複雑さは誰の権力になるのか: 減税とAI開発をつなぐ「小さく作る」思想

「予算を増やすことには寛容なのに、税金を減らすことには慎重になる」。そして「AIに複雑なアプリを作らせるのは難しいが、小さなアプリならUnix哲学で作れる」。一見すると、前者は財政の話で、後者はソフトウェア開発の話だ。しかし、両者の底には同じ問いがある。

複雑さは、問題を解くために必要なものなのか。それとも、誰かの権限や既得利益を維持するために温存されているのか。

この問いから見ると、減税への抵抗と、小さなソフトウェアへの回帰は、意外なほど深く結びついている。どちらも、中央に集められた資源と判断を、より小さく、測定可能で、利用者に近い単位へ戻す試みだからだ。

複雑さは単なる技術問題ではない

私たちは通常、複雑な制度や大規模なプロジェクトを、複雑な現実に対応するための必然として受け入れる。社会には多様な人々がいて、課題は絡み合い、例外も多い。だから大きな組織、大きな予算、大規模なシステムが必要になる。確かに、それが正しい場面はある。

しかし、複雑さには二つの種類がある。ひとつは、現実そのものが持つ問題の複雑さ。もうひとつは、組織が自分の役割を維持し、拡大するために生み出す制度の複雑さだ。

問題の複雑さは、解決しなければならない。制度の複雑さは、ときに解体できる。

たとえば、行政が数兆円規模の施策を設計するとする。対象者の選定、申請手続き、委託先の管理、効果測定、例外対応、説明責任など、多くの工程が必要になる。だが、工程が増えたこと自体は、成果が上がったことを意味しない。むしろ工程が多いほど、失敗の責任が細かく分散され、誰も全体の結果を引き受けなくなる。

一方で、減税は構造が単純だ。政府が集める金額を減らし、納税者の手元に残す。もちろん、税制には公平性や財源の問題がある。それでも、歳出事業に比べれば、政府が新たな申請窓口や執行組織を設ける余地は小さい。結果として、税収が減るだけでなく、政府が介入できる領域も狭くなる。

ここに、制度の論理が現れる。組織は社会全体にとって有効な選択だけでなく、自分の権限を増やす選択を好む。

歳出は、予算、担当部署、委託、会議、評価制度を生む。減税は、それらを生みにくい。前者は「何かをしている」という形を取りやすく、後者は「何もしない」という誤解を受けやすい。しかし、行政の活動量と社会の改善は同じではない。

成果を生む制度と、活動を増やす制度を混同すると、複雑さはいつの間にか目的になる。

AIが苦手なのは、複雑な問題より複雑な組織である

この構造は、AIを使ったソフトウェア開発にも現れる。AIに「複雑で完成度の高いアプリを作って」と指示すると、うまくいかないことが多い。要求が曖昧で、機能同士が絡み合い、例外処理や権限管理、データ構造、画面設計が一度に要求されるからだ。

だが、これはAIの能力不足だけではない。人間のチームでも、同じ問題が起こる。大きなアプリケーションは、複数の部署、専門家、承認者、外部ベンダーの境界面にまたがる。各人が担当部分を最適化しても、全体としては遅く、壊れやすく、変更しにくくなる。

ここでUnix哲学が示す原則が重要になる。一つの道具には一つの仕事をさせ、小さく組み合わせる。 小さなプログラムは、理解しやすい。テストしやすい。置き換えやすい。失敗しても被害を局所化できる。AIにとっても、目的と評価基準が明確な小さな単位のほうが扱いやすい。

たとえば、社内の問い合わせ対応を改善したいとする。最初から、認証、チャット、文書検索、承認フロー、分析機能を備えた統合システムを作ろうとすれば、数か月の要件定義と大規模な開発体制が必要になる。しかし、最初の課題が「よくある質問を検索して回答候補を表示すること」なら、そこだけを小さなアプリにできる。

そのアプリが十分に役立てば、次に問い合わせ履歴を保存する。必要なら承認機能を加える。不要なら加えない。各機能が独立していれば、失敗した機能だけを捨てられる。これは単なる開発手法ではなく、意思決定を小さく保つ方法である。

反対に、最初から大きく作ると、システムの規模が組織の規模を正当化する。専門家が必要になり、会議が増え、契約が長期化し、変更のたびに承認が要る。やがて誰も「この機能は本当に必要か」と聞かなくなる。聞くこと自体が、すでに成立した予算と役割への脅威になるからだ。

「大きくする力」と「小さく戻す力」の対立

大規模な行政や大手コンサルティング企業がすべて悪いわけではない。大規模な災害対応、全国規模のインフラ、複雑な規制設計には、集中的な調整が必要だ。企業変革においても、複数部門を横断する専門知識が役立つ場合がある。

問題は、大きさが手段ではなく、成功の証拠として扱われることだ。予算が大きい。参加者が多い。資料が分厚い。導入期間が長い。こうした特徴は、困難さを示すかもしれないが、価値を示すとは限らない。

ここで、組織を評価するための簡単なモデルを考えてみよう。組織の価値を、次の四つの比率で見る。

価値創出率 = 利用者に届いた成果 ÷ 動員した資源

責任明確度 = 結果を説明できる担当者の数 ÷ 意思決定に関わった人数

可逆性 = 失敗したときに撤回や修正ができる範囲

権限依存度 = 成果ではなく、制度や予算への依存によって維持される活動の割合

大きな組織は、資源を多く動員するため、価値創出率が低下しやすい。関係者が増えるほど責任明確度も下がる。システムや制度が巨大になるほど、可逆性は失われる。そして、成果が曖昧なほど、活動そのものを続けるために権限依存度が高まる。

小さく作る思想は、単にコストを抑える思想ではない。それは四つの指標を改善するための思想だ。小さな単位なら、何が効いたのかを測れる。誰が決めたのかが分かる。失敗しても戻れる。必要なければ、組織や制度を増やさずに済む。

この意味で、減税と小さなAIアプリは同じ方向を向いている。どちらも、中央の管理者が資源を抱え込み、複雑な仕組みを通じて配分する代わりに、利用者や現場へ判断を返す。

なぜ人は小ささを恐れるのか

それでも、私たちは大きな計画に惹かれる。理由の一つは、規模が安心感を与えるからだ。数兆円の予算があれば、本気で問題に取り組んでいるように見える。大手企業に依頼すれば、失敗しても「適切な相手に頼んだ」と説明できる。巨大なシステムを導入すれば、古い問題を一気に解決できる気がする。

もう一つの理由は、小さな試みの成果が不確実だからだ。小さな減税は、個々人の行動に分散される。小さなアプリは、利用者の反応を見ながら改良する必要がある。そこには、華々しい開始式も、立派な計画書もない。成果を約束する代わりに、検証を要求する。

大きな計画は、失敗しても原因を曖昧にできる。小さな計画は、失敗が見えやすい。だが、見える失敗は、見えない失敗より健全である。失敗が局所化されていれば、学習に変えられるからだ。

小ささの本当の利点は、必ず成功することではない。失敗しても、次の判断を失わないことである。

ここには、AI時代における組織設計の重要な示唆がある。AIによって、文章、コード、分析、設計の初期コストは急速に下がる。しかし、AIは組織の曖昧な目的を自動的に明確にはしない。責任の分散、過剰な承認、肥大化した要件、誰も使わない機能を、AIが解決してくれるわけでもない。

むしろAIは、組織の設計思想を増幅する。小さく明確な仕事を与えれば、開発と検証を速める。曖昧で巨大な仕事を与えれば、もっともらしい複雑さを大量に生成する。AI時代に重要なのは、AIに何を作らせるかだけではない。どの程度の大きさの判断単位を、AIと人間に渡すかである。

小さく始めるための実践原則

小さくすることは、単に機能を減らすことではない。価値、責任、撤回可能性を一つの単位に閉じ込めることだ。個人でも組織でも、次の原則を使える。

1. 予算ではなく、最小の成果を定義する

「今年度に大規模な改革を実施する」ではなく、「四週間以内に、利用者の待ち時間を十パーセント減らす」と定義する。アプリなら「統合プラットフォームを構築する」ではなく、「担当者が一つの質問に三分以内で答えられるようにする」と定義する。

成果が小さく具体的なら、不要な機能と不要な会議を切り離せる。

2. 追加より先に、削除を検討する

新しい事業や機能を考えるとき、「何を加えるか」ではなく「何をなくせるか」を問う。申請を一つ減らせないか。中間報告をなくせないか。データを集める前に、本当にそのデータが意思決定に使われるか確認する。

小さく作る技術は、実は小さくし続ける規律である。

3. 予算の増額に、縮小条件を組み込む

プロジェクトを始めるなら、拡大条件だけでなく縮小条件も決めておく。利用率が一定水準を下回ったら終了する。効果が確認できなければ追加投資を止める。三か月使われなければ機能を削除する。

これは悲観的な設計ではない。可逆性を守る設計である。

4. 「誰が得をするか」だけでなく「誰の権限が増えるか」を見る

政策やシステムを評価するとき、表向きの目的だけで判断しない。新たに誰が承認者になるのか。誰がデータを持つのか。誰の担当部署が拡大するのか。誰が業務を増やすことで存在意義を得るのか。

権限の移動を可視化すると、複雑さが本当に必要なのかを見抜きやすくなる。

5. AIには、巨大な夢ではなく小さな境界を渡す

AIに「会社の業務を全部効率化して」と頼むのではなく、「この入力をこの形式に変換する」「この文書から三つの論点を抽出する」「この画面で一つの判断を支援する」と頼む。出力の良し悪しを評価できる単位まで分解する。

AIの性能を引き出す鍵は、指示の巧さだけではない。問題を小さく切り、評価可能にする設計力である。

結論: 良い制度は、自分を大きくしない

政府も企業も、規模を拡大する方向には強い力を持っている。予算を増やし、機能を増やし、関係者を増やし、説明資料を増やす。そうして生まれた複雑さは、やがて「これだけ大きくなったのだから、簡単には戻せない」という圧力に変わる。

しかし、本当に優れた制度やソフトウェアは、自分の存在を拡大することを目的にしない。利用者が自分で判断できるようになれば、制度の役割は小さくなる。小さなアプリが十分に機能すれば、大規模な導入計画は不要になる。減税によって人々が自分の資源を使えるようになれば、政府が配分する必要は減る。

これは、中央の組織にとっては不都合かもしれない。だが、社会にとっては健全な兆候である。

Key Takeaways

• 複雑さを二種類に分ける。現実の問題が複雑なのか、制度が複雑さを生産しているのかを区別する。
• 最小の成果を定義する。予算額、参加人数、導入機能ではなく、利用者に届く具体的な変化で計画を測る。
• 可逆性を守る。失敗したときに撤回できる規模で始め、拡大条件だけでなく終了条件も先に決める。
• 権限の移動を確認する。施策やシステムによって、誰の予算、担当、データ、承認権が増えるのかを可視化する。
• AIには小さな仕事を渡す。一つの入力、一つの判断、一つの成果に分解し、評価できる単位で組み合わせる。

最後に残る問いは、「大きな組織をどう効率化するか」ではない。もっと根本的な問い、つまりその大きさは本当に必要なのかである。

複雑な時代に必要なのは、複雑なものを作る能力だけではない。不要な複雑さを見抜き、権限を手放し、失敗から戻れる大きさまで問題を小さくする能力である。未来の優れた政府や企業は、何でも自分で抱える組織ではない。自分がいなくても機能する仕組みを作れる組織なのかもしれない。