ライブラリに戻る

中心となる問い 新着

AI処理済み · 著者確認済み

マネージャーはAIを活用した仕事の責任をどう持ち、AI利用の開示はいつ信頼性を高め、または損なうのか?

When Is It Still My Work? Generative AI, Defensibility, and Disclosure in Software Product Managers’ Work
Phong Trang, Tran Dieu Hieu Nguyen, Soumitra Chowdhury · International Conference on Information Systems (ICIS) · 2026
イラスト: マネージャーはAIを活用した仕事の責任をどう持ち、AI利用の開示はいつ信頼性を高め、または損なうのか?

Spotifyのプレーヤーを読み込みます。SpotifyによりCookieが設定される場合があります。選択内容はこの端末に保存されます。

主な知見

  • マネージャーは一般的に「質問-調整-共有(Ask-Tweak-Share)」ルーティンに依存しており、極めて重要な「調整」段階を用いて、独自の文脈、技術的制約、ビジネス上の判断をAI生成ドラフトに組み込んでいる。
  • 成果物レベルの弁護可能性は共有前の修正段階で確立され、作成者は使用したツールに関わらずステークホルダーからの詳細な質問に回答できるようになる。
  • 大幅に手を加えた文書であっても自身の努力を過小評価されるのを防ぐためにAI支援を隠すマネージャーがいたことから、弁護可能性と開示を介した可視性は切り離されることがある。
  • 本研究は、成果物が大幅に手直しされたと同僚が受け取った場合は開示がチームの試行錯誤を促しやすく、単なる手抜きと受け取られた場合はマイナス評価を受ける可能性が高いことを示している。
  • 正式なガバナンスが欠如した環境では、ローカルなチーム規範と同僚の反応が、どのAI実践が許容され公に議論可能になるかを非公式に決定づけている。

実践への示唆

CIO / IT役員

Where AI use runs ahead of policy, build guidelines on existing team norms. Encourage disclosure of substantially reworked work, and protect staff, especially early-career staff, from being judged as low effort when they disclose AI use.

ITマネージャー

Review team routines to ensure that every AI-assisted draft undergoes the critical 'Tweak' phase—embedding proprietary context, technical constraints, and business judgement—before it is shared with stakeholders.

経営戦略担当者

Before sharing an AI-assisted roadmap or rationale, check it against the decisions, constraints and history colleagues are likely to ask about.

研究者

Test whether defensibility and visibility decouple in a setting with formal AI governance, and examine whether seniority and local team norms change how disclosure is received.

政策立案者

When writing guidance on AI disclosure at work, consider that the same disclosure can be read as openness or as low effort, depending on how much the work was reworked.

要約

本質的研究は、正式な企業ポリシーがない中で、ソフトウェアプロダクトマネージャーが日常の調整業務に生成AIをどのように組み込んでいるかを調査したものである。自動車ソフトウェア企業のプロダクトマネージャー21名を対象とした半構造化インタビューと画面共有セッションを通じ、研究者らは専門職がどのように弁護可能な成果物を作成し、開示の判断を下しているかを検証している。分析では、マネージャーが成果物を共有する前に、組織の実情や社会的期待に照らしてAIによるドラフトをどのように評価しているかが示されている。本知見は1社の自動車ソフトウェア組織から得られたものであり、類似の環境への分析的応用のために提示されている。

課題

管理職の業務は製品ロードマップや戦略的根拠といった共有成果物の作成に大きく依存しており、これらには専門職としての説明責任が伴い、正当化が求められる。生成AIは作成者の所在を不透明にするため、同僚から精査された際に、AIを活用した成果物を自身の仕事としてどのように正当化すべきかマネージャーを悩ませている。さらに専門職は、AI利用の開示が革新性を示すのか、それとも自身の信頼性を損なうリスクになるのかというジレンマに直面している。

文字起こし
Host: 皆さん、こんにちは。「A.I.S. Insights — powered by Living Knowledge」へようこそ。ホストのアンナ・アイビー・サマーズです。本日は、ICIS 2026で発表されたPhong Trang氏、Tran Dieu Hieu Nguyen氏、Soumitra Chowdhury氏による研究を取り上げます。タイトルは「それはいつまで自身の仕事と言えるのか?ソフトウェアプロダクトマネージャーの業務における生成AI、弁護可能性、および開示」です。アナリストのアレックス・イアン・サザーランドさんと一緒に掘り下げていきます。アレックスさん、よろしくお願いします。
Expert: よろしくお願いします、アンナさん。この研究は、組織内に正式な企業ポリシーが存在しない環境下で、ソフトウェアプロダクトマネージャーが日常の業務に生成AIをどのように組み込んでいるかを調査したものです。
Host: プロダクトマネージャーにとって、生成AIの活用は具体的にどのような課題をもたらしているのでしょうか。
Expert: プロダクトマネージャーの業務は、ロードマップの策定や戦略的根拠の提示など、他者と共有する成果物の作成に大きく依存しています。これらには専門職としての説明責任が伴います。しかし、生成AIを用いると作成者の所在が不透明になります。同僚やステークホルダーから精査された際に、AIを活用した成果物を自分自身の仕事としてどう正当化し、弁護できるのかという問題が生じます。さらに、AI利用の開示が革新性を示すのか、それとも自身の信頼性を損なうリスクになるのかというジレンマも発生しています。
Host: 専門職としての信頼に関わる重要な課題ですね。この研究では、どのようなアプローチで調査が行われたのですか。
Expert: 研究チームは、自動車ソフトウェア企業1社のプロダクトマネージャー21名を対象に、半構造化インタビューと画面共有セッションを実施しました。参加者が実際にAIツールを操作し、成果物を作成するプロセスを観察することで、組織の実情や社会的期待に照らしてAIのドラフトをどう評価しているかを質的に分析しています。単一の企業での調査に基づくため、類似の環境に対する分析的な応用を想定して知見が提示されています。
Host: 実際の現場では、どのような業務パターンが見られたのでしょうか。
Expert: 多くのマネージャーは「質問、調整、共有(Ask-Tweak-Share)」というルーティンに依存していました。特に重要だったのが中間の「調整」の段階です。マネージャーはAIが生成したドラフトに対して、独自の組織文脈や技術的制約、ビジネス上の判断を組み込み、大幅に手を加えていました。この修正作業を通じて、成果物レベルでの「弁護可能性」が確立されます。
Host: つまり、事前に十分な修正を行うことで、ステークホルダーからの詳細な質問に答えられる状態を作っているわけですね。
Expert: その通りです。しかし興味深い点として、成果物の弁護可能性と、AI利用の開示は必ずしも一致しませんでした。大幅に手を加えた文書であっても、自身の努力や専門性が過小評価されるのを防ぐために、AIの支援を受けた事実を隠すマネージャーが観察されました。
Host: 努力が軽視されるのを避けるための判断ですね。実際に開示した場合、周囲はどのように反応するのでしょうか。
Expert: 同僚がその成果物を「大幅に手直しされたもの」と受け取った場合、開示はチーム内での試行錯誤を促す前向きな行動と見なされやすい傾向がありました。一方で、単なる手抜きや自動出力の流用と受け取られた場合は、マイナスの評価を受ける可能性が高くなります。正式なガバナンスが欠如している環境では、ローカルなチーム規範と同僚の反応が、どのAI実践が許容されるかを非公式に決定づけています。
Host: それでは、この研究の知見はビジネス実務にどう活かすことができるでしょうか。
Expert: 企業が正式な利用方針を定めないままでいると、AIの利用が水面下に潜り、ノウハウの共有が阻害される可能性があります。組織としては、AI出力を検証し、独自の文脈を付加する「判断プロセス」こそが価値であると評価基準を再定義することが重要です。また、マネージャーがAI活用を開示しても努力が不当に割り引かれないような、透明性と心理的安全性を担保する環境づくりが求められます。
Host: AI利用を単なる効率化としてではなく、専門職としての説明責任をどう担保するかという視点で捉え直す必要がありますね。アレックスさん、分かりやすい解説をありがとうございました。
Expert: ありがとうございました。
Host: リスナーの皆さんも、最後までお聴きいただきありがとうございました。次回もビジネスとテクノロジーの交差点から価値ある知見をお届けします。どうぞお楽しみに。
Artificial Intelligence & Automation Information Systems & Management Human-Computer Interaction Data Analytics & Big Data Digital Transformation & Strategy Cybersecurity & Privacy Cloud & Infrastructure E-Commerce & Digital Platforms Operations & Supply Chain Sustainability & Green IS

Generative AI, Software Product Management, Managerial Work, Accountability, AI Disclosure, Work Routines, artefact-level defensibility, disclosure-mediated visibility