AI時代の組織設計③例外処理が組織を進化させる

評価制度が組織の思考を決めるなら、
例外処理は組織の進化速度を決める。
AI時代には、この差がますます大きくなる。

組織で起きる問題の多くは、予定どおりに進まなかった時に表面化する。

予定していた人が休む。
荷物が遅れる。
顧客の要望が変わる。
想定していない問い合わせが入る。
システムが止まる。
現場の前提がずれる。

こうした出来事は、一般には「例外」と呼ばれる。

ただ、実際の現場では、例外は「たまにしか起きない特別な出来事」とは言い切れない。
業種や職種によって濃淡はあるが、前提のずれや想定外対応は、かなり高い頻度で発生する。

にもかかわらず、多くの組織は平常時の処理を中心に設計されている。
標準手順はある。
役割分担もある。
評価基準もある。

だが、例外が起きた瞬間に、その設計の限界が露わになる。

誰が判断するのか。
どこまで現場で決めてよいのか。
顧客対応を優先するのか、採算を守るのか。
今だけしのげばよいのか、再発防止まで考えるのか。

この時に組織の本当の姿が出る。

平常時の処理能力ももちろん重要だ。
ただ、例外時の判断構造を見ると、その組織が何を守ろうとしているのかが、より鮮明に表れやすい。
最近、そう感じることが増えている。

例外処理は「余計な仕事」ではない

多くの現場では、例外対応は本来業務から外れた負担として扱われやすい。

イレギュラー対応。
想定外対応。
突発対応。
炎上対応。

名前はいろいろあるが、どれも「できれば起きてほしくないもの」という扱いになりやすい。

その結果、例外処理は場当たり的になる。

その場で詳しい人が何とかする。
声の大きい人の判断で決まる。
後から理由が追えない。
似た問題がまた起きても、前回の学びが残らない。

これでは、組織は強くならない。

例外処理は、標準業務から外れた単なるノイズとして片づけるべきものではない。
むしろ、組織の設計思想が最も強く問われる場所だ。

なぜなら、平常時は標準手順や役割分担によって一定程度までは回しやすい。
しかし、前提が崩れた瞬間にどう動くかは、組織が何を守ろうとしているかをそのまま表すからだ。

顧客体験を守るのか。
収益性を守るのか。
現場の安全を守るのか。
長期的な信頼を守るのか。

例外時の判断には、組織の優先順位がそのまま出る。

組織が進化しないのは、例外を記録しないから

例外処理が重要だとしても、それだけでは組織は進化しない。

大事なのは、例外を処理したことではなく、
例外から何を学んだかが残ることだ。

ところが実際には、例外が起きると現場は忙しくなる。
忙しいから、とにかく収束を優先する。
収束したら、みんな疲れて終わる。
結局、何が問題だったのか、なぜそう判断したのか、次回どうすべきかが残らない。

これが繰り返されると、組織は同じ失敗を何度も違う顔で経験することになる。

しかも厄介なのは、例外はしばしば担当者の個人能力で吸収されてしまうことだ。

気が利く人が何とかした。
経験のある人が丸めた。
根回しのうまい人が収めた。

一見すると問題は解決している。
だが実際には、個人が組織の未設計部分を埋めているだけで、組織そのものは何も学習していない。

属人化とは、単に仕事が特定の人に集中している状態だけではない。
例外への対処方法が個人の頭の中にしか存在していない状態も、属人化の典型の一つだ。

この状態では、人が抜けた瞬間に同じ問題が再発する。

標準化は必要だが、それだけでは足りない

組織改善というと、標準化が語られやすい。

手順を作る。
ルールを決める。
例外を減らす。
ばらつきをなくす。

もちろん、これは必要だ。
だが、それだけでは不十分だと思う。

なぜなら、現実の仕事は、すべてを事前にルール化できないからだ。

顧客ごとに事情が違う。
現場ごとに制約が違う。
タイミングによって優先順位が変わる。
外部環境も動く。

つまり、例外はゼロにならない。
むしろ、環境変化が大きい時代ほど、標準外対応の重要性は増していく。

AI時代には、この傾向が別の形で強まる可能性がある。
定型処理がAIやシステムに移るほど、人間に残る仕事は、前提のずれや標準外対応に寄りやすくなるからだ。

すると組織の競争力は、「どれだけ標準化できたか」だけでなく、
「どれだけ例外を学習資源に変えられるか」にも大きく左右されるようになる。

強い組織は、例外を三段階で扱う

例外処理が強い組織は、感覚的にさばいているわけではない。
少なくとも、次の三つを分けて考えている。

1. これは本当に例外なのか

最初に必要なのは、起きた事象が本当に例外かどうかを見極めることだ。

一見イレギュラーに見えても、毎週のように起きているなら、それはもはや例外ではない。
構造的に発生している通常問題だ。

にもかかわらず、いつまでも「今回もたまたま」で片づけていると、改善は起きない。

例外として処理すべきものと、標準手順に吸収すべきものを見分ける。
この視点がないと、組織は永遠にその場しのぎになる。

2. 誰が、どこまで判断してよいのか

次に必要なのは、判断権限の設計だ。

現場で即断すべきこと。
上長承認が必要なこと。
顧客との合意が必要なこと。
コスト判断を伴うこと。

これらが曖昧だと、例外が起きるたびに判断が止まる。
逆に、全部を現場任せにすると、短期最適で組織全体の整合性が崩れる。

重要なのは、全てを中央で握ることではなく、
どの種類の例外ならどこまで委譲してよいかを明確にすることだ。

3. 処理後に、何を残すのか

最後に必要なのはログだ。

何が起きたのか。
なぜ例外と判断したのか。
どの選択肢があり、何を優先してその判断をしたのか。
結果どうなったのか。
次回、標準化すべきか、引き続き例外として扱うべきか。

これが残って初めて、組織は例外から学べる。

例外処理の質が、現場の知性を決める

現場が強いとは、単に根性があることではない。
忙しい中でも何とか回せることでもない。

本当に強い現場は、例外が起きた時に、
「今どの前提が崩れたのか」
「何を優先すべきか」
「今回の判断をどう残すか」
を考えられる現場だ。

つまり、現場の知性とは、平常時の処理速度だけではなく、
前提崩壊時の再構成能力のことだと思う。

そしてこの能力は、個人のセンスに依存させるべきではない。
組織設計として支えるべきものだ。

例外処理が上手い人を褒めるだけでは足りない。
なぜその人はうまく処理できたのか。
どの判断軸を持っていたのか。
何を見て優先順位を決めたのか。
それを他の人も使える形で残せるか。

そこまでできて初めて、個人の経験が組織能力に変わる。

AI時代には、例外こそが価値になる

AIが特に得意なのは、繰り返し処理、一定条件下での分類、過去ログやパターンの整理だ。
生成AIの登場で、例外事例の検索や判断材料の整理も支援しやすくなっている。

では、人と組織に相対的に重く残るのは何か。
それは、前提が崩れた場面で、何を守るかを決める再判断だと思う。

もちろんAIも例外処理を支援できる。
過去の類似事例を探すこともできる。
判断の選択肢を出すこともできる。
ログを整理し、再発傾向を見つけることもできる。

だが最終的に問われるのは、
何を守るのか、
どこまで許容するのか、
今回を標準に取り込むのか、
それとも例外のまま管理するのか、
という組織の意思だ。

AI時代に組織が強くなるというのは、AIを導入することそのものではない。
例外のログと判断を蓄積し、組織の意思決定を更新し続けられることだ。

そう考えると、例外処理は単なるトラブル対応ではない。
組織進化の入り口そのものだと言える。

例外を潰すのではなく、例外から学ぶ

多くの組織は、例外を嫌う。

できるだけ減らしたい。
見たくない。
評価の対象にしたくない。
責任問題にしたくない。

その気持ちはわかる。
だが、変化の大きい時代において、例外を完全になくすことはできない。

必要なのは、例外を潰すことではなく、例外から学ぶことだ。

例外が起きた時に、責任追及だけで終わる組織は弱い。
例外が起きた時に、前提のずれを見に行く組織は強い。

例外が起きた時に個人の善意で埋める組織は脆い。
例外が起きた時に判断と結果を残す組織は進化する。

平常時を整えることは大事だ。
だが、それだけでは足りない。

組織の未来は、予定どおりに進んだ日の積み重ねだけではなく、
予定どおりに進まなかった日に何を残せたかで決まるのかもしれない。

次回予告

AI時代の組織設計④
AIは組織学習をどう変えるか

ログが残る。
判断が記録される。
例外対応も蓄積できる。

では、AIがそのログを読み、組織の学習に関わるようになった時、何が変わるのか。

人が経験で覚えていたことは、どう扱われるのか。
現場知は民主化されるのか、それとも逆に偏るのか。
AIは組織学習を加速するのか、それとも表面的な最適化を進めるだけなのか。

次回は、AIが組織学習の構造そのものをどう変えていくのかを考えます。

本連載は、正しさを主張するためのものではなく、
変化に気づけなかった自分自身の遅れを観測し、記録するための思考ログです。
ここに書いていることも、一般論というより「気づけなかった側の記録」として残しています。