2026年5月17日

ダイヤモンドは砕けない ― AI 時代に人間に残された「判断知」の結晶化という仕事

AIで業務を完全に自動化する未来像が、あちこちで語られている¹。データを一元的に集め、AIが状況を読み、施策を回す。だが、どれだけAIが賢くなっても、最後まで人間に残る仕事がある。それは「こういう時はこうする」という組織の判断基準を、ダイヤモンドのように結晶化して共有することだ。データを捌くのはAIの仕事だが、その判断の結晶を削り出し、磨き続けることこそが、これからの人間の役割になる。

僕は普段、マーケターとして働いている。仕事の中身は大まかに四つ。市場や顧客を観る。仮説を立てて企画し、実行する。結果を見て議論し、次の手を決める。前半の三つは、AIと組めば圧倒的に速くなる。問題は最後の、「どの打ち手にするか」を決めるところだ。

ここは、まだまだAIに譲れそうにない。ひょっとしたら最後まで人間の手に残り続けるかもしれない。

AIにできないこと

身体性と責任

データの収集から分析までは「ほぼ解決済み」の領域だ。残っているのは、集めたデータをどう総合的に解釈し、何を「成功」と呼び、どの基準で次の手を決めるかという最終地点。ここにAIの限界がある。判断には、どうしても身体性と責任がついてまわるからだ。

世界には、データになっていない情報があふれている。指先の感触、空気の張りつめ方、相手の微細な表情。感覚器や神経回路にだけ残っている暗黙の身体知がないと、状況を正しく見立てることはできない。

さらに、責任の問題がある。AIを刑務所に入れることはできない。AIの判断が誰かに不利益を与えたとき、責任を問われるのはAIを設計した経営者や運用するマネージャー、ボタンを押した担当者だ。意思決定の最終地点では、生身の人間が印鑑を押し、サインをする必要がある。だからAIは、「今回は何を基準に判断するか」を人間から受け取らなければ動けない。

これは、AIを作る当事者たちも認めている²。MicrosoftのSatya NadellaはAIを人間の判断を支える増幅器だと位置づけ、AnthropicのDario Amodeiは、完全自律的な意思決定には信頼性が足りず、人間の関与が不可欠だと語っている。

業務システム導入の根本問題

技術が足りないのではない。人間の側に判断の基準がないことが問題なのだ。これは、組織に新しいテクノロジーを入れるとき、ずっと繰り返されてきた構図である。

CRMやSFA、MAなどの業務システムを導入するとき、たいてい同じ壁にぶつかる。生成AIでも同じだろう。コンサルタントが描く美しいロードマップやフロー図があっても、組織側に「こういう時はこうする」という経験値がたまっていなければ、システムは半年で形骸化する。SFA は高価な案件管理エクセルに、MA は高価なメール配信ツールに、CRM という理想は単なる顧客名簿に、成り下がる。エスカレーションの閾値や、休眠リードを掘り起こす条件といった人間の側の基準が先に要るのだ。

少し脱線するが、クライアントとの対話からその基準を引き出し、言語化してシステムに落とし込むのが、コンサルタントの介在価値である。第三者だからこそ、組織のバイアスから距離を置き、判断の輪郭を客観的に見つめられる。これは、僕自身がシステム導入やマーケティングのコンサルタントとして現場を歩いてきた実体験からも、確信をもって言えることだ。

では、AIに委ねきれない「判断」とは、そもそも何なのか。根本に立ち戻りたい。

「判断」「意思決定」の基準

AIが判断できないわけではない。「この問い合わせは緊急か」「この記事のトーンは適切か」といった条件を与えれば、AIは手早く分岐処理をこなす。

だが、それは人間があらかじめ与えた定義に従っているだけだ。本当の意思決定は、その手前にある。「この時はこうする」という枠組みを作る作業こそが、人間の仕事だ。

その枠組みは、どこから来るのか。

学びとはなにか

生物学的に見れば、それは「環境に適応する」という営みに行き着く。原始の集落で、天候が荒れた日に誰がどう動くか。隣の集落と争いになったらどうするか。一人ひとりがバラバラに動けば群れは崩壊する。眼の前で起きた現象に対し、集団として一致して動けること。それが人間の「学習」の本質だ。

現代の組織でも同じだ。市場が動いたらどの予算を残すか。競合が動いたらどう応じるか。メンバーが抜けたら誰がカバーするか。向き合う問題は変わっても、集団としてどう振る舞うかを揃えるという行為は、原始から地続きである。

組織の判断とは、「こういう時にはこうするとよい」という学びを、ルールや教訓として共有することだ。出来事に対して集団がどう動くかを決めておく作業である。

そう考えると、AIによる自動化が進まない理由が見えてくる。ルールが定まっていなかったのだ。組織として、動き方が揃っていなかったのである。

知識と経験はズレる

厄介なのは、「こういう時にはこうする」というルールは、その時を経験しないと作れないことだ。市場の激変を経験したことのない組織が、最初から完璧な対応策を書き残すことはできない。やってみないとわからないし、やってみると想定外のことが起きる。

ただし、必ずしも自分が直接経験する必要はない。他人の書き残した判断や物語を読むことで、脳内で擬似的な体験として処理される。火傷の話を聞いて火を警戒するように。これを組織学習では代理学習と呼んできた³。本を読み、先達に聞き、別組織の事例を辿る。

それでも、借り物は完全ではない。地図は現地そのものではない⁴。誰かの判断の前提条件は、自分の状況とは少しずれている。「水で火を消す」と覚えた人が、油の火に水をかければ大惨事になる。借りた基準は仮置きで運用し、自組織の実体に合わせて磨き直す必要がある。

言い換えれば、判断とは「制約のなかで解空間を狭めて、選び取る作業」だ。少なくとも、僕にはそう思える。環境の制約、市場の制約、組織の制約、関わる人々が持ち込む制約。それらが解空間の自由度を決め、その範囲のなかで、その瞬間の最適解の輪郭を見極める。コンピューターサイエンスの形式論では、これは 制約充足問題 と呼ばれてきた。intelligence の語源である「あいだから選びとる」とも一直線に重なる構造だ。

では、そのルールは組織のどこにあるのか。

情報、知識、知性、そして知恵

「組織の知」とは何を指すのか。情報、知識、知性、知恵。この四つの言葉の違いを、語源から軽く整理しておきたい。

情報

情報は生の素材だ。売上データや議事録の文字起こし。それ自体は方向を持たない。英語の information の語源はラテン語の informare、「形を与える」だ。何かの形になって初めて、人の頭の中で意味を持ち始める素材、という含みがある。

知識

知識は、情報を整えたものだ。「購入率が15%増えた」といった、参照可能な事実の組み合わせ。英語 knowledge の元は印欧祖語の gno-、「見分ける」だ。物事を区別できる状態に整っていることが、知識の核にある。

ここまでは、集めて整理し識別するAIの独壇場だ。

知性

英語 intelligence の語源はラテン語 intelligere で、inter(あいだに)+ legere(選ぶ・読む)から来ている。直訳すれば、「あいだから選びとる」。複数の可能性から適切な一つを拾い上げる動きが、知性という言葉が古来背負ってきた中身だ。

AIも、複数の候補から一つを返す動きをしている。artificial intelligence(人工的に選び取る能力)という呼び名は、語源的にはむしろ的を射ている。だが、何を「適切」とするかの基準は人間が渡したものだ。選び取りの基準は、人間の側に残っている。

知恵

英語 wisdom は印欧祖語 weid-(見る)から来ていて、要するに「見てきた状態」だ。実際にその状況をくぐり抜けてきた人が身につける、判断の形のこと。草むらが揺れたらどう動くか。嵐の音がしたら何をすべきか。書物ではなく、身体でくぐり抜けた経験から生まれる判断の形である。

知識を集めても知恵にはならない。知恵は、知識を使う形だからだ。

知恵は組織のどこに存在するのか

この使う形は、組織のあらゆる場所に転がっている。

営業でもマーケティングでも、アクションの型はだいたい決まっている。差がつくのは、その合間にある判断だ。見積もりを出すか見送るか。この施策に予算をかけるか。フローチャートで言えば、四角（アクション）ではなく、ひし形（判断）の中身に差が出る。何を条件にYes/Noを決めるか、その基準が組織ごとに違う。

現場だけではない。経営陣が目標を擦り合わせるとき、マネージャーがチームの仕事を決めるとき。レイヤーが違っても、やっているのはある状況で、何を条件に、どうすべきかを決めることだ。

しかし、このひし形は組織の中に埋もれがちだ。

熟練の営業担当者や、立ち上げ期からいるエンジニアの頭の中。判断の形は個人の身体に分散している。その人が退職すれば、ひし形はふっと消えてしまう。個人に閉じ込められたままでは、AIにも新メンバーにも共有できない。

知恵こそが、組織の知だ

組織の知は、知識量でも情報量でもない。それは知恵だ——「こういう時にはこうする」という、価値基準・判断基準が結晶化したダイヤモンド。

組織が「知っている」とは、状況に応じた正しいひし形を、共同で揃えて持つことだ。

本稿では、この結晶化したダイヤモンドを判断知と呼ぶ。判断のために要る知のことだ。情報や知識を素材として、組織が「こういう時はこうする」を分岐させるための、結晶化した基準。判断力(判断する能力)ではなく、判断のための知の集積を指す。phronesis(実践知)や暗黙知の系譜に近い概念だ。

判断知を結晶化せよ

では、結晶化された判断知は、組織のなかでどんな姿をしているのか。

組織のガイドライン、業務ルール、規則、テンプレート、業務システムに組み込まれた判断ロジック、自動化エンジン。形はさまざまだが、いずれも「こういう時はこうする」を、人間の身体から取り出して、組織の共有財にしたものだ。言語化 → 仕組み化 → テクノロジー化 という三層を貫いて、結晶化は進んでいく。

そこから逆算すれば、判断知を結晶化させるためにすべきことは、三つに絞れる。地味な作業の積み重ねだ。

• 書きとめる：判断を下した理由を残す。なぜこの予算にしたか、なぜこの人を採用したか。条件や捨てた選択肢を、Slackでも議事録でもいいから書き出す。
• 擦り合わせる：書きとめた基準を他者と突き合わせる。1on1で理由を引き出し、プロジェクト開始時にこだわりを集める。一人の頭の中にあるひし形を、複数の人が触れるかたちにする。
• 更新する：一度書いた基準も、市場が変われば合わなくなる。頻繁に触れないものほど形骸化が早い。定期的に手入れをして、いまの状況に合わせて磨き直す。

情報は腐る。だから、磨き直す。

書きとめて、擦り合わせて、更新する。その積み重ねが、ガイドラインに、ルールに、ロジックに——結晶として残っていく。

ここで、生存バイアスに注意がいる。成功体験は残りやすいが、判断のクライテリアとしては、失敗のほうが情報量が多い。どんな条件で、何が、なぜ崩れたか。そこに二度同じ間違いをしないヒントがある。

これからの時代、人間の側で握り続けないといけないのは、どのダイヤをAIに渡し、どのダイヤを自分たちで磨くかというメタの判断だ。

そして、本稿で提案する判断知という整理は、それ自体が現場で対話するための道具でもある。「うちの組織には、どんな判断知が足りていないのか」「次に何を決めるべきか」「それをどんな形に落とすか」を、メンバーで話し合いながら詰めていく。何を一緒に握るかを決める対話そのものが、結晶化の入り口になる。

組織の知を結晶化する「判断知マトリクス」

組織のなかのひし形は、すべて同じ状態ではない。手の入れ方は、ひし形の置かれた位置で変わる。

これを判断知マトリクスと呼ぼう。経験の蓄積（反復経験か未経験か）と、言語化の度合い（暗黙か言語化されているか）の二軸で、四つの象限に分かれる⁵。

• 地図ゾーン（未経験 × 言語化）：経験なしに先回りでルール化された借りものの規範。形骸化しやすい領域も多い。
• 鉱脈ゾーン（未経験 × 暗黙）：試行錯誤の真っ最中。
• 原石ゾーン（反復経験あり × 暗黙）：熟練者の勘で回っている。退職で消えやすい。
• 宝石ゾーン（反復経験あり × 言語化）：組織として基準が共有されている状態。

理想の分布はないが、宝石ゾーンの厚みが組織の知の安定性を支える。象限のあいだには、四つの動線がある。

• 鉱脈 → 原石：採掘。試行錯誤を続けて、経験を組織のなかに蓄積する。
• 原石 → 宝石：研磨。熟練者の勘を 1on1 やテンプレートで言葉に取り出す。
• 地図 → 宝石：借りものを内在化する。地図は現地そのものではない⁴——借りた基準を現場で運用し、自組織の実体に合わせて磨き直す。地図を歩いて確かめる作業だ。
• 地図 → 廃棄：合わない地図は、捨てる。張りぼてのまま積み上げない。

ただし、削り出される宝石は、原石のすべてではない。研磨の過程で削ぎ落とされる経験は必ずあるし、経験のすべてが言語化・形式化されうるわけでもない——これは認知科学や学習論が積み重ねてきた前提だ。結晶化は、その漏れを承知したうえで続ける営みである。

象限は固定ではない。同じ判断が、未経験から反復経験へ、暗黙のままから言語化された状態へ。時間と経験とともに、四象限のなかを移動していく。だから、いま自分のチームや組織のクライテリアが、どの象限にどれだけ偏っているか。一度マッピングしてみるといい。

このマトリクスは、自組織のダイヤを採掘するツールでもある。各象限に眠るダイヤを掘り起こすための問いを、置いておく。

• 地図ゾーン：先回りでルール化したが、現場で機能していない基準は、ないか。
• 鉱脈ゾーン：まだ試行錯誤の最中で、基準が定まっていない判断は、何か。
• 原石ゾーン：「あの人がいないと回らない」と言われている判断は、どれか。
• 宝石ゾーン：組織として基準が揃っていて、誰でも再現できる判断は、どこにあるか。

マトリクスを使って、自組織のダイヤを採掘してみよう。「あの人がいないと回らない」判断は何か。まだ試行錯誤の最中の判断は。現場で機能していない基準はないか。どこから磨くか、見当がつきやすくなるはずだ。

組織の判断知を磨き続けるこの作業は、目の前のチーム運営の話で完結しない。もっと長い物語の一部だ。

組織のバリューは、結晶化された判断知だ

昨今、パーパス経営や人的資本経営の流れのなかで、自社のミッション・ビジョン・バリュー(MVV)を見直したり、書き直したりする企業が増えている。とりわけ、バリュー——自分たちの行動指針や価値判断基準としてどう定義するか——が、議論の焦点になりやすい。

このマトリクスは、バリューの整理にもそのまま使える。バリューや行動指針とは何かと言えば、結局のところ、自社のパーパスに則り、社会的ミッションを実現し、ビジネスを理想の状態に近づけるために、組織としてどのような判断基準を持つべきかを、結晶化した形で言葉にしたものだ。判断知と教訓を、行動の言葉に置き換えたもの。

そのなかには、自社で生み出したものもあれば、他社から借りてきたものもある。両方が混在する。

ところが、よく起きるのは、先駆的な有名企業や大企業が使っている言葉をそのまま借りてきて並べてしまうことだ。耳触りはいいが、自分たちの経験がそこに込められていなければ、それは単なる張りぼてにすぎない。自社の現場で結晶化された判断知ではないから、バリューは形骸化する。ブランディングや組織人事のコンサルティングに携わっていると、これは日々目の当たりにする組織課題である。

冒頭で書いた、SFA や CRM が空箱になる構図と、根は同じだ。経験を経ずに借りてきた言葉は、ダイヤモンドにはならない。借りた基準は仮置きで運用しながら、自組織の実体に合わせて磨き直す。バリューも、その二段の手間がついてまわる。

実は、本稿そのものも、ひとつの実例だ。読んでいるこの文章は、僕がAIにほとんど書かせている。表現の粒度、接続のリズム、語彙の候補——これらをAIが圧倒的に速く差し出してくれる。だが、前提となる体験談は僕のものだし、そこから何を書き、何を書かず、どこまで踏み込み、どんなスタイルで言葉を届け、どこで完成とするか。その判断基準は、書き手の側にしかない。書き手としての価値観、読者にどう受け取ってほしいかの輪郭、伏せておく自分の経験の範囲。どれも、AIには渡せない部分だ。もし無難で借りものの言葉だけで本稿を組んでいたら、これも張りぼてになっていただろう。AI の時代に書き手に残るのは、文字を打つ手ではなく、何を書かないかを決める判断のほうだ。

組織の判断知を磨き続けるこの作業は、目の前のチーム運営の話で完結しない。もっと長い物語の一部だ。

ダイヤモンドは砕けない

人類は、知を道具にして生き延びてきた。火の起こし方や教訓を、口伝で、書物で、物語のかたちで外に書き残し、手から手へ受け渡してきた。世界中の宗教の教典、イソップ寓話集のように世代を越えて語り継がれてきた伝承や昔話、子供のための絵本。どれも、人類が膨大な経験を経て磨き上げた教訓を、後の世代がいちばん受け取りやすい形に整え直したものだ。「こういう時はこうしたほうがいい」を、物語や寓話の身体感覚に乗せて運ぶ。時代を越えて受け渡されるダイヤモンドは、人類の宝だ。

火の起こし方は、千年単位で口伝され、書物に記され、ついには 道具に焼き付けられた。かつて火打石で火花を散らしていた苦労は、ライターのワンプッシュになり、いまはガスコンロのつまみをひねるだけの日常にまで降りてきている。火を扱うための判断知が、道具の機構そのものへと引き継がれたのだ。

米の炊き方も同じだ。「ハジメチョロチョロ、ナカパッパ、赤子泣くともフタとるな」という昔からの口伝がある。かつて竈の前で身体で覚えていた水加減と火加減は、いまや炊飯器のセンサーとアルゴリズムの奥深くに組み込まれている。ただし、米をザルで洗う動作だけは、いまも人間の手のなかに残っている(無洗米という抜け道はあるけれど)。

同じことが、洗濯機にも、エレベーターの安全制御にも、信号機の周期にも起きている。自動翻訳エンジンに至っては、その営みが言葉の領域にまで及んだ。

判断知を、人間の身体から切り離して、別の形で運用可能にする営み。これが、知の道具化 と呼ばれてきたものの姿だ。

組織も同じだ。

データを集めても、AIに学習させても、組織が賢くなるとは限らない。生き残るために必要なのは、判断のダイヤモンドが特定の身体に閉じ込められず、誰の手にも届く道具として削り出され、磨き直され続けている状態だ。

ダイヤモンドは砕けない⁶。誰かがいなくなっても、AIが新しいモデルになっても、結晶になった判断はそこに残り、次世代の支えになる。

フローチャートのどこかでダイヤを見つけたら、立ち止まって考えてみてほしい。その条件は、いまの自分たちに合っているか。誰かの頭の中に、未発掘のダイヤが眠っていないか。それを外に取り出し、磨いて、磨き直す。そうやって、組織の知をひと粒ずつダイヤの結晶にしていくのだ。

ここまで読んでくださって、ありがとうございました。

あなたの仕事のなかで、「判断の基準」を言語化できた瞬間はありましたか？ あるいは、まだ言語化できていない自分の判断基準があるとすれば、それは何でしょうか？

もし本稿に響くものがあれば、いいねを押していただけると嬉しいです。ついでにシェアで誰かに手渡していただけたら、さらに励みになります。

それでは、また次の投稿をお楽しみに。

脚注

背景にある考え方

本論で深く展開できなかった、しかし議論の地下水脈になっている概念や思想を、入口として置いておきたい。

本文で言及した理論的参照点：

• Albert Bandura「代理学習（vicarious learning）」（Social Learning Theory, Prentice-Hall, 1977）
• Alfred Korzybski「地図は現地そのものではない」（Science and Sanity, 1933）
• Niklas Luhmann「決定の連鎖」「autopoiesis」——組織を、個人ではなく過去の決定が次の決定を方向づける連鎖として描き出す視点。本論では持続性の側面を取り出したが、同じ概念は組織のpath-dependencyや制度的硬直性の分析にも用いられる（Soziale Systeme, 1984; Organisation und Entscheidung, 2000）
• 野中郁次郎・竹内弘高「SECIモデル」（The Knowledge-Creating Company, Oxford University Press, 1995）

本文では深掘りしなかったが、本論を支えている概念：

• Michael Polanyi「tacit knowledge」——身体性の議論の遠い祖
• James G. March「exploration vs exploitation」——結晶化を絶対善としないbalance論の系譜
• Chris Argyris「espoused theory vs theory-in-use」——書かれた基準と実際の運用の乖離
• Pfeffer & Sutton「the knowing-doing gap」——知っていることと実行できることのずれ

※ 本原稿は、著者である私（瀧坂義尚）の実体験を、AIによるインタビュー取材で深掘りし、AIとの協働で構成・執筆した上で公開しています。Powered by Gemini and Claude.

※ 挿絵・図解画像の一部は、本記事の執筆後、AIによって生成したものです。

Substack 版