Post
JA EN

組織のコンテキスト供給能力を先に整える ─ AI 活用は副産物として後からついてくる

Posted
By
82 min read
組織のコンテキスト供給能力を先に整える ─ AI 活用は副産物として後からついてくる
  • 想定読者： AI 活用を進めたいができていない経営層／CTO／組織変革担当、技術部門マネージャー、人事・知識マネジメント担当
  • 前提知識： 自社で AI ツール（Copilot、Claude Code、ChatGPT 等）の導入を検討・実施した経験
  • 所要時間： 通読 約40分／要点把握 約15分

概要

「全社で AI ツールを導入したのに、期待ほど成果が出ない」「使いこなせているのは一部の人だけだ」——この相談が増えている。原因として挙げられるのは、たいてい「研修不足」「データ整備不足」「経営コミット不足」だ。だがこれらの施策を真面目にやっても、思ったほど ROI が伸びない企業が多い。

数字で見ても深刻だ。BCG が2024年10月に20業種・59カ国の幹部1,000人を調査したところ、74%の企業が AI から具体的な価値を出せておらず、全社的に持続的価値を実現しているのはわずか4% だった1。MIT NANDA の2025年の “State of AI in Business” は、企業の GenAI 投資300〜400億ドルに対し95%が測定可能なリターンを得ていない と報告している2。McKinsey “The State of AI 2025” は、AI ハイパフォーマー（5%以上の EBIT 寄与を出している企業）が約6%しかなく、AI インパクトは「20%がアルゴリズム、80%が組織再設計（organizational rewiring）」 だと結論している3。Google Cloud の DORA は2025年版レポートで、「AI は増幅器（amplifier）であり、組織の既存の強みと弱みを増幅する」 と総括した4。

この共通項を突き詰めると、「組織のコンテキスト供給能力」 という、見落とされやすい組織能力に行き着く。誰がどんな業務文脈で動いているか、なぜこの判断をしたか、何が制約か、何が成功条件か——こうしたコンテキストを言語化して伝える組織能力が低いと、人間同士の連携も AI との連携も同じように破綻する。なお、ここでいう「組織のコンテキスト供給能力」は、姉妹記事「ITエンジニアが認識すべき5層のコンテキスト」で扱った第4層「組織コンテキスト（個人が認識すべき社内政治・評価制度等）」とは別概念で、組織が外部（人・AI）に供給する情報総体 を指す。

しかも問題はさらに深い。現実の多くの組織は、「個別タスクに指示を出す」ところまで降りる以前に、より根源的な層で共有が止まっている。

  • そもそも何が問題なのか、組織として共有・認識できていない
  • 自社が何で儲けているか、メンバーが知らない
  • 自部門のミッションや戦略が伝わっていない
  • なぜこのプロジェクトをやるのか、過去の経緯が誰にもわからない

そして最も厄介なのは、これらを指摘しようとすると 「ネガティブシンキング」と嫌われる 文化が組織にあることだ。組織沈黙（Organizational Silence）5 と呼ばれるこの現象は、半世紀以上前から研究され続けている。問題を直視できない組織は、ポジティブシンキングに逃げ込み、表面的な「うちは順調だ」という物語を維持する。だが、本物のポジティブエモーション6 は現実を直視した上での前向きさであり、現実否認の楽観とは別物だ。

本記事の主張は順序の話だ。AI を入れて組織を変えようとする前に、組織のコンテキスト供給能力を整える。そして整える前提として、まず「ネガティブな指摘を歓迎する文化」を作る必要がある。整えれば、副次効果としてリモート対応・新人立ち上げ・退職時の知識喪失防止も改善し、AI 活用 ROI もその上に副産物として乗る。

「AI が定着しない」企業の症状を分解する

「AI を入れたのに使われない／変なものが返ってくる／結局自分で書いた方が早い／使いこなせているのは特定の数人だけ」——これらは AI 能力の問題に見えて、実は組織側の問題であることが多い。

Stack Overflow の2025年 Developer Survey（49,000人・177カ国）は、開発者の84%が AI ツールを利用または利用予定 だが、AI 精度を「高く信頼」しているのはわずか3.1%、不信感が46%（前年31%から急増） と報告している7。最大の不満は「ほぼ正解だが完全には正しくない AI の回答」「AI 生成コードのデバッグに時間がかかる」だ。これは AI の能力問題というより、与えるコンテキストが足りないため、もっともらしいが文脈外れの出力が返ってくる現象だ。

METR が2025年7月に公開したランダム化比較試験（RCT）はさらに踏み込む。経験豊富な16人のオープンソース開発者に246件の実イシューを割り当てた結果、AI 使用許可下では完了時間が19%増加した（信頼区間 +2%〜+39%）8。開発者の事前予想は「24%短縮」、事後の自己評価は「20%短縮」で、主観と実測が大きく乖離している。AI 使用が逆に遅くしているのに、本人はそう感じない。これも「AI に何を渡すか／何を判断材料にするか」の運用設計が組織として整っていない結果だ。

MIT NANDA は2025年の調査で、AI 導入の障壁を 「インフラ・規制・人材ではなく、学習（learning）」 と総括した2。つまり「フィードバックを保持し、コンテキストに適応し、改善する仕組み」の不在。これは AI ツールの機能ではなく組織の能力の話だ。

コンテキスト共有の4階層

組織が共有すべきコンテキストは、単一のレイヤーではない。階層的に積み上がっており、下が崩れていれば上は機能しない。

flowchart TB
    A[レベル -1：問題認識・問題共有<br>何が問題か／症状の原因／組織として何を解決すべきか]
    B[レベル 0：根源コンテキスト<br>会社が何で儲けているか／顧客／戦略／ミッション]
    C[レベル 1：背景コンテキスト<br>なぜこのプロジェクト／過去の経緯／関係者]
    D[レベル 2：個別タスク<br>背景／目的／成功条件／制約／判断権限／優先順位]
    A --> B --> C --> D
階層内容共有されないとどうなるか整備手段の例
レベル -1：問題認識何が問題か／症状の原因／組織として何を解決すべきか施策と課題が噛み合わない／各部署バラバラ／整える動機すら生まれないretro / postmortem、課題ボード、VOC、戦略レビュー
レベル 0：根源何で儲けているか／顧客／戦略／部門ミッション仕事が事業に繋がらない／優先順位がブレるAll-hands、戦略マップ、財務リテラシー研修
レベル 1：背景なぜこのプロジェクト／過去の経緯／関係者過去のミスを繰り返す／提案が組織に届かないPitch ドキュメント、ADR、プロジェクト憲章
レベル 2：個別タスク7要素（背景・目的・成功条件・制約・判断権限・関係者・優先度）／5要素（事実・判断・必要な意思決定・期限影響・決められない論点）実行レベルで的外れな成果物が出る1on1、Issue、PR description、報告テンプレ

多くの「報連相」「1on1」の議論はレベル 2 の話だ。ツール選定や AI 研修もレベル 2 の周辺で行われる。だが多くの組織が止まっているのはレベル -1 とレベル 0 で、ここが空白なまま上の層を整えても効果は限定的だ。

たとえば AI 活用を例に取ると：

  • レベル -1 が共有されていない → 「AI で何の問題を解決したいか」が組織として合意されていない。研修やツール導入は実施されるが、実際に解決すべき課題と噛み合わない
  • レベル 0 が共有されていない → AI に「自社の収益モデルに合うか」を判断させるコンテキストを渡せない。プロンプトに自社の事業特性を書けない
  • レベル 1 が共有されていない → AI に過去の経緯を踏まえた提案を求められない
  • レベル 2 が共有されていない → 個別タスクの指示で文脈外れの出力になる

下の層から崩れていることに気づかず、レベル 2 だけを整えようとするのが、多くの企業の AI 活用施策の現状だ。

レベル -1 が機能しない真の理由：組織沈黙とポジティブシンキングの罠

なぜレベル -1（問題認識・問題共有）から整わないのか。最大の理由は、問題を指摘する人が組織で嫌われる からだ。これは個人の感想ではなく、半世紀以上の組織研究で繰り返し示されてきた現象である。

組織沈黙：声を上げるのが危険な構造

Elizabeth Morrison と Frances Milliken は2000年の Academy of Management Review で 「組織沈黙（Organizational Silence）」 を理論化した5。多くの組織には、従業員が問題や懸念を 意図的に伏せる集団レベルの現象 が存在する。経営層の暗黙の信念（従業員は利己的、上司は最も知っている等）と組織の構造的特性（権力差、管理職の同質性等）が、「声を上げるのは危険」という共有認識を生み、それが組織の変革と学習を阻害する。

Amy Edmondson の1999年の心理的安全性論文（Administrative Science Quarterly）9 はこの構造を裏返しから示した。心理的安全性が高いチームほど、質問・エラー報告・改善提案といった「学習行動」が活発化し、結果としてパフォーマンスが向上する。逆に低いチームは 「ミスを隠し、問題を共有しない」 状態になる。

個人レベルでも同じ抑制が働く。Tesser, Rosen らは1972年に 「Mum 効果（MUM Effect）」 を報告した。人は良い知らせよりも悪い知らせを伝えることに対して心理的抵抗を持ち、罪悪感・報復への恐れ・ネガティブ評価への懸念がそれを強める10。半世紀以上の追試で頑健に再現されている現象だ。

そして、問題を指摘し続ける人——内部告発者やそれに準ずる存在——には 報復が待っている。Kate Kenny らは2019年の Journal of Business Ethics で、組織が告発者を「精神的に不安定で信頼できない人物」と位置付けることで告発を無効化する 「規範的暴力」 を分析した11。これは派手な事例だけの話ではない。日常的な「あの人はネガティブだから」というレッテルにも同じ構造が働いている。

日本企業ではこれが特に顕著になりやすい。山岸俊男・山岸ミドリの1994年の研究12 は、日本社会が「集団主義で高信頼」という通説に反し、実験では日本人の方がアメリカ人よりも見知らぬ他者への一般的信頼が低いと示した。閉ざされた集団内での 「相互監視と評判による制裁」 が秩序を保つ「安心社会」を作り、その代償として一般的信頼や自発的な異議申し立てが育たない。「集団から排除される脅し」が個人の行動をコントロールしている。

「ポジティブシンキング」と「ポジティブエモーション」は別物だ

問題指摘が抑圧されると、組織は反対側に逃げ込む。「ポジティブに考えよう」「前向きに行こう」「ネガティブな話はやめよう」——good vibes only の文化だ。

ここで決定的に重要な区別がある。ポジティブシンキング（Positive Thinking）とポジティブエモーション（Positive Emotion）は 別物 である。

Barbara Fredrickson は2001年の American Psychologist で 「Broaden-and-Build Theory of Positive Emotions」 を提示した6。喜び・興味・満足・愛などのポジティブ感情は、瞬間的な思考–行動レパートリーを 「拡張（broaden）」 し、それが時間をかけて身体的・知的・社会的・心理的リソースを 「形成（build）」 する。これは 感情 であり、現実を直視した上で湧き起こるものだ。

Martin Seligman の PERMA モデル13 も同じ立場を取る。ウェルビーイングは Positive Emotion / Engagement / Relationships / Meaning / Accomplishment の5要素から成り、Positive Emotion は1要素にすぎない。Seligman は 「Realistic Optimism」 を提唱し、現実否認の楽観（Pollyannaism）と区別している。

問題は、組織で奨励される「ポジティブシンキング」がしばしば 「ネガティブな現実を見ないことにする思考」 になっていることだ。これは Fredrickson のポジティブエモーションとも Seligman の Realistic Optimism とも違う。むしろ 逆効果 であることが実証されている。

Gabriele Oettingen は2014年の “Rethinking Positive Thinking” と一連の査読論文（Oettingen & Mayer 2002, JPSP）で14、ポジティブ・ファンタジー（望ましい未来をすでに達成したかのように心地よく想像すること）は、エネルギーと努力を 減らし、実際の達成を 阻害する ことを20年の実験で示した。肥満減量・就職・恋愛・学業すべての領域で再現されている。代わりに彼女が提唱するのは WOOP（Wish→Outcome→Obstacle→Plan） で、ここでは 障害（Obstacle）を直視する ことが組み込まれている。

Julie Norem と Nancy Cantor は1986年の JPSP で 「防衛的悲観主義（Defensive Pessimism）」 を報告した15。実際には能力が高くても不安傾向の高い人々の中には、敢えて低い期待を設定し、起こりうる悪い結果を詳細にシミュレートすることで不安を動機づけに変換し、実際のパフォーマンスを高めるタイプがいる。実験で 強制的にポジティブにさせると、彼らの成績は悪化 した。「ネガティブを禁じる」ことが逆に成果を下げる現象が再現されている。

近年の Toxic Positivity 研究も同じ方向だ。Sonia（2025）16 は、職場・SNS・家族関係で強要される “good vibes only” が 感情抑圧→心理的苦痛増大→バーンアウト を生むと統合レビューしている。Kaunang ら（2025）17 は職場での過剰ポジティブが「真正な感情表現の場を奪い、ストレス・燃え尽き・抑うつ・感情的孤立のリスクを高める」と報告した。

つまり、ネガティブな思考や感情を抑圧する組織は、学習機会と動機づけと現実適応力を同時に失っている。Charlan Nemeth が一連の dissent 研究で示したように18、コンセンサス志向は意思決定をバイアスと凡庸に追い込み、反対意見こそが組織を真実に近づける。

補足：AI への指示にも同じ構造がある

本筋から少し外れるが触れておくと、このポジティブ／ネガティブのバランス問題は AI へのコンテキスト設計 にもそのまま当てはまる。「うちのプロダクトは順調で、機能はよく使われている」といったポジティブな情報だけを AI に渡し、過去の失敗・現在の弱み・避けるべき地雷・直近の苦情といったネガティブ情報を渡さなければ、AI は 現実から乖離した最適化案 を返してくる。Anthropic が Context Engineering の核として置く「最小限の高シグナルなトークン集合」19 は、シグナルにポジティブもネガティブも両方含むことを前提にしている。組織がネガティブを抑圧する文化なら、AI に渡すコンテキストもポジティブに偏り、AI の出力もそれに引きずられる——これは「組織のポジティブ偏重が AI 活用 ROI まで引き下げる」経路の一つだ。

この罠から抜けるには

ネガティブを排除した組織は、レベル -1（問題認識）を共有できない。だから根源コンテキスト（レベル 0）の整備にも進めない。だから AI 活用も含めた変革施策が空回りする。

ここから抜ける鍵は、「ネガティブな指摘」を「ポジティブな組織行動」と再定義する ことだ：

  • 問題を指摘することは、組織への忠誠であって攻撃ではない
  • 失敗を直視することは、敗北ではなく学習の入口である
  • 異論を出すことは、和を乱すのではなく集合知を作る
  • 不安を語ることは、弱さではなく動機づけの源泉になる（Defensive Pessimism）

これは精神論ではなく、組織心理学・学習心理学が一貫して示してきた知見だ。Edmondson が言うように、心理的安全性の高いチームは 「より多くのエラーを報告する（隠さないため）」 9。ネガティブな声が大きい組織のほうが、実は健全な状態に近い。

「補填する個人」と「共有しない文化」の悪循環

ただし現実には、コンテキスト共有が弱い組織でも、AI を使いこなせている人は確かに存在する。彼らはどういう人か——観察すると共通点が見える。普段から能動的にコンテキストを集めている タイプだ。

具体的には：

  • 業務文書だけでなく、Slack 過去ログ・他チームの動き・業界情報を能動的に取りに行く
  • 「察する」だけでなく 「確認する」 習慣がある（雑談で背景を引き出し、決定の理由を遡って聞く）
  • 4階層（問題認識・根源・背景・個別タスク）を自力で再構成する力がある
  • AI に渡すコンテキストも、自分の頭の中に既にある材料から自然に組み立てられる

この「5層のコンテキスト（技術／ユーザー／ビジネス／組織／市場・社会）を個人が頭の中で再構成している」状態については、姉妹記事「ITエンジニアが認識すべき5層のコンテキスト」で個人視点から論じている。

つまり彼らは、組織が供給しない情報を 個人として補填 している。だから組織のコンテキスト共有文化が弱くても、AI を使いこなせる。

双方向の悪循環

問題はここから先だ。「補填する個人」と「共有しない文化」は、双方向に強化し合う悪循環 を作る。

flowchart TB
    A[コンテキスト共有文化が低い]
    B[組織が必要な情報を供給しない]
    C[補填力の高い個人が自力で集める]
    D[その個人に組織知識が集中する]
    E[属人化が進む<br>組織知識の42%が個人固有]
    F[「あの人に聞けば早い」依存が深まる]
    G[共有する動機がさらに弱くなる]
    A --> B --> C --> D --> E --> F --> G --> A

Panopto が2018年に YouGov との共同で米国の200名超企業の従業員1,001人を調査した結果、組織知識の42%が個人固有で共有されておらず、その人が辞めると42%の業務が遂行不能 になると報告された20。これは悪循環の到達点を示す数字だ。

経営から見えにくい脆さ

厄介なのは、経営から見ると属人化が短期的には「優秀な人がいる」状態に見える ことだ。その人がアウトプットを出している間は、組織の脆さは可視化されない。

加えて、補填している当人にも共有する動機が弱い。「察する力」と「気が利く」ことで評価されているなら、共有して属人性を消すと相対的な評価が下がる懸念がある。組織側にも「あの人がいるから大丈夫」という安心感があり、投資判断は後回しになる。両者の利害が一致して、属人化は静かに固定化していく。

そして退職・休職・異動で一気に崩れる。AI 活用についても同じで、補填型の個人が組織を去れば、AI を使いこなせる文脈そのものが失われる。

個人の補填力と組織の供給力は補完関係

組織のコンテキスト供給能力の整備は、補填する個人を不要にする話ではない。彼らは引き続き組織にとって貴重な存在だ。整備の本質は、彼らに過剰に依存する脆さを和らげ、彼らの補填コストを下げ、彼らがいなくても組織が機能するようにする ことだ。個人の補填力と組織の供給力は補完関係にあり、片輪だけでは持続しない。

言語化は組織能力である

「コンテキストを言語化する」のは個人スキルに見えて、実は組織能力でもある。前節で論じた「補填する個人」も、組織能力が低いから個人で補填せざるを得なくなっている、と読み替えられる。

野中郁次郎と竹内弘高の『The Knowledge-Creating Company』（1995, Oxford University Press）21 は、知識を 暗黙知（tacit knowledge） と 形式知（explicit knowledge） に区別し、SECI モデル（Socialization → Externalization → Combination → Internalization）を提示した。組織の知識創造の中核は Externalization（暗黙知の形式知化） にある。Externalization が弱い組織は、知識を頭の中・口伝・空気に依存したまま運用することになる。

この「コンテキスト依存度」を文化軸で論じたのが Edward T. Hall の『Beyond Culture』（1976）22 だ。高コンテキスト文化 は意味が共有された文脈・非言語・関係性に埋め込まれ、明示的な言語化が少ない。日本・東アジアは高コンテキスト寄りに位置づけられる。これは強い文脈共有がある間は効率的に機能するが、リモート・多文化・新人受け入れ・外注・AI ツール——どれも「文脈共有を前提にできない相手」の登場で急に伝達コストが跳ね上がる。

Ron Westrum は2004年の Quality and Safety in Health Care で23、組織文化を 病理的（情報を握りつぶす）／官僚的（無視）／生成的（情報が積極的に求められる） の3類型に分類した（個人が認識すべき第4層の組織コンテキストとして姉妹記事でも触れたが、本記事ではパフォーマンス予測因子として深掘りする）。Forsgren, Humble, Kim による『Accelerate』（2018）24 は4年間・23,000件超の回答を統計分析し、Westrum の生成的文化が高パフォーマンスのソフトウェアデリバリーの予測因子 であることを示した。DORA の2024年版レポートは、「不安定な優先順位は生産性を著しく低下させ、強いリーダーシップや充実したドキュメントでも緩和困難」 と報告している25。

そして DORA 2025 はこれらをまとめて言語化した：「AI は増幅器であり、組織の既存の強みと弱みを増幅する」4。

整備すべき「人間同士の Context Engineering」

AI への指示で広まった Context Engineering1926 という言葉は、本質的には人間同士の対話にも当てはまる。Anthropic は Context Engineering を「LLM 推論時に最適なトークンセット（情報）をキュレートし維持する戦略群」と定義したが、これを組織に翻訳すると、「人が判断・行動するために最適な情報セットを供給し維持する組織能力」 となる。レベル 2（個別タスク）で整えるべき要素は次の通りだ。

指示する側（上司・依頼者）が供給すべき要素

要素不足したときの症状
背景・なぜいま部下が優先度を判断できず、緊急でない仕事に時間をかける
目的・ゴールアウトプットが手段化し、本来の目的とズレる
成功条件・完了定義「これで完了？」の確認往復が増え、リワークが発生
制約・前提守るべき制約を破った設計が出てきて、後で大きな手戻り
判断権限の境界部下が決めていいことまで上司に聞きにくる、または逆に勝手に決めて衝突
関係者・ステークホルダー影響を受ける人への根回し漏れで、後から反発が出る
優先順位「全部大事」状態になり、結局どれも仕上がらない

報告する側（部下・実行者）が供給すべき要素

要素不足したときの症状
事実（進捗・障害・現状）上司が状況を把握できず、最後の最後で炎上が露呈
自分の判断と理由上司は判断の質を評価できず、マイクロマネジメントに走る
必要な意思決定部下が止まり、上司は「何が必要か」を聞き出すのに時間を使う
期限への影響遅延が遅延として共有されず、関係者の計画が連鎖崩壊
決められない論点部下が抱え込み、決定がボトルネック化する

これらは AI への指示と構造的に同型だ。AI のシステムプロンプト＝役割と背景の最初の合意。AI に渡すコードベース＝把握すべき業務文脈。AI へのツール定義＝判断権限の境界。AI への出力フォーマット指定＝報告フォーマット。レベル 2 が整っている組織は、AI 相手にも自然にコンテキストを渡せる。整っていない組織は、人にも AI にも察してもらおうとして失敗する。

ただし繰り返すが、レベル 2 だけ整えても下の層（-1, 0, 1）が空白なら効果は限定的だ。

副次効果：リモート対応・新人立ち上げ・退職時の知識喪失防止

組織のコンテキスト供給能力を整える ROI は、AI 活用以前にすでに巨大だ。

知識共有不全のコスト

Panopto の調査によれば、大企業（平均17,700名）は非効率な知識共有で年間4,700万ドル損失（生産性損失4,250万＋非効率なオンボーディング450万）20。さらに：

  • 知識労働者は週平均5.3時間を「同僚からの情報待ち」または「既存知識の再構築」に浪費
  • 81%が必要な情報を得られず frustration を感じている

これは AI 以前からの組織コストだ。コンテキストを言語化・文書化する組織能力は、このコストを直接削減する。

オンボーディング期間の短縮

SHRM Foundation の Effective Practice Guideline（Talya Bauer 著）27 は、オンボーディング平均コストを約4,100ドル/人、ramp-up 期間を1〜6ヶ月、その間の生産性損失を年間総生産の約2.5%と試算している。構造化オンボーディング（つまり文書化されたコンテキスト供給）は成熟までの時間を最大50%短縮 する。Brandon Hall Group / Glassdoor の調査では、強力な構造化オンボーディングは 新規採用者の定着率を82%、生産性を70%以上向上 させると報告されている28。

リモート・非同期文化のインフラ

GitLab は handbook-first を公式哲学として掲げ、すべての方針・プロセス・意思決定をまず公開ハンドブックに書き、Slack や会議は補助という位置づけで運用している29。Matt Mullenweg（Automattic / WordPress.com 共同創業者）は2020年の記事「Distributed Work’s Five Levels of Autonomy」30 で分散勤務を5段階に分け、Level 3 で「会議を置き換える堅牢な非同期プロセスと書面コミュニケーションへの投資」が始まり、Level 4 で「いつ・どう作ったかではなく、何を生み出したかで人を評価する」真の非同期運用に到達すると説明した。

Stripe の文書化文化も参考になる。元社員の Brie Wolfson は First Round の取材で、Stripe ではプロジェクトキックオフメモ、retrospectives 用 Google Group、”state” メール、shipped/unshipped カタログなど具体的な仕組みで書面文化を維持していると証言している31。Pragmatic Engineer の取材記事に出てくる Stripe CTO の引用が、書面文化の本質を言い当てている：「明確で精密な書面でアイデアを伝えるために追加で時間を投資すれば、書く側より読む側が圧倒的に多いため、不釣合いな成果が得られる」 32。

これらは AI 活用とは別の文脈で価値があるが、整えれば自動的に AI 活用の前提条件にもなる。

副産物としての AI 活用

ここまで整えた組織は、AI ツールを入れると自然に成果が出る。なぜか。

BCG の2024年調査でリーダー企業（4%の高成果群）が示した資源配分ルールは明確だ：10%アルゴリズム／20%技術・データ／70%人材・プロセス1。McKinsey も AI インパクトを「20%がアルゴリズム、80%が組織再設計」と整理した3。プロンプト研修やツール選定は「20%の側」の話であり、ここに大半の予算と時間を投じても残りの80%（組織側のコンテキスト供給能力）が貧弱なままなら ROI は伸びない。

一方、組織のコンテキスト供給能力が整った組織は：

  • AI への指示が自然と4階層のコンテキストを含む（人への指示で同じことをしているから）
  • AI 出力の評価基準が明確（部下のアウトプットを評価する判断軸が言語化されているから）
  • 失敗事例が組織知として蓄積される（Westrum 生成的文化が情報流通を促すから）
  • AI に渡すドキュメントがすでに存在する（CLAUDE.md / AGENTS.md / handbook）
  • 特定の補填する個人に依存しない（コンテキストが組織に蓄積されているから）

DORA 2025 の表現を借りれば、整った組織にとって AI は能力を増幅する道具になり、整っていない組織にとって AI は混乱を増幅する道具になる4。整っていない組織の AI 活用は、補填する個人の存在に依存した、脆い表面的成功に留まる。

逆方向の補強もある。組織のコンテキスト供給能力を整える過程で、AI そのものをツールとして活用できる。CLAUDE.md / AGENTS.md / プロンプトテンプレートを書くことは、そのまま組織のオンボーディング文書になる。新人説明用に書いた背景文書が、AI に渡す system prompt として機能する。「AI のための文書化」と「人のための文書化」を分ける必要はなく、両者は同じものになる。

段階的アプローチ：レベル -1 から始める

整備は大規模変革プロジェクトにする必要はない。だが順序が決定的に重要だ。レベル 2 の研修やツール導入から始めても、下の層が空白なら効果は出ない。下から積み上げる。

ステップ1：レベル -1 を機能させる ─ ネガティブを歓迎する文化

最初にやるべきは、問題指摘を歓迎する文化的シフトだ。これがないと、後続のステップで集めようとする情報が出てこない。具体的には：

  • retro / postmortem を制度化 する。失敗・問題を吊し上げではなく学習の入口として扱う
  • 無責任の原則（blameless culture） を明示する。「誰が悪い」ではなく「何が起きたか／何を変えるか」だけ議論する
  • 経営層・マネージャーが 率先して自分の失敗を言語化 する（Edmondson の心理的安全性9 を体現する）
  • 「ネガティブな指摘」をしてくれた人を 公の場で感謝・評価 する（評価制度に組み込む）
  • ポジティブシンキングではなく ポジティブエモーション を育む。Defensive Pessimism15 や WOOP14 のように、不安・障害を直視する思考も歓迎する

副次効果：問題が早く可視化される／補填する個人の暗黙知も自然に共有されるようになる。

ステップ2：レベル 0・1 を整える ─ 根源と背景の共有

問題が共有される空気ができれば、根源コンテキストの整備も始められる。

  • All-hands、戦略レビュー、四半期レビューで 会社の収益モデル・KPI・顧客像 を繰り返し共有する
  • プロジェクト Pitch ドキュメント／ADR（Architecture Decision Records） をテンプレ化し、「なぜやるのか／なぜこの選択か」を残す
  • 過去のプロジェクトの retro を 検索可能な形 で蓄積する

副次効果：新人オンボーディング期間の短縮／部門横断コラボの摩擦軽減。

ステップ3：レベル 2 を整える ─ 指示と報告のテンプレ化

ここでようやく、現場マネージャーレベルでの指示・報告の質に取り組める。

  • 来週の指示・依頼から、上司側7要素（背景／目的／成功条件／制約／判断権限／関係者／優先順位）を意識して言語化する
  • 部下からの報告について「事実／自分の判断と理由／必要な意思決定／期限影響／決められない論点」を含むテンプレを軽く決める
  • 「あの人に聞けば早い」と言われている人の頭の中を、本人の協力を得て少しずつ言語化する。1on1 で「最近聞かれた質問は何でしたか？それをドキュメントにできますか？」と聞くだけでも、属人化していた知識が組織に移っていく

副次効果：部下からの確認往復が減る／AI への指示も同じ要素を入れられるようになる／補填する個人への過剰依存が緩和される。

ステップ4：書いたものを再利用して AI に流す

ステップ1〜3で蓄積されたコンテキストを、捨てずに集約する。Wiki でも README でも CLAUDE.md でも構わない。AI 活用は このステップに自然に到達する。新人オンボーディング資料・退職時の引き継ぎ資料・AI への入力資料は、同じものになる。

留保：すべてが言語化問題ではない

AI 活用の停滞をすべて「組織のコンテキスト供給能力の不足」で説明するのは単純化しすぎだ。本記事の主張は、それが唯一の原因だではなく、見落とされやすく投資対効果が高い必要条件であるというものだ。

経営コミット・ライセンス・データ整備・モデル選定・セキュリティ・規制対応——AI 活用には他にも要因がある。だがこれらは比較的議論されている。一方、組織のコンテキスト供給能力、特にレベル -1（問題認識）の機能不全は、議論の俎上にすら上がりにくい。普段から見えているコストではないため、整備しても「目に見える数字が出にくい」と思われがちだ。

実際は、Panopto の年間4,700万ドルの知識共有不全コスト20、SHRM のオンボーディング2.5%生産性損失27、BCG の「リーダー企業は70%を人材・プロセスに投じる」1——どれもこの能力に投資する根拠になる。AI 活用 ROI はその上に乗る副産物として位置付けると、投資判断のロジックが立ちやすい。

また、「ネガティブを歓迎する」を「ネガティブを垂れ流す」と取り違えない ことも重要だ。Defensive Pessimism も WOOP も、ネガティブを 建設的に使う 思考様式であって、悲観や愚痴を奨励する話ではない。同様に、文書化を強要して全員に書かせるのも逆効果になる。完璧主義に陥らず、「AI に渡せる粒度」「新人に渡せる粒度」で要点を残すという現実的な水準で始めるのが続けるコツだ。「補填する個人」を悪者にしない、彼らの暗黙知を尊重しつつ少しずつ移していく姿勢も同様に重要だ。

まとめ

  • AI 活用の停滞は、AI 能力の問題ではなく 組織のコンテキスト供給能力 の問題であることが多い。BCG調査で 74%が AI から価値を出せていない1、MIT NANDA で GenAI 投資の95%が測定可能リターンなし2、McKinsey で AI インパクトの 80%は組織再設計3、DORA 2025 は 「AI は増幅器」 と総括4
  • 組織が共有すべきコンテキストは 4階層（レベル -1：問題認識／レベル 0：根源／レベル 1：背景／レベル 2：個別タスク）。多くの組織はレベル -1 とレベル 0 で止まっており、レベル 2（指示の出し方）だけ整えても効果は限定的
  • レベル -1 が機能しない真の理由は 組織沈黙5 と ポジティブシンキングの罠。ネガティブな指摘が抑圧される文化（Mum 効果10、内部告発者への報復11、安心社会12）と、Realistic Optimism と区別されない楽観強要（Toxic Positivity1617、ポジティブ・ファンタジーの達成阻害14、Defensive Pessimism の妨害15）が組み合わさって、組織は問題から逃げ続ける
  • ポジティブシンキング（認知）とポジティブエモーション（感情）は別物。Fredrickson6 / Seligman13 が示す 本物のポジティブエモーションは現実直視の上に成り立つ
  • 「補填する個人」は組織のコンテキスト供給力が低くても AI を使いこなすが、属人化と双方向悪循環を生み、組織知識の42%が個人固有20 という到達点に至る
  • 副次効果：知識共有不全コスト年間4,700万ドル削減20、オンボーディング成熟時間最大50%短縮27、定着率82%向上28、リモート・非同期インフラ29303132——AI 活用 ROI はその上に乗る
  • 段階的アプローチ：(1) ネガティブを歓迎する文化／(2) 根源・背景の共有／(3) 指示と報告のテンプレ化／(4) 書いたものを AI に流す。順序を逆にするほど効果が薄くなる

順序が大事だ。「AI を入れて生産性を上げよう」ではなく、「ネガティブを歓迎する文化を作り、組織のコンテキスト供給能力を整えれば、その副産物として AI 活用も加速する」。整えなければ、AI への投資はそのまま組織の混乱を増幅し、補填する個人の双肩に依存した脆い表面的成功に終わる。整えれば、AI 投資の ROI は素直に伸び、それ以前にリモート対応・新人立ち上げ・退職時の知識喪失防止という大きなリターンが先に手に入る。個人の補填力と組織の供給力は補完関係 にあり、片輪だけでは持続しない。そして両輪が回るためには、最初に 「問題を語っていい」という空気 が必要なのだ。

関連記事

このテーマに関連する他の記事もご覧ください：

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。

  1. AI Adoption in 2024: 74% of Companies Struggle to Achieve and Scale Value / Where’s the Value in AI? - Boston Consulting Group (2024-10). 20業種・59カ国・1,000人のCxO調査。74%が価値を出せず、4%のみ全社的価値実現。リーダー企業の資源配分は10%アルゴリズム／20%技術・データ／70%人材・プロセス。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3 ↩︎4

  2. The GenAI Divide: State of AI in Business 2025 - MIT Project NANDA (2025-08). 企業のGenAI投資300〜400億ドルに対し95%が測定可能リターンなし。障壁は「インフラ・規制・人材ではなく、学習＝フィードバックを保持・コンテキストに適応・改善する仕組み不足」。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  3. The State of AI 2025: Agents, innovation, and transformation - McKinsey & Company / QuantumBlack (2025-11). 88%がAI使用、AIハイパフォーマー（5%以上のEBIT寄与）はわずか約6%、AIインパクトは「20%がアルゴリズム、80%が組織再設計」。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  4. 2025 DORA State of AI-Assisted Software Development Report - Google Cloud / DORA (2025). 「AIは増幅器であり、組織の既存の強みと弱みを増幅する」。AI投資のリターンは技術より基盤となる組織実践（社会技術システム）の強化に依存。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3 ↩︎4

  5. Organizational Silence: A Barrier to Change and Development in a Pluralistic World - Elizabeth W. Morrison, Frances J. Milliken, Academy of Management Review, vol. 25, no. 4 (2000). DOI: 10.5465/AMR.2000.3707697。組織沈黙の理論化。経営層の暗黙の信念と組織構造が「声を上げるのは危険」という共有認識を生む。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  6. The Role of Positive Emotions in Positive Psychology: The Broaden-and-Build Theory of Positive Emotions - Barbara L. Fredrickson, American Psychologist, vol. 56, no. 3 (2001). DOI: 10.1037/0003-066X.56.3.218。ポジティブ感情は思考–行動レパートリーを拡張し、リソースを形成する。認知的「ポジティブシンキング」とは別レベルの構成概念。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  7. 2025 Developer Survey - AI - Stack Overflow (2025). 49,000人・177カ国。84%がAIツール利用または利用予定、高信頼3.1%、不信感46%（前年31%から急増）。最大の不満は「ほぼ正解だが完全には正しくないAIの回答」。【信頼性: 高】 ↩︎

  8. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity - METR (2025-07-10). arXiv:2507.09089. 経験豊富な16人の開発者・246件の実イシューでのRCT。AI使用許可下では完了時間が19%増加（信頼区間 +2%〜+39%）。【信頼性: 高】 ↩︎

  9. Psychological Safety and Learning Behavior in Work Teams - Amy C. Edmondson, Administrative Science Quarterly, vol. 44, no. 2 (1999). DOI: 10.2307/2666999。心理的安全性が学習行動を活発化、心理的安全性が高いチームほど「エラーを多く報告する（隠さないため）」。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  10. On the reluctance to communicate bad news (the MUM effect): A role play extension - Tesser, Rosen, Tesser, Journal of Personality, vol. 40, no. 1 (1972). DOI: 10.1111/j.1467-6494.1972.tb00651.x。Mum効果。罪悪感・報復恐怖・ネガティブ評価懸念が悪い知らせの伝達を抑制。半世紀以上の追試で再現。【信頼性: 高】 ↩︎ ↩︎2

  11. Mental Health as a Weapon: Whistleblower Retaliation and Normative Violence - Kate Kenny, Marianna Fotaki, Stacey Scriver, Journal of Business Ethics, vol. 160, no. 3 (2019). DOI: 10.1007/s10551-018-3868-4。組織が告発者を「精神的に不安定な人物」と位置付けることで告発を無効化する規範的暴力。【信頼性: 高】 ↩︎ ↩︎2

  12. Trust and Commitment in the United States and Japan - Toshio Yamagishi, Midori Yamagishi, Motivation and Emotion, vol. 18, no. 2 (1994). DOI: 10.1007/BF02249397。日本社会の「集団主義で高信頼」通説を実験で否定。閉ざされた集団内の相互監視と評判による制裁が秩序を保つ「安心社会」を作り、自発的な異議申し立てが育たない。【信頼性: 高】 ↩︎ ↩︎2

  13. Flourish: A Visionary New Understanding of Happiness and Well-being - Martin E. P. Seligman, Free Press / Simon & Schuster (2011). ISBN: 9781439190760。PERMA モデル（Positive Emotion / Engagement / Relationships / Meaning / Accomplishment）と Realistic Optimism。現実否認の楽観（Pollyannaism）とは区別。【信頼性: 高】 ↩︎ ↩︎2

  14. Rethinking Positive Thinking: Inside the New Science of Motivation - Gabriele Oettingen, Current / Penguin Random House (2014). ISBN: 9781617230233。裏付け実証論文：Oettingen & Mayer (2002) JPSP 83(5). ポジティブ・ファンタジーは達成を阻害する。代替手段としてWOOP（Wish→Outcome→Obstacle→Plan）。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  15. Defensive Pessimism: Harnessing Anxiety as Motivation - Julie K. Norem, Nancy Cantor, Journal of Personality and Social Psychology, vol. 51, no. 6 (1986). DOI: 10.1037/0022-3514.51.6.1208。防衛的悲観主義者は敢えて低い期待を設定し、悪い結果をシミュレートして不安を動機づけに変換。強制的にポジティブにさせると成績が悪化。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  16. The Dark Side of Positivity: How Toxic Positivity Contributes to Emotional Suppression and Mental Health Struggles - Sonia, The International Journal of Indian Psychology, vol. 13, no. 2 (2025). DOI: 10.25215/1302.104。職場・SNS・家族関係でのgood vibes only強要が感情抑圧→心理的苦痛→バーンアウトを生む。【信頼性: 中】 ↩︎ ↩︎2

  17. Analysis of Toxic Positivity Behavior and Its Impact on Individual Mental Health in the Workplace - Kaunang et al., Journal of the American Institute, vol. 2, no. 5 (2025). DOI: 10.71364/9rkkkh61。職場の過剰ポジティブが真正な感情表現の場を奪い、ストレス・燃え尽き・抑うつを高める。【信頼性: 中】 ↩︎ ↩︎2

  18. In Defense of Troublemakers: The Power of Dissent in Life and Business - Charlan Jeanne Nemeth, Basic Books (2018). ISBN: 9780465096299。コンセンサス志向はバイアス・凡庸・誤謬を生む。少数派の異論は正しくても間違っていてもグループを真実に近づける。【信頼性: 中〜高】 ↩︎

  19. Effective context engineering for AI agents - Anthropic Engineering (2025-09-29). LLM 推論時に最適なトークンセット（情報）をキュレートし維持する戦略群。【信頼性: 高】 ↩︎ ↩︎2

  20. Inefficient Knowledge Sharing Costs Large Businesses $47 Million Per Year - Panopto + YouGov (2018-07). 米国200名超企業1,001人調査。大企業（平均17,700名）は年間4,700万ドル損失。週5.3時間が情報待ち、組織知識の42%が個人固有、81%が必要情報を得られず frustration。【信頼性: 中〜高】 ↩︎ ↩︎2 ↩︎3 ↩︎4 ↩︎5

  21. The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation - Ikujiro Nonaka, Hirotaka Takeuchi, Oxford University Press (1995). ISBN: 978-0195092691。暗黙知／形式知の区別とSECIモデル（Socialization → Externalization → Combination → Internalization）。【信頼性: 高】 ↩︎

  22. Beyond Culture - Edward T. Hall, Anchor Books / Doubleday (1976). ISBN: 978-0385124744。高コンテキスト文化／低コンテキスト文化の概念を確立。【信頼性: 高】 ↩︎

  23. A typology of organisational cultures - Ron Westrum, Quality and Safety in Health Care, vol. 13, Suppl 2 (2004). DOI: 10.1136/qshc.2003.009522。組織文化を病理的・官僚的・生成的の3類型に分類。【信頼性: 高】 ↩︎

  24. Accelerate: The Science of Lean Software and DevOps - Nicole Forsgren, Jez Humble, Gene Kim, IT Revolution Press (2018). ISBN: 978-1942788331。23,000件超の調査データ分析。Westrum生成的文化が高パフォーマンス・ソフトウェアデリバリーの予測因子。【信頼性: 高】 ↩︎

  25. 2024 Accelerate State of DevOps Report - Google Cloud / DORA (2024). 不安定な優先順位は生産性を著しく低下、強いリーダーシップやドキュメントでも緩和困難。【信頼性: 高】 ↩︎

  26. Context Engineering for Coding Agents - Birgitta Böckeler, martinfowler.com (2026-02-05). コーディングエージェント向けコンテキストの4分類と「確実性の幻想」への警告。【信頼性: 中〜高】 ↩︎

  27. Onboarding New Employees: Maximizing Success - Talya N. Bauer, SHRM Foundation Effective Practice Guideline. オンボーディング平均約4,100ドル/人、ramp-up 1〜6ヶ月、生産性損失年間2.5%。構造化オンボーディングで成熟時間最大50%短縮。【信頼性: 高】 ↩︎ ↩︎2 ↩︎3

  28. Unlocking the Power of Onboarding to Aid Employee Retention - Brandon Hall Group (2015、Glassdoor委託調査). 強力な構造化オンボーディングは定着率を82%、生産性を70%以上向上。【信頼性: 中〜高】 ↩︎ ↩︎2

  29. The importance of a handbook-first approach to communication - GitLab Inc. (継続更新). すべての方針・プロセス・意思決定をまず公開ハンドブックに書く handbook-first 哲学。【信頼性: 高】 ↩︎ ↩︎2

  30. Distributed Work’s Five Levels of Autonomy - Matt Mullenweg, ma.tt (2020-04). 分散勤務を5段階で定義。Level 3 で書面・非同期コミュニケーションへの投資、Level 4 で「いつ・どう作ったかではなく、何を生み出したかで人を評価する」非同期運用に到達。【信頼性: 高】 ↩︎ ↩︎2

  31. From kickoffs to retros and Slack channels — Stripe’s documentation best practices with Brie Wolfson - First Round Review (2023). 元 Stripe 社員 Brie Wolfson の証言。プロジェクトキックオフメモ／retrospectives Google Group／”state” メール／shipped/unshipped カタログなどの仕組み。【信頼性: 高】 ↩︎ ↩︎2

  32. Inside Stripe’s Engineering Culture, Part 2 - Gergely Orosz, The Pragmatic Engineer (2024). Stripe 内部の “Trailhead” ドキュメントポータルや書面文化の取材記事。CTO 引用：「明確で精密な書面でアイデアを伝えるために追加で時間を投資すれば、書く側より読む側が圧倒的に多いため不釣合いな成果が得られる」。【信頼性: 中〜高】 ↩︎ ↩︎2

マネジメント・組織
組織開発 ナレッジマネジメント コミュニケーション Context Engineering 組織沈黙 ポジティブシンキング
This post is licensed under CC BY 4.0 by the author.