会計

会社はなぜ正論で動かないのか – AI導入を止める見えない合理性と、決算書に載らない組織の正体

みなさん、おはようございます！こんにちは！こんばんは。Jindyです。

会社は合理的に動く。利益を増やし、コストを下げ、投資効率を高める。そのために会議があり、予算があり、稟議があり、KPIがある。

そう考えると、AI導入は簡単なはずです。人が数時間かけていた仕事を短時間にできる。分析の速度が上がる。知識へのアクセスも広がる。費用対効果が合うなら、導入しない理由はない。

ところが現実の組織は、そんなにきれいには動きません。

数字では得なのに進まない。誰も明確に反対していないのに止まる。PoCでは成功したのに本番に入らない。会議では賛成だったのに、その後なぜか動かない。

なぜなのか。

この記事では、組織論、意思決定研究、感情研究、AI導入研究をつなぎ、この奇妙さを解きほぐします。ポイントは、会社を一人の合理的な人間だと思わないことです。

会社の中には、株主、経営者、部門、担当者それぞれの合理性があります。その間には、予算、評価、権限、専門性、恐怖、面子まで入り込む。

ここが見えると、仕事では正論が通らない理由が分かる。経営では改革が止まる場所が見える。投資では決算書に出ない組織能力を読むヒントになる。日常でも、人が正しさだけでは動かない理由を冷静に見られるようになります。

数字だけでは会社は分からない。数字になる前に何が起きているかを見る。その視点こそ、AI時代の企業を見る面白さです。

さらに投資家にとっては、これは将来利益の質を読む話でもあります。技術の導入件数はニュースになりますが、価値を生むのは導入そのものではない。現場の時間が本当に空き、その時間が売上、改善、意思決定へ再配分されて初めて、AIは企業価値に変わります。見たいのは派手な導入事例より、その変化が固定費、生産性、キャッシュフローへどうつながるかです。

会社は合理的な一人の人間ではない – 非合理に見える行動には、別の合理性が潜んでいる

企業分析では、会社を一つの主体として扱います。売上を伸ばす会社、利益率を改善する会社、資本効率を高める会社。財務モデルを作るうえでは、その方が扱いやすい。

でも、実際の組織はそんな単純な物体ではありません。

最適解ではなく、十分にマシな答えを選ぶ

Herbert Simonが示した限定合理性の考え方では、人間はすべての情報を集め、すべての選択肢を比較し、常に最適解を選ぶ存在ではありません。情報も時間も認知能力も有限だからです。現実には、これなら十分だという水準で意思決定することが多い。Simonはこの発想を組織学習の議論にも接続しました。(pubsonline.informs.org)

この見方は、会計の現場感覚とも相性がいい。

予算編成を想像すると分かりやすいでしょう。理論上は、全社のあらゆる投資案件を同じ尺度で比較し、限界利益が最大になるところまで資源配分すればいい。ところが実務では、締切がある。情報の精度も違う。翌年度の制度変更も読めない。事業側が出す前提にも幅がある。

経営判断は、数学の答案より、限られた時間で作る見積書に近い。

合理的なら当然こうするはずだと考えると、会社を見る目を誤ります。合理性に使える材料が最初から不完全なのです。

全社最適と個人最適は、普通に衝突する

さらにややこしいのが、会社全体にとって良いことが、全員にとって良いとは限らない点です。

たとえばAIによってある業務の工数が半分になるとします。株主から見れば生産性向上です。経営者から見れば固定費削減や成長余力につながる。しかし、その業務を管理している人から見れば、部下の人数、予算、権限、専門性の価値が下がるかもしれない。

ここで起きているのは、感情による暴走だけではありません。

会社の利益を守る合理性と、自分の立場を守る合理性が衝突している。

この違いを見落とすと、改革に反対する人を古い人、分かっていない人と切り捨てて終わります。けれど、それでは改革は進まない。相手の損失関数を理解していないからです。

感情はノイズではなく、意思決定の入力値である

感情は合理性を邪魔するものだ、と考えたくなります。

しかしLernerらのレビューは、感情が意思決定に広く、予測可能な形で影響し、ときに有害で、ときに有益でもあることを整理しています。(annualreviews.org) BarsadeとGibsonも、職場の感情が意思決定、創造性、離職、協力、交渉、リーダーシップなど幅広い組織行動に関わるとまとめています。(journals.aom.org)

つまり、感情は会議室に入る前にロッカーへ置いてこられるものではない。

不安ならリスクを重く見る。自分の専門性が否定されると感じれば、防御的になる。上司が不機嫌なら、同じ提案でも出し方が変わる。

数字を作る実務では、この手のものは帳簿に載りません。BSに部門長の不安という負債科目はないし、PLに組織の面子維持コストという勘定科目もない。

でも、存在しないわけではない。見えない負債が意思決定を遅らせ、その結果が数年後に利益率や競争力として表面化します。

会社を見るとき、合理か感情かの二択で考える必要はありません。

より現実に近いのは、経済的合理性、政治的合理性、感情的合理性、制度的合理性が同時に走っているという姿です。会社は単一の電卓ではなく、違う計算式を持つ人間の集合体なのです。

一見すると意味不明な結論でも、分解すると各人の行動には筋が通っていることがある。誰も完全には間違っていない。それでも全体として悪い結果になる。

組織の怖さはそこです。

正しい情報があっても、組織には届かない – 会議の静けさは、合意ではなく恐怖かもしれない

合理的な意思決定には、正しい情報が必要です。

では、会社にはその情報が上がっているのか。ここで一段深い問題が出てきます。

組織では、悪い情報ほど上に行きにくい

MorrisonとMillikenは、社員が潜在的な問題や懸念について情報を持っていても、それを組織内で広く差し控える現象をorganizational silence、組織的沈黙として論じました。(journals.aom.org) Morrisonの後年のレビューでも、上位者に懸念や問題情報を伝えるvoiceと、それを差し控えるsilenceが体系的に整理されています。(annualreviews.org)

これを会計に置き換えると、かなり怖い話です。

管理会計は、意思決定のために数字を集める仕組みです。しかし、元データが正しくても、前提が上に行く途中で丸くなることがある。

この案件は厳しいです、が、少しチャレンジングです、に変わる。
達成は無理です、が、努力します、に変わる。
このAI施策は使われません、が、利用促進が課題です、に変わる。

数字は改ざんされていなくても、経営情報としては劣化しています。

会計不正だけが数字の問題ではありません。都合の悪い前提が消えることも、意思決定上は大きな情報損失です。

心理的安全性は、やさしい職場を作る話ではない

心理的安全性という言葉は、少し柔らかく使われすぎることがあります。

本質は、みんな仲良くしましょうではありません。

EdmondsonとBransbyのレビューが扱う心理的安全性は、対人的なリスクを伴う発言や行動が可能になる職場環境に関わる概念です。研究蓄積では、学習、パフォーマンス、リーダーシップなどとの関係が検討されています。(psychsafety.com)

経営の言葉に翻訳すると、心理的安全性とは情報システムの品質です。

部下が上司の仮説を否定できない会社では、ERPが最新でも、BIが豪華でも、経営会議に届く情報は古くなる。システム障害ではない。人間の通信障害です。

投資家として見るなら、この差は見逃せません。悪いニュースが遅れる会社は、撤退も減損も改革も遅れやすい。財務諸表に出てくる損失は、しばしば最後の画面です。

会議で決まったことと、組織が決めたことは違う

Cohen、March、OlsenのGarbage Can Modelは、曖昧性の高い組織では、問題、解決策、参加者、意思決定機会が必ずしも一直線につながらないと説明しました。(wikicap.ulb.be)

これはAI導入を見るとき、かなり示唆的です。

普通は、業務課題を分析し、選択肢を比較した結果AIを選ぶ、と考えます。

でも現実には、先にAIを使いたいという解決策があり、後から適用先を探すこともある。経営トップがAIを掲げた。ベンダーから提案が来た。とりあえずPoCをやる。

するとPoCの目的が、課題解決ではなくAIをやったという事実作りに変わりやすい。

ここ、投資採算の罠です。

ROIを計算しているようで、そもそも投資目的が曖昧なら、分子の効果も分母のコストも後付けになります。会計上の数字は作れても、経済価値の計算になっていない。

優秀な人を集めても、情報が上がらなければ組織は賢くなりません。沈黙は無知の証拠ではない。組織内で発言しない方が得だという学習の結果かもしれない。

だから経営者が見るべきなのは、会議資料の精度だけではありません。悪い情報がどれだけ早く、自分のところまで形を変えずに届くか。

数字を作る会社には決算プロセスがあります。同じように、真実を上げるプロセスも必要です。

AI導入の本丸は技術ではなく組織の再設計である – ROIだけで進めると、たいてい途中で止まる

では、合理的な会社ならAIをすぐ導入するべきなのでしょうか。

ここは少し慎重に見た方がいい。

AIを入れない理由には、ちゃんと合理的なものもある

OECD、BCG、INSEADが2025年に公表した調査は、G7のAI利用企業840社を対象に、導入障壁を調べています。最も多かったのはAI投資のROIを事前に見積もる難しさで、製造業の62％、ICT企業の56％が挙げました。データプライバシーやセキュリティへの懸念は製造業55％、ICT57％。再教育の難しさもおよそ半数の企業が挙げています。(oecd.org)

つまり、AIを使わない企業を全部、感情的で遅れた会社と呼ぶのは雑です。

AIにはモデル利用料だけでなく、データ整備、システム連携、統制、教育、業務変更、レビュー設計が必要になる。会計でいうなら、見えている請求書だけを投資額にしてはいけない。慎重さ自体には経済合理性があります。

問題は、合理的な慎重さと、変わりたくない感情が同じ言葉で包装されることです。

リスクがあります、は便利な言葉です。本当にリスクを測った結果なのか。それとも測らずに止めているだけなのか。ここを分けないといけません。

AIのROIは、導入直後ほど見誤りやすい

Brynjolfsson、Rock、Syversonは、AIのような汎用技術には、新しい業務プロセス、人材、ソフトウェア、組織設計などの補完投資が必要で、その価値が通常の統計や会計では捉えにくいことをProductivity J-Curveとして示しました。(aeaweb.org) 生成AIについてのNBERの整理でも、導入初期には業務プロセスの再配置、既存ワークフローへの統合、従業員のアップスキリングといった時間のかかる補完投資が必要だと説明されています。(nber.org)

これは経理の目で見ると、とても面白い。

AI導入初年度は、ライセンス費用が増える。研修時間も増える。既存プロセスと新プロセスが並走し、一時的に工数まで増えるかもしれない。

その瞬間だけPLを見ると、AIは利益を悪化させたように見える。

でも、その費用の一部は、将来の業務能力を作るための投資でもある。会計上、すべてが資産になるわけではありません。だから財務会計上の利益と、経済的な投資価値にズレが生じる。

AI投資を単年度のコスト削減だけで判定すると、このズレを踏み抜きます。

本当に評価すべきなのは、AIではなく変化を利益に変える能力

投資家の視点では、ここが一番面白いところです。

AIモデルもクラウドも、多くの企業が買えます。

でも、業務を壊して作り直す力は買いにくい。

既存の権限を動かす。なくなる仕事を決める。AIに任せる範囲と人が責任を持つ範囲を決める。評価制度を変える。失敗したPoCをやめる。成功したものは全社へ広げる。

この能力は、無形資産です。

しかも普通のBSには載りません。

同じAIを導入しても、A社は数年後に利益率が上がり、B社はPoC費用だけ積み上がる。その差を作るのはモデル性能より、組織の実装能力かもしれない。

だからAI時代の企業分析では、AIを使っていますか、だけでは弱い。何件導入したかでも足りない。

問うべきは、導入によって仕事の流れが本当に消えたか、意思決定が速くなったか、人員や時間がより価値の高い仕事へ移ったか、そしてその変化が数字へ落ち始めているかです。

AI導入が進まない会社を見たとき、技術理解の不足だけを疑うと本質を外します。

その裏には、ROIの不確実性も、セキュリティも、教育コストもある。一方で、権限を失いたくない、失敗の責任を負いたくない、今の専門性を守りたいという人間側の事情も混ざる。

経営の仕事は、その全部を感情論として切り捨てることではありません。合理的な障壁を取り除き、必要な統制を作り、全社では価値を壊すインセンティブを設計し直す。

AI導入とは、ソフトウェアの導入ではなく、組織の損益分岐点を動かす仕事なのだと思います。

結論　決算書に載らないものが、最後に決算書を作る

会社は数字で評価される。

売上高、営業利益、ROIC、キャッシュフロー。投資家が最後に見るのも、経営者が責任を負うのも数字です。

でも、その数字を生む手前には、数字にならないものが大量にあります。

誰が異論を言えるのか。誰が失敗を認められるのか。誰が権限を手放せるのか。古い仕事をやめられるのか。将来の利益のために、今期の不便を受け入れられるのか。

会計は結果を驚くほど正確に測れます。けれど、企業価値を左右するすべてを帳簿に載せられるわけではありません。

投資も同じ。PERが低い、ROEが高い、キャッシュが厚い。それだけで良い会社が決まるなら、投資はもっと簡単です。現実には、その会社が環境変化に合わせて自分自身を作り替えられるかという、決算書の外側の能力が長期の数字を変えていく。

AIは、その能力を強烈に試しています。

新しい技術を知っている会社と、新しい技術に合わせて仕事を捨てられる会社は違う。

ここにはかなり大きな差があります。

そしてこれは会社だけの話でもありません。

人もまた、合理性だけで生きているわけではない。正しいと分かっていても動けない。今まで積み上げたものを失うのが怖い。変化した方が得でも、慣れた場所に残りたくなる。

それ自体を弱さと切り捨てる必要はないと思います。

ただ、自分が何を守ろうとしているのかは知っておきたい。

数字を作る仕事でも、投資でも、経営でも、人生でも、判断を狂わせるのは感情があることではありません。感情を合理性だと思い込み、合理性を感情だと切り捨て、両者の区別がつかなくなることです。

目の前の数字を見る。
その数字を作った仕組みを見る。
さらに、その仕組みを守ろうとしている人間を見る。

そこまで見えて、ようやく会社の姿が立体になります。

決算書に載らないものが、最後には決算書を作る。

AI時代に企業を見るなら、たぶんここを忘れない方がいい。

会社とAIを、もう一段深く考えるための5冊

1．『AI時代の組織論入門』戎谷 梓

AIを単なる便利な道具としてではなく、人と組織の関係そのものを変える存在として考えたい読者に入りやすい一冊です。組織の構造、人の行動、意思決定、コミュニケーション、リーダーシップ、組織文化、イノベーションを押さえたうえで、AI時代の組織までつなげる構成になっています。この記事で扱った、AI導入を技術論だけで見てはいけないという論点を、組織論の基本から組み直せるのが特徴です。専門書に入る前に、会社の中で何が起きているのかを体系的に整理したい人に向いています。

[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]

AI時代の組織論入門 [ 戎谷 梓 ]
価格：2,750円（税込、送料無料) (2026/8/24時点)


2．『なぜ「賢い人」が集まってしょうもない意思決定がなされるのか　身近な疑問からみる日本型組織の「無駄の構造」』太田 肇

この記事の問題意識に最も直接つながるのがこの本です。優秀な人が集まっているはずなのに非合理な判断が生まれる理由を、日本型組織の評価、承認、保守性、無駄な仕事、不正を見て見ぬふりにする行動などから掘り下げています。会議で誰も反対しないことと、本当に納得していることは同じなのか。効率化が会社には得でも、個人には損になる場面で人はどう動くのか。そんな疑問を持った読者に刺さりやすい内容です。ほかの4冊より、日本企業の日常で起きる違和感を具体的に考える入口になっています。


3．『意思決定とは何か　「意識」と「無意識」の思考・判断・評価』長瀬 勝彦

組織を理解する前に、そもそも人間はどうやって決めているのかを知りたいなら、この方向から入ると見え方が変わります。行動意思決定論を軸に、心理学や行動経済学の研究を踏まえながら、意識的な判断だけでなく、その背後にある無意識の思考や評価まで扱っています。この記事で触れた限定合理性や、感情が意思決定の入力値になるという話を、個人レベルまで掘り下げたい読者に向いています。会社の非合理さを組織文化だけの問題にせず、人間の判断そのもののクセから考えられる点が、組織論中心の本とは違うところです。


4．『D．J．ティース　ダイナミック・ケイパビリティの企業理論』D．J．ティース　訳：菊澤 研宗・橋本 倫明・姜 理恵

AI時代に本当に差がつくのは、技術を持っている会社ではなく、環境変化に合わせて自分自身を変えられる会社ではないか。この記事の後半を経営戦略の理論へ接続するなら、ダイナミック・ケイパビリティは避けて通れません。急速な環境変化に対応して組織や経営資源を組み替える能力を扱い、企業の持続的なパフォーマンスや経営者の役割まで論じています。AI導入件数ではなく、導入後に業務、権限、人材、資源配分まで変えられるかを見たい経営者や投資家に向く本です。ほかの本より理論色は強いものの、変化する能力そのものを競争優位として捉える視点が得られます。


5．『企業価値経営　第3版』伊藤邦雄

最後は、組織やAIの話を数字と企業価値へ戻すための一冊です。財務諸表の分析だけでなく、バリュエーション、資本コスト、事業ポートフォリオ、無形資産、非財務情報まで扱い、企業が価値をどう分析し、評価し、創造するかを一続きで捉えます。この記事で書いた、決算書に載らない組織能力が最後には決算書を作るという視点を、投資家や経理の側から考え直すのに相性がいい。AIや人材への支出を単なる費用として見るのか、将来キャッシュフローを生む能力への投資として見るのか。その境界を考えたい読者に、ほかの4冊とは違う財務・企業価値の物差しを与えてくれます。

[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]

企業価値経営　第3版 [ 伊藤邦雄 ]
価格：4,950円（税込、送料無料) (2026/8/24時点)


組織論を初めて体系的に押さえるなら『AI時代の組織論入門』から入ると全体像をつかみやすいでしょう。会社で起きる妙な意思決定の正体を身近なところから掘りたいなら太田肇氏の本、人間そのものの判断メカニズムに興味があるなら『意思決定とは何か』がつながります。経営者や投資家として、変化できる企業とできない企業の差を理論的に考えたいならティースへ進み、その組織能力が最終的に企業価値へどう結びつくのかまで追いたいなら『企業価値経営　第3版』へ。5冊を並べると、人間の判断から組織、変革、そして企業価値まで一本の線で見えてきます。

それでは、またっ！！

引用論文・参考文献

  • Simon, H. A. (1991). Bounded Rationality and Organizational Learning. Organization Science, 2(1), 125–134. doi:10.1287/orsc.2.1.125. (pubsonline.informs.org)
  • Lerner, J. S., Li, Y., Valdesolo, P., & Kassam, K. S. (2015). Emotion and Decision Making. Annual Review of Psychology, 66, 799–823. doi:10.1146/annurev-psych-010213-115043. (annualreviews.org)
  • Barsade, S. G., & Gibson, D. E. (2007). Why Does Affect Matter in Organizations? Academy of Management Perspectives, 21(1), 36–59. doi:10.5465/AMP.2007.24286163. (journals.aom.org)
  • Morrison, E. W., & Milliken, F. J. (2000). Organizational Silence: A Barrier to Change and Development in a Pluralistic World. Academy of Management Review, 25(4), 706–725. doi:10.5465/AMR.2000.3707697. (journals.aom.org)
  • Morrison, E. W. (2014). Employee Voice and Silence. Annual Review of Organizational Psychology and Organizational Behavior, 1, 173–197. doi:10.1146/annurev-orgpsych-031413-091328. (annualreviews.org)
  • Edmondson, A. C., & Bransby, D. P. (2023). Psychological Safety Comes of Age: Observed Themes in an Established Literature. Annual Review of Organizational Psychology and Organizational Behavior, 10, 55–78. doi:10.1146/annurev-orgpsych-120920-055217. (psychsafety.com)
  • Cohen, M. D., March, J. G., & Olsen, J. P. (1972). A Garbage Can Model of Organizational Choice. Administrative Science Quarterly, 17(1), 1–25. (wikicap.ulb.be)
  • OECD, Boston Consulting Group, & INSEAD. (2025). The Adoption of Artificial Intelligence in Firms: New Evidence for Policymaking. OECD Publishing. doi:10.1787/f9ef33c3-en. (oecd.org)
  • Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The Productivity J-Curve: How Intangibles Complement General Purpose Technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. doi:10.1257/mac.20180386. (aeaweb.org)
  • Brynjolfsson, E., & Li, D. (2024). The Economics of Generative AI. NBER Reporter, 2024(1). (nber.org)

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

RECOMMENDこちらの記事も人気です。