{ "schemaVersion": "1.0", "language": "ja", "id": "organization-adoption", "name": "組織・浸透", "description": "導入、学習、ナレッジと組織能力の変化を扱う。", "alternateNames": [ "Organization & Adoption", "AI浸透", "組織設計", "チェンジマネジメント", "学習設計", "創造性", "ナレッジ管理", "インセンティブ" ], "canonicalUrl": "https://catalysphere.co.jp/topics/organization-adoption/", "machineReadableUrl": "https://catalysphere.co.jp/topics/organization-adoption/index.json", "updatedAt": "2026-10-01", "articles": [ { "slug": "ai-automation-capacity-conversion", "title": "聞き取りでは約90%減。余力は増えたのか", "summary": "匿名企業で、毎月のインターネット調査をAIを組み込んだRPAで自動化した。関係者への聞き取りでは作業時間が約90%減った一方、数か月後に新しい仕事へ使われたと説明できたのは、減ったと推定された時間の10〜20%だった。実際に空いた時間と、その使い道をどう測るかを考えます。", "quickAnswer": { "what": "匿名企業の一業務では、聞き取りで作業時間が約90%減ったと推定された。ただし、この数値だけでは横展開や財務効果を認められない。", "why": "二つの割合は基準にしている時間が違う。ログ、案件数、品質、確認・修正・保守時間も未確認で、この数値だけでは利益や因果関係を判断できない。", "action": "現時点で承認できるのは測定段階まで。まず工程時間と品質、確認・修正・保守を確かめ、その後に空いた時間の使い道を追う。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/ai-automation-capacity-conversion/", "machineReadableUrl": "https://catalysphere.co.jp/articles/ai-automation-capacity-conversion/index.json" }, { "slug": "rpa-redesign-operational-handoff", "title": "RPAを見直す――AI時代の実行方式と運用移管", "summary": "業務を見直した後に残る処理を、基幹機能、API、RPA、AI、人へどう割り当て、作成者不在でも運用できると何で判定するかを整理します。", "quickAnswer": { "what": "RPAはAIの古い代替ではなく、規則と完了条件を明示できる画面操作を担う選択肢の一つです。", "why": "基幹機能、API、RPA、AI、人は排他的な五択ではなく、正本、接続、操作、判断、承認という異なる役割を組み合わせます。", "action": "工程ごとに「実行方式・移管受入票」を作り、作成者不在の演習で監視、停止、手動継続、支援要請、業務回復を確認し、未達なら共同運用、範囲縮小、移管延期へ戻します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/rpa-redesign-operational-handoff/", "machineReadableUrl": "https://catalysphere.co.jp/articles/rpa-redesign-operational-handoff/index.json" }, { "slug": "ai-workflow-redesign", "title": "AI導入後の業務は、どこまで再設計すべきか", "summary": "一部工程の時間短縮を全体成果と見なさず、ボトルネック、例外、専門家への引継ぎ、余力の再配分まで含めて業務フローを組み替えます。", "quickAnswer": { "what": "AI導入後は職務を丸ごと置き換えず、生成・評価・例外判断・承認の工程ごとに役割を再設計します。", "why": "個人の工程が速くなっても、後工程、確認負荷、需要、例外処理が変わらなければ全体成果は増えないためです。", "action": "端から端のリードタイム、確定品質、再作業、例外滞留、専門家負荷を測り、詰まりが移った工程から直します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/ai-workflow-redesign/", "machineReadableUrl": "https://catalysphere.co.jp/articles/ai-workflow-redesign/index.json" }, { "slug": "psychological-safety-ai-teams", "title": "AIの誤りを、安心して言えるチームを作る", "summary": "心理的安全性の一般研究をAI固有の因果証拠と誤認せず、異論、エラー報告、停止提案、報復検査をAI導入の実行手順へ移します。", "quickAnswer": { "what": "心理的安全性は学習行動や発言と関連しますが、AI導入での因果効果は直接証明されていません。", "why": "匿名窓口だけでなく、日常の異論へ管理者がどう応答したかが発言可能性を作ります。", "action": "誤り報告、利用拒否、停止提案の応答・是正・報復を測り、発言件数の多寡だけで判断しません。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/psychological-safety-ai-teams/", "machineReadableUrl": "https://catalysphere.co.jp/articles/psychological-safety-ai-teams/index.json" }, { "slug": "cognitive-offloading-ai", "title": "AIへ思考を預けても、独力で戻れるか", "summary": "外部記憶による負荷軽減と、内部の符号化・想起の減少を分け、AIを使える時の成果と使えない時の独力遂行を両方測ります。", "quickAnswer": { "what": "情報の外部保存は目の前の負荷を減らし、後続作業を助ける条件があります。", "why": "外部資源を使える時の高成績と、使えない時の想起・遂行は別の成果です。", "action": "外部化してよい情報、内部に保持する判断原理、再構成演習、復旧条件を分けます。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/cognitive-offloading-ai/", "machineReadableUrl": "https://catalysphere.co.jp/articles/cognitive-offloading-ai/index.json" }, { "slug": "ai-label-creative-evaluation", "title": "AI作品というラベルは、作品そのものを評価しているか", "summary": "同じ作品でもAI生成と示すと評価が変わる実験から、内容のブラインド評価と、来歴・権利・制作過程の適格性審査を分けます。", "quickAnswer": { "what": "人は一部の詩や画像でAI生成を正確に識別できず、内容と推定来歴を混同します。", "why": "同じ作品でもAIラベルが付くと、品質、技能、価値の評価が下がる条件があります。", "action": "内容のブラインド評価と来歴審査を二段階にし、必要な開示を隠すことなくラベル効果を監査します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/ai-label-creative-evaluation/", "machineReadableUrl": "https://catalysphere.co.jp/articles/ai-label-creative-evaluation/index.json" }, { "slug": "algorithmic-management-worker-agency", "title": "アルゴリズム管理は、仕事の裁量を奪うのか", "summary": "配分、監視、評価、報酬を機能別に分け、効率だけでなく自律性、接続圧力、不安、異議申立てを下限に置く仕事設計を整理します。", "quickAnswer": { "what": "アルゴリズム管理は一律に有害でも有益でもなく、役割明確化という資源と、裁量低下・監視・不安という要求を同時に生み得ます。", "why": "既存証拠は調査・観察・限定事例が多く、同じ技術でも管理機能、報酬、職場参加、人による再審査で結果が変わるためです。", "action": "配分・監視・評価・制裁を分け、業績、自律性、健康、異議実効性へ別々の下限を置き、労働者参加と裁量域を実装します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/algorithmic-management-worker-agency/", "machineReadableUrl": "https://catalysphere.co.jp/articles/algorithmic-management-worker-agency/index.json" }, { "slug": "ai-mediated-empathy-authenticity", "title": "AIの共感文は、人の関係責任を置き換えない", "summary": "AIが作る共感文の品質と、受け手が感じる理解・つながり・情報源選好を分け、人の編集責任と受け手の選択を守る運用を設計します。", "quickAnswer": { "what": "AIは限定された場面で共感表現を改善できますが、文章の高評価と、人間関係の真正性やつながりは同じ成果ではありません。", "why": "同じ内容でもAI由来と認識されると評価が下がり、人間から受け取りたいという選好が残る実験結果があるためです。", "action": "AIを草案・フィードバックへ限定し、人が事実と関係責任を引き受け、受け手が人の対応を選べる経路を残します。" }, "updatedAt": "2026-07-24", "url": "https://catalysphere.co.jp/articles/ai-mediated-empathy-authenticity/", "machineReadableUrl": "https://catalysphere.co.jp/articles/ai-mediated-empathy-authenticity/index.json" }, { "slug": "kpi-goodharts-law", "title": "KPIはなぜ壊れるのか：Goodhartの法則を運用に落とす", "summary": "指標が目標になると現場が悪くなる、で話を終えません。測りやすい仕事への偏り、ゲーミング、実際の改善を分け、壊れにくい運用を設計します。", "quickAnswer": { "what": "KPIの問題は数値化そのものではなく、測れる一側面へ報酬と注意を集中させ、目的全体を代理させることです。", "why": "強い目標は成果を動かし得る一方、測りにくい仕事の放置、操作、対象外へのしわ寄せも誘発するためです。", "action": "主指標に品質・分布・長期影響の対抗指標を組み合わせ、監査と現場の異議で定期的に改廃します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/kpi-goodharts-law/", "machineReadableUrl": "https://catalysphere.co.jp/articles/kpi-goodharts-law/index.json" }, { "slug": "knowledge-base-content-operations", "title": "社内AIの答えは、検索精度より先に知識の寿命で壊れる", "summary": "RAGの精度はモデルだけでなく、文書の版、期限、出典、権限、削除が索引へ反映される速さで決まります。知識ベンチマークから運用設計を考えます。", "quickAnswer": { "what": "社内ナレッジは一度取り込むデータではなく、出典、版、期限、権限、削除を保守し続ける業務プロダクトです。", "why": "検索器が正しくても、知識源が古い、競合する、根拠へ戻れない、閲覧権限が違う状態では回答品質を守れないためです。", "action": "文書責任者と有効期限を持たせ、変更から索引反映までを測り、根拠付き質問で継続的に鮮度と来歴を試験します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/knowledge-base-content-operations/", "machineReadableUrl": "https://catalysphere.co.jp/articles/knowledge-base-content-operations/index.json" }, { "slug": "generative-ai-labor-market-effects", "title": "生成AIは雇用を変えるのか、それとも先に仕事を組み替えるのか", "summary": "生成AIの影響を、タスク時間、既存社員の賃金・労働時間、フリーランス需要、若年採用に分け、どこから変化が表れるかを読み解きます。", "quickAnswer": { "what": "生成AIの労働影響は一斉の雇用減ではなく、まず仕事の配分、外注需要、若年層の採用から表れ得ます。", "why": "タスクの時間短縮と、企業の雇用、賃金、採用は異なる調整経路と時間軸を持つためです。", "action": "人員数だけでなく、職務別の採用、移動、時間配分、新しい監督業務を継続して観測します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/generative-ai-labor-market-effects/", "machineReadableUrl": "https://catalysphere.co.jp/articles/generative-ai-labor-market-effects/index.json" }, { "slug": "generative-ai-creativity-diversity", "title": "生成AIは創造性を高めながら、アイデアを均質化するのか", "summary": "AI支援で一つひとつの案が良くなっても、組織全体の案が似てしまえば探索範囲は狭まります。創造性研究を基に、品質と集合的多様性を別々に管理する方法を考えます。", "quickAnswer": { "what": "生成AIは個々の案の評価を高めながら、集団全体の案を似せて探索範囲を狭める可能性があります。", "why": "多くの人が同じモデルの既知パターンへ誘導されると、平均品質と集合的多様性が別方向へ動くためです。", "action": "AI利用前の独立案を残し、前提の異なる役割を割り当て、品質と案の重複率を別々に評価します。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/generative-ai-creativity-diversity/", "machineReadableUrl": "https://catalysphere.co.jp/articles/generative-ai-creativity-diversity/index.json" }, { "slug": "generative-ai-learning-design", "title": "生成AIは学習を深めるのか、支援中の成績を上げるだけか", "summary": "生成AIを使って解けたことと、AIなしでも解けることは同じではありません。メタ分析と教育実験から、支援中の成績、独力の再現、長期保持を分ける学習設計を考えます。", "quickAnswer": { "what": "生成AIは練習中の成果を上げても、理解、保持、別課題への転移まで改善するとは限りません。", "why": "答えを早く得る支援は認知負荷を下げる一方、必要な思考と誤りから学ぶ機会も減らし得るためです。", "action": "ヒントを段階化し、AIなしの直後試験と遅延試験を設け、支援中の成績と学習を分けて測ります。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/generative-ai-learning-design/", "machineReadableUrl": "https://catalysphere.co.jp/articles/generative-ai-learning-design/index.json" }, { "slug": "human-ai-synergy-meta-analysis", "title": "人とAIの協働は、人だけを超えても最良の単独主体を超えるとは限らない", "summary": "人より良くなる拡張効果と、人またはAIの最良成績を超える相乗効果を分け、106実験のメタ分析と経営実験から協働が成立する条件を考えます。", "quickAnswer": { "what": "人とAIの協働は、人だけより良くても、最も優れた単独の人またはAIを超えるとは限りません。", "why": "強みが重複したり、誤った助言を人が採用したりすると、組み合わせの追加価値が消えるためです。", "action": "生成、評価、選択、最終責任を分け、単独の最良基準を含む比較試験で相乗効果を確かめます。" }, "updatedAt": "2026-10-01", "url": "https://catalysphere.co.jp/articles/human-ai-synergy-meta-analysis/", "machineReadableUrl": "https://catalysphere.co.jp/articles/human-ai-synergy-meta-analysis/index.json" }, { "slug": "ai-adoption-operating-model", "title": "AIが使われる組織は、何を標準化しているのか", "summary": "ツールを配るだけでは組織能力にならない。実地研究を手がかりに、業務、学習、専門性、統制をどう再設計するかを整理します。", "quickAnswer": { "what": "AI浸透とは利用者数を増やすことではなく、成果が再現する仕事の仕組みを組織に残すことです。", "why": "効果は熟練度や業務構造で変わり、個人の時間短縮だけでは仕事の量や構成まで変わらないためです。", "action": "利用場面、入力、品質基準、確認者、停止条件を標準化し、現場の学びで定期的に更新します。" }, "updatedAt": "2026-07-24", "url": "https://catalysphere.co.jp/articles/ai-adoption-operating-model/", "machineReadableUrl": "https://catalysphere.co.jp/articles/ai-adoption-operating-model/index.json" } ] }