「AIが出てくれば若い人が有利になるはずだ」という直感を、講師が二つの古典理論で真っ向から否定した回。テイラー主義（1911年）とインサイダー・アウトサイダー理論（1988年）を重ねると、なぜ企業内部の中堅層がAIを入れるほど新卒採用が凍結されるのかが、動機のレベルで説明できてしまう。
この日の後半、講師（マイキー氏）は「いまアメリカで最も社会的な問題になっていることは、若年層の失業率が上がっていることだ」という切り出しから、そのメカニズムを二つの理論で説明した。ここで重要なのは、講師が「AIが仕事を奪う」という漠然とした言い方を一度も使わなかったことである。奪うのはAIではない。AIを導入する意思決定をした社内の人間が、自分の評価を守るために新卒採用を凍結している――これが説明の骨格だった。つまり技術の話ではなく、組織内の利害と評価制度の話として組み立てられている。
使われた道具は二つ。一つはフレデリック・テイラーの科学的管理法、いわゆるテイラー主義である。講師はその四原則を挙げたうえで、最大の問題を「人間性の否定」――お前らは考える必要がない、言われた通り動け――と要約した。もう一つがアサール・リンドベックとデニス・スノーワーのインサイダー・アウトサイダー理論で、すでに社内にいる者（インサイダー）と、これから入ってくる者（アウトサイダー）の力関係を扱う。この二つを重ねると、AI時代に起きていることは「テイラー主義のデジタル版」だ、というのが講師の診断である。マニュアル化のアウトプット先が、人間からAIに切り替わった。それだけの話だが、その一点で若手に教育を施す必要が消える。
そのうえで講師は、いま盛んに行われている「AIブーム対ドットコムバブル」の比較を、データは似ているが本質はまったく違う、と退けた。2000年代のアメリカがやったのは、コールセンターやデータ入力といった「誰でもできるようになった仕事」をインドや中国や東南アジアへ移すことだった。つまり人間から人間への移管である。それに対して現在起きているのは、人間からソフトウェアへの移管だ。前者は移動コストも言語のコミュニケーションエラーも数ヶ月から数年の移行期間もかかったが、後者はほぼゼロコストで即座に落とし込める。この展開コストの崩壊こそが、講師が「本質が違う」と言った中身である。
さらに講師は、AIが最も欲しがっているデータが何かを問う。それは人間が持つ暗黙知を形式化したものだ。では暗黙知を多く持っているのは誰か。経験、時間、社内の政治力、判断力、顧客が何で喜ぶかの感覚――これらを持つのは年配の社員である。学生が持っているのは、論文が分かる、理論が分かる、マニュアルが分かるという形式知の詰め込みだ。そして形式化されたものの模倣はAIが最も得意とする。つまりAIは若手の持ち札と正面から競合し、ベテランの持ち札とは補完関係に立つ。この非対称が、若手の側だけを直撃する。
この日の議論は「AIが優秀だから若者が失業する」ではなく、「AIを入れた人が評価されるから若者が採用されない」という、動機の連鎖として組み立てられていた。管理職は自分の生産性を経営者に証明することで地位を守る。新入社員を採れば育成コストと採用コストが乗る。そのコストを削れば一人当たり生産性の向上としてアピールできる。だからエントリー採用の凍結は、管理職個人にとって合理的な最適解になる。個々人の合理的な自己防衛が、社会全体では若年層の締め出しという結果を生む――構造としては、前日に扱ったパレート最適の議論と同じ形をしている。誰も悪意を持っていないのに、全体としては望ましくない均衡に落ち着く。
録画は、渡辺氏と講師の会話の途中から始まっている。話題は、変数になっていないものまで全部変数に入れてくるような、ある意味で総合的な把握力――インテグラル（統合）的な能力が、いまなお重視されているのではないか、という論点だった。データを扱う思考は本来「要素をどうやって単純化するか」だが、それをどうやって複雑化していくかというところにモデルの余地があるのではないか、と。
渡辺氏はここから、複雑性（コンプレクシティ）にこそ価値が出るのではないか、そしてそれがAIの最も解読できないポイントになるのではないか、という見立てを示した。複雑であるということは、その分だけ妙なバグのようなものがたくさん生まれるということでもある。だからこそアートが最も説明のつきやすい領域なのではないか、と。講師はこれを「含み」という語で受けた。日本語で言えば、一つのものに同時に違う意味が存在する、一つの言葉に同時に多義性が存在する。そうしたファジーな考え方をどれだけ一つの理論として語れるか。人間なら即座に受け取れるが、それをどういうパターンでAIが認識するのかは、まだ難しいのではないか、と。
渡辺氏は、ファジーなもの自体が良くないという風潮が教育の側にあると指摘した。しかしファジーであるからこそ創造性が生まれるのではないか。講師の応答は、LLMがすでに実現している有用性や問題解決能力は、その土台となる認識や環境をどれだけ整備するかの問題であり、環境の成分をどれだけ丁寧に取るかにかかっている、というものだった。武術的に体が強い人でも、しっかりした土台が安定していなければ能力を発揮できないのと同じで、前提条件を整えることが必要になる。ファジーな問題をどう単純化するか、あるいは自分がそこで能力を発揮できる場としてどう展開できるか。つまりフィールド、場の理論である、と講師は述べた。場を作るということにつながるのではないか、と。
渡辺氏はこれを「表現は簡単であって説明が難しい、矛盾を生じるような分野」と言い換え、それこそが思考の中で必要なのではないかと述べた。講師は、論理では一見矛盾しているものも、どの時間軸で取るか、どのような前提を取るかによって、同じ言葉でも矛盾した理解をされることがある、と応じている。論理実証的なアプローチには限界がある。だから何をフォーカスしているのかという視座の設定をどう勘案するかが、前提としての場を作るということになる、と。
この会話から、話題は自然にSECIモデルへ移った。渡辺氏が挙げたのは、SECIモデルで最も現実的に問題だったのは暗黙知の形式知化だった、という実務経験である。製造業のベテランが持っているものを、彼らが引退していく中でどうやって会社の知的財産として積み上げるか。「やれ」と言ってもやってくれない。そこでAIエージェントを使って形式知化していく。若手が一緒について壁打ちをし、AIも質問してくれる。その質問からまた壁打ちを繰り返す中で、現実的に形式知になり、なおかつ蓄積される。これがこれから自分がピッチしていく中での一つのピッチポイントになるのではないか、と。
渡辺氏の話を受けた講師の応答が、そのままこの日の本題への転換点になった。「いま言われているのが雇用なき成長と言われているんですよね、時代自体が。これ自体がそもそも、なぜ若い人たちを淘汰するのかという説明がつくんですよ。いま若年層の失業率がめちゃくちゃ上がっているんですよ、アメリカとか中国とかって」――そして、ドットコムバブルとよく比較されるが圧倒的に違うポイントがある、AIが出てくると若い人が有利というイメージがあるが実はそうじゃない、これが全部説明つく、と予告した。
渡辺氏は日本の事情を挙げて反論を試みた。日本は若い人がいない。アメリカや中国に比べれば圧倒的に少ない。だからベテランの持つ暗黙知を若手に残すためのモデルが必要で、若手にはむしろプレミアムがついて企業は金を出せるはずだ、と。これに対する講師の答えが、この日の講義の出発点になる。「それが行われていないというのが今のアメリカなんですよ」。若手が多い少ないに関係なく、それが起きていない。なぜかという話をこれからする――と。
続いて、参加者の長谷川氏による講演報告があった。長谷川氏は、講師が作成したAI活用の成熟度フレームワーク（この勉強会で扱われてきた5段階のカテゴリー分けと、GRAIモデルに合わせて改良されたもの）を、10社ほどが集まる講演の場で提示した。IT系のアウトソーシング会社、ウェブマーケティング会社、鉄道系のインバウンド広告担当など、参加企業の顔ぶれは幅広い。多くは上場企業か上場企業の子会社だった。
長谷川氏はまず「この5段階のうち、自社はどこですか」と尋ねた。そして、全員がカテゴリー2だと答えた。基盤効率化にあたるカテゴリー1だと答えた企業は一社もなかった。しかしその直前に「どのように活用していますか」を聞いたときには、全然活用していないという答えばかりだったという。
ここから講師の反応が始まる。カテゴリー1どころか、カテゴリー1の初期段階ですらある。データガバナンス整備も全社検索の確保もやっていない。緑のオフィス（データ基盤の整備状況を指す文脈で使われた表現）すら存在しない。タスクマイニングもコパイロットの定着も、AIと人間の領域の明確な分担の作成も、業務棚卸しもしていない。それらをやっていたらこんなに生産性が低いはずがない、という指摘である。さらに講師は、アメリカはすでに「カテゴリー1を走らせながら2をやり、2を走らせながら3をやっている」状態だと述べた。
長谷川氏の報告で印象的だったのは、否定的な反応があったわけではない、という点である。むしろ「私たちはここにいるよ、2番にいるよ」という自己認識が固かった。とくにITアウトソーシングの担当者は食い入るように見ており、この表はどこのデータで作ったのか、カテゴリー1から5にはそれぞれどういう企業が該当するのかを教えてほしい、と具体的に要求してきたという。実際に自社の業務に適用したいという意欲は本物だった。
講師はこの状況を、体型の自己認識にたとえた。あなたは太っています、と言われたときに「いや、俺は相撲部屋の中では細いから太ってはいない」と主張する人がいる。その会社は確かに日本の会社の中では進んでいるかもしれない。太っている集団の中では細い。しかし細い集団に入れば太っている。それに気づかないのは世界を見ていないからであって、中国やアメリカの企業を見れば、もっと細くてもっと筋肉があってもっとスタイリッシュだ、と。基準線をどこに置いているかだけの問題であり、その人の世界観としては別に構わないが、客観的にはスーパーモデルと比べれば明らかに太っている。この状態が続く限り、その人は結果として一生太ったままである。
講師はこの話を、営業論にも接続した。売上を立てるうえで最も重要なのは営業だ、というのは間違いない。しかし「営業が一番重要なんだ」と言い切ってしまうのは、「SNSが一番重要なんだ」と言っているのと構造は同じである。デジタルが強いのだから次はアナログに行こう、と動けるか、いや俺はデジタルだけでやっていくと決めつけるか。決めつけた時点でその人の成長は止まる、というのがこの比喩の着地点だった。
この報告への応答として、参加者からは学生側の変化を指摘する声も出た。いまどきの学生は、使いこなしているとまでは言わないにせよ、パワーポイントを作る程度のことは普通にAIでやっている。その世代が入社してくるのだから、少しはカルチャーが変わるのではないか、という見立てである。これに対して講師は、情報セキュリティの観点から会社が「劣化版」のツールしか用意していないケースを挙げた。学生時代は最新版のChatGPTを常用していたのに、入社したら旧世代モデルを使わされる。使い勝手が悪いから利用頻度が落ちていく。この落差が、期待されたカルチャー変化を打ち消しているという指摘だった。
講義中に提示された5段階のカテゴリー分けは講師オリジナルのフレームワークであり、外部の標準指標ではないため、そのまま第三者データで検証することはできない。ただし、方向性としての傍証は存在する。日本企業のAI導入が実験段階に留まり、全社的なデータガバナンスや業務棚卸しに至っていない、という指摘は各種調査で繰り返し登場するテーマである。一方で「全員がカテゴリー2と答えた」という現象そのものは、10社という小標本での自己申告であり、日本企業全体の水準を示すデータとして扱うべきものではない。この場面から取り出せるのは統計的事実ではなく、自己評価と外部評価の乖離という認知の構造である、という読み方をしておくのが安全だろう。
なお、講師が「これよりもうちょっとシンプル版のものがIT導入の時に流行っていて、それを自分がGRAIモデルに合わせて改良した」と述べている点は重要である。つまりこのフレームワーク自体、既存のIT成熟度モデルの系譜に属する。その出自を知らないままデータの出所だけを問うのは筋が悪い、というのが講師の反論だった。
講師はまず、この回で覚えてほしい理論は二つだと宣言した。一つがテイラー主義、もう一つがインサイダー・アウトサイダー理論である。順に、テイラー主義から。
講義中の説明はこうだった。産業革命が終わったあと、20世紀初頭、おおよそ第一次世界大戦のころに、さらに生産性を上げようとしてフレデリック・テイラーという人物が作った理論である。仕事をどうすれば最も効率よく進められるかを科学的に突き詰めたもので、四つの原則からなる。
| 原則 | 講義中の説明 | AI時代における置き換え先 |
|---|---|---|
| ①タスクの科学的設定 | 1日これだけやればOKというノルマではなく、実験的にどれくらい最大限にできるのかを科学的に決める | KPI・一人当たり生産性指標として、決算説明資料でそのまま投資家に示される |
| ②マニュアル化 | 他の特例のやり方は認めない。道具の使い方から作業手順まですべて統一する | プロンプト・ワークフロー・エージェントの定型化。統一の対象が人間ではなくソフトウェアになる |
| ③労働者の選抜と訓練 | 仕事に適した能力を持つ人を抜擢し、マニュアル通りにしっかり動けるよう訓練する | ここが消える。マニュアルの実行主体がAIなら、人間を訓練する必要がない |
| ④管理者と実行者の分離 | どう達成し続けるかを考える計画者（管理者）と、手を動かす労働者を完全に役割分別する | インサイダーが管理者側に、アウトサイダーが管理される側に固定される |
講師はこの四原則の帰結を、二つの側面から整理した。良い面は、マニュアル化によって熟練者でない労働者でも即戦力として働けるようになり、大量生産が実現できたことである。これを自動車工場に応用したのがヘンリー・フォードだった。悪い面は、人間性の否定である。人間をロボットのように扱い、お前らは考える必要がない、言われた通りに動け、という扱いになる。
そして講義の核心が、ここで出てくる。テイラー主義の下でも、教育だけは必要だった。工場で働けるように、パン屋で働けるように、人間に対する最低限の訓練は不可欠だった。ところが、そのマニュアルの実行主体をAIに移行させてしまえば、その教育がいらなくなる。つまり――若い人たち、新しく入ってくるアウトサイダーに対して、教育をする必要がなくなってしまった。これが講師が「テイラー主義のデジタル版」と呼んだものの正体である。
フレデリック・ウィンズロー・テイラー『科学的管理法の原理（The Principles of Scientific Management）』は1911年、ハーパー社から刊行された。講義では「20世紀初頭、第一次世界大戦くらい」と述べられたが、刊行は第一次大戦（1914年開戦）よりやや前である。年代の大枠としては正確といってよい。
原著の四原則は、公開されているテキストでは次のように整理される。第一に、旧来の経験則に代えて、仕事の各要素について科学を発展させること。第二に、労働者を科学的に選抜し、訓練し、教育し、育成すること（従来は労働者が自分で仕事を選び、自分で訓練していた）。第三に、開発された科学の原理に従って作業が行われるよう、労働者と心から協働すること。第四に、経営と労働者の間で仕事と責任をほぼ均等に分割すること。
講義中の四つ――タスクの科学的設定、マニュアル化、労働者の抜擢と訓練、管理者と実行者の分離――は、①が原文の第一、③が第二、④が第四におおむね対応する。②のマニュアル化は原文の四原則には独立項目として存在せず、テイラーの手法（作業標準化、時間研究）から実務的に導かれるものを講師が一項目に立てたものと読める。逆に原文の第三原則（労働者との協働）は講義では触れられていない。これは偶然ではないだろう。テイラー本人が強調した「協働」の側面を落とし、統制と分離の側面だけを取り出すと、講義が描いた「人間性の否定」という像になる。テイラー主義への批判はこの落とし方とともに歴史的に流通してきた側面があり、原著の第三原則を知っておくと、批判の射程がどこまでかを自分で判断できるようになる。
二つ目の理論について、講師は「アサール・リンドベックという人とデニス・スノーワーという人が提唱したもので、なぜ新しい人が組織に入りにくいのかを説明する経済学の強力なツールと言われている」と紹介した。定義は単純である。インサイダーとは、すでに社内にいる人たち。アウトサイダーとは、今後会社に入ってくる人たち。この二者の関係値を示すのがこの理論だ、と。
講師の説明では、内部の人たちは基本的にその会社にずっといるので権力が高い。すでに雇われている正社員として、自分の雇用の安定をどう守るかを考える。一方、新しく入ってくる人たちは、むちゃくちゃ優秀な可能性もあり、自分のポジションを脅かす可能性がある。そこをどうやって奪われないようにするかを考えるのがインサイダーである――これがこの理論の骨格だ、という整理だった。
アサール・リンドベック（Assar Lindbeck）とデニス・J・スノーワー（Dennis J. Snower）の『The Insider-Outsider Theory of Employment and Unemployment』は、1988年にMIT出版から刊行された。講義中の人名（「アサール・リンドベック」「デニス・スノーワー」）と、この二人が提唱者であるという点は正確である。
ただし理論の中身は、講義中の説明よりも一段具体的である。原著の要点は、インサイダーの力の源泉が労働移動コスト（labor turnover costs）にあるという点にある。既存従業員の職は、採用・解雇・訓練にかかるコストや雇用保障立法によって守られている。そして重要なのは、この移動コストがインサイダー自身の行動によっても生み出される、という指摘だ。労働組合はストライキや遵法闘争といった手段でこの移動コストを増幅し、インサイダーに新たなレント創出の道具を与える。原著はさらに、インサイダーの活動が一時的なマクロ経済ショックの影響を持続させる（ヒステリシス）効果を扱っている。
つまりこの理論は本来、労働組合と雇用保障法制を軸にした西欧的な文脈で組み立てられている。講師はそれを「社内の既存社員が自分の地位を守るために新規採用を抑える」という形に翻案して用いており、原理としては同じ力学だが、原著が想定した制度的な媒介（組合・解雇規制）が抜けている。日本やアメリカのテック企業の採用凍結にこの理論を当てはめるときは、力の源泉が組合ではなく管理職個人の評価制度に置き換わっている、という一段の読み替えが入っていることを意識しておくとよい。講師自身は次のパートでその読み替えを明示的に行っている。
講師はここで、会社のオーナーは株主であり、自分（社員）にとってのオーナーは経営者である、という所有と評価の連鎖を確認したうえで、決定的な問いを立てた。AIを導入するのはインサイダーですか、アウトサイダーですか。答えは明らかにインサイダーである。まだ現場経験のないアウトサイダーには、導入の意思決定権はない。
ではそのインサイダーは、どうすれば会社から評価されるか。自分の持っている今の仕事をどれだけ効率化させ、生産性を上げたかによってである。そして――AIで効率化できたら、若手なんかいらないよねとなる。講師はこれをマネジリアル・エントレンチメント（経営者・管理者の保身）として説明した。自分たちの生産性を証明することによって、自分の地位を守り抜く。あなたは優秀な社員ですね、という評価につながる。
そのうえで講師が挙げた数字の例は明快だった。人間には管理の限界がある。仮に一人の管理者が見られるのは10人までだとする。一部署に10人いれば、その管理者は一部署しか管理できない。ところがAIを導入して一部署に一人しかいない状態にすれば、同じ管理者が10部署を見られる。すると「あなたは一人で10部署を管理できるすごい人だ」ということになり、生産性が上がったように見える。おまけにAIは文句も言わず24時間働き続ける。今日は家族との食事があるので早く帰ります、今日は熱っぽいので在宅にします、ということがない。生産性の安定性と向上性を上に証明できる。
①新入社員を入れると育成コストと採用コストが乗る → ②このコストを削減すればするほど、一人当たり生産性向上のアピールになる → ③エントリー採用の凍結は管理職にとって自分の評価につながる → ④同時に、アウトサイダーが減ることで管理できる範囲が広がり、さらに評価が上がる → ⑤新しく人を雇うなら、優秀な人間だけを雇ったほうが合理的になる → ⑥結果として、これまでの採用条件で採っていた層は採用されなくなる。
この連鎖のどこにも、悪意も、AIの技術的能力への過大評価も入っていない。入っているのは評価制度と自己防衛だけである。
講師は「Amazonもメタもマイクロソフトも解雇の歴史だ」と述べたが、この点は公開情報で裏付けられる。Amazonは2026年1月に約16,000人の管理部門削減を発表し、2025年10月以降の累計は約30,000人に達した。同社はこれを組織階層の削減、当事者意識の向上、官僚主義の排除と説明しており、AWS、Alexa、Prime Video、デバイス、広告など複数部門に及んでいる。MetaとMicrosoftは合わせて20,000人超の削減を明らかにした。米テック企業全体では2026年初以降で約14万人が削減され、うちAmazon、Oracle、Meta、Microsoftの4社だけで5万人近くを占める。
ただしここで、講師の議論を補強すると同時に一部修正する事実がある。削減されている職種と採用されている職種は同じではない。削減の中心はカスタマーサポート、品質保証、コンテンツモデレーション、そして中間管理職である。一方で機械学習エンジニア、AI安全性の研究者、データ基盤の専門家は不足している。つまり「若手だから切られる」というよりも「codified（形式知化された）業務だから切られる」という切断面のほうが実態に近い。この点は、講師の暗黙知／形式知の議論とむしろ整合するが、「インサイダーが自分を守っている」という説明だけでは中間管理職が削られている事実を説明できない。この点は参加者からも指摘が出ており、後述するQ&Aで扱われている。
講師がこの日いちばん強く主張したのは、この論点だった。いま盛んに「AIブームはドットコムバブルに似ている」と比較されている。データは確かに似ている、と講師も認める。講義中に挙げられた数字はこうだった。ドットコムバブル期、2000年から2004年にかけて、アメリカの都市部で16歳から24歳の若年の労働参加率が7%減少し、若年層の失業率が3.4%上がった。そして2023年以降、AIが出始めてから、若い人たちの失業率が10〜11%を超える状態になり、就職率も似たようなデータになっている。コラムニストやメディアはこれを根拠に両者を並べている。
だが講師は「メディアはそう言っていますけど、全然意味が違うんです」と切り捨てた。理由は、両者の目的とメカニズムがまったく違うからである。
過剰なIT投資の末にバブルが崩壊した。市場が冷え込んでいるので余計な金は使えない。だから既存の人員のまま、これまで投資してきたITインフラ（パソコン、インターネット、ソフトウェア）をフル活用して生産性を上げる方向に向かった。
これが「ジョブレス・リカバリー（雇用なき回復）」と呼ばれたものである。同時に、コールセンターやデータ入力といった「誰でもできるようになった仕事」をインド、中国、東南アジアなどの発展途上国へオフショアリングした。
移管の方向：人間 → 人間。アメリカ人から発展途上国の人へ仕事を移し、アメリカ自身は知的集約型の市場へ変化した。
移管には人の配置が必要で、移動コストが莫大にかかり、言語の違いでコミュニケーションエラーが発生した。何ヶ月も何年もかけて移行した。
バブル崩壊の後始末ではなく、拡大局面のただ中で起きている。データセンター投資を含め、AIにガンガン金を使う時代である。つまり設備投資はしているのに雇用は削っているという状態が同時に成立している。
これが「雇用なき成長（ジョブレス・グロース）」と呼ばれる。人をどれだけ雇わずに生産性を上げるかが問われている。
移管の方向：人間 → ソフトウェア。簡単な仕事はAIに任せましょう、という状態になっている。
配置コストも移動コストも言語のエラーもない。落とし込もうと思えば実質ゼロコストで落とし込める。だから移行が圧倒的な速度で進む。
講師はこの対比を、この勉強会で使われてきた二つのモデルの言葉でも言い直した。これまでの時代は、人間と人間のコミュニケーションで成り立つSECIモデルの世界だった。それがいま、GRAIモデルへ移行する段階にある。人間からソフトウェアへ移行させるということが、そのままモデルの切り替わりを意味している。
ジョブレス・リカバリー（jobless recovery）は、景気後退後にGDPが回復しても雇用が伸びない現象を指す用語として確立しており、2001年不況後のアメリカを説明する文脈で広く用いられてきた。一方、講師が現在の局面に当てた「雇用なき成長（jobless growth）」は、経済成長が雇用増を伴わない状態を指す語として一般に使われるが、ジョブレス・リカバリーとの厳密な使い分けが学術的に確立しているとは言いがたい。講師の用法は、この二語に「回復局面か拡大局面か」という区別を負わせている点で、独自の整理である。用語法として一般的とは言えないが、区別しようとしている中身自体――バブル後の緊縮の中での省人化か、投資拡大の中での省人化か――は実質的な違いであり、押さえる価値がある。
なお、講義中に挙げられた「2000年から2004年に米都市部の16〜24歳の労働参加率が7%減少、失業率が3.4%上昇」という具体的数値については、今回の調査で出典を特定できなかった要確認。方向としてはドットコム崩壊後に若年層の労働参加が落ちたことは知られているが、この特定の数字はそのまま引用せず、原典を確認してから使うのが安全である。
ここが、この回でいちばん筋が通っていた論点である。講師は「次に、AIがいま欲しいデータとは何なのか」と問いを立てた。それは人間が持っている暗黙知を、どうやって取り込んで形式化させるか、である。
では暗黙知を持っているのは誰か。社内にいるベテラン、つまりインサイダーである。彼らが持っているのは、大きな経験、時間、社内の政治力、判断力といった、感覚的で言語化できないものが多い。組織内の政治力学が何なのかを理解しているのも、顧客がどうやって喜ぶのかを理解しているのも、経験値の高い人である。学生は絶対に知らない。
一方、学生が学んできたものは何か。形式化されたものの詰め込みである。論文が分かる、理論が分かる、マニュアルが分かる。そしてこれこそが、AIが最も得意とする領域だ。人が形式化したものを模倣するのはAIが極めて得意である。逆に、暗黙知化されているものを引き出すのはAIでさえものすごく大変だ。なぜなら本人が言語化できないからである。
「じゃあ、どっちのほうが暗黙知が多いですか。若い人と年配の人。確実に年配の人のほうが暗黙知が多いわけなんですよ。これをどうやって形式化させるのかというところに価値があるわけなんですね」
つまり、AI導入によって価値が上がるのはベテランの側であり、価値が下がるのは学生の側である。両者はAIに対して逆の位置にいる。若手が不利になるのは能力が低いからではなく、持ち札の種類がAIと重複しているから――これが講師の説明の核である。
スタンフォード大学デジタル経済研究所（Stanford Digital Economy Lab）のエリック・ブリニョルフソンらによる研究「Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence」は、ADPの給与データを用いてChatGPT公開以降の雇用変化を年齢とAI曝露度で分解している。その2026年8月更新版の結論は、講師の説明と驚くほど整合する。
第一に、経済全体としてはAIによる広範な雇用喪失は起きていない。この点は「AIが雇用を破壊する」という言説を否定する。第二に、しかしAI高曝露職における22〜25歳の雇用は、低曝露職の同年齢層と同じペースで伸びていた場合と比べて約19%低い水準にある。このギャップは2025年8月時点（2025年7月データ）では15%だったものが、2026年6月データで19%まで一貫して拡大した。第三に、調整は解雇の増加ではなく若年層の採用抑制を通じて起きている。これは講師が述べた「エントリー採用の凍結」というメカニズムと一致する。
そして最も重要な第四点。同研究は、codified knowledge（形式知）に強く依存する職種では若年労働者の雇用が減少し、実践・メンタリング・実地経験を通じて獲得される tacit knowledge（暗黙知）に強く依存する職種では経験豊富な労働者の雇用がむしろ増加していると報告している。講師が独自の推論として組み立てた暗黙知／形式知の非対称は、同時期の大規模データ分析による所見とほぼ同じ形をしている。この一致は、この回の議論の価値を大きく高める。
外れた部分：講師は「いま若年層の失業率がめっちゃ上がっている、アメリカとか中国とか」と述べたが、アメリカの16〜24歳の失業率は2025年7月の10.8%から、2026年7月には8.5%へ低下している（2026年6月は9.2%）。総体としての米若年失業率は、この講義から8ヶ月余りのあいだに悪化ではなく改善した。「若年失業率が上がり続ける」という総論としての予測は、少なくとも2026年8月時点では当たっていない。
当たった部分：ただし、講師が説明したメカニズムのほうは、職種レベルでは強く支持されている。AI高曝露職に限れば22〜25歳の雇用ギャップは15%から19%へ拡大し続けており、しかもその調整経路は「採用抑制」である。総体の失業率が下がっているのは、AI曝露の低い職種が若年層を吸収しているためと読める。つまり講師の説明は「若者が失業する」ではなく「若者がAI曝露職から締め出される」という形で当たっている。これは重要な違いで、失業率だけを見ていると変化を見落とすことになる。
中国について：中国の16〜24歳（在学者を除く新方式）の失業率は2026年7月に17.9%となり、前月から3ポイント上昇、2025年8月以来の高水準となった。2026年前半は16%台から一時14.9%まで低下していたが、卒業シーズンに再び跳ね上がった形である。中国については講師の「上がっている」という指摘は、水準としても方向としてもおおむね妥当といえる。ただし中国の若年失業は不動産不況と大卒者数の急増という別の要因が大きく、AIだけで説明できるものではない点に注意が必要である。
議論の終盤、参加者の渡辺氏が、この構図に対して教育哲学の側から応答した。いま話しているのがテイラー主義の問題であるならば、20世紀初頭にテイラー主義に対する反論が教育哲学の側からすでに出ていたはずだ、という指摘である。
渡辺氏はそこで、カリキュラムという言葉の解釈を二つに分けた哲学者がいたことに言及した。一つは陸上のトラック、つまり決められたコースを走らせるという意味。もう一つは伴走するという意味である。この区別を踏まえたうえで渡辺氏は、いま必要なのは何かの目的に対して効率的にロードマップを敷くだけの教育ではなく、体験ベースで知識を自分で構築し、環境デザインができる人間へと育てる教育プロセスだと述べた。目的に到達するための知識を植えつけるだけの管理的な感性ではなく、実践的な関与に向かう教育が内部的にできれば、それが一つのブレークスルーになるのではないか、と。
渡辺氏が言及した区別は、ウィリアム・パイナー（William F. Pinar）のクレレ（currere）の概念にあたる。カリキュラム（curriculum）の語源はラテン語で「走路、経歴」を意味し、動詞 currere（走る）に由来する。パイナーは1975年の論文でこの概念を初めて提示し、マデリン・グルメットとともに1970年代初頭に、カリキュラムを名詞から動詞へ――走るべきコースそのものから、走るという経験へ――と根本的に読み替えた。パイナー自身の言葉では、クレレの方法はカリキュラムを「コース目標」から「自分自身との複雑な会話」へと再概念化するものである。
この転換が、なぜテイラー主義への反論になるのか。テイラー主義的な教育観は、到達すべき目標を先に定め、そこへ最短距離で運ぶ手順を設計する。これはまさにカリキュラムを「走路」として扱う発想である。クレレはその前提を外し、学習者自身の経験と自己理解のほうを軸に据える。渡辺氏の「体験ベースで知識を自分で構築する」という表現は、この系譜を正確に踏まえている。なおクレレは、多くの点でジョン・デューイが『民主主義と教育』（1916年）で行った経験の分析を反復したものと位置づけられる。デューイもまた、テイラー主義的な効率志向の教育に対する同時代の批判者だった。渡辺氏の「20世紀初頭に反論があったはず」という直感は、学説史的に正しい。
この教育論の直前、講師は別の角度から同じ問題に触れていた。マイキークラブへの参加希望者を相当数落としたという話の流れで、講師が最も許容できないと述べたのが意思決定の遅さである。答えが全部曖昧で、「検討します」と言う。しかし――データがないのにどうやって検討するのか。それは検討ではなく、その時の感情ではないか、というのが講師の主張だった。知識とデータがないのに検証はできない。
これに対して渡辺氏が引いたのが、キャロル・ドゥエックのマインドセット論である。人間のマインドセットには二つのタイプがある。自分の能力はもう変わらないと思っている人は、取引しかしなくなる。それが「検討します」の正体である。もう一つのタイプは、自分はいつまでも発展途上であると考える。だから間違いもできるし、発展途上だからこそ決断を早くしてPDCAを回すしかないと思う。「検討します」は、自分の可変性を信じていないがゆえに、いまの自分の状況でどう取引の可能性を見るかしか考えられず、そのために時間が欲しいという発想になる――という読解だった。
渡辺氏はさらに、その原因を教育に求めた。周りの人たちが常に「お前はこういう才能しかないから」という褒め方しかしていないと、自分の意図や想像力で勝負できなくなる。ここでも問題は個人の性格ではなく、育てられ方の設計に置かれている。
講義中に「キャロルドエイク」と発話された人物は、スタンフォード大学の心理学者キャロル・S・ドゥエック（Carol S. Dweck）である。主著『Mindset: The New Psychology of Success』は2006年、ランダムハウスから刊行された（邦訳『マインドセット「やればできる！」の研究』）。
理論の骨格は、人には二つの基本的なマインドセットがあるというものだ。固定マインドセット（fixed mindset）を持つ人は、自分の才能や能力は生まれつき決まっていると考える。成長マインドセット（growth mindset）を持つ人は、才能は伸ばすことができ、優れた能力は時間をかけて築かれると考える。数十年の研究の結果、能力は固定されていると信じる人のほうが、伸ばせると信じる人より開花しにくい、という所見が得られている。渡辺氏の要約は、この理論を意思決定の速度という文脈に適用した独自の応用であり、ドゥエック自身が「検討します」について論じているわけではない。ただし応用の筋としては無理がない。