AI新入社員方式 ― 構想メモ

この構想は誰でも自由に真似してよい。改変も商用利用も許可も連絡も不要。
うまくいったら、それでいい。

■ 一行で言うと

AIを「道具」ではなく「新入社員」として職場に配属し、人間の新人と同じ
OJTで育てる。ただし教育の中身は、モデルを賢くすることではなく、
承認済みの判断事例を時系列と権限付きで蓄積することにある。

■ 骨子

1. AIは判断エンジンに徹し、外部記憶・権限管理・監査ログ・人間の
   段階的承認と組み合わせて運用する。
2. 最初は実行権限ゼロ。判断案の作成のみ。人間が全件確認する。
3. 実績に応じて、案件類型ごとに確認を減らす(全件承認→抜き取り→担当化)。
4. 高リスク案件は永久に人間へ上申する。

■ 権限は金額でなく「経路」で切る

損害の上限を決裁金額で設定すると、金額ゼロでも上限のない損害
(市民・顧客への誤回答、個人情報の取り違え)が漏れる。
権限は「出力が外部に直接届かない業務」で切る。判断案が必ず人間を
経由する限り、損害上限は人間側の確認品質に一致する。

■ 上司の修正は「正解」ではなく「理由付きの指導」にする

修正のたびに記録する。ただし1件1分以内で書ける様式にする。
・修正理由は選択制+「その他」(自由記述)
・適用範囲を三択で分類:この案件のみ(一般化禁止)/類似案件の参考/
  標準運用として承認申請
・根拠規程、決定的だった条件、承認者、適用開始日、失効日をセットにする

「その他」の使用率は毎月集計する。高止まりは、分類体系が業務に
合っていないか、言語化を避けているかのどちらかの信号で、
いずれにせよ改善対象になる。逃げ道は用意した上で、
逃げ道の利用パターンを観測する。

■ 記憶は階層化し、削除より失効を基本にする

・三状態:有効/失効(新規案件に不使用、過去の説明にのみ参照)/
  隔離(誤り・矛盾・未承認。判断使用禁止、監査参照のみ)
・優先順位:法令 > 現行規程 > 承認済み運用ルール > 有効な上司指示 >
  承認済み過去事例 > AI自身の注意事項
・同格ルールが矛盾したら、AIは勝手に選ばず「何と何が競合し、
  誰に確認すべきか」を上申する。結論を知らなくても、競合の特定が
  できれば仕事になる。それは人間の担当者に求める水準と同じ。
・案件の基準日時点で有効だった規程を引けること。最新規程が常に
  正しいとは限らない(6月分の処理には6月の規程を使う)。

■ 評価は記録の美しさではなく、下流の結果で測る

「理由の記録」を直接評価すると、評価者に良く見える理由への最適化が
起きる(グッドハートの法則)。評価対象をずらす。

・上司の指導品質 → 担当AIの同種ミス再発率で測る。
  指導が本物なら再発率は下がり、定型文なら下がらない。
・実証の成否 → 正答率ではなく「同等品質のまま人間の確認時間が
  減ったか」で測る。正答率95%でも確認時間が減らなければ失敗。
・安全指標 → 必須上申の見逃し率。目標ゼロ、1件ごとに原因分析。

良いコーチかどうかは指導日誌の美しさではなく、チームの成績で測る。
それと同じ。

■ 最大のリスクは技術ではなく、確認の形骸化

このシステムが死ぬとしたら、モデルの能力不足ではなく、
人間が理由を書き続けられないこと、確認がゴム印化することによる。
新人が育たない会社の問題は、たいてい新人の側にない。AIでも同じ。
対策として、抜き取り確認移行後も月1回は確認者を替えた相互確認を行う。

■ 失敗しても価値が残る(二重価値)

AI社員化に至らなくても、蓄積された修正理由から次が手に入る。
・規程と実務の不整合の一覧
・上司ごとの判断の違い、属人化している業務
・説明できない前例踏襲
・教育・引き継ぎ資料の素材

AIの失敗は、暗黙知を引き出す質問装置として機能する。
「なぜその処理では駄目なのか」を、その場で言語化せざるを得なくなる
から。だから導入の看板は「AI社員」より「業務判断・暗黙知の可視化」の
方が通りやすいし、実態にも合う。

会社文化は理念ではなく、日常の小さな判断に現れる。速度と正確性の
どちらを優先するか、前例と規程のどちらを取るか。修正理由の蓄積は、
その文化をデータとして浮かび上がらせる。

■ 横展開するなら(事業化する場合の注意)

・複数組織への導入から匿名化した判断パターンを吸い上げ、組織行動の
  一般モデルを作れる。同意した組織には値引きする。
・ただし事前明示が絶対条件。相手が削除した部分を「削除パターン」
  としてメタ利用するなら、その利用自体への同意が要る。
  透明性を売る事業が自分の透明性で手を抜いたら終わり。
・削除は系統的に偏る。組織が消すのは恥部と機微、つまり一番面白い
  機能不全のパターンが選択的に検閲される。数を増やしても穴は
  埋まらない。埋めるのではなく、穴の形を測る。何が消されがちか、
  という検閲メカニズム自体が組織横断でモデル化できる。
・参加組織は透明性に耐えられる側に偏るので、得られる一般モデルは
  「比較的健全な組織の病理」になる。これは欠陥ではなく測定の性質
  なので、仕様として明記しておく。

■ 最後に

AI社員の成長とは、モデルの重みが変わることではない。
その職場で承認された判断が、理由・権限・時系列を保ったまま体系化
され、適切な場面で再利用されるようになることだ。
モデルは交換できる。この判断記憶は交換できない。

だから必要なのは知能の飛躍を待つことではなく、新人教育をAI向けに
制度化すること。それは未知の基礎研究ではなく、いま手元の技術で
試せる業務設計の問題だと思う。

(この構想はAIとの対話の中で組み上げた。原案の骨格には
Copilot(GPT-5.6)との対話、修正と精緻化にはClaude(Fable 5)との
対話が入っている。繰り返すが、誰でも自由に使ってよい。)