仕事をしていて、理由はうまく説明できないのに、
「この案件、少し危ない気がする」
「相手の反応が、いつもと違う」
「数字上は問題ないが、このまま進めるのはまずい」
と感じたことはないだろうか。
そして、その理由を聞かれても、
「何となく」
「経験上、そう感じる」
としか答えられず、自分でも歯がゆく感じたことはないだろうか。
その感覚は、単なる勘ではないかもしれない。
長年の経験によって蓄積された「普段との差」を、無意識に検知している可能性がある。
ただし、その違和感は、本人が言葉にしなければ他人にも伝わらない。
会社にも残らない。
若手にも引き継がれない。
そして、AIにも分からない。
今回は、ベテランが感じる「違和感」の正体と、それを消えていく経験ではなく、再利用できる知識へ変える方法を考えてみたい。
ベテランは、目の前の状態ではなく「いつもとの差」を見ている
違和感は、一つの出来事だけから生まれるとは限らない。
たとえば顧客との打ち合わせで、相手の返答が少し遅くなったとする。
それだけなら、単に疲れているのかもしれない。
声のトーンが少し低い。
それだけなら、体調が悪いだけかもしれない。
質問が減った。
それも、すでに内容を理解したからかもしれない。
ところが、こうした変化がいくつも重なると、見え方が変わってくる。
- 返答までの間が長くなった
- 以前より質問が減った
- 前向きな表現が消えた
- 視線が担当者ではなく同席者へ向くようになった
- 会議後の雑談がなくなった
- 次回の日程を決めようとしなくなった
一つひとつは、決定的な兆候ではない。
しかし、普段の相手を知っているベテランは、複数の小さな変化をまとめて捉える。
そして、
「何か社内で状況が変わったのではないか」
「この案件から、少し距離を置き始めているのではないか」
と推測する。
つまりベテランが見ているのは、相手の絶対的な状態ではない。
その人の“いつも”と比べた小さな差分である。
違和感は「差分の重なり」から生まれる
人は違和感を感じたとき、その原因を一つに絞れないことが多い。
「声が低かったから」
「返事が遅かったから」
という単純な話ではない。
表情、声、姿勢、言葉、間、視線、質問の内容、会議の空気、過去の経緯。
複数の情報が少しずつ変化し、それらが重なった結果として、
「何かがおかしい」
という感覚になる。
プロジェクトの現場でも同じだ。
進捗表では予定どおりに見えている。
担当者も「問題ありません」と答えている。
大きな障害も報告されていない。
それでも、ベテランPMが危険を感じることがある。
たとえば、
- 会議で発言しなくなった担当者がいる
- 小さな課題が毎週繰り越されている
- 誰も責任者になりたがらない論点が増えた
- 「確認します」「調整します」という言葉が増えた
- 顧客と開発側でゴールの表現が少しずつずれている
- 報告資料から不都合な情報が消え始めた
どれか一つだけなら、すぐに問題とは言えない。
しかし、過去に炎上案件を経験した人は、この組み合わせに覚えがある。
目の前の出来事を、過去の失敗パターンと無意識に照合しているのである。
暗黙知とは、
小さな差分に意味を与える能力
とも言える。
なぜ本人にも言語化しにくいのか
違和感を感じた本人に、
「なぜそう思ったのですか」
と聞いても、うまく説明できないことがある。
これは、根拠がないからではない。
判断過程が本人の中で圧縮されているからだ。
最初の頃は、一つひとつ考えていたのかもしれない。
相手の表情が変わった。
質問が減った。
返事が曖昧になった。
以前も、同じような流れで失注した。
何度も経験を重ねると、途中の思考は省略される。
そして最終的には、
「このパターンは危ない」
という感覚だけが残る。
ベテランにとっては高速で自然な判断でも、他人から見ると途中のロジックが見えない。
だから本人も、
「経験です」
「何となくです」
としか答えられなくなる。
AIも「変化」そのものは検出できる
ここで重要なのは、AIが表情や声をまったく分析できないわけではないということだ。
AIは、映像や音声からさまざまな特徴を抽出できる。
- 発言量
- 返答までの時間
- 声の高さや強さ
- 話す速度
- 表情の変化
- 使用される言葉
- 質問数の増減
こうした変化を数値として検出すること自体は、技術的に可能になってきている。
では、AIにも違和感が分かるのではないか。
問題は、その先にある。
AIは変化を検出できても、
その変化が何を意味するのか
までは、簡単には判断できない。
AIには、基準となる「いつも」がない
違和感は、絶対値ではなく比較から生まれる。
声が小さいことが問題なのではない。
普段より声が小さいことに意味がある。
返事が遅いこと自体が異常なのではない。
いつも即答する人が、今回は言葉を選んでいることに意味がある。
しかし、AIがその人の普段の状態を知らなければ、比較の基準がない。
一度だけ会議映像を見ても、それが通常なのか異常なのかは分からない。
ベテランは、過去の会話や関係性を蓄積している。
相手が普段どのように話し、どのようなときに迷い、どのようなときに本音を隠すのかを知っている。
AIにも同じ判断をさせるには、現在の映像だけでは足りない。
継続的な履歴と、個人ごとの平常状態が必要になる。
同じ変化でも、意味は文脈によって変わる
相手の返答が遅くなった。
その理由は一つではない。
- 提案内容に迷っている
- 社内で反対意見が出ている
- 単に疲れている
- 別の問題を抱えている
- すでに競合へ傾いている
- 慎重に言葉を選んでいる
同じ行動でも、置かれた状況によって意味が変わる。
会議の目的、相手の役職、決裁プロセス、過去の交渉経緯、社内事情。
こうした背景がなければ、変化の意味を読み違える。
AIは目の前の信号を処理できても、その信号が置かれている社会的・組織的な文脈までは、十分に与えられなければ理解できない。
AIが分からないのは、違和感をデータとして残していないから
もう一つ、大きな問題がある。
違和感に関するデータは、通常ほとんど記録されていない。
議事録には、発言内容は残る。
しかし、
- 返答の前に長い間があった
- 以前より声が小さかった
- 決裁者がほとんど発言しなかった
- 会議後の雑談がなかった
- 担当者が何度も隣の人を見ていた
といった情報は残らない。
さらに、
「あのときの沈黙は、失注の前兆だった」
「質問が減ったのは、理解したからではなく関心を失ったからだった」
という結果との対応関係も保存されない。
つまりAIに学習させようとしても、入力データも正解ラベルも存在しない。
AIが違和感を理解できないというより、
人間が違和感をデータとして残してこなかった
のである。
ベテランの違和感も、常に正しいわけではない
もちろん、ベテランの判断を無条件で信じればよいわけではない。
違和感には、思い込みや偏見も混ざる。
過去の失敗を強く記憶しているために、少し似ているだけの状況を危険だと判断することもある。
単なる体調不良を、案件への不満だと誤解するかもしれない。
経験が長い人ほど正しいのではない。
経験を振り返り、判断を修正してきた人ほど精度が高い。
だから、違和感を形式知へ変える際には、
- 何を見たのか
- 何と比較したのか
- どう解釈したのか
- 実際には何が起きたのか
- 判断が外れたことはあるか
まで記録する必要がある。
成功した判断だけでなく、外れた判断も残さなければならない。
そうでなければ、暗黙知ではなく、単なる思い込みをAIや若手に引き継ぐことになる。
暗黙知をAIに渡すには「違和感が生まれた瞬間」を残す
暗黙知をデータ化しようとすると、完成した結果だけを集めがちだ。
成功した製品。
故障した設備。
失注した案件。
炎上したプロジェクト。
しかし、本当に必要なのは結果だけではない。
ベテランが、
「何かおかしい」
と感じた瞬間の情報である。
たとえば、次のように記録する。
- いつ違和感を感じたか
- 直前までの通常状態はどうだったか
- 最初に気づいた変化は何か
- その後、どの変化が重なったか
- その時点で何が起きると予測したか
- 実際には何が起きたか
- 判断は正しかったか
これを繰り返せば、「何となく」の中身が少しずつ分解される。
営業なら、顧客の言葉や反応の変化。
製造現場なら、音、振動、匂い、温度。
プロジェクト管理なら、発言、課題の滞留、責任の所在。
人材育成なら、返事、行動、質問、表情。
領域は違っても、考え方は同じである。
平常時を記録し、差分を捉え、その意味と結果を結びつける。
それによって初めて、違和感はAIが扱えるデータに近づいていく。
AIは、違和感を理解するより「掘り起こす相手」として使える
AIに違和感を自動で判断させるのは簡単ではない。
だが、AIには別の使い方がある。
ベテラン本人がうまく説明できない判断を、質問によって掘り下げる相手として使う方法だ。
たとえばAIに、次のように伝える。
私は、ある場面で「何かおかしい」と感じました。
しかし、なぜそう感じたのかをうまく説明できません。あなたはインタビュアーとして、次の観点から一問ずつ質問してください。
・普段の状態
・今回変化していた点
・最初に違和感を覚えた瞬間
・過去の似た経験
・その後に起きた結果
・判断が外れた可能性最後に、私が無意識に見ていた観察項目を整理してください。
AIは、あなたの違和感を最初から理解しているわけではない。
だが、問いを重ねることで、あなた自身も気づいていなかった判断材料を整理することはできる。
つまりAIは、ベテランの代わりに違和感を感じる存在というより、
ベテランの中にある違和感を言葉に変えるインタビュアー
として使える。
あなたの中にある「違和感」を一つだけ記録してみる
ここまで読んで、
「自分にも、理由は説明できないが気づけることがある」
と思ったなら、まず一つだけ書き残してみてほしい。
大げさな職人技である必要はない。
- 顧客のメールを読んで、少し不満を感じた
- 部下の返事を聞いて、理解していないと感じた
- 会議の雰囲気から、今日は決まらないと思った
- 進捗報告を見て、数字以上に遅れていると感じた
- 機械やシステムの挙動から、障害の前兆を感じた
その場面について、次の3つを考える。
1．普段はどうだったか
相手は普段、どのように話し、行動し、反応していたか。
2．今回は何が違ったか
言葉、間、表情、質問、行動、数字など、少しでも変わった点は何か。
3．その後、何が起きたか
違和感は正しかったのか。
それとも、単なる思い込みだったのか。
この3つを記録するだけでも、「何となく」は少しずつ観察可能な知識へ変わる。
ベテランの価値は、問題になる前に気づけること
ベテランの価値は、すべての答えを知っていることではない。
まだ誰も問題だと思っていない段階で、
「何かがおかしい」
と気づけることにある。
その判断は、目の前の表情や言葉だけから生まれているわけではない。
相手の普段の状態。
過去の経緯。
小さな変化。
似た失敗の記憶。
それらが重なり、一つの違和感になる。
AIは変化を検出できる。
しかし、その変化が「いつもと違う」のか、なぜ違うのか、何を意味するのかは、十分な履歴と文脈がなければ分からない。
だからこそ、ベテランの違和感には価値がある。
だが、その違和感は頭の中にあるだけでは、誰にも引き継がれない。
会社にも残らない。
若手にも伝わらない。
そして、AIにも学習できない。
だからまずは、一つだけでいい。
最近、自分が「何かおかしい」と感じた場面を書き出してみてほしい。
普段と何が違ったのか。
なぜ気になったのか。
その後、実際に何が起きたのか。
うまく言葉にできなければ、AIに質問してもらえばいい。
AIは、あなたの違和感を最初から理解することはできない。
しかし、あなたの中に眠っている判断を掘り起こす相手にはなれる。
50代の経験は、すでに完成された答えではない。
まだ整理されていない、貴重な学習データである。
そのデータを最初に言葉へ変えられるのは、ほかの誰でもない、現場を見てきた、あなた自身だ。
AIがまだ捉えきれない違和感を見つけ、それを言葉にし、次の世代やAIへ渡していく。
その役割を担えるのは、現場を長く見てきた人間である。
つまり、その価値を提供できる50代が、AI時代には最強ということになるのだ。
