組織行動科学®を企業へ提供するリクエスト株式会社（本社：東京都新宿区、代表取締役：甲畑智康）は、33.8万人・980社の働く人の行動観察をもとに、AI時代に成果を出す上位1%の人の特徴について、新たな調査結果を整理しました。 ※ 本調査結果の図解資料集は、本リリース下部よりダウンロードできます。 今回の調査から見えてきたのは、生成AIを詳しく操作できるかどうかだけでは、成果差を説明しきれないということです。生成AIによって、文章作成、要約、比較、資料化、図解、アイデア出しなどのHow＝手段は、短時間で生成しやすくなりました。 一方で、正解がない仕事、正解が一つではない仕事では、何を目的にするのか、なぜそれが必要なのか、誰のどの状態を変えるのかというWhat＝目的とWhy＝背景がなければ、AIの出力は成果につながりにくくなります。 33.8万人・980社の行動観察の中で、仕事を前に進める上位1%に見えはじめていたのは、AIに詳しいことそのものではありませんでした。現場や相手との関わりの中で得た事実から、背景にある前提や因果関係を読み取り、まだ言葉になっていない困りごとや価値を見つけ、それを目的として描き、AIに渡せる言葉にしていることです。 今回の調査結果では、AI時代に働く人の価値が、作業をこなす力から、経験から得た事実を目的と背景に変える力へ移り始めている兆候を整理します。 調査結果の要点 本調査では、33.8万人・980社の行動観察・分析から、上位1%に共通する兆候として、次の5点を整理しました。 ① 生成AIによって、How＝手段は短時間で生成しやすくなった 文章、資料、要約、比較、図解、案出しなどは、AIによって一定以上の品質で速く作れるようになっています。 ② 成果差は、AIを使う場面ではなく「AIに入れる前」に移り始めている AIに何を頼むかより前に、何のために頼むのか、誰のどの状態を変えるのか、どの事実を背景にするのかが成果を左右します。 ③ 正解がない仕事・正解が一つではない仕事では、What＝目的とWhy＝背景が必要になる 選択肢が複数ある仕事、問いそのものがまだ決まっていない仕事では、AIが出した手段を選ぶ基準を人間がつくる必要があります。 ④ 上位1%は、経験をそのまま使うのではなく、経験から得た事実を目的と背景に変えている 現場で見たこと、相手と話したこと、違和感、判断、失敗、反応を、AIに渡せる言葉に変えています。 ⑤ 企業に必要なのは、AI研修だけではなく「必要経験設計」である AIに渡す目的と背景をつくる経験を、仕事の中で意図的に増やす必要があります。 本リリースでいう「上位1%」とは 本リリースでいう「上位1%」とは、AI操作に詳しい人の順位ではありません。 33.8万人・980社の行動観察において、確認の往復が少ない、手戻りが少ない、相手の判断を前に進める、曖昧な仕事を形にする、周囲の行動を動かすといった観点から、仕事を前に進める行動が特に強く観察された層を指します。 この層に共通していたのは、作業の速さだけではありませんでした。作業に入る前に、何を見て、誰と対話し、どの事実を確認し、何を目的にすべきかを見立てる行動でした。 背景：生成AIによって、How＝手段は生成しやすくなった 生成AIは、How＝手段を短時間で生み出します。文章を整える。資料を分かりやすくする。情報を要約する。比較表をつくる。論点を整理する。図解案を出す。メール文面を整える。提案のたたき台をつくる。これらは、以前よりも速く、一定以上の高品質で実行しやすくなりました。 しかし、作業が速くなることと、成果が出ることは同じではありません。AIで作業時間が短くなっても、その時間が現在の仕事の追加改善へ戻るだけであれば、新しい価値を生む仕事へは移りません。AIが生むのは、まず「作業余力」です。その余力が「戦略余力」になるためには、組織が目的・役割・責任・評価・人の動かし方を設計し直す必要があります。 今回の調査結果では、そのさらに上流にある問いを扱います。 そもそも、その余力を何の目的に向けるのか。 その目的を、誰が、どの事実から描くのか。 ここに、AI時代の新しい成果差が生まれ始めています。 調査結果1：成果差は「AIに入れる前」に移り始めている これまでの成果差は、資料をどれだけ早く正確に作れるか、文章をどれだけ分かりやすく書けるか、報告をどれだけ正確にまとめられるかに表れやすい場面がありました。 しかし、生成AIによってHowが生成しやすくなると、成果差は次の問いに移ります。 何を作るべきか 誰のために作るべきか どの判断を前に進めるために作るのか 相手がまだ言葉にできていない困りごとは何か 背景には、どの事実・前提・因果関