リーダーシップ on Seunghoon Choi

政治で信頼を得るには：お世辞ではなく約束を守る

Sun, 21 Jun 2026 19:10:00 +0900

お世辞が苦手な人は、小さな約束をして実際に守る方法で信頼を得る必要がある。

私は嘘をつくと顔に出てしまう。心にもない褒め言葉や、気持ちのこもっていない社交辞令を無理に言うと、不自然さが表情に出る。ところが政治では、人を安心させ、協力を得る言葉が必要になる。では、私のようにお世辞が言えない人間は、政治に向いていないのだろうか。

長いことそう思っていた。けれど掘り下げるほど、答えは少し違っていた。お世辞が言えない人でも、人の心はつかめる。ただし、言葉でだますやり方ではなく、約束して守るやり方へと移っていかなければならない。

人は論理より先に「どちらの味方か」を見る

政治において、人は政策表から読み始めはしない。まず問う。この人は私たちの味方なのか。私の苦しみをわかっているのか。私の不安を代わりに言葉にしてくれるのか。政策が重要でないという意味ではない。けれど政策は、たいてい理解されるのが遅い。感情のほうが先に反応する。誰かが自分の味方のように感じられると、その次に、その人の言葉を理解しようとする。逆に味方ではないと感じれば、どんなに良い政策でも身構えて聞く。だから政治家の人気は、論理だけでは生まれない。感情とアイデンティティから始まる。人は「誰が正確か」よりも「誰が自分をわかってくれるか」に、先に動く。

良い政策は、放っておくとなかなか知られない

良い政策はたいてい複雑だ。効果が出るのも遅い。教育、医療、インフラ、科学技術、行政改革は、一日で結果が出るものではない。一方で、不安や怒りはすぐに動く。

だから良い政治は割に合わない。実際に役立つ政策ほど説明が長く、実感は遅く、反対する人は声が大きい。得をする多数は静かで、損をする少数は強く抵抗する。だから良い政治家は、良い政策をつくるだけではいけない。その政策を、人が実感できる言葉に変えなければならない。数字を人の顔に変え、遠い未来の利益を、いま実感できる小さな変化として見せなければならない。失業率2%減少よりも、仕事を取り戻した一人の一日のほうが強い。人は統計よりも、具体的な暮らしに先に反応する。

政策は数字で設計されるが、市民はその政策が自分の一日をどう変えるかで判断する。

お世辞が言えない人は、言葉で素早く支持を集めにくい

私のような人間は、言葉で速く押していく政治では不利だ。その場で相手を持ち上げ、耳ざわりの良い言葉をばらまき、あいまいな約束を自信ありげに投げる、そういうことが苦手だ。顔に出てしまう。けれどこの弱みは、別のやり方では資産になる。誰もがお世辞を言える場では、言葉の値打ちが下がる。誰だって「国民のためにやります」と言える。だから人は、その言葉をそのままは信じない。

ところが、嘘がうまくつけない人の約束は少し違う。その人は、言えることと言えないことがはっきりしている。できないことを、できると簡単には言えない。だから長く見ていると、かえって信頼できる人に見えてくる。お世辞が言えない人は、たくさん話して勝つ人ではない。少なく話し、話したことを守って勝つ人だ。

誠実さは、口調ではなく積み重なった記録だ

誠実だというイメージは、「私は誠実です」と言って生まれるものではない。積み重なった記録から生まれる。できることだけを約束し、約束したことは守り、間違ったときは認め、また直していく、その記録だ。空っぽな褒め言葉が言えないなら、正確な観察をすればいい。ご立派ですの代わりに、あの交渉で、あの条項を最後まで守ったのが重要でしたと言えばいい。心にもない言葉を飾るのではなく、実際に見たことを正確に言えばいい。知らないことは知らないと言い、いま答えられないことは、いまは答えないと言えばいい。すべての沈黙が弱みではない。嘘で埋めた言葉よりも、守った沈黙のほうが良いときもある。

お世辞が言えない人は、華やかな口調をまねる必要はない。自分の言葉の信頼度を、資産にすればいい。

少なく約束し、実際に守る

政治は結局、人の心をつかむ仕事だ。けれど心をつかむ方法は一つではない。ある人は怒りを集めて一気に上がっていく。ある人は約束を守って、ゆっくり信頼を積み上げる。私のような人間は、言葉で速くだますやり方では負ける。けれど、ゆっくり信頼を積み上げるやり方なら、やってみる価値がある。言葉より記録が積もり、イメージより結果が積もり、お世辞より守った約束が大事になる、そちらへ進むべきだ。

政治で感情を避けることはできない。しかし、感情を欺くために使う必要はない。実際の成果を、人が理解し実感できる言葉で伝えればよい。お世辞を言えないなら、約束を絞り、確実に守り、その結果を見える形で示せばよい。長く続く信頼は、約束を守った記録から生まれる。

AI導入後に人を減らすと会社が遅くなる理由：組織固有の文脈が失われる

Sun, 21 Jun 2026 17:56:30 +0900

オフィスに空席ができると人件費は減るが、会社はその人が知っていた業務の文脈も失う可能性がある。

会社でAIツールを導入すると、必ず出てくる言葉がある。「では、何人減らせますか？」表面上はもっともらしく聞こえる質問だ。AIは報告書を書き、議事録をまとめ、資料を調べ、コードや企画書も作る。仕事によっては、本当に人より速くこなす。

問題は、AIが仕事をできないということではない。むしろ逆だ。AIは思っているより多くの仕事ができる。だが会社の仕事は、成果物が出たら終わり、というものではない。その結果を実際に使ってよいのか、誰が責任を取れるのか、組織の政治的・実務的な文脈に合っているのかを確かめなければならない。この段階を見ないまま人から減らすと、会社は速くならない。むしろ遅くなる。

AIが仕事をしても、責任と文脈は残る

AIがある職務の成果物をかなりの部分まで代わりに作ることはできる。報告書も書き、分析もし、発表資料も作り、コードも書く。これからはもっと多くの仕事をするだろう。だが会社は、AIが成果物を作れるかどうかだけを見ているわけではない。この報告書をこのタイミングで上げてよいか。この数字をこう解釈してよいか。この一文を顧客が見たらどう受け取るか。この表現を使ったら別の部署が反発しないか。法務が問題視する部分はないか。上の人が本当に望んでいる方向と合っているか。こうした問いは、単なる文章の問題ではない。現実の組織の中で、成果物が通せるかどうかを見る問題だ。AIは成果物を作れる。だが、その成果物が会社の中で生き残れるかどうかは、人が見なければならない。

下書きは速くなったのに、仕事が減らない理由

「下書きはAIに書かせればいいじゃないか。」この言葉は正しい。単純な下書き、要約、形式の整え、繰り返しの文書化といった仕事は、実際に減る。この点を否定する必要はない。だが下書きが速く出たからといって、仕事が終わるわけではない。誰かがその下書きを読まなければならない。間違った数字を見つけなければならない。抜けた条件を入れなければならない。社内の言い回しに直さなければならない。顧客に送ってよいか確かめなければならない。セキュリティや法務の問題がないかも見なければならない。

最後は文脈を見なければならない。AIが作った文章がそれ自体としては正しくても、今の組織の状況では間違った言い方になることがある。正しい主張でも、今は出してはいけない言葉がある。数字は合っていても、解釈が危ういことがある。良い提案でも、予算、権限、日程、利害関係のせいで実行できないことがある。AIが作った文書は、ただの成果物ではない。現実に投入する前にレビューすべき成果物だ。

会社の仕事は、正解かどうかより政治的な文脈が大事なことが多い

会社では、正解だけで仕事は回らない。論理的に正しい言葉でも、会議で落ちることがある。数字が合っていても、報告の順番を間違えれば差し戻される。顧客に有利な提案でも、社内の部署の責任問題が片づかなければ止まる。最近のAIは、堂々と存在しない事実をでっち上げるハルシネーションはずいぶん減った。だが会社では、それよりもっとあいまいで危ない問題がよく起きる。文書だけ見れば論理は完璧だ。数字も合っていて、文章も自然で、結論ももっともらしい。ところが実際の会社のプロセスとはずれている。報告の順番が違っていたり、承認権者が抜けていたり、すでに昔に失敗したやり方だったり、特定の部署が絶対に受け入れない前提を敷いていたりする。

この種の誤りは、単純な事実誤りより見つけにくい。AIが間違ったことを言ったからではなく、現実を十分に知らないまま、正しそうに見える文書を作るからだ。だからレビューは、誤字やハルシネーションを見つける作業ではない。この文書が実際の組織の中で回せるかどうかを確かめる作業だ。

だから会社の仕事には政治的・実務的な文脈がついて回る。誰がこの案を嫌がるか、誰が責任を取るべきか、どこまで言うべきか、今は言ってはいけない内容は何か、どんな表現を使えば相手が身構えるか。こうしたことは、文書にすべて書かれているわけではない。AIは与えられた情報の中なら非常に上手にやる。だが、現実の組織の空気の読み合い、責任の構造、暗黙のタブー、権限の関係を自動でぜんぶ知っているわけではない。結局、人が見なければならない。この成果物が正しいかだけでなく、この成果物を今ここで使ってよいかを見なければならない。

人を減らすと、レビューする人がいなくなる

AI導入後にいちばん危ない思い込みはこれだ。「AIが作ったのだから、人はあまり要らない。」正確には、逆であることが多い。AIが多く作るほど、レビューする人はより重要になる。成果物が増えれば、確認すべきものも増えるからだ。

問題は、会社がたいてい逆に動くことだ。AIを導入したあとに人を減らし、残った人にもっと多くのAIの成果物をレビューしろと言う。すると残った人は、自分の仕事をするのではなく、AIが作った成果物の後始末をする人になる。戦略を見るべきシニアは下書きの校正者になり、組織の文脈を知る中堅の実務者は、あらゆる文書の危ない一文を取り除く人になる。表向きは文書が増える。会議資料も速く出る。ところが内側では、責任を取れる人が減っていく。

この差が広がるほど、品質事故が起きる。

組織の過負荷は、消えるのではなく隠れる

AIを誤って導入した会社は、しばらくは良く見える。文書が速く出る。要約も増える。議事録も自動で積み上がる。コストも減ったように見える。だから上層部は「AI転換が成功した」と感じる。だが実際には、仕事が消えたのではなく、見えない場所に押しやられただけかもしれない。

誰かが夜に読み直している。誰かが間違った数字を直している。誰かがAIの作ったもっともらしいでたらめを取り除いている。誰かが責任の取れない一文を、責任の取れる一文に書き換えている。誰かが「この話は正しいが、今やってはいけない」という判断をしている。こうした仕事は、表にはなかなか出てこない。トークン費用は見えても、人が読み直す時間は見えない。成果物の数は見えても、レビューの負担は見えにくい。だから会社はコストが減ったと錯覚する。だが隠れた負荷はなくならない。いつか品質事故、日程の遅れ、社員の燃え尽きとして戻ってくる。

人員削減はフィードバックを壊す決定だ

人員削減の怖いところは、フィードバックがちゃんと上がってこなくなる点にある。新しいツールが使いにくければ、社員は使いにくいと言える。新しい手順が非効率なら、ある程度は問題提起できる。だが、人を減らした決定が間違っていたと言うのは、はるかに難しい。「人が足りません」という言葉は、社長には「じゃあ君が仕事をこなせないだけか」と容易に聞こえてしまう。残った社員は、自分が次の削減対象になるのではと身構える。だから実際には仕事が崩れていても、上に上がる言葉は穏やかになる。

表向きは仕事が回る。文書は出るし、会議は開かれるし、顧客対応も続く。だから社長はうまくいっていると感じる。だが内側では、レビューの時間が夜に押しやられ、責任が特定の人に集中し、小さな誤りが積み重なり、社員が黙って疲れ果てていく。だから人員削減は、まっさきに投げる問いではない。まず試験運用を回し、業務が実際にどう変わるかを確かめ、AIを組み込んだ新しい業務の仕組みが概念として完成したあとに、最後に問うべきだ。

「これで本当に人を減らしてよいのか？」人員削減は、最後に検討する問いであるべきだ。

従業員を減らしたあとで必要な知識が見えると、会社はその知識を作り直す費用を払う。

中堅を減らすと、会社の記憶が消える

人を減らすとき、会社が先に減らそうとしがちな層がある。中堅だ。ジュニアはまだ未熟だからと減らし、シニアは高いからと減らす。残った人には「AIを使えばいいじゃないか」と言う。ところが組織の本当の記憶は、この中堅の層に多く残っている。

どこで数字がよく間違うか、どの部署はどんな表現に敏感か、どの顧客はどんな言葉を嫌うか、過去にどんな決定のせいで問題が起きたか。こうしたことは、文書に完璧に残ってはいない。AIは整理された文書はよく読む。だが会社の中で人と人の間に蓄えられた暗黙知は、簡単には知らない。誰かがその文脈を知っていてこそ、AIの成果物も現実に合うように直される。中堅を減らすと、その記憶も一緒に消える。すると、AIの作る成果物はもっと頻繁に的を外し、残った人はもっと多くの時間をかけて直さなければならなくなる。

人を減らしてコストを減らしたつもりが、実は会社の記憶を捨ててしまったことになる。

人員削減は、まっさきではなく最後に来るべきだ

AIを導入して人を減らしたいなら、順番を変えなければならない。人員削減は最初の問いではなく、最後の計算であるべきだ。まず仕事を分解しなければならない。一人の職務をまるごと見るのではなく、その中にどんな作業があるかを分けなければならない。そのうえで問うべきだ。この作業はAIが作れるか。AIが作った結果を誰がレビューするか。この結果に誰が責任を取るか。組織の中で通すには、どんな文脈判断が必要か。AIのために新しく生まれたレビューと調整の業務は誰が担うか。そして実際に回してみなければならない。2週間でも4週間でも、小さく試さなければならない。処理時間がどれだけ減ったか、誤りはどれだけ出るか、レビュー時間はどれだけ増えたか、数字で見なければならない。

そのあとでようやく判断できる。「本当に仕事が減ったのか？」「作成時間だけが減り、レビューと責任が別の人に移ったのではないか？」この問いに答えられない人員削減は、コスト削減ではなく賭けだ。

AI転換が上手なリーダーは、まず人数を問わない

良いリーダーは「何人減らせるか」からは問わない。まずこう問う。「どの作業が減ったか？」「どのレビューが増えたか？」「どこで誤りが出るか？」「誰が責任を取れるか？」「組織の文脈を理解する人は十分に残っているか？」「残った人の仕事は本当に軽くなったか？」こうした問いに答えてこそ、AI導入は機能する。

AIはコスト削減のツールである前に、業務の仕組みを変えるツールだ。仕組みを変えずに人だけを減らせば、残った仕組みに負荷が集まる。会社は速くなるのではなく、もっと多くのボトルネックを生む。

働く人は、反対者ではなく測定者になるべきだ

働く人の立場でも、ポジションをうまく取らなければならない。「AI、あれはダメです」とだけ言うのは危ない。正しい言葉でも、変化に反対する人のように見えてしまう。代わりに、こう言う人が強い。

「AIが作れる作業と、人がレビューすべき作業を分けてみます。2週間だけ試して、処理時間、誤り率、レビューの負担、責任の所在を測ってみます。そのうえで、安全に減らせる範囲を計算します。」この人は反対者ではない。AI転換を運転する人だ。AIの時代に大事なのは、AIを無条件に称える人でも、無条件に止める人でもない。どこまでAIに任せてよいか、どこからは人が責任を取るべきかを見分ける人だ。

本当の仕事は消えず、レビューと責任へと移る

AIがなくす仕事はある。単純な下書き、要約、形式の整え、繰り返しの文書化といった仕事は、確かに減る。だからAI導入には意味がある。だが、それをそのまま「人を減らしてよい」という意味に受け取ってはいけない。作る時間は減っても、レビューは人がやらなければならない。下書きを作る時間は減っても、責任は依然として人が負わなければならない。資料を探す時間は減っても、組織の文脈に合わせることもやはり人がやらなければならない。

本当の仕事は消えるのではなく、レビューと責任へと移る。その移動を見ないまま人から減らすと、会社は速くならない。もっと遅くなる。成果物は増えてもレビューは滞り、文書は増えても決定は遅れ、コストは減ったように見えても、事故の可能性は大きくなる。AI導入の目的は、人を早く減らすことではない。人がやっていた仕事を設計し直すことだ。

ツールを買うのは簡単だ。人を減らすのも簡単だ。難しいのは、その間に残る責任と文脈を考えることだ。