AI時代に求められる『アンラーニング・リラーニング』の実践方法とは

AI時代に求められる『アンラーニング・リラーニング』の実践方法

リクエスト株式会社が新たに発表したレポート『AI時代に必要な『アンラーニング・リラーニング』の進め方』では、現代のビジネス環境における重要な課題に取り組んでいます。特に、AIの普及が進むことで、従来の知識量や手順に頼るだけでは解決できない問題が多くの日常業務で発生することが示されています。本レポートの主な焦点は、「判断力」の重要性と、その育成方法にあります。

企業が抱える現代の課題

従来、業務の遂行においては、豊富な知識や経験に基づく判断が重視されていました。しかし、AI技術の進化により、情報の収集や整理、あるいは前例に基づいた業務運営が容易になっています。このため、企業は新たな挑戦に直面しています。それは、差異のある案件や顧客ごとに適した判断を下すことです。人間ならではの柔軟な思考・判断が求められる中、実際には判断経験が減少しつつあるという矛盾が存在しています。レポートによると、82%の企業で判断経験の減少が見られ、58%は上司による確認頻度が増加しているとのこと。その背景には、業務のマニュアル化やIT化、働き方改革が影響しており、従業員は「迷う」ことや「考える」ことを減らされています。

アンラーニング・リラーニングの定義

本レポートで提唱される「アンラーニング・リラーニング」とは、単に以前のやり方を忘れ、新しい知識を覚えることを指すのではありません。アンラーニングは、過去の成功体験や手法が現在の複雑な業務に必ずしも適用できるわけではないことを認識し、適切な判断様式の見直しを促します。一方、リラーニングは、新たな事実を確認し、異なる条件や事例を比較する過程を再構築することです。これにより、実際の業務の中で判断基準を設計し、試行錯誤することが可能になります。

実践のステップ

レポートでは、どの仕事からアンラーニング・リラーニングに取り組むべきかを示しています。特に、前例や手順だけでは処理できない複雑な業務や、上司による確認が集中する場合など、特定の業務が初期対象とされています。具体的な実践手法として、以下のステップが示されています：

1. 可視化: 業務の中で判断がどのように行われているかを見える化することで、問題点を洗い出す。
2. 切り分け: その業務が従来の手順で進められる部分と、新たに判断を要する部分を明確に区別する。
3. 設計: 判断のプロセスや基準を整理し、新たな構造を構築していく。
4. 実践: 複雑な課題に取り組む実務を通じて新たな経験を積む。
5. 振り返り: 結果だけでなく、判断の理由や次への基準を考え直す機会を設ける。

これらのプロセスを通じて、企業は判断力を高め、変化する市場に対応できる人材を育成できるようになります。