「AIに詳しい部下」に依存する大企業の脆さ ― 組織設計の観点
「AIに詳しい部下」に依存する大企業の脆さ ― 組織設計の観点
「AIのことは、うちの○○くんに聞けば全部わかる」――この一言は、もはや経営リスクの予兆である。生成AI浸透後の大企業では、プロンプト設計・モデル選定・ベンダー折衝・社内啓蒙までを一人ないし数人の「AIに詳しい部下」に委ねる構造が広がった。その一人が異動・退職・休職した瞬間、AI推進は確実に停滞する。本稿はこの属人化を組織設計とナレッジマネジメントの観点から解剖し、CIO・人事・経営層が今期着手すべき打ち手を示す[1]。
1. 属人化の歴史的背景 ― 情シスから生成AIへ繰り返される構造
属人化は新しい問題ではない。Excel VBAの「神スプレッドシート」、SAPのABAP職人、Salesforce管理者、kintone職人に至るまで、業務システムは常に「特定個人への過度な依存」を生んできた。ソフトウェア工学では「Bus factor（バス係数）」――その人がバスに轢かれたらプロジェクトが止まる人数――が古典的な指標として参照されてきた[2]。Bus factorが「1」のプロジェクトは、定義上もっとも脆い。
生成AIの登場は、このBus factor問題を再燃させた。違いは速度である。ChatGPTおよびその企業向けプランは、2023〜2024年にかけて主要企業の半数以上が業務利用を開始した[3]。導入が速いということは、ナレッジが組織に沈殿する前に「詳しい人」だけが先行して走ってしまう。プロンプトの作法、社内ガイドライン、ベンダー比較表、PoCの設計判断のすべてが、特定個人のSlack DMやローカルNotionに散在することになる。これはガバナンスの失敗である以前に、組織設計の失敗である[4]。
2. 「AI推進担当」の典型的な役割 ― 一人で何役こなしているか
大企業で「AIに詳しい部下」と呼ばれる人物が担っている役割を棚卸しすると、驚くほど広範になる。プロンプトエンジニアリング、社内研修、モデル選定（OpenAI / Anthropic / Google / 国内LLM）、API連携の技術検証、情シス調整、法務・コンプライアンス対応、ベンダー比較とRFP作成、PoC企画、経営報告、現場ヘルプデスク。本来CoE（Center of Excellence）として5〜10名規模で担うべき機能が、一人の肩に乗っている[5]。
厄介なのは、これらの役割の多くが「業務分掌表に書かれていない」点である。人事評価制度はAIスキルに追いついておらず、AI関連業務は事実上の「持ち出し」として処理されている。McKinseyの”The State of AI”調査でも、正式にAIガバナンス体制を整備している企業は少数派で、多くは部門単位の自発的活動に依存している[6]。報酬・キャリアパス・後継者が設計されない以上、燃え尽きるか転職するのは時間の問題である。
3. 属人化が招く5つのリスク
「AIに詳しい部下」への過度な依存は、単なる業務継続性の問題にとどまらない。経営リスクとして整理すると、少なくとも以下の5つに分解できる。
- 事業継続リスク：当該人物の退職・異動・休職でPoCや本番運用が停止する。Bus factor=1の典型的帰結[2]。
- 意思決定の偏りリスク：モデル・ベンダー選定が一人の好みに引きずられ、後から「なぜそれを選んだのか」を説明できる人がいない。
- セキュリティ・コンプライアンスリスク：個人判断で機密情報を外部APIに投げる運用が常態化し、事故時に責任所在が曖昧になる[7]。
- 採用・人件費リスク：AI人材の市場価格は高騰を続け、Gartnerは「AI talent shortage」を構造的トレンドとして指摘している[8]。
- 組織学習リスク：個人のSlackやノートに知見が滞留し、次の技術波（エージェント、マルチモーダル、推論モデル等）で再びゼロから「詳しい人」探しが始まる。
5つのうち2〜5は当該人物が在籍中でも緩慢に組織を蝕む。「辞めなければ大丈夫」という発想自体が罠である。
4. McKinsey “State of AI” データから読む実態
McKinseyが毎年公表する”The State of AI”調査は、AI導入実態を定点観測する希少な一次資料である。2024〜2025年版では、生成AIの業務利用が大幅拡大する一方、組織体制の整備は導入スピードに追いついていないという二重構造が示された[6]。AIによる成果（コスト削減・売上貢献）を実感している企業ほど、専任のAIリーダーを置き、ガバナンス・リスク管理・人材育成を体系化している傾向がある[9]。
逆に「現場の自発的活動だけ」で広げている企業は、短期的にはスピード感があるように見えても中長期で頭打ちになる。国内でも、日本IT団体連盟等の調査でAI人材の絶対数不足と育成未整備が繰り返し指摘されている[10]。経産省「IT人材需給に関する調査」でも需給ギャップの深刻化が試算されており、市場からの調達には限界がある[11]。
5. CoE（Center of Excellence）モデルの設計と運営
属人化を解く処方箋として、海外大企業で標準化しつつあるのがAI CoE（Center of Excellence）モデルである。CoEは全社横断のAI戦略・標準・ガバナンス・人材育成を司る常設組織で、典型的に以下の機能を持つ[5]。
- 戦略・ロードマップ機能：経営戦略とAI投資の整合を取り、優先順位を決める。
- 標準・ガバナンス機能：利用ガイドライン、モデル選定基準、データ取り扱いルールを定義する。
- 共通基盤機能：APIゲートウェイ、ログ監査、プロンプトライブラリ、評価ハーネスを整備する。
- イネーブルメント機能：現場部門への研修、伴走支援、PoC審査を提供する。
- R&D機能：新モデル・新技術の評価、PoCの設計を担う。
重要なのは、CoEを「人数の多い研究所」にしないことである。少人数（5〜10名）で立ち上げ、各事業部門に「AIチャンピオン」と呼ばれる兼任メンバーを置き、ハブ&スポーク型で運営する。CoEは中央集権ではなく、ナレッジと標準を流通させる「血管」として設計すべきだ[12]。
6. 後継者育成・ナレッジ伝承の実務
CoEを置くだけでは属人化は解けない。むしろCoE自体が新たな属人化の温床になる例も少なくない。実務として効くのは、以下のような地味な仕組みの積み重ねである。
第一に、プロンプトライブラリの整備。実用プロンプトを用途・部門・想定モデル・期待出力・既知の落とし穴とともに台帳化する。検索性とバージョン管理が必須である。暗黙知を形式知に変換する古典的ナレッジマネジメントと地続きの営みである[13]。
第二に、ペアリングと意思決定ログ。AI推進担当が一人で意思決定する状況を意識的に解体し、必ず2名以上で議論した記録を残す。モデル選定・ベンダー選定・PoC評価は、判断理由ごとアーカイブする。後任者が読めば、なぜその選択がなされたかを再構成できる状態にする。
第三に、ローテーションと副担当制。AI関連業務に副担当を必ず付け、「副担当が代理で経営報告する月」を意図的に作るだけで、知識の偏在は緩和される。
第四に、外部コミュニティへの露出。勉強会・カンファレンス・ユーザー会に複数名で参加させ、社外の同業者と議論する場を持たせる。「AIバブル」の雇用環境ではAI人材の離職率は他職種を上回る水準にあるとされ、成長機会の提供そのものが定着策になる[14]。
7. CIO・人事が今期確認すべき5つのチェックリスト
- Bus factorの可視化：AI関連の主要業務（プロンプト設計・モデル選定・ベンダー折衝・研修・ガバナンス）ごとに、その人物がいないと止まる業務を洗い出しているか。
- ナレッジの形式知化：プロンプト・意思決定理由・ベンダー比較表・ガイドラインが検索可能な共有領域に存在し、最終更新が直近3ヶ月以内か。
- 副担当・後継者の指名：AI関連各機能に正式な副担当が任命され、業務分掌表に明文化されているか。
- 処遇とキャリアパス：AI関連スキルに対する報酬・等級・キャリアパスが人事制度として定義され、「持ち出し」のままになっていないか。
- 離職リスクの定期モニタリング：AI関連メンバーのエンゲージメントを四半期で把握し、市場価格との乖離を毎年検証しているか。
8. 経営層が今期着手すべき打ち手
属人化は技術問題ではなく、組織設計と人事制度の問題である。経営層に求められる打ち手は、優先度順に三つに集約できる。第一に、AI CoEの正式設立と予算化。情シスの一機能として埋もれさせず、CIO直下または経営企画直下に置きKPIと予算を持たせる。第二に、AI関連スキルを人事制度に組み込む。専門職等級・リテンションボーナス・社内認定制度を通じて、属人化を生んでいた個人を「組織の資産」として再定義する。第三に、外部パートナーの戦略的活用。すべてを内製化せず、ベンダー・コンサル・研修事業者と長期的共創関係を結ぶ。三つは独立ではなく、CoEが制度と外部連携の結節点として機能する設計が肝要である[15]。
「AIに詳しい部下に任せている」という安心感ほど、経営者にとって危険なシグナルはない。属人化は静かに進行し、その人がいる限り誰も気づかない。気づいた時には、後継者を育てる時間も、知見を再構築する時間も残っていない。
9. 結論 ― 経営者と人事責任者へ
- 「AIに詳しい部下」は組織の資産であると同時に、最大の単一障害点である。 その存在を称賛するだけで終わらせず、Bus factorを2以上に引き上げる打ち手を今期中に決定すべきである。
- CoEは人数ではなく機能である。 5〜10名の少数精鋭で立ち上げ、各事業部門のチャンピオンと連携するハブ&スポーク型を志向する。中央集権を目指した瞬間にCoEは官僚化する。
- 人事戦略とAI戦略は分離不可能である。 報酬、キャリアパス、後継者育成、離職リスク管理が伴わないAI推進は、3年以内に必ず失速する。CIOと人事責任者は、四半期に一度は同じテーブルでAI人材ポートフォリオを議論する必要がある。
10. 経営者視点 ― 人事戦略とAI戦略の統合
過去20年の企業情報システム史を振り返れば、ERP導入、クラウド移行、データ活用、いずれの波においても「詳しい個人への依存」は繰り返し発生し、問題化してきた。にもかかわらず、生成AIの波で同じ轍を踏んでいる企業が多いのは、AIを「ツール」として扱い、組織能力として再定義する作業を怠っているからである。経営者が問うべきは「うちのAI担当は誰か」ではなく、「うちの組織はAIを学び続ける力を持っているか」である。
人事戦略とAI戦略の統合は、抽象論ではなく制度設計の問題である。スキルマップにAI関連項目を加え、職種定義書にAIガバナンス・プロンプト設計・モデル評価を明記し、評価制度に「ナレッジ共有量」「後継者育成への寄与」を組み込み、離職予兆指標を四半期で把握する。守るべきはツールでも個人でもなく、学び続ける組織そのものであり、それこそがAI時代の経営者の最重要アジェンダである[15]。
参考文献
- OECD (2024). OECD Employment Outlook 2024: The Net Effect of AI on Jobs. OECD Publishing, Paris.
- Williams, L. and Kessler, R. (2002). Pair Programming Illuminated. Addison-Wesley.（Bus factor概念の古典的議論）
- Bick, R., Chui, M., et al. (2024). The state of AI in early 2024: Gen AI adoption spikes and starts to generate value. McKinsey & Company.
- Davenport, T. H. and Mittal, N. (2023). All-in On AI: How Smart Companies Win Big with Artificial Intelligence. Harvard Business Review Press.
- Fountaine, T., McCarthy, B. and Saleh, T. (2019). Building the AI-Powered Organization. Harvard Business Review, July–August 2019.
- McKinsey & Company (2024). The State of AI in 2024. McKinsey Global Survey on AI.
- NIST (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). National Institute of Standards and Technology, U.S. Department of Commerce.
- Gartner (2024). Top Strategic Technology Trends for 2025. Gartner Research.
- McKinsey & Company (2025). The State of AI: Global survey on how organizations are rewiring to capture value from generative AI. McKinsey Global Survey on AI.
- 一般社団法人日本IT団体連盟 (2024). AI人材育成に関する提言・調査. 日本IT団体連盟.
- 経済産業省 (2019). IT人材需給に関する調査（みずほ情報総研委託調査）. 経済産業省.
- Deloitte (2024). State of Generative AI in the Enterprise: Quarter Reports 2024. Deloitte AI Institute.
- Nonaka, I. and Takeuchi, H. (1995). The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation. Oxford University Press.
- LinkedIn Economic Graph (2024). Future of Work Report: AI at Work. LinkedIn.
- World Economic Forum (2025). The Future of Jobs Report 2025. World Economic Forum, Geneva.
- 独立行政法人情報処理推進機構 (IPA) (2024). DX白書2024. IPA.
