生成AI導入の成否を左右するマネジャーの5つのタイプと対応策
Illustration by Sandra Rilova
サマリー：生成AIの導入が進む中、多くの組織で現場への定着が停滞する問題が生じている。背景には、経営陣の野心を日々の業務へ橋渡しする中間管理職の存在を軽視し、一律の施策に終始している現状が存在する。本稿では、中間管理職が抱く5つのマインドセットを解き明かし、各タイプに最適化された介入策を通じてAI導入を成功に導く方策を提示する。

生成AIの導入が進まない真因はどこにあるか

　生成AIで最も一般的な失敗要因は、取締役会でも、ベンダー候補リストでも、研修のポータルサイトでもない。それは、経営陣の野心を日々の行動に変換しなければならない管理職にある。組織のシニアリーダーが予算を承認し、プラットフォームを選び、活用を義務づけたのに、生成AIの導入が進まないのはそのためだ。AIが日常業務に溶け込むか、マイナーな実験に終わるか、コンプライアンス上の頭痛の種となるか、それとも組織的な回避姿勢の犠牲となるかは、中間管理職によって決まる。

　中間管理職は、経営陣の決定を実行に移す以上の働きをする。その決定が、従業員にとって何を意味するか解釈するのだ。現場のチームは、自分たちのマネジャーを見て、AIが有用なツールなのか、一時的な流行なのか、監視の仕組みなのか、それとも将来の人員削減を示唆するものなのかを判断する。あるエグゼクティブが、AIは単純労働を減らしてくれると約束した時、従業員がその言葉を信用するのは、マネジャーが実際に仕事量やレビュー業務、期待される成果、そして決定権を変更してくれた時だ。すると生成AIの導入は、従来のようなソフトウェアの導入ではなく、オペレーションモデル上の課題と受け止められる。中間管理職が位置するのは、戦略的な野心が従業員の不安や漠然とした方針、既存のワークフロー、そして欠陥のあるアウトプットに対する責任と交錯する場所だ。

　シニアリーダーは、問題を見誤ることが多い。AIの導入は、「戦略を明確にする」「技術を選ぶ」「従業員を教育する」という3つの作業だと思っている。これらは必要だが、それだけで十分であることは滅多にない。AI変革は、ほとんどのオペレーションモデルの進歩よりも急速に進んでいる。

　2025年のマッキンゼー・アンド・カンパニーのレポート「AIの現状」（State of AI 2025）によると、AIは幅広く利用されているが、多くの組織は依然として、ワークフローやプロセスにAIを深く組み込んでおらず、大きな事業価値を捉えられていない。さらに、マイクロソフトとリンクトインの2024年の「ワーク・トレンド・インデックス」（Work Trend Index）によると、従業員は職場ですでにAIを活用しているが、多くのリーダーは依然として個人の生産性向上からビジネス価値の向上に至る明確な道筋を見出せておらず、熱意と実行の間にギャップがあることを浮き彫りにしている。そこには、マネジメントにより翻訳するメカニズムが欠けている。つまり、どのワークフローを変更し、どのように品質をチェックし、どの従業員に試用を認め、AIの仕事にミスがあった時どうするか、そしてこれらを誰が決めるかが、明らかになっていない。

　エグゼクティブチームが、全部門で生成AIの活用を開始するべきだと発表した場合、何が起こるか考えてほしい。あるマネジャーは従業員による実験を許可し、検証の基準を策定し、変更する価値のあるワークフローを特定する。別のマネジャーはほとんど何も言わず、より明確な指針が示されるのを待ち、引き続き従来のプロセスによって従業員を評価する。数カ月すると、前者のチームは再現可能なプラクティスを確立しているが、後者のチームではAIを避ける従業員と、ひそかに（誰のチェックも受けずに）AIを活用する従業員に分断されてしまう。

　それは足並みの乱れをもたらすだけでなく、クオリティのばらつきや、潜在的なデータリスク、実験の重複、従業員の不満、そして成果も見えない技術投資といった問題を引き起こす。生成AIが任意の実験から中核的なビジネスプロセスへと移行するにつれて、組織はこうした決定を管理職の思いつきに任せる余裕はなくなっていく。

導入を左右するマネジャーの5つのマインドセット

　筆者の研究は、より厳密な分析を目指した。新著The Psychology of AI Adoption at Work（職場におけるAI導入の心理学、未訳）を執筆するにあたり、計250人以上の中間管理職を対象に、35回以上のフォーカスグループを実施するとともに、保険、製造、法務、小売り、教育、テクノロジーなどの多様な組織に22件の聞き取り調査を行ったところ、中間管理職は一様に「変化に抵抗する層」に属するわけではなく、5つのサイコグラフィック（心理的属性）に分類できることがわかった。そして、それぞれが圧力、リスク、証拠、インセンティブ、ガバナンスに異なる反応を示す。それをすべて同じように扱うと、目覚ましいパイロットプロジェクトがいくつか生まれるかもしれないが、部門を問わず一貫した導入がもたらされることは、まずない。

AI懐疑論者

　第1のタイプであるAI懐疑論者は、最も皮肉られやすく、最も誤った扱いを受けやすいマネジャーだ。彼らは単なる頑固者ではなく、責任や雇用喪失、個人情報、クオリティ、そして自動化がもたらす人的コストに正当な懸念を抱いていることが多い。また、過去の「変革」が掛け声ばかりで、むしろ従来のプロセスを壊して終わったのを目の当たりにしてきた。そして、AIが生成したコンプライアンスサマリーに誤りがあった時、責任を問われるのは自分だと考えている。エグゼクティブが効率を語る時、AI懐疑論者は人員削減のリスクを感じ取る。

　懐疑的なマネジャーは現場で、AIツールの承認を先延ばしにしたり、AIの活用を各自が任意で実験的に使うことに限定したり、利用する場合は正当な理由を示すよう義務づけたりする。筆者が実施したリーダーシップ研修では、その会社のIT部門がソフトウェアパッケージの利用規約を精査・承認済みで、その規約には、登録ユーザーのデータを使ってAIを訓練することはないと明記されていたにもかかわらず、懐疑的なマネジャーがAIツールというものは信用ならないから、自分のチームのデータを委ねることはできないと言い張ったことがある。教育機関や非営利団体では、AIが電力や水を過剰に使うからという理由で、AIの利用に消極的な姿勢を示すという形で、こうした敵意が表面化することもある。

　AI懐疑論者に率いられたチームは、AIを全面的に避けるか、プロンプトや結果、間違いを共有せずにこっそり利用するかのどちらかであることが多い。前者の場合、学習を阻害することになるし、後者の場合はクオリティやセキュリティについて共通の基準のない中で、AIがひそかに利用されることになる。

　懐疑論者たちに対する不適切な介入策は、さらなる啓蒙を行うことである。彼らは、責任ある証拠を要求する。したがって、リーダーは彼らに小規模でリスクの低いパイロットプロジェクトを任せるべきだ。その際、指標をきちんと定義し、人間が見直し、AIの関与で生じたミスの責任を誰が負うかについて明確なルールを定めておくこと。この種のAIパイロットプロジェクトは、派手なデモではなく、慎重に選ばれたワークフローの実験だ。その中でサイクルタイムやクオリティ、やり直し、従業員経験、そしてリスクイベントを現行のプロセスと比較する。懐疑論者たちは、組織が他者の生産性を向上させるのと引き換えに、自分たちに野放しのリスクを負わせようとしているのではないと納得する必要がある。

様子見の伝統主義者

　第2のタイプは、もう少し目立たないボトルネックを生み出す。この手のマネジャーはAI導入を妨げるのではなく、導入を遅らせる。さらなる実証データや、別部門での教訓、追加のポリシー、あるいはもう1四半期の観察を求めるのだ。慎重な表現を選ぶため、その抵抗は理にかなっているように聞こえることが多い。だが、すべてのチームがよそのチームによる先行データを待つという消極的な姿勢は、戦略的な足かせとなる。このような場合、AI導入に伴う変革の管理は、ありきたりな研修にとどまらず、信頼できる社内事例によるピアプレッシャーをもたらすべきだ。

　様子見の伝統主義者は、威圧されるよりも、比較される時のほうがよい反応を示す。したがって、隣接する部門でパイロットプロジェクトを成功させた尊敬されるマネジャーとペアを組ませよう。マーケティングチームが人間による編集権を維持しつつ、初稿作成時間を短縮した事例や、財務チームが最終判断を自動化することなく、AIを活用して差異説明をまとめた事例を示そう。全社的な大目標ではなく、彼らのワークフローと結びついた小規模な導入コミットメントを与えよう。彼らの最大の問いは、「AIはよいものなのか」ではなく、「なぜ、私の限られたマネジメントリソースを、いまこれに割くべきなのか」だ。リーダーは、彼らの部門の制約を踏まえた答えを示す必要がある。