AI時代の最初の仕事は、増やすことではなく捨てること

書類を捨てられない会社は、AIを使いこなせない。

少し乱暴に聞こえるかもしれません。しかし、これは収納の話ではありません。机や共有フォルダに、何年も使われていない資料が蓄積している組織では、AIを導入しても仕事の本質は変わらないからです。古い承認経路、重複した会議、誰も読まない報告書、目的を失った入力項目。そこへ新しい道具だけを追加すれば、業務は効率化されるどころか、複雑さを増します。

片付けとAI変革は、正反対の活動に見えます。片付けは減らすこと、AI活用はできることを増やすことです。けれども、両者が向き合っている本当の問題は同じです。

私たちは、過去に作ったものを、未来にも必要だと思い込みすぎている。

この思い込みを解くには、まず捨てる基準を持ち、次に人とAIと組織の役割を組み替えなければなりません。

「いつか使う」は、意思決定ではなく不安である

整理の現場では、今ある書類を1年後に使う確率は1パーセント程度だとされます。もちろん、すべての資料に一律に当てはまる自然法則ではありません。契約書、許認可記録、税務資料のように、使う頻度は低くても保存義務や証拠価値があるものは存在します。

それでも、「この1年以内に使ったかどうか」という基準が強力なのは、誰でも確認できるからです。思い出や不安ではなく、実際の利用履歴を判断の出発点にできる。これだけで、片付けは性格や気分の問題から、検証可能な意思決定に変わります。

組織の業務にも、同じ基準を適用できます。たとえば、毎月作っている経営報告書があるとします。過去12回のうち、実際に意思決定に使われたのは1回だけ。それでも作成には担当者3人が関わり、確認のために会議が開かれ、数字を集めるために複数のシステムへ入力しています。

この報告書を残す理由として、「重要だから」「念のため」「昔から作っているから」という言葉が並ぶかもしれません。しかし、ここで問うべきなのは、その存在が安心感を与えるかどうかではありません。

それは、最近の意思決定を本当に変えたのか。

使われていない書類は、棚の中で場所を取るだけではありません。検索対象を増やし、最新版を分かりにくくし、判断する人の注意力を奪います。業務も同じです。使われない工程は、時間を奪うだけでなく、重要な仕事を見えにくくします。

「いつか使うかもしれない」という感情は、個人にとっては慎重さに見えます。しかし組織全体では、しばしば過去への保険を、未来のコストで払い続ける仕組みになります。

AIは、古い仕事を速くするだけの機械にもなる

AIを導入すると、多くの人はまず既存業務の一部を自動化しようとします。議事録を要約し、メールを下書きし、報告書を作り、データを分類する。これは有効な入り口です。小さな成功体験が、AIを使う動機になるからです。

しかし、そこには落とし穴があります。古い業務フローをそのまま残し、AIに処理だけを代行させると、組織は「不要な仕事を高速に生産する」ようになります。

たとえば、誰も読まない週次報告をAIで自動生成したとします。作成時間は短くなりますが、配信、確認、保存、既読の管理は残るかもしれません。さらに、AIが整った文章を出すことで、その報告書が有用であるかのような錯覚まで強まります。人間が時間をかけていたから見直す機会があったのに、簡単に作れるようになった結果、廃止すべき業務が延命されるのです。

ここで必要なのは、自動化の前に行う「空白化」です。業務を次の三つに分けて考えます。

1. 残すもの: 法的責任、顧客との約束、安全、重要な判断に関わるもの
2. 作り替えるもの: 目的は有効だが、手順や頻度が時代遅れになったもの
3. やめるもの: 誰の判断にも影響せず、習慣だけで続いているもの

AIは主に二番目を変える道具です。しかし、三番目を見抜くのは、AIの性能よりも組織の判断です。何を作れるかを考える前に、何を作らないかを決める。これがAI時代の業務設計の最初の仕事になります。

AI導入の第一歩は、機械に仕事を渡すことではない。人間が、仕事の存在理由を問い直すことである。

個人の能力を高めるだけでは、組織は変わらない

AIを使える社員を増やすことは重要です。全員が最低限の環境を持ち、必要に応じて追加の道具を選べる状態は、組織の基盤になります。ただし、研修を受けさせ、利用を命じ、操作方法を覚えさせるだけでは浸透しません。

なぜなら、AI活用は知識の問題であると同時に、発見の問題だからです。自分の仕事のどこに適用できるかは、現場で試さなければ分かりません。最初から完璧な利用方法を教えるより、使ってみて「これは役に立つ」と実感できる小さな勝利を作る方が、行動を変えます。

ここで大切なのが、押し付けないことです。全員に同じツール、同じ使い方、同じ成果物を求めると、AIは新しい形式の定型業務になります。最低限の武器は組織が用意し、その先の道具や方法には自由を残す。この組み合わせが、個人の工夫を引き出します。

さらに、活用は上から下へ一方的に伝わるとは限りません。若手社員が、日常の細かな作業でAIを使い、ベテランが知らなかった方法を見つけることがあります。逆に、ベテランは顧客対応や判断の文脈を知っているため、AIの出力を現実の仕事に接続できます。必要なのは、年齢や役職を問わず、互いに試行錯誤を教え合う場です。

ただし、「自由に使ってください」だけでは、活用の差が見えなくなります。組織が変わるには、AIを使える人がいるという状態から、何ができるようになったかを共有できる状態へ進む必要があります。

そのためには、スキルを可視化し、評価にも反映させる仕組みが有効です。ここでいう評価は、プロンプトを何本書いたかでも、利用時間が長いかでもありません。たとえば次のような成果を測ります。

1. 不要な工程を廃止できたか
2. 判断に必要な時間を短縮できたか
3. 顧客や同僚にとって価値のある成果物を増やせたか
4. AIの誤りや限界を確認する手順を設計できたか
5. 他の人が再現できる形で知識を共有したか

利用量ではなく、仕事の質と構造を変えた度合いを測るのです。

組織の価値は、個人の生産性を足し算することではない

AIによって、一人でできることの範囲は急速に広がっています。文章、分析、調査、試作、翻訳、プログラミング。以前なら複数の専門家に分担していた仕事を、一人で進められる場面が増えています。

この変化は、組織の存在意義を揺さぶります。個人がAIを使えば十分なら、なぜ会社に属する必要があるのか。組織は単に、人を管理し、仕事を配分する場所ではなくなるでしょう。

ここで組織の価値を「人を使う能力」と考えると、AI時代には弱くなります。個人の方が速く試せるからです。むしろ組織の価値は、個人では引き受けにくいものを引き受けることにあります。

第一に、責任です。AIは契約主体になれません。顧客に約束し、問題が起きたときに説明し、損害を引き受けることもできません。第二に、永続性です。一人の能力や記憶に依存せず、担当者が変わっても約束や知識を維持する。第三に、方向性です。何を目指すのか、誰のために価値を作るのかを決める。

この三つを組み合わせると、組織の新しい役割が見えてきます。組織は個人を細かく動かす装置ではなく、個人とAIが生み出す力を、長期的な目的と責任に接続する基盤になるのです。

たとえば、AIを使って一人の営業担当者が、顧客ごとに精度の高い提案書を作れるようになったとします。個人の生産性は上がります。しかし、その提案が会社として約束できる内容か、法務上問題がないか、顧客データの扱いは適切か、担当者が変わっても品質を保てるかという問いには、組織の仕組みが必要です。

つまり、AI時代の組織設計は、能力を中央に集めることではありません。分散した能力に、共有された責任と記憶を与えることです。

この観点から見ると、片付けの意味も変わります。不要な文書や工程を減らすことは、単なる効率化ではありません。組織が何を引き受け、何を記憶し、何を約束するのかを明確にする作業です。

片付けから始めるAIネイティブ化

AIを前提に業務を作り替えるとき、いきなり全社改革を掲げる必要はありません。むしろ、対象を小さく絞り、成功と廃止の両方を経験することが重要です。

最初の対象として向いているのは、頻繁に行われているが、目的が曖昧な業務です。たとえば、定例報告、社内問い合わせ、会議準備、求人票の作成、顧客対応の下書きなどです。対象を選んだら、次の順番で確認します。

1. その成果物は、誰のどんな判断に使われているか

「共有のため」「念のため」という答えしか出ないなら、存在理由は弱い可能性があります。利用者の名前と、実際に変わった判断を特定します。

2. 過去1年で何回使われたか

使われた回数だけでなく、最後に使われた日を確認します。利用実績がないものは、まず廃止候補にします。ただし、法的保存や安全上の必要性は別枠で確認します。

3. AIが代替する前に、工程を削れるか

入力、確認、転記、承認、配信、保存を分解し、それぞれが本当に必要かを問います。AIに任せるのは、残すと決めた工程だけです。

4. 小さな勝利を、再現可能な知識にする

一人が便利な使い方を発見したら、テンプレート、注意点、品質確認の方法とともに共有します。成功談だけではなく、うまくいかなかった条件も残すことが重要です。

5. 成果を時間ではなく、余白で測る

削減できた時間を、さらに仕事で埋めるだけでは変革になりません。顧客との対話、品質改善、探索、学習など、以前は後回しだった活動に時間を移せたかを見ます。

この手順は、収納にも業務改革にも使える一つの判断モデルです。対象を「利用頻度」「再現可能性」「責任の重さ」の三軸で見ていきます。利用頻度が低くても責任が重いものは残す。利用頻度が高くても、誰でも簡単に再現でき、目的が薄いものは作り替える。利用頻度も責任も低く、ただ習慣で続いているものはやめる。

このモデルの核心は、すべてを効率化しようとしないことです。重要なものを守るために、重要でないものを手放す。

Key Takeaways

1. 「過去1年に実際に使ったか」を、書類と業務の一次判定基準にする。ただし、法的保存、顧客との契約、安全、危機対応に関わるものは、利用頻度とは別に管理する。

2. AI導入の前に、工程を三分類する。残すもの、作り替えるもの、やめるものを決め、AIには作り替えると決めた仕事だけを渡す。

3. AIスキルを利用量ではなく、構造変革で評価する。不要な工程の廃止、判断時間の短縮、品質向上、知識共有を成果として記録する。

4. 小さな成功体験と小さな廃止を同時に作る。新しい使い方を一つ試すだけでなく、不要になった報告書や会議を一つ終わらせる。

5. 人が組織に従うだけでなく、人が組織を使える状態を目指す。組織は管理のためではなく、個人とAIの力を責任、永続性、目的へ接続するために存在する。

AIの波は、影響範囲が広く、変化が速く、ある閾値を超えた先が読めません。このような時代に、未来を正確に予測することはできません。できるのは、変化を観察し、試し、不要なものを手放し、残すべきものを明確にすることです。

結局、AI変革の本当の敵は、AIを知らないことではありません。使われていないものを、使われていると思い続けることです。

机の引き出しから一枚の書類を取り出し、それが最後に使われた日を確認する。共有フォルダの資料について、誰の判断を変えたのかを尋ねる。毎週の会議について、なくなったら何が困るのかを書き出す。こうした小さな問いが、組織の未来を作ります。

捨てることは、過去を否定することではありません。未来のために、注意力、時間、責任を再配分することです。AIを使いこなす組織とは、最も多くのものを生産する組織ではない。何を残し、何を終わらせ、何に人間の情熱を集中させるかを選べる組織なのです。