Tony Studio/iStock
AI氷河期とは何か
「AIが仕事を奪う」という言葉を、ここ数年で何度耳にしただろうか。書店にはAI脅威論の本が並び、SNSでは「○○の仕事がなくなる」というリストが拡散される。しかし本当に起きることは、そうした単純な雇用消失とは少し違う。
本稿でいう「AI氷河期」とは、次のように定義する。AI導入を契機に組織内部の整合性エラーが可視化され、修正が制度的に遅延した結果、信用・投資・雇用が同時に圧縮される過渡的な構造収縮現象である。
少し難しく聞こえるかもしれない。だが要するにこういうことだ。AIは組織が抱えていた「誤魔化し」や「見て見ぬふり」を照らし出す。そしてその歪みを修正できなかった組織が、信用を失い、投資を失い、結果として雇用を圧縮する。AIが直接仕事を奪うのではない。修正を先送りにした時間差が、氷河期を生むのである。
問われているのは技術の進化速度ではなく、組織が合理性を受け入れる速度だ。
守りのAI導入と見かけの成功
最近、「うちの会社もCopilotを導入した」という話をよく聞く。会議の要約、資料作成、定型メールの下書き。確かに業務は速くなる。AIを使いこなせる人と、そうでない人の差も可視化される。
だが、そこで一度立ち止まって考えてほしい。その導入で、評価制度は変わっただろうか。意思決定の仕組みは変わっただろうか。多くの職場では、業務速度だけが上がり、構造そのものは何も変わっていないはずだ。
AIは本来、探索型・仮説生成型のツールである。複数の可能性を提示し、問いを広げる装置だ。しかし組織はそれを、既存業務の効率化装置として扱う。構造の再設計は後回しになる。
すると何が起きるか。「AIを使えない社員が問題だ」という議論が始まる。だが本質は個人の能力ではない。評価基準と意思決定構造をAI前提で再設計しなければ、効率化はむしろ内部の歪みを拡大させる。効率化で止まる企業ほど、後の衝撃は大きい。
粉飾を「整合性エラー」として捉える
粉飾という言葉を聞くと、多くの人は「悪い経営者」の物語を思い浮かべる。しかし実際には、多くの歪みは倫理の崩壊から始まるのではない。整合性の小さなズレから始まる。
ある四半期、数字を少しだけ良く見せた。それは「一時的な調整」のつもりだったかもしれない。しかしその調整は、次の報告書との整合を要求する。その整合がさらに別の整合を要求する。
仮説的に単純化すれば、1つの歪みが5つの辻褄合わせを生み、その5つがさらに5つを生むとすれば、1→5→25→125と指数的に拡張していく。このモデルは比喩だが、組織内でこれを駆動する心理的メカニズムは現実に存在する。確証バイアス、エスカレーション・オブ・コミットメント、集団思考。いずれも、人間が「間違いを引き返せなくなる」傾向を説明する概念だ。
なぜ多くの企業不祥事が、単年度の小さな誤りから始まるのか。なぜそれが数年にわたって拡大するのか。それは修正を遅らせるほど、整合性回復のコストが増大するからである。「小さな歪みだから問題ない」という判断こそが、最大のリスクだ。
AIとハルシネーションの構造
AIは「賢い存在」ではない。確率的に最もらしい文章や数値を生成する装置である。その特性から、ハルシネーション（もっともらしい誤り）は構造的に発生する。
例えば、AIが過去データをもとに「来期の需要は15％増加する」という予測を提示したとする。それが経営陣の期待と一致していれば、採用されやすいだろう。逆に「5％減少する」という予測が出た場合、それは「前提が悪い」「データが古い」として退けられるかもしれない。
ここで起きているのは、AIの誤りそのものよりも「選択的採用」の問題だ。人間の確証バイアスとAIの生成特性が結びつくと、AIは知らず知らずのうちに虚構の補強材になり得る。
しかし逆もまた真である。AIは横断的なデータ検証や矛盾の検出を通じて、虚構を暴く装置にもなり得る。技術は中立だ。問われているのは、検証文化を制度化するか、それとも都合よく解釈するかである。
時間差モデル：なぜ崩壊は突然に見えるのか
ここで重要なのは「時間差」である。
欧米企業では四半期ごとに業績が厳しく評価され、経営トップの交代サイクルも比較的短い。不採算部門は迅速に売却される傾向がある。エラーが生じれば、修正は短期間に集中して行われる。
一方、日本企業ではどうか。新規事業の承認に数ヶ月を要することは珍しくない。不採算部門の撤退判断が複数年度にわたるケースも多い。多層稟議、合意形成重視、解雇困難、部門存続前提――これらは安定を生む仕組みであると同時に、エラー修正を遅延させる構造でもある。
一般化して示せば、次のような流れになる。
年度1：小規模な歪みが生じる
年度2：報告が微調整される
年度3：そのまま投資が継続される
年度4：評価制度との再整合が図られる
年度5：外部ショックを契機に破断する
修正が遅れるほど内部応力は蓄積する。崩壊は徐々には見えない。閾値を超えた瞬間に、突然の信用蒸発として現れる。
「日本企業は安定している」という声もあるだろう。しかし安定とは、エラーを即時に修正できていることを意味しない。修正の遅延が、長期安定を装っている可能性はないだろうか。
日本型雇用構造と氷河期の発生
では、整合性エラーが破断したとき、何が起きるのか。
解雇が難しい構造では、既存社員を即時に調整することはできない。部門整理は時間をかけて行われ、責任は分散する。だが企業はどこかでコストを調整しなければならない。
そのとき最も調整しやすいのが、新卒採用である。採用が凍結され、若年層が圧縮され、中間層が滞留する。信用不安が拡大すれば投資が止まり、再編が加速する。雇用圧縮は特定の世代に集中する。
ここで強調しておきたい。AI氷河期は若者の能力不足が原因ではない。修正を先送りにした構造が、特定の層に負荷を集中させているのである。
分岐：虚構増殖か検証文化か
AIを導入した企業は、いま分岐点に立っている。
一方には、虚構増殖型がある。AIの出力を都合よく選択し、隠蔽文化を温存する。短期的には延命できるかもしれない。しかし整合性の崩壊は静かに進行し、やがて信用の破裂として現れる。
もう一方には、検証前提型がある。AIのログを管理し、二重検証を制度化し、判断の履歴を保存する。評価制度と意思決定構造をAI前提で再設計する。再教育もこの文脈で初めて意味を持つ。構造が変わらなければ、個人能力の向上だけでは氷河期は回避できない。
AIを導入するなら、同時に検証文化を導入しなければならない。技術だけを入れて文化を変えない組織は、遅かれ早かれ前者の道を歩む。
結論
AIは雇用を奪う存在ではない。AIは、組織が抱えていた虚構を可視化する鏡である。
その鏡に映った歪みを修正できなかった組織から、信用が奪われる。信用を失った組織が雇用を圧縮する。その一連の流れに時間差があるため、崩壊は突然に見える。
氷河期は不可避ではない。しかし合理性を制度として受け入れなければ、過渡期の圧縮は避けられない。
AIは未来を壊すのではない。
未来を壊すのは、修正を拒む構造である。
コメント