経営層と現場の「AI温度差」はなぜ生まれるのか
AIツールの社内導入をめぐって、経営層と現場のエンジニア（Individual Contributor、以下IC）の間に大きな認識の溝がある。経営層はAIを絶賛し、利用を義務付ける企業まで現れている一方、ICたちはHacker NewsやSlackの社内チャンネルで懐疑的な議論を繰り広げている。この温度差はどこから来るのだろうか。
ソフトウェアエンジニアのJohn J. Wang氏は、この問いに対して興味深い仮説を提唱している。「経営層は常に非決定性（non-determinism）と戦ってきた。一方ICは、決定論的なタスクの遂行で評価される」——この違いがすべての根底にあるというのだ。
経営層が慣れ親しむ「非決定性」
経営者やマネージャーは、日々カオスと向き合っている。突然の病欠、遅延する重要プロジェクト、予期せぬ組織の反応、意図と異なる実装……。カオス理論の言葉を借りれば、異なる入力と効用関数を持つエージェントが集まると、非線形でカオティックなシステムが生まれる。マネジメントとはそのシステムをモデル化し、各人の行動指針を整合させる営みだ。
AIは確かに非決定的だ。しかし、LLM（大規模言語モデル）の非決定性は「挙動が予測可能なカオス系」という性質を持つ。
- 時刻・タスクの難度・情報量にかかわらず、一定の出力を生成し続ける
- ハルシネーション（幻覚）やコンテキスト外操作の失敗など、失敗モードが明確に定義されている
- 得意・不得意の「能力エンベロープ」が急速にマッピングされつつある
これは、人それぞれに強みと弱みがあり、長い時間をかけて把握していくしかない人間のチームより、ある意味で「扱いやすい」。すでにプロセス・等級制度・標準手順書などで組織に決定性を持ち込もうとしてきた経営層にとって、AIは自然な延長線上のツールに映るのだ。
ICが守ろうとする「決定論的な世界」
一方、ICは正反対の環境で評価される。コードは正しく動くか、分析に誤りはないか、設計は検証に耐えられるか——精度と信頼性こそが価値の源泉だ。不確実な要件やシステムの不安定さとは日々戦いつつも、最終的なアウトプットには決定性が求められる。
ここにAIを持ち込むと、その決定性が揺らぐ。テストをパスするコードを一発で生成してくれることもあれば、一見もっともらしいが微妙にバグを含んだコードを出してくることもある。ICがAIに懐疑的なのは、「自分の仕事の品質」という最も重要な評価軸を、非決定的なツールに委ねることへの合理的な抵抗とも言える。
日本の現場への示唆
この議論は、日本企業にも直接当てはまる。経営層主導で「AI活用KPI」が設定される一方、現場のエンジニアやアナリストが温度差を感じるケースは多い。
Wang氏の分析が示唆するのは、この溝を埋めるためには「AIを使え」と命じるだけでは不十分だということだ。ICが扱うタスクの種類を整理し、AIが生み出す非決定性が許容できる領域とそうでない領域を明確に分けること——そのような設計なしに全社展開を急ぐと、現場の抵抗はむしろ強まるかもしれない。
経営層とICのAI認識の溝は、単なる世代差や技術リテラシーの問題ではない。それぞれが直面してきたシステムの性質の違いから生まれた、構造的な認識の差異なのだ。