フィロソフィー

作業を手伝うAIから、
業務を任せられるAIへ

企業における業務実行において、AIの能力はもう制約ではありません。制約は人間の認知能力に移っています。

homulaは、AIが人間の認知能力の上限に縛られずに力を発揮でき、組織が業務を安全に任せられるようにします。

01AIの能力は、もう制約ではない

企業の業務を実行するうえで、AIの能力はもう制約ではありません。AIは、人が行う知的労働のほぼすべてを、すでにこなせます。一度にこなせる仕事の量も、人をはるかに超えます。

2026年11月、AIのClaudeとともにリーマン予想の証明を見つけたという発表がありました。証明は約1,700万行のコードで、なぜ成り立つのかを理解している人は、まだいません。発表した本人も、すべては理解していないと述べています。

それでも、この証明は機械による検証を通りました。2つの条件が揃っていたからです。

  • 前工程:何を証明すべきかが、先に厳密に定まっていた。
  • 後工程:証明が Lean という言語で書かれていて、論理に誤りがないことを機械が検証できた。

企業の業務には、このどちらもありません。何をもって正しいとするかは担当者の頭の中にあり、結果の正しさを機械が検証する仕組みもありません。AIがあらゆる仕事を大量にこなしても、人が読んで確かめるには量が多すぎます。確かめられない仕事に、人は責任を負えません。

2026年11月22日時点の報道による。出典:ITmedia NEWS、AFP(Phys.org)

02制約は、人間の認知能力に移っている

足りなくなったのは、人が決め、読み、確かめる力です。AIがどれだけ進歩しても、人が確かめられる量は増えません。

チャット型AIやCopilotは、人が頼み、AIが応え、人が確かめる形です。1件ずつ頼めば、人の時間と注意力が上限になります。まとめて任せれば、人には確かめきれません。この形のままでは、AIの能力は、人間の認知能力の範囲でしか引き出せません。

03自動化には、2つの皮肉がある

これは、AIに限った話ではありません。1983年、Bainbridge は「Ironies of Automation」で、工場と操縦室の自動化に2つの皮肉があると指摘しました。

  • 前工程(設計):設計する側の誤りが、運用上の問題の主な原因になる。人の誤りをなくすために人を外しても、今度は、設計した人の誤りが、仕組みを通じて全体に及ぶ。
  • 後工程(運用):自動化できなかった仕事だけが、人に残る。残るのは、見張ることと、異常時に引き継ぐこと。どちらも、元の仕事より難しい。

AIは、この2つをどちらも大きくします。

  • 前工程:AIを使えば、基準が決まっていなくても、動くものが作れてしまいます。決め方の甘さは、全件に及びます。
  • 後工程:AIがこなす仕事が増えるほど、確かめる量は人の手に余ります。
出典:Bainbridge, L. (1983). Ironies of Automation. Automatica, 19(6), 775–779.

04企業が向き合う課題

企業が問うべきは、AIに何ができるのか、この業務は自動化できるのか、という問いではありません。

問うべきは、人間の認知能力という制約をどう越えて、AIの能力を企業活動のなかで引き出すかです。

05確かめることを、人の注意から仕組みへ

人が全件を見て確かめる形には、限りがあります。homulaは、確かめることを、人の注意から仕組みに移します。

  • 作る前に、何を正しいとするかを、人が決める。
  • 動かした後は、仕組みが確かめる。

数学には、そのための仕組みとして Lean があります。企業の業務にも、それに当たるものが要ります。その仕組みは、次の4つに答えられなければなりません。

  1. その仕事は、本当に正しいか
  2. こなすべき仕事は、もれなく、重複なく完了したか
  3. 定めた統制の範囲内で行われたか
  4. 問題が生じたとき、仕組みを直し、良くし続けられるか

06人の仕事は、作業から判断へ

人の仕事は、1件ごとの作業と確認から、次の3つに移ります。

  • 何を正しいとするか、基準を定める
  • 例外と、AIが判断しかねたものに対応する
  • 影響の大きい操作を承認する

ミッション

組織の業務を、
AIに安心して任せられるようにする。

homulaは、そのための仕組みを、AI自動化基盤 agens として提供しています。

オピニオン

経営の現場から見た、
AIと業務の論点。

フィロソフィーとは別に、代表の見解を不定期に載せています。

最初の1業務の選定から、
ご相談ください。

資料請求相談する