現代の職場は、人間と機械が共存する複雑なエコシステムへと変貌を遂げた。我々は日々、チャットボットに質問し、AIが生成したレポートを読み、自動化されたプロセスの中で業務を遂行する。かつてSFの世界だった光景は、もはや日常だ。しかし、我々はこの新たな「同僚」である機械と、どのように関係を築いているのだろうか。この根源的な問いに、カンザス大学の研究者たちが新たな光を当てた。彼らが提唱する「Socio-Technical Exchange (STE)理論」は、人間関係の古典的理論を現代の職場環境に合わせてアップデートし、我々が意識的・無意識的に行っている機械との「駆け引き」を鮮やかに描き出している。

AD

旧時代の地図「社会交換理論(SET)」の功績と限界

この新理論を理解するためには、まずその土台となった「社会的交換理論（Social Exchange Theory, SET）」に触れる必要がある。1960年代に提唱されたSETは、人間関係を一種の取引と捉える画期的な理論だった。その核心は「人間は、他者との関係において『報酬』を最大化し、『コスト』を最小化しようとする」という、非常にシンプルな原則にある。

例えば、職場の同僚を考えてみよう。ある同僚は特定の分野に非常に詳しく、質問すれば的確な答えが返ってくる（報酬）。しかし、一度話し始めると長々と雑談に付き合わされる（コスト）。我々は無意識のうちに、この報酬とコストを天秤にかけ、彼との関わり方を調整している。これがSETの基本的な考え方だ。この理論は半世紀以上にわたり、組織行動学やコミュニケーション研究において絶大な影響力を持ってきた。

しかし、時代は変わった。現代の職場における「協力相手」は、人間だけではない。データベース、自動化ツール、そしてAIアシスタントといった「機械」が、重要な役割を担っている。ここで問題が生じる。人間同士の関係を前提としたSETの枠組みは、人間と機械の非対称な関係を十分に説明できるのだろうか？

機械は人間のように「見返り」を求めないし、感情的な「コスト」も発生させない。この根本的な違いから、SETをそのまま人間と機械の関係に適用することには限界がある、というのが近年の学術的な議論の流れだった。我々は、テクノロジーが溢れる21世紀の職場を航海するための、新しい地図を必要としていたのだ。

新時代の羅針盤「社会技術的交換(STE)」の誕生

カンザス大学のCameron Piercy准教授とReaia Turner-Leatherman氏は、学術誌Human-Machine Communications Journalに発表された論文「Socio-Technical Exchange with Machines: Worker Experiences with Complex Work Technologies」の中で、この課題に対する一つの答えを提示した。それが「社会技術的交換（Socio-Technical Exchange, STE）」理論である。

STEは、SETを否定するものではない。むしろ、その核となる「コストと報酬」という分析ツールを拡張し、人間と機械の両方を含む「社会技術的（Socio-Technical）」なネットワーク全体に適用しようとする試みだ。研究チームは、業界も職種も様々な22人の労働者に対して詳細なインタビュー調査を実施。彼らが日常的に「複雑なテクノロジー」とどのように関わっているのか、その生の声に耳を傾けた。

調査から明らかになったのは、労働者たちが人間と機械を明確に区別しつつも、どちらと関わるかを決める際に、極めて類似した「コストと報酬」の計算を行っているという事実だった。STE理論は、この人間と機械を横断する意思決定プロセスを解明するための新たな羅針盤なのである。

AD

我々の心に潜む「機械観」- 機械ヒューリスティックの正体

STE理論の中核をなすのが「機械ヒューリスティック（machine heuristics）」という概念だ。これは、人々が経験則から形成する「機械の価値や能力に関する信念」や「思い込み」を指す。

Piercy氏が指摘するように、多くの人々は「機械は客観的で一貫性がある（報酬）が、主観的な判断や微妙なニュアンスの理解は苦手だ（コスト）」という一般的な機械ヒューリスティックを持っている。だからこそ、採用面接の最終判断を機械に任せることには抵抗を感じるのだ。

しかし、研究が明らかにしたのは、このヒューリスティックがもっと個人的で、状況に応じて変化する「日常的な機械ヒューリスティック」であるという点だ。長年使い込んだ特定のソフトウェアに対して、「このシステムはデータ処理は速いが、UIが複雑でストレスが溜まる」といった具体的な信念を形成していく。これは、特定の同僚に対して「彼は仕事はできるが、少し気難しい」と感じるのと、本質的には同じ認知プロセスだと言える。

我々は、目の前のタスクに応じて、この心の中の「機械観」と「人間観」を瞬時に参照し、「どちらに頼むのが最も合理的か（＝報酬が高く、コストが低いか）」を判断しているのだ。

現場の声が明かす真実 – 22人の労働者は何を語ったか

この研究の価値は、理論的な枠組みだけでなく、22人の労働者のリアルな体験に基づいている点にある。彼らの言葉は、STE理論が描き出す人間と機械のダイナミックな関係を見事に裏付けている。

機械に頼る時、人に頼る時

インタビューでは、労働者たちがタスクの性質によって協力相手を巧みに使い分けている実態が浮き彫りになった。

  • 専門知識や複雑な判断が求められる場面では「人間」を選ぶ: ある参加者は、複雑で判断が分かれるような「グレーエリアの問題」に直面した時、迷わず上司や同僚に相談すると語った。そこでは、単なる情報以上の「経験に裏打ちされた知見」や「文脈の理解」が報酬となるからだ。
  • 単純、反復的、あるいは「恥ずかしい」質問は「機械」を選ぶ: 一方で、「こんなことを聞いたら馬鹿にされるかもしれない」と感じるような初歩的な質問は、Google検索や社内データベースといった機械に頼る傾向が強かった。機械は感情的な判断をしないため、「恥ずかしさ」という社会的コストを支払う必要がない。これは機械が提供する明確な「報酬」と言えるだろう。

この使い分けは、我々が日常的に行っている極めて合理的な判断であり、STE理論の妥当性を示している。

「機械の同僚」がもたらす報酬とコスト

労働者たちは、テクノロジーがもたらす恩恵（報酬）を認識する一方で、その代償（コスト）にも敏感だった。

  • 報酬：効率、客観性、スケール: 多くの参加者が、機械による自動化やデータ処理能力が業務効率を劇的に向上させていると述べた。人間では何時間もかかる作業を瞬時に終わらせる能力は、最大の報酬だ。
  • コスト：非効率、不透明性、フラストレーション: しかし、その報酬は常に保証されているわけではない。ある参加者は、会社の導入した新しいソフトウェアが非効率で、「使わないで済むなら使いたくない」と語った。また、予期せぬソフトウェアのアップデートやシステムダウンは、業務を完全に停止させる大きなコストとなる。さらに、機械学習モデルのように内部の判断プロセスが不透明な「ブラックボックス」化したシステムは、利用者にとって大きなストレス要因となり得る。

「人間の同僚」がもたらす報酬とコスト

興味深いことに、人間との関係においても、全く同じ「報酬とコスト」の構造が見られた。

  • 報酬：信頼、共感、コミュニティ: 多くの参加者が、困難な状況で支え合える同僚の存在を「家族のよう」だと表現した。仕事のノウハウだけでなく、精神的なサポートや信頼関係は、人間だけが提供できるかけがえのない報酬として認識されていた。
  • コスト：感情的な対立、非効率なコミュニケーション: その一方で、人間関係はコストも生む。意見の対立や、変化を嫌う同僚の抵抗は、プロジェクトの進行を妨げる。また、ある参加者は「同僚は自分の意見を混ぜて話すが、テクノロジーは白黒はっきりした結果をくれる」と述べ、感情的なやり取りそのものをコストと捉えていた。

この研究は、我々が人間と機械という異なる存在に対して、驚くほど一貫した評価基準を適用していることを示している。それは「自分の仕事を前に進める上で、どちらがより多くの価値を提供し、より少ない障害を生むか」という、極めてプラグマティックな視点なのである。

AD

生成AI時代の到来とSTE理論の未来

ここで特筆すべきは、この研究のデータ収集が2022年、つまりChatGPTのような高性能な生成AIが社会に広く浸透する直前に行われたという点だ。インタビューの中で、ある参加者は「創造性、クリティカルシンキング、問題解決といった能力は、まだ機械にはない」と語っている。

しかし、生成AIの登場は、この前提を根底から覆した。かつては人間固有の領域と考えられていた「主観的で創造的なタスク」においても、AIは驚異的な能力を発揮し始めている。

これはSTE理論にとって何を意味するのだろうか。おそらく、理論そのものが時代遅れになるのではなく、我々の心の中にある「機械ヒューリスティック」が、今まさに劇的な変化の渦中にあるということだろう。

  • 「報酬」の変化: AIが創造的なアイデア出しや文章作成を支援してくれるなら、それは新たな「報酬」となる。
  • 「コスト」の変化: 一方で、AIが生成する情報の信頼性の問題（ハルシネーション）や、過度にAIに依存することによる思考力低下のリスクは、新たな「コスト」として認識されるだろう。

Piercy氏自身も、この変化を認識しており、現在、助成金を得てSTE理論をさらに発展させるための量的研究を進めている。生成AIが普及した現代の職場で、労働者の「機械ヒューリスティック」がどのように再構築されているのか。STE理論の枠組みを用いた今後の研究が、その答えを明らかにしてくれるはずだ。

我々は「機械の同僚」とどう未来を築くべきか

カンザス大学が提唱したSocio-Technical Exchange (STE)理論は、現代の職場における人間と機械の複雑な関係を解き明かすための、強力な分析ツールだ。それは、我々がテクノロジーを単なる「道具」としてではなく、コストと報酬を計算する対象である「協力パートナー」として捉えていることを明らかにした。

この理論から我々が学ぶべき最も重要な教訓は、人間と機械のどちらが優れているかという二元論的な問いには意味がない、ということだろう。重要なのは、それぞれの「報酬」と「コスト」を正しく理解し、タスクや状況に応じて最適なパートナーシップを築くことだ。

  • 人間: 共感、信頼、倫理観、そして複雑な状況における暗黙知の理解は、依然として人間が持つ重要な価値（報酬）である。
  • 機械: データ処理能力、スピード、客観性、そして反復作業の自動化は、機械が提供する圧倒的な価値（報酬）である。

未来の職場は、これらの異なる価値をいかに賢く組み合わせ、相乗効果を生み出していくかにかかっている。STE理論は、そのための冷静な自己分析を我々に促す。あなたは、あなたの「機械の同僚」がもたらす真の報酬とコストを理解しているだろうか？ そして、「人間の同僚」にしか提供できない価値を、正しく評価できているだろうか？ この問いに向き合うことこそが、AIと共存する未来の働き方をデザインする第一歩となるに違いない。

論文

参考文献