AIに制作を任せるデザイナーには、その成果物を採用してよいかを判断する責任がある。その判断に必要な品質基準や責任の負い方は、経験者の下で制作し、修正を受ける過程で学ぶことができた。制作作業がAIに置き換われば、仕事とともに、その仕事に含まれていた学習機会も減りうる。ここで扱うのは、判断を求められる時期が早まる一方、判断力を育てる経験が減るという仮説である。
責任を負うとは成果物の採否を自分の判断として扱うことである
デザインにおける責任とは、担当範囲について、何を満たせば完成とするのかを理解し、成果物をその基準で評価し、採用理由を説明することである。提出後に問題が分かれば、その理由を調べて修正することも含む。AIを使った場合も、生成された案を選び、仕事の成果として提出する人には、この判断が必要になる。
たとえば、AIが作った画面を採用する場合、見た目が整っていることに加えて、必要な情報を読み取れるか、操作の意味が伝わるか、利用する場面に合うかを評価する。生成時の指示に沿っていても、利用者が目的を果たせなければ修正が必要である。「指示したものができた」という確認と、「この用途で使える」という判断には、それぞれ異なる知識が必要になる。
責任の範囲は、担当業務や決定権に応じて異なる。若手が一画面を担当する場合と、責任者がサービス全体の方針を決める場合では、説明すべき判断も違う。どんなデザイナーにも責任を求めるという命題は、全員に同じ範囲の最終責任を負わせることを意味しない。各人が、自分の担当範囲で品質の判断に参加することを意味する。
AI時代のデザイナーの価値は道具の操作力ではなく理想の解像度にあるでは、実現したい状態を具体的に把握する力を扱っている。その状態と実際の成果物を比較し、残っている差を許容できるか判断するところに、品質への責任が生じる。
経験者の下で行う制作には判断を学ぶ機会が含まれていた
経験者の下で働くデザイナーは、割り当てられた制作を通じて、作り方と評価の仕方を同時に学べる。自分では完成したと考えた案に修正が入れば、どこを見落としたのかが分かる。経験者が顧客に案を説明する場に参加すれば、どの条件を優先し、何を根拠に採用を勧めたのかを知ることができる。
品質基準には、余白や文字サイズの数値として記述できるものと、具体的な成果物を比較して初めて理解しやすくなるものがある。同じ文字サイズでも、書体、情報量、周囲の要素によって読みやすさは異なる。修正前後を比較し、自分でも調整する経験によって、一般的な規則を個別の場面に適用する判断を学ぶ。
デザインの解像度は理論ではなく手を動かすことでしか上がらないが扱う、実物を作る過程で生じる理解は、品質基準の習得にも関係する。完成品だけを提示された場合と、自分の案が修正される過程に参加した場合では、どの判断によって品質が改善したのかを理解する条件が異なる。
責任の負い方にも、実務を通じて学ぶ部分がある。不確かな点をいつ相談するか、顧客の要望と品質上の問題が衝突したときにどう説明するか、納期の中でどの修正を優先するか。経験者と仕事をすることは、こうした判断を観察し、一部を自分で担い、必要な助言を受ける機会になっていた。
判断を引き受ける前にも成立していた仕事が代替される
制作と品質判断を分担できる環境では、最終的な品質基準を自分で持っていなくても、指示に沿って作業を進めることで貢献できる。品質判断を学んでいる途中の人にも、判断の範囲を広げることを積極的には望まない人にも、制作を担う仕事が成立していた。
この分業で、指示に沿った制作をAIが代行できるようになると、人間が同じ作業を担う理由は弱くなる。制作担当者に残る仕事が、要件の解釈、案の選択、修正の判断を多く含むなら、品質基準を自分で扱う必要がある。担当者の経験年数が同じでも、任される仕事に含まれる判断の量は増えうる。
学習途中の人と、判断を引き受けることを望まない人では、必要な対応は異なる。前者には判断力を育てる機会が必要であり、後者には自分が担う仕事の範囲を再検討する課題が生じる。制作の代替によって影響を受ける点は共通していても、本人の意欲や能力を一括りにはできない。
AI時代のデザイン業界では、若手デザイナーのキャリア形成に新たな課題が生じているでは、実践機会の減少と高度な能力への早期要求を扱っている。この問題は若手だけに限られない。経験年数が長くても、品質の判断を他者に任せる分業の中で働いてきた人は、同じ変化に直面しうる。
作業の削減と学習機会の維持を同時に考える
制作にかかる時間を減らしても、品質を判断する経験を残すことはできる。たとえば、若手がAIで複数案を作り、自分で採用案と理由を示した後、経験者が評価する。修正後には、最初の判断で不足していた観点と、実物のどこが改善したかを比較する。この方法なら、AIを使いながら、選択、説明、修正の経験を積める。
完成品を経験者が修正して返すだけでは、若手は変更の理由を推測するしかない。レビューでは、どの条件を根拠に修正したのか、別の条件なら判断がどう異なるのかを説明する必要がある。組織作りとデザインの暗黙知を言語化することは、実践知の共有と継承を可能にする重要な価値創造活動であるで扱う知識の継承を、日々の成果物のレビューで行う形である。
AIが作った案を評価することにも、学習の可能性がある。AI時代におけるアートディレクションの本質は第三者視点による制作物の客観視とメタ認知的品質向上であるが扱うように、制作物と距離を取って評価する経験を積める。ただし、出力を眺めるだけで品質基準を身につけたことにはならない。自分の判断を経験者の評価や実際の利用結果と比較する必要がある。
学習機会を維持するには、経験者がレビューに使う時間も必要になる。制作が速くなった分をすべて納品量の増加に充てれば、判断の理由を説明する余裕は残らない。AIの導入で何時間削減できるかに加えて、その仕事で誰が何を学んでいたのかを把握することが、育成を考える上での検討事項になる。
仮説を検討するには制作量と判断経験を分けて調べる
制作の代替が、そのまま学習機会の減少を意味するとは限らない。少ない時間で多くの案を比較でき、以前より早く顧客の反応を得られるなら、判断の経験は増える可能性もある。影響を分けるのは、若手が採否を判断する機会を持つか、その判断への具体的なフィードバックを受けられるかである。
この仮説を実務で検討する際には、AI導入前後の制作件数だけでは足りない。担当者が自分で採否を決めた場面、経験者から判断理由を教わった場面、提出後の結果を振り返った場面を比較する必要がある。制作量が増えていても、これらの経験が減っていれば、成果を出すための作業と、次の仕事を担うための学習が別々の方向に進んでいる可能性がある。