実験能力は良いアイデアより「いつ止めるか」で決まる

社内公募の締切日に提案書が200件集まる。審査委員会が12件を選び、表彰式が開かれ、受賞者の写真が社内報に載る。半年後にその12件の現状を尋ねると答えが割れる。3件は担当者の異動とともに消え、4件はまだ検討中で、残りはPoCまで進んだが継続か中止かを判定した人がいない。翌年も公募は開かれ、提案書はまた200件集まる。

実験能力とは、現場部門が自分の業務について仮説を立て、それを真とみなす条件と偽とみなす条件を着手前に決め、判定結果に従って展開または廃棄する手順を繰り返し回せる組織の力である。良いアイデアを見抜く感覚ではなく、思いつきを数日で反証可能な一文に変え、決めた日に結論を出す体力に近い。

企業研修の観点から結論は明快だ。提案を増やす研修より、提案をたたむ手順を教える研修のほうが、組織が実際に処理できる案件の総量を増やす。 アイデアの供給はすでに足りている。足りないのは判定と廃棄の速さであり、それは才能ではなく手順と権限設計の問題である。

社内公募に積み上がる提案は、検証手順がなければ資産にならない

アイデア公募や改善提案制度の成果物は提案書である。提案書と仮説は別の文書だ。提案書にはなぜ良いかが書かれ、仮説にはどんな結果を見たら間違いだと認めるかが書かれる。審査は説得力を評価し、検証は事実を評価する。求められる力がそもそも違う。

審査基準を見るとこのずれがはっきりする。審査表に並ぶのはたいてい独創性、実現可能性、プレゼンの完成度だ。三つとも発表時点の印象を測る項目で、着手後に確かめられる事実を求めていない。だから受賞した提案ほど、着手後に何を確認すべきかが空白のまま所管部署へ渡り、優先順位争いに負ける。審査表に観測計画と撤退基準の欄を足すだけでも、通過する提案の性格は変わる。

現場を巻き込むこと自体が無意味なわけではない。2026年6月にBCGが公表した4回目のAI at Work調査は、AIを定期的に使う回答者9,923人を基準に、組織側の打ち手を効果の大きい順に並べている。従業員をアイデア出しに参加させる項目は、仕事の満足度で+20ポイント、測定可能な事業改善で+22ポイントと上位に入った。ただしその上には、AIが生んだ価値を追跡する項目が+24ポイントと+22ポイントで置かれている。参加を広げる活動と価値を判定する活動は対で動く。

実験能力の進み具合は提案件数では測らない。決めた期間内に真偽が判定された仮説の数と、そのうち廃棄結論に至った比率で測る。提案200件・判定3件の組織は創造的な組織ではなく、結論を先送りする組織である。

ツールを載せた組織と、仕事を組み直した組織では結果が違う

同じ調査はAI導入のやり方を三つに分けている。生成AIツールの利用を後押しするDeployは2026年に78%で前年の72%を上回り、業務フローとプロセスを一から設計し直すReshapeは57%で前年は50%、新しい事業モデルや製品をつくるInventは42%で前年の22%から20ポイント上がった。回答者は14市場の11,749人である。

BCGの2026年AI at Workスライド8ページ。ツール配布は三つのうち最も広いが最も浅い層である。

ツールを配ることは実験ではない。実験とは、このツールを使えばどの指標がどれだけ動くという予測と、その予測が外れたときに認める基準を同時に置く行為だ。予測なしに配れば後に残るのは利用率だけで、利用率は継続か中止かを教えてくれない。

国内の数字も同じ境目を示す。経済産業省所管の情報処理推進機構が2026年7月16日に公表したDX動向・AI活用動向の調査には、国内企業1,799社が回答した。AIの利用用途は文書・音声の要約・翻訳・校正が82.5%、文書・レポートの作成が80.5%と高い。一方で生産・物流・サービス提供の計画支援は6.0%、自社製品・サービスの高度化は10.9%にとどまる。効果の内訳も割れている。業務が効率化・迅速化したという回答が91.6%なのに対し、売上や利益が向上したという回答は3.9%、顧客満足度が向上したという回答は4.5%だった。

効率化は検証しやすく、価値創出は検証しにくい。易しいほうだけを検証する組織は、難しい判断をいつまでも先送りする。

実験登録シート一枚が検証サイクルの起点になる

現場部門に着手前の一枚を書かせると、その後の手順が自然に整う。A4一枚で足り、書式より項目の強制力が重要だ。

ここで判定するのは研修プログラムの効果ではなく、業務上の意思決定そのものである。研修効果を測る設計が講師と講座について問うのに対し、実験登録シートは所管部署が来期もこのやり方を続けるかを問う。二つの問いを混ぜると、どちらの答えも出ない。

シートを書いた時点で提案の大半はふるいにかかる。観測できるデータがない、予測を数字で書けない、判定日を置けない。この三つのどれかに該当する提案が半数を超えるのが普通だ。その脱落は損失ではなく最初の成果である。

継続条件より先に撤退基準を書く

着手前に撤退基準を文書で固定する理由は単純だ。結果を見た後なら、どんな数字にも継続の理由を付けられるからである。標本が小さい、季節要因がある、利用者がまだ慣れていない。こうした説明はすべて結果を見てから生まれる。着手前に書いた一行が、その解釈の余地を狭める。

実務で使う撤退基準はおおむね五つに整理できる。

• 効果の下限：中間観測日に目標改善幅の三分の一に届かなければたたむ。
• 費用の上限：累積の投入工数やライセンス費用が事前の枠を超えたらたたむ。
• 期間の上限：判定日までに必要なデータが揃わなければ延長せずたたむ。
• 運用不能条件：既存の業務手順を変えないと維持できない構造ならたたむ。
• リスク条件：個人情報の取扱範囲や顧客対応の品質で事前合意した線を越えたら即座にたたむ。

五つのうち最も抜けやすいのが期間の上限だ。期限のない実験は実験ではなく小規模運用に変わる。そして小規模運用は、誰も終了を宣言しないまま予算と人員を食い続ける。

撤退基準は判定日一日だけにかかるものでもない。期間の半ばに中間観測日を一つ置き、その時点の最低ラインを先に書いておく。4週後に方向性が全く見えない介入が8週後に目標を超える例はまれである。中間観測日があれば残り半分の資源を別の仮説へ回す余地が生まれる。何より、判定会議が一度きりの最終宣告のように感じられなくなる。

埋没費用と提案者の面子が撤退判断を最も強く止める

撤退が難しい理由はデータ不足ではない。社会的な費用である。提案した本人が判定まで担えば自分の判断を自分で覆すことになり、その負担は個人の誠実さでは越えにくい。すでに使った予算と時間が大きいほど、いまたたむ選択がその費用を無駄と確定させるように感じられる。

この問題は性格ではなく構造で解く。

• 提案者と判定者を分ける。判定権はその業務の成果に責任を持つ管理職に置く。
• 判定会議の日程を着手と同時にカレンダーへ入れる。日付がなければ会議は開かれない。
• 撤退の決定を失敗ではなく成果物として記録する。廃棄報告書の提出を完了条件に入れる。
• 次の実験を割り当てる際、廃棄の履歴を減点材料にしないという原則を文書に残す。

責任者が空席ならこの構造は立たない。2026年2月のマッキンゼーの組織調査では、対象企業の6社に1社でAI導入に関する経営層の明確な責任者が不在だった。明確な戦略と行動で導入と実験を一貫して主導する経営層がいると答えた組織は14%である。

実験の権限は予算・データ・顧客接点の三つの境界で決める

権限があいまいだと現場の反応は二つに割れる。大きな実験だけを稟議に上げるか、小さな実験を報告せずに抱え込むかだ。どちらも組織の学習として残らない。境界を先に引いておけば、大半の実験は稟議なしで始まり、危険な実験だけが人の判断を通る。

境界の表には最後の列が欠かせない。何が禁止かを書かなければ、担当者はすべてを承認対象として扱う。承認待ちの列が伸びれば実験の周期は四半期単位に延び、四半期単位の実験は学習ではなく報告行事になる。

利用率を数える代わりに、どの意思決定が変わったかを数える

BCGが同じ資料の最終ページで経営課題として整理した五項目のうち、二番目は評価の物差しを変えよという指摘だ。導入率は人が使っているという事実を伝えるだけで、その利用が割に合っているかまでは伝えないという趣旨である。五番目は、AIを完結型のプログラムではなく舵を取り続ける対象として扱い、何が効いているかを再確認し価値を測り直す軽い常設ガバナンスを置けという指摘だ。

BCGの2026年AI at Workスライド28ページ。二番目と五番目の項目が判定基準と再検証の周期を扱う。

実験能力を見る数字は成功事例の件数ではない。

• 仮説の登録から判定までに要した日数の中央値
• 判定された仮説のうち廃棄結論の比率
• 判定日を守れずに延長された実験の比率
• 廃棄記録を参照して着手前に取り下げた重複提案の件数
• 展開を決めた後、運用への引き継ぎを完了した件数

効果の回答を保留の言葉で受け取る習慣も一緒に直す。先の国内調査でAI導入の効果を期待以上または期待どおりと答えた比率は31.8%で、一定の効果はあったという回答が50.6%と最も多かった。一定の効果という答えは判定ではなく判定保留に近い。実験登録シートに事前基準があれば、この欄は充足か未充足のどちらかで埋まる。

失敗した実験の記録がなければ、同じ実験を三度繰り返す

棄却された仮説はミスではない。ミスは手順を守らなかった状態を指し、棄却は手順を守って得た結論である。この二つを同じ引き出しに入れると担当者は結論を伏せ、伏せられた結論は2年後に別の部署で同じ予算とともによみがえる。PoC疲れと呼ばれる状態の多くは、検証の失敗ではなく検証結果の保管の失敗から生まれる。

廃棄記録は一画面に次を収める。

• 何を予測し、どんな条件なら偽とみなすと決めたのか
• 実際に観測された値と判定日、判定者は誰か
• 何が外れたのか。仮説そのものか、実行の質か、データの問題か
• どんな条件が変われば、もう一度見る価値があるのか

最後の項目が記録を生かす。再検討条件のない廃棄記録は倉庫へ入り、条件が書かれた記録は次の提案者が検索して読む。検索されるには部署・業務・データ源・期間をタグとして付ける必要がある。このタグ規則まで研修で一緒に教えると定着がずっと速い。

展開の判断は実験の成功ではなく運用の引き継ぎで下す

PoCが成功したという事実と、そのやり方を組織が回し続けるという事実は別である。散らばったPoCのつぎはぎから統合された運用モデルへ移れない状態は大企業でもよく起きる。マッキンゼーが同じ報告で引いた数字では、AIを何らかの形で導入した企業は88%に達する一方、損益に有意な影響はないと答えた企業も同じくらい多い。導入を試みた企業のうち損益にはっきりした効果が出たのは20%に満たない。

展開を決める前に、次の五つが指定されている必要がある。

• 運用主体：実験チームではなく、常時運用を担う部署と担当者
• 予算項目：一過性の実験費ではなく、次年度の正規費用としての位置づけ
• 障害対応：ツールが止まったときに戻る手順と、その手順の訓練有無
• 教育計画：新入社員と異動者に向けた標準教材と担当
• 廃止計画：このやり方をいつ見直し、いつ終えるかの基準

五つの欄が空のまま展開を宣言すれば、実験は成功して運用は失敗する。そしてその失敗は、次の実験提案に対する組織の信頼を削る。

引き継ぎ文書は実験チームではなく、引き受ける部署に書かせるほうが正確だ。渡す側はうまくいく条件を書き、受ける側は崩れる条件を書く。受け手が自分で書いた文書に空欄が残るなら、それがそのまま展開保留の理由になる。この一度の入れ替えが、PoCと運用のあいだで繰り返される責任の空白をかなり取り除く。

日本企業は稟議のラインと人事評価のラインを切り離す

日本企業の稟議ラインは、たいてい人事評価のラインと重なる。実験を承認した役員が、その実験を提案したチームの考課まで付けるとする。すると撤退の報告は事実の報告ではなく、等級や賞与に響く自己申告に変わる。この構造では、どれほど良い登録シートを書いても判定会議が婉曲表現で埋まる。

三つを切り離すと状況が変わる。

• 実験予算を部門業績のKPI算式から外す。実験費の執行が部門損益に直接乗るなら、実験は始めること自体が損になる。
• 判定会議の記録役を、人材開発や経営企画のように評価権限を持たない部署に任せる。記録者が評価者を兼ねないようにする。
• 期末の考課時期と実験の判定日を重ねない。評価の直前に判定が集中すると、結論は楽観のほうへ傾く。

社内公募の報奨設計にも手を入れる余地がある。賞金や表彰は提案の時点で渡され、検証結果とは無関係だ。報奨を実験に使える時間、データへのアクセス権、判定会議に役員を呼べる権利のように、次の検証を可能にする資源へ置き換えると提案の質が変わる。人材不足はこの設計を先送りする理由にはならない。先の国内調査でDXを推進する人材の量がやや不足または大幅に不足と答えた割合は85.5%で、直近三回の調査でほぼ同じ水準が続いている。

研修は事例集ではなく受講者の部署の実案件を扱う

実験能力の講座を事例講義として設計すると、修了直後に何も起きない。受講者はよその会社の話を聞き、戻って自部署の稟議の前で止まる。研修を業務上の意思決定につなげるには、受講条件から変える必要がある。

講師が投げるべき問いは決まっている。この予測が外れたらどの数字で分かるのか、その数字はいまどこに溜まっているのか、誰がいつそれを開くのか。三つに答えられない案件は教室でふるいにかける。実行段階まで進んで崩れれば、すでに予算と評判がかかった後だ。

人材開発担当の役割も変わる。講座の運営ではなく、判定会議の進行と記録、廃棄記録の蓄積と検索可能性の維持が中核業務になる。先に引いた組織調査では、回答者9,346人が新技術の全社導入に重要な要素を挙げたとき、職務別の能力開発講座と事業成果とのつながりがそれぞれ29%で同じ重みに並んだ。事例集は18%で最も低い。事例を集めるより、案件を結び付けるほうが先である。

実験能力は成功率ではなく廃棄の速さで測る

実験の成功率90%を誇る組織は、検証がうまい組織ではなく、安全なものだけを試した組織だ。結果が読める仮説は検証する必要がなく、検証する必要のある仮説は相当数が棄却される。成功率の高さは、組織がまだ知らない領域に触れていないという合図に近い。

代わりに見る数字は廃棄の速さである。仮説を登録した日から真偽を判定した日までの中央値、そしてその日数が四半期ごとに縮んでいるかを見る。この数字が短くなる組織は、同じ予算でより多くの問いに答えを出す。逆に長くなる組織は、提案件数がいくら増えても分かることが増えない。

実験能力を組織に根づかせる作業は創造性の研修ではなく、判定と廃棄の手順を業務に打ち込む作業である。 登録シート一枚、着手前に書いた撤退基準、カレンダーに固定した判定日、検索できる廃棄記録、そして提案者と判定者を分けた権限配置。この五つが定着すれば、提案箱は提案の墓場ではなく、組織が四半期ごとに新しく知る事実の入口になる。

あわせて読みたい記事

• 学習ネットワークには組織図に載らないキーパーソンがいる
• スキルギャップの原因診断、研修を増やしたのになぜ差は残るのか
• 営業研修は終わったのに、売上はなぜ動かないのか

出典

• Boston Consulting Group, AI at Work: Why Strategy Matters More Than Tools, 2026: https://web-assets.bcg.com/eb/92/4b39b729403fb6fcae4ff974b234/ai-at-work-slideshow-jun-2026-1.pdf
• 情報処理推進機構, 国内企業のDX動向・AI活用動向のポイント, 2026: https://www.ipa.go.jp/pressrelease/2026/press20260716.html
• McKinsey & Company, The State of Organizations 2026, 2026: https://www.mckinsey.com/~/media/mckinsey/business%20functions/people%20and%20organizational%20performance/our%20insights/the%20state%20of%20organizations/2026/the-state-of-organizations-2026-vf.pdf