AI時代、クラフトはどこへ行くのか

AI時代、クラフトはどこへ行くのか

Craft of Researchをはじめるにあたって(2)

リサーチのクラフトについて語った前回の記事に続き、今回はリサーチのクラフトがどこへ移動していくのか、そのヒントを他の産業の例に探してみようと思います。

最も自動化された自動車工場に、匠がいる理由

愛知県のレクサス田原工場は、世界で最も自動化された生産施設のひとつに数えられます。ところがこの工場には、匠と呼ばれる人たちがいます。一日8時間を30年、6万時間をひとつの技術に積み上げてきたマスターたちです。[1]

興味深いのは、彼らとロボットの関係です。塗装の直前に、車体を水とともに研磨する工程があります。完璧な表面をつくる手の動きは熟練の匠だけが知るものであり、この工程のロボットは匠の手つきをそのまま再現するように学習されます。そして塗装検査ラインの匠は、毎日わざと傷のある車体をラインに流し、チームの目を試します。これまでただの一度も、傷が通過したことはないそうです。[1]

最も自動化された工場は、匠を送り出す代わりに、匠の感覚を機械に教え、匠の目で機械を検証しています。自動化とクラフトは、反対語ではありません。

技術は仕事の下限を引き上げる

AIが仕事の底を引き上げることは、いまやデータで確認された事実です。2023年、ハーバード・ビジネス・スクールの研究チームとボストン コンサルティング グループがコンサルタント758名を対象に行った実験で、GPT-4を使ったコンサルタントは使わなかった側より課題を12.2%多く、25.1%速く終え、品質評価も有意に高い結果となりました。特にベースラインの成績が下位半分だったコンサルタントの改善幅は43%と、上位半分の17%を大きく上回りました。[2] AIは格差を縮める方向に、つまり下限を引き上げる方向に働いたのです。

ところが同じ実験には、あまり知られていない結果がもうひとつあります。研究チームは、AIの能力範囲をわずかに外れるように設計された課題をひとつ紛れ込ませました。この課題では、結果が反転します。AIを使った側の正答率が、使わなかった側より19ポイントも低かったのです。[2] AIは自分にできない課題を前にしても、自信たっぷりに、もっともらしく答え、人はそれを見抜けませんでした。

研究チームはこの現象に「ギザギザの境界(jagged frontier)」という名前をつけました。AIが得意なことと不得意なことの境界線は見かけの難易度と一致せず、どこまでが境界の内側なのかは、成果物だけを見てもわからない、ということです。クラフトの核心にある能力は、つくることではなく見抜くこと、良いものとそれらしいものを見分ける目だと書きました。この実験が示しているのは、まさにその目の価値が上がっているという事実です。つくることが簡単になるほど、それらしいものも同じ速さで簡単になるのです。

クラフトは消えない。移動する

前回の記事でデイヴィッド・パイの区別を借りて、技術がある作業を「確実性の仕事」に変えるたびにクラフトの居場所は移動する、と書きました。鉋がけが自動化されれば、クラフトはどの木を選ぶか、どんな形であるべきかの判断へと昇っていく、と。

いまリサーチで起きているのが、それです。設問の作成、クロス集計、レポートのドラフトといった実行の領域は、急速に「確実性の仕事」になりつつあります。だとすれば、クラフトは二つの方向へ移動します。

ひとつは、上流への移動です。単なる遂行ではなく、何を問うのか、この結果を信じてよいのかという判断へと昇っていきます。実行のコストが下がり、速くなるほど、間違った質問が実行される可能性もまた大きくなるため、問題を定義し結果を検証する判断力の価値は、むしろ上がっていくはずです。

もうひとつは、道具の中への移動です。田原工場が匠の手つきをロボットに教えたように、専門家の基準が道具のデフォルトへと移っていきます。この方向の事例はソフトウェアにもあります。リーガルAI企業のHarveyは、弁護士を製品開発の全過程に配置する方法でつくられ、最近では「Built by Lawyers(弁護士がつくった)」を前面に掲げました。[3] リーガルAIの品質を決めるのはAI技術ではなく、何が良い法律業務かを知る人が製品づくりに参加することだ、という主張です。

リサーチ産業は、いまその試験台の上にある

リサーチ業界でこの問題が最も先鋭に表れたのは、合成データあるいは合成消費者をめぐる論争だと思います。LLMで仮想の回答者をつくり調査に答えさせる方法について業界は議論を重ねてきましたが、現時点での合意はこうです。合成データは、実際の人間のデータに錨を下ろし、検証されたときにのみ有効な補完材であって、代替材ではない。リサーチ産業の国際協会であるESOMARも綱領を改定し、合成データの透明な使用と人間による監督を前面に置きました。[4]

この合意が教えてくれることがあります。AIリサーチの成否を分けるのは、AIそのものではなく、検証する側のクラフトだという事実です。何が良いデータかを知る人がいなければ、合成であれ実測であれ、それらしい数字と信頼できる数字を分ける方法はありません。

似た悩みを抱えるデザイン産業が出した結論も同じです。デザインはAIに最も大きく脅かされると評される分野ですが、デザインツールFigmaのCEOディラン・フィールドは、今年のカンファレンスの基調講演をこう開きました。「AIは床を下げた。しかし天井を上げてはいない」。そして、天井を上げるのはあなたたちだ、と続けました。[5] 代替の言説のただ中にいる産業ほど、クラフトを大きな声で語っています。リサーチが立っている場所も、まったく同じだと私は思います。

クラフトの移動には、条件がある

まとめるとこうなります。AIが仕事の下限を引き上げるとき、クラフトは消えるのではなく、上位の判断へと移り、新しい道具の基準になります。ただし、この変化はひとりでに起こるわけではありません。上位の判断は、経験の蓄積から生まれます。鉋をかけたことのある人が木を選べるように、数多くのプロジェクトをくぐり抜けた経験なしに、何を問うべきか、この結果を信じてよいかを判断することはできません。そして道具の中への移植は、基準を持つ人と道具をつくる人がひとつの身体であるときにのみ可能です。田原工場のロボットが匠の手つきを学べたのは、匠がその工場の中にいたからです。

Opensurveyも同じです。リサーチを知る組織と技術をつくる組織が分かれていたなら、AI時代についていくのは容易ではなかったでしょう。次の記事では、その二つが最初からひとつの身体だったOpensurveyの話をしたいと思います。この15年間、私が見つめてきたチームの話です。

参考文献

[1] "Could you become a Takumi?," Lexus Europe Newsroom, March 2019. Discover Lexus, "The Harmony of Man and Machine" および "There Are No Shortcuts."

[2] Fabrizio Dell'Acqua et al., "Navigating the Jagged Technological Frontier," Harvard Business School Working Paper 24-013, 2023. 後に Organization Science, 2025 に掲載。

[3] "Built by Lawyers, Tailored by You," Harvey blog, May 2026. OpenAI, "Customizing models for legal professionals."

[4] "AI in Market Research: Five rules to live by," Research World (ESOMAR), August 2025. Rival Group, "2026 Market Research Trends Report," December 2025.

[5] Dylan Field, opening keynote, Figma Config 2026, June 24, 2026.