原典はこちら
AIの導入は、管理職という役職の人数を直接の成果指標にする施策ではない。AIが減らせるのは、情報の収集、定型的な報告、会議準備、成果物の初稿作成など、管理に付随する一部の作業である。目的の優先順位を決め、限られた人員を配分し、部門間の衝突を解き、成果の責任を引き受ける管理機能まで自動的に消えるわけではない。階層を減らすなら、その機能を誰が、どの権限と情報で担うかを同時に設計する必要がある。
役職数と管理機能は別の対象である
管理職は、評価、採用、配置、予算、意思決定などの権限と責任を特定の人へ集めた役職である。一方、管理機能とは、組織が複数の人の仕事を一つの目的へ向けるために必要とする行為全体を指す。目標の解釈をそろえること、優先順位を変えること、依存関係を解消すること、品質の基準を判断すること、問題が起きたときに責任の所在を定めることは、役職名の有無にかかわらず必要になる。
役職の廃止には、権限の分散と情報経路の変更が伴う。たとえば、従来の管理者が最終判断をしていた仕事をチームで合議するなら、参加者、判断期限、意見が割れた場合の決定者を決める必要がある。シニアな個人貢献者へ担わせるなら、専門職としての仕事を減らすか、評価へ管理の寄与を含める必要がある。役職名を外した後の運用を決めなければ、意思決定の空白が残る。
AIは、管理機能に入る前段の情報処理を短縮できる。進捗を集計し、選択肢を比較し、会議の論点を整理し、過去の記録から背景を取り出す作業である。これはAIの本質的価値は反復速度の向上によるクオリティ改善にあるという整理と一致する。人が使える判断材料と試行回数は増えるが、何を優先し、どの失敗を許容し、どの案を採るかは、目的と状況を知る人が決める。
したがって、AIを使う組織が問うべきことは「管理職を何人減らせるか」ではない。「AIで短縮された作業時間を、どの判断、育成、部門間調整へ振り向けるか」である。後者を決めないまま役職だけを減らすと、管理に必要な仕事は消えず、権限を持たない個人貢献者や少数の上位者へ移る。
一社の再編事例が示す限定的な事実
Fortuneは、Metaが階層を減らした後、AI部門の一部の個人貢献者に管理職へ戻る選択肢を示したと報じた。記事は、管理職を戻した直接の原因や、その再編の成否を確定していない。この事例から一般化できるのは、AI投資と階層削減を同時に進めた組織でも、管理機能を担う人が改めて必要になる場面がある、という範囲までである。
この事例だけで、管理職を増やすことが正解とはいえない。ある組織が管理職を戻したという事実は、全ての組織が同じ人数や同じ階層を必要とする根拠にはならない。ただし、階層削減が成功したかどうかを、削減人数や人件費だけで判定できないことは明らかにする。決定の遅れ、責任の曖昧さ、部門間の手戻り、育成の停滞が増えているなら、管理機能の配置を見直す必要がある。
フラット化では管理の担い手が移る
階層を減らした組織では、管理機能は通常、三つの場所へ移る。第一に、上位の管理者へ集約される。より広い範囲を少数の人が見るため、判断は速くなる場合がある一方で、現場の情報が届くまでに時間がかかる。第二に、シニアな個人貢献者へ移る。専門性の高い人が技術判断や周囲の支援を担えるが、権限、評価、時間配分が伴わなければ、成果責任だけが増える。第三に、チーム間の非公式な調整へ移る。誰が決めるかを明示しないと、会議と合意形成の回数が増え、表面上はフラットでも意思決定は遅くなる。
AI時代の「自分がやった方が早い」はマネジメントの委譲問題と同じ構造であるは、短期的な速さだけで委譲を判断すると、長期の処理能力を育てられないと述べている。階層削減にも同じ構造がある。管理者が行っていた判断や支援をなくしたのではなく、誰かが見えない形で補っているなら、その人の可用性と育成の機会を消費している。組織図から役職を減らすことと、組織が必要とする仕事を減らすことは別である。
AI時代の管理は処理ではなく判断と接続を担う
AIが定型処理を引き受けるほど、人が担う管理の重心は、処理の進行確認から判断の質へ移る。管理者は、報告を集めて承認するだけでなく、チームの目的を言葉にし、成果の評価基準をそろえ、変更が必要になったときに優先順位を決める。これはAI時代のクリエイティブワークでは目的の共有と人間の判断力が成功の鍵となるで整理されている、人間の役割と重なる。
管理者に必要な現状把握も、情報を多く持つことだけでは足りない。素早く、正しく、現状把握が行えることが、成果を出せるマネージャーの条件が扱うように、状況に応じて資源を配分し、問題を早く発見するためには、数値、顧客の反応、現場の制約を判断へ結びつける必要がある。AIはそのための情報を速く整えられるが、情報の矛盾をどう扱うか、どのリスクを引き受けるか、誰に説明責任を持たせるかは決められない。
この役割は、組織の規模と仕事の依存関係が大きくなるほど重要になる。組織設計の適切性がプロダクト品質を直接左右するが指すように、担当間の境界と判断経路は、プロダクトの一貫性や修正の速度に影響する。AIによって各担当の制作速度が上がれば、判断待ちや部門間の不一致は、以前より早く全体の制約になる。
階層を変える前に検証する対象
階層の削減や管理職の再配置は、人数の増減ではなく、管理機能の配置換えとして検証する。まず、各チームで最終判断をする人と、判断に必要な情報の集約先を対応させる。次に、部門をまたぐ依存関係で、誰が優先順位を決め、遅延や品質低下が起きたときに誰が調整するかを明示する。さらに、個人貢献者へ新たな調整や育成を任せる場合は、権限、評価、作業時間を一緒に渡す。
検証では、会議数や管理職比率だけでなく、優先順位が変わってから現場が動き出すまでの時間、判断の差し戻し回数、複数チームにまたがる問題の解決時間、成果物の一貫性、メンバーが相談と育成を受けられる状態を観察する。これらが改善して初めて、AIと組織再編が管理の負荷を実際に減らしたと判断できる。管理職の人数は、その結果を実現するための設計変数であり、単独の目的ではない。
AIの導入前後を同じ指標で比べることも必要である。自動化によって削減された作業時間と、新たに発生したレビュー、例外処理、品質確認、権限調整の時間を分けて記録する。後者が特定の人に偏る場合は、AIの導入効果を過大に評価せず、役割と運用を調整する。組織再編は一度の人員配置で完結せず、仕事の流れを観察して修正する対象である。