Algorithmic isomorphism and the barrier cascade: Evaluating human and organizational obstacles to artificial- intelligence adoption in workforce systems

現代の職場において、人工知能（AI）の到来は、古いコンピュータをより高速なものに交換するような、単なるアップグレードとして扱われがちである。しかし、多くの組織にとって、この移行はスムーズなアップグレードというよりも、むしろつまずきのように感じられる。核心的な問題は、テクノロジーが機能しないことではなく、その周囲にある人間や組織のシステムが、それをどう使いこなすべきかを知らないことにある。この緊張感は、人々がいかに協力して働くか、そしてリーダーがいかに人々を導くかを研究する分野である、経営学と心理学の交差点に位置している。企業が新しいAIツールを採用しようとする際、複雑な障害の網に直面することになる。従業員は新しいシステムに対してストレスや不信感を抱く可能性があり、マネージャーはデータを解釈するスキルを欠いているかもしれず、企業の文化は変化に抵抗するかもしれない。長年、研究者たちはこれらの問題を一つずつリストアップし、個別に解決すべき別々の問題として扱ってきた。しかし、ある新しい研究は、これらの障害は孤立したものではなく、深く結びついており、ある問題が実際には他の問題を引き起こすという連鎖反応を形成していることを示唆している。

イスタンブール・メディポル大学の研究チームは、この隠れた構造を明らかにしようとした。彼らはまず、組織がいかにデジタルおよび人工知能ツールを採用するかに関する、過去25年間のオープンアクセス研究を調査することから始めた。彼らは、インターネットが成熟し、ビッグデータが台頭し、そして最近の生成AIの爆発的普及が見られた時期である2000年から2025年までの間に発表された336件の学術論文を収集した。これらの論文のキーワードとテーマを分析することで、彼らはこれらすべての技術的時代を通じて持続してきた5つの慢性的な障壁を特定した。これらの障壁とは、テクノロジーとそれを使用できる人材とのミスマッチ、組織を古いやり方に留めておく構造的および文化的な慣性、従業員による心理的および倫理的な抵抗、分析的な意思決定の不足、そして戦略的なリーダーシップとビジョンの欠如である。

研究者たちは、これら5つの障壁を単なる無関係な不満のリストとして扱うのではなく、それらが互いにどのように影響し合うのかを理解したいと考えた。そのために、彼らはコンピューター工学からヘルスケア管理、経済学に至る分野で博士号を持ち、少なくとも15年の経験を有する5人の専門家パネルを編成した。これらの専門家は、各障壁が他の障壁にどの程度影響を与えるかを判断するよう求められた。例えば、リーダーシップのビジョン不足がスキルのミスマッチを引き起こすのか、あるいは従業員のストレスが分析ツールの欠如を引き起こすのか、といった点である。これらの専門家の判断を明確な因果関係のマップへと変えるために設計された手法を用いて、チームはどの障壁が「推進要因」であり、どれが「結果」であるかを算出した。

研究結果は、問題の明確な階層、すなわち「カスケード（連鎖）」を明らかにした。この連鎖の最上位に位置するのは、リーダーシップとビジョンの欠如である。専門家たちは、これが主要な推進要因、つまりシステム全体を始動させる根本原因であると判断した。リーダーが明確なビジョンや必要な戦略的方向性を提供できないとき、彼らは意図せずして、書類上は見栄えは良いが実態を伴わない形態の採用を容認してしまうことになる。第二の主要な推進要因は、構造的および文化的な慣性である。これは、組織の既存の習慣や物理的構造に組み込まれた抵抗であり、会社が「行っていると言っていること」と「実際に実行できること」との間の乖離を維持させてしまうものである。

他の3つの障壁は、これら2つの根本原因の結果、あるいは症状であると判明した。テクノロジーと人材のミスマッチ、分析的な意思決定の欠如、そして従業員が感じる心理的なストレスや倫理的な不信感は、独立した問題ではない。むしろ、これらはリーダーシップが変革を導くことに失敗し、組織の構造が適応できなかったシステムにおける、予測可能な結果なのである。研究によれば、アルゴリズムによる管理への恐怖や不信感といった心理的・倫理的な障壁は、最も深刻な症状であり、連鎖の最後尾に位置している。テクノロジーと人材のミスマッチは、原因と結果の中間に位置し、移行点として機能している。

この発見は、企業がAI導入を解決しようとする一般的な方法に異議を唱えるものである。通常、企業が新しいツールの抵抗やデータの扱いに苦慮している従業員を目にすると、さらなるトレーニングの提供や、より優れたソフトウェアの購入、あるいはストレス軽減の試みといった対応を行う。しかし、研究者たちは、これらの努力は「病気」ではなく「症状」に対処しているため、多くの場合、無駄になると主張している。もしリーダーシップのビジョンが欠如しており、組織の構造が硬直しているならば、スキルやツールを改善しても、一時的な改善しか得られない。根本的な原因が再び同じ問題を生成することになるからである。本研究は、最も効果的な進むべき道は、生成的な層と構造的な層にまず対処することであると示唆している。すなわち、リーダーは明確なビジョンを定義しなければならず、組織はそのビジョンを支えるために慣性を打破しなければならない。そうして初めて、スキルのギャップ、分析の失敗、そして従業員の抵抗といった下流の問題が解決し始めるのである。

研究者たちはまた、「アルゴリズム的同型性（algorithmic isomorphism）」と呼ぶ現象についても探究した。これは、組織が人工知能を使いこなしているからではなく、それが期待される標準であるために、あたかもAIを使用しているかのように見せかけようとする強い圧力を受ける状況を指す。AIツールは、ダッシュボード、バッジ、あるいはライセンス数などを通じて「シグナル」を発信することが容易であるが、実際の活用能力を検証することは難しいため、企業は自らの公的なイメージと実際の能力との間に容易に溝を作ることができる。これにより、労働力が準備できていないまま、変革しているかのように見せる「能力なき採用」の状態を維持することが可能になる。研究は、AI時代においては、シグナルの偽装が容易であり、かつ実際のスキルを監査することが困難であるため、このギャップは以前のマネジメント・トレンドよりも広く、より根強いものであると示唆している。

結局のところ、この研究は、仕事の未来に向けた、厳しくも明確なロードマップを提示している。それは、従業員のストレスやデータスキルの欠如といった、最も声が大きく目立つ障壁こそが、実は介入を行う上で最も効率の悪い場所であることを示している。真のレバレッジ（作用点）は、上流、つまり責任ある立場の人々と、彼らが維持している構造にある。焦点を変革の対象を「症状の修正」から「リーダーシップと組織文化の変革」へと移すことで、企業はテクノロジーを受動的に消費する状態から、自らの人材を能動的にエンジニアリングする状態へと移行することができる。このアプローチは魔法のような解決策を約束するものではないが、なぜこれほど多くの変革が失敗するのかを理解し、テクノロジーと人間が真に共に働けるシステムを構築するための道筋を示すものである。