AI はスペシャリストとジェネラリストのどちらを優遇するのか
誰もが、AI はスペシャリストとジェネラリストのどちらを優遇するのかと問い続けている。
私は、それは間違った問いだと思う。
AI はどちらかの側につくわけではない。トレードオフの構造そのものを変えるのだ。
従来の世界では、人は選択を強いられた。深く掘り下げるか、広くカバーするかのどちらかだった。スペシャリストには深さがあった。彼らは製品、機能、ドメイン、プロセス、エッジケース、そして問題領域に長く身を置くことでのみ得られる、苦労して身につけた教訓を知っていた。自分の専門分野の中での難しい問いには答えられた。
ジェネラリストには広さがあった。彼らはチーム、顧客、市場、機能、ビジネスモデルを横断して点と点を結びつけることができた。他の人が見逃すパターンを見つけられた。本来は同じ言語を話さないグループ間の橋渡しができた。
どちらにも価値があった。
どちらも不完全だった。
スペシャリストは狭い専門分野に閉じ込められることが多かった。ジェネラリストは難しい決断を下すための深さを欠いていることが多かった。このトレードオフは、私たちが認める以上に、現代の組織図を形作ってきた。
組織設計の多くは、人間の能力の限界を前提に構築されてきた。一人の人間が、複雑な仕事を最後までやり遂げるのに十分な文脈、専門知識、ポリシー、技術的詳細、顧客のニュアンス、判断力をすべて保持することはできなかった。そこで、私たちは引き継ぎ（ハンドオフ）を生み出した。
ビジネス担当者が技術担当者に引き継ぐ。
技術担当者がプロダクト担当者に引き継ぐ。
プロダクト担当者が法務担当者に引き継ぐ。
法務がセキュリティに引き継ぐ。
セキュリティが IT に引き継ぐ。
IT が3つのコメントとミーティングの招待状を添えて戻す。
非常に洗練されている。そして非常に遅い。
AI が最も変えるのは、その部分だ。
AI は専門性を無意味にするわけではない。皆を魔法のように優れたジェネラリストに変えるわけでもない。AI が攻撃するのは、引き継ぎのコスト（ハンドオフ・タックス）だ。
AI はスペシャリストに広さを与える。
AI はジェネラリストに深さを与える。
別の人間が関与する必要が出る前に、より多くの人が仕事をより遠くまで進められるようにする。
この最後の点が重要だ。
目標は専門家を排除することではない。目標は、専門家をルーティングのインフラとして使うのをやめることだ。
AI は仕事の進め方を変える
簡単な例を挙げよう：営業支援コンテンツ（イネーブルメント・コンテンツ）だ。
従来のモデルでは、コンテンツを担当する人が仕事をまとめ上げる前に、プロダクト、法務、IT、セキュリティ、フィールドイネーブルメント、その他いくつかのチームからのインプットが必要だった。その承認の一部は本物だ。法的な承認が必要な場合は、やはり法務が必要だ。セキュリティ承認が必要な場合は、やはりセキュリティが必要だ。答えが重要な場合は、本当のプロダクト専門家も必要だ。
しかし、やりとりの多くは判断ではない。翻訳だ。初稿のレビューだ。基本的なリスクの特定だ。担当者が引き継ぐ前に自分でやるべきだった思考を、他人に委ねることだ。
AI を使えば、そのコンテンツ担当者は、他の誰かを巻き込む前に、はるかに多くのことをできるようになるべきだ。コンテンツを起草し、ポリシーと照らし合わせ、メッセージングを吟味し、潜在的な法的懸念を特定し、技術的主張を確認し、よりクリーンな承認パッケージを準備できるはずだ。
専門家は依然として承認を行う。しかし今や、専門家は判断のために使われ、後片付けのために使われるのではない。
それが変化だ。
AI は深さの必要性を取り除くわけではない。深さにすぐにアクセスできないことで生じる依存関係を減らすのだ。
これは微妙な違いに聞こえるかもしれないが、実際はそうではない。これはオペレーティングモデルを変える。より多くの人がより多くの文脈を持てるようになれば、仕事は同じ数の人間によるチェックポイントを通過する必要がなくなる。初回の分析が安価になれば、専門家は中途半端なインプットを修正することに時間を費やすべきではない。調整コストが下がれば、チームは単に慣れ親しんでいるという理由だけで、古いルーティング経路を維持するべきではない。
私たちがコラボレーションと呼んでいるものの多くは、単にマナーが良くなった待ち時間に過ぎない。
AI は私たちに、その点についてより正直になるよう迫る。
スペシャリストは依然として重要だが、深さには広さが必要だ
だからこそ、将来はジェネラリストのものだという単純な議論には私は賛同できない。
それは聞こえは良い。しかし、不完全だ。
AI を使った浅いジェネラリストは、依然として浅い。自信に満ちたナンセンスをより速く生み出せるようになるだけで、それは私たちが約束された革命では決してない。
深さは依然として重要だ。実際、AI が表面的な流暢さを安価にするため、深さはこれまで以上に重要になるかもしれない。誰でも AI にトピックの要約を依頼できる。誰でもそこそこの初稿を生成できる。誰でも5分間は物知りに聞こえる。
差別化要因は、何が欠けているかを見極めるのに十分な知識を持っているかどうかになる。
そこで専門知識が発揮される。
専門家は、どの詳細が間違っているかを知っている。専門家は、どの前提が危険かを知っている。専門家は、答えが正しく聞こえても現実の環境では失敗する時を知っている。
AI は下限を引き上げる。上限を消し去るわけではない。
しかし、スペシャリストも変わらなければならない。
広さのない深さはボトルネックになる。あなたの価値が、たった一つのことを知っていて、皆があなたの答えを待たなければならないことだけなら、AI はまさにそのモデルを狙っている。
最良のスペシャリストは、自分の専門分野を守るだけではない。そこから拡大する。AI を使って、周囲のビジネス文脈、隣接システム、顧客への影響、競合動向、実装制約、運用リスクを理解する。
私は自分の医師のことを考える。彼は TMJ（顎関節症）のスペシャリストだ — 一つの狭く難しい問題に何十年も取り組んできた。偽造も急ぐこともできない種類の深さだ。
彼は何年も前からプロダクトアイデアを持っていた。その問題に取り組んでいる者だけが考えつくようなものだ。しかし、アイデアはいつも同じ場所で頓挫した。アイデアが間違っていたからではない。アイデアの周りのすべてに別の専門家が必要だったからだ。原料研究。規制当局の承認。製造。特許出願。法務。それぞれが、彼が持っていない、雇う余裕がない、あるいはどうやって話を始めればいいかわからない誰かへの引き継ぎだった。
だからアイデアはアイデアのままだった。
それは変わった。彼が化学者や特許弁護士になったからではない — 彼の深さは依然として顎にあり、知的財産法にあるのではない。しかし今、彼は自分で最初の段階を行える。原料を調べる。規制の経路をマッピングする。特許出願に実際に何が含まれるかを、誰かにお金を払って出願してもらう前に理解する。アイデアが本物かどうかを知るのに十分な距離まで、アイデアを運んでいける。
彼は依然として特許弁護士を必要とする。依然として規制の専門家を必要とする。しかし今や、彼らは十分に検討されたアイデアに対する判断のために呼ばれる — 基本を教えてもらったり、次の人に案内してもらったりするためではない。
彼の専門知識がボトルネックだったことは一度もない。ボトルネックは、他の全員の専門知識へのアクセスだった。
彼らの深さがアンカー（錨）となる。
AI が半径を拡大する。
ジェネラリストは依然として重要だが、広さには獲得された深さが必要だ
同じことがジェネラリストにも言えるが、逆の方向だ。
最良のジェネラリストは、点と点を結びつけるだけの浮遊する存在ではなくなる。問題が要求する時には、AI を使って深く掘り下げる。仮定を検証する。プロトタイプを構築する。ドキュメントを読む。データを分析する。真の制約がどこにあるかを知るために、アーキテクチャを十分に理解する。
彼らの広さがアドバンテージになる。
AI はオンデマンドの深さを提供する。
つまり、将来のプロファイルはスペシャリストかジェネラリストかではない。それは、オンデマンドの広さと深さだ。
問題が繋がりを必要とする時は広く。
決断に専門知識が必要な時は深く。
AI で十分な時を知る。
人間の専門家が必要な時を知る。
仕事が承認の準備ができている時と、まだ見た目だけ整った中途半端な混乱状態である時を知る。
その判断こそが仕事だ。
リーダーは仕事を再設計する必要がある
これはリーダーにとって大きな意味を持つ。
もしあなたのオペレーティングモデルが、依然としてすべての質問が5人の人間を通る必要があると仮定しているなら、あなたは AI ネイティブではない。単に良いツールを持っただけで、より遅くなっているだけだ。
もしすべてのチームが、基本的な仕事を前に進めるために別のチームを待っているなら、あなたは仕事を再設計していない。同じ古い依存関係の連鎖に AI を追加して、それを変革と呼んでいるだけだ。それは戦略ではない。キーノート付きの購買だ。
リーダーが問うべき質問は、「どうやって皆をもっと生産的にするか？」だけではない。
それはあまりに曖昧だ。
より良い質問はこうだ：私たちはどこで、人間を判断としてではなく、引き継ぎ（ハンドオフ）として使っているのか？
その質問がムダを明らかにする。
専門家が低価値のレビューに引きずり込まれている場所がわかる。ジェネラリストが、今や自分で進められる仕事を調整している場所がわかる。スペシャリストが、今や自分で生成できる文脈を待っている場所がわかる。チームが流れを再設計する代わりに、古いプロセスを守っている場所がわかる。
これこそが本当のリーダーシップの仕事だ。ツールを買うことではない。パイロットを発表することではない。仕事が変わったかどうかをほとんど語らない使用状況の指標を祝うことではない。
仕事は、新しい前提に基づいて再設計されなければならない：より多くの人が、より多くの文脈を持てるようになった。
つまり、いくつかの引き継ぎは消えるべきだ。いくつかの承認経路はよりクリーンになるべきだ。いくつかの役割は拡大するべきだ。いくつかのプロセスは削除されるべきだ。いくつかの専門家は低価値の仕事から守られ、本当に専門知識を必要とする決断に集中できるようにすべきだ。
これは不快なことだ。なぜなら、引き継ぎは単なるプロセスではないからだ。それはアイデンティティ、コントロール、リスク管理でもある。チームは、ワークフローの中で必須のストップとなることに力を築く。リーダーは、すべてのリスクがどこか別の場所に所有者を持っていることを知ることに安心感を築く。
AI はそのすべてに圧力をかける。
それはより難しい問いを投げかける：もし仕事が今や違う形で進められるなら、なぜ私たちはまだこのように組織されているのか？
人材は異なる基準で評価されるべきだ
これは、人材についての考え方も変える。
従来の採用・育成モデルは、静的な専門知識を評価した。あなたは何を知っているか？どこで働いてきたか？どの製品を担当してきたか？どの機能をサポートしてきたか？
それらは依然として重要だが、もはや十分ではない。
新しい問いはこうだ：組織がプレイブックを渡すのを待たずに、何を解明し、構築し、検証し、進めることができるか？
それは異なるプロファイルだ。
構築の証明（ビルダープルーフ）が、経歴（ペディグリー）に勝る。
あなたが何を構築したかを見せてほしい。どこで行き詰まったかを見せてほしい。AI がどこで間違っていたかを見せてほしい。どうやって回復したかを見せてほしい。技術的な決断をビジネスの成果にどう結びつけたかを見せてほしい。
それは、変革についての洗練された答えよりも、多くのことを教えてくれる。
いじくり回す人々は、トレーニングを待つ人々よりも速く成長していくだろう。それは厳しい言い方に聞こえるかもしれないが、私は真実だと思う。
トレーニングは、組織がすでに知っていることを教える。いじくり回すことは、今や何が可能かを示す。
AI の世界では、これら二つの間のギャップは計り知れない。
エージェント、プロトタイプ、ワークフロー、コード、コンテンツ、データを実験している人は、正式なイネーブルメントプログラムが追いつけないような直感を養うだろう。ツールがどこで強力かを知るだろう。ツールがどこで壊れるかを知るだろう。以前は2週間かかっていたことが、今や1時間でできることを知るだろう。
その直感がリーダーシップスキルになる。
誰もがエンジニアになる必要があるからではない。
誰もが、今や仕事にどれだけのコストがかかるかを理解する必要があるからだ。
起草のコストは変わった。
分析のコストは変わった。
プロトタイピングのコストは変わった。
学習のコストは変わった。
調整のコストも変わるべきだ。
もし仕事を行うコストが下がったにもかかわらず、組織が同じ引き継ぎを維持するなら、ボトルネックはもはや能力ではない。それは筋肉の記憶だ。
それが危険な部分だ。
ほとんどの企業は、AI ツールが不足しているからではなく、もはや存在すべきではないプロセスに AI を無理やりくっつけるから失敗する。古いワークフローをより速くするために AI を使うが、真の機会はワークフローの半分を削除することにある。
アーキテクチャは依然として重要だ
もう一つ重要な要素がある：アーキテクチャだ。
オンデマンドの広さと深さは、人とエージェントが信頼できる文脈にアクセスできる場合にのみ機能する。データが古く、断片化され、適切に権限設定されておらず、ワークフローから切り離されている場合、AI は人々が間違った方向に速く進むのを助けるだけだ。
それはレバレッジではない。より良いインターフェースを持った混沌だ。
AI を使う人は、適切な情報、適切なツール、適切なガードレール、適切なエスカレーションパスにアクセスする必要がある。そうでなければ、彼らは安全に仕事を遠くまで進めることができない。より速く、より多くのアーティファクトを生成できるだけだ。
このため、AI 戦略をプロンプトトレーニングやツール導入に矮小化することはできない。その下にあるアーキテクチャが重要だ。データモデルが重要だ。権限モデルが重要だ。ワークフロー統合が重要だ。エスカレーションパスが重要だ。
それらのピースが欠けている場合、AI は生産性の劇場マシンになる。大量のアウトプット。しかし十分な前進はない。
新しいスキル
これは単なるキャリアの話ではない。オペレーティングモデルの話だ。
より多くの人がより多くの文脈を持てるようになった時、仕事はどのように進むべきか？
初回の分析が安価になった時、専門家はどのように使われるべきか？
調整コストが下がった時、チームはどのように設計されるべきか？
知識が生成可能になり、判断が依然として獲得されなければならない時、リーダーは人材をどのように評価すべきか？
私は何度もこの考えに立ち返る：
古い組織図は、人間の能力の限界を前提に構築されていた。
AI はその限界を変える。
それは全員が同じになるという意味ではない。役割間の境界がより流動的になるという意味だ。
スペシャリストには広さが必要だ。
ジェネラリストには深さが必要だ。
専門家は依然として重要だが、基本的なルーティングではなく、判断のために使われるべきだ。
ジェネラリストは依然として重要だが、パターン認識から実際の実行に移行するのに十分な深さが必要だ。
リーダーは依然として重要だが、壊れたモデルの中での生産性向上を祝う代わりに、仕事を再設計する必要がある。
勝者は、いつ広く行き、いつ深く行き、そしていつ別の人間が実際に関与する必要があるかを知っている人々だろう。
それが新しいスキルだ。
オンデマンドの広さと深さ。
