AIプロジェクト管理が直面する最大の試練：人間の判断
Google Newsは、プロジェクトリーダーにとって明確な対立を浮かび上がらせた。AIは数十もの業務を加速できるが、重大な意思決定を引き受けることはできない。
この違いは、AIがステータスレポートの作成から、優先順位付け、リスク分析、リソース配分、ポートフォリオ計画へと活用範囲を広げるほど重要になる。出力が速くなっても、判断の質が自動的に向上するわけではない。不確かな提案が、より早く組織内を通過するだけの場合もある。
新たに生まれつつある競争は、プロジェクトマネージャー対マシンではない。自動化された実行と、説明責任を伴う意思決定との対比である。プロジェクトマネージャーは、AIの提案を実行に移すべきか、検証が必要か、あるいは組織の文脈を優先して退けるべきかを判断しなければならない。
このことは、AIプロジェクト管理をめぐる最近の報道に、より重大な意味を与える。プロジェクトマネージャーの価値は、情報収集から移りつつある。証拠を解釈し、前提を検証し、利用可能なシグナルが矛盾したときに責任を引き受けることへと向かっている。
Google Newsの記事が変えるもの
AIプロジェクト管理は、単なる生産性の話ではなく、ガバナンスの問題になりつつある。
プロジェクトチームはすでに、会議の要約、レポートの準備、要件の整理、ステークホルダー向けコミュニケーションの下書きに生成AIを利用している。予測システムは、遅延の兆候を示し、キャパシティをモデル化し、プロジェクトデータ全体のパターンを特定することもできる。
これらの用途には共通点がある。記録された情報を、提案、要約、または次のアクションへと変換することだ。本当に難しい作業は、その出力が現実を反映しているかを誰かが判断しなければならないときに始まる。
ダッシュボード上では、遅延したタスクは単純に見えるかもしれない。しかし実際には、サプライヤーとの紛争、表に出ていない人員配置の問題、あるいは経営幹部が解決していない要件を示している可能性がある。プロジェクト記録は遅延を捉えるが、その組織的な意味まで常に捉えているわけではない。
最近のCIO向け報道は、この隔たりにますます注目している。ある分析は、かつてプロジェクトマネージャーの多くの時間を占めていた調整や報告業務の大部分を、AIエージェントが処理できると論じている。同時に、戦略的なPMOには、ビジネス知識、権限、判断力を備えたリーダーが必要だとも指摘する。
この枠組みは、AIが時間を節約できるかどうかという議論を超えるものだ。自動化によって戻ってくる時間を、組織がプロジェクトマネージャーにどう使わせることを期待するのかを問うている。
Project Management Instituteも、2026年6月に同じ区別をより正式な形で示した。同団体の新しいAI project standardは、人間による監督、透明性、説明責任、責任あるガバナンスを、AI支援業務に不可欠な要素として位置付けている。
PMIは、この出版物を、ポートフォリオ、プログラム、プロジェクト管理全体にAIを適用するための初のグローバル標準と説明している。この標準は技術中立であり、特定のモデルやベンダーを推奨するのではなく、管理実務を扱っている。
これが見出しの背後にある本当の変化だ。AIは、管理業務の周辺における任意の実験にとどまらなくなっている。予算、スケジュール、人員配置、戦略的コミットメントを左右するプロセスに入り込んでいる。
AIシステムがこうした選択に影響を及ぼすようになると、プロジェクトリーダーは「モデルは出力を生成したか」以上のことに答えなければならない。より重要な問いは、証拠、不確実性、影響を受けるステークホルダー、意思決定の所有者に関するものだ。
Google Newsは、この話題を集約フィードを通じて届けるかもしれない。しかし根底にある問題は、AI支援によるプロジェクトデリバリーを試しているすべての組織の内部にある。
自動化はプロジェクトマネージャーの判断の価値を高めている
AIが定型的な調整業務を多く引き受けるほど、人間の判断はより明確に浮かび上がる。
従来のプロジェクト管理では、大量の構造化された業務が発生する。マネージャーは更新情報をまとめ、リスクログを維持し、タスクオーナーを追いかけ、スケジュールを調整し、意思決定会議向けの情報を準備する。
AIは、その業務の多くが既存記録の変換を伴うため、この負担を軽減できる。信頼できる入力を受け取れば、モデルは議事録を要約し、マイルストーンを比較し、レポートを下書きできる。
この能力は、プロジェクトマネージャーの必要性をなくすものではない。マネージャーが最も大きな価値を提供する場所を変えるものだ。
6週間の遅延を予測するシステムを考えてみよう。数値予測だけでは、組織が人員を追加すべきか、スコープを縮小すべきか、契約を再交渉すべきか、あるいは遅延を受け入れるべきかを決められない。
それぞれの対応は異なる人々に影響し、異なるコストを伴う。その中から選ぶには、戦略、チームの健全性、顧客の期待、政治的制約に関する知識が必要となる。
プロジェクトマネージャーの判断は、どの選択肢も完全に安全ではないときに、こうした要素を統合する。また、モデルが確定した事実として扱いかねない前提を明らかにする。
プロジェクトデータベースには、5人のエンジニアがある取り組みに割り当てられたままと表示されているかもしれない。マネージャーは、そのうち2人が別チームを支援しており、1人は退職予定で、もう1人には必要な専門性がないことを知っている場合がある。
モデルが見るのは名目上のキャパシティだ。マネージャーが見るのは、正式な記録にまだ反映されていないデリバリーリスクである。
このため、プロジェクト知識へのアクセスを改善することが重要になる。AIシステムが信頼できる分析を生み出すには、チームに検索可能な意思決定記録、最新の要件、明確な責任分担が必要だ。
実践的なPM workflowは、変更の背景にある文脈を保ちながら、報告にかかる労力を減らせる。目的はレビューをなくすことではない。レビューをより十分な情報に基づくものにすることだ。
PMIの調査も、この移行に意図的な準備が必要な理由を示している。同団体のAI skills researchでは、調査対象のプロジェクトマネージャーの約20パーセントが、AIに関する良好または幅広い実務経験を持つと報告された。
同じ調査では、49パーセントがプロジェクト管理におけるAIについて、ほとんど、あるいはまったく経験がないと回答した。これらの数値は、技術を避ける理由ではなく、準備態勢の隔たりを示している。
AIリテラシーは、プロジェクトマネージャーが出力の意味を理解する助けになる。また、欠落データ、不適切な確信度、プライバシー上の懸念、委任すべきでないタスクを特定する助けにもなる。
ただし、技術的な習熟だけでは不十分だ。プロジェクトマネージャーはモデルの限界を理解していても、ビジネス上の判断を誤る可能性がある。
判断力は、不完全な情報と競合する優先事項に繰り返し向き合うことで育まれる。どのステークホルダーが重要な知識を持つか、どの指標が問題を隠しているか、どの妥協案が実装段階まで持ちこたえるかを知ることも含まれる。
したがって、自動化は逆説を生む。プロジェクト管理に関連する目に見える管理業務を減らす一方で、測定しにくいスキルの重要性を高める。
経営幹部は、報告に必要な時間が減ったことを理由に、プロジェクト関連の役割を削減するかもしれない。しかしその選択は、レポートを解釈する責任を持つ人々を取り除くリスクがある。
より良い対応は、役割を再設計することだ。マネージャーはステータス情報の作成に費やす時間を減らし、その意味に異議を唱え、シナリオを検証し、重大な意思決定を導くことにより多くの時間を使う。
だからこそ、AIプロジェクト管理は単なる効率化プログラムではない。選択肢を生み出すシステムと、成果に対して引き続き説明責任を負う人々の間で行われる、業務の再配分である。
AIプロジェクト管理は、スピードと監督のトレードオフを浮き彫りにする
中心的なトレードオフは単純だ。組織はより速い自律的な業務を望むが、実質的な監督には時間がかかる。
AIエージェントは、システム間で情報を移動させ、タスクを作成し、優先順位を提案し、週次会議を待たずに業務を振り分けることができる。このスピードは、従来の承認構造を遅く見せる。
しかし、自律的なワークフローは、人間が気付く前に誤りを増幅させる可能性もある。欠陥のある要件がタスクを生成し、スケジュールに影響し、複数の関連プロジェクトにまたがって人員を振り向けることもあり得る。
そこで組織は、難しい設計上の問いに直面する。人間によるレビューは、どこで流れを中断すべきなのか。
すべてのアクションをレビューすれば、約束されたスピードは失われる。主要な出力だけをレビューすれば、小さな誤りが重なって高コストな意思決定につながりかねない。
この緊張は、ポートフォリオレベルでより鮮明になる。ポートフォリオ管理は、どの取り組みに資金、希少な専門性、経営陣の注意を配分するかを決める。
AIシステムは、複数の配分シナリオをモデル化できる。人員を移動させたり、あるプロジェクトを遅らせて別のプロジェクトを守ったりした場合の影響を推定することもできる。
それでも、組織がどの義務を果たさないかを決めることはできない。その選択には、戦略、倫理、顧客関係、リスク許容度が反映される。
そのため、責任あるワークフローには明示的な意思決定境界が必要だ。チームは、どの出力が情報提供目的なのか、どの出力に承認が必要なのか、どの出力をエスカレーションしなければならないのかを特定すべきである。
また、すべての重大な意思決定に対して、指名された責任者を置く必要がある。「AIが推奨した」という説明は、説明責任のモデルとして機能しない。
PMIのガイダンスは、人間参加型のアプローチを重視している。この表現は、AI支援プロセス内で定義された時点において、人がレビューまたは意思決定の権限を保持することを意味する。
重要なのは「定義された」という言葉だ。非公式な監督は、多くの前提がすでに結果を形作った後に、出力を最後にちらりと確認するだけになりがちである。
効果的な監督はもっと早く始まる。どのデータをシステムに入力するか、どの制約がその行動を統制するか、どの証拠を推奨に添えるかを決める。
プロジェクトリーダーは、重要なAIの助言を受け入れた、あるいは退けた理由も記録すべきだ。この意思決定履歴は監査を支え、チームが繰り返されるモデルの失敗を特定する助けとなる。
また、後の推奨を改善することもできる。フィードバックは、修正された結果だけでなく、その修正に至った理由を記録するときに有用になる。
NIST AI frameworkも、もう一つの有用な参照点を提供している。同フレームワークは、AIリスクへの取り組みを、統治、マッピング、測定、管理という観点で整理している。
この構造は、リスク管理を継続的なプロセスとして扱うため、プロジェクト環境によく適合する。一度限りのツール評価が、将来も有効であり続けるとは前提していない。
モデルは変化し、統合は拡大し、プロジェクトデータは変動する。パイロット段階で低リスクと判断されたワークフローも、財務や人員配置のシステムにアクセスできるようになれば、重大な影響を持つようになり得る。
システムの権限が拡大するにつれて、組織は統制を見直さなければならない。そうしなければ、昨日のアシスタントが、明日には統制されない意思決定者になりかねない。
Google Newsの報道は、AI導入を製品発表の連続のように見せることがある。PMOの内部で重要な変化の単位となるのは、システムに与えられる意思決定権だ。
その権限は、それを裏付ける証拠がある場合にのみ拡大すべきである。スピードには価値があるが、追跡可能な責任を伴わないスピードは、運用上の負債を生む。
データの問題は、モデルの問題より先にある
組織の記録に業務の一貫性を保つための論理が欠けている場合、AIは信頼できるプロジェクトインテリジェンスを提供できない。
プロジェクト情報は、タスクシステム、プレゼンテーション、スプレッドシート、チャットスレッド、会議の文字起こし、個人の記憶などに分散していることが多い。各情報源は、プロジェクトの異なる版を捉えている。
人間は、質問をし、行間を読むことで、こうした不整合を管理する。経験豊富なマネージャーは、どのスケジュールが最新で、どのステータスラベルが問題を過小評価しているかを見抜く。
AIシステムが、その共有された履歴を自動的に持つわけではない。プロンプト、検索システム、ソフトウェア統合を通じて利用可能になった情報をもとに動作する。
これらの情報源が矛盾している場合、モデルは古い記録を選択したり、互換性のない事実を混在させたりする可能性がある。言語の質からは証拠の質が分からないため、生成された回答はもっともらしく聞こえることがある。
これはAIプロジェクト管理に特有のリスクを生む。経営層は、その背後で欠落している意思決定を把握しないまま、洗練されたポートフォリオ要約を信頼してしまうかもしれない。
グリーンと表示されたプロジェクトが、未解決のセキュリティレビューに依存している可能性がある。人員計画には、別の取り組みに時間を割り当てられている人が含まれているかもしれない。
モデルが必ずしも誤作動しているとは限らない。不完全な記録を忠実に記述しているだけの場合もある。
したがって組織は、プロジェクトの知識を業務インフラとして扱うべきである。要件、前提条件、依存関係、意思決定、変更事項には、一貫した形式と責任者が必要だ。
会議の文字起こしは役立つが、維持管理された意思決定の代替にはならない。文字起こしには、取り下げられたアイデアや未解決の意見の対立を含め、会話そのものが記録される。
チームは、その材料を明確な成果物へと変換しなければならない。何が決定されたのか、なぜそう決定されたのか、結果の責任者は誰か、いつレビューが必要かを明らかにすべきである。
検索可能なナレッジベースは、こうした成果物を結び付けるのに役立つ。その価値は、文書の量だけではなく、規律ある記録と維持管理にかかっている。
この作業は華やかではないが、AIエージェントが安全に行動できるかを左右する。整理されたプロジェクトコンテキストは、モデルが関与する前の段階から人間の意思決定も改善する。
データの問題には別の側面もある。プロジェクト記録には、バイアスや見落としを含む、組織の過去の行動が反映されている。
過去の配分を学習したリソースモデルは、重要な保守作業より目立つプロジェクトを優先してきた履歴を再現するかもしれない。リスクモデルは、チームがほとんど記録してこなかった懸念を過小評価する可能性がある。
プロジェクトマネージャーの判断は、過去との一貫性を公平性の証拠として扱うのではなく、こうしたパターンを検証しなければならない。組織が以前何をしたかを予測することと、次に何をすべきかを推奨することは異なる。
プライバシーも重要である。プロジェクト記録には、従業員のパフォーマンスに関する懸念、健康情報、顧客の詳細、契約条件、セキュリティ上の問題が含まれる可能性がある。
そうした情報を未承認のシステムに送ることは、出力が有用に見えてもリスクを生む。PMOには、許可されるツール、データ区分、保持期間、アクセスに関する明確なルールが必要だ。
したがって問うべきは、モデルがすべてを要約できるかどうかではない。組織がすべてを提供すべきか、そして基礎となる資料が信頼に値するかどうかである。
より優れたモデルが登場しても、これらの制約はなくならない。出力がより流暢になることで、弱い情報管理の実践を見過ごしやすくなるだけだ。
だからこそプロジェクトマネージャーには、データ品質に異議を唱える権限が必要である。記録が提案された意思決定を支えられない場合、彼らは自動化を延期できるべきだ。
成熟したAIワークフローは、不確実性を隠さない。矛盾する情報源を特定し、関連する証拠を示し、人間による調査がなお必要な場合にそれを知らせる。
AIが測定できることと、なお見落とすこと
AIは観測可能なパターンで最も力を発揮する一方、プロジェクトの成否はしばしばシステムに届かない関係性や動機によって決まる。
スケジューリング、予算追跡、依存関係のマッピング、作業負荷分析は、構造化されたシグナルを生み出す。AIは、多数のプロジェクトを横断して作業する人よりも迅速に、これらのシグナルを処理できる。
また、注意を払うべき相関関係を特定することもできる。要件変更の繰り返し、承認の遅延、過負荷の専門家は、後の納品問題を予測する可能性がある。
しかし、相関関係は原因を説明しない。プロジェクトマネージャーは、そのパターンが通常の変動を示すのか、構造的な脅威を示すのかを判断する必要がある。
人間の組織は、単純な測定に抵抗する曖昧さを生み出す。ステークホルダーは、内心では支持を保留しながら計画を承認することがある。
チームは、技術的な問題を回避しながら進捗を報告することがある。サプライヤーは、実務上の関係を損ないながらも、形式的な義務は果たせる。
こうした状況には、対話、信頼、解釈が必要である。関連する証拠は、プロジェクトの項目ではなく、口調、ためらい、行動を通じて現れることが多い。
AIはコミュニケーションを分析できるが、それには別のリスクが伴う。従業員のメッセージから感情や意図を推測することは、不正確で侵襲的になり得るうえ、異議を申し立てることも難しい。
プロジェクトリーダーは、不確実な行動予測を人事判断に転換すべきではない。このようなシステムには、特に慎重なガバナンスと、人間によるレビューへの明確な経路が必要である。
同じ注意は、生成されたリスクスコアにも当てはまる。スコアは調査を支援できるが、合理的な説明を置き換えるべきではない。
管理者は、どの証拠がリスク見積もりを高め、どの前提が予測を形作ったのかを知る必要がある。その情報がなければ、責任を持って推奨に異議を唱えることはできない。
129か国、2,300人を超える専門職を対象とした調査は、この移行への関心の広がりを示している。そこでまとめられたグローバルPMレポートもまた、多様な組織的・地域的条件を反映している。
こうした違いは重要である。プロジェクトの実践は普遍的なものではない。規制上の期待、労使関係、文化的規範、管理権限は市場によって異なる。
ある環境では適切に見えるAI設定が、別の環境では有害な推奨を生む可能性がある。責任ある導入には、現地の判断が引き続き不可欠である。
懐疑的な視点は、生産性に関する主張にも向けるべきだ。レポート作成に要する時間の短縮は測定できるが、その指標はプロジェクト成果の改善を証明しない。
チームは、より多くのレポートを作成しても、より多くのリスクを解決できるとは限らない。経営層はより速く要約を受け取っても、重要な前提が埋もれたままかもしれない。
組織には、意図した用途に合致する成果指標が必要だ。これには、予測精度、より早いリスク検知、回避可能なエスカレーションの減少、意思決定の迅速化などが含まれる。
また、修正も追跡すべきである。人間による上書きが頻繁に起こる場合、モデルの弱点、データの質の低さ、あるいは人間主導で維持すべき意思決定カテゴリーが明らかになる可能性がある。
上書き率が低いことが、自動的に良いとは限らない。従業員は、異議を唱えるのに労力がかかる、または政治的に危険に見えるため、システムに従っているだけかもしれない。
リーダーはAIに反対することを許容する環境を作るべきである。特にモデルの推奨が権威的に見える場合には、十分な根拠に基づく異議を評価すべきだ。
プロジェクトマネージャーの判断は、そのような環境に依存している。組織が受容を効率性と見なし、懐疑を抵抗と扱うなら、人々は意味のある監督を提供できない。
最も強力なAI支援チームは、すべての推奨に従うわけではない。どの推奨が信頼に値するかを、より的確に判断できるようになる。
定型的なプロジェクト業務が縮小する中で圧力に直面するのは誰か
AIは、意思決定の質ではなく報告によって自らの価値を定義するPMOに最も大きな圧力をかける。
主にテンプレート、ステータス収集、プロセス遵守に焦点を当てるPMOは、自動化の影響を大きく受ける。AIは、こうした活動の多くをより低い限界労力で実行できる。
それでもPMOが不要になるわけではない。プロジェクトを管理運営するために存在するのか、それとも投資価値を守るために存在するのかを、明確にする必要がある。
戦略的なPMOは、どのプロジェクトを開始、変更、一時停止、終了するかをリーダーが判断するのを支援する。納品に関する証拠を、事業上の優先事項やポートフォリオの制約と結び付ける。
この機能には、ダッシュボードの作成以上のものが必要だ。弱い事業計画に異議を唱え、スポンサーが避けたがるトレードオフを明らかにすることが求められる。
プロジェクトマネージャーも圧力に直面する。情報の管理に依存する人は、AIによって要約やスケジュールが広く利用可能になると、影響力を失う可能性がある。
事業を理解しているマネージャーは、異なる種類の影響力を得る。利用しやすくなった情報を、より良い意思決定と連携した行動へと転換できる。
ベンダーも圧力に直面する。プロジェクトソフトウェア企業は、コパイロット、生成された更新情報、予測アラート、自律エージェントをますます追加している。
類似の機能が広がるにつれ、機能の提供可否による差別化は小さくなる。購入者は、証拠、権限、監査証跡、統合、制御について、より厳しい問いを投げかけるようになる。
CIOが最も大きな説明責任を負う。AIプロジェクト機能が単に便利なものなのか、それとも重要な意思決定に影響を与え得るものなのかを判断しなければならない。
その分類は、セキュリティレビュー、調達、監視、経営層の監督に影響する。また、問題発生後に組織が結果を説明できるかどうかも左右する。
従業員には、移行の全過程において明確な説明が必要である。自動化によって、パフォーマンス評価、作業負荷の配分、昇進判断が密かに変わるべきではない。
AIがこれらの領域に影響を与える場合、影響を受ける人々はそのプロセスを理解し、誤った情報に異議を唱えられる必要がある。人間によるレビューは、形式的なものではなく実質的なものでなければならない。
人材設計という問題もある。管理業務を減らせば戦略的な貢献の余地が生まれる可能性があるが、それは組織が必要なスキルに投資する場合に限られる。
プロジェクトマネージャーには、AIリテラシー、財務理解、データ推論、ファシリテーション、交渉、ドメイン知識が必要だ。「人間関係スキル」を伸ばすという一般的な助言では、実用的な研修計画にはならない。
リーダーは、AIが特定のタスクを担う際に各役割がどう変化するかを定義すべきである。そのうえで、新たな責任、意思決定権限、測定可能な成果を特定できる。
この検討により、一部の役割が縮小することが明らかになるかもしれない。一方で、ポートフォリオ分析、ガバナンス、ナレッジマネジメント、AI保証に対する未充足のニーズが明らかになることもある。
結論をあらかじめ決めるべきではない。組織には、製品デモに基づく仮定ではなく、実際のワークフローから得られる証拠が必要である。
Google Newsの記事は、今後も印象的なエージェント機能を取り上げ続けるだろう。エンタープライズの購入者は、デモを超えて、その周辺にある運用モデルを検討すべきだ。
ワークフローを完了するエージェントは有用である。ワークフローをいつ停止すべきかを理解している組織は、より安全で適応力が高い。
人間の判断という命題を試す3つのシグナル
AIプロジェクト管理の次の段階は、自動化された活動量ではなく、意思決定の質によって評価される。
第一のシグナルは、明示的な人間の意思決定ゲートの導入である。組織は、AIシステムが単独で行動できる場所と、氏名が特定された人物がその推奨を承認しなければならない場所を明確にすべきだ。
成熟した導入の証拠には、文書化されたエスカレーション経路、意思決定記録、権限の制限が含まれる。それらがなければ、AIプロジェクトワークフローが責任を持って統治されているという主張は弱まる。
第二のシグナルは、PMOが削減時間を超えた成果を測定するかどうかである。報告の速さは重要だが、予測が改善されるか、失敗が減るかを示すものではない。
購入者は、リスク検知のリードタイム、予測誤差、上書き率、ポートフォリオ意思決定の質といった指標に注目すべきである。より良い成果は、AI支援による判断の根拠を強める。
第三のシグナルは、役割の再設計である。組織は、自動化によって定型的な調整業務がなくなった後、プロジェクト専門職が何をするのかを説明すべきだ。
信頼できる再設計では、分析、ステークホルダー間の整合、シナリオ検証、ガバナンスに、より多くの時間と権限が割り当てられる。単純な人員削減であれば、リーダーシップがなおプロジェクト管理を管理業務と見なしていることを示唆する。
これらのシグナルは、パイロット期間中に観察できる。チームは、意思決定の境界と説明責任を検証するために、完全自律型エージェントを待つ必要はない。
週次ステータスの準備など、範囲を限定したワークフローから始めよう。ソースデータ、生成された出力、人間による修正、その後の意思決定を記録する。
次に、なぜ修正が発生したのかを検証する。文脈の不足であれば、より適切なドキュメントが必要になる可能性があり、推論ミスの繰り返しであれば、システム上の制約をより厳格にすべきである。
同じ手法は、リスクの特定やリソース計画にも応用できる。結果の重大性が高い用途ほど、より強力なエビデンス要件と、より上位の担当者によるレビューを設けるべきだ。
組織は、人間が受け身になっていないかも監視すべきである。ワークフローに承認ボタンが残されていても、真剣な検討を妨げている可能性がある。
無作為監査、構造化された異議申し立て、独立した分析との比較によって、監督が依然として実質的に機能しているかを検証できる。
このGoogle Newsのトピックから得られる中心的な判断は、今後も有効である。AIはより多くのプロジェクト業務を担うようになるが、説明責任がタスクとともに移転することはない。
情報をただ受け渡すだけのプロジェクトマネージャーの役割は縮小していく。不確実性を解釈し、トレードオフに向き合う人材の重要性は、むしろ高まる。
エンタープライズの購買担当者にとって、次に問うべきことは、AIエージェントがどれだけ多くのプロジェクト上の行動を完了できるかではない。どの意思決定を説明できるのか、どれをエスカレーションしなければならないのか、そして結果に誰が責任を負うのかを問うべきだ。
この問いによって、AI導入は機能競争から運用上の意思決定へと変わる。また、印象的な自動化と信頼できるプロジェクト管理を見分けるための、CIOにとって実践的な基準にもなる。
