AIに指示を出す側に立たせるのがEMの仕事——3分離で『AI活用力の練習場』を構造から作る

Posted Apr 29, 2026

79 min read

AI生成コンテンツ

この記事はAIによって生成されています。内容の正確性は保証されず、記事の利用による損害について一切の責任を負いません。この記事を読み進めることで、利用規約に同意したものとみなされます。

想定読者： ITエンジニアのマネージャー・リーダー、AI活用を組織展開したい人事・経営層、自身のAI指示出し力を伸ばしたいエンジニア
前提知識： 1on1・タスクアサイン・プロンプトといった一般的な業務用語
所要時間： 通読約40分／要点把握約15分

概要

「AIをもっと使え」「指示待ちをやめろ」——号令だけが空回りしている現場は多い。本記事の出発点は、この2つを別々のスローガンとして扱わないことだ。最終目的は「AIを使えるようになる」こと。指示待ち脱却はその手段の一つに過ぎない。AI時代の生産性は、人間が「AIに指示を出す側」に立てるかどうかで決まる¹。だがその転換は、本人のマインドセットだけでは起きない。

なぜか。前作「マネジメントを一人に押し込めるから罰ゲームになる」で診断した通り、日本のITエンジニアリングマネージャー（EM）は プレイングマネージャー比率約96%・プレイヤー業務39.9%²・管理職意欲21.4%³・エンゲージメント6%⁴ という構造のなかで、対AI／対人／業務／対人専門／法・心理・価値観のすべてを一人で抱え込んでいる。この罰ゲーム構造のなかでは、部下がAIに指示を出す練習を始める「場」そのものが組織として用意されない。EMが構造を作らないかぎり、個人の脱却は始まらない。

本記事の芯はここだ。EMが前作で提示した 3つの分離——対象（AI vs 人間）・領域（業務 vs 対人専門）・議論レイヤー（法・心理・価値観）——を自覚し制度化することは、部下のAI指示出し力を構造的に高める「安全な練習場」を組織として作る作業に他ならない。Hidi & Renningerの興味発達4段階⁵やSDTの内発的動機づけ研究⁶が示すように、新しいスキルが個人的興味として根付くには、まず「状況的興味のきっかけ」を環境が提供する必要がある。AI指示出しのきっかけは、降ってこない。誰かが下ろす。

具体的には、3つの分離はそれぞれ次のような練習場として機能する。分離1（対象）は、AIへの指示出しを「個人スキル」として全員が学ぶ枠組みを与える。分離2（領域）は、業務マネジメントの内側にAIへの委譲・レビューの実地練習を埋め込む。分離3（議論レイヤー）は、価値観への介入を避けることで、AI練習に必要な心理的安全性を担保する。これらが揃って初めて、部下は「AIに指示を出す側」へ自然に転換していく。

ただし、本記事は「全EMが即実践可能」と主張するものではない。罰ゲーム真っ最中のEMには、3分離をまず自分自身が上申するところからしか始まらない。それでも、EMが構造の問題に気づいた瞬間に、組織のAI活用力は動き出す——それが本記事の伝えたい唯一の核心だ。

なぜ「指示待ち脱却」を目的にしてはいけないのか

最初に、本記事のフレームを正確に置き直しておきたい。

「指示待ちを直したい」——多くのEMが抱える願望だが、これを目的に据えるとほぼ確実に行き詰まる。理由は2つある。

第一に、指示待ちは性格ではなく状態だ⁷。Martin Seligmanが1960年代に発見した学習性無力感の研究以来、心理学は一貫して、受動性が「環境が作り出した適応戦略」であることを示してきた⁷。「直す」べき対象は本人ではなく環境であり、EMが本人に「主体的になれ」と圧力をかけても、自律性のニーズを侵害してかえって受動性が強化される——SDT（自己決定理論）の研究蓄積が一貫して示す結論だ⁶。

第二に、より根本的な問題として、指示待ち脱却そのものは目的ではない。AI時代に求められているのは「能動的に動く人」一般ではなく、「AIに指示を出して成果を出せる人」だ。Qiitaに投稿されたエンジニアマネージャー25年の論考は、AI時代の生き残り条件を「マインドセット（指示を待たずに動く）」「テクニカルスキル（AIに適切な指示を出す能力）」「コラボレーションスキル」の3点で整理している¹。本記事はこの3点を、「独立した3つの要件」ではなく、後者2点に到達するための手段として最初のマインドセットがある構造として読み替える——指示待ち脱却はそれ自体が完結したゴールではない、という立場だ。

flowchart TB
  GOAL["最終目的<br>AIを使って成果を出せる"]
  MEANS1["手段A<br>指示待ち脱却"]
  MEANS2["手段B<br>AIツール導入"]
  MEANS3["手段C<br>プロンプト教材"]
  EM["EMの構造支援<br>3分離による練習場"]
  GOAL --> MEANS1 & MEANS2 & MEANS3
  EM --> MEANS1 & MEANS2 & MEANS3

つまり指示待ち脱却は、AI活用力という最終目的に至るための 複数の手段の一つでしかない。AIツール強制導入や社内プロンプトテンプレートの整備も並列の手段だ。「指示待ちを直す」を独立した目的に据えると、本来は手段の組み合わせで攻略すべき問題を、本人のマインド改造に押し付けることになる。

そしてここがEMにとって本質的な転換点になる。「部下のマインドを変える」は前作「人を変えない」EMのプレイブックで論じた通り、法的にも心理学的にも費用対効果が悪く、しばしば法的レッドラインを踏みに行く⁸。一方、「AIに指示を出す練習場を組織として用意する」は、EMの権限内で完結し、本人の自律性も毀損しない——観察・整える・配置するという法的セーフな動詞の延長線上にある⁸。

目的は「AI活用力」、手段は「練習場の構造化」。指示待ち脱却は、その練習場で部下が自然に通過していくマイルストーンとして扱う——これが本記事のフレームだ。

なぜEMの構造支援なしでは始まらないのか

「マインドさえ変えればAI活用できる」——これも頻出する反論だ。だがマインドだけでは不十分な理由が4つある。

理由1：AI活用には組織の「文脈」が要る

Ryuzee こと吉羽龍太郎の『生成AI時代のチーム設計』スライドが指摘する通り、AI時代のマネージャー/リーダーの役割は 「指示」から「文脈の整頓と変化の支援」へ移行する⁹。AIエージェントへの指示出しは、対象システムのドメイン知識・前提制約・チーム慣行・直近の意思決定を含む文脈を揃えなければ成果が出ない。文脈の整頓は個人ではできず、組織として整えるしかない。

Dell’Acquaらのハーバード・ビジネス・スクールとBCGの共同実験（758名のコンサルタント、18タスク、2023年）は、これを定量的に裏付ける。GPT-4を使った被験者は、AIが得意な領域（jagged frontierの内側）ではサブタスク完了数が 平均12.5%増加、回答品質が 40%以上向上した一方、AIが苦手な領域では成績が悪化した¹⁰。重要なのは、「どのタスクがAI向きか」を見分ける判断は熟練知識労働者にも自明ではなかった点だ¹⁰。Ryuzeeのスライドはこれを 「AIは増幅器であり、健全な組織の強みを拡大し、機能不全の組織の課題を悪化させる」 と表現する⁹。

部下個人のマインドが変わっても、文脈整頓されていない組織ではAIは増幅器として作動しない。文脈を整頓する役割が、まさにEMの仕事だ。

理由2：練習の最初の一歩は「安全な失敗」の場が要る

AIへの指示出しは、最初は誰でも下手だ。曖昧な指示、過剰な期待、誤った前提——こうした失敗を経て、徐々に「AIに何をどう伝えるか」の感覚が育つ。Hidi & Renningerの興味発達4段階モデルは、新しい関心が 「状況的興味の喚起 → 維持された状況的興味 → 出現した個人的興味 → 十分に発達した個人的興味」 の段階を経て根付くことを示す⁵。最初の「状況的興味の喚起」が起きる場——ここが組織の用意する練習場だ。

この練習場には、心理的安全性の研究が示す通り、「失敗しても罰されない」保証が要る¹¹。部下が「AIに聞いたら変な答えが返ってきた」「プロンプトを試行錯誤して時間を使った」状態を、評価の場で「無駄な時間」と扱うかどうか——その判断はEMの権限内にあり、組織カルチャーを左右する。

理由3：エンゲージメント6%の組織では個人努力には頼れない

最後に、構造的な前提として、Gallupの2024年調査で 日本の従業員エンゲージメント率は6%（世界平均23%）⁴、メンバー層の管理職意欲は 21.4%で世界最低水準³。「個人の意欲で何とかしてもらう」前提が、そもそも統計的に成立していない。

これは「個人努力は不要」という主張ではない。マジョリティが個人努力に頼れない構造のなかで、組織が学習機会を提供することは個人努力を否定するのではなく、むしろ個人努力が機能する確率を上げる——前作で論じた 「採用時はフィルタリング・既存社員には適材適所」 の延長線上にある¹²。AI指示出し力についても同じだ。学ぶ意欲のある人が学べる環境を整え、学ばない人には別の役割を探す。EMの仕事は前者の整備に集中する。

理由4：「場なしで使える人」は例外で、組織戦略の柱にならない

ここまでの議論を見て、「いや、うちには場が用意されていなくてもAIをガンガン使っている人がいる」と感じたEMもいるはずだ。確かにそういう人材は存在する。だが 彼らは例外であり、組織のAI活用戦略の柱にはならない——これが構造支援の必要性を裏側から支える4つ目の理由だ。

数字で見ると分母の小ささがはっきりする。Stack Overflow Developer Survey 2024では業界トップ層の 68%が趣味でコーディング、40%が業務外で職業発展のために自習と報告される一方、その裏返しは 業界トップ層でも32%は趣味ではコードを書かないことを意味する¹²。OECD PIAAC 2023の日本データでは、学習文化があっても約半数は参加しない¹²。Mas & Morettiの古典的なピア効果研究も、効果量は弾力性0.15〜0.17（同僚生産性10%増で本人1.5〜1.7%増）にとどまり、「ある」が「劇的ではない」¹²。「環境がなくても自走できる人」は確かに存在するが、マジョリティではない。

そして、自走している例外の人たちにも構造的な脆弱性がある。場が用意されていない環境で自走している人材は、しばしば 業務時間外の自助努力で自分の練習場を維持している。これは個人の選択として尊重されるべきだが、組織が 「彼らがいるから3分離は不要」 と判断した瞬間、(1) 燃え尽きるリスク、(2) より良い練習場を持つ組織への流出リスク、(3) 「自走できない人＝怠惰」という誤った価値観の再生産、の三重の問題を抱えることになる。

組織戦略として、少数の例外に依存することは「運任せ」と同義だ。前作で論じた通り、「全員が学習を楽しむ組織」は理想として目指す価値があるが、それが実現する確率は研究的にも限定的¹²である。例外を再現可能な仕組みに置き換える作業——それが3分離による練習場の構造化に他ならない。

例外の存在は、構造支援が不要な根拠ではなく、構造支援なしではマジョリティに届かないことの間接的な証拠である——この読み替えが、4つ目の理由の核心になる。

3分離をAI指示出し力の練習場として運用する

ここからが本記事の中核だ。前作で示した3つの分離を、AI指示出し力の練習場という観点で再運用する。

flowchart TB
  TASK(("AI指示出し力の練習場"))
  TASK --> S1["分離1：対象<br>AIマネジメントを<br>個人スキル化"]
  TASK --> S2["分離2：領域<br>業務マネジメントに<br>AI委譲を埋め込む"]
  TASK --> S3["分離3：議論レイヤー<br>価値観介入を避け<br>心理的安全性を担保"]

分離1（対象）：AIマネジメントを「全員の個人スキル」として明示する

第一の分離は、マネジメント論を 対AIと対人で別物として切り分けることだ。前作で詳述した通り、Camille Fournierの委譲・レビュー・フィードバック実践¹³やAndy GroveのTRM（タスク関連成熟度）¹⁴は、AIエージェントへの指示設計に高い再利用性を持つ。一方、自己決定理論⁶が示すように、対AIで効く「明確な指示と厳密レビュー」を対人に持ち込むと自律性のニーズを侵害して逆効果になる。

この切り分けをEMが組織内で明示することが、AI練習場の入口になる。

EMがやるべきこと：

「AIマネジメントは職位に関係なく全員の個人スキル」と公言する。 管理職を目指さない部下にも、対AIマネジメントの個人スキルを伸ばすことは合理的なキャリア投資だと位置づける。「AIを使うにはマネジメント論が役立つ→だから管理職を目指すべき」という連想は明確に切り離す¹⁵
タスク粒度設計、出力レビュー、TRM評価を対AI文脈で言語化した教材・社内事例集を整備する。 既存のマネジメント研修教材を、対AI転用可能な部分と対人専用の部分にラベル付けして再編集するだけでも価値が出る
EM自身がAIエージェントへの委譲・レビューを日常業務に組み込み、ロールモデルを示す。 プレイヤー業務の中身を「コードを直接書く」から「AIへの設計委譲とレビュー」にシフトすることで、プレイング比率を維持しつつAI活用ロールモデルになれる

EMが避けるべきこと：

対AIで効く「明確な指示と厳密レビュー」の感覚をそのまま部下に向けること。AIマネジメントの成功体験が長いエンジニアほど、この罠に落ちやすい——ピーターの法則¹⁶のAI時代版とも言える構造だ
「AI活用にマネジメント論が役立つ」を「だから全員管理職を目指すべき」と短絡させること

分離2（領域）：業務マネジメントの中にAI委譲の実地練習を埋め込む

第二の分離は、対人マネジメントの中で EM自身が扱う業務マネジメントと、専門家に渡すべき対人専門マネジメントの境界を引くことだ¹⁷。AI練習場の観点では、業務マネジメント側に「AI指示出しの実地練習」を構造として埋め込む——これが分離2の運用法になる。

具体例を挙げる。

1on1で「AIに何を聞きたいか」を言語化する練習

通常の1on1は進捗確認・困りごと共有に使われるが、ここに 「直近1週間でAIに任せたかったが上手く指示できなかったタスクは何か？」 という問いを定例化する。これは「AIにどう指示するか」を本人が自分の言葉で言語化する練習であり、25年エンジニアマネージャーが指摘する 「設計能力と言語化能力こそが新しい技術力」¹ に直結する。

EMの役割は答えを与えることではなく、「そのタスクのどこが曖昧で、何が伝わらなかったのか」を本人と一緒に整理することだ。これは対人専門マネジメント（メンタル評価・キャリア再設計）ではなく業務マネジメントの範疇に収まり、EMの権限内で完結する。

Jiraチケット粒度の見直しで「AIが噛める単位」に揃える

Jira/Linearなどのチケット粒度は、対人指示の伝達精度に最適化されてきた。だがAIエージェントへの委譲を前提に置くと、最適粒度は変わる。AIが一発で解ける粒度（コンテキスト・受け入れ条件・関連ファイルが明示）にチケットを書き直すことは、それ自体が組織のAI指示出し力を底上げする。

これはEMが個別タスクを書き換える話ではなく、チームとしてチケットテンプレートを更新し、運用を移行するという業務マネジメントの設計判断だ。Ryuzeeの言う「文脈の整頓」⁹の具体実装と言ってよい。

AIツールで1on1要約や定型業務を「部下自身に」任せる

EMの認知負荷軽減のためにAIツールを導入することは、しばしば「EMの効率化」として語られる。だが視点を変えると、AI要約・AIアジェンダ生成を部下自身に運用させることで、AI指示出しの実地練習機会になる。

1on1の議事録要約 → 部下がAIに要約させてEMに送る運用に変える
進捗報告の定型化 → 部下がAIに整形させてSlackに投下する運用に変える
ドキュメントのドラフト → AIに初稿を出させて本人が編集する運用を標準化する

これらは「EMの仕事を部下に押し付ける」のではなく、AIへの指示出しが日常業務の中で繰り返される設計だ。Hidi & Renningerの興味発達モデル⁵が示す「状況的興味の喚起」が、業務の中に自然に埋め込まれる。

「成長していない」と判断する前に5要因マトリクスで切り分ける

部下のAI活用が進まないとき、EMは「やる気がない」と単一軸で診断しがちだ。前作で示した5要因マトリクス（能力特性・状況要因・キャリア観・環境要因・動機構造）¹⁷を、AI活用文脈にも適用する必要がある。

要因	AI活用が進まない場合の中身	EMが扱える範囲
能力特性	抽象化・言語化能力の個人差、神経多様性、職務とのフィット	限定的（産業医・専門家領域）
状況要因	介護・育児・健康、メンタル不調	限定的（人事・産業医領域）
キャリア観	AI活用を学ぶインセンティブを感じない合理的判断	本人と人事の協議
環境要因	学習機会・ロールモデル・心理的安全性の不足	EMの責務
動機構造	SDT3ニーズ（自律性・有能感・関係性）の長期的欠落	環境整備はEM、深部は専門家

EMが扱うべきは環境要因と動機構造の入口部分であり、それ以外の要因が見えたら躊躇なく専門家に繋ぐ。「AI使えない部下を育てきれなかった」と抱え込まないことが、罰ゲーム化スパイラルを止める起点になる¹⁷。

分離3（議論レイヤー）：価値観介入を避けて練習場の心理的安全性を保つ

第三の分離は、法的事実・心理学的傾向・個人の価値観を混ぜないことだ¹⁷。AI練習場の文脈では、これは特に 「AI活用への意欲」を価値観の領域として尊重することを意味する。

EMが「もっと積極的にAIを使ってほしい」と部下に伝えるとき、何を根拠にしているかを自問する価値がある。

法的・契約的な期待（業務時間内で達成すべき水準）→ 明示的に伝えてよい
心理学的傾向に基づく示唆（AI活用力は長期的にキャリアに有利という確率的傾向）→ 情報提供として伝える
個人の価値観に踏み込む期待（「もっとAIに興味を持ってほしい」「業務時間外も触ってほしい」）→ 慎重に。本人の人生選択への介入になりうる

特に注意したいのは、AI活用が 「業務時間外学習を要求する隠れた手段」になっていないかだ。前作で論じた通り、業務時間外活動を強制する権利は企業にない¹⁸。「AI活用は業界水準では業務時間外でも触るのが当然」という暗黙の前提を持ち込むと、業務時間外学習の暗黙強要¹⁹と同じ問題を再生産することになる。

AI練習場として組織が用意できるのは、業務時間内にAI指示出しを試行錯誤できる枠組みだけだ。業務外でも触りたい人の自主的な探索は尊重するが、それを暗黙の前提にして全員に課すことは、3レイヤー混同の典型例になる。

flowchart TB
  LEGAL["法的事実<br>業務時間外強制不可"]
  PSYCH["心理学的傾向<br>AI活用力は長期有利"]
  VALUE["個人の価値観<br>業務外で触る／触らない"]
  SAFE["AI練習場の<br>心理的安全性"]
  LEGAL & PSYCH --> SAFE
  VALUE -.尊重.-> SAFE

価値観への介入を避けることが、結果として練習場の心理的安全性を担保する——これが分離3のAI文脈での運用だ。

EMの負担はむしろ減る——分離が分散を生む

「3分離なんて、EMの負担がさらに増えるだけだ」——これも頻出する反論だ。だがメカニズムを追うと、分離は負担増ではなく負担分散であることがわかる。

分離	EMから外れる仕事	担当先
分離1（対象）	対AIマネジメントの個人指導	全員の個人スキルとして共通教材化
分離2（領域）	メンタル評価、キャリア再設計、長期低パフォ対応	産業医・人事・キャリアコンサルタント¹⁷
分離3（議論レイヤー）	価値観への介入とその責任	本人の自己決定領域に返す

特に分離2のエスカレーション基準制度化（「1on1で3回連続同じ問題→人事に共有」「6ヶ月以上のパフォーマンス停滞→配置転換／PIP判断を人事と協議」など¹⁷）は、EMが一人で抱え込んでいた領域を組織として分担する仕組みであり、構造的に負担を下げる。

加えて、分離1でAIマネジメントが組織共通スキルになると、EM自身のAI活用業務（1on1要約、進捗集計、ドキュメント整備）も同じ枠組みで効率化される。AI委譲の前提となる文脈整頓は、EM個人ではなくチーム全体の財産として蓄積されていく⁹。

結局、分離をやらないことこそが罰ゲームを永続化させ、分離をやることが罰ゲームから抜ける唯一の道だ——これは前作の核心であり、AI練習場の文脈でも同じ結論になる。

ツールを配ったのに使われない——「練習場の構造化」との混同

「うちはCopilotもChatGPT Enterpriseも全員に配って、研修も済ませた。それでも一部の社員しか使っていない」——多くの組織がこの状態に直面する。「3分離をやれと言われても、もう環境は整えた」と感じるかもしれない。

だがこの感覚自体が、「ツール提供」と「練習場の構造化」を取り違えているサインだ。組織がAI活用に投資するとき、構造支援は3層に分けて見たほうがいい。

flowchart TB
  L1["L1：ツール提供<br>ライセンス・研修・利用許可"]
  L2["L2：ワークフロー再設計<br>チケット粒度・1on1・評価基準"]
  L3["L3：心理的安全性<br>失敗の許容・価値観介入の回避"]
  L1 --> L2 --> L3
  RESULT["AIが日常業務に<br>埋め込まれる"]
  L3 --> RESULT

ほとんどの組織は L1で止まる。ツール導入はROI測定が容易で稟議も通しやすく、IT部門・人事・経営層の責任範囲も明確だ。だが L1だけでは「使ってもいい」という許可状態に過ぎず、業務フローも評価基準もAI不在時代のまま——これが「配ったのに使われない」の正体だ。

L1止まりの組織で抜けている要素のチェックリスト

L2に踏み込めているか、典型的な抜け穴で自己診断する。

チケット粒度はAIが噛める単位に揃え直されているか（コンテキスト・受け入れ条件・関連ファイルが明示）
1on1のアジェンダに「AIに任せたかったが上手く指示できなかったタスク」を確認する項目があるか
コードレビュー基準は「AI生成かどうか」を中立的に扱えているか（手書き=高評価、AI生成=要警戒というバイアスを排除）
進捗報告・ドキュメント整備のうち、AIに任せて構わない部分が明示されているか
AI試行錯誤に使う「実験時間枠」が業務時間内に確保されているか

L3はさらに見えにくい。

「AIに聞いたら変な答えが返ってきた」を笑い話として共有できる空気があるか
評価面談で「もっとAIに興味を持って」「業務外でも触って」式の価値観介入を避けられているか
AI活用が進んでいない部下を「やる気がない」ではなく **5要因マトリクス¹⁷で診断するEMの習慣が定着しているか**
AI生成成果物の責任所在（プロンプト設計者・レビュアー・最終承認者）が明示されているか

これらのうち未着手の項目があるなら、組織は L1だけ整えてL2/L3を飛ばしている——ツール提供と構造化の混同が起きている。

それでも使われないとき——5要因マトリクスを再適用する

L1〜L3すべてに着手済みでなお利用が進まない場合、原因の所在は 環境要因の外にある。前作で示した5要因マトリクス¹⁷を、AI活用文脈で再適用すべきタイミングだ。

要因	環境クリア後に残る場合の中身	処方
能力特性	AI協働とのフィット（抽象化・言語化・批判的レビュー）の個人差	適材適所——AI活用前提の役割と業務時間内完結役割の棲み分け
状況要因	メンタル不調、ライフイベント、健康問題	産業医・人事に繋ぐ（EMの判断領域外）
キャリア観	AI習熟への合理的不投資（残存業務年数・役割設計上の判断）	本人の選択を尊重——別軸での貢献価値を評価
動機構造	SDT3ニーズの長期的欠落（自律性・有能感・関係性）	環境の深部はEM単独では難しく、外部コーチ・組織開発専門家の領域

ここで重要なのは、「100%の社員が等しくAIを使う」を目標に置かないことだ。Stack Overflow Survey 2024で業界トップ層でも32%は趣味でコードを書かない¹²という現実がある以上、AI活用も同様の分布が現れる。役割と人材のフィット問題として扱うのが現実的だ。

「適材適所」の裏側——解雇できない構造が「合わせる」ジレンマを生む

ただし、ここで「適材適所」という言葉に楽観を載せすぎないことも重要だ。日本の労働法構造のなかで、これは 自由な最適化ではなく、強制された収容問題である。

前作で論じた通り、日本の正規雇用の解雇規制はOECD諸国で比較的強い部類に位置し¹⁷、ブルームバーグ・エル・ピー事件（東京高判平成25.4.24）では3度のPIPを経た能力不足解雇でも無効と判断された¹⁷。滋賀県社協事件（最判令和6.4.26）では職種限定合意がある労働者には本人同意なしの配転は不可とされた¹⁷。「AI活用が進まない＝解雇」というルートは法的に開かれていない——これが日本のEMが直面する構造的事実だ。

ここから生まれるのが、ユーザーが直感する 「やらない人に合わせるジレンマ」だ。

flowchart TB
  ADOPT["AI活用層の<br>生産性向上"]
  NONADOPT["非活用層を<br>外せない（解雇規制）"]
  STD["評価基準・業務標準を<br>どちらに合わせるか"]
  DRAG["低位に合わせる<br>→活用層に上昇余地なし"]
  CONFLICT["高位に合わせる<br>→非活用層が評価不当・<br>労務トラブル"]
  ADOPT --> STD
  NONADOPT --> STD
  STD --> DRAG & CONFLICT

同じ職務等級・同じ役割定義のなかで、AI活用前提の業務標準を一律に引き上げると、非活用層が評価面談で連続的に低評価になり、組織的公正性¹⁷の観点で労務リスクが累積する。逆に非活用層に合わせて標準を据え置くと、活用層は 「頑張ってもインパクトが還元されない」状態に置かれ、自走できる例外人材から流出する——理由4で示した「例外依存戦略の脆弱性」がここで再帰する。

このジレンマを解く現実的な道は「役割分化」しかない

このジレンマを 同じ役割の中で解こうとすると、必ず破綻する。現実的に取れる道は、役割そのものを分化させることだ。前作の組織編原則4で示した 専門職トラックの実質化¹⁷が、AI時代に決定的な意味を持つのはここだ。

トラック	業務性質	評価軸	AI活用度
AI活用前提トラック	設計・委譲・レビューを軸にした成果物	単位時間あたり成果量・品質	高（前提）
業務時間内完結トラック	保守・運用・QA・ドキュメント等の安定運用	安定性・正確性・継続性	中〜低（任意）

このトラック分化は 「下位トラックへの追い出し」ではない。前作の Person-Job Fit 研究¹⁷が示す通り、同じ人でも役割が変われば仕事満足・組織コミットメント・パフォーマンスは大きく変わる（ρ=.20〜.56）。安定運用トラックに自分の強みを見出す人材は確実に存在し、その役割は組織に必要不可欠だ。重要なのは、トラック間の 報酬・ステータスを公正に設計し、「AI活用トラック=偉い」という暗黙のヒエラルキーを作らないことだ——これはオムロンのフェロー制度のような実体化が要る¹⁷。

それでもこのジレンマは完全には解けない。トラック分化が制度として整うまでには時間がかかり、その間EMは 同じ役割の中で活用層と非活用層を抱える期間を過ごすことになる。この期間の運用は、「全員均等に圧力をかける」でも「全員均等に放置する」でもなく、活用層には適切なチャレンジと裁量を、非活用層には現役割で達成可能な明確な期待値を——という個別運用に落ちる。これは前作「人を変えない」EMのプレイブックで論じた 「観察・整える・配置する」動詞⁸の延長線上にあり、解雇という選択肢を持たないからこそ、対人スキルとしての成熟度が問われる領域だ。

3つの結論

ここから3つの実務的な結論が出る。

第一に、「構造支援は機能しない」と結論する前に、L1〜L3のどこで止まっているかを正直に診断する。「ツール配布＝構造化完了」と読み違えると、本来やるべき分離2/3に着手しないまま「AI戦略は失敗」というラベルを貼ることになる。

第二に、L1〜L3すべてやった上での残存非利用は、誤診回避の対象だ。「やる気がない」と単一軸で判定するのではなく、5要因のどこに原因があるかを切り分け、扱える範囲を超える要因が見えたら専門家・人事に繋ぐ¹⁷。

第三に、「全員が使う」幻想と「やらない人に合わせる」諦めの両方を避ける。日本の労働法構造のなかで非活用層を外す選択肢はないが、だからといって標準を低位に揃える必要もない。役割分化（専門職トラックの実質化）こそが、活用層と非活用層を同じ組織内で公正に成立させる構造的回答になる——これは前作の組織編原則4¹⁷がAI時代に持つ実践的意味だ。

個人との連動：部下が「AIに指示を出す側」に立つ瞬間

EMが構造を整えると、部下の側で何が起きるか。観察できる転換点は3つある。

転換点1：「これAIに聞いてみよう」が口から出る

最初の兆候は、業務上の困りごとを共有された際の反射が変わることだ。「Aさん、これどうしましょう？」と聞かれたとき、「まずAIに整理させてみて、出力を見せて」とEMが返す運用が定着すると、部下の側でも次第に AIへの相談が反射の最初の選択肢に上がる。

これはマインドセットの強制ではなく、業務フローの設計で起きる行動変容だ。Qiitaの25年エンジニアマネージャーが指摘する 「タスクが来ないから待機ではなく、自分で仕事を見つける姿勢」¹ の入口は、AIへの相談から始まることが多い。AIは判断を急がず付き合ってくれるため、「曖昧なところから問いを立てる」訓練の相手として最適なのだ。

転換点2：プロンプトを書きながら自分の理解の穴に気づく

第二の転換点は、本人が 「AIに伝えるために自分の理解を言語化したら、自分が分かっていないことに気づいた」と報告し始めることだ。これは AIで書くということ——曖昧さを言葉にする技術で論じた通り、AI協働がもたらす最大の副産物の一つだ。

この気づきは、指示待ち脱却の本質的なメカニズムになる。「何をすればいいか分からない」状態は、しばしば 「分からないことが何かを言葉にできない」状態だ。AIへの指示出しは、その言語化の場を業務の中に強制的に作る——本人を圧力で変えるのではなく、構造で促す形になる。

転換点3：AIの出力を批判的にレビューし始める

第三の、そして最終的な転換点は、本人が AIの出力を鵜呑みにせず、批判的にレビューし始めることだ。Dell’Acquaらの研究が警告する通り、AIが苦手な領域での盲目的な依存は逆に成績を下げる¹⁰。「AIが言ったから正しい」ではなく「AIの出力をどう検証するか」を考えるようになった瞬間、本人は AIに指示を出す側へ完全に立ち位置を変えている。

この転換は、対AIマネジメントのTRM評価（モデルが何を確実にできて何ができないか）¹⁴を本人が肌感覚で持ち始めたことを意味する。マネジメント論の中核スキルが、職位に関係なく全員の個人スキルとして根付いていくプロセスそのものだ。

それでも「EMに余裕がない」とき——上申から始める

ここまでの議論は、EMが3分離を組織に持ち込む権限と余裕を持っている前提で書いてきた。だが現実には、罰ゲーム真っ最中のEM自身が3分離の必要性を上層に説得しなければならないケースが大半だろう。

その場合のスタートは、EM自身が前作の構造的診断を上申することだ。「自分の負担が減るから3分離してほしい」ではなく、「組織のAI活用力を構造的に高めるために、3分離が必要だ」——フレームを 組織のAI活用ROIに置き換える。

このフレームは経営層に届きやすい。AI投資の効果は「健全な組織で増幅、機能不全の組織で悪化」⁹という指摘は、3分離未実施のままAIを導入しても投資が無駄になることを意味する。Dell’Acquaらの実験で示された40%の品質向上¹⁰も、文脈整頓された環境でのみ実現する。EM個人の罰ゲームの問題ではなく、組織のAIトランスフォーメーション戦略の問題——この翻訳が、上申を通すための最初の一歩になる。

そして、関連記事の「人を変えない」EMのプレイブックで詳述したように、上申の場でも「上層を変える」動詞は法的にも心理学的にも費用対効果が悪い。観察・記録・伝達・繋ぎ・整えるという支援系の動詞で、組織の現状を可視化し、判断材料を整理する役割に徹する⁸。動かすのは上層の判断であり、EMがコントロールできるのは情報提供の質までだ。

まとめ——構造に気づいた瞬間に組織のAI活用力は動き出す

本記事の論旨を4点に絞る。

AI活用が最終目的、指示待ち脱却はその手段。「直す」対象を本人のマインドではなく、組織の練習場の不在に置き直す。マインドだけでは始まらず、組織の文脈整頓と心理的安全性なしには、AI指示出しの練習そのものが起動しない⁹¹⁰。場なしで使えている人は確かに存在するが、それは例外であり、組織のAI活用戦略の柱にはならない
3分離はAI練習場の構造そのもの。分離1（対象）でAIマネジメントを全員の個人スキルに、分離2（領域）で業務マネジメントの中にAI委譲の実地練習を埋め込み、分離3（議論レイヤー）で価値観介入を避けて心理的安全性を担保する。ツール提供（L1）だけでは練習場にならず、ワークフロー再設計（L2）と心理的安全性（L3）まで揃えて初めて機能する
分離は負担増ではなく負担分散。EMが一人で抱え込んでいた領域を組織として分担し、結果としてEM自身のAI活用業務も効率化される。罰ゲームを永続化させているのは、分離をやらないこと自体だ
「やらない人に合わせる」ジレンマは役割分化で解く。日本の労働法構造のなかで非活用層を外す選択肢はないが、標準を低位に揃える必要もない。同じ役割の中で活用層と非活用層を抱え込もうとすると組織は破綻する——専門職トラックの実質化（前作の組織編原則4¹⁷）こそが、活用層と非活用層を同じ組織内で公正に成立させる構造的回答になる

部下を「AIに指示を出す側」に立たせるのは、号令ではない。1on1での問いかけ方、Jiraチケットの粒度、AIツールの運用設計、評価面談での発言の3レイヤー区別——これら日常業務の細かな構造変更の積み重ねが、本人を圧力で変えるのではなく、自然な行動変容を促す。Hidi & Renningerの興味発達モデル⁵とSDTの内発的動機づけ研究⁶が示す「状況的興味の喚起から個人的興味への発達」は、こうした構造支援によってのみ起動する。

最終目的は「AIを使えるようになる」こと。指示待ち脱却はその通過点に過ぎない。EMが構造の問題に気づいた瞬間に、組織のAI活用力は動き出す——構造の責任をEMが引き受け、本人の選択は本人に返す。この境界線を引き直すことが、AI時代のEMの最初の仕事になる。

このテーマに関連する他の記事もご覧ください：

マネジメントを一人に押し込めるから罰ゲームになる - 本記事の前作。3分離の理論的・構造的診断
「人を変えない」EMのためのプレイブック - 本人の自己駆動を支援する動詞の使い分け
「指示待ち人材」はAI時代をどう生き抜くか - 個人視点での脱出ルート
AIで書くということ——曖昧さを言葉にする技術 - AI指示出しが言語化能力を育てるメカニズム
メタプロンプティングとオーケストレーターマインドセット - AIに指示を出す側の思考法

参考資料

本文中の引用番号に対応する参考資料を番号順に記載しています。

その他参考資料（本文中で番号引用なし）

The job demands-resources model of burnout - Demerouti, Bakker, Nachreiner & Schaufeli, Journal of Applied Psychology, 86(3), pp. 499-512 (2001, DOI: 10.1037/0021-9010.86.3.499). 【信頼性: 高（査読論文）】

25年エンジニアマネージャーが見た、AI時代に「生き残る」ために必要な3つの力 - necotake, Qiita (2026年1月13日). 【信頼性: 中（実務系記事、25年経験に基づく整理）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴
9割以上の部長がプレイングマネジャーという実情 - HRプロ／産業能率大学総合研究所調査 (2019年実施／2020年公開、調査対象：従業員100人以上の上場企業の部長). 【信頼性: 中〜高】 ↩︎
罰ゲーム化する管理職―「強いミドル」は復活するのか - 小林祐児, パーソル総合研究所 (2025年12月15日). 【信頼性: 高】 ↩︎ ↩︎²
State of the Global Workplace 2024 - Gallup (2024年版). 日本のエンゲージメント率6%、東アジア平均18%、世界平均23%。【信頼性: 高（公式国際調査）】 ↩︎ ↩︎²
The Four-Phase Model of Interest Development - Hidi & Renninger, Educational Psychologist, 41(2), pp. 111-127 (2006, DOI: 10.1207/s15326985ep4102_4). 【信頼性: 高（査読論文）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴
Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being - Ryan & Deci, American Psychologist, Vol. 55(1), pp. 68-78 (2000). 関連: Self-determination theory and work motivation - Gagné & Deci, Journal of Organizational Behavior, 26(4), pp. 331-362 (2005, DOI: 10.1002/job.322). 【信頼性: 高（査読論文・被引用多数）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴
Learned helplessness at fifty: Insights from neuroscience - Maier & Seligman, Psychological Review, 123(4), pp. 349-367 (2016, DOI: 10.1037/rev0000033). 【信頼性: 高（査読論文）】 ↩︎ ↩︎²
「人を変えない」EMのためのプレイブック——日本IT企業で部下6タイプを支援する Do’s and Don’ts - 本ブログ (2026年4月28日). 法的セーフな動詞の整理。【信頼性: 内部参照】 ↩︎ ↩︎² ↩︎³ ↩︎⁴
生成AI時代のチーム設計 ― 役割と協働の再構築 - 吉羽龍太郎 (2025年11月29日). 【信頼性: 中〜高（業界実務家による整理、参照元の研究を含む）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶
Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality - Dell’Acqua, McFowland, Mollick et al., Harvard Business School Working Paper No. 24-013 (2023). BCGコンサルタント758名・18タスクの実験。【信頼性: 高（大規模フィールド実験）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵
Psychological Safety and Learning Behavior in Work Teams - Edmondson, Administrative Science Quarterly, 44(2), pp. 350-383 (1999, DOI: 10.2307/2666999). 【信頼性: 高（古典的査読論文）】 ↩︎
マネジメントを一人に押し込めるから罰ゲームになる - 本ブログ (2026年4月27日). 採用時はフィルタリング・既存社員には適材適所の整理。【信頼性: 内部参照】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶
The Manager’s Path - Camille Fournier, O’Reilly Media (2017). 【信頼性: 高（業界標準の専門書）】 ↩︎
High Output Management - Andrew S. Grove, Random House (1983, 改訂版あり). タスク関連成熟度（TRM）の概念。【信頼性: 高（古典的経営書）】 ↩︎ ↩︎²
マネジメントを一人に押し込めるから罰ゲームになる - 本ブログ (2026年4月27日). 「対AIマネジメントは個人スキルとして全員、対人マネジメントは志向する人だけが学ぶ専門領域」の整理。【信頼性: 内部参照】 ↩︎
Promotions and the Peter Principle - Benson, Li & Shue, The Quarterly Journal of Economics, 134(4), pp. 2085-2134 (2019, DOI: 10.1093/qje/qjz022). 米国131社・38,843名のセールスワーカーのデータ。【信頼性: 高（査読論文）】 ↩︎
マネジメントを一人に押し込めるから罰ゲームになる - 本ブログ (2026年4月27日). 5要因マトリクス・領域分離・3レイヤーの整理。【信頼性: 内部参照】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶ ↩︎⁷ ↩︎⁸ ↩︎⁹ ↩︎¹⁰ ↩︎¹¹ ↩︎¹² ↩︎¹³ ↩︎¹⁴ ↩︎¹⁵ ↩︎¹⁶ ↩︎¹⁷ ↩︎¹⁸
労働基準法第32条・第37条 - e-Gov法令検索. 労働時間管理の規定。【信頼性: 高（法令）】 ↩︎
エンジニアは業務時間外でも勉強するべきなのか - 米村歩, 株式会社アクシア (2017年7月18日). 業務時間外学習に関する経営者視点の論考。【信頼性: 中（実務家論考）】 ↩︎

キャリア・組織

Engineering Management AI プロンプトエンジニアリング指示待ち自己決定理論プレイングマネージャー日本企業

This post is licensed under CC BY 4.0 by the author.