AIを「経営判断」に使う前に──データと勘は、どちらかではなく「役割分担」

「これからはデータ経営だ！」

そう号令をかけて、会議に数字の資料を並べ始めた。
AIに分析もさせてみた。

ところが、いざ大事な判断の場面になると、なんだか判断がぶれる。
数字は出そろっているのに、決めきれない。
あるいは、数字を信じて決めたら、現場の実感と食い違って失敗した——。

こんな経験は、ありませんか？

データやAIを経営に取り入れること自体は、正しい方向です。
でも、ここで多くの経営者が、いらない決断を一つしてしまいます。

「これからはデータだ。だから、勘は捨てよう」という決断です。

これは、もったいない。
特に、地方の中小企業にとっては。

なぜなら、あなたが長年かけて培ってきた「勘」は、まだ言葉になっていないだけの、大量の経験データだからです。

「この街の空気」
「あの取引先の事情」
「この時期のお客さんの動き」

数字には映らないけれど、判断に効く情報を、あなたの勘は握っています。
それを捨てて数字だけにするのは、貴重な武器を一つ、自分から手放すようなものです。

大切なのは、AI・データは勘を"置き換える"ものではなく、"確かめる"ものだと捉え直すことです。
この記事では、数字と勘を対立させず、役割分担させる考え方をお伝えします。

まず、それぞれの「得意」を知る

データと勘は、得意なことが違います。
競わせるのではなく、それぞれの強みを知ることが出発点です。

データ・AIが得意なこと

• 過去と現在を、正確に映すこと（売上の傾向、離職率、季節変動）

• 大量の情報を、素早く比べること（人間には追えない量）

• 思い込みによる見落としを、防ぐこと（「たぶん増えてる」を数字で確かめる）

• 誰が見ても同じ結果になること（再現性）

人の勘が得意なこと

• 文脈を読むこと（数字の裏にある事情や関係性）

• 例外を扱うこと（データの少ない、初めての状況）

• まだ数字になっていない兆しを感じること（現場の空気の変化）

• 「どうあるべきか」という価値の判断（数字は「どうなるか」は言えても「どうすべきか」は言えない）

こうして並べると分かります。
両者は、片方が苦手なところを、もう片方が補える関係なのです。

使う順番──「勘で仮説、データで検証、勘で決断」

では、実際の判断でどう使い分けるか。
おすすめは、次の3ステップです。

ステップ①：勘で「仮説」を立てる

まず、経験から「たぶん、こうじゃないか」という仮説を立てます。
ここはベテランの勘の出番です。

「最近、あの世代の離職が多い気がする」
「この商品は、そろそろ頭打ちかもしれない」

この"引っかかり"が、良い問いの出発点になります。
勘を、いきなり結論にせず、"検証すべき仮説"として扱うのがコツです。

ステップ②：データ・AIで「検証」する

次に、その仮説を数字で確かめます。

「本当に離職が増えているのか」
「どの層で、いつから増えたのか」
をデータで見る。

AIに壁打ち相手になってもらい、「他にどんな原因が考えられるか」を洗い出してもらうのも有効です。

ここで、勘が当たっていることも、外れていることもあります。
外れていたら、それこそが大きな発見です。
思い込みを一つ、手放せたのですから。

ステップ③：勘で「決断」する

最後の意思決定は、人が行います。

データは「どうなりそうか」を教えてくれますが、
「だから、どうするか」までは決めてくれません。

そこには、会社の理念や、その人への思い、地域との関係といった、数字にならない価値判断が必要です。

データで視界をクリアにした上で、最後は経営者が責任を持って決める。
判断の責任は、AIには渡せません。

やってはいけない、二つの偏り

役割分担がうまくいかないのは、どちらかに偏るときです。
両方向の失敗を知っておきましょう。

データ盲信の失敗

• 数字を鵜呑みにする。入力ミスや古いデータ、偏った集計に気づかない

• 「過去のデータ」が「未来」を保証すると思い込む（環境が変われば通用しない）

• AIの出力を、検証せずにそのまま使う（AIは、もっともらしい誤りを出すことがあります）

勘盲信の失敗

• 「昔はこうだった」で、環境の変化を見ない

• 過去の成功体験に固執する

• 自分の考えに合う情報だけを集めてしまう（都合の悪い数字を見ない）

データにも、勘にも、それぞれの落とし穴があります。

だからこそ、片方でもう片方を"確かめ合う"。
この相互チェックが、判断の精度を上げます。

中小企業だからこそ、小さく始める

「データ経営」と聞くと、立派なシステムや大量のデータが要ると身構えるかもしれません。
でも、始め方は小さくて大丈夫です。

• 完璧なデータは要らない。 手元のExcelや、日々の記録からで十分。まず「一つの判断」で試す

• AIは、まず"壁打ち相手"から。 「この判断、他にどんな見方がある?」と問いかける使い方なら、今日から始められる

• 勘を、言葉にしてみる。 「なぜそう感じるのか」を一度書き出すと、勘が"検証できる仮説"に変わる

数字で仮説を確かめ、勘で最後を決める。
この往復を、一つの判断から始めてみてください。

まとめ

AI・データは、勘を置き換える道具ではありません。
勘を"確かめ"、判断の視界をクリアにする道具です。

• 前提：AI・データは勘を"置き換える"でなく"確かめる"もの。勘とは、言葉になっていない経験データ

• データが得意＝傾向・比較・見落とし防止・再現性／勘が得意＝文脈・例外・兆し・価値判断

• 使う順番＝①勘で仮説 → ②データ・AIで検証 → ③勘で決断（最終責任は人）

• 二つの偏りに注意＝データ盲信（数字・AIの鵜呑み）と勘盲信（成功体験への固執）

• 始め方は小さく＝完璧なデータ不要／AIは壁打ちから／勘を言葉にする

あなたの会社の次の判断で、まず勘で仮説を立て、その一つだけを数字で確かめてみてください。

数字で視界を晴らし、勘で最後を決める。
その往復が、地方の中小企業の判断を、静かに強くします。

（株）豊明コンサルティング　上口幸博

地方中小企業（10〜100名規模）専門の人事・組織コンサルタント。
北陸を中心に全国対応。
AI活用・データの整理から、経営判断への活かし方まで、「作って終わり」にしない伴走型支援が特長。

このnoteが参考になった方へ

「AI・データを経営判断に活かしたいが、何から始めればいいかわからない」
「数字と現場の勘を、うまく両立させたい」
という段階になったら、自社の実態に合わせたデータの見方と、判断への活かし方の整理が必要になります。

→ https://houmei-consulting.com/contact/
初回45分は無料でお話を聞きます。
オンライン・北陸3県は訪問も対応しています。

関連記事

社員10名から始める「数字で組織を語る」習慣──KPIと組織指標の最小設計
本記事が「データと勘で判断する」なのに対し、こちらは「組織を数字で見る習慣づけ」の入門です。

社内のAI活用を「一人の取り組み」で終わらせない──組織全体に広げる3つのステップ
経営者の判断だけでなく、AI活用を組織に広げる段階の記事です。