AI時代に経験は資産か負債か — 二つの逆説の衝突

最初の逆説は、行動意思決定論の側から来る。長瀬勝彦『意思決定とは何か』は冒頭で、スキーのメタファーを置く。斜面で恐怖を感じた初心者は、本能的に重心をかかとへ載せる。だが安全に滑るには本能に逆らって前傾しなければならない。自己流で滑り続ける限り、何年経っても本能の誤りには気づけず、むしろ「自分の滑り方」として固着していく。経営の実務経験を山ほど積んだ人でも、バイアスは補正されず、ますます偏った意思決定をしていく——著者がこの比喩で言おうとしているのは、経験はバイアスを直さない、という反・経験信仰の命題である。

これは直観に反するが、根拠は厚い。Simon の充足化（satisficing）が示すように、人間の意思決定は選択肢を分析しきって最高のものを選ぶ行為ではなく、どこかで分析を打ち切って「これで十分」と決める行為である。打ち切りの基準を作るのはパターン認識、すなわち過去の経験だ。経験が豊かなほど、人は速く確信を持って打ち切れる。問題は、その速さと確信が、確率判断や計画見積りのように経験が効きにくい領域でも同じように発動してしまうことにある。計画錯誤がその典型だ。過去のプロジェクトで何度も納期を超過した実務家ほど、次の見積りでは超過の記憶を脇に置き「今回は大丈夫」と短く詰める——前回も同じ言葉を口にしたことは、思い出されない。経験は判断の解像度を上げると同時に、誤った確信の解像度も上げてしまう。

ここで話が終われば、結論は「経験はAI時代の負債だ」になる。AI が確率判断や見積りを肩代わりするなら、バイアスに固着した経験者より、まっさらな機械の出力に従ったほうがましだ、と。だが、もう一つの逆説がここに割って入る。

第二の逆説は、労働経済学の側から来る。宮本弘暁『AI大格差』は、AI がもたらす格差を「使う/使わない」の差ではないと言い切る。格差は三層で生まれる。第一に、どのタスクが AI に切り出され、人間の手元に何が残るかというタスク構造の組み替え。第二に、AI の出力を見抜き、評価し、責任を引き受けて意思決定に落とし込めるかという判断の回路。第三に、組み替えの後へ自分を移せるかという移行の可否である。生成 AI は「次に来そうな単語を予測する」統計的な仕組みであり、もっともらしい誤りを淀みなく出力する。その誤りに気づけるかどうかは、出力を照合できる経験の厚みに依存する。著者がここで描くのは、経験者ほど AI 出力の「違和感」に気づきやすいという、第一の逆説とは真逆の経験観である。

二つの逆説を並べて見ると、私には矛盾ではなく一本の境界線が見える。経験が裏目に出るのは、確率や見積りのように、パターン認識が過信へ直結する領域だ。経験が効くのは、出力の異常を検知する領域、「何かがおかしい」という違和感を生む領域である。前者では経験が答えを歪め、後者では経験が誤りを照らす。同じ経験が、適用される問いの種類によって資産にも負債にもなる。

AI の介入は、この境界線を動かす。AI が確率判断と見積りを担えば、経験が裏目に出ていた領域そのものが人間の手から離れる。計画錯誤に囚われた実務家の代わりに、AI が冷静に分布を返す。残るのは、その出力を信じてよいか、致命的な見落としはないか、責任を負って意思決定に変換できるか——経験が効く領域だ。三層格差の言葉でいえば、AI は経験の負債側をタスク構造から切り出し、資産側を人間の手元に残す。経験者にとって AI は、弱点を補い強みを際立たせる装置になりうる。

ただし、これは自動的には起こらない。AI が低スキル層の生産性を大きく押し上げる実証は積み上がっている。タクシー配車支援では経験の浅いドライバーの売上が伸び、コールセンターでは新人ほど AI の恩恵が大きかった。AI が「経験の代替」として働く局面が確かにあるということだ。ここに移行の格差が顔を出す。経験者が AI を判断の検証ではなく判断の肩代わりに使えば、違和感の検知器は鈍り、自分の優位が代替される側へ静かに移っていく。経験が資産になるか負債になるかは、AI をどう使うかという一段上の判断に懸かっている。

ここで、第一の逆説の出発点だった充足化が、別の意味を帯びて戻ってくる。『意思決定とは何か』が示したのは、意思決定とは分析を打ち切る行為だということだった。AI 時代において、この「打ち切り」の重みは増す。AI は分析を無限に続けられる。選択肢を、シナリオを、根拠を、際限なく生成する。その出力を前にして、どこで「これで十分だ」と分析を止め、責任を負って決めるか。その打ち切りの判断こそ、経験が最後に担う仕事になる。経験の役割は、答えを出す資産から、AI が出した答えを検証し、どこで分析を打ち切るかを決める資産へと移る。Simon が限定合理性の核に置いた satisficing は、AI 時代に「分析を打ち切る勇気」という、より能動的な意味を獲得する。

この見立ては、人事の設計に直接はね返る。経験者を「答えを出せる人材」として育成し配置してきた前提は、組み替えを迫られる。問うべきは、シニア層が答えを出せるかではなく、AI が出した答えの違和感に気づけるか、そして適切な地点で分析を打ち切れるかである。違和感の検知は、デバイアシング研修で身につく種類のものではない。Kahneman 以降のバイアス教育が示してきたのは、知識として偏りを知るだけでは判断は直らない、という限界だった。違和感は、出力と照合できる経験の厚みからしか生まれない。とすれば、経験者を AI から遠ざけて温存するのでも、AI に置き換えて退場させるのでもなく、AI の出力に経験者を正面から向き合わせ、検証と打ち切りの場数を踏ませる設計が要る。

経験はAI時代に資産か、負債か。この問いに単一の答えはない。経験は、確率や見積りの領域では負債に傾き、検証と違和感の領域では資産に転じる。AI は前者を引き受けて後者を人間に残すが、その配分を活かせるかどうかは、経験者自身が AI を判断の代替に使うか、判断の検証に使うかにかかっている。経験者にとって本当の試練は、AI に仕事を奪われることではない。自分の経験が、いつ答えを歪め、いつ答えを照らすのかを見分け、分析を打ち切る勇気を持てるかどうかである。AI 時代の意思決定論は、ここから始まる。

レビュー

proxy reviewer 評価（iter 2、2026-06-17、辛口）

• voice: 4.2 — iter1 で弱かった「私はこう読む」の手つきを「二つの逆説を並べて見ると、私には矛盾ではなく一本の境界線が見える」で一箇所、論証の要に据えた。断定の連続が緩み、観測者の視点が前に出た。professional の距離感は崩していない。なお一人称はこの一箇所に限り、professional ボイスとして抑制が効いている。それ以上は望めないが、結語が依然やや締めの定型に寄る。
• slop: 4.1 — 中盤の説明的接続（「二つの逆説は、表面上は矛盾している」「だが両者を並べて見ると」「実際、この方向の議論は強い」等）を削り、段落の頭から接続詞の足場を外した。論証を「整理して見せる」トーンが薄まり、AI 臭の残滓が中盤から抜けた。計画錯誤の段落に「前回も同じ言葉を口にしたことは、思い出されない」という具体を入れたことで教科書的な平板さも緩和。三層格差の列挙は依然やや説明的で、ここが満点を抑える。
• argument: 4.3 — 三層格差を①タスク構造・②判断と責任・③移行で明示分解し、①は「AI は経験の負債側をタスク構造から切り出す」、③は「移行の格差が顔を出す/代替される側へ静かに移っていく」で各一文ずつ論証に効かせた。iter1 の②偏重が解消。計画錯誤に超過の反復という具体事例を足し、境界条件の「効く/効かない」が体感を伴う。中心ロジック（矛盾→境界線→役割転換）と出典精度は維持。
• total: 4.2（3軸平均）

残る改善余地: 三層格差の列挙文をもう一段地の文に溶かせば slop は 4.3 圏。結語の定型感を崩せば voice はさらに上。ただし 4.0+ は3軸とも確保しており、proxy 判定では公開可水準。

履歴