第005章 AI時代の意思決定とは？
意思決定とは何か。経営者の仕事を一語で言い表すとき、多くの人はこの語を選ぶ。しかし、その中身は驚くほど曖昧なまま扱われてきた。AIは情報を集め、選択肢を並べ、確率を示す。では、意思決定のどこまでをAIが担い、どこからが人間に残るのか。本章は、意思決定という行為そのものを五つの層に分解し、AI時代における構造を描き直す。
1 なぜ、いまこの問いが立つのか
意思決定は、経営の中心語でありながら、最も分析されてこない語である。
私たちは「良い意思決定をした」「判断を誤った」と日常的に語る。だが、その良し悪しがどの段階で決まったのかを、事後に特定できることは少ない。情報が足りなかったのか。選択肢が狭かったのか。評価軸が誤っていたのか。決断が遅かったのか。多くの企業で、この切り分けは行われていない。
切り分けが行われなくても、これまでは問題にならなかった。意思決定の各段階を、同じ一人の人間が担っていたからである。情報を集めるのも、選択肢を考えるのも、決めるのも、責任を負うのも、経営者だった。分解する必要がなかったのは、分解しても担い手が変わらなかったからである。
AIは、この前提を壊した。
いま、情報収集はAIが人間より速く広く行う。選択肢の列挙も、AIのほうが多く、偏りが少ない。評価の一部、とりわけ定量的な比較は、AIのほうが正確である。ところが、決めるという行為と、その結果を引き受けるという行為は、依然として人間の側にある。つまり、かつて一体だった営みが、担い手の異なる複数の営みへと割れた。
割れたものを、割れたまま扱えば、経営は必ず混乱する。
現場で起きているのは、まさにその混乱である。AIが精緻な分析を出す。会議の資料は厚くなる。論点は網羅される。それなのに、決まらない。あるいは、決まったのに誰も動かない。
速くなったのは、意思決定の前半だけだからである。後半、すなわち選択と責任は、少しも速くなっていない。むしろ、前半が充実したぶん、後半の重さが際立つようになった。
だから、いま問うべきはこうである。意思決定とは、そもそもどのような構造を持つ行為なのか。 そして、その構造のどこが機械化され、どこが機械化されえないのか。この問いに答えないまま、AIを意思決定に導入することは、家の設計図を見ずに壁を抜くことに等しい。
2 通説とその限界
意思決定について、実務の世界には三つの支配的な答えがある。いずれも部分的には正しい。しかし、いずれもAI時代には効かなくなる。通説1「意思決定とは、最も良い選択肢を選ぶことである」
最も広く共有された理解である。選択肢を並べ、基準で評価し、最上位を選ぶ。経営学の教科書も、多くの意思決定研究も、この枠組みに立っている。
この理解の弱点は、選択肢の集合が与件になっていることである。誰かが選択肢を用意したあとの話しかしていない。ところが、経営の質を決めるのは、選ぶ段階ではなく、選択肢が生まれる段階であることが多い。AとBの二択で悩む会議を想像してほしい。本当の問題は、Cが議題に載っていないことである。載っていないCは、どれほど精緻に評価しても選ばれない。選択の巧拙は、選択肢の質を超えられない。
AIはこの弱点を一部は埋める。人間より多くの選択肢を列挙できるからである。しかし、AIが列挙するのは既存の枠組みの中の選択肢である。枠組みそのものを移す選択肢は、誰かが「そういう未来があるべきだ」と決めない限り、集合に入ってこない。
通説2「意思決定とは、データに基づく判断である」
二つ目は、データドリブンという言葉で語られる答えである。勘と経験ではなくデータで決める。この主張は、二十年にわたり正しかった。そしていまも、部分的には正しい。
だが、私たちは奇妙な現実に直面している。データが十分にあるのに、判断を誤る企業が減らない。 むしろ、データが増えるほど誤りが目立つ場面すらある。
理由は四つある。
第一に、データはすべて過去の記録である。過去の延長に未来がある局面では、データは強い。しかし前提が変わる局面では、データは最も自信をもって間違った方向を指す。市場が消える直前まで、その市場の指標は健全に見える。
第二に、問いが誤っていれば、データは誤りを裏づける。「この製品の需要はあるか」という問いに答えるデータは集まる。「この製品カテゴリ自体が十年後に存在するか」という問いには、データが存在しない。存在しない問いは、分析の対象にならない。
第三に、測れるものが測れないものを駆逐する。売上、原価、稼働率は測れる。信頼の蓄積、学習の速度、組織の再定義能力は測りにくい。会議は測れるものだけで進み、測れないものは議論から静かに消える。
第四に、データは責任を分散させる。「データがそう示していた」という説明は、決めた人間の輪郭をぼかす。責任の所在が曖昧な意思決定は、事後の学習を生まない。誤りが誰のものでもないとき、誰も学ばない。つまり、データ不足は問題の一部にすぎない。多くの誤りは、データがあってもなお、問いの設計と責任の設計が欠けていることから生じる。通説3「意思決定とは、速さである」
三つ目は、スピード論である。変化が速いのだから、決断も速く。この主張も正しい。遅い決断が機会を失うことは、日々証明されている。しかし、速さは方向を含まない。速く決めるとは、いま見えている情報の中で速く動くことである。その情報は競合にも見えている。AIが読めば、なおさら同じものが見える。
ここから、多くの経営者が誤った二者択一に陥る。速く決めるか、深く考えるか。この二つがトレードオフだという通念は、誤りである。後段で論証する。
三つの通説には、共通する前提がある。意思決定を、与えられた状況への反応として捉えていることである。状況があり、選択肢があり、そこから選ぶ。
AI時代の経営が問うているのは、その一段上である。状況そのものを、誰が、どの時間の幅で、どう定義するのか。
3 再定義 — 意思決定とは、未来を選び、責任を引き受ける行為で
あるFuture Value Theory は、意思決定を次のように定義する。意思決定とは、複数の可能な未来のうち一つを選び、そこへ資本を配分し、その結果を引き受ける行為である。
この定義には三つの要素が含まれている。未来の選択、資本の配分、責任の引き受けである。三つとも、選択肢を比較する行為よりも手前、あるいは奥にある。
意思決定の五層この定義を実務へ落とすために、意思決定を五つの層に分解する。この分解が、本章の中核である。
第1層 情報収集。 何が起きているかを把握する。市場、顧客、技術、競合、規制、社内の実態。
第2層 選択肢生成。 取りうる道を並べる。何をするか、何をしないか、いつ始めるか。
第3層 評価。 各選択肢の帰結を見積もる。効果、費用、確率、副作用、時間軸。
第4層 選択。 一つを選ぶ。他を捨てる。
第5層責任。
結果を引き受ける。説明する。誤りを認め、学習へつなぐ。
この五層は、これまで一つの塊として扱われてきた。AI時代には、層ごとに担い手が変わる。
第1層は、ほぼ全面的にAIが担える。人間が集められる情報量は、もはや比較にならない。ここに人間の時間を使うことは、二〇二六年八月時点では、資源の誤配分である。
第2層は、大半をAIが担える。ただし限界がある。AIが生成する選択肢は、学習した世界の内側にある。まだ誰も語っていない未来に対応する選択肢は、人間が「その未来を存在させたい」と決めたときにだけ現れる。第3層は、条件つきでAIが担える。定量的な帰結の見積もりはAIが優れる。しかし、評価には必ず評価軸が要る。何を良しとするかは、データからは導けない。軸を決めるのは人間である。
第4層は、AIが担えない。選択とは、捨てることだからである。AIは期待値の最大化はできる。だが、期待値を計算するには目的関数が要り、目的関数を決めることは選択そのものである。ここには論理的な循環がある。第5層は、構造的にAIが担えない。責任とは、誤ったときに立場を賭ける主体があることを意味する。AIには賭ける立場がない。責任を負えない主体は、決めたことにならない。
第一原理の第四項は、この境界を一行で述べている。AI Optimizes. Humans Define. AIは最適化する。人間は定義する。第1層から第3層は最適化の領域である。第4層と第5層は定義の領域である。
境界は移動しない「AIにできないことは毎年移動する」という指摘は正しい。しかし、いま述べた境界は移動しない。第4層と第5層をAIが担えないのは、性能が足りないからではないからである。目的を決める行為は、性能の問題ではなく、意味と責任の問題である。より賢いモデルが出ても、意味を決める権利は移らない。
したがって、経営者の役割は引き算では定義されない。AIができることの残りではない。意思決定という行為の、最も深い二層の中心にある。選択とは、資本配分である第4層の選択は、実務では必ず資本配分として現れる。予算、人員、時間、経営の注意。これらをどこへ振り向けるかが、選択の実体である。第一原理の第三項は、その意味を規定する。Capital Exists to Create Possibility. 資本は可能性を創るために存在する。
この原理を採ると、資本配分の問いが変わる。「どこに投じれば最も利回りが高いか」ではない。「どの可能性を、この世に存在させたいか」である。前者は最適化の問いであり、AIが扱える。後者は定義の問いであり、人間にしか扱えない。
予算表は、その企業がどの可能性を選んだかの記録である。逆に言えば、可能性を一つも新しく増やしていない予算表は、意思決定が行われなかったことの証拠である。
Human-on-the-Loop Management五層の分解を経営の様式として言い直したものが、Human-on-theLoop Management である。よく知られた Human-in-the-Loop は、人間がループの内側にいる形をとる。AIが出力し、人間が一件ずつ確認し、承認または修正する。個々の判断の品質は保たれる。しかし、AIの処理量が増えるほど、人間が律速となって全体が詰まる。
Human-on-the-Loop は違う。人間はループの上にいる。個々の出力に介入するのではなく、システム全体を設計する。 何を目的関数に置くか。どの評価軸を採るか。どの範囲までAIに委ねるか。どの条件で人間が引き取るか。これらを事前に設計し、設計そのものを更新し続ける。
ここを取り違えてはならない。Human-on-the-Loop は、AIを見張る仕組みではない。人間・AI・資本・組織・社会を一つのシステムとして設計する経営様式である。目的は、より良い制御ではなく、より良い設計である。
五層で言えば、第1層から第3層の運用ルールを設計し、第4層と第5層を人間が保持する。この分離が明示された組織では、AIの処理量が増えるほど経営が強くなる。曖昧な組織では、増えるほど弱くなる。
4 構造 — 未来射程が、意思決定の質を決める
再定義を骨格へ落とす。ここで二つの概念と一つの方程式を用いる。
4.1 Future Horizon（未来射程）
Future Horizon（未来射程） とは、経営者がいま行う意思決定において、実際に考慮に入れている未来の幅である。
多くの企業で、この幅は短い。中期経営計画は三年、投資回収の基準は五年、役員の任期はそれより短い。制度が短い射程を強制しているとき、個人の意識だけを長くしても意味がない。
未来射程が短い企業では、意思決定は必ず現在の延長になる。三年で回収できる案件しか通らないなら、三年で回収できる未来しか選べない。選択肢が制度によって事前に切り落とされている。未来射程を伸ばすとは、悠長になることではない。評価される時間の幅を、制度として広げることである。
4.2 Future Time Equation
Future Value Theory の第五の方程式が、この構造を規定する。Future Value = Future Time × Future Capability未来価値は、Future Time（未来時間）と Future Capability の積である。足し算ではない。掛け算である。 したがって、どちらか一方がゼロなら、全体がゼロになる。
Future Time とは、企業が未来のために使っている時間である。経営者の思考時間、組織の学習時間、実験に許された時間、そして未来射程そのもの。Future Capability とは、その時間を価値へ変える能力である。この式は、二種類の失敗を同時に説明する。
第一の失敗は、能力はあるのに時間がない企業である。優れた技術者と資金を持ちながら、経営の時間がすべて足元の処理に費やされる。Future Time がゼロに近いため、積はゼロに近い。
第二の失敗は、時間はあるのに能力がない企業である。長期構想を語り、遠い未来を描く。しかし学習も再定義も起きていない。Future Capability がゼロに近く、やはり積はゼロに近い。
AIは、この式のうち Future Time を直接増やす。第1層から第3層の作業時間を削るからである。ただし、削られた時間が自動的に Future Time になるわけではない。空いた時間で会議を増やした企業では、何も変わらない。
AIが返した時間を何に使うか。 それ自体が、AI時代における最初の意思決定である。
4.3 速度と射程は、トレードオフではない
ここで、通説3が残した論点に答える。速く決めることと、遠くを見ることは、両立しないのか。
両立する。理由は三つある。
第一に、両者は意思決定の異なる層に属する。速度が問題になるのは第1層から第3層、射程が問題になるのは第4層と第5層である。層が違うものは、原理的に交換関係に立たない。遅い会社が遠くを見ているのではなく、単に前半が遅いだけである。
第二に、射程が長いほど、個々の決定は速くなる。二十年後の姿が定まっていれば、目の前の案件が「その姿に近づくか」で即座に判定できる。射程が短い企業は、案件ごとに目的から議論をやり直す。だから遅い。判断基準の耐用年数が長いほど、判断は速い。
第三に、Future Time Equation が掛け算である以上、時間と能力は互いを増幅する。時間を確保した企業は学習が進み、学習が進んだ企業は判断が速くなり、判断が速い企業はさらに時間が空く。速度と射程は、同じ循環の二つの面である。
トレードオフに見えるのは、射程を伸ばす作業と目先を処理する作業を、同じ時間帯で奪い合わせているからである。これは構造の問題であり、設計で解ける。
4.4 Future Back Planning の手順
未来射程を実務へ変換する方法が、Future Back Planning（フューチャーバック・プランニング） である。現在から積み上げるのではなく、未来から現在へ向けて設計する。
手順は六段階である。
第一段階、未来の社会を描く。 二十年後、どんな社会が存在すべきか。予測ではない。存在すべき未来を選ぶ。人口、エネルギー、医療、教育、都市。自社の事業から出発してはならない。社会から出発する。
第二段階、その社会における自社の役割を定める。 その未来が実現したとき、自社はどんな役割を果たしているのか。売っている物ではなく、果たしている機能で記述する。ここが Enterprise Redefinition の起点になる（→ 第V巻 041参照）。
第三段階、その姿に必要な能力を列挙する。 その役割を果たす企業は、何ができる企業か。技術、人材、データ、信頼、パートナー。すべてFuture Capital（未来資本）の構成要素として書き出す。第四段階、現在との差分を測る。 列挙した能力のうち、いま持っているものはどれか。持っていないものはどれか。買えるものはどれか。買えず、育てるしかないものはどれか。育つのに何年かかるのか。
第五段階、時間割に変換する。 育つのに十年かかる能力は、十年前に着手していなければならない。すなわち、いま着手する。この逆算が、Future Back Planning の核心である。二十年後に必要な能力から、今日やるべきことが一意に決まる。
第六段階、今日の資本配分に落とす。
差分を埋めるために、来期の予算、人員、経営の注意をどう配分するか。ここまで落ちて初めて、計画は意思決定になった。
この手順の要点は、第五段階にある。多くの長期構想が絵で終わるのは、構想と予算のあいだに、能力の育成年数という橋がかかっていないからである。橋がなければ、構想は「いつかやること」に留まる。
AIは第三段階と第四段階で強力に働く。必要能力の列挙も、差分の測定も、最適化の領域だからである。第一段階と第二段階、すなわちどんな未来を選ぶかは、人間が決める。
4.5 意思決定を設計する経営
以上を、経営の方程式に接続する。
Leadership = Purpose × Question Design × Capital Allocation × System Architecture × Trust意思決定の五層は、この式にきれいに対応する。Purpose が評価軸を与える。Question Designが第2層の選択肢の幅を決める。Capital Allocation が第4層の選択を実体化する。System Architecture が第1層から第3層の設計を担う。そして Trust が、第5層の責任を組織が受け入れる基盤になる。
この式も掛け算である。Question Design がゼロなら、AIの出した答えを検証できない。Trust がゼロなら、誤りを認める意思決定が組織の中で不可能になる。
5 実像 — なぜ、やめられないのか
理論を、経営の現場に重ねる。
データが揃った会議で起きることある会議を想像してほしい。新規事業の継続可否を決める場である。資料は充実している。市場規模の推計、競合の動向、顧客インタビューの分析、三つのシナリオと確率。AIが作った資料は、数年前の人間の成果物を大きく上回る。
それでも、結論は出ない。あるいは、「もう一年見る」という結論が出る。
資料が答えているのは第3層までだからである。第4層の選択には評価軸が要る。この事業は何のために始めたのか。その目的は、いま自社が選んでいる未来と整合しているのか。ここが言語化されていない会議では、どれほど資料が厚くても選べない。
そして第5層の責任である。やめる結論を出すと、始めた判断が誤りだったと認めることになる。認める人がいない組織では、やめる決定は構造的に出せない。データの不足ではない。責任の設計の不在である。
撤退が、AI時代にいっそう難しくなる理由撤退と中止は、もともと最も難しい意思決定である。AI時代には、さらに難しくなる。理由は四つある。
第一に、改善案が尽きなくなった。 かつて、撤退は「打つ手がなくなったとき」に決まった。いまはAIが常に次の改善案を出す。価格を変える。訴求を変える。顧客層を変える。手が尽きないため、撤退の自然な契機が消えた。
第二に、局所最適の坂を登り続けられるようになった。 AIは与えられた目的関数の中で改善を続ける。事業は毎月わずかに良くなる。良くなっている事業をやめる決定は、極めて出しにくい。だが、登っている丘そのものが低い丘である可能性を、AIは指摘しない。丘を変える問いは、目的関数の外側にあるからである。
第三に、比較の相手が見えにくい。 撤退の本質は、資本を別の可能性へ移すことである。しかし移す先の可能性は、まだ存在していない。存在するものと存在しないものを比べる作業を、データは支援しない。
第四に、責任が分散した。 「AIの分析でも継続が妥当と出ていた」という説明が可能になった。決めた主体が曖昧になるほど、やめる決定は先送りされる。
したがってAI時代には、撤退を設計の問題として扱う必要がある。すなわち、始めるときに終わりの条件を決める。何が起きたらやめるのか。いつ判定するのか。判定するのは誰か。この三つを開始時に文書化し、判定日に自動的に議題へ載せる。
これは Human-on-the-Loop の具体例である。個々の撤退判断を都度がんばるのではない。撤退が構造的に議題へ上がるように、システムを設計する。
産業に見られる実像公開情報から読み取れる範囲で、産業の姿を重ねる。
総合電機の分野では、複数の事業領域を抱えた企業が、領域そのものを入れ替える動きを見せてきた。注目すべきは、入れ替えた事業の多くが、当時なお採算に乗っていたことである。悪くなってからやめたのではない。悪くなる前に、資本を別の可能性へ移した。第4層と第5層を人間が保持していなければ不可能な決定である。
製薬の分野では、研究段階の開発中止が制度として組み込まれている。段階ごとに判定基準があり、基準を満たさない候補は止まる。中止は失敗ではなく、次の候補へ資本を移す手続きである。撤退を設計として扱った、最も成熟した例といえる。
対照的な姿もある。技術を持ちながら市場の転換に対応できなかった企業は、能力が足りなかったのではない。やめる決定が制度的に出せなかった。未来射程が既存事業の寿命に固定されていたとき、選択肢の集合は最初から閉じていた。
共通するのは何か。意思決定の巧拙ではなく、意思決定の設計の巧拙が、結果を分けたということである。
逆算した企業の姿Future Back Planning が働いた企業には、共通の兆候がある。予算表に、今期の売上に貢献しない費目がある。採用要件に、現在の事業では使い道のない能力が含まれている。経営会議の議題に、五年以内に判定できない項目があり、その項目に責任者の名前がついている。
いずれも、未来から逆算しなければ生じない現象である。これらが一つもない企業は、どれほど長期構想を掲げていても、実際には現在の延長しか選んでいない。
6 経営者への問い
ここまでを一行にまとめる。
AI時代の意思決定とは、AIに最適化を委ね、人間が目的と責任を保持し、未来から逆算して資本を配分し続ける営みである。
速く決めることではない。データを増やすことでもない。正しい選択肢を選ぶことでもない。それらはすべて、この営みの部分にすぎない。この定義を採るとき、明日の経営はどう変わるのか。次の経営会議で答えを出せる問いを、三つ置く。
問い1 — 直近の重要な決定において、五層のどこに時間を使ったか。資料を読む時間、比較する時間、確認する時間。これらは第1層から第3層であり、AIに移せる。移したうえで、空いた時間を第4層と第5層に使えているか。使えていないなら、AIは会議を厚くしているだけである。問い2 — 自社の未来射程は、何年か。
制度で測る。投資回収基準の年数、計画の期間、評価の周期。最も短いものが、その企業の実際の未来射程である。そして、その射程の外にある未来は、どれほど語られても選ばれない。射程を伸ばす権限を持つのは、経営者だけである。
問い3 — いま進行中の取り組みのうち、終わりの条件が定義されているものは何割か。
始める決定には合意が集まりやすい。やめる決定には集まらない。だから、やめる条件は始めるときにしか決められない。この割合が低い企業では、資本は静かに過去へ固定されていく。
三つの問いは、いずれも「どう決めるか」を聞いていない。決めるという行為を、どう設計しているかを聞いている。
AIは選択肢を広げる。人間は目的を定める。資本は可能性を創る。責任は、決めた者が負う。
この分担が明確な企業では、AIが強くなるほど経営が強くなる。曖昧な企業では、AIが強くなるほど決まらなくなる。差を生むのは、モデルの性能ではない。意思決定の構造である。
そして、その構造を設計できるのは、経営者だけである。AIは、どの未来を選ぶべきかを教えてくれない。教えてくれないという事実こそが、経営者という職務が残る理由である。
意思決定とは、未来を選ぶことである。選ぶとは、他を捨てることである。捨てたものの重さを引き受ける主体があるとき、初めて、それは決定と呼ばれる。
本章のまとめ
- 意思決定とは、複数の可能な未来から一つを選び、資本を配分し、結果を引き受ける行為である。
- 五層のうち第1層から第3層はAIへ移せるが、第4層の選択と第5層の責任は移らない。
- 未来射程は制度で決まる。投資回収基準や計画期間のうち最も短い年数が実際の射程である。
- やめる条件は始めるときにしか決められず、決めない企業では資本が静かに過去へ固定される。
重要概念
Human-on-the-Loop Management／Human-in-the-Loop（ヒューマン・イン・ザ・ループ）／Future Horizon（未来射程）／Future Back Planning（フューチャーバック・プランニング）／Future Equation／Capital Allocation Time
関連概念
Future Horizon → Future Back Planning → Capital Allocation → Future Value → Enterprise Value
関連する第一原理
Principle 3 — Capital Exists to Create Possibility. Principle 4 — AI Optimizes. Humans Define. Principle 9 — Leadership Means Designing the Future.
関連する章
- 第I巻 002「AIはCEOになれるのか？」— 責任がAIへ移らない理由を三層で論じる章
- 第I巻 009「AIと人間はどう役割分担すべきか？」— 五層を動詞と責任台帳へ落とす章
- 第I巻 008「AI時代の経営戦略とは？」— 未来から逆算する構想の立て方を示す章
- 第IV巻 032「投資家は未来価値をどう評価するのか？」— 射程の長さが外部評価へ及ぶ道筋
関連論文・既刊
- Kadowaki, N. (2026). Future Value Theory: A Management Framework for Enterprise, Capital, and Society in the Age of AI. VURA Working Paper. SSRN: https://ssrn.com/abstract=7120980 ／ Zenodo: https://doi.org/10.5281/zenodo.21255662
- Kadowaki, N. (2026). Enterprise Redefinition: Toward an Enterprise Evolution Theory for the Age of AI. VURA Working Paper.（Zenodoにて公開。SSRNは審査中）
- 『AI時代の経営100の問い』#013「AIに『経営判断』を任せていいのか？」／#020「データがあるのに、なぜ判断を間違える？」
次に読むべき章
→ 第I巻 006「AI時代の競争優位とは？」
第I巻 AI時代の経営とは何か