AIは理屈が得意、人は感情で動く。だから両方わかる人が強い

正しい説明を重ねても動かない現場
提案書には費用対効果も、導入手順も、競合との比較も入れました。AIを使って説明の抜け漏れを確認し、想定質問への回答まで準備しました。それなのに、商談では「検討します」。社内では「必要なのはわかりますが、今はちょっと」。資料を閉じた後の重い空気に、説明のどこを直せばよいのか迷うことはないでしょうか。そんなとき、根拠を追加する前に確かめたいことがあります。こちらが解こうとしている問題と、相手が気にしている問題は同じでしょうか。会社は処理時間を減らしたい。一方、担当者は「操作を覚える時間が取れない」「間違えたときに自分だけが責められそう」と感じているかもしれません。後者を確認せずに時短効果を説明しても、心配は残ります。例えば、説明会で賛成した社員が、翌日も従来の方法を使っているとします。理解不足と考えて説明会を増やす前に、普段の作業を一緒に見てみる必要があります。新しい手順が忙しい時間帯に合わないのか、確認先がわからないのか。それによって、必要な対策は変わります。AIが整理した理屈を、相手が動ける条件まで落とし込む。経営者や管理職に求められるのは、この接続です。
判断材料の整理と相手の納得をつなぐ仕事
AIには、与えた情報から論点を整理し、複数の案を比較する役割を任せられます。ただし、出力の正確性や前提条件は人が確認します。同時に、人の判断には採算や性能に加えて、安心感、期待、周囲との関係も関わります。だからこそ「何を説明したか」と「相手が何を受け取ったか」の両方を見る必要があります。トヴェルスキーとカーネマンの1981年の論文は、同じ問題でも提示の仕方によって「predictable shifts of preference」、つまり選好の予測可能な変化が生じることを示しました。これがフレーミング効果です。実務では、相手がどの側面から提案を見ているかを確認する手がかりになります。例えば「入力作業を減らします」という会社側の説明を、担当者の困りごとに合わせて「同じ内容を何度も転記する作業から先に見直します」と具体化します。ただし、伝え方だけを変えれば済むわけではありません。移行時に入力が増えるなら、その負担も示し、減らす方法を用意します。感情への理解は、都合のよい言葉選びで終わらせず、実際の負担を減らす設計につなげます。出典:Tversky & Kahneman, Science, 1981 出典論文1
「面倒」「不安」「自信がない」の背後にある課題
「面倒です」と言われたら、手順が多いのでしょうか。それとも、何度もシステムが変わり、覚え直すことに疲れているのでしょうか。「不安です」という言葉も、費用、品質、責任範囲のどれを指すかで対応が変わります。まず発言をそのまま記録し、解釈を分けておきます。「どうせ仕事を奪われるのが怖いのだろう」と結論づけると、本人が指摘している本当の不具合を見逃すかもしれません。「自信がない」なら、自己効力感という観点が役立ちます。特定の作業について、自分にも実行できると思える感覚です。バンデューラの1977年の論文は、その形成に関わる情報源として「performance accomplishments」、実際の達成経験を挙げています。この考えを業務導入へ応用するなら、説明を聞くだけで終えず、本人が一つの作業を試して完了できる場を設ける、という仮説が立てられます。例えば、架空データで一件だけ処理し、つまずいた箇所を担当者と確認します。そこで操作が難しければ画面や手順を直し、判断に迷うなら確認先を決めます。自社の提案も、「相手の心配を本人に聞いたか」「事実と推測を分けたか」「負担や責任を減らす方法があるか」の三点で見直してみてください。出典:Bandura, Psychological Review, 1977(著者抄録をスタンフォード大学が掲載)出典論文2

AIの提案に加える相手の事情と選択肢
理屈と感情を仕事で扱うには、聞き取り、整理、設計、試行までを一続きにします。ここでは社内の業務改善を想定した手順を紹介します。
1. 事実と制約を整理します。「入力に時間がかかる」という声に加え、実際の作業時間、二重入力の箇所、繁忙時間帯を確認します。AIには確認済みの情報を渡し、改善案ごとの利点、負担、未確認事項を分けて出すよう指示します
2. 期待と心配を本人に確かめます。「どの作業がなくなると助かりますか」「変えると何が一番困りそうですか」と聞きます。賛成しない理由を探す聞き方より、相手が必要としている条件を確認します
3. 心配を実施条件へ変えます。「失敗が怖い」なら、試行中の確認担当と差し戻し手順を決めます。「覚える時間がない」なら、勤務時間内に練習時間を確保します。条件を追加したうえで、AIに案を再整理させます
4. 小さく試し、実測と本人の声で修正します。一つの業務で一週間試すなど範囲を決め、作業時間、確認の手間、継続したいかを記録します。時間が減っても確認負担が増えたなら、その理由を調べてから広げます
営業提案でも、この順番を使えます。「価格が高い」という反応があれば、予算を超えるのか、効果の根拠が足りないのか、社内説明が難しいのかを確かめます。予算の問題なら範囲の見直し、効果への疑問なら検証方法、説明の問題なら決裁者向けの判断材料が必要です。AIには、本人の発言、確認できた事情、未確認の仮説を区別して渡します。例えば「担当者は移行時の二重入力を懸念しています。移行費用と工数を含め、全面移行と段階移行を比較してください」と頼めば、一般的なメリットの説明から具体的な検討へ進められます。顧客情報や社内情報は、利用が認められた環境と範囲で扱います。
理屈と感情の両方から設計する次の一歩
AIに期待したいのは、考えるための材料を整理し、見落としていた選択肢を増やすことです。その材料が現場に合うかは、実際に使う人や顧客との対話で確かめます。感情も、そのまま受け入れて判断を終えるのではなく、「なぜ不安なのか」「何がそろえば試せるのか」と具体的な条件に変えていきます。ここまで進めると、人への理解が提案内容や業務手順に反映されます。説明を聞いてもらえたかだけでなく、実際に試せたか、困りごとが減ったかまで確かめられます。「両方わかる人」とは、相手の本音を言い当てられる人という意味ではありません。数字の前提を疑い、感情の理由を聞き、実行できる形になるまで修正できる人です。その姿勢は、経営判断にも、顧客提案にも、社員との合意形成にも生かせます。次の提案では、根拠をもう一枚足す前に、相手の心配を一つ確認してみてください。その答えによって、説明の順番を変えるべきか、提案そのものを直すべきかが見えてきます。あなたの会社では、提案の正しさと同じくらい、相手が安心して一歩を踏み出せる条件まで検討できているでしょうか。
「自社のAI活用や提案に、顧客や社員の不安まで反映できているでしょうか?」と気になった方は、以下のフォームからご相談ください。【初回無料】にて、AIとマーケティングを組み合わせた業務改善や提案設計について、貴社の課題抽出と、次の一手となる可能性を一緒に整理いたします。
💡合同会社RASHは【マーケティング×IT×生成AI×行動経済学/脳科学/心理学などの知見】で、「課題の明確化」「解決策と費用対効果の提示」から、「貴社・部門の“どうにかして解決したい”」を全力でお手伝いいたします。【DX/AXで「やらなくていい」をゼロに、「やりたい」を形に】顧客の現場に密着し、価値の創出を支援するForward Deployed Engineer(FDE)として、以下の3軸で事業を展開しています。
📒経営・営業向け生成AI/DX導入支援(FDEスタイル):現場の課題を直接抽出し、コスト削減や売上・生産性の向上を目指すハンズオン型サポート。📒心理学・科学的根拠に基づくマーケティング・研修:行動経済学や脳科学などの知見を活用した集客設計や組織教育。📒事業成長のためのシステム開発・AI構築:事業運営やピボット支援まで踏み込んだシステムの設計と実装。
ITエンジニアの技術力、マーケターの戦略眼、そして心理洞察を現場で組み合わせ、事業の改善を支援しています。「AIで作った営業提案を、顧客の不安や期待に合わせて見直したい」「社員が安心して使えるAI導入の手順を設計したい」「問い合わせ対応や日報作成を効率化したい」「新規事業のアイデアを小さく検証したい」など、もっと抽象的なご相談でもOKです。
あなたのアイデアやお悩みを【マーケティング×IT×生成AI×行動経済学/脳科学/心理学などの知見】でビジネスの未来につなぎます。気軽にお問い合わせください。あなたのビジネスを伸ばす「AI活用型システム開発、AI導入支援/研修/ハンズオン型サポート/コンサルティング」など「弊社ができること」はこちら



