組織・ガバナンスの視点から紐解くハーネスエンジニアリング
ハーネスエンジニアリングは個人作業の効率化にとどまらず、組織全体で品質のアベレージを揃え、安全性を担保するためのガバナンス基盤となる。宮脇氏は、組織適用における課題を解説するために「自動車技術のガバナンス」の比喩を用いた。
自動車は死亡リスクを伴う危険な乗り物でありながら、社会全体に広く受け入れられている。その理由は、利便性の高さに加えて、法規制、免許・認定制度、安全装置（シートベルトや自動ブレーキ）、監視・道路インフラ、保険といった重層的な安全施策が施されているからである。
宮脇氏は「AI推進においても、利便性の共有と重層的な安全対策の両輪が不可欠である」と主張する。現在のAIエージェント活用における課題について、「人」「車」「道路」の3要素に例えて次のように分析した。
| 要素 | 比喩対象 | 現状の課題と分析 |
| 人 | 利用者・コンテキスト層 | 最低限のリテラシー、コンテキストやプロンプトの与え方が発展途上である |
| 車 | AIエージェント自体の性能 | ブラックボックス性や非決定論的（出力が安定しない）挙動が存在する |
| 道路 | 業務プロセス・組織構造 | 最大の課題。AIにタスクを委譲しようにも、業務自体の構造やプロセスが整っていない |
宮脇氏は「人や車の問題はAI技術の進化によっていずれ解決されるが、最大のボトルネックは『道路』、すなわち企業内の業務プロセスの未整備にある」と強く訴えた。
組織にAI活用を浸透させるフレームワークとバックワード・チェーニング
組織全体でハーネスを機能させ、AI活用を推進・統制するためのフレームワークとして、宮脇氏は以下の4つのアプローチを提示した。
- GOVERN（統制論）：経営層によるトップダウンのポリシー・原則策定
- MANAGE（統制手段）：現場責任者によるミドルダウンの管理・ガードレール設計
- ENABLE（推進手段）：CoEやイネーブリングチームによる人材育成・技術支援・基盤提供
- MATURE（推進論）：計測・監査によるプロセスの定期的な評価と改善
単にハーネスを作って共有フォルダに配布しただけでは、現場で使われずに形骸化してしまう。宮脇氏は「伴走して使い手を増やしていくイネーブリングチームの存在と、活動成果を定量測定して評価改善を回すMATUREの仕組みが揃って初めて、組織のAI Ready化が実現する」と解説した。
また、評価の軸として宮脇氏は「Four Keys」にちなんだ以下の生産性指標を挙げた。
- AI委譲度（AIにどこまで深くタスクを任せられているか）
- 試行回数（AIを用いた実験やタスク実行の回数）
- スループット（業務全体を通しての単位時間あたりの成果量）
- 手戻り耐性（エラーや修正の発生回避、あるいは発生した際の復元力）
特に「AI委譲度」が高まれば、人間は非同期かつ並列でAIにタスクを実行させることが可能になり、開発アウトプットが爆発的に増加するという。
では、現場でメンバーにAIへタスクを委譲してもらうための泥臭い課題にはどう向き合うべきか。イシジマ氏は、デザイナー支援の現場でよく見られる壁として「AIに頼むくらいなら自分で手を動かしたほうが早い」と人間が作業してしまう心理を挙げる。
ウェブサイトの画面で「右端のボーダーを少し濃くして」と言うくらいなら、自分でFigmaを開いて直したほうが早いと思ってしまう。これはデザイナーのクラフトマンシップゆえの宿命でもある、とイシジマ氏は語る。
このハードルを突破するためにイシジマ氏が実践しているのが、山本五十六の教えのような段階的導入と、教育学で用いられる「バックワード・チェーニング（逆向き連鎖）」のアプローチである。
イシジマ氏は具体的なノウハウとして「1人でやらせず、3人で話しながら1人がファシリテーターとなり、AIで実装する過程を見せる。次に1人でやってもらう際、最初の指示からすべてを行わせるのではなく、最後の仕上げ（軽量化や文章の最終チェックなど）の1工程だけをAIに通して完了させる。最後の出口でAIのクイックウィン（小さな成功体験）を積ませることで、徐々に委譲の範囲を広げていく」と語った。
