Fair Processから考える、納得と合意形成のAI活用
1. 企業では、成果物ができても仕事は終わらない
前回は、ほどよい不便が人間に意味や学びをもたらしてくれることを紹介しました。
では次に、AIと検討した計画は、組織でどうやって実行されるのかを考えてみたいと思います。
企業でAIを使うと、たたき台を作る速度は大きく上がります。戦略案、企画書、会議資料、営業資料、調査レポート。AIを使えば、以前より短い時間で、一定の完成度の成果物を作ることができます。
これは、実務上とても大きな価値です。会議前の準備が速くなる。論点を整理しやすくなる。資料の見た目も整う。何もないところから始めるより、ずっと前に進みやすくなります。
しかし、企業における仕事は、成果物ができたところで終わりではありません。
戦略案は、実行されなければ意味がありません。企画書は、関係者が動かなければ成果につながりません。会議資料は、読まれ、理解され、納得され、次の行動に結びついて初めて価値を持ちます。
筆者自身も、業務の中でAIを使いながら、「成果物を作ること」と「人間たちがそれを引き受けて実行すること」は別の問題だと感じるようになりました。AIは、資料を整えることは得意です。論点を並べることも得意です。けれども、その案を誰が信じ、誰が説明し、誰がリスクを引き受け、誰が最後まで進めるのかは、人間の側に残ります。
ここで重要になるのが、「正しい案」だけではなく、「みんなが納得して決めた」という記憶です。
2. 「AIが出した答え」は、なぜ実行されにくいのか
AIがもっともらしい結論を出しても、関係者がその結論に関わっていなければ、実行段階で力が出ません。
表面的には合意していても、どこかで「自分たちが決めたものではない」「自分の懸念は扱われなかった」「なぜこの案になったのか分からない」という感覚が残るからです。
たとえば、AIが作った新規事業案があったとします。市場分析も整理されている。顧客課題も書かれている。収益モデルも整っている。資料としては美しい。
しかし、営業担当が「この顧客は本当に困っているのか」と感じている。開発担当が「この仕様は現実的ではない」と感じている。管理部門が「運用負荷が見えていない」と感じている。経営層が「なぜ今これに集中するのか」をつかみきれていない。
こうした懸念が扱われないまま、AIが整えた案だけが前に出ると、実行段階で止まりやすくなります。
企業で必要なのは、単に結論を共有することではありません。
誰が何を心配していたのか。
どの反対意見が検討されたのか。
なぜ最終的にこの案を選んだのか。
何を捨て、何を引き受けることにしたのか。
こうしたプロセスの記憶があるから、人は実行段階で踏みとどまることができます。
3. Fair Process――納得は、結論だけではなく手続きから生まれる
この問題を考えるうえで参考になるのが、手続き的公正、特に “Fair Process” の考え方です。
Fair Process は、単に全員一致を目指すことではありません。意思決定に関係者を関与させ、最終判断の理由を説明し、これから何が期待されるのかを明確にすることです。Kim and Mauborgne は、Fair Process の要素として、engagement、explanation、expectation clarity を挙げています。すなわち、関与、説明、期待の明確化です。
これは、AI時代の企業活動にとって非常に重要です。
AIは、答えを速く出せます。しかし、AIは関係者の納得を自動で作るわけではありません。むしろ、AIが速く答えを出すほど、人間同士が「どう考えたか」「何に迷ったか」「なぜその案を選んだか」を共有する時間が短くなりがちです。
その結果、会議は短くなり、資料はきれいになり、意思決定は速くなったように見える。しかし、実行フェーズで「本当にこれでよいのか」「誰が責任を持つのか」「自分たちは何を引き受けたのか」が曖昧になることがあります。
Fair Process の観点から見ると、AIを使った意思決定では、少なくとも3つの問いを残す必要があります。
第一に、関係者は意見を出す機会を持ったか。
第二に、最終判断の理由は説明されたか。
第三に、決定後に誰が何を期待されているかは明確になったか。
この3つがないまま、AIの出力だけが共有されると、チームは動きにくくなります。
4. 合意形成の時間は、単なるロスではない
企業における合意形成では、結論だけでなく、結論に至るプロセスが重要です。
自分の意見を出した。反対意見も扱われた。最終判断の理由を聞いた。自分たちに期待される役割が分かった。だから、たとえ自分の案がそのまま採用されなかったとしても、前に進むことができる。
これが、Fair Process が示す大切な点です。
戦略の実行研究にも近い知見があります。Dooley, Fryxell, Judge は、戦略的意思決定チームにおけるコンセンサスとコミットメントが、戦略実行の速度や成功とどう関わるかを検討しました。この研究は、意思決定者間の合意やコミットメントが実行と関係することを扱っています。
もちろん、合意形成には時間がかかります。AIを使えばすぐに案が出るのに、なぜ人間同士で話し合う必要があるのか、と感じることもあるでしょう。
しかし、その時間は単なるロスではありません。企業においては、合意形成の時間そのものが、実行の土台になります。
むしろ、AIが資料作成や論点整理を速くしてくれるからこそ、人間は合意形成に時間を使いやすくなるはずです。AIによって削るべきなのは、転記、整形、抜け漏れ確認のような作業です。AIによって残すべきなのは、人間が納得し、責任を引き受けるための対話です。
5. 合意とは、共通の理解を積み上げること
さらに、コミュニケーション研究の “grounding” という考え方も参考になります。Clark and Brennan は、共同の行為は共通基盤、すなわち参加者のあいだで共有された理解の蓄積の上に成り立つと論じています。grounding は、内容だけでなく、会話の進め方や相互確認を通じて共通基盤を更新していくプロセスとして説明されています。
つまり、合意とは「賛成です」と言うことだけではありません。
私たちは何を同じように理解したのか。
どこにはまだ違いがあるのか。
何を前提として進むのか。
どの懸念は解消され、どの懸念は残ったまま進むのか。
そうした共通基盤を作ることが、合意形成の中核です。
この視点から見ると、業務用AI支援システムに必要なものも変わります。
AIは、単に完成度の高い資料を出すだけでは不十分です。むしろ、人間たちがどう関わり、どこで納得し、何を引き受けたのかを残す必要があります。
6. 業務用AIは、合意形成の記憶を残せるか
たとえば、AIが戦略案を出したあとに、関係者が「賛成点」「懸念点」「保留点」を記録する。
AIが会議を要約するだけでなく、「どの論点で合意したのか」「どの論点は次回に持ち越したのか」を整理する。
AIが最終案を整える前に、「誰の懸念がどう反映されたのか」を明示する。
こうした機能は、単なる議事録作成ではありません。チームが「私たちはこのプロセスを経て決めた」と思い出せるようにするための、合意形成の記憶です。
さらに、業務用AIには次のような役割も考えられます。
会議の最後に、「今日、実際に合意したこと」と「まだ合意していないこと」を分けて提示する。
意思決定の前に、「この案でまだ声を拾えていない関係者は誰か」を示す。
最終案の横に、「反対意見がどのように扱われたか」を残す。
実行計画の中に、「誰が、なぜ、この役割を引き受けるのか」を書き込む。
これは、AIが人間の代わりに合意するということではありません。AIが、人間同士の合意形成を見える形にするということです。
AIが出した答えを人間が実行するのではありません。AIを使いながら、人間たちが自分たちの判断を編み上げる。そのプロセスがあるから、実行が続きます。
7. AI時代の組織に必要なのは、答えではなく「引き受ける力」
これからの業務用AIに求められるのは、成果物生成の速さだけではありません。人間の意欲、所有感、納得、合意形成を支えることです。
AIは、会議を短くすることができます。資料作成を速くすることができます。論点整理を助けることができます。
しかし、企業が本当に必要としているのは、速く出された答えだけではありません。人々が「これは私たちが考え、納得し、引き受けたことだ」と感じながら実行し続ける力です。
AI時代の組織に必要なのは、答えを自動化することではありません。人間たちが意味を共有し、納得し、共に動き続けるためのプロセスを、技術と仕組み（制度）の中に設計することです。
シリーズ「AI時代の『人間らしさ』を考える」
本記事は、AI時代に人間の創造性、所有感、納得感をどう保つかを考える全3回シリーズの第3回です。
シリーズ構成
第1回：AIに任せすぎると、なぜ私たちは満たされないのか
――自己決定理論とIKEA効果から考える、創造性と所有感
第2回：便利すぎるAIに、なぜ「ほどよい不便」が必要なのか
――不便益とSlow Technologyから考える、人間の関与のデザイン
第3回：AIが出した答えを、なぜチームは実行できないのか
――Fair Processから考える、納得と合意形成のAI活用
シリーズのまとめ
このシリーズでは、AI活用を単なる効率化の問題としてではなく、人間の意欲、所有感、納得感をどう支えるかという観点から考えてきました。
第1回では、自己決定理論とIKEA効果をもとに、AIで成果物が速く作れる時代にも、人間には「自分で選び、関わって完成させた」という感覚が必要であることを見ました。
第2回では、不便益とSlow Technologyをもとに、すべてを便利にするのではなく、人間が考え、迷い、選び、意味づけるための「ほどよい不便」を残すことの価値を考えました。
第3回では、Fair Processや共通基盤の研究をもとに、企業におけるAI活用では、正しい答えだけでなく、「私たちは納得して決めた」という合意形成の記憶が重要であることを見ました。
AI時代に大切なのは、すべてを自動化することではありません。人間が人間らしく関わり、意味を感じ、仲間とともに実行し続けるための余地を、技術と仕組み（制度）の中にどう設計するかです。
参考文献
Kim, W. C., & Mauborgne, R. “Fair Process: Managing in the Knowledge Economy.” Harvard Business Review, 1997.
Dooley, Robert & Fryxell, Gerald & Judge, William. (2000). Belaboring the Not-So-Obvious: Consensus, Commitment, and Strategy Implementation Speed and Success. Journal of Management – J MANAGE. 26. 1237-1257. 10.1016/S0149-2063(00)00081-7.
Clark, H. H., & Brennan, S. E. (1991). Grounding in communication. In L. B. Resnick, J. M. Levine, & S. D. Teasley (Eds.), Perspectives on socially shared cognition (pp. 127–149). American Psychological Association. https://doi.org/10.1037/10096-006
この記事の執筆者
