AI時代の人材育成を今井むつみさんと若松信康さんが解説。知っているを使えるに変える

動画：文藝春秋PLUS 公式チャンネル 【AI時代の人材育成】若手社員の経験をAIが奪う？をYouTubeで観る

新人の仕事をAIが引き受けたら、若手はどこで経験を積むのでしょうか？ 動画は約38分。スライドを映しながら話が進み、冒頭のダイジェストで論点を先に見せる構成です。

司会は学習の機会がAIに奪われる心配にも触れ、デル・テクノロジーズのシニアアドバイザーの若松信康さんを紹介します。若松さんは「AIで人を育てることができるのか」と問い、大企業が新卒採用を控える背景に、新卒の定型業務をAIが置き換える点を挙げました。その定型業務について、こう言います。

若松信康さん（2:31）

定型業務っていうのは新人にとっては、ま、いわゆる育成の場だったわけですね。

この一文で、定型業務の見え方が変わります。片付けるだけの作業に見えていた物が、若手が手を動かして経験を積む場だった。AIで作業が減ったと喜んで終わらず、一緒に何が消えるのかを見る必要があるんです。同じ定型業務が、効率の目線では削る物になり、育成の目線では残す理由のある物になります。

若松さんは、その先をこう続けます。

若松信康さん（2:46）

そういったじゃ、育成の場を意図的に作っていかなければAIが出した答えを正しく判断できる人がいなくなってくるわけですね。

AIで失ったものをAIで補えるのか。若松さんは、これを前提の問いとして置きます。

この話の隣に、私が以前YouTubeの動画で話したことを置きます。子どもたちがAIに何でも聞いて、答えがそのまま正解のようになっていく。それを私は「怖いなと思う」と話し、自分たちで考えたり体験したりすることが要ると続けました。そのとき例に出したのが、子どもの頃のゲームです。「1回突っ込んでて死んでからリセットして、ハードなゲームが多かったんですよ。」

定型業務とゲームは別の話です。それでも、重なる所が1つあります。自分で考えて体験する場、外しても戻れる場が消えていく怖さです。若松さんの「育成の場」の話は、私の考えではここにつながります。

ここからは私の立場の話です。学びの目的は、問題集を終えることではありません。失敗は、勇気を出して行動し、経験を得た時点で成功になる。定型業務がAIに移っても、失敗してやり直せる場は残すべき。これが私の意見です。減らす作業と残す経験は、分けて決めるものです。

ここで認知科学者の今井むつみさんが登場し、話は第1テーマへ入ります。

第1テーマで今井さんは、知ることと使えることの間に大きなギャップがあると話します。認知科学が何十年も前から分けてきたのが、knowing that（事実として頭で知っている）と knowing how（それを使って行動できる）です。今井さんが学会で聞いた話として挙げるのが、若手の研修医。国家試験は解けても、目の前の患者で病名が出てこないと言います。

今井むつみさん（8:38）

要するに教科書と同じではないことを色々言われるわけですよね。

頭の中の正解と、目の前の相手の言葉が違う。その瞬間に手が止まるかどうかで、知っていると使えるの距離が見えます。知っていることと、形の違う現実の中で使えることは、別の力です。この差は、AIの時代にそのまま職場へやって来ます。

若松さんが今井さんの著書にある「生きた知識と死んだ知識」に触れると、今井さんは、死んだ知識も生きた知識に向かう可能性があるとしたうえで、ドイツ語の例を出します。大学院の試験には通ったのに、使う機会がなくて読めなくなった話です。

今井むつみさん（11:04）

ま、例えば覚えたけど、あの、その時はできたけど、もうその後ずっと使わないからもう死んだ知識になっちゃったみたいな。

覚えたのに、使わないから消える。私の手元でこの話に近い言葉が、マリオカートのタイムアタックです。「走れば走るほど体で覚える。考えないで体が動く。」 頭で知っている状態と、考えずに体が動く状態の差は、knowing that と knowing how の差と同じ形です。どちらも動かして埋める差だから。

この差を埋めるのは、説明を増やすことではなく、走る回数なんです。知っている状態から体で覚えた状態へは、走らないと進みません。知っている量を比べる競争なら、AIに勝つ必要はない。走った人にしか残らない物のほうを増やす。あなたの仕事で、読むだけで終わっていることはありませんか？

AI時代の私の見方はこうです。AIに聞けば knowing that は一瞬で手に入ります。知識が体験を通って身体へ沈み、考えなくても直感や無意識で動ける状態まで消化されると、知恵になる。人に残るのは、その走って体で覚える側です。AIの答えが速くなるほど、問われるのは自分で走った回数です。

司会は、仕事で求められる力と学校で求められる力はどう違い、AIが得意なのはどちらかと尋ねます。若松さんは、学校は与えられた問いに唯一の答えを出す場だと言います。

若松信康さん（13:10）

仕事で問われるのは、あ、そこではなくて、やはりそれが本質的な問題なのかですね。

問いそのものを疑う所から仕事が始まる、という話です。AIは聞かれた問いにすぐ答えます。ずれた問いには、ずれたまま答えを返すこともある。だから私の立場では、問いを立て直す所は人の側に残す物です。

若松さんが挙げる仕事の力は、問いを立て直し、仮説を立て、情報を集めて検証し、答えのない選択肢から決める流れです。番組のスライドには「学校で評価されてきた力＝AIが最も得意な力」とあります。コーディングエージェントが進化したのも答えがあるからで、不安の正体は評価と知識への偏りにある、というのが若松さんの見立てです。知識はAIで無駄になるのではなく、使い方と使う所が変わるとも言います。

若松さんは営業や製造保守などの表で、知識が土台になることを示します。その時の言葉がこれです。

若松信康さん（18:02）

知識があるから仮説を立てられる。

若松さんが話すのは、仮説をAIに投げ、答えを自分の知識で確かめ、知識に戻す流れです。番組のスライドには「知識は、AIの前後で働く」とあり、育成の目標は knowing how に置くと続けます。

学歴の話で、私の経験を1つ置きます。中卒の私は、パソコンが好きで得意だったので、パソコンの仕事をしたかった。でも、学歴で落ちました。当時は「自分を表現したいのに学歴で判断されて悲しい」と思いました。今は「おかげで学歴のいらない仕事の経験や経営者の道が強制的に開けてよかった」と捉えています。悲しさも、よかったも、当時と今の私の答えです。

若松さんの話す学校で評価された力は、与えられた問いに答えを出す力です。私の経験は、これと同じ話ではありません。重なるのは、採用の入口で学歴という物差しで測られた所まで。私はそう見ています。

仮説の出どころとして若松さんが挙げるのは、知識です。では、AI共創の価値と意味は何で決まるのでしょうか？ 自分がワクワク夢中に遊び探求して消化でき、腑に落ちている所にAI共創するから、価値も意味もあります。私なら、AIに渡す前に、そこが自分の腑に落ちている所かを先に見ます。

習ったのに、いざという場面で使えない。その原因は、練習の量だけなのでしょうか？

動画の2つ目のテーマは「なぜ『答えを知ること』で止まってしまうのか」。今井さんはドイツ語の例を挙げながら、練習の前にある条件をこう話します。

今井むつみさん（20:03）

その練習をする必然性があるかってすごく大事だと思うんですね。

ドイツ語の例は、使う必然性が無かった話として語られました。今井さんがプレイフルラーニングと呼ぶのは、その反対側です。必然性があって、どうしても学びたいと思うと内発的に楽しくなり、すぐ答えが出なくても学びを続けられる。楽しさの話は、人とAIの違いにもつながります。

今井むつみさん（24:05）

人間の学びとAIの学びですごく違うことって人間の学びってやっぱり感情っていうものが関わってきてでやっぱりその楽しいっていうことは学びを深めるためにすごく大事なんですよね。

今井さんが勧めるのは、同じ状況のドリルより、相手がいたり状況が違ったりする場で知識を使う練習です。玉入れなら一点からではなく、色々な距離から投げる。OJTが理にかなうのも同じ理由だと話します。自転車に乗れる人が、乗り方を説明できるとは限らないという例も出てきました。

ここで大事なのは、必然性を「誰が決めるのか」です。楽しさを外から作って学ばせるより、私は本人の内側から湧く方を先に見ます。練習場に立つ理由が自分の中にあれば、距離を変えて投げ続けられるからです。

10月に勉強会で話した翌朝の魂磨きで、私が挙げたのは「機会」でした。こう答えています。

AI氣道の伝える日を先に決めると学びになると書いた魂磨きの記事より

アウトプットする機会が決まっていることで、その機会に向けてインプットもするし、準備する過程で学びも多いし、当日本番も教えることで学びが多いのでメリットがたくさんある。

同じ答えの中で「アウトプットする時間や場所が決まって決めてからインプットするのは最適」とも答えました。前の晩の振り返りに残した言葉は「教えるほど学べた」。先に決まった話す機会は、今井さんの言う必然性に重なる。これが私の考えです。

AI時代には、ここがさらに効きます。AIは答えをすぐ出すので、放っておくと練習する理由のほうが消えてしまうからです。やりたいこととやらねばいけないことが繋がると、have to が want to に変わります。やりたいことをやれば、学びは自然についてくる。だから必然性はAIに頼まず、人の側で先に決めます。

私なら、学びたいことを見つけたら、教材より先に話す日を決める。

動画の3つ目のテーマは「判断力を育てるための仕組みづくり」です。若手がAIに仕事を代わられて経験を積めなくなるのでは、という司会の懸念を受けて、若松さんはこう切り出します。

若松信康さん（26:58）

その経験しただけで判断力を育つっていうことはありえないんですよね。

若松さんが示すのは経験学習の循環。経験する、振り返る、教訓を引き出す、次に試す、の4つです。回すには、本人が判断する機会があること、結果を検証できること、支援があることが要ると話します。

落とし穴は二つ挙がりました。一つ目は、お客さまの「高いですね」にすぐ値引きで返すこと。背景が知識の不足か、理解の仕方か、仕事の条件かで、必要な対応は変わります。二つ目は、値引きして受注できた成功から「価格さえ調整すれば買う」と誤って学ぶこと。だから成功してもなお、問い直す必要があるんですよ。

若松信康さん（29:01）

ですので必要なのはその背景となる前提条件自体を疑ってですね、それをまず、ま、認識するっていうメタ認知ですね。

内省の材料はAIに引き出させればいい、と若松さんは続けます。企業が見るべきは循環が回る環境を出せているか。個人は経験をどう捉え、何を学んだか。AIでその個別化がしやすくなったという整理でした。

大事だと私が思うのは、二つ目の落とし穴です。若松さんは、成功してもなお問い直すと話します。私の見方では、失敗より成功のほうが、前提を疑う理由を見つけにくいんですよね。だから、うまくいった時の振り返りにこそ問いが要ります。

では、前提を疑うきっかけはどこから来るのか。先ほどの勉強会について、私は「相手の問いに答えることで自分の言語化を通じて自己発見にもなった」と答えています。問いに答え、言葉にして、自分を見つける、という答えでした。若松さんのメタ認知も、一人で思い返すより、問われるほうが入りやすいと私は考えています。

内省の材料をAIに引き出させる、という若松さんの話は、私の言葉にするならAIに問われて答えることです。私なら、うまくいった時ほどAIに問いを出させて、答えを言葉にします。

あなたの直近の成功をAIに問い直してもらったら、どの前提が揺れるでしょうか？

では、AIを判断力の育成にどう組み込むのか。若松さんが挙げるのは、答えを出させる使い方とは逆向きの仕組みです。

若松信康さん（31:54）

選択肢と判断の履歴というものをですね、AIに持たせてその次の経験として、ま、生かす

流れは、根拠の整理、検証項目の提案、結果と判断履歴の比較と進みます。記録はメールなど日々の業務からAIに下書きさせ、本人が補足と確認をして保存すると若松さんは言います。番組のスライドには「結果・答えではなく、判断の履歴を次の判断に活かす仕組みが必要」「検証と修正のサイクルが判断力を鍛える。」とあります。

ここで今井さんが問いを挟みました。人は多様なのに、統計的な傾向だけで判断がずれないか。若松さんの答えは、自分が行動するための1つの選択肢として見る、というものです。

若松信康さん（36:20）

AIはあくまで、ま、答えを出すためのものではなくて人に、まあ、選択肢ですね、考えるべき選択肢というものを、ま、教えてくれる、ま、そういった材料になると思ってます。

この話は、履歴を「誰が誰に渡すのか」で見ると整理できます。若松さんの仕組みは、AIに履歴を持たせて人の次の判断に返す流れ。私の側で重なるのは、その手前で自分の判断をAIに教える場面です。

10月26日の魂磨きで、AIが私には思いつかなかった判断をしたらどう受けとめるかと聞かれました。答えは「魂磨きのように判断を誤っていたことを教えることで、分身の AI が育つ、また同時に自分がそういう判断をするんだということを教えることで学ぶ気づく」でした。

若松さんの「判断の履歴」はAIから人へ、私の「判断を教える」は人からAIへ。向きは逆です。二つを並べると、AIが返す選択肢で人が判断し、判断を誤っていたらそれをAIに教える、という行き来が考えられます。

私の答えには、もう1つ入っていました。自分がそういう判断をするんだと、教えることで学び、気づく。教えることは、AIのためだけではないんですよね。AIを選択肢の材料として使うなら、判断を教える側に回ることが自分の学びにもなる。これが私の見方です。

AIの答えに「違う」と思った時、私は閉じずに、なぜ違うのかを言葉にして返す側に立ちます。

育成の場を意図的に作り、判断の履歴をAIに持たせる。若松さんのこの話を受けて、私は自分の判断をAIに教える側に立ちます。話す日を先に決め、問われて答える。その中で、知っているが使えるに変わっていきます。

AIが knowing that を一瞬で出す時代だからこそ、人は走って体で覚え、判断を言葉にして渡す側に回る。私はこの順番でやっていきます。

私の本も置いておきます

『Claudeプロジェクト実践入門　コンテンツマーケティング編』（Kindle）

私の立場はこうです。AI時代の育ち方の要は、知っているを使えるに変えていくことです。

ClaudeのプロジェクトでAIと一緒に仕事を進めたい時に、手に取ってみてください。

Amazonで見る

Amazonアソシエイトのリンクです

関連記事

参考リンク