AI時代不可忽視的關鍵：區分「兩種判斷」與「兩種知識」的能力（組織行為科學®）

Request株式會社（總部：東京都新宿區，代表取締役：甲畑智康）的判斷設計實驗室，發布了報告「AI時代不可忽視的關鍵：區分『兩種判斷』與『兩種知識』的能力」。

報告下載

d68315-195-54795e6f62a3ce0e51dabfd174f2dc54.pdf 隨著生成式AI的普及，企業的工作正開始發生巨大變化。未來，查詢知識、整理資訊、參考現有案例、按照既定步驟處理等任務，將越來越容易由AI來承擔。另一方面，留給人類的工作，是在每個客戶、每個案件、每個現場、每個相關人員的條件都不同的情況下，決定需要確認什麼、優先處理什麼、參考前例到什麼程度、以及從何處開始改變處理方式。

然而，許多企業尚未充分釐清這種變化。

其背景在於將判斷與知識視為僅有一種類型來處理。

本報告將其整理為：

・ 判斷分為「基於先例的判斷」與「基於事實的判斷」兩種。

・ 知識分為「無需經驗的知識」與「需要經驗的知識」兩種。

並指出，AI時代企業中發生的許多混亂，正是源於混淆了這四者。特別是問題所在，在於試圖用套用先例或標準答案來處理那些本應需要經驗知識和基於事實判斷的工作。

結果，現場容易出現以下情況：

・ 理解增加但判斷力未增

・ 雖然按部就班進行，但進展不如以往順利

・ 返工和額外處理增加

・ 困難案件集中在少數資深員工或管理層身上

・ 工作看似在運轉，但無法提出下一步對策

本報告將這些現象重新定義為「與原本成立條件的『錯位配置』」，而非單純的能力不足。也就是說，停滯的背景在於，那些本應使用基於事實的判斷和需要經驗的知識來處理的工作，卻被當作僅憑套用先例或傳授知識就能完成的工作來對待。

發布報告的重點

1. AI時代所需的是區分四者，而非僅強調「判斷很重要」

報告指出，企業真正需要重新審視的是：

・ 哪些工作可以基於先例進行判斷。

・ 哪些工作需要基於事實進行判斷。

・ 哪些知識可以透過傳授來應用。

・ 哪些知識需要透過經驗才能應用。

只有進行了這種區分，才能看清哪些工作應交由AI處理，哪些工作應由人來承擔；哪些內容應透過培訓傳授，哪些內容應透過實務經驗獲得；以及企業真正應加強的組織能力為何。

2. 將工作劃分為四個象限，即可看清應交給AI的領域與應留給人的領域

本報告將「兩種判斷」與「兩種知識」相結合，將工作劃分為四個象限進行整理：

・ 第一象限：標準處理領域

包括步驟、規則、檢查清單、標準化說明、標準化判斷等。這是與AI、自動化、標準化最相容的領域。

・ 第二象限：確認調整領域 此領域雖有既定步驟，但需要確認本次適用的條件或例外情況。重點在於事實確認以防止誤用。

・ 第三象限：容易發生錯位配置的領域 這是指那些本應是經驗知識，卻被當作套用先例、標準答案或尋找正確答案來處理的領域。理解力會增加，但判斷力難以培養。

・ 第四象限：留給人的核心領域 這是區分條件差異、確認事實、做出判斷，並根據結果更新標準的領域。是AI時代人類價值的核心所在。

報告特別指出，比起增加第四象限的工作量，更重要的是將第四象限的工作正確地視為第四象限來處理。

3. 導致企業停滯的原因是「第四象限工作的第三象限化」

本報告將「需要經驗的知識 × 基於先例的判斷」歸類為不穩定的配置。

換言之，第三象限並非一種獨立的工作類型，而是一種錯位配置的狀態，即本應在第四象限處理的工作，卻透過套用先例、標準答案或尋找正確答案來處理。

當這種錯位配置發生時，框架容易變成答案，案例容易變成標準答案，原則容易變成必須遵守的規則。理解力會增加，但判斷力不會增加，返工、額外處理、集中確認、依賴資深員工等問題也容易加劇。

4. 實務中雖常被忽略但影響巨大的領域是第二象限

第二象限是指，雖然有既定的步驟或標準，但需要進行事實確認，以判斷是否可以直接套用。許多工作，如客戶接觸、管理職、企劃職、現場監督、後勤支援等，都包含此領域。

即使制度和流程已建立，但如果不明確需要確認哪些事項才能避免誤用，就會出現遵守制度但現場停滯、按照流程進行但返工增加的問題。報告指出，在第二象限中，明確需要確認的事項以及不應忽略的條件差異，將決定整體品質和可重複性。

5. 企業首先應找出「公司內部哪些地方變成了第三象限」

報告列出了企業應首先採取的步驟：

・ 第一，對公司的工作進行四象限盤點。

・ 第二，確定第三象限的領域。

・ 第三，設計第四象限的工作，使其保留判斷的空間。

・ 第四，徹底將第一象限的工作交給AI和標準化。

關鍵在於，不是簡單地指示「多思考」，而是要在工作中設計出需要確認到何種程度的事實才能推進，以及需要建立何種前提才能推進。

為何在此時發布此報告

「AI時代判斷很重要」、「經驗很重要」這類說法本身是正確的。但僅止於此，AI的應用、人才培育、工作設計都容易流於抽象。真正需要的是認識到判斷有兩種，知識也有兩種，並洞察這四者在工作中是如何組合的。

Request株式會社基於「組織行為科學®」，該科學分析了980家公司、33.8萬名工作者的數據，從事業環境、歷史、經驗的角度分析了工作中發生的事情及其持續的原因。本報告將其中發現的「非能力不足而是錯位配置」的結構，整理為AI時代工作設計的討論點，並作為企業檢視自身工作的視角對外發布。

適用於有此類課題意識的企業

・ 導入AI後，困難案件仍集中在少數人身上。

・ 增加培訓和知識共享後，現場能做出判斷的人並未增加。

・ 雖然按先例進行，但返工和額外處理卻比以前增加。

・ 希望針對不同職位，釐清哪些應交給AI，哪些應留給人。

・ 希望結構性地檢視管理職、客戶接觸人員、現場人員的判斷力培養。

判斷設計實驗室的見解

AI時代決定企業競爭力的，不是增加知道許多正確答案的人。而是培養能夠透過差異做出判斷的人，並設計工作使其判斷經驗得以增加。我們認為，決定未來企業應對能力的，不是AI的利用量本身，而是能夠承擔留給人的判斷性工作的人才厚度，以及工作中增加判斷經驗的結構。

報告下載

d68315-195-70073b78fc58b1a1fc300f44bec16377.pdf

公司概要

Request株式會社 公司介紹：https://requestgroup.jp/corporateprofile 代表取締役 甲畑智康：https://requestgroup.jp/profile

E-mail：request@requestgroup.jp

Request株式會社（總部：東京都新宿區，代表取締役：甲畑智康）以「以達成更好為目標」為宗旨，基於匯集了33.8萬名工作者數據的「組織行為科學®」，是一家由7個研究機構支援980家企業的公司。「組織行為科學®」旨在從事業環境和經驗的角度，闡明組織中我們思考與行為「為何發生」、「為何持續」，並提供能更好地再現這些結果的方法。