活動は学習ではない
会社は大量の活動を生み出します。会議、メッセージ、課題、文書、指標画面、そして今ではAIとの会話。しかし活動は記憶ではなく、記憶もそのまま学習ではありません。重要な意思決定の多くは、関係者が次へ進んだ瞬間に理由を失います。
何を出荷したかは覚えていても、なぜそれを選び、どんな不確実性があり、どの結果が判断の誤りを示すはずだったかを忘れる。その接続がなければ、歴史はより良い判断の源ではなく、成果物の集積になります。
学習のループ
組織が学ぶためには、意思決定、それを支えた権限、その後の実行、観測された結果という四つが接続されたままである必要があります。それぞれが異なる問いに答えます。何を選んだか。誰が選ぶ権利を持っていたか。実際に何が起きたか。現実は何を返したか。
データの量より接続が重要です。責任ある選択へ結び付けられない大量の文字起こしや指標より、少数でも正しく結ばれた意思決定の方が多くを教えます。
たとえば、パイプラインの充足度が足りているように見えたので採用を止める。三か月後、専門の不足で二つの仕事がずれ、次の計画は同じ充足度の数字から始まる。ずれた仕事を、止めた判断へ誰も結び付けなかったからです。活動は続いています。判断は学んでいません。学習の記録なら、その選択、所有者、その後の実行、充足の仮定を反証し得た結果を残していたはずです。
結果を持つ記憶
有用な組織記憶は保管庫ではありません。行動を変える記憶です。似た判断が現れたとき、過去の文脈を取り出し、何が機能し、何が失敗し、現在とどこが違うかを示せる必要があります。
AIによってこれは現実的になりました。しかし検索だけでは足りません。元の記録には、対象の識別、由来、経過、権限が必要です。そうでなければ、モデルは多くの言葉を見つけても、組織がどの言葉を信頼する権利を持つかを理解できません。
すべての結果が、きれいにループを閉じるわけではありません。何年も後に届く結果も、複数の判断が混ざる結果も、原因を切り出せないほど雑音の多い結果もある。その証拠へ無理に教訓を載せることは、確信を製造することです。正直な応答は、何がまだ分からないかを記録し、学習したという主張を遅らせ、似た選択が戻ったとき開いた問いを取り出すことです。証明されていない物語を忘れられない会社は、それを守ります。問いごと捨てる会社は、暗いところで同じ選択を繰り返します。
学習システムとしての会社
AIを前提にした会社の最も深い価値は、同じ仕事をより少ない人数で終えることではありません。会社が自分自身を観測できることです。自分たちの概念、選択、約束、例外、結果を見て、業務経験を共有された世界モデルへ変える。
そのモデルが完成することはありません。反証と人間による修正へ開かれているべきです。それでも、意思決定が証拠を残し、結果が未来の選択へ戻るなら、会社は個人の記憶の総和を超えます。意図して学習できるシステムになります。さらに失敗条件があります。戻ってくる結果が、配分そのものがつくり出した世界の産物なら、その接続は学習を閉じません。介入の記憶を閉じます。その場合の試験が「配分する予測は、未来を観測しているのか」です。