AIに記録を残すほど、人の判断が必要になる理由

はじめに

AIが会議を記録する。
AIがメールや資料を整理する。
AIが過去のやり取りを検索し、質問に答える。

こうした仕組みが広がれば、仕事の引き継ぎは今より楽になる。

担当者が変わっても、過去の資料を探せる。
以前の判断を確認できる。
会議で何が話されたかも、あとから振り返れる。

たしかに、記録が残ることには大きな意味がある。

これまで、現場の仕事は人の記憶に頼る部分が多かった。

「あのとき、どう処理したか」
「なぜ、この手順になったのか」
「誰に確認したのか」
「今回だけの例外だったのか」

担当者が覚えていれば仕事は進む。
しかし、その人が休んだり、異動したり、退職したりすると、急に分からなくなる。

AIが記録を残し、過去の情報を探せるようになれば、こうした属人化は減らせるように見える。

ただし、ここで少し立ち止まりたい。

AIに記録を残せば残すほど、人の判断は本当に必要なくなるのだろうか。

むしろ、記録が増えるほど、別の判断が必要になるのではないか。

記録が足りない時代と、記録が多すぎる時代

記録が少ない時代には、何が起きたか分からないことが問題だった。

会議の内容が残っていない。
前任者の判断理由が分からない。
電話で確認したことが、担当者の記憶にしかない。
例外処理があったことも、あとから見れば分からない。

この状態では、仕事へ戻るための手がかりが足りない。

だから、記録を残すことには意味がある。

しかし、AIによって多くの情報を残せるようになると、今度は別の問題が出てくる。

会議の発言がすべて残る。
メールもチャットも検索できる。
修正前の資料も、途中の案も、古い手順も残る。
過去の判断と、その後に撤回された判断も同じ検索面に出てくる。

すると問題は、

「記録があるか」

ではなく、

「どの記録を使えばよいか」

へ移る。

記録が少ないときは、何が起きたか分からない。

記録が多すぎるときは、何を参照すればよいか分からない。

AIがすべてを記録できたとしても、その記録がすべて同じ価値を持つわけではない。

記録することと、判断できることは違う

AIは、過去の記録を探し、要約し、関係する情報を並べることができる。

「前回はどう処理したか」
「この件について、過去に何が話されたか」
「似た事例では、どのような対応をしたか」

こうした問いには、AIは役に立つ。

しかし、過去にそうしたことと、今回もそうすべきことは同じではない。

以前は正しかった手順が、今は古くなっているかもしれない。
当時の担当者が置いた前提が、現在は変わっているかもしれない。
一度だけ行った例外処理が、通常のやり方として扱われているかもしれない。
以前の判断そのものが、十分に検討されていなかった可能性もある。

記録が残っていることと、意味が残っていることは違う。

記録の意味とは、その判断がどの条件で成立し、いつまで有効で、誰が確認すべきかが分かることである。

検索できることと、使ってよいことも違う。

AIが答えを返したことと、その答えを現場で採用できることも違う。

AIが記録を滑らかにつなげるほど、その接続が現在の仕事にとって妥当かどうかを確かめる必要が出てくる。

ここで必要になるのが、人の判断である。

AIは判断をなくすのではなく、場所を変える

AIを導入すると、一部の確認は減る。

資料を探す時間が減る。
過去の経緯を人に聞く機会も減る。
定型的な質問にはAIが答えてくれる。

しかし、判断そのものがなくなるわけではない。

これまでは、

「前回どうしたか」

を人が思い出す必要があった。

これからは、

「AIが示した過去の記録を、今回も使ってよいか」

を判断する必要がある。

これまでは、

「どの資料を探せばよいか」

を考えていた。

これからは、

「AIが集めた資料のうち、どれを重く見るか」

を考える必要がある。

記録を残す人にあった属人性は、記録を選び、解釈し、採用する人へ移る。

AIは判断を消すのではない。

判断を、記憶から選択へ移す。

属人性は、すべて悪いものではない

業務改善やDXでは、属人化をなくすことが重要だと語られる。

たしかに、一人しか分からない仕事や、その人がいなければ止まる業務には問題がある。

しかし、属人性そのものまで消す必要があるのだろうか。

人は、それぞれ違うところを見る。

経験のある人は、小さな違和感に気づく。
営業担当者は、顧客の言葉の温度を感じ取る。
事務担当者は、いつもと少し違う数字を見つける。
現場を知る人は、マニュアルどおりでは危ない場面を察知する。

こうした観察や判断は、人に固有のものである。

それは発展や改善のきっかけになることもある。

問題なのは、属人性ではなく、属人化である。

属人性とは、人に固有の観察、経験、違和感、工夫である。

属人化とは、それらが本人の中に閉じて、他の人が仕事を再開できない状態である。

AIによる記録は、閉じた属人化を外へ出す助けになる。

しかし、属人性そのものを排除するわけではない。

むしろ、記録が増えたあとには、

どの過去判断を疑うか。
どの慣習を引き継がないか。
どこで新しく考え直すか。

という、人に固有の判断がより重要になる。

過去へ戻ることと、過去から離れること

記録には、二つの役割がある。

一つは、過去へ戻るための役割である。

前回どうしたかを確認する。
誰が判断したかを見る。
どの例外があったかを知る。
どこまで処理が進んでいたかを確認する。

これは、仕事を再開するために必要である。

もう一つは、過去から離れるための役割である。

前回と同じでよいのか。
古い慣習が残っていないか。
当時とは条件が変わっていないか。
一度、ゼロベースで考え直した方がよいのではないか。

記録があるからこそ、過去を疑うこともできる。

ただ前例に従うのではなく、なぜそうしていたのかを確認し、必要なら変える。

AIの使い方も、この二つに分けて考えた方がよい。

一つは、履歴参照として使う方法である。

過去の判断や経緯を確認し、仕事へ戻る。

もう一つは、ゼロベースで再検討する方法である。

過去の記録をいったん外し、現在の条件で考え直す。

AIに多くの過去記録を参照させれば、過去の延長線上にある答えは出しやすくなる。

しかし、それが新しい判断を妨げることもある。

AIは、過去を引き継ぐためだけでなく、過去から離れるためにも使う必要がある。

すべてを記録すればよいわけではない

AI時代には、すべてを記録するという発想が強くなるかもしれない。

会議も、会話も、操作も、判断も、できる限り残す。

記録が多ければ、あとから役に立つ可能性は高まる。

ただし、すべてを残せば、それだけで仕事が良くなるわけではない。

記録には、保存期間、閲覧範囲、訂正方法の設計も必要になる。

古くなった手順をどう扱うのか。
誤った判断をどのように訂正するのか。
誰がどこまで見てよいのか。

すべてを残せることは、すべてを残すべきことを意味しない。

AIに大量の記録を渡すほど、記録の境界や扱い方を人が考える必要がある。

小規模事業者は、すべてを残さなくてよい

小規模事業者にとって、すべてを記録することは現実的ではない。

会議をすべて文字起こしし、メールや電話をすべて整理し、あらゆる判断理由を残す。

そこまで行うための時間も、人手もないことが多い。

だからこそ、記録するものを選ぶ必要がある。

たとえば、次のような小さな記録でよい。

「なぜこの処理にしたのか」
「今回だけの例外なのか」
「次回も同じでよいのか」
「誰に確認したのか」
「どこから専門家へ渡すのか」
「この手順は古いが、まだ残しているのか」
「次回は見直した方がよいのか」

こうした一言が残っていれば、AIはあとから整理できる。

逆に、記録量だけが増えても、理由や境界が残っていなければ、AIは過去の情報を滑らかにつなぐだけになる。

大切なのは、記録の量ではない。

あとから判断へ戻れるかどうかである。

AIに記録を残すほど、人の判断は必要になる

AIに記録を残すことは、これからの事務処理で重要な選択肢になっていく。

記録があれば、仕事へ戻りやすくなる。
担当者が変わっても、過去を確認できる。
人の記憶だけに頼る場面も減らせる。

しかし、記録が増えれば、判断がなくなるわけではない。