モチベーションを「上げる」前に

「社員のモチベーションが低い。どうすればいいか」——AIにこう相談すれば、多くの場合、施策的な答えが返ってきます。目標管理制度、1on1面談、表彰制度。一般的に正しいものばかり。でも実行してみると、現場では思ったほど機能しない。それなら問題は、AIの答えではなく「最初に立てた問い」の方かもしれません。

「モチベーションを上げる施策」が機能しない理由

AIの答えは統計的な正解です。膨大なデータから導き出された「平均的に有効な施策」なんです。ほとんどの企業で機能する、汎用的なソリューション。

ところが実際に施策が機能するかは、別の問題。同じ1on1面談でも、信頼関係が厚い企業では社員の本音が引き出され、やる気につながります。一方、距離が遠い企業では「経営層に見張られている」と受け取られ、逆効果になる。施策そのものではなく、それが実行される組織の空気感が、すべてを左右するんです。

その空気感は、数値データには表れません。過去に試した施策の失敗経験、経営陣が現場の声に耳を傾けてくれたかどうかの歴史、責任と権限がちぐはぐな運用状況。こうしたものは、統計には含まれていない「見えない変数」です。だからAIの学習データには含まれていない。

AIが見えていない『モチベーション殺し』

モチベーション低下には2つのベクトルがあります。「上げるべき」ベクトルと「削いでいる」ベクトルです。

AIが提案するのは、ほぼ「上げるベクトル」です。報奨金制度、キャリアパス明確化、成長機会の提供。どれも「モチベーションを上げる仕組み」の施策。

ところが、その企業で真に削いでいるものが「信頼の欠如」なら？「決定が常に上から下ろされるだけ」という文化なら？「以前の失敗した施策のトラウマ」が残っているなら？施策を上乗せしても、削いでいるものが消えない限り、モチベーションは上がらないんです。むしろ、施策そのものが「経営層は本当のことを見ていない」という証拠に見えてしまう。

経営者は「モチベーション数値を上げる」方に目が向きやすいため、「何が削いでいるのか」という問いを立てません。AIに相談すれば「上げ方」について正論が返ってくるため、「削いでいるもの」を見つめ直す手間を省いてしまうんです。

削いでいるものが違えば、取り組むべきことも違う

同じ「モチベーション低下」という現象でも、その根に何があるかで、必要なアクションは全く変わります。

給与が業界平均より大きく低いなら、お金の話が必要です。経営方針が現場に全く伝わっていないなら、まずはコミュニケーション改善が先。責任と権限がちぐはぐなら、その不整合を整えることが第一。信頼基盤が壊れているなら、施策より先に「信頼を取り戻す対話」が必要。

ところが「モチベーション向上施策」というひとくくりで相談すると、AIは「一般的に有効な施策」を返すだけ。その企業固有の削いでいるものまでは見えていない。だから、どんなに正しい施策を導入しても、根本的な削いでいるものが残ったままなら、空回りするんです。

『何を削いでいるか』を見つめ直す手間の価値

AIは優秀です。ただし——AIが返す答えは、あなたの会社のために考えられたものではありません。業界平均、規模平均に基づいた統計的な正解に過ぎない。

施策を導入する前に、必要な問いの立て直しがあります。「社員のモチベーションが低いのはなぜか」から、さらに一歩下がって。「うちの組織では、具体的に何がモチベーションを削いでいるのか」。給与か、信頼か、透明性か、権限の不整合か。それとも複数の層が重なっているのか。

この問い直しは、決して無駄ではありません。むしろ、ここからが経営判断そのものなんです。削いでいるものが見えたら、その企業固有の環境に合わせた対策が見えてくる。施策も、その削いでいるものを取り除いてからなら、初めて機能するようになるんです。