メインコンテンツへスキップ
REBUTTALPillar 3 ─ AIで売上を創る

「すごい個人」ひとり探しを卒業する|PI Injectionは5機能の補完チームで成立する

Published
Reading
9 min
  • すごい個人 探し 卒業
  • AI人材 一人の天才 反証
  • PI Injection 補完チーム
  • 5機能 変革人材 3タイプ
  • 個人選抜 チーム設計

「AIで事業を変えるには、どんな人材が必要か」

この問いに対して、多くの経営者・人事責任者が同じ方向へ答えを寄せていく。「AIに強い『すごい個人』を一人見つけて、事業変革を任せればよい」。直感的に筋が通っているように見える。稟議も通しやすい。人事評価とも接続しやすい。

しかし私は、AX for Revenueの現場でこの直感が構造的に破綻する場面を、何度も観察してきた。PI(Primal Intelligence)を掘り起こし、PI Injectionを動かすという仕事は、一人の天才では成り立たない。5つの機能を担う補完チームで、初めて成立する。

本記事は、「すごい個人ひとり探し」を卒業し、「補完チーム設計」へ進化する必要性を、真正面から反証的に整理する。

「AI時代は、すごい個人ひとりを見つけて事業変革を任せればよい」という発想は、PI Injectionの実態と構造的に矛盾する。PI Injectionは5機能(Crazyを出す/Fieldを拾う/論理化する/巻き込む/実装する)の組み合わせで成立し、一人で5機能すべてを担える人材はほとんど存在しない。変革人材は一人の英雄としてではなく、補完チームとして機能する。AI時代の人材育成は、個人選抜からチーム設計へと進化する必要がある。

本記事は、AI時代の変革人材論を「すごい個人ひとり探し」から「補完チーム設計」へと進化させる必要性を、麻生要一個人の視点で反証的に整理したREBUTTAL記事である。

「すごい個人ひとり探し」は、なぜ広まってきたのか

まず反証の前に、この発想がなぜ広く流通しているのかを構造的に見ておきたい。悪意ではなく、合理的な選択の積み重ねの結果として、この発想は生まれている。

第一に、既存の個人選抜文化の延長線がある。スキル評価・ハイパフォーマー選抜の枠組みは、日本企業が半世紀かけて磨いてきた資産である。「AIに強い人材を採用する/育成する」という発想は、この既存文化と親和的で、経営会議でも通りやすい。効率化AIの時代、つまりAI Sprintの中では、この延長線でおおむね機能してきた。

第二に、AI人材を単一スキルセットで捉える思考がある。「データサイエンティストを一人採用すれば足りる」「AIエンジニアを社内で育てれば済む」。この見方は、既存の職種論の中では合理的である。しかしPI Injectionは、AI技術スキルの問題ではない。AIには持ち得ないCrazy IntelligenceField Intelligenceの掘り起こしの問題である。

第三に、「一人の天才が事業を変える」という物語がある。メディアは個人英雄譚を好むため、経営者の頭のなかに繰り返し流れ込んでくる。実際の事業変革は、多くの機能が組み合わさって初めて起きる。しかし報道は、その組み合わせの部分を語らないまま、頂点にいた個人だけを切り取る。

3つの背景はいずれも、それぞれの文脈では合理的である。しかし合理的な選択の積み重ねが、構造的には合理的でない結果を生むことがある。それが、AI時代における「すごい個人ひとり探し」の問題である。

PI Injectionは、5機能の組み合わせで成立する

反証の骨格を、ここから示していく。

書籍『AI収益進化論』第7章では、PI InjectionはAX for Revenue Loopの第3ステップとして整理されている(麻生要一『AI収益進化論』第7章)。ここで私が本記事で強調したいのは、PI Injectionが「AIに何を注ぐか」の問題であると同時に、「誰が、何を持ち込むか」の問題でもあるということだ。

PI Injectionを実際に動かすには、次の5つの機能が組み合わさっている必要がある。

機能役割欠けると何が起きるか
Crazyを出すAIの外側にある飛躍を持ち込む出てくる仮説が業界の延長線上に収束する。AI Mutationは起きない
Fieldを拾う現場に眠る一次情報・違和感を持ち込む議論が空中戦になる。「もっともらしいが、ありがちな」答えに落ち着く
論理化するCrazy / Fieldを事業仮説へ変換する組織には「何が言いたいのかわからない」発想の山が残る
巻き込む未完成の仮説を組織内で流通させるプロジェクトが組織のどこかで止まる
実装する仮説を市場接点・業務工程に落とし込む議論は深まるが、実物が出てこない

5機能は直線的に一度きり回るものではない。実装の検証結果が新たなFieldとなり、次のCrazyを更新する。循環しながら、AIと結びついていく構造である。

ここで重要なのは、5機能は組織の「役割」であって「役職」ではないということだ。同じ人が複数機能を担うこともあれば、異なる人が同じ機能を分担することもある。しかし、いずれの機能が欠けても、PI Injectionは成立しにくい。各機能の詳細はpi-injection-five-functionsに譲るが、まず押さえるべきは、PI Injectionが「機能の組み合わせ」で成立する仕事だという構造そのものである。

一人で5機能すべてを担える人材は、ほとんど存在しない

5機能すべてを一人の人材が高水準で持つこと。これを求めるのは、統計的に無理筋である。

これは能力の高低の話ではない。認知スタイルと関与の深さの構造の話である。

Crazyを出す特性(直感・類推・曖昧さ許容・未来志向)と、論理化する特性(構造化・批判的思考・因果把握)は、認知スタイルとしてある程度対立する傾向がある。Fieldを拾う特性(観察・対人感受性・現場接続)と、実装する特性(まずやってみる・粘り強さ・行動量)は、時間軸と関与の深さが異なる。巻き込む特性(社交性・自己開示・信頼形成)は、他の4機能とは独立した対人スタイルを求める。

これらを一人の人格の中に高水準で同居させることは、不可能ではないが、極めて稀である。「すごい個人ひとり」を探し続けても、統計的に見つかる確率は極めて低い。

学術的にも、この構造は繰り返し確認されてきた。Woolley et al. (2010)の集合知研究は、チームの成果を決めるのは個人の知性指数の総和ではなく、誰がどのように発話し、互いの視点をどう取り入れるかという相互作用の質であることを示した。Hong & Page (2004)は、均質的な高能力者だけの集団より、多様な視点を持つ集団の方が問題解決で優位に立つ場面があることを整理している。

私が現場で観察してきた変革の現場もまた、これらの学術的知見と符合する。単独では届かない場所へ、補完しあう複数人だから届く。それがPI Injectionの実際である。

変革人材3タイプの補完 ─ 巻き込み/アイデアメーカー/ビジョン創造

では、change-agentは、実際にはどのように現れるのか。POT Instituteが実践現場で観察してきた代表的な3タイプを紹介したい。これはPOT Assessmentの正式な分類名ではなく、実践現場で観察される代表的な機能パターンを説明するための便宜的な類型である。

タイプA:巻き込みタイプ(衝動 × 創造)

衝動的にCrazyを出し、勢いで巻き込む突破力を持つ。担う機能は、Crazyを出す + 巻き込むの2つ。一方で補完が必要な機能は、論理化する、Fieldを丁寧に拾う、の2つである。

AI Sprintの調整型カルチャーの中では、「やりすぎる人」「無謀な人」と映ることが多い。しかしPI Injectionにおいては、最初のエネルギーを供給する役として機能する。

タイプB:アイデアメーカータイプ(内に秘めたCrazy)

豊かな内的世界を持ち、奇抜なアイデアを内側に蓄えている。ただし自分から積極的には外に出さない特性を持つ。担う機能は、Crazyを出す(潜在) + Fieldを拾う(鋭い感度)。補完が必要な機能は、巻き込む、実装するの2つである。

既存評価では「もっと発言してほしい」「主体性が見えにくい」と評価されることがある。しかし引き出し役と組み合わさったとき、誰も思いつかなかった発想の源泉になる。

タイプC:ビジョン創造タイプ(ビジョン × 論理)

未来の絵を描く力と、それを論理に翻訳する力を併せ持つ。担う機能は、論理化する + 巻き込む(ビジョンによる)。補完が必要な機能は、Crazyを出す、Fieldを拾うの2つ。

既存評価で比較的高く評価されやすいタイプである。しかし単独でPI Injectionを担わせると、「立派な構想だが新しい発想に乏しい」という結果に終わることがある。

3タイプに共通するのは、それぞれが固有の強みと固有の不足を持つということだ。一人で5機能すべてを担える人材は、ほとんど存在しない。3タイプは優劣ではない。どのタイプも、他タイプとの補完で機能する。3タイプの掛け合わせの詳細は、後続の姉妹記事で扱う。

問うべきは「誰がいるか」ではなく、「どのように機能しあうか」である。

個人選抜から、チーム設計へ ─ POT Assessmentの役割転換

反証をここで実装可能な規律に翻訳したい。人材を「見る」ことの意味そのものを、進化させる必要がある。

POT Assessmentの役割を、次のように転換する。

観点誤解正しい位置付け
対象人を査定するPIの出方を可視化する
目的優秀者を選抜する変革チームを設計する
用途人事評価に使う配置・アサイン・学習に使う
単位個人スコアを見る組み合わせを見る

「すごい個人ひとり探し」を卒業するとは、この4つの観点をすべて「誤解」から「正しい位置付け」へ転換することにほかならない。

進化の方向は、3つの次元で整理できる。

第一に、スキルから、特性へ。何ができるかだけでなく、どう認識し・動き・関係を作るかを見る。

第二に、個人から、組み合わせへ。一人の能力ではなく、5機能の補完バランスを設計する。

第三に、研修から、人的資本オーケストレーションへ。知識を教える活動から、PIを生むチームを設計する経営活動へ。

POT Assessmentの詳細は、後続の姉妹記事で改めて整理する。ここで押さえておきたいのは、チーム設計だけでも十分ではないということだ。補完チームを組んでも、そこにPIが安心して差し出される組織風土がなければ、機能は循環しない。個人 → チーム → 組織風土という三段の設計が揃って、PIオーケストレーションは初めて動く。組織風土軸の詳細はculture7-seven-factorsで扱っている。

よくある質問

Q1. 「すごい個人」を探すこと自体が悪いのですか。

いえ、それ自体を悪いと言いたいのではありません。効率化AIの時代、業務改善の担い手として個人選抜を続けることは、いまも合理的です。反証したいのは、「PI Injectionの担い手を、同じ枠組みで探し続ければ足りる」という発想の部分です。効率化AI時代の個人選抜文化は無駄ではなく、進化の山を登るときには別の設計が要る、という理解が正確です。

Q2. 5機能を担う人材を、どうやって社内で見つければよいのですか。

まず「単一の人材」を探すのではなく、「機能ごとに補完しあう組み合わせ」を設計する視点に切り替えることが起点になります。5機能のうち、いま自社に厚い機能はどれか、薄い機能はどれかを可視化することから始めるのが一般的です。具体的な実装支援が必要な場合は、axfr.ai/contact 経由で個別に相談する形をお勧めしています。

Q3. 3タイプに当てはまらない変革人材もいるのですか。

もちろんいます。本記事で紹介した3タイプは、実践現場で観察される代表的なパターンであって、これがすべてではありません。POT Assessmentの本質は、「タイプに人を分類する」ことではなく、「その人固有のPIの出方を可視化する」ことにあります。3タイプは、5機能とチーム設計を読者が直感的に把握できるよう用意した便宜的な類型として扱ってください。

Q4. 補完チームは、既存の組織図とは別に組む必要がありますか。

必ずしも別組織である必要はありません。5機能は「役割」であって「役職」ではないため、既存部署の中で機能を再配置することも可能です。ただし、AI Sprintで求められる調整型カルチャーと、PI Injectionで求められる補完チーム設計は、駆動モードが異なります。既存部署の中で機能させる場合も、駆動モードの切り替えを意識した設計が必要になります。

Q5. POT Assessmentを使わないと、補完チームは組めないのですか。

POT Assessmentは補完チーム設計を可視化する有力な道具ですが、使わなくても補完チームは組めます。重要なのは、道具ではなく思想の方です。「個人スコアで人を並べる」思想から、「機能の組み合わせでチームを設計する」思想へ、経営の見方を進化させること。ここが起点になります。

結語

反証したかったことは、ひとつです。「AI時代は、すごい個人ひとりを見つけて事業変革を任せればよい」という発想は、PI Injectionの実態と構造的に矛盾する。

一人の天才では、成り立たない。5機能の組み合わせで、初めて成立する。変革人材は、一人の英雄としてではなく、補完チームとして機能する。

問いを立て直したい。「自社は『すごい個人ひとり探し』を続けているか。それとも、補完チームの設計に進化しているか」。この問いに向き合うことが、AI時代の人材論を、個人選抜からチーム設計へと進化させる起点になる。

効率化AI時代の個人選抜文化は、無駄ではなかった。しかし進化の山では、補完チームという別の設計が要る。AIは効率化から、収益の創造へ。人材の見方もまた、個人選抜から、チーム設計へ。

References

出典

  1. 株式会社Ambitions(AlphaDrive 100%子会社)AI収益進化論──完成品製造コストゼロ時代の収益創造(2026)https://axfr.ai/book
  2. PsyArXiv(プレプリント)/Tilburg University・Aarhus UniversityDoes Generative AI Make Us Think Alike? A Systematic Review and Meta-Analysis of Homogenization Effects in Human–AI Co-Creation(2026)https://osf.io/preprints/psyarxiv/rz5s4_v1
  3. Scientific Reports(Nature Portfolio)Establishing the importance of co-creation and self-efficacy in creative collaboration with artificial intelligence(2024)https://www.nature.com/articles/s41598-024-69423-2
Related