反學習（Unlearning）與再學習（Relearning）如何融入工作中？公開判斷變革曲線與判斷經驗設計下的實踐知識形成過程（組織行為科學®）

提供「組織行為科學®」的Request株式會社（總部：東京都新宿區，代表董事：甲畑智康）發布了報告《反學習與再學習如何融入工作中——從判斷變革曲線與判斷經驗設計看實踐知識的形成過程》。Request株式會社基於980家企業、33.8萬名員工的業務經驗數據，持續分析組織中判斷、行動與角色變革的實態。同時，我們積累了支援980家企業中負責客戶接觸點的員工進行角色轉換的專業知識。隨著生成式AI的普及，查詢知識、整理資訊、參考現有案例以及按既定程序處理事務，將變得更容易由AI承擔。然而，企業現場留下的工作是：根據客戶差異、項目限制、現場條件以及相關人員優先順序的不同，決定確認什麼、重視什麼、在多大程度上使用先例，以及從何處開始改變處理方式。換句話說，AI時代區分企業優劣的關鍵，不在於知識量本身，而在於能夠承擔判斷的人才在工作中成長與留存的程度。然而現實中，培養這種判斷力的經驗正在企業工作中減少。我們的分析顯示，隨著遵循先例、基於上司確認行動以及精確完成既定流程變得合理化，觀察條件差異、將判斷理由語言化以及根據結果更新標準的經驗，變得更容易從工作中流失。本報告作為3月發布系列報告的續篇，從判斷變革曲線與實務流程兩方面，整理了反學習與再學習如何透過判斷經驗設計融入實務中。我們此前已發布了關於存量型產業所需的判斷設計、82%企業面臨的判斷經驗減少問題、「兩種判斷」與「兩種知識」的區分，以及反學習與再學習的推進方式。本報告進一步視覺化了培養判斷力的工作是如何按順序波動、改變並最終定型的。結論是，反學習與再學習並非僅靠培訓理解就能推進，而是當你設計出不得不進行判斷的經驗，並將其中產生的迷惘、失敗與成功轉化為下一次判斷的模式時，才能真正定型。