AI時代に求められる「判断力」を育む：アンラーニング・リラーニング実践ガイド

2026年3月31日

なぜ今、「判断力」と「アンラーニング・リラーニング」が求められるのか

AI技術の普及により、知識の検索、情報の整理、既存事例の参照、定義済み手順の処理といった業務は、今後さらにAIが効率的に担うようになります。これに伴い、企業の現場に残る仕事は、顧客や案件ごとの具体的な状況、現場の制約、関係者の優先順位の違いを踏まえ、いかに的確な「判断」を下すかという点に集約されていきます。言い換えれば、知識量そのものよりも、その知識をいかに活用し、最適な解を導き出すかという判断能力が、相対的に重要性を増しているのです。

しかし、現在の多くの企業では、この「判断」を育む経験が減少しているという実態があります。33.8万人・980社の分析によると、企業の82％で判断経験が減少し、58％で上司への確認頻度が増加し、64％で前例依存度が高まっていることが示されています。これは単なる能力不足ではなく、業務標準化、マニュアル化、IT化、働き方改革といった取り組みが、短時間で正確に前例どおりに進めることを求めるあまり、迷い、比較し、理由を考え、振り返って判断基準を更新するといった、判断力を養う上で重要な経験が仕事の中に残りにくくなっている構造変化が背景にあります。

アンラーニング・リラーニングの具体的な進め方

ここでいうアンラーニング・リラーニングは、単に古いやり方を捨てて新しい知識を学ぶこととは一線を画します。アンラーニングとは、これまでの前例どおりに進めることが合理的だった場面で身についた判断様式を、条件差の大きい仕事にはそのまま適用できないと見直すことです。そしてリラーニングとは、差を見て、事実を確認し、違いの理由を考え、複数の選択肢を比較し、何を優先するかを決め、判断理由を言語化し、結果を踏まえて次の基準を更新する進め方を、実務の中で再構築することを指します。

どの仕事から着手すべきか

最初に着手すべきは、すべての仕事ではありません。前例や手順だけでは処理しきれないにもかかわらず、必要な判断経験が仕事の中に設計されていない仕事が対象となります。具体的には、以下のような特徴を持つ仕事が初期の対象です。

顧客・案件ごとに条件が異なり、前例適用が難しい
上司への確認が集中している
担当者ごとに対応品質がばらつく
一部の熟練者しか回せない
任せると途中で止まりやすい
振り返りが行われず、同じ問題が繰り返される

「教える」より先に「見える化」「切り分け」「設計」を行う

リクエスト株式会社のレポートでは、実装の基本原則として、「教える」よりも先に「見える化」「切り分け」「設計」を行うことの重要性を示しています。具体的な実装手順は以下の通りです。

見える化: どこで判断が発生しているか、どこで業務が滞っているか、誰に判断が集中しているかを見える化します。
切り分け: その仕事が前例や手順で成立する部分なのか、それとも条件差を見て進め方を変えなければならない部分なのかを明確に切り分けます。
設計: 判断対象、判断条件、判断基準、判断分担、経験設計、振り返り設計を言語化し、新しい判断構造を設計します。
経験: 新しい判断構造を使わないと前に進めない実務課題を与え、実際に経験させます。
振り返り: 結果だけでなく、判断理由、確認事実、次回の更新基準を振り返ります。

この手順は、既存判断様式の可視化方法、アンラーニングの具体手順、判断構造の6要素を用いたリラーニング設計、管理職が使うべき5つの質問、3分でできる振り返りテンプレート、30日で始める最小実装など、現場で活用できるよう具体化されています。実践チェックシートや管理職用テンプレートなども付録として収録されています。

管理職が果たすべき役割と組織への影響

本レポートは、人を責めるのではなく、判断が育つ仕事へと変えることを目的としています。そのためには、管理職の関わり方も変化させる必要があります。管理職は、部下の結果だけでなく、その判断に至った理由や確認した事実、そして次回の更新基準を共に振り返ることで、組織全体の判断基準を向上させることができます。これにより、組織は個人の能力に依存することなく、持続的に判断力を高めていくことが可能になります。

本レポートは、AI時代に求められる「判断力」を組織全体で育むための具体的なロードマップを提供しています。組織の変革を検討されている管理職や専門職の方々にとって、実践的な指針となるでしょう。