RALGO : AIを組織に組み込む方法 -アルゴリズム中心組織設計- #RSGT2026 / RALGO: How to Integrate AI into an Organization – Algorithm-Centric Organizational Design

by kyonmm

Slide 1

Slide 1 text

RALGO AIを組織に組み込む方法アルゴリズム中心組織設計 kyon_mm #rsgt2026

Slide 2

Slide 2 text

Slide 3

Slide 3 text

自分/組織内の誰かが行なっている意思決定の明確なルールって何がありますか？ 5分です。オンライン参加のかたはDiscordに書いてください。会場では誰かにお話ししてもらえたらうれしいです。 3

Slide 4

Slide 4 text

AI時代に要請される道具の発明とはなにか 4

Slide 5

Slide 5 text

エンジニアの仕事は道具作りでありユーザーを縛るものではない 5 デザイナー、エンジニアの仕事は道具を作ることである人工物設計（Simon）エンジニアリングは「人工物」を設計し、環境との境界条件を更新する営みといえるのではないか Simonは人工物を、目的と適応で捉える視点を整理した道具と手順の協働（Engelbart） Engelbartは“知の拡張” を、個人能力ではなく、道具と手順の協働とした AIはまさにこの延長で、プロンプトだけでなく、作業の分解、記録、再利用が中核になといえる DX ITによって業務の効率化と新しい業務形態が生まれた ITという道具によって世界をよくすることがITエンジニアの姿の１つである

Slide 6

Slide 6 text

ソフトウェア開発手法のパラダイムシフトは25年ごと 6 科学的管理手法（転用）カウボーイ 1950 1975 2000 ウォーターフォール開発シーケンシャル開発アジャイル開発混沌計画型適応型 1970 : MANAGING THE DEVELOPMENT OF LARGE SOFTWARE SYSTEMS 1985：DOD-STD-2167 1993 : The Hillside Group 2001 : アジャイルソフトウェア開発宣言 2011 : スクラムガイド

Slide 7

Slide 7 text

技術変革のなかでも現在のAIは1つの大きな波である • 18世紀後半 • 蒸気機関 • 19世紀後半 • 電気 7 第一次産業革命第二次産業革命 • 20世紀後半 • デジタル技術第三次産業革命 • 21世紀前半 • AI 第四次産業革命産業革命がおきると政府も人々の生活も変化していく

Slide 8

Slide 8 text

新しい技術の導入に対して成果をだすためには組織の変更が前提となる 8 新しい技術と組織における導入率 vs 成果向上率のイメージ 0 20 40 60 80 100 新しい技術と組織における導⼊率 vs 成果向上率のイメージ導⼊率⽣産性・成果 • Davidの議論では、電力化の便益が遅れて現れた背景に、工場配置や工程設計の作り替えがあった。AIも同様に、既存の組織設計のままでは効果が遅れる。 • AIという単体製品ではなく汎用技術（GPT）の系譜で捉えるとよいであろう。 • GPTは改善余地と補完的革新を伴い、周辺の投資や設計変更を誘発します。

Slide 9

Slide 9 text

エンジニアの仕事は、AIという万能人材を導入することではなく、組織の認知と意思決定の構造を変える「道具」を発明することである。 V. Bush “As We May Think”(1945) 科学的知識を拡張するMemex を開発情報の洪⽔に対応する D. Engelbart “Augmenting Human Intellect”(1962) Engelbartは“知の拡張”を、個⼈能⼒ではなく、道具と⼿順の協働として描きました 2030 AI • AIも知の拡張としての道具として使われていくだろう 9 AIは「知を拡張する道具」の現代的後継者である

Slide 10

Slide 10 text

組織のとらえ方とアジャイル開発とAIにおける困難 10

Slide 11

Slide 11 text

ソフトウェア工学は失敗の反復からマネジメントを学んできた 11 ソフトウェア工学から見る組織の変遷科学的管理手法（転用）カウボーイ 1950 1975 2000 ウォーターフォール開発シーケンシャル開発アジャイル開発混沌計画型適応型 1970 : MANAGING THE DEVELOPMENT OF LARGE SOFTWARE SYSTEMS 1985：DOD-STD-2167 1993 : The Hillside Group 2001 : アジャイルソフトウェア開発宣言 2011 : スクラムガイド N/A ソフトウェア危機から工程管理とそれに応じた組織分割フィードバックループを小さくできる小さいチーム

Slide 12

Slide 12 text

AIはアウトプット生成を高速化するが、組織の調整構造が追いつかなければ、むしろボトルネックを増幅させる。 12 AIによって露見した不都合な真実理想的な成果物（シンプルな依存関係）現実の組織構造（非公式も含めて複雑な依存関係）高い調整コスト DXやアジャイルによって組織や製品やプロセスの問題の可視化が促進された。AIはそれをさらに促進するものである。対応できなければAIの重力に押し潰されることになる。

Slide 13

Slide 13 text

AIの確率論的動作をみたときに、人間にも同じ問題があり、それを乗り越える必要がある • コードレビューをしたときに同じ条件で同じ回答を出せる確率はどれくらい？ • ユーザーインタビューをしたときに同じ条件で同じインサイトを出せる確率はどれくらい？ • ふりかえりをしたときに同じ条件で同じ課題や同じ解決策を出せる確率はどれくらい？ 13 AIより人間の方が統制がとれているという幻想幻想決定論的な人間にどう合わせるか現実確率論的な動きが早くなる組織をどう成果に繋げるか人間 AI 決定論的確率論的人間 AI 確率論的確率論的

Slide 14

Slide 14 text

未来を予測する最良の方法は発明することだ The best way to predict the future is to invent it. Alan Kay 14

Slide 15

Slide 15 text

AI時代を生き抜く鍵は、行動のルール/規則/方針/アルゴリズムを絶えず認識/更新する学習メカニズムを組織に埋め込むことである • これまで：多くの組織はシングルループ学習（行動の修正）に留まり、同じ過ちを繰り返す。変化に適応する組織はダブルループ学習（行動を生んだ前提・規則の修正）を実践する。 • AIの登場：この前提の陳腐化を加速させる。 • これから：ダブルループ学習の対象として、人間とAIのアルゴリズムを認識 /更新し続ける 15 ダブルループ学習の対象の変化前提・価値権・規則・アルゴリズム行動結果なぜこの手順は失敗したのか？我々の意思決定プロセス、評価基準、あるいは組織構造そのものに問題があるのではないか？この手順は失敗した。別の手順を試そう

Slide 16

Slide 16 text

ヒト/モノ/カネ/エネルギーの全てが枯渇する、枯渇先進国日本を豊かな場所に • どうやって過剰なヒト/モノ/カネ/ エネルギーを使う？ • 第二、第三の経済大国としてどうリードする？ • ヒト/モノ/カネ/エネルギーに頼ったソリューションは使えない • リソースが少ない状態でも生き生きとした生活が求められる • リソースが少ない状態でも社会貢献できる方法 16 今までの日本これからの日本

Slide 17

Slide 17 text

⾯積が労働者数いままでの教育方法では日本の産業レベルが衰退する 17 労働者を確保できてたときこれから⾯積が労働者数高度人材⾯積が労働者数高度人材⾯積が労働者数高度人材

Slide 18

Slide 18 text

デジタル赤字とAI時代という2つのトレンド • 高利益率・高成長率の資本・知識集約型事業（アプリケーション、ミドルウェア/OS、計算資源インフラ、デジタル広告）の市場シェアは軒並み外資に押さえられている • ースシナリオで2035年に約18兆円のデジタル赤字を計上する見込み • 第四次産業(AI)革命に伴う悲観シナリオでは、約10兆円の追加赤字が見込まれ、総額約28兆円に達する • AIのための学習データは今後 2028年には枯渇の可能性 • 一次データの重要性が急激に高まる • データの保存先や所有権が国益を大きく左右する世界がくる • データがなければ価値あるソフトウェアが生み出せず、競争力が維持できない「聖域なきデジタル市場」が確実に迫っている 18 デジタル赤字 AI 出所 : 経済産業省デジタル経済レポート

Slide 19

Slide 19 text

日本発で2025年のパラダイムシフトを起こす • 2025年に演繹推論にちかいAIがでまわったことで、今後はコスト削減ではなく収益拡大のAI利用が可能になると予想できる • アジャイルで早く安くできるのは副産物であり、収益の高い事業をつくるのが主目的のとおなじような構造である • より少人数で、より多様なスキル、より高度なスキルをもったチームを多数つくれるような仕組みが必要となっている • 第四次産業革命と、日本の課題を前提とした事業モデルと制度をつくれると一気にスケールする • これらを日本発でつくれると、今後数十年また日本が世界の先進国にとってリーダーとなれる • リソースがすくない国での豊かな暮らしのありかたとそれらをささえる制度と産業とはたらきかたの先進国となれる 19 なぜわたしがアジャイルをやっているのか、そしてやめているのか

Slide 20

Slide 20 text

マネジメントはシングルプロセスからマルチプロセスへ 20 マネジメントモデルの変化購入者販売者製作者購入者販売者製作者購入者販売者製作者第三次産業革命まで第四次産業革命初期 (AIによる変革のはじまり) 第四次産業革命中期 (AIが当たり前の時代)

Slide 21

Slide 21 text

組織はピラミッドモデルではなく超高度人材特化へ • チームは2-3名を基本とする • Product Management(Why)とQuality Assurance(What)の2スキルを軸 • これで爆発的にもうかったチームにはさらにメンバーをアサインする 21 ケイパビリティモデルの変化⾯積が労働者数高度人材⾯積が労働者数高度人材

Slide 22

Slide 22 text

組織をアルゴリズムとしてとらえる 22

Slide 23

Slide 23 text

組織として重要なのはアルゴリズムであって主体が何かではない • 責任者を置けば解決する、という発想は分かりやすい一方で、実態の手順（アルゴリズム）が壊れていると再現性が出ない • 組織が求めているのはある種のアルゴリズムを達成することである • 入力：特定の予算、人員、状況 • 達成条件：予算120%まで、1段階上までスキルアップ • ※：プログラミング以外のものも幅広くアルゴリズムと言えるという立場です 23 組織が求めることに対する解決策のギャップ主体責任者を置く対処方法ツリー構造な組織と意思決定経営者への回答方法特定の状況達成条件 (QCDSなど) 経営者が渡すもの

Slide 24

Slide 24 text

組織を人の集合ではなく、意思決定・検証・学習の手順（アルゴリズム）の集合として扱うことで、設計・改善・自動化が可能になる。 24 組織をアルゴリズム主体で考える主体責任者対処方法ツリー構造な組織と意思決定今まで推奨されてきた方法現実の課題人口減少でどう育てるか世界はグラフ構造でできているこれからの方向性確率論的決定も含めてアルゴリズム中心形式知化で育成/スケール/改善を高速化意思決定などさまざまなアルゴリズムやゴール（評価関数）の抽出や開発

Slide 25

Slide 25 text

RALGOは組織の振る舞いを規定するアルゴリズムを中心に据えるこれにより属人的な「頑張り」や「責任者の任命」といった暖味な解決策から脱却し、手順の品質を向上させることに集中できる 25 RALGO（Resilient Algorithm-based Organization）ふりかえり as a Algorithm RALGO アプリ設計 as a Algorithm テスト計画 as a Algorithm 信頼性向上 as a Algorithm 事業計画 as a Algorithm 予算の承認 as a Algorithm

Slide 26

Slide 26 text

組織は単純なツリー構造ではない。部門を横断する協働関係を許容し、設計対象とするセミラティス構造こそが、 AI時代の複雑性に耐えうる。 26 組織もセミラティス構造を前提とした捉え方都市はツリーではない Christopher Alexander AI時代の知識や判断は、部門の壁を越えて流動する。ツリー構造で権限を固定化すると、実態は「地下化」し、非公式な調整が蔓延、ガバナンスの死角となる。 RALGOは、このセミラティス構造を前提とし、現実の協働関係を意図的に設計・可視化する。

Slide 27

Slide 27 text

「RALGOパタン」の種パタンランゲージを想定したパタンの種 27

Slide 28

Slide 28 text

AIの確率論的動作をみたときに、人間にも同じ問題があり、それを乗り越える必要がある 28 AIより人間の方が統制がとれているという幻想 Accountability Operating Value Algorithm Owner Quality Algorithm Owner Trust Algorithm Owner Waigaya Evidence-Based Decision Making Fractal Rhythm Top Player Oriented

Slide 29

Slide 29 text

Value,Quality,Trustの3つの判断アルゴリズムを定義し、各々のオーナーがその手順の品質を担保する。 29 Accountability Pattern Value Algorithm Owner Accountability - - Trust Algorithm Owner - Quality Algorithm Owner

Slide 30

Slide 30 text

「何をすべきか」「なぜやるべきか」「何が価値につながるのか」の価値創出アルゴリズムを担保する。市場・顧客データに基づき、意思決定の根拠を明確にする。 • 価値を創出するためのアルゴリズム • 関連分野 • マーケティング • Product Management • R&D • UX Design • UI Design 30 Value Algorithm Owner

Slide 31

Slide 31 text

「価値を満たしているか」「高い品質を達成する」品質判断/品質創出アルゴリズムを担保する。品質特性やを定義し、検証手順を整備する。 • 品質を創出するためのアルゴリズム • 関連分野 • Quality Assurance • System Architecture • UX Design • UI Design 31 Quality Algorithm Owner

Slide 32

Slide 32 text

「信頼できるか」「高い信頼性を達成する」運用判断アルゴリズムを担保する。リスク、偏り、説明可能性を管理し、監査可能性を確保する。 • 信頼性を創出するためのアルゴリズム • 関連分野 • SRE • 監査 • 認証 • DevSecOps 32 Trust Algorithm Owner

Slide 33

Slide 33 text

意図的な対立による探索アルゴリズム創出の場 • Hondaの「ワイガヤ」は、単なる雑談ではない。立場を超えて率直に議論し、対立を革新につなげるための「探索アルゴリズム」創出の場である • 関連分野 • 知的コンバット • 意味のイノベーション 33 Waigaya

Slide 34

Slide 34 text

属人性を制御する設計アルゴリズム • トップ人材の成果は、個人の能力だけでなく環境にも依存する。彼らの暗黙知をチームのアルゴリズムに変換し、再現性を高める。 • 関連分野 • 資産管理 • SECIモデル 34 Top Player Oriented

Slide 35

Slide 35 text

意思決定の品質を上げるアルゴリズム • 意見の強さではなく、証拠の種類と質で判断する。例として CEBMaが示す4つの要素（科学的証拠、専門性、ステークホルダー価値、文脈）を入力項目とする • 関連分野 • Evidence-Based Medicine 35 Evidence-Based Decision Making

Slide 36

Slide 36 text

自己組織化を促す時間設計アルゴリズム • 異なる時間粒度で、観測、判断、学習のサイクルを回すことで、自己組織化された改善と適応を促進する。 • 関連分野 • Temporal Leadership • Fractal Sprint 36 Fractal Rhythm

Slide 37

Slide 37 text

まとめ 37

Slide 38

Slide 38 text

自分たちが持つ暗黙の判断規則の認識、設計、実践。それに基づいた組織づくりの道をつくりあげる。 • 全ての組織は、意識的か無意識的かにかかわらず、無数のアルゴリズムで動いている。 • 「この種の決定は、誰と誰に相談して決める」「品質の定義は、あの人の感覚が基準になっている」「トラブルが起きたら、まずこの部署に連絡する」 • 「既成のAI」による偶発的な未来に身を任せるのではなく、アルゴリズムを設計することで、未来を発明しよう。 • あなたの組織は、どのようなアルゴリズムで動いているか？ 38 RALGO アルゴリズム中心組織設計