投稿者 global-ai-media 
OpenAIをはじめとするAIの最前線では今、AIを単なる自動化ツールではなく「人間の主体性（Human Agency）」を拡張するための存在と捉え直す動きが進んでいます。本稿では、AIモデルが秘めている未発見の能力＝「Capability Overhang」という概念を紐解きながら、労働人口減少が進む日本において、企業がいかにしてAIの潜在能力を引き出し、組織の生産性と創造性を最大化すべきかを解説します。
AIによる「自動化」と「主体性の拡張」の違い
生成AIの導入において、多くの日本企業は「業務の自動化」や「工数削減」を第一義に掲げがちです。しかし、OpenAIなどが提唱する「AI for Human Agency（人間の主体性のためのAI）」という視点は、これとは少し異なるアプローチを示唆しています。
「Agency（エージェンシー）」とは、自らの意思で判断し行動する能力、すなわち「主体性」や「代理能力」を指します。AI活用の本質は、人間から仕事を奪って機械に置き換えることではなく、人間が本来持っているが発揮できていない能力をAIによって拡張し、より高度な意思決定や創造的な活動を行えるようにすることにあります。
日本のビジネス現場では、稟議や合意形成に時間が割かれ、本質的な価値創造に集中できないという課題が頻繁に指摘されます。AIを「面倒な作業を代行する部下（自動化）」としてだけでなく、「思考の壁を突破し、意思決定を支援するパートナー（主体性の拡張）」として捉え直すことが、日本企業の生産性向上の鍵となります。
「Capability Overhang」：宝の持ち腐れを解消する
AI研究の分野には「Capability Overhang（能力の余剰／未発掘の能力）」という重要な概念があります。これは、AIモデルがリリースされた時点では、そのモデルができることの全てが開発者ですら分かっておらず、ユーザーが使い込むことによって初めて「こんなこともできたのか」と新たな能力が発見される状態を指します。
例えば、大規模言語モデル（LLM）における複雑な推論能力や、特定のプログラミング言語のデバッグ能力などは、モデルの学習時には意図されていなかったものの、後から発見された能力の一例です。つまり、私たちは手元にあるAIツールの能力を、まだ完全には引き出しきれていないのです。
日本企業におけるAI導入では、ベンダーが提示する「確立されたユースケース」を求めすぎる傾向があります。しかし、「Capability Overhang」の概念に基づけば、現場の社員が試行錯誤（プロンプトエンジニアリングやRAG構築など）を繰り返すことで、自社特有の課題を解決する「隠れた能力」を発見できる可能性があります。マニュアル通りの運用に留まらず、探索的な利用を許容する文化が、この余剰能力を競争力に変えるためには不可欠です。
エージェント型AIと日本の組織構造
現在、AIのトレンドは、チャットボット形式で対話する段階から、AIが自律的にタスクを計画・実行する「AIエージェント」へと移行しつつあります。これは「Human Agency」を技術的に補完する大きな進化ですが、日本の組織構造においては新たなリスク管理の課題も突きつけます。
AIエージェントが自律的に外部システムへアクセスしたり、コードを実行したりする場合、その結果に対する責任の所在が曖昧になる恐れがあります。日本の商習慣上、責任分界点は非常に重視されます。したがって、AIにどこまでの権限（Agency）を委譲し、どのタイミングで人間（Human-in-the-loop）が承認を行うかという「ガバナンスの設計」が、技術選定以上に重要になります。
AIに主体性を持たせることは、AIを放任することではありません。むしろ、人間が最終的な指揮官としての主体性を保つために、AIの挙動を監視・制御できるガードレールを設けることが求められます。
日本企業のAI活用への示唆
グローバルの動向と日本の実情を踏まえると、意思決定者やエンジニアは以下の3点を意識してAI戦略を構築すべきです。
- 「効率化」から「能力拡張」へのKPIシフト
削減時間などの「守り」の指標だけでなく、AIによって「従来不可能だった何が可能になったか（新規提案数、分析深度、対応速度の向上など）」という「攻め」の指標を評価に取り入れること。 - 現場主導の「能力発掘」を奨励する
「Capability Overhang」を解消するのは、現場のドメイン知識です。トップダウンのシステム導入だけでなく、現場レベルでのサンドボックス環境（安全に実験できる場）を提供し、自社独自のAI活用法を発見させるボトムアップのアプローチを組み合わせることが有効です。 - 「日本版」AIガバナンスの策定
著作権法や個人情報保護法への対応はもちろん、日本企業の合意形成文化に合わせた「AIと人間の協働フロー」を設計すること。AIによる自律的なアクションに対して、適切な承認プロセス（Human-in-the-loop）を組み込み、ブラックボックス化を防ぎつつスピードを損なわない運用体制を構築してください。