優れた判断が、隣の部署で再現されない。これは多くの組織が見過ごしている損失です。しかし、それより大きな損失があります。現場の誰かが「我が社のこのやり方は、そもそも正しいのか」と口にした瞬間——その問いが、報告書に丸められる過程でノイズとして削られ、経営に届かないことです。組織は、最も優れた判断を失うだけでなく、最も大切な問いを、生まれた端から失っています。
経営学には、この状態を抜け出すための古典的な答えがあります。マサチューセッツ工科大学のピーター・センゲ氏が1990年に著した『The Fifth Discipline（邦題：学習する組織）』です[1]。組織が自らの経験から学び、変わり続ける状態を「学習する組織（learning organization）」と呼び、その実現を支える5つの規律（ディシプリン）を示しました。ハーバード・ビジネス・レビューが、この本を過去75年で最も重要なマネジメント書の一冊に選んだのは1997年のことです[1]。
この概念は、刊行から30年以上が経った今も、ほとんど実装されていません。私たちは国内大手企業を中心に、計2万時間を超える現場の判断データをAIで解析してきましたが[4]、そこで痛感するのは、多くの組織が「学習しない組織」のまま放置されている、という事実です。学ぶ意欲がないのではありません。学びが循環する回路が、組織のどこにも設計されていないのです。
この記事の3つの結論
- 「学習する組織」は理論として広く知られながら、ほとんど実装されてきませんでした。原因は、現場の判断と問いが、二次情報に丸められて循環に乗らなかったことにあります。
- 生成AIは、二つの循環を初めて可能にします。既知の勝ち筋を全員が再現する「答えの循環」（適応＝知識が積み上がる）と、前提を問い直す論点を経営が掘り、勝ち筋を書き換える「問いの循環」（生成＝知識が覆る）です。
- 多くの組織は前者で止まり、昨日に最適化する追従マシンになります。学習が起きた唯一の証拠は、勝ち筋が実際に書き換わった件数です。問うべきは「どう研修するか」ではなく、「我が社は最近、自分が"知っていた"勝ち筋を、どれだけ覆したか」です。
「学習する組織」とは、経験が循環し続ける組織のことです
「学習する組織」という言葉は広く知られていますが、その中身は意外に正確に理解されていません。センゲ氏が示したのは、5つの規律（ディシプリン）が揃って初めて組織は学び続けられる、という枠組みでした[1]。
5つとは、自己マスタリー（個人が自らの能力を伸ばし続けること）、メンタル・モデル（私たちが世界をどう捉えているかという暗黙の前提）、共有ビジョン（組織が共に目指す未来像）、チーム学習（対話を通じてチーム全体の能力を高めること）、そしてこれら4つを束ねる土台としてのシステム思考（物事を全体のつながりとして捉える見方）です[1]。センゲ氏は、システム思考を「第五の規律」と呼び、全体を統合する要として位置づけました[1]。
ここで重要なのは、これらが「個人が賢くなる」話ではなく、経験が個人からチームへ、チームから組織へと循環していく状態を指している、という点です。ハーバード・ビジネス・スクールのデイビッド・ガービン氏は、1993年のハーバード・ビジネス・レビュー論文で、学習する組織を「知識を創造し、獲得し、伝達することに長け、さらに新しい知識や洞察を反映して行動を修正していく組織」と定義しました[2]。学習する組織の本質は、個人の賢さではなく、知識が組織を巡る速さと正確さにあります。私たちはこの巡りを「ナレッジ循環」と呼んでいます。
そして、ここに一つ見落とされがちな区別があります。センゲ氏自身が、学習を二種類に分けていました。環境の変化に反応して生き延びるための「適応的学習（adaptive learning）」と、新しい現実を自ら創り出す「生成的学習（generative learning）」です[1]。センゲ氏の主張の核は、生き延びるための学習だけでは足りない、創造のための学習が要る、という点にありました。この二つの違いが、本稿の通底音になります。
ナレッジ循環が止まるのは、暗黙知が「表出化の壁」で詰まるからです
では、なぜナレッジ循環は止まるのでしょうか。組織学習（organizational learning）の研究に、手がかりがあります。
ハーバード大学のクリス・アージリス氏とマサチューセッツ工科大学のドナルド・ショーン氏は、1978年の著作で、組織の学びを「シングルループ学習」と「ダブルループ学習」に分けました[3]。シングルループ学習は、決められたやり方の中で誤りを直すこと。ダブルループ学習は、そのやり方を生んでいる前提そのものを問い直すことです[3]。現場でよくある「失敗の振り返り」は、たいていシングルループにとどまります。「もっと早く動くべきだった」で終わり、「なぜ我が社は、この型で勝てているのか」「その型は、まだ正しいのか」という前提までは掘り下げられません。
問題は、その掘り下げに必要な素材が、言葉になっていないことです。組織の勝ち筋の大半は「暗黙知」、つまり経験や勘として身についているのに言葉にしにくい知識でできています。一橋大学の野中郁次郎氏が示したように、組織の知識創造は、この暗黙知を言葉や形（形式知）に変える「表出化」の工程を経て初めて、個人を超えて広がります[5]。ところが、判断の暗黙知ほど、表出化が難しい領域はありません。優れた担当者に「なぜうまくいったのか」と尋ねても、返ってくるのは「相性」「流れ」といった言葉です。私たちはこの、暗黙知が言葉や形に変わらず詰まる箇所を「表出化の壁」と呼んできました。
この壁が、ナレッジ循環の入口を塞いでいます。学習する組織の理論が実装されてこなかったのは、理論が間違っていたからではありません。勝ち筋が暗黙知のまま、循環に乗る形になっていなかったからです。日本型組織が長く頼ってきた「先輩の背中を見て学ぶ」やり方は、暗黙知を暗黙知のまま隣へ渡すだけで、組織を巡る形には変換しません。私たちが過去の論考で「阿吽の呼吸」と呼んだこの伝達回路は、人材の流動化とリモートワークによって、すでに切れかけています。
これは個人ではなく、経営OSの問題です
ここで一歩引いて考える必要があります。勝ち筋も問いも循環しないのは、現場の努力不足でしょうか。それとも、組織の作りの問題でしょうか。
2026年4月、KADOKAWAから拙著『生成AIで最強の組織が生まれる──トップと現場をつなぐ一次情報経営』を刊行しました。本書の中核命題はこうです。経営判断の質は、現場の一次情報が要約に丸められる前に、どれだけ構造化されて経営に届くかで決まる。組織開発（組織の機能を高めるための計画的な働きかけ）の文脈に当てはめれば、それは現場の一次情報が循環する回路を作ること、と言い換えられます。
私たちはこの状態を「二次情報依存」と呼んできました。報告書や数字は整っているのに、勝敗を分けた生の判断も、前提を問い直す生の問いも、組織にも経営にも届いていない状態です。学習する組織が実現しないのは、メンバーが学ばないからではなく、学びの素材である一次情報を循環させる仕組みが、経営のOS（意思決定の構造そのもの）に組み込まれていないからです。組織開発とは何かと問われれば、私たちはこう答えます。研修を増やすことではなく、ナレッジ循環の回路を経営OSの中核に据えることだ、と。
生成AIが回す、第一の循環 ──「答えの循環」
ここに、30年で初めての変化が起きています。生成AIです。これまで自動化が最も難しいとされてきたのは、判断と文脈を要する知識労働でした。生成AIは、その非構造の対話から、判断の構造を取り出せるようにしました。会議や商談の記録から、「誰が、どの場面で、どんな判断を下したのか」を抽出し、構造化できます。表出化の壁が、初めて技術的に崩せるようになったのです。
まず可能になるのは、「答えの循環」です。既に組織の中にある勝ち筋——多くは誰かの暗黙知として眠っている型——を表出化し、全員が同じ型を実践し、結果を見て磨いていく。これは、決められたやり方の中で精度を上げるシングルループの学習であり、組織を「適応」させる循環です。
一例として、営業の領域を挙げます。私たちが1,000名以上・計2万時間の商談データを解析して見えたのは、成果を分けているのが「聞く力」ではない、という事実でした[4]。ハイパフォーマーは、業界によってローパフォーマーの2.0倍から3.2倍の頻度で、顧客に仮説をぶつけていました[4]。この勝ち筋は、これまで完全に暗黙知でした。生成AIでこれを構造化し、全員が同じ型を見て実践できるようにする——日本M&Aセンター様では、シナジー仮説の提案にかける時間が受注率に最も寄与すると特定し、全員が同じデータを見て共通の勝ち筋を認識できるようになっています。この循環は営業に限らず、開発・カスタマーサクセス・調達など、既知の勝ち筋がある領域すべてで起こせます。
答えの循環の本質は、知識が「積み上がる」ことです。会議が増えるほど勝ち筋の蓄積は増え、検索性が上がる。各部門のOKR進捗——決めた勝ち筋と目標をどれだけ実行できているか——が、週次ダッシュボードにこの「答えの循環」として見えています（図版2）。ただし、ここで立ち止まってはいけません。答えの循環は、出発点であって、終点ではないからです。
生成AIが回す、第二の循環 ──「問い」を掘り、勝ち筋を書き換える
「答えの循環」だけでは、なぜ足りないのか。ここに、適応と生成を分ける、たった一つの、しかし決定的な違いがあります。適応的な学習では、知識は「積み上がる」。生成的な学習では、知識が「覆る」。
答えの循環は、勝ち筋を蓄積し、検索可能にします。だが、検索が返すのは、組織がすでに知っていることだけです。誰もまだ立てていない問いは、検索できません。市場が変わり、競合が追いつき、前提が崩れたとき、必要になるのは、蓄積した勝ち筋そのものを疑い、書き換える力——アージリス氏とショーン氏の言うダブルループ[3]、センゲ氏の言う生成的学習です。
ここに、AIをめぐる最大の誤解があります。多くの人は、前提を問い直し新しい問いを立てるのは創造性の領域であり人間の聖域だ、AIには関係ない、と考えています。しかし、そうではありません。生成的な学習にこそ、一次情報の見える化が効きます。ただし、適応とはまったく違う使い方で。適応の見える化は「答え」を可視化する——既に分かっている勝ち筋を、全員が見て再現する。生成の見える化は「問い」を可視化する——まだ答えになっていない違和感、前提を疑う一言を、定性のまま、出所を保って経営の視界に乗せるのです。
中継ぎ組織では、この問いが最初に死んでいました。前提を疑う発言は、報告書に要約される過程で「ノイズ」として削られ、経営には「整った結論」だけが届く。組織の最も生成的な瞬間が、二次情報化の過程で、構造的に消されていたのです。
先ほどのOKR週次ダッシュボードを、勝ち筋の実行チェックに加えて、「経営論点になりうるアジェンダ」を広く収集すること自体をAIにインプットしておきます。
仕掛けはこうです。まず経営が、「何を経営論点とみなすか」の観点をAIに与えておく。AIはその観点に沿って、現場の会議から該当する発言を——要約せず・採点せず・原発言に紐づけて——広く拾い上げる。ここまでが下ごしらえです。そして肝心なのは、その先。拾われた候補の中から、経営が「これは掘る」と意思をもって選んだものだけを、このセクションに登録する。 問いを集める観点も、掘る論点の選別も、起点は経営にあります。
登録された論点は、その後どうなったかを追います——議論が進んでいるか、立ち消えたか、そして最終的に勝ち筋が書き換わったか（更新）、それとも見送られたか。入口（経営が掘ると決めた）から出口（勝ち筋を更新／見送り）までを、一つのファネルとして見るのです。
たとえば、ある週、情報セキュリティと外販の会議で、現場のメンバーが漏らしました。「大企業でも、セキュリティ成熟度が低いと導入が止まる。"勝てる顧客＝大企業"という我々の前提は、ずれているのではないか」。経営はこれを「掘る」と決めた。数週間かけ、過去の受注・失注を、企業規模ではなく顧客の成熟度の軸で並べ直した。結果、顧客のゼロトラスト成熟度が、企業規模よりも受注確度と立ち上がり速度に効くと分かった。そして勝ち筋ライブラリが書き換わった——「勝てる顧客＝大企業」という旧前提を撤回し、「成熟度の低い大企業より、成熟度の高い中堅を優先する」へ。これが、ダッシュボードに「勝ち筋を更新」として記録される。この"書き換え"の一件こそ、生成的学習が一周した、唯一の観測可能な証拠です。
誤解してはいけないことがあります。このダッシュボードが、学習を起こすわけではありません。 ダッシュボードは補助線です。学習を起こすのは、経営が論点を見て「ここ、掘ると面白い」と判断し、リソースを賭け、最後に勝ち筋を書き換える——その一連の人間の行為です。ダッシュボードは、その行為を誘発し、行方を記録するだけ。主役は人間に、道具はきっかけに、徹します。
答えの循環と、問いの循環の両方を回す仕組みを設計することが肝要です。
多くの組織は、そして多くのベンダーは、その前者すら確実に回せない初期段階で止まっています。まず、そこをAIでPDCAの回る状態に持っていく——これだけでも大きな前進で、確かに価値があります。だが、それで終えてはいけない。 勝ち筋を蓄積し検索可能にする仕組みは、放っておけば「積み上がる一方で、一度も覆らない組織」を作ります。一見、健全に見えて、実は学習が止まって、ただ貯まっているだけ。現実は変わるのに勝ち筋が一度も覆らないなら、それは史上最強の「追従マシン」の顔をしている。学習する組織が本当に問われるのは、二つ目の循環——勝ち筋を覆せるかどうかです。
一次情報経営とは、この二つの循環を、一つのダッシュボードの上で、経営のOSに組み込むことです。だからこそ、学習する組織は、研修を何回開いたかでも、マニュアルが何ページあるかでも測れません。御社で最も成果を分けている勝ち筋は、いま一人の頭の中にとどまっているでしょうか、それとも組織を巡っているでしょうか。そして——その勝ち筋を最後に書き換えたのは、いつでしょうか。それを問い直す声は、いま経営に届き、掘られる回路を持っているでしょうか。学習する組織は、この二つの問いに答えられたときに、初めて動き出します。
出典
- 「学習する組織」と5つの規律（システム思考・自己マスタリー・メンタルモデル・共有ビジョン・チーム学習）、適応的学習／生成的学習の区別、HBRが過去75年の重要マネジメント書に選定 — Peter M. Senge『The Fifth Discipline: The Art and Practice of the Learning Organization』(Currency Doubleday, 1990／改訂版2006)。
- 学習する組織の定義「知識を創造し、獲得し、伝達することに長け、新しい知識や洞察を反映して行動を修正していく組織」 — David A. Garvin「Building a Learning Organization」Harvard Business Review 71, no.4 (1993年7-8月): 78-91。
- シングルループ／ダブルループ学習 — Chris Argyris & Donald A. Schön『Organizational Learning: A Theory of Action Perspective』(Addison-Wesley, 1978)。
- 2万時間・1,000名以上の商談解析、仮説提示 IT2.0/人材3.2/M&A1.9倍、傾聴の呪縛 — Bring Out 自社リサーチ（公開済み数値）。
- 暗黙知を形式知に変える「表出化」を含む知識創造の理論（SECIモデル） — 野中郁次郎・竹内弘高『The Knowledge-Creating Company』(Oxford University Press, 1995／邦訳『知識創造企業』東洋経済新報社)。
.png)
.png)
.png)