集合知とは ～ナレッジマネジメントとAI

「三人寄れば文殊の知恵」ということわざを敬愛する先輩からよく聞かされました。一人で勝手に考えて行動しないようにと諌められてもいたのでしょうが、若手の頃に一緒に働いたチームは朝から晩まで話し合い、意見交換も活発でした。時には、意見が衝突して暫くお互いに口を利かなくなるなど子供じみた真似もしましたが、チームに与えられた大量の仕事を捌くためには必要なプロセスだったとさえ思えます。

我々のような平凡な人間であっても、複数人で高い頻度で相談し合えば優れた知恵や工夫を見つける確率は高まり、それ相応に業務を推進することが可能です。自分では気付か無いちょっとしたアイディアに触発されて仕事の完成度を高められたり、仕事で改善すべき点への理解度が深まるのです。

会議や打ち合わせでは大勢のメンバーが出席する場合、盛り上がるのは稀です。盛り上がったとしても、議事録やまとめを終了後に読んでみると、全体的に丸くまとめられ尖った意見や質問は消えてしまうのが常です。
結果として主催者側にとっての会議とは大抵、出席者の知恵を存分に集めるべく行われるのでは無く、出席者に主催者の考えを認めさせ納得させる場と捉えるべきなのでしょうか。実のある会議や打ち合わせとは、参加者それぞれが持つ独自の知恵や情報を交換する場であり、業務における何らかのヒントを分かち合う場のはずです。

知恵とは知識や経験を基に状況を把握し、最も適切な判断や行動を選ぶ心の働きであり、単に多くの知識を持つのでは無く「どう生かすか」が大切なはずです。

集団的知性（Collective Intelligence、CI）とも呼ばれる集合知とは、多様なバックグラウンドや専門知識を持つ人々が集まり、情報やアイディアを共有し、問題を解決するプロセスです。個人の知識や経験を超えて、コラボレーションによって知識を結集する手法といえます。集合知は単なる情報の寄せ集めでは無く、議論や評価を通じて質を高めた実践的な知なのです。

集合知をビジネスで活用するメリットとして、
①生産性や品質の向上。個人の勘や経験に依存せず、多くの人の知識や情報に合わせた判断が可能になり業務プロセスにおける無駄が見つけ易くなります。
②イノベーション。専門やバックグラウンドが異なるメンバーが知恵を出し合うことで、新しい商品・サービスのアイディアや業務改善が生まれる可能性が高まります。
③知恵の共有。個人の持つ知恵やノウハウを組織全体に拡げることで属人化が減り、人材育成にもつながります。
➃意思決定への影響。職種や所属の異なる人々の交流により、経営判断における「見落とし」を減らせます。特にデータと現場における知の組み合わせにより、市場動向や顧客行動を踏まえた意思決定につながります。
⑤顧客との関係強化。ファンやユーザーなどのコミュニティは企業や顧客同士での接点を持ち、それをお互いの知見を出し合う場とすれば、継続的な利用やロイヤリティの向上につなげることが出来ます。集合知はビジネスにおいて必要不可欠なのです。

個人が持つ知識・ノウハウを組織全体で収集・整理・共有・活用することで、生産性の向上やイノベーションの創出につなげる経営手法がナレッジマネジメントです。暗黙知とは個人の経験や勘などに基づいて他人に説明することが難しい、あるいは説明するには時間や別の技能や知識が必要となる知識です。一般的には職人技や結果を出す専門知識、特殊技能を指します。

一方、集合知は明示的で共有可能な知識を重視します。暗黙知を集合知に取り込むには、対話や実践を通じて明示化する必要があります。さらに、形式知は誰でも理解が可能なように、文章や図、数値などを使用して表現された客観的な知識のことです。「マニュアル」や「説明書」などが当てはまります。
対照的に集合知は、個人の経験や洞察に基づく非形式の知識で人々が対話しアイディアを交換し合い、問題を解決するプロセスです。集まった知識やアイディアの組み合わせにより新たな視点やアプローチが生まれ、よりクリエイティブな解決策が見つかります。

インターネット上で集合知を活用した最も代表的な事例の一つがウイキペディア(Wikipedia)です。多くのボランティアの知識を寄せ集め編集する百科事典は、幅広い知識を提供するプラットフォームとなっています。

一人ひとりの人間には情報の偏りや知識の違いがあり、認知処理にもクセがあります。集合知とは、全体の意見は左右のバイアスが打ち消し合って中立的になるというのが素朴な考え方です。
生成AIの土台は、LLMと呼ばれる膨大なテキストデータを使って事前学習された深層学習モデルの一種です。その思考の素材はインターネット上の情報や新聞、文献などです。つまり、人類がこれまでに公開してきた情報の集合知がAIの経験値であり、本質的にはインターネット上の平均値のようなものがAIの知識になっていて、大量のデータの中のどこかに答えが存在し、それをスピーディーに見つけ出すのがAIの仕事です。

一方、AIが苦手とするのは明確な答えが存在しない場合です。例えば、アートであり未来予測であり、企業戦略も含まれるかもしれません。これらは集合知の平均値からは答えが出てきません。
また、AIを業務に取り入れる際、何をAIにやらせようとするのかよく検討する必要があります。答えが無い場合、AIに丸投げしても発散するだけで結局のところ人間の判断が求められます。ここを見極めずにとりあえずAIを使用するのは、かなり危険なアプローチになります。

AIは著しく進化を遂げていて、特定の作業に限らず人間と同等以上の知能で多様な課題をこなす汎用人工知能（AGI）は、現在の生成AIよりもはるかに高い能力を持つ将来のAI像とされていますし、人間の知能を大きく超えるとされる理論上の存在に人工超知能（ASI）があります。
AGIは、学んだ知識を別の分野へ応用出来る「汎用性」が重要視されています。AGIが目指す「人間並み知能」とは感情や意識を持ち、どんな仕事も「人間並み」にこなせ、社会の中で自律的に暮らせる姿なのです。

AIの進化の過程において、安全性や倫理、ガバナンス、技術的ハードルなど様々な課題が累積しています。先端AIによる近未来を想像するだけでそら恐ろしくなるのは、私だけではないでしょう。