人間は「作業者」から「ディレクター」へ

では、日本はどのような選択を取るべきなのか。

現状の日本は、速度でも規模でも中国に劣り、制度設計においても米国に依存しているという中間的な立場にある。このままでは、どちらのモデルにも主体的に関与できず、結果として外部で設計された仕組みを受け入れる側に回る可能性が高い。

しかし、日本には依然として独自の強みが存在する。それは、現場に蓄積された精緻な判断能力と運用能力である。製造現場における微細な調整、設備の異常を感知する感覚、顧客との対話の中で最適な提案タイミングを見極める営業の判断、物流現場における段取り変更といった、数値化しにくいが実務の成果を大きく左右する判断が、日本の競争力の基盤となってきた。

問題は、この暗黙知をどのようにAIに組み込むかである。さらには、冒頭で述べたように、AIエージェントの時代において人間の役割は『作業者』から『ディレクター』へと移行する。日本が目指すべきは、この『ディレクター』としての能力を、現場の暗黙知と結びつけた形で設計することである。匠の技や暗黙知をAIに移植するだけでなく、その移植プロセスを設計し、監督し、改善し続ける人間側の能力こそが、日本の競争優位の核心となる。

溶接工
写真＝iStock.com／TerryJ
※写真はイメージです

「現場の暗黙知」がAIに実装できるように

ここで必要になるのは、単なるAI導入ではなく、業務の再設計である。具体的には、まず現場の業務を分解し、どの判断が再現可能で、どの判断が例外処理なのかを切り分ける。その上で、判断プロセスをデータとして記録し、評価指標を設計し、AIに学習させる。さらに、AIが関与した意思決定について、どこまで自律的に任せ、どこから人間が介入するのかという責任分界を明確にする必要がある。

例えば、製造現場では、熟練工が設備の異音や振動から異常を察知するプロセスをセンサーとデータで捉え、AIに再現させることができる。営業の現場では、顧客との対話履歴を蓄積し、どのタイミングでどの提案を行うべきかという判断をAIが支援できる。物流では、需要変動や遅延に応じたリアルタイムの段取り変更をAIが提案することが可能になる。これらはすべて、暗黙知をAIに移植するプロセスである。

このアプローチは、単なる効率化ではない。それは、現場の知をAIに実装し、再現可能な形で社会に拡張する戦略である。

ただし、この戦略は自然に成立するものではない。データ基盤、モデル開発、運用設計、制度設計といった複数の要素を同時に整備する必要がある。これは単なるIT投資ではなく、企業と社会の構造そのものを再設計する取り組みである。