AIに調査を頼み、その結果で資料を作り、次の作業まで進めてもらう。そんな使い方が身近になってくると、管理者は必ずこう考えます。
「どこまで任せて、どこで自分が確認するべきだろう?」
この問い自体は新しくありません。部下に仕事を任せるとき、管理者はずっと同じことを考えてきました。違うのは、AIを相手にすると、これまで曖昧なままでも回っていた「任せ方」の弱いところが、はっきり表に出てくることです。
私たちGLOBAL SERVICEの「AI職場実践コース」では、自分の背景や目標をAIに伝えることや、仕事の進め方を繰り返し使える手順にすることを扱っています。受講者の実践から見えてきたのは、AIを仕事に取り入れるうえで一番難しいのはAIの操作ではないということです。難しいのは、頼む側が自分の仕事を整理することです。
今回は、AIエージェントとの協働を、管理者の「分担と権限委譲」という視点から少し掘り下げて考えます。
AIは「空気」で隙間を埋めてくれない
人に仕事を頼むとき、指示に書かれていない部分は、相手が文脈や経験、職場の空気で補ってくれます。「たぶんこういうことだろう」と察して動き、迷ったら声をかけてくれる。指示が曖昧でも、関係性と常識が支えてくれていたわけです。
AIエージェントも隙間を埋めます。ただし埋めるのは「察し」ではなく「もっともらしい推測」です。しかも、迷っている様子をあまり見せません。確認できない数字を、それらしく補った報告書が、何の迷いもない文章で返ってくることがあります。
つまり、AIへの依頼で起きる失敗の多くは、AIの能力不足よりも、頼む側が言葉にしていなかった前提から生まれます。逆に言えば、AIに仕事を任せようとすることで、自分が普段何を判断しているのかが初めて見えてきます。
「作業」と「判断」の境目は、難しさでは決まらない
たとえば、毎月の部門報告を作る仕事を考えてみましょう。
契約一覧を読み、前月との差分を調べ、部門ごとの人数を集計する。入退場情報との不一致を確かめ、報告文にまとめる。「月次報告」という一つの仕事の中に、性質の違う工程がいくつも入っています。
資料の照合、差分の抽出、文章の下書き。こうした工程はAIに任せる範囲を決めやすい部分です。一方で、数字の変化をどう読むか、どの課題を優先するか、どんな対応を約束するかには、管理者の判断が要ります。
ここで気をつけたいのは、「簡単なことは作業、難しいことは判断」と分けてしまうことです。境目はそこではありません。
基準になるのは、その工程が誰かへの約束や責任を生むかどうかです。差分の抽出は複雑でも、正解があって検証できます。逆に「この減少は一時的なものと見ている」という一文は、短くても、管理者が経営層に対して見立てを示すことになります。後で説明を求められるのは、その一文を書いた人です。
まずは仕事を工程に分けて、「正解を探す作業」と「選択をして責任を引き受ける判断」に仕分けてみる。分担を考えるのはそこからです。
「任せる範囲」を書くことは、自分の判断基準を棚卸しすること
「月次報告を更新しておいて」とだけ頼むと、途中で迷う場面がたくさん残ります。
退職済みの人は人数に入れるのか。兼務者はどちらの部門で数えるのか。資料によって数字が違ったら、どちらを優先するのか。確認できない情報まで補ってよいのか。
ベテランの管理者は、こうしたことを経験で一瞬のうちに判断しています。本人にとっては当たり前すぎて、言葉にしたことがないかもしれません。AIに任せるには、その「当たり前」を書き出す必要があります。
- 指定した契約一覧を基準にして、前月との差分を確認する。
- 人数は所属部門で集計し、業績の部門間配分とは分けて扱う。
- 根拠を確認できない項目は変更せず、確認事項として報告する。
- 数値と事実関係の下書きまで進め、経営判断を含む記述は管理者が確認する。
この中で一番大事なのは、三つ目の「根拠がなければ変更せずに報告する」です。AIによくある失敗は、手を止めることではなく、止まるべきところで止まらずに、それらしく埋めて先へ進むことです。ですから、任せる範囲を決めるときは「何をしてよいか」と同じくらい、「どんなときに止まるか」を決めておくことが大切です。
もう一つ、ルールは多ければよいわけでもありません。条件を足し続けると指示が長くなり、かえって肝心な条件が守られにくくなります。私たち自身もその経験があります。書くべきなのは、思いつく限りの注意点ではなく、「ここを間違えると結果が変わる」という急所です。
確認のタイミングは「やり直せるか」と「誰に届くか」で決める
すべての操作を一つずつ承認していたら、管理者の手間はかえって増えます。確認するタイミングはあらかじめ決めておきましょう。そのとき役に立つのが、次の二つの物差しです。
一つは可逆性です。間違っても簡単にやり直せるかどうか。もう一つは影響範囲です。結果が社内にとどまるのか、顧客や取引先に届くのか。
社内向けの資料整理や修正できる下書きは、ある程度まとまった段階で確認すれば十分です。情報の食い違いが見つかったら、その時点で止めて相談してもらう。社外への送信や公開、契約条件の変更のように、取り消しが難しく外部に影響するものは、必ず実行前に人が承認します。
この考え方は、日本企業の稟議に近いものです。起案は担当者が進め、決裁は権限のある人が行う。ソフトウェア開発でも、変更内容をレビューしてから本番に反映する仕組みが当たり前になっています。AIとの協働でも、すべての工程を監視するのではなく、取り返しがつかなくなる手前に承認の関門を置く。そう設計すれば、任せるスピードと安全を両立しやすくなります。
確認そのものをAIに手伝ってもらう方法もあります。成果物を作るエージェントと、それを点検するエージェントを分けると、単純なミスや抜けはかなり減ります。それでも最後は人が確かめます。確認作業は自動化できても、確認の責任は自動化できないからです。
経験を手順にすると、任せ方そのものが育っていく
コースで扱っている「Skill」の考え方は、こうした任せ方を整理するのにも役立ちます。
ここでいうSkillは、自分が繰り返し使う仕事の手順や判断基準を、AIが参照できる形にまとめたものです。必要な入力、作業の順番、確認するポイント、完成物の形を整理しておきます。
最初から完璧なものを作る必要はありません。むしろ価値が出るのは、使ってみてからです。「この条件が抜けていた」「ここは途中で確認が必要だった」と分かったことを書き足していく。Skillは、失敗の記録が積み重なってできる手順書だと言えます。
ただし、AIが勝手に手順を良くしてくれるわけではありません。どの失敗を手順に反映するか、どの例外をルールにするかを決めるのは人です。改善のループを回す担当者がいなければ、手順は古くなり、そのうち誰も信用しなくなります。
チームで共有するなら、「誰の業務に使えるか」「誰が内容を見直すか」を決めておく。そうすれば、特定の人の頭の中にあった経験が、チームの資産として引き継がれていきます。
任せた後も、成果への責任は手放さない
AIが作業を進めても、成果物を採用するかどうかの判断と、その結果を説明する責任は人に残ります。
管理者が確かめるのは、文章の見栄えだけではありません。頼んだ目的に合っているか。根拠は確かか。大事な抜けはないか。次の行動につながるか。作業を始める前に、完成物を受け取る基準を持っておく必要があります。
これは、メンバーに仕事を任せるときも同じです。目的と権限を伝え、必要な支援を用意し、成果を確かめる。AIとの協働は、普段のマネジメントを見直すきっかけにもなります。
管理者の仕事は、どこへ移っていくのか
最後に、もう少し先のことを考えてみます。
AIが情報の整理や下書きを担うようになると、管理者の仕事の中身も変わっていきます。上の方針を細かく分けて伝える、情報を集めて転送する、日程表を作る。こうした「つなぐ」「翻訳する」ための仕事は減っていくでしょう。代わりに大きくなるのは、目的を示すこと、判断基準を設計すること、そして最後に責任を持って決めることです。
見落とせない点がもう一つあります。これまで若手は、資料の照合や下書きといった基礎的な仕事を通じて、少しずつ判断力を身につけてきました。その仕事をAIが担うようになると、若手が経験を積む場が知らないうちに消えてしまうかもしれません。
だからこそ管理者には、AIへの任せ方と同時に、人が育つ場をあえて設計することが求められます。たとえば、AIの成果物を若手にレビューしてもらい、「なぜこれを採用するのか」「どこが不十分か」を説明してもらう。AIに仕事を任せる設計と、人を育てる設計は、別々の課題ではありません。
まず一つの仕事から
GLOBAL SERVICEでは、AIを職場でどう活かし、一人ひとりのキャリアの成長にどうつなげるかを、実践を通じて考えています。
最初の一歩は、繰り返し発生する仕事を一つ選ぶことです。その仕事について、次の五つを書き出してみてください。
- 目的は何か
- どこまで任せるか
- どんなときに止まって相談してもらうか
- どのタイミングで、誰が確認するか
- 何をもって完了とするか
書いてみると、AIに渡す依頼文になるだけでなく、自分がこれまで無意識にしてきた判断の地図にもなっているはずです。AIと一緒に成果を出す準備は、そんな身近な仕事の整理から始まります。