AIにできないこと — 期待を下げるべき時を知る方法

AIについて最も賢明な質問は「何ができるか？」ではなく 「何をさせてはいけないか？」です。

すべての問題にAIを持ち出す人たち

AIへの期待が高まるほど、こんな会話が増えます。

「これもAIでできないですか？」

できる場合もあります。でも時にはやらない方が正解です。

最初の記事で「AIで何ができるか」を問いました。26本の記事を経て、今度は反対の質問をします。AIが答えではない場合を正確に知ることは、AIをうまく使うことと同じくらい重要です。

AIが構造的にできない5つのこと

1. データのない判断

AIはパターンを見つける機械です。パターンがあるには過去のデータが必要です。前例のない決定、初めて参入する市場、一度もやったことのない事業 — ここでAIが出せる答えは「似たもの」からの類推に過ぎず、判断ではありません。

2. 利害関係の調整

部門間の対立、パートナーとの交渉、顧客の不満の感情処理。これは「最適な答え」ではなく「全員が受け入れられる答え」を見つけることです。AIは最適化は得意ですが、妥協と譲歩の構造を設計するのは人間の仕事です。

3. 責任が必要な最終決定

AIが「この患者は手術が必要です」と言えない理由は、精度の問題ではありません。その決定に対する責任を負えないからです。採用、解雇、投資、法的判断 — 誰かが署名しなければならない決定はAIの領域ではありません。

4. 文脈が毎回完全に異なる仕事

高度に個別化されたコンサルティング、芸術的創作、政治的判断。過去の事例は参考になりますが複製はできません。AIは繰り返しに強く、毎回新しいものには弱いのです。

5. 信頼が本質である関係

顧客が担当者を「信頼しているから」契約を継続する状況。患者が医師を「信頼しているから」治療に従う状況。この関係をAIに置き換えると、アウトプットの質に関係なく、信頼そのものが崩壊します。

「やらない方がいい」の3つのシグナル

構造的限界とは別に、導入しない方が賢明な状況があります。

シグナル1：問題が十分に繰り返されない。

AIは繰り返しから収益を生みます。月5件しか発生しない仕事を自動化しても、構築コストは回収できません。見積書編で述べた通り、AIプロジェクトには初期費用があります。繰り返し頻度がそのコストを正当化するか、まず計算しましょう。

シグナル2：エラーのコストが極端に大きい。

AIの精度が99%だとしても、残り1%が壊滅的なら導入できません。医薬品ラベルの確認、法律文書の最終チェック、安全機器の判定。これらの領域でAIは補助にはなれますが、単独の判断者になってはいけません。

シグナル3：すでに人間が十分にうまくやっている。

すべての業務をAI化すべきという強迫観念は不要です。人間が10分かかることをAIが8分でやるなら、その2分のためにシステムを構築・維持する理由がありますか？問題定義の出発点を思い出してください — 「十分に大きく、反復的で、現在のやり方が苦痛な」問題だけがAIの対象です。

期待値を調整する会話法

経営陣でもチームメンバーでも、「AIでできないの？」という質問にはこう答えられます。

「できます。ただし、この条件が必要です。」 — データ確保、精度検証、例外処理など現実的な前提を明示。

「補助は可能ですが、最終判断は人間がすべきです。」 — AIの役割範囲を区分。

「今はまだです。この条件が揃えば可能になります。」 — 拒否ではなくロードマップとして。

「この問題はAIよりプロセス改善が先です。」 — ツール探索編で述べた通り、AIだけがツールではありません。

AIをうまく使うということの意味

AI導入前チェックリストの最初の質問は「解決すべき問題は明確か？」でした。最後の質問も同じです。

AIをうまく使う組織は、AIをたくさん使う組織ではありません。どこに使い、どこに使わないかを区別できる組織です。

「これはAIではなく人間がやるべきです。」この判断ができる人が、実はAIを最もよく理解している人です。

ツールの限界を知る人が、ツールを最もうまく使います。