本文へスキップ
表示言語: 日本語
知識と運営 / Signal

優秀な専門家がそろうチームに、どんな力が欠けることがあるのか

必要な仕事、知識へのアクセス、各人の貢献のつながりを確認します。AIを使った下書きから承認済みの結果までの不足を見つけましょう。

記事の言語: 日本語

青と赤を基調とした室内で、支えられた軸に取り付けられた三つの丸い部品のそばにいる女性。
目次

4人がAIの助けを借りて作った優れた下書きを見せる。全員が文章を複数案作り、素早く修正できる。ところが製品説明を承認する段階になると、誰もが最新のメーカー資料と照合する人を待っている。チームにアイデアが足りないのではない。その具体的な仕事を誰が担うか決まっていないのだ。

ある会社が、家具張り地のカタログを作るために小さなチームを組むとしよう。これは仮の例だ。メンバーは編集経験があり、AIツールも使いこなしている。しかし会社が必要とするのは下書きだけではない。適切な版のデータに基づく説明も必要だ。最初の分担では全員に製品が数点ずつ割り当てられたが、下書きと出典の食い違いを判断する仕事は誰にも明確に割り当てられていなかった。

リーダーは、もう1人優秀な人が必要だと考えるかもしれない。その前に、チーム全体にどの力が欠け、いつ必要になるのかを確かめたい。下書きを作る人が増えれば案の数は増えるが、承認時の不足が解消するとは限らない。優れた経歴を足し合わせるだけでなく、必要な仕事からチーム構成を考えよう。

スキルの一覧だけでは仕事全体は見えない

会社が本当に必要とする結果を書き出す。カタログなら、正しい製品の説明を作り、最新の出典と結びつけ、不明点を解決し、公開に向けて資料を引き渡すことだ。それぞれを別の人が担ってもよい。必要な時点で、それぞれに能力、アクセス権、作業時間があることが重要になる。

役職を増やすところから始めない。「編集者」という名前にはさまざまな経験が含まれる。ある人は素材の用途を分かりやすく説明し、別の人はメーカーの表示を読み取り、また別の人は製品ページの情報を整理する。1人が複数の作業を担ってもよい。役割名やツールの経験から推測するのではなく、実際にできることを確かめよう。

Woolleyらが2010年に発表した研究では、699人が小グループでさまざまな課題に取り組んだ。著者らは個人の成績と、グループの成績を説明する共通の統計的因子を区別し、相互作用の仕方も分析した。AIを使ったカタログ制作の研究ではない。それでも、グループの結果をメンバー個人の成績から単純に読み取れると考えることには慎重になる理由がある。

カタログチームでは、ソフトの知識を試したり、下書きを1本評価したりすれば、必要なスキルを確認できる。しかしチームが共同の資料を最後まで仕上げられるかは、それだけでは分からない。判断には作業間の依存関係も必要だ。誰の判断があれば次の人が動けるのか、誰が合意した範囲でその判断を用意できるのかを明らかにする。

採用面接 (ポーランド語)では、欠けている仕事に関する証拠を探せる。ただし、まず何を探すか分かっていなければならない。「もう1人、優秀なAI人材」という漠然とした条件では、データ、内容の判断、引き渡しの調整のどれを担う人が必要か分からない。採用ではなく、今できる仕事の分担を変えればよい場合もある。

作業から次の作業への移り目を1つ選び、必要な貢献を具体的にする。1つ目の製品説明では、出典がどの製品についてのものか確認しなければならない。2つ目では、新しいデータが前の版に取って代わるか判断する必要がある。別々の問いだ。両方に答えられる人がチームにいても、適切な事例をその人に届けられなければならない。

ある下書きに「掃除が簡単」という表現がある。編集者は購入者にとってよい説明だと思うが、素材を知る人はその根拠を尋ねる。出典が扱っているのは別の性質で、この主張の判断材料にはならない。そこで、情報がどこまでを示すか見極めることと、読み手に誠実な説明を作ることの2つが必要になる。書き手をもっと文章のうまい人に替えるだけでは、欠けた根拠は補えない。問題を指摘するだけでも完成した文章は得られない。

チームは内容に関する疑問を未解決のまま残し、当面は確認できたデータだけを説明に使うと合意する。編集者が新しい版を作り、専門家が指定された範囲を確認し、公開担当者は承認がどの資料に適用されるかを見る。誰かが他の人の仕事をすべて肩代わりする必要はない。ただし、各人が何を引き渡し、受け手がその貢献から何を勝手に補ってはいけないかは理解しておく必要がある。

必要な場所に知識が届かなければならない

FarajとSproullは、2000年に発表した69のソフトウェア開発チームの研究で、専門知識がどこにあり、いつ必要で、どう仕事に取り入れるかという知識の調整を分析した。横断分析では、単に専門性が存在することや管理上の調整を超えて、知識の調整と成果の間に関連が見られた。特定の標本での関連であり、構成を変えれば普遍的に効果が出るという証拠ではない。

カタログチームでは、素材のデータを知る人がいつ参加する必要があるかという運営上の問いになる。その人がプロジェクトの名簿にいても、必要な瞬間に参加しているとは限らない。公開直前に初めてカタログ全体を受け取るなら、それまでの下書きは合意されていない前提にすでに依存しているかもしれない。専門家がいるというだけでは、いつその貢献を得られるか分からない。

質問の送り方を決める。編集者は出典、製品説明、具体的な食い違いを示せるようにする。専門家が「全部確認してください」というメッセージから文脈を一から復元しなくてもよいようにする。下書きの担当者も、その回答が1件を解決するのか、製品群全体に関わるのか、特定の表記の意味だけを説明するのかを知る必要がある。

Aeneiaのコンセプト写真

Kyle Lewisの2003年の研究では、チームが知識を活用する仕組みを説明する尺度を、実験室のチーム、MBAのコンサルティングチーム、技術企業のチームという3つの標本で検証した。要旨には、この尺度の限界をさらに調べる必要性も示されている。共同の能力を見極めるには、単に「チームワーク」と呼ぶだけでなく、評価する方法が必要だと分かる。

小さなプロジェクトを心理測定の研究に変える必要はない。説明文を1本作る実際の道筋をたどり、必要な知識が適切な人に届くかを見ることはできる。チームはうまく協力しているという一般的な宣言と、実際の作業の観察を分けよう。そのうえで初めて、実際の不足に合う変更を選べる。

チームに助けを求めるとき (ポーランド語)も同じような具体性が役立つ。出典を示してほしい、解釈を確認してほしい、例外を承認してほしいという依頼は、それぞれ必要な貢献が違う。広く「誰か手伝って」と聞くと、別の人の専門性のほうが合っていても、いつも最も早く返事をする人に仕事が集まることがある。

強みを重ねても、欠けた機能は埋まらない

最初の週、編集者は全員が効率よく説明文の各案を作る。1日の終わりには、リーダーに多くの完成ファイルが見える。出典を尋ねると、以前のカタログを使った人もいれば、新しい製品カードを使った人もいた。共同の成果を比べて初めて問題が現れる。個人の効率だけでは、作業の根拠を1つに保てなかった。

だからといって、確認だけに専念する人を1人常設しなければならないわけではない。2人組で仕事を分けたり、特定の質問があるときに専門家に参加してもらったり、同時に作る項目数を減らしたりできる。どれを選ぶかは、知識と使える時間による。どの場合も、全員が当然注意するはずだと任せきりにせず、必要な作業を誰が行うか示そう。

その人の負荷も確認する。1人の専門家がすべての説明のデータを確認しながら、自分の担当分も全件作らなければならないなら、能力の一覧が正しくても計画は実行できないかもしれない。処理する件数を決め、仕事を分けるか、別の支援を用意する必要がある。作業の横に名前を書いても、1週間の時間は増えない。

こうした仕事は、完成した文章の一覧には見えにくい。準備と確認への貢献を認めること (ポーランド語)は、他の人の下書きを使える状態にするために何が必要だったかを示す助けになる。会社が名前を付けて完成した説明の数だけを評価すると、出典に関する判断をしている人は、チーム全体の仕事を支えているからこそ生産性が低く見えるかもしれない。

2人が同じファイルにアクセスできるというだけで、互いに代われると約束しない。もう1人も質問を理解し、合意された範囲で行動できなければならない。用意した例を一緒にたどるだけで足りることもあれば、今のチームにはまだない知識が必要なこともある。完全に自立して行える計画を立てる前に、その違いを見極めたい。

ここでのリーダーの役割には、すべての説明を自分で素早く直すのとは別の視点が必要だ。専門家からチームリーダーへの移行 (ポーランド語)では、他の人の仕事によって何が生まれるべきかを決める必要がある。難しい質問が出るたびにリーダーが文章全体を引き取っていては、会社は業務の流れにどの能力が欠けているか分からないままだ。

構成を変える前に、共同の課題をたどる

通常の製品と、資料の内容が食い違うケースを含む小さなまとまりを用意する。評価に回せる説明文になるまでの全過程をチームに進めてもらう。魅力的な段落を生成するだけで試行を終わらせない。出典を選ぶ場面と、編集者が1人では判断できない質問を送る場面も見たい。

各作業を誰が行い、他の人に何を必要としたかを記録する。2人が同じ箇所を確認したなら、2回目の確認に独自の目的があったかを調べる。誰も説明を資料と照合しなかった場合は、悪意を付け加えずに不足を記録する。問題を見つける人の権限も確かめよう。その人が報告しかできず、公開前に誰も判断しないなら、チームには知識があっても効果的に使う道がない。会社が次の段階を誰が決めるか定めるまでは、確認者を増やしても報告が重複するだけだ。全員が公開担当者の仕事だと思い、その担当者は承認済みの内容を期待していたのかもしれない。

提案の中から選ぶにも、合意された方法が必要だ。作者名を伏せた構想の評価 (ポーランド語)では、最初の読み取りから出所に関する情報の一部を分けられる。一方、カタログチームでより重要な未知の点は、出典と一致しているかもしれない。まず何を確認するか決め、その後で誰がどの情報を持って確認するかを決めよう。

試行後は、知識の不足と、アクセスや時間の不足を分ける。編集者に出典を確認する能力があっても資料を受け取っていなければ、研修だけでは解決しない。資料を受け取っても表記が分からないなら、適切な知識や支援が必要だ。確認はできても同時に数多くの別の仕事を抱えているなら、指示を変えるだけでも足りないかもしれない。

このような具体的なAI利用の道筋を持って、Aeneia Auditに相談できる。診断では、その仕事でのツール、出典、人の役割と、結果に適切な確認がない箇所を見ていく。チームの構成と負荷は会社自身が決める。資料は、業務の流れにどの能力が必要かを考える助けになる。

次の変更は小さくてもよい。データを知る人を早めに参加させる、一部の項目を別に確認する、チームが確かめられる件数まで一度に扱う量を減らす。似た課題をもう一度たどり、不足が解消したか見てみよう。適切に構成されたチームは、単にファイルを多く生み出すだけではない。必要な仕事を、誰かが責任を持って使える結果までつなげる必要がある。

Aeneia / Aeneia編集部

編集部による記事です。本文中に出典へのリンクがあります。

Aeneiaについて

ご一緒したブランド

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 在ポーランド中国大使館
  • Mixa
Aeneia / Initium

知識から決断へ

整理したい課題をお聞かせください。どこから始めるかを一緒に決めます。

Aeneiaに問い合わせる

パートナーのソリューションを活用しています

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear