【AI時代の人材育成】若手社員の経験をAIが奪う？｜判断力を育むためにどんな仕組みが必要か｜生きた知識と死んだ知識｜認知科学から見た「学ぶ力」の本質【今井むつみ×若松信康】

0:00 新卒が担ってきた定形業務ですね。そこを AI で置き換えることができる新人にとっては、ま、いわゆる育成の場だったわけですね。育成の場がですね、 [音楽] AI を入れて置き換えることで失われてきてるっていうのが [音楽] 1つですね、課題としてあるかと。 ノーイングっていうと、ノーイング。ノーイングっていうのが事実として頭で知っている。 [音楽] ノーイングハウっていうのは、ま、それを使って行動ができるっていう知ってるか知ってないかではなくて、その知っていることを使ってできるかできないか。 ここで評価されてきた力が、ま、どれだけ答えられたか、正しく答えられたかというのに対して仕事で求められる力は何を変えたか、ま、学校で評価されたきた力っていうのはですね、そのまま大体できる力なんですね。 [音楽]

0:47 それはAIによって無駄になるんではなく て使い方使うところが変わると 文芸新獣プラスの山下です。ビジネスの 最前線に迫るプラスビジネスwith デルテクノロジーズ全部回にわり人はAI と共にどう生きるかをテーマとした対談 シリーズをお送りしています。え、今回第 4回となりましてAIと共に人と組織は どう育つかがテーマです。え、もはや多く の人がAIを頼りに日々を送る時代となり ました。あの、教育の現場では、ま、生徒 がAIに頼る場面もう数多く見られるよう になってきたと思います。後ともすると AIによって学習機会が奪われてしまう そんなリスクとも隣り合わせになっている とも言えます。AI前生の今人はどう学ぶ ことができるのか。え、今回のゲストは ですね、認知科学者の今井娘先生にご登場

1:33 いただきます。今井さんと若松さんと共に 議論をお届けしたいと思っております。 え、プラスビジネス withロジーズは今回もデルテクノロジーズ株式会社マーケティング討本部シニアドバイザーの若松信さんと一緒にお届けしていきます。若松さんよろしくお願いします。 よろしくお願いします。あの、第2 回は騎士の佐藤天彦さんをお迎えしまして、ま、 AI をパートナーとして強くなっていく騎士のそんなあの経験値から基づく話があったかと思うんですけれども、今回のテーマは AI と学び人社育成ということですけれども、今のどんな話をしていきましょうか? はい、今回話したい論点としましては、 AI で人を育てることができるのかという、え、点です。 背景として今大企業でその新卒の採用を ですね、ま、控えたり絞ったりっていう

2:18 傾向があるかと思いますが、それはその 新卒がに担ってきたいわゆるその定型業務 ですね、そこをAIで置き換えることが できるというのがですね、ま、理由の1つ だったりするわけなんですけども、その 定型業務っていうのは新人にとっては、ま 、いわゆる育成の場だったわけですね。 そこで現場を知って、え、育成されてきた 。こういった育成の場がですね、 AI を入れて置き換えることで失われてきてるというのが 1つですね、 課題としてあるかと思っています。そういったじゃ、育成の場を意図的に作っていかなければ AI が出した答えを正しく判断できる人がいなくなってくるわけですね。 ですので企業はいかに意図的にそういった 経験を、え、ま、学習の場として作って

3:04 いくかということをですね、考えていか なければならないんですけども、ま、AI で失われたものを他のですね、仕組みだと か投資で補うっていうのはやはり避けたい わけですよね。ですのでAIで失われた ものはAIで補えないか、ま、そういった 前提の中でですね、え、今回その、え、 AIで人を育てることができるのかという 点について議論させていただきたいと 思っております。 まさに今そのA が弱年の労働者の、ま、奪ってるんじゃないかというような気具もなされているので本当に社会もで密接した回となりそうですね。 はい。 今回あのAI とと共に人と組織がどう育かという構成となりまして、え、このような論点で進めてまいります。それでは早速今井さんにご参加いただきます。はい。では今井さん、わ松まさんよろしくお願いします。 [音楽]

3:53 よろしくお願いします。 よろしくお願いします。あの、最初の テーマなんですけれども、答えを知ること とそれを生かせることの間には何があるの かというテーマで、あの、2人の議論を 伺っていきたいと思っております。で、 ちょっと最初今井さんにお伺いしたいん ですけれども、やっぱり昔の小学校の テストとかだと、ま、答えを暗記してそれ に正しく答えられるか、ま、暗記したもの をアウトプットするというようなテストで あの点数が測られていたかと思うんです けれども、最近言われるのはその知識とし ての情報は、ま、AIから得られるので、 あの、知っていることよりもそれを 活かせることの方がより重要になってくる という風に言われると思います。 あの、先生にお伺いしたいのは、ま、知識として知ることとそれを生活かせること、この 2 つの間には、あの、何があると考えられますか?すごく大きな ギャップがあると思います。

4:40 で、あの、認知科学ではすごい、もう すごい昔から何十年も、えっと、ね、その ノーイングファットっていうのと ノーイングhowウっていう区別をしてい て、で、それがその知識のあり方として2 つの形ですね。ノーイングットとノー イングハウっていうのはすごくこう大きく 違うっていう風に言われているんですね。 では、ま、ノーイングっていうのが、あの、それこそこう事実として頭で知っているっていうことで、で、ノーイングハウっていうのはそれが実際にこう行動につがる、 ま、それを使って行動ができるっていうそこなんですけれども、

5:27 で、それはすごく大きく違うのはノーイングファットっていうのは種こう、こう教科書 ま、レクチャーなりで覚えたこと、教えられたこと、ま、それと、ま、かなり近いそのフォーマットで聞かれば うん。 返すことができるっていう、ま、それがノーイングッドですよね。 で、でもノーイングファhowっていう 要するにそれを行動に移すっていうのは実 はその行動する時にはこうなんかそのそれ だけを聞かれることなんとかの意味は何 ですかとかそういうことではなくてそれを 使って行動するので様々なことと繋がって

6:16 いないと他の知識とたくさんこう繋がって いないといけないんですね、医師の方の 医学教育学会という、ま、あの、意思の方 の、あの、特にあの、教育に携わる、ま、 あの、教授とか、ま、そういう方の、ま、 教育についての医学の教、教育ですよね。 教育についてのあの学会があって、ま、 そこであのこう講演に招待されてでお話を してで、ま、色々な先生方とお話ししたん ですけれどもで、私の話をき聞いてあの ある、ま、著名なあの先生がああって なんかね、おっしゃってくださってで、 あの研修位の方割とこう若手の研修位の、

7:06 ま、もうあの、もちろんあの、お医者さん で、あの、患者さんを見てられる方です けれども、え、そういう方があの国家試験 に出る問題はみんなできると。で、だから 試験の形だとスらすら答えられるのに目の 前に患者さんを目の前にした時に出てこな いっていうわけですよ、その病名が。 で、それはまさにそのノーイングットのレベルでまだノーイングハウに至ってない。 うん。 そういうことなんだっていうことがすごいよくわかりましたっておっしゃってくださって、それすごくいい例だと思うんですけれど、要するに、ま、あの、テキストとしてこう色々、ま、い、やっぱりね、あの、こう国家試験で問われる知識ってやっぱりすごい高範囲で、ま、すごいたくさんのあの知識が問われるから、やっぱりこう皆さん暗記が大事だよねとい

8:11 いう風にして、ま、こんな分厚い医学の 教科書を一生懸命暗記しようとするわけ ですよね。で、そうすると、ま、その国家 試験には通るけれども、でもやっぱり目の 前の患者さんってこうなんていうか色々と こう、こうお話をするこういろんな悩みと か症状とかもみんな人によって違うじゃ ないですか。 で、で、ま、なんか話し方も違うし、要するに教科書と同じではないことを色々言われるわけですよね。で、そういう状況になるとその教科書を暗記した知識っていうのがこうポーンと飛んでしまってうん。なんかそこの診断につがらない。

8:59 うん。うん。ま、そういう、あの、そう いうことがよくあるんですよって おっしゃって、やっぱり医学でやっぱり こう熟連したお医者さんになるるって診断 がすごくこう上手にできるようにな るっていうのはそこのギャップですよね。 要するにノーイングファットから ノーイングハウに至ることができる。 そこそこをこうなんていうか、ま、経験を積みながらこう習得してくことなのかなっていううん。だからそういう学びについてこう知ってるか知ってないかではなくてむしろ今ってでその知っていることを使ってできるかできないかそこがすごく問題になってくるんだと思います。

9:46 うん。先生のあのご法読んでいるとあの生きた知識と新知識というような例が出てくるじゃない。 はい。にノイグノイング対応する。 対応すはすると思いますね。死んだ知識は死んだまであるかどうかっていうのは、ま、今は死んでいても今は使えなくてもやっぱりそこからあの、こう生きた知識にあの、こう向かっていく可能性っていうのはすごくあるわけですよね。 うん。 で、だからさっきのその意思の方の知識とかていうのはまさにまだこう教科書一生懸命覚えた段階だからなかなかこう目まさんを様々な患者さんを目の前にしてま、あの的確にあの診断ができる状況ではないけれどもでも診断の経験を積むためにはやっぱりその覚えた知識っていうのはやっぱりベースにならなくてはいけないわけなのでま、そのベースう

10:43 の知識をどう使うかっていうことを やっぱり実事で、ま、学んでいくていう ことなのかなと。で、だから、ま、死んだ 知識は結構覚えたままで全然使わないで そのまんま葬りされるるっていうか診断 知識、ま、そういうのもありますよね。 ま、例えば覚えたけど、あの、その時はできたけど、もうその後ずっと使わないからもう死んだ知識になっちゃったみたいな。ま、私ドイツ語が結構自分ではそうで うん。なんかね、大学生の時とかは結構に一生懸命ドイツ語 うん。うん。 やったんですよね。 で、勉強して大学院の試験でドイツ語が必要だったので、当時はかなりあのドイツ語の難しい文献とかも読めたんですよね。でもなんかその後で

11:37 やっぱりあの本当にこう使い方を習得する前にあの、ま、アメリカに留学してもう英語 1 本になってしまいドイツ語全然使う機会がなくてですね。 うん。 え、だから今はもうドイツ、ドイツに行ってもで、あのね、全然読んでも、あの、昔だったら読めたと思うんだけど、今はもう全く思い出せないっていうか、ま、それはうん。 うん。もう少しね、こう話す練習とかちゃんと使う練習までその時できたらもっと生きた知識になったんだろうなと思ったんだけど、その当時は結構目標が大学院の試験に受かることだったので、使うところまで行かな。 のでその後を使わなかったら本当に葬りさられた知識になってしまったっていう。

12:26 うん。 どうすれば死んだ知識が生きた知識に変わるのかと次のパートでお伺いしたいと思っておりまして、あの若さんにお伺いしたいんですけれどもノインファットとノインハウのお話が出ていてあの企業活動だとテストのような形で知識が問われるわけじゃなくてノイングハが非常に重要になってくるかなと思うんですけれどもその仕事で求められる力とまかつての学校で評価されてきた力のその違いっていうのはどこにあるんでしょうか?また AI が得意なのはどちらの力なのかこの辺りどうでしょうか? そうですね。あの、先ほども、あの、お 話しいただいたいわゆる学校というのは問 がまず与えられるで、その問を解くための 情報だとか条件だとかも指定される。そこ の中で唯一の答え、え、それをですね、ま 、導き出せるかどうかというところが1つ 問われるわけなんですけども、仕事で

13:12 問われるのは、あ、そこではなくて、 やはりそれが本質的な問題なのかですね。 本当にそれを解決することでお客さんの課題が、え、ま、なくなるのか、そういった問を見直すっていうですね、自分で、え、問をですね、え、ま、再設定できる、 ま、それには、ま、周辺知識というのはもちろん必要になってくるんですけども、まずそういった視点が必要です。で、その上で仮説を立ててですね、それに基づいて与えれた情報ではなくて自分で必要な情報探してですね、検証する。 それからじゃあそうして検証したところで答えがあるかと言うと仕事の場では答えはないんですよね。例えばじゃあこの税品開発したら、え、 100% 売れるかと言うと誰も保証できません。

13:59 うん。 え、ま、AI がですね、例えばそういったですね、アドバイスをしたとしても AI が学習して持っているデータあ、を元にしてますから、あ、そこから時間が経って状況は世の中の重要変わってるわけですよね。絶対正解は出せない。 うん。ですから正解がない中からですね、 いくつかの選択肢というものを、え、仮説 として立てて何を優勢するか決める。そう いった、ま、判断力ですよね。それから そこの中で、ま、自分1人でですね、あの 、テストの問題解くというのはなくて、 やはり、ま、同僚だとかAIだとか使える ものは全てですね、活用して共同する中で 個人としてではなくて組織としていかに 成果を開けていくかっていう視点がですね 、やはり、ま、仕事の中で求められる力で 、これは、ま、一言で言うと学校で評価さ

14:44 れてきた力が、ま、どれだけ答えられたか 、正しく答えられたかというのに対して、 仕事で求められ力は何を変えたかという ことをですね、言うことができるかと思っ てます。で、ま、あの、ご質問にもあり ましたけども、ま、AIで大体できる るっていうのをですね、ま、学校で評価さ れてきた力っていうのはですね、そのまま 大体できる力なんですね。ここが1番AI が近あの強い部分で、あの、ま、最近の ですね、その例えばAIのその エージェントを見てもですね、あの進化し てきているのはいわゆるコーディング エージェントが進化してきていて、 ローカルPCとかの中でですね、動作する のは大抵でコーディングエージェントが 動いてる。なぜですね、あの、 コーディングエジェントが進化してきたか と言うと、答えがあるからですね、あの、

15:30 いわゆるその行動を打ってエラーが出まし た。そのエラーがなぜ出ているのか答えが あるんですよね。そのエラーが出た時には どうしなければいけないか答えがあるので 見直して改善することができる。そういっ たサイクルが早く回ったんですね。です からあ、そういった能力ってのはAIが身 につけやすい領域でそこは大体されて しまいます。で、そういった中でやはりま 、不安っていうのがですね、あの皆さん中 で出てきてるわけですよね。いわゆるその 背景としてのはその例えばAIに奪われた 時に自分に何も呪らないではないか。うん 。 これはですね、いわゆる評価長でこれまでにその評価対象外のことを考えてこなかったから だと思うんですね。 自分が評価される範囲の中だけで努力をしてきた。その周辺のですね、仕事では本当に、え、まあ、それが重要なのかということも含めてですね、周辺の可能性も含めてですね、視野を広げなければいけない。え、ですから、ま、そういった変長になってしまったままではですね、やはり、ま、不安っていうのがどうしても出てきてしまう。

16:30 うん。あともう1つは知識をですね。ま、 これまでは仕事の中でもあの人に聞けば 分かるというところで、ま、指士を持って いる人はですね、大変重宝されたわけなん ですけども、そういった部分はAIに聞い た方がですね、もう早くなってきてるわけ ですね。その人の、ま、手間を患らせずに 聞きたい時に、ま、AIの方がたくさんの ですね、多くの情報を元に回答してくれ ますので、AIがそこの部分を代替して くれるなので、これまで培ってきた知識が あまり役に立たないんではないかですけど も、ここはあえて申し上げたいのは先ほど もおっしゃれてる通り、知識は決して無駄 ではなくて全てのベースになるおっしゃれ ましたけども、そう私も考えています。で 、それはAIによって無駄になるんでは なくて使い方使うところが変わるという風

17:17 に思っています。その仕事の場でですね、 知識が、あ、ま、土台になるというのが ですね、まず、ま、ベースとしてあるかと 思っていますけども、例えばその営業は ですね、製品の使用していて、競合の情報 も分かっていて、え、当然ながら価格の 優勢だとかも分かっているから、お客さん に対してあった提案をできるわけ、え、 ですよね。その知識を使っていわゆるその 判断できる。それから製品のですね、保守 とかについても手順を知っていてそれに 対してどういった状況で、え、故障が起き たそういった履歴をですね、知識として 持っているからある挙動を起こした時に これはちょっと怪しい調べなきゃいけな いっていう仮説が立てられるわけなんです よね。全てが知識がベースになっていて、 知識があるから仮説を立てられる。

18:04 その仮説をAI 投げることで仮説をより客観的かつ多くの情報をもに検証してそっから出てきた答えをまた自分の知識で、え、ま、検証する そういったもの合わせて、ま、自分の知識としてフィードバックしていく。こういったことが知識をベースにすることでですね、 AI も生かしながらサイクルとして回すことができるようになってくると。 で、ま、学校で評価されてきたことと、ま 、仕事で評価されてきたことをどうつげて いくかっていう観点で言いますと、やはり 、ま、これまでですね、ま、知識を与え るっていうですね、ま、企業の中ではです ね、そういったその育成ではなくて、知識 を使って、え、どう状況を捉えて、どう 行動して、どう変えたか、あ、そういった

18:51 ものを重視する。 ま、企業の、ま、評価のですね、目標、えっと、育成の目標としては、じゃあその知識でどう、え、ま、行動できるようになってもらいたいのか、先ほど言われたノットからノハウですよね。ノハウをベースに企業の育成目標を立てていくということがですね、そのギャップを埋めるために重要ではないかという風に考えています。うん。 ありがとうございます。前さんとあの若松 さんのお話を伺うと、ま、知識だけでも 足りなくて、ま、知識を使って、ま、状況 をどう変えていくのか、どう判断するのか すごい重要な時代というのがよく分かり ました。ちょっと次のテーマになるんです けれども、ま、なぜ答えを知ることで 止まってしまうのかという問になりまして 、あの、先ほどのい井さんのお話の中 でノーイングワッとノイングhowウ生き た知識と死んだ知識のお話がありまして、

19:37 この死んだ知識をどうやって使える知識に 変えていくのか、生きた知識に変えるため には、あの、どのようなあのことすれば いいのか、逆にあの、死んだ知識のままで 学びが止まってしまう時は何が妨げとなっ ているのかとこ辺り伺ってもいいでしょう か?1つはやっぱり知式ってあってもそれ だけだと使えないので使うためには使う 練習をすごくしないといけないんですよね 。で、その練習をする必然性があるかって すごく大事だと思うんですね。私さっき あのドイツ語がやっぱり物にならなかった ね。随分だからこう読むのは読めるように なったけれどもでなんか試験は実は1番で

20:23 クリアしたんですけど通ったんだけどでも その後やっぱりねなんかドイツ語を使って 何かするっていう必然的なものがなかった んですよ。ま、すぐにアメリカに行って しまったあのこともあってやっぱりそこは すごく大きいと思いますね。って必然性が あるとか、ま、それをすることがすごく 楽しい。自分にとって大事って思うとなん かいくらでも時間を忘れてあのそれに没頭 できるんですね。で、そうするともうそれ はそれ自体でもう知識を使う練習になる わけですよね。ま、それを私はプレイフル ラーニングっていう風に言ってるんです けれども、要するになんかそのもう必然性

21:12 があって、しかもそれがもう自分はどうし てもそれを学びたいんだって言うともう 出演的にそれは楽しいことになって、ま、 すぐに答えがわかんなくてもです。だから すぐに答えが分かることが楽しいのでは なくて、今少し100、ま、10なら10 全然わかんなかったことが1でもこうね、 少し光が差して分かるようになった、 あるいは少し向上できた。そしたらもう それ自体がすごくこう楽しいし嬉しいしで そういう状況だといくらでも人はあの学び をやめないわけですよね。で、そうすると どんどんどんどん深まっていって、ま、 あの、もうそれ自体がノーイング、ハウ、

21:57 ハウの方に行けるわけですけど、やっぱり ね、なんか目標がなんていうの、こう試験 のためとか、ま、そういう風になるとそこ でクリアしたらもうそこで終わっちゃう とこになりますよね。うん。ま、そこが やっぱり今の問題ですかね。 だからやっぱりなんかのすごくこう目標試験に受かるためとかなんとかのためにやっているとなかなかハウまでは本当にこう身体化された知識まではいかないのかな。で、身体化された知識になるためにはある意味で同じことを同じ状況で同じことを繰り返すだけではなくて本当にこう多様な状況でその知識を使うそれがすごく大事なんですね。

22:45 で、そういうこう多様な場で使うことによって割とこう気変さが生まれるっていうかでそれがこう例えばね玉入れの練習運動会の玉入れの練習もあれね点から入れる練習をしてもあんまうまくならないんですよ。 あ、そうなんです。 そうなんです。で、あれはなんかいろんなところからで、距離でやった方がうまくなるんです。 あ、私言われたみはそうですね。確かに。 うん。そうなんですよ。だからそういう風にいろんな状況、異なる状況で、ま、やるだから、ま、ある意味でオンダジョブトレーニングってありますよね、企業でね。 あれはすごくリーゾナで、ま、同じことを

23:31 1つの状況で繰り返すのではなく、あ、 ドリルで繰り返すのではなくて本当に相手 がいたり、ま、なんかこう様々な違う状況 であのその知識を使う練習をするこが大事 なんですね。うん。この プレイフルラーニングのプレイフル面白い ですね。 の永でまさしくないものというか人のはい。 感情とか同機付けのようなところを先生今重視信して研究なさってるということなんですかね。 そう、同期付け研究してるって言うと、ま、うん。 あ、ま、直接的には同機付けの研究してるわけではないですけど、でもやっぱり人間の学びと AI の学びですごく違うことって人間の学びってやっぱり感情っていうものが関わってきてでやっぱりその楽しいっていうことは学びを深めるためにすごく大事なんですよね。

24:28 うん。うん。で、でもその楽しさはだ、 楽しいって言ってもな、何て言うのかな。 だからこうゲームなんかでどんどん どんどんそのアドレナリンが出ていって ステージが上がってみたいにこうなんて いうかあ、その向こうからどんどんこう コントロールされてどんどんこう なんていうか上がっていくっていうよりは 、ま、自分の学びをコントロールしながら こう、あ、次はこれができるようになり たい。 次はこれができるようになりたいっていう風に思いながら、ま、やり続けるとなんか、ま、すぐにできなくても結構すぐにできなくてもこうそういう目標が見えてると楽しめるっていうか、ま、そういうものなんじゃないかなとは思うんですよね。ま、

25:18 AIにはそれはないですよね。 うん。 先生さ、あの、身体化された知識っておっしゃっていて、それが生きた知識と、ま、結構近いものだとすると、その 死ん者知識を、ま、別の場所で応用する力というか、判断する力みたいなものを 身体化することで身つけられるというようなことなんでしょうかね。 いろんなところで応用できるっていうのはやっぱり頭だけで知ってるのではなくて、やっぱり行動に結びついた知識。 ま、だからある意味で多くの行動にあの結びついた知識っていうのは頭で分析できるっていうよりは体で覚えた知識で、ま、私たちは例えばどうやって自転車乗れるようになったのかわかんない。ほとんどわかんないですよね。 ま、そういうようなもんなんですよ。だから多くのあのすごく大事なできる知識ハウの知識ってあの説明できる意識的に説明できるものとは限らないんですよね。むしろね。

26:13 うん。 ありがとうございます。あの、ちょっと判断力のお話も先生の話からあったと思うんですけれども、若マさにお伺いをしたくて、やっぱり今心配されてるのって弱年が、ま、 AIによって代替されてしまう。そのこと によってその若い労働者が、ま、経験を 詰めないから、あの、判断する力を身に つかないというような器具があるかなと 思っていまして、その実務経験を詰めば、 ま、こういった判断力が、ま、自然と 育つもなのかで、AIが仕事の一部を担う ようになった時に意図的にこの人が判断 する力とか身体化された知識を育てるため の仕組みのはどれようなものになるん でしょうかね。今もその感情が伴ないと なかなか身つかないっていう身体化しな いっていう話がありましたけども、ま、 企業のですね、ちょっと視点で、ま、見た 場合に、ま、まずあの答えとしては当然 ながらその経験しただけで判断力を育つっ

27:01 ていうことはありえないんですよね。ま、 1つのその考え方として経験学習みたいな 考え方がありますけども、経験してまず 振り返らなきゃいけないんですよね。え、 そしたらそっから経験をあの教訓を 吹き出すでさらに次に試してみる。ただし それを回すだけではダめで、そこの中で 自分の判断で、え、まあ、何か行動できる 、そういった機会がちゃんと与えられてい て、結果も検証できて、さらに行動制約が ない、ま、支援と書いていますけども、え 、こうしなさいですね、ある意味、ま、 こう指定された中でこう従うんではなくて 、自分で考えてそう判断したというもの ですね。そういったものがあって初めて、 ま、経験の循環のが回るんですけども、ま 、いくつかですね ですね。ま、落とし穴がそういった意味ではあると思ってます。ちょっとここで

27:47 2 つあげてみますけども、例えばその営業さんがお客さんから高いと言われた時に担当としてはあ、じゃあ値引きしなきゃというのは値引きした。 うん。 だけどもそれ振り返って考えた時に背景としてはいくつか理由があるんですよね。その価格以外に訴きるそのメリットみたいなものを営業が知識として持ってないからそうなった。 あ、もしくは理解の仕方ですよね。 高いというのは単に、え、製品が高いと受け止めた。ま、その相手の世界では製品入れてもですね、それを運用するっていう別の手間とかコストとかかかるんですよ。 うん。 むしろその製品の高さではなくて、その後 の運用のコストだとか手間のことを考えて 製品のコストを抑えたいと言われてるんで

28:32 あればですね、この製品を入れることで 運用がどれだけ改善されてコストがですね 、そういった説明をしなければいけないっ ていう解釈になるんですが、まあ、そう いった、ま、経験だとかがないと、ま、 理解の仕方がそこにとまってしまう。あと 先ほど申し上げた通り、その制約ですよね 。 上司がじゃ、あの、高いって言われたんだったら早くそのもう 1 回安いネタで採密も出しなさいって言われるとじゃお客さんの本質的な課題ってどこにあるのかっていうのを確かめる時間 機械すら生奪れてしまうんですね。 うん。確かに ですので必要なのはその背景となる前提条件自体を疑ってですね、それをまず、ま、認識するっていうメタ認知ですね。 それからその前提状況を踏まえてですね、 対応の仕方、選択肢というものを、まあ、 可能性を広げて、え、考えていくここの 部分で、ま、1つAIがですね、活用

29:19 できる領域かなと思ってます。で、もう1 つの落とし穴は、まあ、結果として成功し てもそれが正しい選択だったかどうかって いうのはビジネスの場合にはですね、そう とは限らないというのがあります。例えば 値引きして自中できたら、ま、それはそれ でビジネスとして成功なんですけども、 本当にその値引きしなければ自由でき なかったのかで営業が陥りやすいのはこの お客様は価格さえ調整できれば買って くれるですけども次も同じように価格さえ 調整できれば買ってくれるとは限らないん ですよね。それ以外の色の要素と 組み合わせて、え、価格面も考慮できた からそれで初めてか。そういったですね、 根拠として十分でないものを経験として次 にですね、活かそうと考えた時にギャップ

30:05 が出てくるわけなんですよね。なので成功 しても名なを問い直すこういったことが 必要なんですけどもこれをこうやっぱり 成功して嬉しいっていう人がちょっとなん かまたですね自分のそのま、まだ十分じゃ ない部分を問い直すってのはなかなかです ねしづらいなのでそこはAIに聞いて成功 したけどもあのもっと必要だった改善 できる要素はないのかだとかですねま手を かけずにそのAIを使ってえそういった その反省内省する要素をですねま引き出す みたいなことがですねきてそういったが 必要になってくるというところですね。で 、ま、こういった観点で企業の側を見る とこ、ま、ところとしましてはまずその、 え、ま、こういった経験学習のサイクルが ちゃんと回る環境を社員に提供できてる かっていうところをですね、まず見なけれ ばいけないんですよね。上司にこう言われ

30:53 たからこうやってますっていう環境の中で は育成できないわけですよね。 それから個人に対しては、ま、その経験をどう捉えて判断行動してそこで何を学んだのか、そういったものを個人個人でちゃんとですね、見ていく。え、そういったものをですね、支源に変えるのがいわゆる意図的な取り組みとして必要なことで、 これはこれまでですね、個別にやっていくわゆる個別化っていうのが難しかったので、なかなか難しかったんですけども、 AI を使うことでこういった個別化がやりやすくなったというメリットがあります。 じゃあ仕組みとして具体的にどういった ですね、仕組みが考えられるのかっていう のはこちらですね。当然ながらAIに情報 を持たせなければあ、使えませんので、ま 、何を持たせるかというところですけども 、これは決してですね、その行動とその 結果だけではないんですよね。先ほど

31:40 申し上げた通り、その例えば値下げしまし た、それで受張しましたっていう結果だけ ではなくて、値下げする以外の選択肢だと かですね。え、それから、まあ、それ以外 のですね、採用に必要だった要素、ま、 そういった、ま、選択肢と判断の履歴と いうものをですね、AIに持たせてその次 の経験として、ま、生かすためにAIには 例えば、あ、そこで定義した根拠というの は本当に事実なのか、それからただにただ 単にですね、その人の解釈なのかですね、 分からないからですね、え、そういった 根拠になっにとまっているのか、あ、こう いった部分を、AIから逆に取り返して もらう。ま、こういった使い方がですね、 ま、できますので、こういったところで 自分が考えてる根拠というものを整理する

32:27 。その整理して、ま、戻ってきたAIの 考えと共にですね、ま、称号訂正と書いて いますけども、ま、本当に明確ではなかっ た部分はちゃんと明確にしていく、検証し ていく。それから、ま、そういった検証の その範囲についても本当に自分が考えてる 範囲だけでいいのかっていうのをですね、 候補をですね、AIに求める。で、そう いった、あ、その他のですね、候補も含め てちゃんと現場でお客様と接取検証して いく。で、その結果として得られたものが 当初の仮説とマッチしていたのか、 ただ単にマッチしてるかどうかだけでは なくて、以前はこの仮説でこの結果でした 。で、今回は同じ仮説だったけども結果は 違いましたという場合には、じゃあその

33:15 仮説から答えがですね、結果が出るまでの 間のその、ま、別の要因があったわけなん ですよね。そういったものを次の判断基準 として生かしていくっていうですね、そう いったサイクルを回すことが重要になって きて、それをまたAIに戻していくって いうですね、いわゆる、ま、検証と修正の サイクルをAIを使って回していく。ま、 AI使ってと言ってますのは1番最初の ですね、ま、選択肢と判断の履歴っていう のを自分でですね、AI、ま、情報として 持たせるっていうのは結構、ま、手間 かかるという風にですね、印象を持たれる と思うんですけども、ま、実際には、ま、 日々ですね、ま、業務、ま、記録みたいな ものがですね、やっぱり残ってるわけです よね。 メールとか、ま、やり取りの中で残ってますけども、そういった中から AI に従せて、え、そういったものを見て、え、ま、その人がですね、え、ま、訂正したりしながらですね、え、ま、保存していく、記録していく、そういった形で、ま、効率的にですね、ま、必要な情報もエアに持たせることができますので、こういったサイクルもあの、ま、回しやすくなってきます。ですね、ま、こういった仕組みですね、を、ま、まずですね、

34:15 1 つ持った方がいいんではないかというのをですね、ちょっと私の考えとしてはい。ございます。う ん。ありがとうございます。 あの、ま、経験からその振り返って、ま、小化するっていうのは人もやっているあの学びのプロセスだと思うんですけれども、若さんのさっきのお話だ、このお話だとそこにその AI が人の倍を、ま、修正するようなあのものとして役に立つんではないかという側面があったと思うんですけど、今先生、この話どのようにな、 あの、今お聞きしてちょっと私、あの、田川松さんにあの質問したいなと思ったのは、えっと、そのお客様が、お客様 が要するに価格、この価格を値引きすれば 買ってくれるのかそうじゃないのかって いうのをこうそれをAIに分析させ

35:00 るっていう風におっしゃってたんですが、 ま、かなりそれはなんていうか、そのお客 様のこうみんながみんな同じにこう確率的 に動くのではなくて、かなりそのお客様 個人の考え方に依存するのではないかなと 。で、ま、そうするとその個人のデータが ない、あるいはそのお客様個人のデータが すごくこう過去のログとかでたくさんあれ ば、ま、この人は価格をね、引きすれば、 あの、いつも買ってくれるとかっていうの は分かるかもしれないけど、そう、そう じゃない場合にはなかなかこうマスとして 全体で全体としてこういう傾向にあ るっていう統計的な傾向からその判断をし

35:48 てしまうとなかなかこうずれが生じるん じゃないかな。やっぱり人ってすごく多様 なので、いろんな思考の仕方とか判断とか だからやっぱりね、こう高け、あの、 安ければ買うよっていう人もいるけれども 、そうじゃなくて高くてもいいものを買う よとか、ま、ここが大事だからここが 良ければ買うよとか、ま、本当にその判断 の基準だと思うんですよね。その辺りは どうされるんですか?そうですね。ま、 AI はあくまで、ま、答えを出すためのものではなくて 人に、まあ、選択肢 ですね、考えるべき選択肢というものを、ま、教えてくれる、ま、そういった材料になると思ってます。例えばこうまで販売してきた数万車の統計があればですね、

36:36 え、こういった判断でこう購入してるケースが多い、こういった判断で、え、出中してるケースが多い。 うん。 そういったを今の自分のお客様と当てはめて見たに そのお客様に対して何を確認すべきかっていうですね、選択肢が見えてくるわけなんですね。ですので決してこの AI の答えがこう正解ではなくてそれは自分が行動するためのその 1つのですねアイデアなりですね、え、 1 つの、ま、選択肢として捉えるというのがですね、ま、 1 つのこう考え方かなという風に私は思っています。 うん。うん。疑いながら付き合うっていう のは[音楽] 大事なんじゃないかな。アウトプットで 評価するのではなくてプロセスで評価する 。できた知識を持ってる人[音楽]って 応変にその場で行動を変えられる人。その

37:24 臨気応変する[音楽]ためにはやっぱりね 失敗を経験してないとダメだと思うんです よね。 判断力がですね、ま、やはり失われてしまって、 [音楽] A が出した答えを鵜呑みにするような形でしか仕事ができなくなってしまう。そういったことを避けるっていうのはやはり企業としては必要かなという風に思います。的な経験学習というのが、ま、必要なんではないかと。階段を育程度に応じて外していきながら最終的にはちゃんと実務で [音楽] AIを使わずに経験させる。 どういうことに気をつけながら付き合っていくと、あの、正しく学でいくことができるのか。 [音楽]