生成AI導入をDXで終わらせない｜ハーネスエンジニアリングと職員総R&D

2026年8月4日 ・ 久保一成

#生成AI#DX#イノベーション#ハーネスエンジニアリング

生成AIの企業導入はDX・業務効率化で終わっていいのか

生成AIが登場する5年前、DXという言葉が流行っていました。 デジタル・トランスフォーメーション。 デジタル技術を使って、事業や組織の仕組みそのものを変革することです。

現在はAI革命の真っ只中。 世間では生成AIの企業導入が急がれています。 ところが、生成AIの企業導入の中身は、ほぼ当時でいうDX。 その中でも業務効率化に集中しています。

確かにDXは価値があります。 人手の足りない現場で30分業務効率化が生まれた。 賞賛されるべき成果です。

一方で、違和感もあります。AI革命は、DXのことだったのでしょうか？ 生成AIは人類史に残る発明だったはずです。

資料が速く作れる。メールの返信が自動化できる。調べ物が速くなる。 これらが革命の全内容なら、企業へのインパクトは活版印刷や羅針盤の発明の足元にも及ばない。

AI導入への期待は、当初は次のイノベーションを生み出す類のものだと思われていました。 イノベーションとは、すでにある要素を新しく組み合わせることによって、新たな価値が創造されること。

僕自身は、AIとの共同を始めてから、直感に反して、AIに任せられる執筆関係の業務はどんどん減り、人間が担う量がどんどん増えていっています。 一方で、システム開発のコーディングや動画編集も内製していますが、それらはほとんどAIが代行しています。 僕の動画編集でも、人間用の編集ソフトは開きもしていませんし、今ではもはやAIに指示すら出していません。 台本が完成した時点で、AIが自動で動画を仕上げてくれます。

でも、書き物は逆なのです。 書くという行為は、創発を誘うこと、いわばイノベーションの種を育てることだからです。

僕のこの使い方は、いま企業で進んでいる生成AI導入とはおそらく逆を向いている。 企業にDXが必要であることは間違いありません。 でも、その次が必要になるでしょう。

企業のAI導入について、一歩、踏み込んで考えてみましょう。

議事録の効率化はイノベーションではない——AI投資の効果と収益率

帝国データバンクが2026年3月に全国2万3,349社へ行い、1万312社から回答を得た調査では、業務で生成AIを活用している企業は34.5%でした。 活用している企業に用途を聞くと、最も多いのは文章の作成・要約・校正で45.1%。情報収集が21.8%。企画立案時のアイデア出しは、11.0%です。 活用企業の86.7%が、効果を感じたと答えました。

一方、経営成果として確立された投資収益率を見ると、話が変わります。 KPMGが2026年4月から5月に、20の市場で経営幹部2,145名に行った調査では、AI投資が収益率を改善したと答えた人は、7%。回答組織の今後1年のAI投資計画は、平均1300億円です。

効果が出ていると体感することと、企業の利益にそれらが寄与していることは、別の現象だと示唆されています。 まして、新しい価値が生まれることは、さらに別です。

DXで浮いた30分に次の議事録が入るなら、会社は導入前と同じ価値を、導入前より多く処理しているだけです。 処理量は増えますが、それが会社の利益に寄与しているかは疑問として残ります。

もちろん、人手が足りない企業にとって、同じ仕事を少ない負担で処理できることには、大きな価値です。 でも、それはAI革命の価値の一部でしかない。

DXは時間を作ります。 次の企業価値を作るのは、その空いた時間でイノベーションを起こすことによってです。

宅急便とシュンペーターの「新結合」——イノベーションは部品の関係から生まれる

1976年、宅急便の最初に集計された1日の取扱個数は、11個でした。 当時、家庭から出る小さな荷物は、いつ、どこから、何個出るかわからず、集配の手間がかかるため、採算が取れないと考えられていました。 ヤマト運輸の経営幹部の多くは、この事業に反対していました。

今では当たり前になっている宅急便ですが、始まった1976年当時は、常識外のビジネスだったのです。 個人の小さな荷物は、集配の手間ばかりかかって儲からない。 だから運送会社は企業の大口貨物を運び、個人は郵便局の小包に並ぶ。

ところがこのビジネスで組み合わされた部品は、どれも既存のものです。 トラック。運転手。酒屋や米屋の店先。荷物を集めて仕分ける拠点。 それぞれは、単体では目新しい発明ではない。 酒屋や米屋の店先は荷物の受付窓口に変わり、仕分けの拠点は翌日配達を支える中継点に変わりました。

小倉昌男さんは当時、息子のお古を甥に送ろうとして、個人が荷物を送る不便さに気づきました。 解決の材料は、一つの業界に閉じていません。 吉野家がメニューを牛丼に絞って成功したことから、新事業を家庭間の小口配送に絞る発想を得ました。 1973年、マンハッタンで、一つの十字路に4台停まるUPSの集配車を見て、集配の密度が採算を決めることに気づきました。 個人が感じた不便に、異なる現場で得た着想が結びついたのです。

取次店が増えるほど、荷物を出しやすくなる。 翌日配達の約束が、利用者を増やす。 担当区域の荷物の密度が上がるほど、集配車1台ごとの採算が改善する。 その採算が、取次店と配送網のさらなる拡大を可能にする。 この循環によって、家庭から家庭へ小さな荷物を集荷し、翌日に届ける民間事業が成立しました。

イノベーションの実態は、部品ではなく、部品どうしの関係の側にあります。 すでにある要素の組み合わせを変え、以前とは別の全体として実際に使ったとき、そこに部分価値の足し算以上の新しい価値が生まれます。

20世紀の初め、ヨーゼフ・シュンペーターはこれを新結合と呼びました。 経済を動かすのは、要素そのものではなく、要素の組み替えである。 彼はもう一つ、着想と遂行を分けています。

組み合わせの案が頭の中にあるだけでは、経済は動きません。 製品、工程、取引、組織として実行されて、初めて以前とは違う現実が生まれます。

まだ存在しない組み合わせに気づき、それを実際の製品や工程として遂行すること。 業務効率化で浮いた時間は、この組み合わせを探し、試し、遂行するために使われて初めて、次の価値に変わります。

では、その新しい組み合わせは、会社のどこから始まるのでしょうか。 顧客と商品と工程に、毎日手で触れている個人の違和感から始まります。

違和感はなぜ言葉にすると消えるのか——対話と執筆が創発を生む

違和感は、まだ言葉になっていない感覚です。 その違和感は、言葉にすることを急ぐと消えてしまう性質があります。 それらしい既知の名詞に吸収されてしまうからです。

言葉にすることは、実際の感覚を圧縮することです。 その圧縮の過程で、その言葉に収まりきらない重要な着眼点が削がれてしまいます。

1993年、ジョナサン・スクーラーらは、問題を解いている最中の人に、自分の考えを言葉にさせました。 それだけで、ひらめきが要る問題の正答率は下がりました。 一方で、手順を踏めば解ける問題では、下がりません。 壊れたのは、まだ言葉になっていない感覚です。

だから、違和感は、最初から正確な文章として入力できません。 正確な文章が書けるなら、それはもう違和感ではなく、すでに明確な命題になっているからです。

ところで、生成AIは、こちらが言葉にできたものを受け取り、言葉で返すシステムです。 だから生成AIに言語化した違和感を入力し、回答を求める方法は、イノベーションに向きません。 当の本人は、その言葉自体をまだ持ち合わせていないからです。

一方で、言葉にしなければ、企業はその違和感を検討することも、他の知識と繋ぐこともできない。 言葉にしがたい違和感は、言葉にすることを求められます。 ここにはパラドクスがあるのです。

言葉にしがたい違和感を、言葉へ近づける有力な方法が、対話です。 その現象を表現する言葉がなくても、その違和感を持つに至った経緯や背景は語れます。 本人が説明しきれない知識を、具体的な出来事から聞き出す方法は、すでに研究成果があります。

1998年、ロバート・ホフマンらは、実験者が実際に経験した出来事を何度も振り返り、質問によって時間の流れと判断の分岐をたどる手法を整理しました。最初から完成した説明を求めるのではありません。具体的な経緯をたどることで、本人も明確には説明できなかった知識を取り出します。 この手法は、クリティカル・ディシジョン・メソッドと呼ばれます。

何が起きたのか。普段と何が違ったのか。 その違いを、なぜ自分は気にしたのか。 他者へ説明しようとするうちに、自分自身の中で発想が少しずつ明確になっていきます。

対話以外にも方法があります。 書くことです。

ここには当然の疑問があります。 言葉にできていないのならば、書けないのではないか？

実は、人間は、書き始める前に、事前にその言葉が必要なわけではありません。 書こうとする行為によって初めて、言葉が創発されていくからです。

違和感の言語化は、あらかじめ用意されていた知識の型にあてはめる類のものではありません。 これまでの知見や様々なアナロジーを通して、創発されていくものです。 その時の感情を文章に起こそうと試みる過程で、自分の理解の全体が、その一文に収束する形で輪郭を帯び始める。

だから書く前には、まだその違和感を表せる表現は存在していませんし、必要もありません。 2018年、デイヴィッド・ガルブレイスらは、この過程を二つの作業に分けました。

覚えている内容を取り出す作業と、理解そのものをその場で合成する作業です。 同じ研究者たちは、書いている最中のキーボードの打鍵をすべて記録して、何が発見に結びつくのかも測りました。 発見に結びついていたのは、その場で文を作っていく作業でした。 書く前に構成を練る作業ではなかったのです。

僕の台本作成の過程では、着手した草案から、本当に投稿できる状態になるのは4本に1本くらいです。 残りの3本は、書いている途中で、論旨が成立していないことが分かります。 ただ、そのボツになった台本を書いている途中で、本当の論理や本当の着眼の方が創発されています。 だから、ボツになった台本は、採用台本を作るための重要な過程になっているのです。

そして、違和感を言葉にする上で、現代ではもう一つ有効なツールがあります。 生成AIです。

生成AIを「答え」ではなく「聞き役」として使う

生成AIに、そのまま違和感の中身を入力することはできません。 それを明示する名詞が、まだないからです。

僕自身も、生成AIを、質問を入力して答えをもらうためのUIとしては使っていません。 メモ帳やWordに近いものとして使っています。

僕は、もとよりAIから返ってくる助言そのものには、ほとんど価値を感じません。 効果があるのは、返答してくれる相手に向かってタイピングしている過程で、自分の考えがまとまっていくことのほうです。

ただ、AIは、自身が書いたことに対して、返答を返してくれるという点で、心理的には他者の代わりになっていると言えます。 回答の良し悪しにかかわらず、返答をくれる主体に対しては、自分の意見をまとめる工程が生まる。 これは対話のようなブレーンストーミングになっていると考えられます。

人が誰かに相談するときには、多くの場合、論理的な回答を期待していないのと同じです。 おそらく共感や、言葉を吐き出すことによって、自分の頭が整理されていることの方に価値があるはずです。 何かを相談しているときに、やたら割り込んで意見をくれる人と、頷きながらよく話を聞いてくれる人なら、後者への相談の方がリターンが大きい。

書くことによる思考の整理は、普通のメモ帳でも起こります。 他の人との対話でも起こります。 ただ、生成AIはその両面を持っている。

この感覚は、コンピューターを社会的な相手として扱う、人間側の反応として研究されています。 2021年、ソヒョン・パークらは、文章を書くためのチャットボットとGoogle Docsを比較しました。 Google Docsは、書いた文章を保存します。 チャットボットは、書いた文章に反応します。

30人が4日間使った結果、チャット形式では、自分の経験を一つの流れとして書くことや、感情を言葉にすることが促されました。 返答する形式には、自分の考えを振り返る過程を導く働きも観察されています。

人間は、相手がコンピューターだと分かっていても、その相手に礼儀や互恵性を向け、応答に性格まで読み取ります。 僕の使い方に引きつければ、生成AIが担っているのは、助言ではありません。 メモ帳には存在しない、聞き役です。

もとより、僕はChatGPTやClaudeのようなネイティブアプリを、そのまま使っているわけではありません。 自分用のアプリにAIを組み込んであり、入力画面は実際のメモ帳のようになっています。

ある程度の分量の文章を打つと、そこから自作のアプリを経由して、GPTやClaudeへ入力されます。 するとAIの返答とは別に、裏で別のエージェントが参考になる事前研究や文献、反例まで調べてくれる。 その回答を参考として度々確認し、必要によっては論理の修正が起こったり、新しい着想が生まれたりします。

AIの回答を、完成した助言として考えると、正直AIの意見はほとんど参考になりません。Claude FableでもGPT5.6でもどんぐりの背比べです。 一方で、周辺分野のリサーチや、自分がまだ知らない領域の理解を、書きながら同時に吸収できることは大きな利点です。 また、擬似的に対話の形式を取ることで、着眼を創発できていることは、間違いなくAIのおかげです。

もとよりAIがなければこの頻度で台本を書けないことも事実です。 この文章自体もおそらく書き上げられませんでした。

AIは、未完成な考えを人に見せる負い目なしに、何度でも対話でき、同時に周辺研究・反例・複数仮説を、自分一人で繰り返すことを可能にしました。

では、企業でのAI導入ではどうでしょうか？

企業のAI導入を職員総R&Dへ——ハーネスエンジニアリングという設計

企業がこれをしにくい理由は、AIを導入したとしても、職員に創発のための時間が還元されにくいからです。

一方で、AIソロプレナーや、AIを活用しているフリーランスは、すでにAIを深く利用しやすい状態にあります。 そしてAIの活用がうまく進んでいる個人が淘汰圧を勝ち残っていくため、その現象はより顕著に観測されます。

僕は現在の生成AIが、人間から入力を受け取るだけでイノベーションを作ってくれるとは、微塵も思っていません。 イノベーションは人間から生まれます。

AIにできることは、人間がイノベーションを生みやすい環境を作ること。 業務効率化による余剰時間の確保と、違和感を形に育むまでのリサーチ、対話、メモ帳を一手に担う助手です。

AIに任せる執筆関係の業務はどんどん減り、人間が担う量がどんどん増えていっています。 おそらく、生成AIの活用はこちらの方が本筋です。 AIに記事を量産させるのではなく、AI由来の出力はどんどん減り、人間の頭を絞ったもののみが淘汰圧を勝ち上がる力を持ちます。

僕の観測の限りでは、これは執筆などの、着想を担う領域において見られる固有の現象です。 実際に、僕自身もコーディングや動画編集は、ほとんどAIが代行するようになっています。

でも、書き物は逆なのです。 書くという行為を通して、言葉が創発されるからです。 その創発こそが着想やイノベーションにつながります。 これはAIではなく人間の仕事なんですね。

企業のAI導入においても、一般的なChatGPTやClaudeへ、そのまま相談する方法はおすすめしません。 AIに答えを求めてしまうと、もっともらしい平均的な答えが返ってきて、せっかくの違和感の種が、その言葉の範囲へ無理やり押し込められてしまいます。 凡庸な単語に置き換えられた瞬間、現場にしかない多くの貴重な情報が消え、ただの一般論へ融解してしまいます。 社会では、せっかく生まれた違和感は、反芻する間もなく忙殺されるか、あるいは、ありきたりなラベリングによって凡庸な答えへ押し込められてしまっていることがほとんどでしょう。

だから企業は、AIを自社に合わせた独自のハーネスとして設計するべきです。 対話の進め方。AIに読ませる情報。元の観察を残す方法。記録の残し方。AIの出力の出し方。 次の検証への引き継ぎ。これらをまとめて設計する。これが、ハーネスエンジニアリングです。 AIはあくまでイノベーションを起こしやすい環境であり、イノベーションを担う主体は人間です。

有名なGoogleの20%タイムは、この時間の問題に正面から手を付けました。 就業時間の2割を、本業以外の自分の企画に使ってよい。 GmailもAdSenseも、ここから出たと言われています。 少なくともGoogleには時間を職員へ還元するという発想があり、それが今のGoogleのイノベーションカンパニーにつながっています。 決められた業務を処理する時間とは別に、職員自身が気づいた問題を考える時間を配る。 Googleは、その時間がイノベーションに寄与することを理解していました。

企業の生成AI活用はDXから始まります。 企業が次に増やすべきなのは、前線の職員が、観察から仮説までの初期工程に参加する機会です。 一人の天才に賭けるのではなく、現場からイノベーションの候補が生まれる回数そのものを増やす。 いわば職員総R&Dへのトランスフォーメーションです。 そのためには、企業がAI導入と、職員への時間の還元を、同時に行う必要があります。 イノベーションはAIからではなく、人間から起きるものだからです。