AIが実行する時代のリーダーシップ 意思を持ち、周りを巻き込む力とは

AIを使えることは、全員のスタートラインになりました。その先で成果を分けるのは、意思と巻き込み力です。
この資料では、リーダーシップを役職に付くものとしてではなく、誰もが自分の持ち場で発揮する力として捉え、意思・実行・文脈・関係の4つの観点から整理しました。最後に、全体を1枚の構成にまとめています。

主要な原典
・MIT NANDA「The GenAI Divide」（2025年8月、報道記事）
https://computing.co.uk/news/2025/ai/mit-report-95pc-corporate-generative-ai-pilots-fail
・Andrew Ng, The Batch（2025年7月）
https://www.deeplearning.ai/the-batch/how-to-get-through-the-product-management-bottleneck
・OpenAI「Harness engineering」（2026年2月）
https://openai.com/index/harness-engineering/
・佐藤航陽×箕輪厚介「SNSの次は、リアルに戻る」（2026年10月）
https://www.youtube.com/watch?v=jZM3xIAbHMg
・WEF「Future of Jobs Report 2025」
https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/3-skills-outlook/
・1979年頃のIBMの研修資料とされるスライド
https://werd.io/a-computer-can-never-be-held-accountable/
・Charles Lamanna（Microsoft、2026年9月）
https://x.com/clamanna/status/2105046554235290008
・Gartner（2025年2月）
https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk
・Google DORA「AI Capabilities Model」（2025年9月）
https://cloud.google.com/blog/products/ai-machine-learning/introducing-doras-inaugural-ai-capabilities-model
・Glean（2026年9月）
https://www.glean.com/blog/from-enterprise-search-to-enterprise-context-what-ai-agents-actually-need
・Dell'Acqua, Mollick ほか「The Cybernetic Teammate」（NBER、2025年）
https://www.nber.org/papers/w33641
・Yale University（Imaging Neuroscience、2023年10月）
https://news.yale.edu/2023/10/25/zooming-our-brains-zoom
・Stack Overflow Developer Survey 2025
https://survey.stackoverflow.co/2025/ai

ほかの根拠は、資料末尾の参考文献にまとめています。

Transcript

1. AI が実行する時代の リーダーシップ 意思を持って決め、責任を持つ力とは 為安圭介
2. AI を使えることは、 全員のスタートラインになった 調べる 要約する 下書きする 分析する 計画案を出す 見える化する その先で差がつくのは、 個人が持つリーダーシップと、 一人を超える組織とコミュニティの力 AI で資料もコードもすぐ作れるようになった。だから成果を分けるのは 意思を持って決め、責任を持つ力 ここでいうリーダーシップは、役職ではなく、誰もが自分の持ち場で発揮する力 95% MIT NANDA の調査では、 AI を 試験導入した組織の 95% で、 財務的な成果が出ていない つまずきの原因は、モデルの性能より、 業務と組織の流れに 組み込めていないこと "95% of organizations are getting zero return." 出典 MIT NANDA「The GenAI Divide」 （2025年8月） 2
3. 作るのは AI 。意思を持って決め、責任を持つのは人 これまで 決める コーディングや資料づくりのような、手を動かす実装作業 価値は人の稼働時間でカウント 支援する 決める これから 意思を持つ 作る｜ AI が実行 責任を持つ 何を変えたいかを、 自分の言葉で持つ。 AI に 渡す問いは、ここから始まる 実装作業の多くを AI が担う。 人は途中の判断を、その都度決める AI が作ったものでも、 相手に届けるのは自分。 問題が出たら切り戻す Andrew Ng 何を作るかを決めることが 新しいボトルネックに なった The Batch（2025年7月） 佐藤航陽 × 箕輪厚介 OpenAI "Humans steer. Agents execute." 人に残る役割は " 起点 " と " 責任 " 人は意図を示し、評価の仕組みを設計する 宇宙会議 （2026年10月） Harness engineering （2026年2月） 3
4. 人の価値は、関わることで 相手の行動が変わるところに生まれる 重要度の伸びが最も大きいスキル 雇用主の回答（ 2023→25 年の伸び） リーダーシップと社会的影響力 +22 レジリエンス・柔軟性・機敏さ +17 AI とビッグデータ +17 WEF「Future of Jobs Report 2025」 人が関わる 相手の信頼と行動が変わる 成果が変わる 人が関わる価値の中身 意思決定 コミットメント 関係構築 経験と成長 何を目指し、 何を AI へ任せるかを、 自分たちで決める 選んだことを自分の 選択として引き受け、 結果まで関わる 関わるほど信頼が生まれ、 本音が出て協働が進む 経験から判断基準と自分の 役割を更新し続ける AI が作業を引き受けるほど、 何を善しとするかを決める人と、成果に責任を持つ人の存在が際立つ 4
5. 始まりは、背景まで確かめた違和感から生まれる 名前がつくと打ち手が生まれる 問いの候補は AI も出せる 経験不足から来る 違和感もある 背景や経緯を知らないために おかしいと感じることもある。 決めつける前に、 なぜそうなっているのかを 確かめる。 1 違和感を持つ 現実の違和感に時間をかけて 向き合い、動き続ける 動機は、人から生まれる。 4 改善案にして動く 名前のない問題は検討できない。 名前がついた瞬間、漠然とした 持ち場で試せる形にして、 不安は打ち手のある課題に変わる。 まず動かす 名づけは設計の最上流の仕事。 3 名づける 2 外に出して確かめる 曖昧な「やりたい」に 名前と言葉を与え人が 動ける目的にする 上司や他部署に話して、 自分に見えていない事情を 聞く。反発されたら、 その中身を見極める 顧客の不満や仕事の ムダに気づいたら、なぜ 今そうなっているのかを 先に調べる 5
6. 意思は、誰がいつ何をするかの計画になったとき動き出す ① 具体化 ② 分解 ③ 巻き込み ④ 舵取り ⑤ 引き受ける 目的を固定する 構造にする 合意をつくる 進めて学ぶ 結果まで関わる 目的と、何をもって 成功とするかを決める 誰がいつ何をするかを 計画にする 人と AI でチームを 組み、期待をそろえる ずれを見て手を打つ。 AI の出力も確かめる 選んだことを自分の 選択として引き受ける AI と人の分担 AI 人 AI 計画に書き込む 5 つの判断 人 AI 人 AI 人 人 AI が実行を速めるほど、決め方があいまいな計画は途中で止まる。 5 つの判断の軸を先にそろえておく。 スコープ 受け入れ基準 ロール 説明責任 タイミング 何を判断し、 何を判断しないか 何を満たせば合格で、 何があれば不合格か 誰が決めるか。 人が決めるか、 AI に任せるか 誰が結果を説明し、 引き受けるか 作る前に決めるか、 作った後に確かめるか "A computer can never be held accountable; therefore a computer must never make a management decision." 「コンピューターは責任を負えない。だから、管理上の決定をさせてはならない」 1979年頃のIBMの研修資料とされるスライド AI がどれだけ賢くなっても、結果を引き受けるのは人 6
7. AI の答えの質は渡せる組織の文脈で大きく変わる 手元の資料だけ 業界と顧客の動向 同じ AI 一般論の答え 会社の方針 自組織の状況 組織の文脈 ・誰が決めたか ・どれが最新の方針か ・誰と何を進めているか ・何を優先するか ・なぜそう決めたか 相手 仕事に使える答え 同じ AI 判断 判断の材料がそろう "The model is not enough - it doesn't come with an understanding of how your business or team works." 「モデルだけでは足りない。事業やチームの動き方の理解は、モデルに付いてこない」 （Charles Lamanna、Microsoft EVP）(Microsoft Learn 「 Work IQ in Copilot Studio 」 ) 組織の文脈は、一人では作れない 63% の組織が、 AI に適したデータ管理の 実践を持たないか、分からない Gartner（2025年2月） AI で集める 人が意味を読む 決めたことを、理由と一緒に一人ひとりが残す。 その積み重ねが、 AI にも人にも使える組織の力になる。 AI の効果を広げる 7 つの組織能力の うち 2 つが、データ基盤と社内データ Google DORA（2025年9月） AI エージェントに渡す組織の文脈は、権限 を守ったうえで最新に保つ必要がある Glean（2026年9月） 7
8. AI が作ったものでも、受け取った相手は送り手を見ている 42% AI で作った質の低い成果物を受け取った 人の 42% が、送り手を信頼しにくくなっ たと答えた 責任を持つとは 1 AI の出力でも、相手に渡すのは自分。中身を確かめてから出す 2 3 エージェントの結果の責任は、人と組織に残る Gartner（2026年10月） 任せた範囲を説明できるようにする どこを AI に任せ、どこを自分で判断したかを、 聞かれたら答えられるようにしておく 米国の会社員 1,004 人への調査。約半数は、送 り手の能力や頼りがいも低く見た BetterUp・Stanford Social Media Lab （2025年9月） 出す前に、自分の目で確かめる 問題が出たら、自分で切り戻す 止める判断と、元に戻す手順を、渡す前に持っておく AI が作業を担うほど、人は方向を決め、 出力の使い方に責任を持つ Microsoft「2026 Work Trend Index」（2026年5月） 8
9. ひとりで届く範囲は、 思っているより狭い。 最も優れた解決策は、 AI を使うチームから生まれた 上位 10% の解決策を出した割合 （ P&G 社員 776 人、 2024 年） 個人（ AI なし） チーム（ AI なし） 個人（ AI あり） チーム（ AI あり） 5.8% 9.5% 7.7% 15.0% Dell'Acqua ほか「The Cybernetic Teammate」 （2025年） AI で一人の力は広がった。それでも、 最も優れた成果は AI を使うチームから生まれる これは仕事だけの話ではない。一人で届く範囲の限界は生き方にも当てはまる。 自分の人生をよりよく生きようとするほど、周りの協力が要る。 AI は一人で届く範囲を広げる。それでも、寿命だけは変えられない。 だから、限られた時間を誰と、何に使うかが問われる。 9
10. 情報が溢れるほど、会って得る実感の価値が上がる 複製しやすいもの 価値が 移る 文章や動画のようなデジタル情報 AI で供給が増え続ける 複製しにくいもの 現地での体験や、特定の人と過ごす時間 物理的・時間的な制約がある 会えば価値が生まれるわけではない。会う時間を、 相手にとって意味のある時間にできるかが問われる 会う前 会っている間 会った後 AI で 5 分調べる 受けとめてから返す 小さな約束を守る 相手の関心や立場、置かれた 状況を押さえておく 表情を見ながら言葉を交わして、 理解を得る。安心や楽しさも届ける 相手の関心を 1 つメモに 残す。次につながる約束を して、守る AI で準備し、会うことに時間を使う 対面で顔を合わせると、画面越しよりも、社会的な処理に関わる 脳の活動が高まり、目を合わせる時間も長くなった Yale University（Imaging Neuroscience、2023年10月） 10
11. いざというときの協力は普段の関係の積み上げから生まれる 組織の力 ＋ 役割と仕組みを使って、大きな仕事を続けて動かす コミュニティの力 自発的なつながりで、 組織の壁を越えて学びと助けを運ぶ コミュニティは、学びが循環する場 得られる協力と成果 協力してほしいとき 体験する 関係が深まる 普段から関係を積み上げた人 言葉にする 学ぶ＋繋がる＝成長する この差が 成果の差 共有する 形にして出す 困ったときだけ頼る人 時間 75% AI がコーディングの大半を担う未来でも、 開発者の 75% が「 AI の答えを信用できない とき」は人に助けを求めたいと答えた Stack Overflow Developer Survey 2025 11
12. AI が実行する時代に差がつくのは 人が引き受ける（起点と責任） AI が速く・楽にする 意思を持って決め、責任を持つ力 = リーダーシップ 意思を持つ 始まりをつくる 決める AI の実行の中で判断する AI が実行する間に出てくる判断を、その都度人が決める 自分の持ち場の中で。問いの候補は AI も出せるが、 向き合い続ける動機は人のもの 違和感を持つ 当たり前を疑う。決めつける前に、なぜそうなっ ているのかを確かめる 外に出して確かめる 他部署や社外に考えを出し、反応を見る。反発は その中身を見極める 「やりたい」を言葉にする 曖昧な意思を、他者が理解し動ける目的の言葉に 変える 改善案にして動く 違和感を自分の持ち場で試せる改善案にして動き 出す 関係 3 つを支える土台 協力は組織とコミュニティの両方から日々積み上 げる 前提 AI 活用は全員のデフォルト 人と人のあいだで育つ 起点 AI が作ったものでも、相手が見るのは送り手。結果 まで自分が引き受ける ① 具体化 ② 分解 ③ 巻き込み ④ 舵取り 曖昧な意思や課題を、 目指す姿と成功の条件 にする 誰がいつ何をするかを 計画にする。計画案は AI が速い 人と AI でチームを組み、 役割と期待をそろえる ずれを見て手を打つ。 AI の出力も人が確かめ る 人が主・ AI が補 AI が速くする 人が担う 判断の材料 結果 AI が見える化 AI の答えの質は渡せる組織の文脈で大きく変わる。集めるのは AI 、読むのは人 チームの状況、記録 相手とその周辺 顧客と業界で何が変わ りつつあるかを掴み、 先に備える 会社の向かう先を、自 分の仕事とつなげる 誰が何を担っているか。 決定の経緯と、いま誰 が困っているか 会う前に、相手の関心 と置かれた状況を押さ えておく AI で収集 AI の出力を、相手に渡す前に自分の目で確かめる 任せた範囲を説明する 問題が出たら切り戻す 組織の方針、規定 AI で収集 出す前に確かめる どこを AI に任せ、どこを自分で判断したかを答え られる 業界と顧客の動向 AI で収集 責任を持つ 結果を引き受ける 止める判断と元に戻す手順を、自分が持っておく AI で収集 選んだことを引き受ける 選んだことを自分の選択として、結果まで関わる リアルで会う 理解を得る 感情を届ける 弱さも開く コミュニティ 表情を見て言葉を交わす。情報が 溢れるほど、会って得る実感の価 値が上がる 相手の関心と言葉に合わせて話し、 納得してもらう 安心や楽しさは、人から受け取る から響く 失敗や欠けを隠さない。物語と共 感はそこから育つ 組織の壁を越えるつながりに身を 置き、場を支える 調べる 要約する 下書きする 分析する 計画案を出す 進捗を見える化する 中間の作業は AI に任せ、人は始まりと結果に責任を持つ 成果の大きさは、組織とコミュニティから得る協力で大きく変わる 12
13. IT エンジニアリングマネージャー ｜ コミュニティマネージャー 国家資格キャリアコンサルタント 技術と人をつなぐ仕事をしています S Y S T E M システムづくり ためやす けいすけ 為安 圭介 北海道・札幌 好きなもの システム構築／ IT ソリューション／プロジェクトマネジメント T E A M & CO M M U N I T Y チームづくり・場づくり AI コミュニティ CDLE 運営／ SHiFT ／ BUFF 認定コミュニティマネージャー・メンター C A R E E R 人のキャリアに関わる 国家資格キャリアコンサルタント／キャリア支援／記事発信 note 「キャリアのなやみ」 関心 人と AI のよりよい協働
14. 参考文献（ 1/4 ） ★ は本編に載せた主役の根拠 No 発信元（日付） 要点 リンク 3-1 Andrew Ng ／ The Batch （ 2025-07 ） 「何を作るか決めること」が新しいボトルネックになった deeplearning.ai 3-2 Gartner （ 2024-10 ） 2027 年までにエンジニアの 80% が再教育を迫られる。人の専門性は欠かせな い gartner.com 3-3 OpenAI ／ GDPval （ 2025-10 ） 専門家と同等以上の評価はほぼ半数。ただし条件が明確な課題に限る arxiv.org 3-5 佐藤航陽 × 箕輪厚介 対談（ 2026-10 ） 人に残る役割は「起点」と「責任」 youtube.com 3-6★ OpenAI ／ Harness engineering （ 202602 ） "Humans steer. Agents execute." 人は意図と評価の仕組みを設計する openai.com 3-7 Microsoft ／ 2026 Work Trend Index （ 2026-05 ） エージェントが実行を担うほど、人は方向を決め結果を引き受ける microsoft.com 3-9 Google DORA （ 2025-09 ） AI ツールの導入だけでは成果は出ない。組織の能力が分ける cloud.google.com 4-1 Gartner 予測（ 2025-10 ） 定型は AI 、複雑で感情を伴うやり取りは人が担う（ 2028 年） gartner.com 4-2★ WEF ／ Future of Jobs Report （ 202501 ） 重要度が最も伸びたのはリーダーシップと社会的影響力（ +22 ポイント） weforum.org 4-5 自己決定理論（ Deci ・ Ryan ） 自律性、有能感、関係性が主体的な意欲を支える selfdeterminationtheory. org 4-7 Microsoft ／ 2026 Work Trend Index （ 2026-05 ） 人が方向を決め、判断の責任を持ち続けることが成果を左右する microsoft.com
15. 参考文献（ 2/4 ） ★ は本編に載せた主役の根拠 No 発信元（日付） 要点 リンク 5-1 Stanford Digital Economy Lab （ 202608 ） AI の影響を受けやすい仕事で、 22 〜 25 歳の雇用が 19% 少ない（観測された 傾向） digitaleconomy.stanford. edu 5-2 Addy Osmani （ 2024-12 ） AI は経験者ほど助ける（知識のパラドックス） addyo.substack.com 5-3 Microsoft Research ・ CMU （ 202502 ） AI への信頼が高いほど、批判的に考える労力が減る theregister.com 5-4 Gartner 予測（ 2025-10 ） 2026 年までに組織の半数が「 AI なし」のスキル評価を求める gartner.com 5-5 佐藤航陽 × 箕輪厚介 対談（ 2026-10 ） 問いは違和感から生まれる。固まった常識を覆し続ける youtube.com 5-6 UK Design Council ／ Double Diamond 決めつけず、まず問題を理解し、定義し直してから解決に進む designcouncil.org.uk 5-9 Xu ほか メタ分析（ 2026 ） 「できる」「やる理由」「意欲」が主体的な行動につながる（ 308 研究） onlinelibrary.wiley.com 6-2 Sean Grove （ OpenAI 、 2025-07 ） 仕様を書く人がプログラマーになる youtube.com 6-3 Anthropic ／ AI Fluency （ 2025 ） 委任、説明、見極め、責任の 4 つの力 theneuron.ai 6-4 OpenAI ／エージェント構築ガイド （ 2025-04 ） 高リスクの操作の前や失敗が続くとき、人が介入する cdn.openai.com 6-6★ IBM の研修資料とされるスライド（ 1979 頃） コンピューターは責任を負えない。だから管理上の決定をさせない werd.io 7-1 Anthropic ／ Context engineering （ 2025-09 ） 文脈は限りある資源。情報量の高い最小の文脈を選ぶ anthropic.com
16. 参考文献（ 3/4 ） ★ は本編に載せた主役の根拠 No 発信元（日付） 要点 リンク 7-2★ Charles Lamanna （ Microsoft 、 202609 ） モデルだけでは足りない。事業やチームの理解は付いてこない x.com 7-3 Tobi Lütke ・ Andrej Karpathy （ 202506 ） 指示文の工夫より、課題を解ける文脈をすべて渡すこと twitter.com 7-4 Gartner （ 2025-02 ） AI に使えるデータがない案件は、 2026 年までに 60% が放棄される gartner.com 7-6 Glean （ 2026-09 ） エージェントに渡す組織の文脈は、権限を守ったうえで最新に保つ glean.com 8-1★ BetterUp ・ Stanford Social Media Lab （ 2025-09 ） AI で作った質の低い成果物を受け取った人の 42% が、送り手を信頼しにくく なった betterup.com 8-2★ Gartner （ 2026-10 ） 自律より先に信頼性。エージェントの結果の責任は人に残る gartner.com 8-3★ Microsoft ／ 2026 Work Trend Index （ 2026-05 ） AI が作業を担うほど、人は方向を決め、出力の使い方に責任を持つ microsoft.com 9-2★ Harvard ・ P&G ほか（ NBER 、 202504 ） 上位 10% の解決策を出した割合は、 AI を使うチームが 15.0% （ AI なしの個 人は 5.8% ） nber.org 9-4 WEF ／ Future of Jobs Report （ 202501 ） 2030 年までに働き手のコアスキルの 39% が変わる weforum.org 10-4 佐藤航陽 × 箕輪厚介 対談（ 2026-10 ） 情報が増えるほど、一つひとつの希少性は下がる youtube.com 対面の顔は画面越しより、社会的な脳の活動を高め、視線も長くなる news.yale.edu 10-8★ Yale University （ 2023-10 ）
17. 参考文献（ 4/4 ） ★ は本編に載せた主役の根拠 No 発信元（日付） 要点 リンク 11-1 Microsoft ・ UC Berkeley （ 2021-09 ） 全社リモートで協働は閉じ、部門をまたぐ協働は約 25% 減った newsroom.haas.berkeley .edu 11-3 MIT NANDA （ 2025-07 ） 外部と組んだ導入は約 67% が本番に届き、社内だけでは約 33% ppc.land 人に助けを求めたい場面の 1 位は「 AI を信用できないとき」（ 75% ） survey.stackoverflow.co 11-9★ Stack Overflow Developer Survey （ 2025 ） 11-10 Google re:Work ／ Project Aristotle 効果的なチームの第一の条件は心理的安全性 rework.withgoogle.com 12-1 Gartner 予測（ 2025-10 ） 技術と同じ優先度で、行動の変化に取り組む gartner.com 12-4 WEF ／ Future of Jobs Report （ 202501 ） 最重要のコアスキルは分析的思考 weforum.org "AI is an amplifier." 組織の強みも弱みも増幅する cloud.google.com 12-6★ Google DORA （ 2025-12 ）