なぜ汎用AIは"あの人"になれないのか

ベテランの判断を若手に引き継ごうとマニュアル化しても、肝心の部分は毎回こぼれ落ちます。「優秀なAIがあるなら、それで再現できるのでは？」とよく聞かれますが、汎用AIに人物像や役割を与えても、実際の業務に当てると "それらしいけど使えない" 答えが返りがちです。理由は、業務で効く判断は「誰の」「どの現場の」ものかで決まるのに、汎用AIはそこを平均で埋めてしまうからです。この記事では、その構造と、実務に当てるために何が必要かを整理します。

そもそも「実務に効く判断」とは何か

業務の現場で効く判断は、たいてい固有名詞まみれです。「この顧客なら」「この工程では」「うちの体制だと」——抽象的な正解ではなく、特定の人が、特定の環境で、状況を織り込んで下すもの。

だから「一般的に正しい答え」と「うちの業務で使える答え」は、しばしば別物です。前者は本やマニュアルにも載っている。後者は、その人の頭の中と、その会社の文脈にしかありません。

なぜ汎用AIだと "それらしいけど使えない" になるのか

汎用の対話AIは、世の中の膨大なテキストから学んだ 「平均的にありそうな答え」 を返すのが得意です。これは強力ですが、実務に当てると次のズレが出ます。

1. 「誰の」判断かが平均化される

「ベテラン営業として答えて」と役割を与えても、返ってくるのは "世間一般のベテラン営業像" の平均です。あなたの会社のあの人が、過去の失敗から編み出した独自の判断とは違います。個人の輪郭（粒）が、平均に溶けて消えます。

2. 「どの現場の」文脈が入っていない

汎用AIは、あなたの会社の商習慣・体制・過去の経緯を知りません。だから一般論としては正しくても、自社の業務にそのまま当てると外す。現場の人が「それ、うちだと通らないんだよな」と感じるやつです。

3. 断定の質感だけが一人前

前回の記事でも触れましたが、汎用AIは合っていても外していても同じ滑らかさで答えます。実務では、この "根拠の薄い断定" がむしろ危ない。

「人物を1体つくる」系や「チャットに資料を足す」系との違い

AIで人や知識を扱うアプローチは、大きくいくつかの型に分かれます。優劣ではなく、向き・不向きの話として整理します。

• 著名人・キャラクターを1体つくる型：話し相手や体験としては魅力的ですが、狙いが "らしさの再現" にあり、自社の実務判断に当てることは主目的ではないことが多い。
• 汎用チャットに資料を読ませる型（いわゆるRAG）：社内文書を検索して答えるので "調べもの" には強い。ただし扱えるのは書かれている知識まで。前回書いたとおり、価値の中心である "書かれていない判断" はこぼれます。
• 単機能のエージェント型：決まったタスクを自動でこなすのは得意。ただし "この状況で、あの人ならどう決めるか" という判断そのものの再現は守備範囲外なことが多い。

どれも用途があります。そのうえで、 ** 「特定個人の判断を、自社の文脈で、実務に当てる」 ** という目的には、別の設計が要る、というのがここでの主張です。

実務に当てるために必要なこと

では「あの人の判断」を業務で使える形にするには何が要るか。ポイントは2つです。

A. 個人を「粒立てる」

"一般的なベテラン" ではなく、その人固有の判断軸を写し取る。平均に溶かさず、輪郭を残す。これがないと、誰にでも当てはまる当たり障りのない答えに戻ってしまいます。

B. 個社環境に「根ざす」

その人が実際に働いている自社の文脈（商習慣・体制・過去の経緯・日々の業務）の中で判断を再現する。一般論ではなく、"うちで通る答え" にするための土台です。

この2つがそろって初めて、AIの出力が 「読み物」ではなく「実務で当てられる判断」 に変わります。私たちがこだわっているのはまさにここで、"それっぽさ" ではなく "現場で使えるか" を評価軸に置いています。

よくある疑問（FAQ）

Q. 結局、優秀な汎用AIが出たら要らなくなるのでは？

汎用AIが賢くなるほど "平均的な正解" の質は上がります。ですが、"誰の・どの現場の判断か" は、賢さとは別の軸です。個人と自社文脈は、外から学習しただけでは埋まりません。

Q. 社内資料を全部読ませれば同じでは？

資料（書かれた知識）はRAGで扱えます。ですが実務で効くのは、資料に書かれていない "判断" の部分。そこは前回の記事のとおり、別のやり方で引き出す必要があります。

Q. どんな業務で効きますか？

判断・経験則がものを言う業務——ベテランの技能、専門職、トップ営業、審査・設計など。逆に、一般論で足りる調べものは汎用AIやRAGで十分です。使い分けが現実的です。

まとめ

• 業務で効く判断は「誰の」「どの現場の」ものかで決まる。汎用AIはそこを平均で埋めてしまう
• だから汎用AIは "それらしいけど、うちでは使えない" 答えになりがち
• 「1体つくる」「資料を足す」「単機能Agent」はそれぞれ用途が違い、"特定個人の判断を自社文脈で実務に当てる" のは別設計が要る
• 必要なのは、①個人を粒立てる ②個社環境に根ざす の2点。ここで初めて "読み物" が "実務で当てられる判断" になる

こうした「特定個人の判断を、自社の文脈で、実務に当てられる形に残す」ことを、私たちは ghoost というサービスで形にしています。"あの人の判断を、うちの業務で使いたい" という課題があれば、のぞいてみてください。