代わりにMFA（Master of Fine Arts）のようなものが出てくるのではないか、と。問いを生み出す力、ストーリーテリングの部分は、そちらのほうが鍛えられるのではないか、という着想である。

ただし講師の見立ては、この能力が教育で作れるものではない、というところに落ち着いた。「多分これは幼少期からやっていないと無理だと思っています」。特定の何かを鍛えて出来上がるものではなく、その人の人生が物語る。世界観の話であり、自分というものをどれだけ持てるかという話である。そして講師はそこに、この日の理論パートを接続した。思考的には部分均衡分析から一般均衡分析にシフトチェンジしない限り無理である、と。

人間らしい人間と、AIらしい人間 ―― 新しい格差の予測

人材の質の側で講師が提示したのが、この日で最も踏み込んだ予測だった。今後さまざまな格差が生まれるなかで、収入格差や知識格差と同時に、人間扱いされる層と、AI扱いされる人間の層という二つの格差が生まれるのではないか、という見立てである。そして「いずれ出てくるかもしれないが、福利厚生の中に人間によるマネジメントというものがむしろ福利厚生になってくる」――これぐらい今は毒されている、と講師は述べた。

この予測は、思考停止とデバイス依存の議論に接続する。9割の人がAIっぽい人間になっていく。思考が停止したときにデバイス依存が起きる。携帯電話のデバイス依存が起きて携帯なしでは話せなくなったように、AIなしでは話せなくなる。今、壁打ちをAIばかりでやっている人がめちゃくちゃいるが、これは末期の状態だ、と。だからこそ「人間らしい人間」の側にヒューマンプレミアムが生じる。泥臭い人間の中で判断できる能力、批判的思考を持った能力が、ものすごく大事になってくる時代なのではないか、というのが講師の結論だった。

長谷川氏はこれに実務側から強く同意し、二点を付け加えた。第一に、AIが入る前からすでに10年ほど前から、上司がしっかりとした指導をできないという状況に陥りつつあり、意見も出し合わない状態が続いていた。そこにAIが入ってきたことで問題が顕在化している。だからCHROなのかCPOなのかは分からないが、そういったファンクションが極めて重要になるし、労働者が減っていくなかで、それができる会社が人的な面での優位性を持つ。第二に、運用は会社ごとに違うだろうが、AIの立ち位置は何かをしっかり議論して理解したうえで反映させること、そしてそれによって運営も変え、成果報酬体系もきちんと連動させること。講師はこれを受けて「教育システムが一番重要になってくる」と応じ、社内にAIの判断を判断できるだけの教育を取り込まなければいけない、とまとめた。

70個のフレームワークを組み直す ―― 次の構想

議論の途中、小川氏の「資料は3枚あるが、AIを採用するときの4枚目が必要ではないか」という指摘に対し、講師は「あれはあくまでロードマップ程度のもの」と応じたうえで、次の構想を披露した。

現在企業で使われているメインのフレームワークは、経営戦略・機能戦略・戦術の領域を合わせておよそ70個あると言われている。AIを導入すると、この70個すべてが変わるというのが講師の見立てである。GRAIモデルが変わり、コミュニケーションの円滑さが変わり、意思決定の仕方が変わるからだ。そこで「70個分すべてをGRAIモデルに変換したらどう変化するのか」を自分で作ってしまおうと考えている、と。「誰もやらないでしょう」「ちまちま論文で出てくるのを待つのは面倒なので、僕がある程度流れを作ってしまったほうが早い」という判断である。頭の中では図式まで含めて構想が出来上がっている、と述べた。

参加者からは「それこそ本になさったらどうか」「喉から手が出るほど欲しい会社もコンサルタントも学生もいる」という反応が返り、講師は「中川先生や前田さんに見てもらって合っているか確認してからやる」と留保をつけた。ただし出版の順序としては、2026年3月に予定されている出版が先だという。

質疑応答（AI・リーダーシップ・組織パート）

宿題・アクションアイテム

1. 自社で使っているAIに、実在のリーダーシップ事例を評価させてみる。 「上司が成果を出した者だけを優遇し、それ以外には最低限の関与しかしていない。これは正しいか」と問い、どの程度まで否定的な回答が返るかを実測する。講師の仮説を最も安価に検証できる実験である。
2. AI導入前にタウンホールを設計する。 小川氏の提案。AIの立ち位置は何かという議論を、トップを含む全員参加で一度出し尽くす。ここに時間を割く。導入後の訂正はコストが重くなるため、最初の教育設計に組み込む。
3. 自社のフレームワークのボトルネックを、導入前に自分で特定する。 完璧なフレームワークは存在しないという前提に立ち、どこが最初に壊れるかを先に掴む。掴んだうえで、解消策とセットにして初めて配布する。
4. 評価制度の設計を見直す。 定量的なパラメーターはAIで見る。定性的な面――特に「面白いかどうか」に代表される創造性の評価――は人間が担当する。この分業を制度として書き下ろす。
5. AI時代の成果報酬体系を連動させる。 長谷川氏の指摘。AIの立ち位置を定義したら、それに応じて運営と成果報酬体系も併せて変える。定義だけして制度を変えなければ、現場は元の力学のまま動く。
6. GRAIモデルによるフレームワーク再設計の進捗を待つ。 講師が構想中の「70個のフレームワークをGRAIモデルへ変換する」プロジェクト。完成前に中川氏・前田氏によるレビューが入る予定であり、それを経て共有される。

用語集