優秀人材と変革人材の役割差｜AI Sprintで光る人とPI Injectionで光る人は違う

優秀人材と変革人材の役割差とは、既存事業で優秀と評価される力（磨き上げ・遂行・調整・効率化）と、変革の突破口を開く力（逸脱・現場知・仮説化・巻き込み）が、構造的に異なるという実践観察である。これは優劣ではなく役割の違いだ。前者は AX for Revenue Loop の Step 1（AI Sprint）で真価を発揮し、後者は Step 3（PI Injection）で輝く。既存の人事評価はまだ定義されていない業務を担う変革人材の特性を、そもそも測れない。

AI 推進プロジェクトに「うちのエースを置いたのに、売上がまったく動かない」。段階3の経営者から繰り返し聞かれる悩みである（麻生要一『AI収益進化論』第1-4章）。MIT NANDA プロジェクトが報告した「組織の95%が測定可能な P&L リターンを得られていない」という構造的失敗の内側には、技術選定でもベンダー選定でもない、もっと静かな問題が潜んでいる。

それは、誰を、どの山に置いたかという問題だ。AI を効率化の道具としてだけ扱う段階を越え、収益進化へ進もうとするとき、人選の前提そのものが書き換わる。本稿はその構造を、認識転換装置として論じる。なぜ AI で売上が動かないのか、その入口の一つを why-ai-fails-revenue とあわせて整理する。

よくある誤解｜変革にはエースを置けばうまくいく

AI 活用や新規事業の文脈で、現場と経営の両側から繰り返し聞かれる通説が三つある。

• 「いちばん優秀なエースを置けば、変革プロジェクトもうまくいく」 — 過去の難局を突破してきた人物への信頼を、新領域にもそのまま当てはめる発想。
• 「優秀でない人に任せるから、AI 案件は前に進まない」 — 停滞の原因を、個人の能力不足という単一の説明に押し込める発想。
• 「評価制度で高評価の人材を集めれば、収益進化チームは完成する」 — 既存の人事評価がそのまま変革人材の選抜装置になるという前提。

いずれも一見、合理的に聞こえる。エースは過去の難所を突破してきた実績がある。評価制度は組織が真剣に磨いてきた仕組みである。それでも、AI で売上を動かそうとする現場では、この通説に従うほどプロジェクトが空回りする現象が観察されている。理由は、優秀さの定義そのものが、効率化の山と収益進化の山で異なるからだ。

なぜ的を外すのか｜評価軸が真逆に近い

McKinsey State of AI 2025 によれば、AI を業務に常用している企業は88%に達しているのに対し、EBIT に5%以上の影響を出せている企業はわずか6%にとどまる。88対6の構造的なギャップは、技術力の差では説明しきれない。書籍『AI収益進化論』が3段階の底でつながっている壁として整理したのは、AI を効率化の道具として、設計思想のレベルから扱っていることそのものだった（麻生要一『AI収益進化論』第1-7章）。

この壁の手前で、人選の問題が静かに作動している。

既存事業のエースとは、ほとんどの場合「定義された型を磨き、確実に遂行し、関係者を調整し、リスクを最小化する」ことで高い評価を受けてきた人材だ。納期を守る。品質を担保する。例外処理を吸収する。既存事業を回す上で、不可欠な力である。

しかし、収益進化が求めるのは、その対極に近い動きだ。まだ存在しない型を立てる。組織の前提から逸脱する。現場でしか得られない違和感を仮説に変える。社内の慎重な合意プロセスを跳ね越えて、関係者を巻き込む。両者の評価軸は、ほとんど真逆である。

ここで重要なのは、エースが収益進化に向かないことは、無能を意味しないということだ。むしろ逆である。書籍『AI収益進化論』第2-2章が整理するように、効率化AI は悪いものではない。日本企業の磨き上げ文化と相性がよい正しい仕事である。エースが活きるのは、効率化の山＝ AI Sprint の領域だ。そこに置けば、磨き上げの力が AI と掛け合わさり、最大の効果を生む。

問題は、得意な山ではない場所にエースを置き、そのまま評価軸も持ち込んでしまう人選設計のほうにある。役割の差を見ずに、優秀さの一元尺度で配置を決めると、エースは「型がない」という状態そのものに消耗し、変革人材は「型を遵守しない人」と扱われて埋もれる。両者がともに不発になる。

これは、新規事業の人選論として整理された「優秀な人ほど新規事業で失敗する」とは別角度の論点である。あちらが事業ステージとチーム編成の話であるのに対し、本稿は AX for Revenue Loop の Step 1 と Step 3 の役割差という、AI 文脈に軸足を置いた整理だ。

Step 1 と Step 3 で光る人は違う

AlphaDrive が体系化した 2つの山モデル は、AI 活用には性質の異なる二つの山があると整理する。効率化の山（AI Sprint で登る）と、収益進化の山（PI Injection で登る）である。両者は別の山であり、別の登り方が必要だ。そして、登り手として向く人材も、構造的に異なる。

効率化の山（Step 1：AI Sprint）で光る人材

既存業務を AI で徹底的に AI 化・自律化し、やり切るステップである。ここで真価を発揮するのは、磨き上げと遂行の優秀人材だ。業務プロセスの隅々まで把握している。例外処理のパターンを記憶している。関係部署との調整を粘り強く回せる。「ここまでで十分」という暗黙の線を超えて、最後の数パーセントまで詰め切れる。AI Sprint は、定義された業務を最大限まで効率化する作業であり、定義済み領域での磨き上げ能力がそのまま成果に変換される。

収益進化の山（Step 3：PI Injection）で光る人材

AI が予測・計算できない領域で、新たな金脈を Primal Intelligence で探すステップである。ここで活きるのは、性質の異なる力だ。現場でしか感じ取れない違和感を言語化する Field Intelligence の感度。論理的に導出できない発想を持ち込む Crazy Intelligence の飛躍。組織の暗黙のルールを越えて関係者を動かす巻き込み力。書籍『AI収益進化論』第4-3章が示すように、Crazy Intelligence は特別な天才だけが持つものではない。むしろ新人や業界外の人がしばしば持っている。

この役割差を踏まえずに人選すると、効率化に強いエースを Step 3 に置き、変革人材を Step 1 に押し込むという、最も避けたい配置が起きる。結果として、Step 1 は磨き上げの徹底に届かず、Step 3 は逸脱の発想に届かない。両方の山で頂上に到達できない状態が、段階3で売上が動かない景色の正体の一つである。

既存評価が変革人材を見落とす構造

ここで疑問が生じる。役割差がそれほど明確なら、なぜ多くの組織で同じ人選の失敗が繰り返されるのか。原因は、既存の人事評価が変革人材の特性をそもそも測れない構造にある。

人事評価は、ほぼ例外なく定義済み業務の遂行を測る装置として設計されてきた。期初に目標を設定し、期末に達成度を確認する。職務記述書に書かれた役割を、どの程度の質と速さで果たしたかを評価する。この設計は、既存事業の運営には極めて合理的だ。

しかし、変革人材はまだ定義されていない領域で動く。期初には存在しなかった問いを立てる。職務記述書には書かれていない動き方をする。既存プロセスから逸脱する。既存の評価制度の網は、こうした動きを「型を守らない」「規律が乱れている」「協調性が低い」というネガティブなシグナルとして拾ってしまう。

書籍『AI収益進化論』第7-4章が整理した PI Injection の4つの失敗パターンのうち、④「現場の Field が経営者まで上がってこない」は、AI 時代の組織論として極めて鋭い論点だ。Field を持っている人材は、しばしば既存評価の中では目立たない位置にいる。組織のメインストリームから少し外れた現場、専門的すぎて評価されにくいポジション、社歴は長いが昇進競争には乗っていない立場——そうした場所に、最も価値の高い Field が眠っていることがある。

つまり、既存評価で「高評価」の人材を集めると、自然と効率化の山に向く人材が集まる。変革人材は、既存評価の網に引っかからず「扱いにくい人」として埋もれたままになる。だからこそ、定義済み業務の遂行を測る評価とは別の軸で、変革人材を可視化する装置が必要になる。POT Assessment が担うのはその役割である（pot-assessment）。

役割差を踏まえた配置こそが出発点

役割差の論理が見えると、人選設計の問いそのものが変わる。問うべきは「誰が優秀か」ではなく、誰を、どの山に置くかである。

エースを Step 1 へ。磨き上げと遂行の力を、AI Sprint の徹底に変換する。組織の中核プロセスを AI で隅々まで効率化する作業は、エースの力が最大に活きる領域だ。エースを Step 1 で起用することは、降格でも左遷でもない。効率化の山の頂上に到達するための、最も合理的な配置である。

変革人材を Step 3 へ。Field Intelligence の感度と Crazy Intelligence の飛躍を、PI Injection に注ぎ込む。ただし、ここで一つ補助線を引く必要がある。変革人材は単独で完結する人格ではなく、性質の異なる複数のタイプの組み合わせで機能する。Field を拾う人、Crazy を投げる人、両者を翻訳して経営判断に接続する人——役割の異なる変革人材を組み合わせる単位設計が、Step 3 を動かす実装の核になる。詳細は three-types-transformation-talent で整理している。

そして、効率化の山の人材配置と、収益進化の山の人材配置を、組織全体として束ねる経営判断が必要になる。どの業務に AI を入れ、誰の PI をどの探索に注ぎ、どの事業機会へ配置するか——スキル単位ではなく、PI の素地・役割・組み合わせ・組織風土・実践機会の単位で人材を設計する経営活動を、AlphaDrive は人的資本オーケストレーションと呼ぶ（人的資本オーケストレーション）。Step 3 の中で PI が具体的にどう機能するかは、pi-injection-five-functions にまとめた。

役割差の議論は、優劣の話ではない。エースの優秀さは、効率化の山では決定的な戦力である。変革人材の力は、収益進化の山でしか発揮されない。両者がともに必要であり、両者がそれぞれの山に正しく配置されたとき、AI Sprint の徹底と PI Injection の探索が同時に走り始める。

AI で売上を動かそうとする経営判断の出発点は、技術選定でも組織再編でもない。誰を、どの山に置くか——この問いに、役割差を踏まえて答えることだ。

タグライン「AIは効率化から、収益の創造へ」は、ツールの話ではなく、人をどう配置するかという経営の意志の話でもある。

よくある質問

Q1. 優秀人材と変革人材の役割差とは何ですか

既存事業で優秀と評価される力（磨き上げ・遂行・調整・効率化）と、変革の突破口を開く力（逸脱・現場知・仮説化・巻き込み）が、構造的に異なるという実践観察です。これは優劣ではなく役割の違いであり、前者は AX for Revenue Loop の Step 1（AI Sprint）で、後者は Step 3（PI Injection）で真価を発揮します。

Q2. 変革プロジェクトにエースを置けばうまくいくのではないですか

エースを変革プロジェクト（特に Step 3）に置く判断は、しばしば双方を不発にします。エースの磨き上げ・遂行の力は、定義された型を最大限に活かす場面で発揮されるからです。Step 1（AI Sprint）にエースを配置し、Step 3 には Field Intelligence と Crazy Intelligence の感度を持つ変革人材を配置するほうが、効率化の山と収益進化の山の両方で頂上に到達しやすくなります。

Q3. 「優秀」と「変革できる」は何が違うのですか

評価軸そのものが異なります。既存事業の優秀さは「定義された型を磨き、確実に遂行する」ことで測られます。一方、変革の力は「まだ存在しない型を立て、組織の前提から逸脱し、現場の違和感を仮説に変える」ことで現れます。両者は優劣ではなく、得意な山が違うという役割の差です。エースが変革に向かないことは、無能を意味しません。

Q4. AI Sprint と PI Injection で、向く人材はどう違いますか

AI Sprint（効率化の山）で光るのは、既存業務の隅々まで把握し、最後の数パーセントまで効率化を詰め切れる磨き上げの優秀人材です。PI Injection（収益進化の山）で光るのは、現場でしか感じ取れない違和感を言語化できる Field Intelligence の感度と、論理的に導出できない発想を持ち込む Crazy Intelligence の飛躍を備えた変革人材です。両者の評価軸はほぼ真逆に近い構造を持っています。

Q5. なぜ既存の人事評価では変革人材を見つけられないのですか

既存の人事評価は、職務記述書に基づき定義済み業務の遂行を測る装置として設計されているからです。変革人材はまだ定義されていない領域で動くため、既存の評価の網には「型を守らない」「協調性が低い」というネガティブなシグナルとして映りがちです。だからこそ、定義済み業務の遂行を測る評価とは別の軸で、変革人材を可視化する装置（POT Assessment 等）が必要になります。詳細は pot-assessment を参照してください。

Q6. この記事と「優秀な人ほど新規事業で失敗する」は何が違うのですか

両者は別角度の論点です。「優秀な人ほど新規事業で失敗する」は、書籍『新規事業の経営論』に由来する新規事業の人選論で、事業ステージとチーム編成の話を扱います。本記事は、書籍『AI収益進化論』が提示した AX for Revenue Loop の Step 1（AI Sprint）と Step 3（PI Injection）の役割差という、AI 文脈に軸足を置いた整理です。両者は相互に補完する関係にあり、新規事業の人選論を AI の Loop 構造の上で再解釈したものが、本稿の役割差の議論にあたります。

関連する AX for Revenue の概念

• why-ai-fails-revenue｜なぜ AI で売上が動かないのか、Pillar 2 の Hub
• AI Sprint｜効率化の山を登るステップの定義
• PI Injection｜収益進化の山を登るステップの定義
• pi-injection-five-functions｜PI Injection の中で変革人材が担う機能
• three-types-transformation-talent｜変革人材の組み合わせの単位
• 人的資本オーケストレーション｜人材配置を経営判断として束ねる
• 2つの山モデル｜効率化の山と収益進化の山
• pot-assessment｜変革人材を可視化する装置

本稿の理論的支柱は、書籍『AI収益進化論』（麻生要一、株式会社 Ambitions、2026年5月）の第1章・第2章・第4章・第7章である。書籍の全体像は book を参照されたい。

---

役割差を踏まえた配置をどう設計するかは、組織の業種・規模・既存の評価制度との接続によって異なる。Step 1 と Step 3 を同時に走らせる人選のあり方については、初回相談で個別に整理することができる。

発行: 株式会社アルファドライブ