「データを入れても、現場のベテランが動いてくれない」
「AIだのシステムだのと言うと、古参スタッフがあからさまに渋い顔をする」
「経験の長い部下ほど、新しいやり方を受け入れてくれない……」
こんな悩みを抱えたことはありませんか。新しいツールや仕組みを導入したいのに、ベテランの抵抗にあって前に進めない。管理職にとって、これは非常に切実な問題です。
2025年にかんき出版から刊行された小田島春樹氏の著書「仕事を減らせ。限られた人・モノ・金・時間を最大化する戦略書」には、この問題への明快な答えが示されています。著者が率いる伊勢市の老舗食堂「ゑびや」では、データとAIの活用が現場の熟練スタッフを排除するのではなく、むしろ彼らの力を引き出す方向に働きました。
「勘と経験」をデータで否定するのではなく、「アップデート」するという発想――この視点こそが、変革をスムーズに進める鍵になります。
1. なぜベテランはデータを嫌うのか
まず、ベテランがデータ活用に反発する理由を正直に考えてみましょう。
長年にわたって現場で積み上げてきた経験は、その人にとって「誇り」そのものです。「明日は混む気がする」「今日はこの食材を多めに仕込んでおくべきだ」「あのお客さんはこのメニューを好む」――こうした直感的な判断は、数え切れないほどの失敗と成功から磨かれたものです。
そこへ「これからはAIが予測します」「データで判断します」という言葉が飛び込んでくると、ベテランはどう感じるでしょうか。「自分の経験が否定された」「長年の努力が無駄だと言われた」と受け取るのは、自然な心理です。
多くのDX推進が現場の抵抗に遭って頓挫する背景には、この感情的な側面が見落とされていることがあります。「データの方が正確だから」「AIの方が効率的だから」という論理は正しくても、人の心は論理だけでは動きません。
2. ゑびやが見つけた「勘とデータ」の黄金比
著者が取り組んだのは、ベテランの感覚を否定することではありませんでした。むしろ、ベテランの「勘」とAIの「予測」を組み合わせる形を模索したのです。
本書には印象的なエピソードがあります。ゑびやのベテラン料理長が「明日は混む気がする」と言った時、AIのデータ予測もやはり「来客数が多い」という結果を示していました。このとき、二つの判断が一致したことで、料理長は自信を持って大量の仕込みに踏み切ることができたのです。
ここに本書の核心があります。AIは「正解を出す機械」ではなく、ベテランの「感覚に根拠を与える道具」として機能した。これが著者の言う「勘と経験のアップデート」の正体です。
反対のケースも考えてみましょう。ベテランが「明日は混む」と感じても、データが「来客数は少ない見込み」と示したとき、どちらを優先するか。答えは単純ではありませんが、少なくとも「なぜ自分の感覚とデータがズレているのか」を考えるきっかけになります。勘だけに頼っていた頃には生まれなかった問いです。
3. 「否定」と「補強」では部下の動き方がまったく違う
管理職として、部下へのアプローチを変えるだけで、現場の反応は大きく変わります。
よくある失敗は、新しい仕組みを導入する際に「これまでのやり方はもう古い」「データの方が正確だから従ってほしい」という伝え方をしてしまうことです。この言葉は論理的には正しいかもしれませんが、ベテランにとっては「あなたの経験は価値がない」と聞こえます。
大切なのは問いかけ方を変えることです。
伝え方を変えるだけで、受け取り方はまったく変わります。
「あなたの経験をデータで確かめてみませんか」「あなたが感じた通りかどうか、数字でも確認してみましょう」――こう伝えてみましょう。
ゑびやの料理長が積極的にデータを活用するようになったのは、「データによって自分の勘が正しいと証明された」経験を積んだからです。否定ではなく確認、排除ではなく補強――この順序が、人を動かす上で決定的に重要なのです。
4. 「勘とデータ」の融合が生む、想像以上の精度
実は、ベテランの勘とデータを組み合わせると、どちらか一方だけを使う場合よりも高い精度が得られることがあります。
なぜなら、データが捉えられない要素をベテランの勘が補うからです。たとえば、「今日は地元の学校が遠足で子どもが多い」「近くで工事があって人の流れが変わっている」「地域の祭りの準備で人が集まり始めている」といった、数値化されにくい現地情報は、長年そこに立ち続けた人間だけが知っています。
ゑびやのAIシステムは、気象データや宿泊者数、SNSのアクセス数など数百種類の変数を組み合わせて来客数を予測します。しかし、その予測精度をさらに高めるのは、現場スタッフが「今日は何かいつもと違う」と感じる微妙な空気感だったりします。データと人の感覚が互いの弱点を補い合う形こそが、95%超の予測精度を実現した源泉の一つです。
5. チームに「勘とデータ」の文化を根付かせる3つのステップ
では、この発想を自分のチームに取り入れるには、どこから始めればよいのでしょうか。
まず最初にすべきは、ベテランの「勘」を言語化させることです。「なぜそう感じるのか」を聞いてみましょう。「天気が怪しいから」「先週にも同じような状況があったから」「このお客さんはいつもそうだから」――これらを言葉にしてもらうことで、暗黙知が可視化されます。そして、その言語化された経験則をデータと比較する。この作業が、ベテランにとって「データを味方にする」体験になります。
次に試してほしいのが、小さな成功体験を積ませることです。ベテランの勘とデータが一致したケースを見つけ、「あなたの経験通りでしたね」と伝えましょう。一度でもこの体験をすると、データへの信頼度が一気に変わります。
そして最後に大切なのは、勘とデータが食い違ったときに「どちらが正しかったか」を一緒に振り返ることです。結果をフィードバックする習慣が根付くことで、ベテランもデータも互いに「精度が上がっていく」好循環が生まれます。
6. 「変化を恐れる人」への正しい向き合い方
本書を通じて著者が伝えているのは、テクノロジーが人間に取って代わるのではなく、テクノロジーが人間を「拡張する」という考え方です。
ゑびやで働くスタッフは、DX導入後に仕事を奪われたわけではありません。むしろ、作業の負担が減った分だけ、お客様との対話やメニュー改善に時間を使えるようになりました。ベテランの料理長は、仕込み量の計算から解放されて、料理の創意工夫により集中できるようになったのです。
部下に変化を促すとき、もっとも避けるべきは「あなたの代わりにこれをやらせる」という言い方です。代わりに「あなたが今まで頭を使っていた計算の部分を肩代わりさせて、あなたの本来の力をもっと発揮してほしい」と伝えましょう。
変化に抵抗を感じるベテランほど、実は現場への誇りと責任感が強い。そのプライドを尊重しながら、新しい道具を「否定」ではなく「強化」として提示すること――これが、管理職として変革を進める際の最も重要な姿勢です。
きっとあなたのチームにも、経験豊富な「ベテランの勘」を持つ人がいるはずです。その感覚をデータで補強し、アップデートするという考え方は、チームの信頼を深めながら成果を高める確かな方法だと思います。
コメント