見出し画像

野呂一郎に学ぶ人間ドリブン経営の『馬鹿になれ!』(2)

1.『人間ドリブン経営』とは何か
 前篇で論じたように、日本企業の多くは『データに従う』と言いながら、実際には空気や前例に縛られたデータ装飾型経営に堕している。その対抗概念として提示されるのが『人間ドリブン経営』である。

 その核心は、人間の意思を経営の中心に据えることだ。データはあくまで支援材料に過ぎず、経営課題の定義や仮説構造、最終的な価値判断は人間の経験と文脈知性が担う。現場や顧客との対話を起点に『現場語』を『経営語』へと翻訳し、仮説を立て、反証を許容し、不確実性を前提に意思決定を行う。

 そして、その意思決定は数値ではなくストーリーとして語られるべきだ。なぜその方向に進むのか、どんなリスクや前提を含むのかを、自らの言葉で説明できることこそが信頼の基盤となる。

2.データの限界と人間の役割
 データは『与件』であるが故に、必ず制約を孕む。収集の段階でバイアスが生じ、顧客の感情やニュアンスのような非構造情報はほとんど表れない。数字は文脈から切り離され易く、時間的にも過去を映すだけで未来を保証しない。

 さらに、データは単独で意味を語らない。そこには必ず仮説という枠組みが必要であり、その設計を誤れば、データはただ誤った物語を補強する道具になる。だからこそ、人間は『問いを立てる力』と『意味づけをする力』を失ってはならない。そして『データに従った』とだけ語って責任を回避するのではなく、限界や仮定を説明できる誠実さが求められる。

 野呂教授の『馬鹿になれ』という言葉……それは、時給計算や効率性といった合理の物差しを超えてでも、挑戦に飛び込む愚直さを持て――そう告げる逆説的な教えに見える。

 だが同時に、この言葉には奇妙な魔法がかけられていた。
 データでも数字でもなく、プオタの心臓にだけ深く突き刺さる呪文
 タケチならではの打ち回し……そこに漂う匂いは、常人には嗅ぎ分けられない。

 アントニオ猪木――ただのプロレスラーではない。事業家として、国会議員として、そして詩人としての顔を持っていた。その猪木が残した詩集のタイトルこそ『馬鹿になれ』

 野呂と猪木。異なるリングコーナーから同じ言葉を放った二人。
 合理をねじ伏せる愚直な叫びと、問いを突き刺す学者の言葉。
 その符号を見抜けるかどうかで、勝負は決まる。

3.Skyworkが示すAI補助の可能性
 ここで本稿がハッシュタグコンテストに参加している生成AI『Skywork』を改めて考察したい。Skyworkは『生産性を最大化するAIオフィスエージェント』と銘打ち、ドキュメント、スライド、スプレッドシートを一つの指示から同時に生成するSuper Agent構造を持つ。Deep Researchによるリサーチ機能、Clarificationカードによる要件の事前定義、さらに出典トレーサビリティによって生成物に根拠を紐づける機能を備えている。

3.Skyworkがみせる 人がつかう道具としての ちから
 ここで この文しょうが さんかしている けんさく合いことば こんくーるの 『Skywork』という じどう文しょうづくりの しくみについて、もういちど かんがえてみます。
 Skyworkは『しごとの つくる力を さいだいにする どうぐ』と いう うたい文句を もっています。ひとつの しじをするだけで、ぶんしょう、しやしんつき説明用のしりょう、けいさん表を、どうじに つくることができます。
また、『ふかくしらべる』きのうによって じょうほうを あつめ、『あらかじめ たしかめる しつもんカード』によって しごとの もくてきを はっきりさせることができます。さらに、『もととなる しょめい』を あとから たどれる きのうも そなえています。

やさにちで せつめい

 特にSkywork Sheetsは記述統計や推測統計を自動処理し、データをグラフ化した上でレポートやスライドに落とし込む。こうした機能は単なる『データを美しく整える装飾』を超え、説明責任を伴うアウトプットを短時間で用意できる助けになりうる。価格は日本国内で月額2,999円(税込)と案内され、競合の一部AIエージェントと比べても導入ハードルが低めに設計されているとされる。

 とはいえ、プライバシーポリシーでは入力データが学習に利用されないことを明示する一方、米国サーバに保存される点や第三者への分析・マーケティング目的での共有可能性も規定されている。つまり扱うデータの種類や範囲には注意が必要である。

 さらに、Skyworkの出自をめぐっては中国系企業との関連が指摘される論考も存在する。こうしたリスク面は、データガバナンスの観点から企業が自らチェックし、導入判断を下す必要がある。

 ここで一人、生成AIをめぐる議論に重みを与える人物を紹介したい。平岡憲人(ノーリー)である。大阪に生まれ、東京大学工学部都市工学科を卒業し、フランス留学を経て博士号を取得。都市工学や環境制御を専門とし、のちに情報システムや教育へと活動を広げた。

 2001年からは専門学校『清風情報工科学院』を率い、学生数を飛躍的に増やしながらプロジェクト型のものづくり教育を推進してきた教育者である。

 いまでは生成AI活用教育の第一線に立ち、その利便性と危険性の両面を冷静に語る論者として知られている。

 彼が強く警鐘を鳴らしているのが、今回のテーマであるSkyworkだ。表向きはシンガポール法人を名乗り、高性能なオフィスエージェントを売りにしているが、実態は中国の昆仑万维(Kunlun Tech)の子会社であり、CEOも中国籍を持つ。

 つまり、中国の国家情報法やサイバーセキュリティ法の適用を免れない可能性がある。ノーリーはこれを『地政学的リスク』と呼び、利用者が無自覚のまま国家的データ提供の枠組みに巻き込まれる危険を指摘している。

 利用規約の条項も無視できない。ユーザーが入力したデータや生成されたコンテンツに関して、Skywork側が広範(使用・翻案・再許諾・商用利用など)なライセンスを取得できる旨が規約に明記されており、広告・サービス提供・その他商用目的での利用を含む使用権が付与される設計になっている。したがって、企業秘密や個人情報の取り扱いについて利用者のコントロールは大きく制限され得る。

 Skyworkの親会社は、かつてLGBTQ+向けアプリ『Grindr』を所有していた中国企業『昆仑万维(Beijing Kunlun Tech)』であり、米国の対米外国投資委員会(CFIUS)は国家安全保障上の理由で同社にGrindrの売却を命じた。その後、昆仑は売却に応じており、この経緯は公的・主要メディアの記録として残っている。以上の背景を踏まえれば、個人情報・機密情報の取り扱いに懸念を抱くのは決して杞憂ではない。

 ノーリーは結論として、Skyworkの技術的性能は確かに優れているものの、地政学的リスクがその利便性を上回ると評価している。特に企業や研究機関が機密データを扱う場面での使用は厳禁とし、もし利用するなら『使い捨てアカウントで利用し、機密情報は一切入力せず、VPNでアクセス元を隠す』といった自衛策を徹底すべきだと強調している。

 つまり、Skyworkを利用する行為は単なる生産性向上のツール導入ではなく、情報ガバナンスと安全保障を巻き込んだ選択にほかならない。ノーリーの警告は、生成AIを前にした私たちに『性能』ではなく『背後の構造』を見極めよと突きつけているのだ。

4.人間ドリブンとSkyworkの接点
 SkyworkのClarification機能は、人間の思考を『曖昧な問い』から『明確な仮説』へと整えるプロセスを支援する。これは人間ドリブン経営における最重要フェーズ、すなわち問いの設計を補強するものである。Deep Researchと出典トレーサビリティは、説明責任を伴うナラティブを支える。

 但し、重要なのは、AIの出力を『下書き』として扱うことだ。Skyworkが提示するレポートやスライドを鵜呑みにすれば、結局は『データ装飾型』の再生産に陥る。AIの成果を人間が吟味し、修正し、限界を語れる形に整えることが不可欠である。AIは『最後の一マイル』を支える補助装置であり、問いを立てる主体は常に人間でなければならない。

 ここで思い起こされるのは、松尾豊が絶賛し、投資にまで踏み切ったBuilder.aiの例である。『AIがAIを作る』という看板を掲げながら、実際にはインドの技術者が膨大なマニュアル作業を担い、リスクやガバナンスの概念が根本的に欠如していた事例だ。結果として経営破綻と幻滅を招いたこの事件は、AI神話に酔いしれることでいかに組織が盲目化しうるかを物語っている。

 このような事態を避けるには、松尾豊のような御用学者の権威の物語をありがたがって聞くのではなく、平岡憲人校長(ノーリー)のように、慎重でありながらも的を射た根拠に基づく経営判断こそが決定的に重要である。人間ドリブン経営の基盤は、まさにこうした批判的検証の姿勢に支えられている。

5.実践の道筋
 実務的には、まず経営者や幹部が問いを立てる訓練を行い、仮説やリスクを明文化することが基盤となる。そのうえで、定型的な月次報告や競合調査をSkyworkに生成させ、人間がレビューし修正する。この小さな試行を通じて、AIの特性や限界を把握できる。次に、Clarification質問や出典チェックのルールを整備し、レビュー責任を担う人材を配置する。そこから徐々に部門横断へ展開し、BIツールや既存のデータ基盤と統合していけばよい。

 だが忘れてはならないのは、Builder.aiのように『AIが未来を保証する』という安直な幻想に依存すれば、同じ轍を踏む危険があるということだ。ガバナンス不在の経営は、やがて『700層の無理解』という空虚な構造に堕する。だからこそ、ノーリーが繰り返し説くように、AI導入の是非は性能の派手さではなく、リスクと根拠を吟味する冷静な判断によって支えられなければならない。人間ドリブン経営を標榜するなら、この姿勢を制度設計の中心に据えるべきである。

6.読者への問い掛け
 ここで読者への問いを改めて投げたい。あなたの組織では、データを見る前に『この数値で何を問いたいのか』を言葉にできているだろうか。その問いを支える仮説や前提は整理されているだろうか。AIを導入するなら、どのフェーズから始めるのが最も効果的だろうか。

 そして最後に、自分たちの意思決定をBuilder.ai型の『AI神話』に委ねていないかを省みる必要がある。権威の物語に従うのではなく、平岡憲人(ノーリー)のように事実と構造を丁寧に検証し、地政学的リスクや情報ガバナンスを見据えたうえで判断できるか――。その問いに誠実に答えられることこそが、人間ドリブン経営の核心であり、経営者が主体性を取り戻す唯一の道なのである。

つづく…

武智倫太郎

いいなと思ったら応援しよう!