知識労働は「フロー」から「ストック」へ変わる

仕事では、よく似た問題に何度も出会う。

前にも調べた情報を、もう一度探す。以前作った資料に近いものを、別の案件で作り直す。過去に議論した判断を、新しいメンバーへ説明する。担当者が変わると、同じ失敗が繰り返される。

経験は確かに蓄積されているはずなのに、仕事の現場では、毎回かなりの部分をゼロから再現している。

人の頭の中に残った経験は、その人がそこにいて、思い出し、適切な言葉で説明できたときにしか使えない。

案件が終わる。チームが解散する。担当が変わる。会話の履歴が失われる。

すると、仕事の成果は残っても、仕事を生み出した「判断の仕方」は散逸する。

これは長いあいだ、知識労働の避けにくい性質だった。

成果物ではなく、能力を残す

AIと仕事をするようになって、この前提が少し変わり始めた。

手順、判断基準、設計原則、過去の失敗、確認項目、例外、停止条件。それらを人間にもAIにも読める形で残せば、次の仕事の出発点として呼び出せる。

前回の答えをそのままコピーするのではない。

前回、どのように考え、何を確認し、どこで人間が責任を持ったのかを再利用する。

残せるものには、いくつかの種類がある。

どれも、それ単体で万能ではない。

しかし組み合わせると、「次回もゼロから人が頑張る」以外の選択肢が生まれる。

経済の言葉を借りれば、日々流れて消えていくものはフローであり、蓄積されて未来にも働くものはストックである。

従来の知識労働は、フローの比率が高かった。

会議をする。資料を作る。説明する。判断する。案件が終わる。そして、次の案件で似た仕事を繰り返す。

AI時代には、その一部をストックへ変えられる。

人が毎回ゼロから働くことではなく、一度獲得した能力を何度使えるかが経済価値になる。

この変化は、単純な自動化とは少し違う。

自動化は、決められた作業を速く繰り返すことに向いている。

能力資産化は、経験から再利用可能な判断や構造を取り出し、適用範囲と限界を明確にし、次の文脈でも安全に使えるようにすることだ。

そのためには、成功例だけでなく、失敗や例外も残さなければならない。何でもAIに任せるのではなく、どの判断を人間に戻すかも設計しなければならない。

通常、プロジェクトは成果物、期限、予算によって評価される。

けれど、別の問いも置ける。

このプロジェクトが終わったあと、組織にはどんな能力が残るのか。

完成したシステムだけではない。

次の仕事で使える設計パターン、評価方法、意思決定の記録、AIへの委任方法、責任境界、学習ループが残ったなら、プロジェクトは将来の生産能力も作ったことになる。

反対に、素晴らしい成果を出しても、その方法が個人の頭の中にしか残らなければ、次回また高いコストを払って再現することになる。

プロジェクトは、売上や成果物を生むだけでなく、能力資産を生産する場所になり得る。

能力がAIへ移されると、人間の価値が失われるように感じるかもしれない。

私は、むしろ人間の役割が移るのだと思う。

全部を自分で実行することから、何を能力として残すべきかを見抜くことへ。

経験を抱え込むことから、他者とAIが再利用できる形へ編集することへ。

作業を完了することから、品質、責任、例外を設計することへ。

AIにできることが増えるほど、人間には「意味を決める仕事」が残る。

何を繰り返す価値があるのか。何を標準化してはいけないのか。どこから先は、人間が責任を持つのか。

知識労働がフローからストックへ変わるとは、人間が不要になることではない。

人間の経験を、一度きりで消費しない働き方へ変えることなのだと思う。

いま取り組んでいる仕事から、成果物以外に何が残るだろう。