部下がAIで資料を作り、上司がAIでそれをレビューする。返ってきた修正指示を、部下はまたAIに渡す。架空の話ではあるが、どこかの会議室ではもう始まっていそうな光景だ。
この往復を眺めていると、途中に立っている人間はなにをしているのだろう、という疑問が湧いてくる。前提を確かめ、自分の判断を書き加えているのなら、そこにいる意味はある。けれど、受け取った出力を隣へ回すだけなら、やっていることはバケツリレーとさして変わらない。いっそ工程同士を直接つないでしまった方が早いのではないか。
そんなことを考えているうちに、ふと『人月の神話』を思い出した。人を増やしたからといって、完成までの時間が人数に比例して縮むわけではない、というあの話である。AIで1人ひとりの手が速くなっても、似たような壁はやはり残るのではないか。
僕が考えてみたいのは、作業能力が増えた後の組織の作り方だ。情報の受け渡しも、共通理解も、合意形成も昔ながらのやり方のままだとしたら、成果を届けるまでの時間は果たしてどれほど縮むのだろう。
人月と期間は交換できない
フレデリック・P・ブルックスの『人月の神話』で知られる「ブルックスの法則」は、遅れているソフトウェア開発プロジェクトに人を足すと、かえって遅れが拡大するというものだ。半世紀近く前の本だが、いまだに引用されるあたり、人類はこの教訓をあまり学んでいないらしい。
「1人で20日かかるなら、4人で5日」という皮算用が成り立つには、仕事を独立した部分に切り分け、並列に進められなければならない。ところが現実には、設計が固まるまで手をつけられない作業があり、分担したら分担したで認識合わせや統合の手間が生じる。総工数と完成までの期間は、別の勘定として見る必要があるわけだ。
ブルックス自身も後年のインタビューで、増員すると仕事を分け直さねばならず、新しい人を教えるのに既存メンバーの時間が割かれ、連絡を取る相手まで増えると語っている。もっとも、これはあらゆる増員が裏目に出るという普遍法則ではない。仕事の依存関係や、どの時期に加わるかによって効き目は変わる。
AIエージェントも、目的や背景を渡され、成果を検められ、全体に組み込まれる必要がある点では同じだ。むろん人間ほどの教育期間は要らないから、コスト構造まで同じだと決めつけるのは乱暴だろう。それでも、作業する主体の数や能力だけでは完成までの時間を説明しきれない、という点は共通している。
分業の利益と調整の負担
これはソフトウェア業界に限った経験則でもない。
Staats・Milkman・Foxの2012年の研究は、2つの実験とソフトウェア企業のプロジェクトデータをもとに、チームが大きくなるほど必要な総労働時間を少なく見積もる傾向を示した。分業で得られる利益に比べて、調整や統合にかかる負担を見込みきれないのだ。名付けて「チーム規模拡大の錯誤」。見積もりを楽観しがちな身としては、なかなかに耳が痛い。
とはいえ、「人を増やせば必ず遅くなる」と言っている研究ではない。人数を増やす利点はある。ただ、その効き目をつい甘く見積もってしまう、という話である。
Becker・Murphyの1992年の理論研究も、専門分業による生産性の向上と、互いに補い合う専門家をつなぐ調整コストを天秤にかけている。営業、企画、開発、運用と仕事を分ければ、それぞれが専門性を存分に発揮できる。その一方で、顧客の要望を伝え、仕様の解釈をすり合わせ、変更の影響を確かめるための接点が生まれる。役割を細かく割るほど、バケツを受け渡す回数そのものも設計しなければならなくなる。
全員が全員と話すなら、n人の間にある連絡経路はn(n−1)/2本になる。ただし、これはあくまで潜在的な経路の数だ。実際の連絡量やコストが必ず二乗で膨らむことの証明にはならない。担当範囲や窓口を整理する意味も、ちょうどこのあたりにある。
共有と理解と合意は別物
関係者が増えると、物事が決まるまでに時間がかかる。では、その時間はいったいなにに費やされているのか。ここは3つに分けて考えたい。
| 過程 | 確かめたいこと | 起こり得る問題 |
|---|---|---|
| 情報共有 | 必要な情報が届いているか | 資料や変更が伝わっていない |
| 共通理解 | 意味や前提を理解しているか | 同じ用語を違う意味で使っている |
| 合意形成 | どの選択を受け入れるか | 理解していても優先順位が違う |
Clark・Brennanは「Grounding in Communication」で、発言をただ伝えるだけでなく、目的に足る程度まで相手が理解したことを互いに確かめ合う過程を論じている。資料を配ることと、共通理解ができあがることは、まったく別の出来事なのだ。
たとえば仕様書に「リアルタイム」と書いてあったとする。1秒以内の更新を思い浮かべる人もいれば、1分ごとに更新されれば上等だと考える人もいるだろう。説明し、質問し、言い換え、確かめる。その往復を経て、ようやく必要な理解が揃う。この理論自体は人数と所要時間の関係を測ったものではないが、「全員に資料を送ったから共有済み」という思い込みの危うさを説明するには十分だ。
しかも、理解できたからといって同意できるとは限らない。営業は納期を、開発は品質を重んじる。両者が状況を正確に呑み込んでいても、判断は平然と分かれる。
政治学の拒否権プレイヤー理論では、現状を変えるのに同意が欠かせない主体の数と、その立場の隔たりが、変更の成立しやすさを左右すると考える。会社に当てはめるのは類推の域を出ない。それでも、関係者の頭数に加えて「誰の同意が必須なのか」を見る視点は、なかなか使い勝手がいいと思う。
全員の意見を聞くこと。必要な理解を共有すること。全員一致を決定の条件にすること。この3つを一緒くたにした瞬間、意思決定はずしりと重くなるのではないか。
速くなった後に残る待ち時間
ここまでの話をAI活用に引き寄せてみると、個人の処理速度だけでは片づかない問題が浮かび上がってくる。
営業が顧客の要望をまとめ、企画担当が仕様書を起こし、上司が承認し、エンジニアが実装する。どの工程をAIで速くしたところで、要望の解釈がずれていたり、承認が滞っていたりすれば、提供までの期間は同じ割合では縮まない。資料が10分で仕上がっても、承認者の予定が空くのが来週なら、その資料は来週まで机の上ですやすやと眠ることになる。
そこで僕が立てている仮説はこうだ。作る時間が短くなるほど、理解や判断、調整を待つ時間が相対的に目立ってくる。成果物が増えれば、レビューする人の負担が増すおそれもある。バケツを運ぶ手が速くなっても、列のどこかで詰まっていれば、水はそこで溜まるだけなのである。
だから、AIの利用率やコードの生成量ばかりを眺めていても仕方がない。依頼から顧客が使える状態になるまでの時間、手戻り、成果の質。測るべきはこちらだろう。
階層をAIに任せる構想
ジャック・ドーシーとロエロフ・ボタは、2026年3月の「From Hierarchy to Intelligence」で、Blockの組織を作り直す構想を語っている。各人にAIを配って終わりではない。階層が担ってきた情報の把握や調整を、システムの側へ移すという発想だ。
そこで示される役割は3つある。実務を担う専門家、部門横断の成果に責任を持つDRI、そして自ら手を動かしながら人を育てるプレイヤーコーチである。著者らは恒久的な中間管理層を不要と言い切る一方で、移行はまだ初期段階だとも書いている。成功の確定した組織モデルとしてありがたがるのは、時期尚早というものだ。
この構想で僕が目を留めたのは、社内の意思決定や進捗が記録され、それをシステムが把握できるという前提のほうである。情報が一部の人の頭の中にしかないなら、その人を通さずに仕事を進めるのは難しい。
NRIの「AIと組織の未来」も、階層や専門分業を人間の認知能力の限界と結びつけて論じている。AIがその限界を緩めるなら、組織の形も変わり得るという見立てだ。
両者を読み合わせると、組織図から役職を消すより先に、現場の情報や判断の理由に誰でも手が届く状態を作る必要があると僕は考える。四角い箱を1つ消すのは簡単だ。だが、その人の頭の中にしかなかった事情まで一緒に消えてしまっては元も子もない。
AIは協働をどこまで補えるか
企業の構想とは別に、実験から判ってきたこともある。
Dell’Acquaらの「The Cybernetic Teammate」は、P&Gの専門職791人を対象に、実際の商品イノベーション課題で行われた事前登録済みの実験だ。参加者は、個人か2人チームか、AIを使うか使わないかの4条件に無作為に振り分けられている。
結果、AIを使った個人の成果の質は、AIを使わない2人チームと同程度だった。加えて、AI利用者の提案では、研究開発寄りか商業寄りかといった専門領域による偏りが小さくなった。
人を集めていた理由の一部をAIが肩代わりできるかもしれない。そう思わせる結果ではある。ただし、これは特定の企業で、1日がかりで行われた商品提案の実験だ。長期の運用や部下の育成、対立する部門同士の交渉までAIが引き受けられると示したわけではない。論文自身も、アイデア生成の改善と、人間による評価・選択の役割をきちんと分けて扱っている。
Microsoftの2025年の報告書は、部署ではなく目標を軸に人とAIを組み合わせる「Work Chart」を提案している。方向性としては面白い。だが、これは調査と将来構想を織り交ぜた報告書であって、その組織形態の優位を無作為実験で証明したものではない。
実験、企業の取り組み、将来予測。これらは根拠としての強さがそれぞれ違うものとして読み分ける必要がある。
承認ボタンの重さ
人間の役割として、最後に確認して責任を負うことがよく挙げられる。だが、とても読み切れない量の成果物が届き、承認ボタンを押すだけの仕事になったとしたら、その確認にどれほどの意味が残るのだろう。ボタンを押す指は鍛えられても、判断力までは鍛えられない。
AIが作った案を別のAIに確かめさせても、元の資料に必要な情報が欠けていれば、両者そろって見落とすことはあり得る。レビューの回数と、独立した根拠による検証は、別物として扱いたい。
HBSが紹介しているBCGのコンサルタント758人を対象とした研究は、AIの能力が課題によってでこぼこであることを論じている。2023年の研究だから、現在のモデルの性能をそのまま映しているわけではない。それでも、「似た仕事だからといって同じように任せられるとは限らない」という設計上の問いは、今も古びていない。
僕なら、人間の確認を一律に増やすより先に、その確認でなにを確かめるのかを決めておきたい。計算なら再計算する。仕様なら実際の顧客に確かめる。コードなら実行してみる。損失の大きい判断では、生成に使った説明とは別の根拠にも当たる。
人間に責任を負わせるなら、止める権限と判断材料、そして確認に使える時間も一緒に渡さなければならない。責任だけ渡すのは、空のバケツを持たせて火事場へ送り出すようなものだ。
以上、『人月の神話』を手がかりに、AIで作業が速くなった後の組織について考えた。AI時代に読み替えるなら、問いは「作業能力をどれだけ増やせるか」だけでは足りない。「その能力を成果へつなぐために、なにを調整しなければならないか」が加わる。バケツを運ぶ手がいくら速くなっても、列の並び方が昔のままなら、火元に水が届くまでの時間はそう縮まらないのだ。
部下も上司もAIを使うようになったとき、どの接点で人間がなにを判断し、なにを学んでいるのか。そして、誰がどこまで決められるのか。それを説明できる組織でありたい。
参考資料
本文は2026年10月30日時点の資料にもとづく。業務の例は仮想のもの。既存研究のAIへの適用は筆者の考察である。
- Frederick P. Brooks, Jr., The Mythical Man-Month: Essays on Software Engineering, 初版1975年、増訂版1995年。増員時の負担については、本人へのインタビュー Quoted Often, Followed Rarely（Fortune、2005年12月12日、大学掲載の転載）も参照。
- Bradley R. Staats / Katherine L. Milkman / Craig R. Fox, The team scaling fallacy: Underestimating the declining efficiency of larger teams, Organizational Behavior and Human Decision Processes, 2012年。公開論文PDF。
- Gary S. Becker / Kevin M. Murphy, The Division of Labor, Coordination Costs, and Knowledge, The Quarterly Journal of Economics, 1992年。
- Herbert H. Clark / Susan E. Brennan, Grounding in Communication, Perspectives on Socially Shared Cognition, 1991年。
- George Tsebelis, Decision Making in Political Systems: Veto Players in Presidentialism, Parliamentarism, Multicameralism and Multipartyism, British Journal of Political Science, 1995年。企業の意思決定への適用は本文での類推。
- Roelof Botha / Jack Dorsey, From Hierarchy to Intelligence, 2026年3月31日。Blockでの移行構想を述べた当事者のエッセイ。
- 土橋和成・竹村朋希・森健, AIと組織の未来, 『知的資産創造』2026年3月号。本稿では公開ページの要約を参照。
- Fabrizio Dell’Acqua et al., The Cybernetic Teammate: A Field Experiment on Generative AI and Teamwork, Organization Science, オンライン公開2026年6月12日。2025年のワーキングペーパーではなく、学術誌掲載版の本文・要旨を参照。
- Microsoft, 2025: The year the Frontier Firm is born, 2025年4月23日。31市場・31,000人の調査等を用いた報告書。組織設計の提案と、その因果的な実証は区別して扱った。
- Harvard Business School AI Institute, Navigating the Jagged Technological Frontier, 2023年9月21日。研究機関による研究紹介を参照。