Evidence——判断の記録

AIへの投資を、技術の精緻さだけで評価してよいのか。論点になっていたのは解約予兆AIモデルの評価——だが、その問いの前に確認すべきことがある。過学習リスク、季節性の分離、データ鮮度。この3点を優先して質し、施策効果と連動しない単純な的中率評価を退けて、検証方法をその場で即興提示した。

もう一つの論点は「新料金プラン移行者の解約リスクスコアが低い」という良い数字の解釈だ。母集団が直近の新規移行者に限られる以上、この数字は統計的に当然である可能性がある。移行したばかりの顧客は、解約しない。

だから拙速な成果認定を保留させた。AIの出す数字を疑う役は、AIには任せられない。

新たな生成AIコーディングツールの導入が、経費申請ベースで既成事実化されつつあった。誰も明示的に承認していないのに、使われ始めている——これはAI時代に最も起きやすい統治の穴だ。新規ツールを機密データに触れさせる前に、立ち止まらせた。

実コード・実リポジトリのレビューは既存の公認AIボットに寄せ、新規ツールは機密を含まない執筆補助に限定する。この役割分担を設計した上で、経費申請による導入を「同意」とみなすやり方を明確に拒否した。

データ範囲・セキュリティ・契約条項——3つのゲートを書面で通してからでなければ、実データには触れさせない。AIが決めていいことと、人間が決め続けるべきこと。その境界線は、まさにこういう場面で引かれる。

DX組織の生産性低下は、人員の問題なのか、意思決定構造の問題なのか——大手企業のDX開発部門で、この切り分けが論点になった。現場の空気は「人が足りない」。実際、タスク管理チケットは短期間で1割以上急増し、期限超過も多数に達していた。だがデータを分解すると、実態は違った。方針は決定済みなのに仕訳されていないチケットが滞留する——人手不足ではなく、衛生問題だ。

増員や督促による対応を却下し、死蔵チケットの一括クローズと仕分けを最優先課題に設定した。そして、仕分けが完了するまで増員判断は保留する、というキルコンディションを明示した。

忙しさを増員で解くのは、診断の放棄だ。まず問題を正しく名指しすること。

データ分析専門組織で、人材の離職が相次いだ。目先の案件を回すだけなら、ビジネス経験者とAI活用でカバーできる。だがエンジニアリング力を軽視すれば、分析力ともども、外部依存の構造から抜けられない。短期的な人繰りと、中長期のケイパビリティ防衛。この二つを明確に切り分けた上で、採用ターゲットの再定義を主導した。

喫緊で採るべきは「アナリスト」ではない。目的を言語化し、勝ち筋を作れる「プランナー」だ。

そして競争の土俵を、勝てない年収競争ではなく差別化軸に置き直し、優先順位を確定させた。採用とは頭数の補充ではなく、組織が何で戦うかの意思表示である。

現場の改善提案として進めば、収益に直結するリスクを見落としかねない判断だった——会員制度を軸に据えた小売事業者でのことだ。論点は、会員ランクの更新頻度を年度単位から月次・四半期に短縮すべきか。購買頻度を刺激するというメリットの裏に、見過ごせないリスクがある——販促の割引と会員特典の割引が同じ売上に重なり、営業利益に直接跳ねる。

メリットとリスクを切り分けた上で下した判断は、KPI設計の中身そのものではなかった。財務インパクトが出る可能性が高い論点である以上、経営企画部門への相談を必須条件に格上げする。つまり「どの意思決定を、誰の承認マターにするか」の線引きだ。

KPIは間違えても直せる。承認階層を間違えると、間違いに気づく仕組みごと失う。

複数の事業会社が並走する、顧客基盤の連携プロジェクト。フェーズ移行の承認基準が存在しないまま、要件定義がクローズに向かっていた。ここで全体設計を一気に固めにいくのは悪手だ。スコープを「今すぐ決めるべき最小の一点」に絞り込み、3段階の承認フレームワークを自己起案した。確認者は現場・PM・経営の3層に分け、全件を経営に上げる非効率を断った。

リリース判定も、単発の可否判断から「リリース→初期監視→初回月次締め確認→安定稼働宣言」の4段階構造に再設計。各段階の承認者は、関与組織の実質的なリスク所在に応じて、あえて非対称に配置した。

承認とは形式ではない。リスクが在る場所に、判断を置くことだ。