Nicoの考え方
AIで資料は増えた。では、誰が何を決めるのか。
生成AIが増幅する「判断負債」と、創造の次に縮めるべきタイムラグ
AIで資料を作る時間は短くなった。それでも、なぜ意思決定は進まないのか。研究データと事業開発の経験から、判断負債の構造と実践的な意思決定設計を考える。
執筆：ストット玲奈（Nico合同会社 代表）
公開日： ／ 最終更新日：
はじめに｜資料は完成した。それで、何が決まったのだろう。
少し前まで、事業の企画書を一つ作るだけでも時間がかかった。市場を調べ、競合を比べ、顧客像を描き、数字を集め、スライドに落とし込む。何日、何週間とかけて、ようやく会議の場に資料が並ぶ。
いまは違う。AIと対話すれば、短時間で複数の事業案や市場分析、画面案まで用意できる。私自身、事業構想からWebサイトやプロトタイプの制作までを、AIの助けを借りて往復している。以前よりも多くの可能性を、具体的な形で検討できるようになった。
だからこそ、最近ある問いが離れない。
「資料を作る時間が短くなった分、私たちは本当に、早く決められるようになったのだろうか。」
提出物は増えた。検討した選択肢も増えた。けれど次の会議でも、前回と同じ論点を話している。何を採用するのか、何を捨てるのか、誰が決めるのかが曖昧なまま、新しい比較表が追加される。これはAI固有の現象とは限らない。しかし、情報を作るコストだけが急激に下がったことで、以前から存在した意思決定の弱さが、目立ちやすくなったのではないか。
01｜AIは、情報を生み出す時間を確かに短縮した
まず、AIの効果を過小評価するべきではない。2023年、NoyとZhangが発表した実験では、453人の大卒専門職に文章作成課題を割り当て、ChatGPTを利用できる群とできない群を比較した。AIを使った群は平均作業時間が40%短く、成果物の評価は18%高かった。[1] 少なくとも、その条件下で、AIが「作ること」を速くし得るのは事実だ。
ただし、これは限定された文章作成課題の結果である。組織全体の意思決定や、長期的な事業成果が同じ比率で改善したという意味ではない。
他方、2025年のMcKinseyの調査では、回答者の88%が所属組織で少なくとも一つの業務機能にAIを利用していると答えた一方、組織全体へ完全に展開できているとの回答は7%だった。[2] 調査対象や定義に注意が必要だが、「使い始めること」と「組織を変えること」の間に距離があることを示している。
私にとってAIは、その距離を縮める重要な道具だ。要望を整理し、言葉にして、すぐ動くものをつくる。思考と試作の往復が速くなるのは大きい。けれど、制作速度が上がったことと、事業の進行速度が上がったことを、同じものとして扱ってはいけない。
02｜「作る側の効率化」が、受け取る側へ移転する
AIで作った資料は、見た目が整っている。文章にも構成があり、比較表も揃っている。だから、内容が十分に検討されたものだと思いやすい。
しかし、受け取る人は、そこから別の仕事を始める。根拠となる数字を確かめる。提案同士の矛盾を探す。自社の目的に照らす。そもそもこの資料で何を決めるべきなのかを読み取る。作り手の負担が減っても、読み手の確認負担まで同時に減るとは限らない。
BetterUp LabsとStanford Social Media Labが2025年9月に実施した米国のフルタイム・デスクワーカー1,150人へのオンライン調査では、40%が直近1か月に、見栄えはよいが中身に乏しいAI生成物を受け取ったと回答した。そうしたものへの対処には、1件あたり平均で約2時間を要したという。[3]
これは回答者の自己申告による調査であり、「AI生成資料一般」が平均2時間の無駄を生むという証拠ではない。ただ、ある人の効率化が、別の人の確認・修正という負担へ移転することがある、という警告として重要だ。
Microsoftの2025年Work Trend Indexでも、従業員の注意が会議・メール・チャットに頻繁に分断されていることが報告されている。特に通知頻度の高いユーザー群に関する集計を含み、全従業員が一律に同じ頻度で中断されるという意味ではない。[4] もともと読む時間の足りない環境に、処理すべき情報だけが増えればどうなるだろう。
私は、この問題を「もっと短い資料を作ろう」で終わらせたくない。短い資料でも、判断に必要な情報が欠けていれば使えないからだ。
03｜本当の問題は、資料の量ではなく「決める構造」の不在かもしれない
ここで二つの状態を区別したい。
第一は、資料そのものが不十分な状態。出典がない。前提が間違っている。数字が古い。専門家の確認が必要になる。
第二は、資料としては十分なのに、決められない状態。代替案も根拠もある。しかし「何を最優先するか」「どの条件ならGoなのか」「誰が決めるのか」が決まっていない。
後者は、資料を精緻にしても解決しない。むしろ選択肢が増え、判断の基準が見えにくくなることもある。例えば新規事業について、5つの収益モデルと10の機能案をAIで比較したとする。資料は完成していても、会社が今期重視すべきものが売上なのか、学習なのか、顧客獲得なのかによって採用案は変わる。
経営の意思決定について、Bain & Companyは2013年の資料で、重要な決定に関するWhat（何を）・Who（誰が）・How（どうやって）・When（いつ）の明確化を説いている。[5] AI以前から、決め方そのものが経営課題だったということだ。
AIは意思決定を遅らせる原因だと断言できない。しかし、決定条件が曖昧な組織に対し、検討材料を無制限に追加しやすくする。 私には、その点が新しいリスクに見える。
04｜私もAIで資料を作る。そして、受け取る側にも立つ
私は、AIを使って企業の事業構想、業務要件、UX、収益モデル、マーケティングの選択肢を整理している。曖昧な会話から判断基準を取り出し、文章・画面・プロトタイプへ翻訳していくことは、自分の仕事の重要な部分だ。
一方、新しい事業や開発プロジェクトへ途中から関わると、別のものが見える。既に要件資料があり、画面案もあり、エンジニアが実装を始めている。それでも、初期顧客をいつ獲得するのか、マーケティングと開発をどう接続するのか、品質確認を誰が引き受けるのか、リリースまでの統合スケジュールを誰が持つのか、といったことが十分に整理されていない場合がある。
以前、私がプロダクトに参画した初日の会議でも、最初に確認したのは画面の好みだけではなかった。ターゲットをどう定義するか。ブランドを何で判断するか。市場投入から逆算した開発日程になっているか。QAや公開準備は含まれているか。完成している成果物の数ではなく、その成果物を機能させるために欠けている関係を確かめたかった。
この経験は匿名化して記している。しかも、そのプロジェクトでAI生成資料が意思決定を遅らせたという事実を示すものではない。ここから言えるのは、資料や制作物が揃っていても、事業の意思決定に必要な構造が揃っているとは限らないということだ。
私は、作る側であると同時に、読む側でもある。だから「情報を増やす能力」の大きさと、「情報を判断へ変える設計」の重要さを、両方感じる。
05｜未決事項が積み上がる「判断負債」
この現象を説明するために、私は仮に「判断負債」という言葉を使いたい。
判断負債とは、何を、どの条件で、誰が決めるのかが曖昧なまま、選択肢や未決事項が蓄積し、後の再検討・調整・実行に追加の負担が生まれる状態のことだ。これは私が記事の中で用いる分析上の呼び名であり、独自性や有効性が実証された確立理論ではない。
例えば、先週の会議ではA案とB案を比較したが、優先順位を決めなかった。今週はAIがC案とD案を追加した。来週にはさらに精緻な市場推計が示される。しかし、採用基準は依然としてない。各担当者は自分の解釈で作業を進め、後から手戻りが生まれる。
負債があるのは「決めていないから」だけではない。決めない理由と、再開する条件が共有されていないからだ。
判断を保留すること自体は悪くない。追加情報によって結論が変わる可能性が高いなら、待つ方が合理的なこともある。ただし、何を待っているか分からない保留は、組織の時間を静かに消費する。
判断負債を減らす第一歩は、未決事項をゼロにすることではない。未決事項を「追加調査が必要」「実験が必要」「目的が未定義」「決定権限が不明」に分け、それぞれ次に進む条件を明らかにすることだ。
06｜資料を「読むもの」から「決めるための道具」へ変える
私は、詳しい調査資料を捨てるべきだとは考えていない。正確な根拠や反例、計算過程は必要であり、要約によって消してはいけない情報もある。
ただ、詳細資料の入口に、意思決定のための1ページを置くことはできる。そこには、少なくとも次の七つを整理したい。
① 今回決めること。 「AI事業について検討する」ではなく、「来月、企業3社に有償実証を提案するか」のように、行動につながる問いにする。
② 選択肢。 推奨案だけでなく、代替案と「今は実施しない」という案を残す。
③ 判断基準。 売上、顧客学習、実行費用、リスクなど、優先順位がどこにあるかを明示する。
④ 根拠。 実測値、顧客の発言、推定、外部調査を混同せず、元資料へ戻れるようにする。
⑤ 未確認点。 結論を変え得る不確実性は何か。調査で確かめるのか、試さないと分からないのか。
⑥ 意思決定者と実行者。 提案者・承認者・決定者・実行者が同じとは限らない。役割の整理にはBainのRAPIDなども参考になる。[5]
⑦ 期限と次の行動。 いつまでに決め、誰が何を試し、どの数値を見て考えを更新するのか。
例えば、「最初の有償実証を行うか」という問いであれば、顧客の支払意思が分からないことが最大の不確実性かもしれない。ならば、さらに30ページの市場調査を追加するより、対象顧客へ実際に提案してみる方が早く分かる場合がある。
重要なのは「簡潔にすること」ではない。読者が次の行動を取るために必要な情報を、決定に沿って配置することだ。
意思決定シート：有償の小規模実証を始めるか
- 今回決めること
- 来月、顧客3社へ有償の小規模実証を打診するか
- 選択肢
- A 実施する ／ B 追加調査 ／ C 見送る
- 判断基準
- 顧客の支払意思・費用・実施体制・主要リスク
- 根拠
- ヒアリング事実と市場推計を区別し、出典を添える
- 未確認点
- 有償利用意思・現場運用工数・継続条件
- 誰が決めるか
- 事業責任者。担当者が調査し、関係者が意見を述べる
- 期限と次の行動
- 期限を設定し、有償提案を試して再評価する
07｜AIに任せられることと、人間が引き受けること
AIは、選択肢の整理、論点の抽出、反対意見の提示、根拠への参照、判断シートの下書きに利用できる。一方、資料の真偽を検証し、会社としてどの価値を重視し、どのリスクを引き受けるかを決定する仕組みは別に必要だ。
この線引きは、作業の種類によって変わる。Harvard Business SchoolとBCGが共同で行った758人のコンサルタントを対象とする実験では、AIの得意な範囲では速度と品質が向上した一方、課題によって効果が異なる「不均一な能力の境界」が示された。[6]
さらに、METRによる2025年の研究では、経験豊富なオープンソース開発者16人による246件の実務課題で、当時のAIツールを利用可能にした場合、平均所要時間が19%長くなった。[7] 開発業務の特定条件での結果であり、すべてのAI開発を代表しない。それでも、「AIを使う＝必ず速い」ではないことを示す。
意思決定でも同じだ。速く決めればよいわけではない。安全性、法令、重大な投資、不可逆な選択では、立ち止まる時間そのものに意味がある。縮めるべきは熟考ではなく、何を待っているか分からない停滞だ。
08｜創造の次に、判断のタイムラグを短縮する
私は以前、AIが「着想から言語化、表現、実装までの時間」を短くする可能性を、創造のタイムラグという言葉で考えた。頭の中にしかなかった考えが、短期間で文章になり、画面になり、実際に人へ届く。それは、人間の創造性にとって大きな変化だ。
けれど、その先に組織の判断が止まっていたら、可能性は現実へ届かない。AIによって十の案を一日で生み出せても、どの案を試すか三か月決められなければ、事業は進まない。
だから次に短縮したいのは、「判断のタイムラグ」だ。これは判断を自動化するという意味ではない。判断のために必要な情報と責任の配置を整え、未確認点を実験につなぎ、決めたことを行動へ変える。その一連の時間を、不必要に長くしないということだ。
経営者には、何を決めるかが分かる状態を。現場には、何を根拠に進めればよいかが分かる状態を。そして、分からないことが残るなら、何を確かめれば前へ進めるかが分かる状態を。
AI時代の競争力は、答えを大量に生成することだけで決まらない。生まれた可能性を、どれほど確かな判断と現実の行動へ変えられるかに表れる。
Nicoが大切にしている Life is about Creating Yourself. という思想も、私にとっては、この循環とつながっている。考え、創り、他者へ届け、その反応からまた変わる。その機会を、個人にも組織にも増やしていきたい。
資料を増やすのではなく、選択肢を意味ある判断へ変える。そこから、次の現実を創っていく。
参考文献・調査資料
- [1]Shakked Noy & Whitney Zhang (2023), “Experimental evidence on the productivity effects of generative artificial intelligence,” Science.https://doi.org/10.1126/science.adh2586
- [2]McKinsey & Company (2025), “AI at work but not at scale.”https://www.mckinsey.com/featured-insights/charts/ai-at-work-but-not-at-scale
- [3]BetterUp Labs & Stanford Social Media Lab (2025), “Workslop: The Hidden Cost of AI-Generated Busywork.”https://www.betterup.com/workslop
- [4]Microsoft (2025), “Breaking down the infinite workday,” Work Trend Index.https://www.microsoft.com/en-us/worklab/work-trend-index/breaking-down-infinite-workday
- [5]Marcia W. Blenko, Michael C. Mankins & Paul Rogers (2013), “The five steps to better decisions,” Bain & Company.https://media.bain.com/Images/BAIN_BRIEF_Decision_Insights_The_five_steps_to_better_decisions.pdf
- [6]Harvard Business School AI Institute / BCG (2023), “Navigating the Jagged Technological Frontier.”https://aiinstitute.hbs.edu/navigating-the-jagged-technological-frontier/
- [7]Joel Becker et al. (2025), “Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity,” METR.https://metr.org/Early_2025_AI_Experienced_OS_Devs_Study-paper.pdf