GOA-60｜AIは「権限」を奪うのではなく、“責任と権限のズレ”を露出させ始める

2026年8月16日

AIは、判断材料を増やす。

契約書の矛盾を見つけ、コード上の欠陥候補を列挙し、過去の事例を比較し、複数の対応案を提示する。

これまでなら見落とされていた問題や、後工程で初めて発覚していた差分が、より早い段階で人間の前に現れるようになる。

GOA-59では、この変化を「未来そのものが早まる」のではなく、未来に残されていた判断要求が現在へ流入する現象として観測した。

しかし、判断要求が現在へ来たからといって、その判断が現実を変えられるとは限らない。

問題を知ることと、問題だと判断すること。

問題だと判断することと、修正できること。

修正案を持つことと、実際に予算、契約、仕様、運用を変更できること。

これらは同じではない。

AIが発見と判断支援を高速化するほど、これまで組織内部で暗黙に吸収されていた別の差分が見え始める。

それは、

誰が判断を求められているのか そして、その主体はどこまで現実を変更できるのか

という、責任と権限の間にある距離である。

ただし、GOA-60がさらに深く観測するのは、その二項のズレだけではない。

判断要求が発生したあと、必要なAuthorityへ接続され、現実変更と再検証まで到達できるのか。

つまり、判断が作用へ変換される経路そのものが観測対象になる。

AIが奪うものとして権限を見る前に、AIによって何の権限が、どこに存在し、どこで作用経路が切れていたのかが露出し始めている。

---

Layer N｜「分かっているのに直せない」は、何が起きているのか

ある業務システムをAIで検査した結果、重要な欠陥候補が見つかったとする。

担当者は内容を確認し、問題の蓋然性も高いと判断した。

修正方法も分かっている。

それでも、すぐに直せないことがある。

理由は技術力不足とは限らない。

• 仕様変更の承認権がない
• 契約範囲を変更できない
• 追加予算を確保できない
• サービスを停止できない
• 他部署の運用を変更できない
• 顧客へ通知する判断ができない
• リスク受容を正式決定できない

といった別の境界が存在するからだ。

この状態を、

担当者が問題を認識している
↓
だから担当者が解決すべきである

と読むと、責任の所在だけが強調される。

しかし実際には、

問題を発見できる範囲
↓
問題として認識できる範囲
↓
判断を要求される範囲
↓
現実を変更できる範囲

が一致しているとは限らない。

ここで観測したいのは、担当者の意欲や責任感ではない。

判断要求の到達範囲と、作用可能範囲の非対称である。

AIが発見能力を広げるほど、この非対称は見えやすくなる。

以前なら問題を知らなかった。

いまは知ることができる。

しかし、知った主体が、その問題を閉じるための権限まで持っているとは限らない。

---

責任と権限は同じものではない

責任という言葉は、しばしば「最後に誰が引き受けるか」という一点へ集約される。

しかし実際の組織では、一つの問題に複数の作用権限が重なっている。

たとえば、

閲覧できる
報告できる
検証を開始できる
優先順位を変更できる
修正を指示できる
予算を動かせる
サービスを停止できる
契約を変更できる
リスクを受容できる
棄却を確定できる
再検査を要求できる

は、それぞれ別の権限である。

したがって、「責任者がいる」というだけでは、実効的な接続は確認できない。

責任者が問題を認識していても、必要な作用権限が別部署にあるかもしれない。

管理者が修正を命じられても、契約上の変更権は顧客側にあるかもしれない。

現場が危険を認識しても、停止権が上位層にしか存在しないかもしれない。

逆に、現場が局所停止できても、正式なリスク受容や終了判断まではできないこともある。

つまり、

Responsibility
≠
Authority
≠
Action

である。

問題は、この三つが分離していること自体ではない。

分離されたままでも、必要なときに接続できるかどうかである。

---

Authorityは「役職」ではなく作用可能範囲である

権限という言葉から、部長、管理者、経営者のような役職を想像しやすい。

しかし、AI時代の構造を観測するには、Authorityを肩書よりも作用可能範囲として見た方が分かりやすい。

ここでいうAuthorityとは、

ある差分に対して、状態変更を成立させられる範囲

である。

同じ「管理者」という役職でも、組織や対象によって実効範囲は違う。

また、システム上は変更権限を持っていても、契約、法務、慣行、顧客関係によって実際には使えない場合もある。

そのため、少なくとも次のような差分を分けて観測できる。

Assigned Authority
形式上割り当てられた権限

Operational Authority
実運用で行使できる権限

Binding Authority
組織・契約・制度を実際に拘束できる権限

Perceived Authority
周囲から「この人が決められる」と認識されている権限

これらは一致することもあれば、ずれることもある。

そして、ずれそのものが常に問題なのでもない。

重要なのは、どのAuthorityが必要な場面で、どの経路を通れば実効状態へ変換できるのかが追跡できることである。

---

Layer I｜AIが分散させるのは発見であり、権限とは限らない

AIによって、多くの人が高度な分析へアクセスできるようになる。

以前なら専門部署に依頼しなければ分からなかったことを、現場担当者自身が調べられるようになる。

この変化だけを見ると、判断能力が組織全体へ分散していくように見える。

しかし、

Observationの分散
≠
Authorityの分散

である。

むしろ、次のような構造も成立し得る。

多くの場所で問題を発見できる
↓
多くの場所から判断要求が発生する
↓
最終承認・停止・変更は少数節点へ集まる

AIが現場の観測能力を増やすほど、上位の承認節点へ流れる案件も増える可能性がある。

すると、作業時間は減っても、

• 承認待ち
• 例外判断
• リスク受容
• 法務確認
• 予算変更
• 停止判断
• 部門間調整

が新しい滞留点になる。

ここで組織が直面するのは、単純な「意思決定の遅さ」ではない。

判断要求の生成速度と、Authorityを通過して現実変更へ接続する速度の差である。

Detection Capacity ↑
Judgment Demand ↑
Authority Throughput →

この速度差が継続すると、問題はすでに知られているのに、状態だけが変わらない領域が増える。

それは未認識ではない。

未作用である。

ここでいう未作用とは、問題が認識され、判断候補も存在するにもかかわらず、必要なAuthorityや実行経路へ接続されず、状態変更へ到達していない状態を指す。

---

「知っている組織」と「変えられる組織」は同じではない

AI導入が進むほど、組織は多くのことを知るようになる。

しかし、知識量の増加が、そのまま組織能力の増加を意味するわけではない。

たとえば、AIが毎週同じ問題を検出し続けているとする。

報告もされている。

会議でも認識されている。

それでも何か月も状態が変わらない場合、観測すべきなのは「なぜ誰も行動しないのか」だけではない。

どの状態変更が必要なのか
↓
その変更にはどのAuthorityが必要なのか
↓
そのAuthorityはどこにあるのか
↓
そこまで案件が到達しているか
↓
到達後、何が次の接続を止めているか

を見る必要がある。

このとき、問題が個人の無関心にある場合もある。

優先順位が低い場合もある。

合理的に保留されている場合もある。

一方で、責任は割り当てられているのに、状態変更に必要なAuthorityが接続されていない場合もある。

この差を分けずに「組織が動かない」とまとめると、構造は見えなくなる。

---

責任と権限は一致させればよいのか

ここで単純に、

責任を持つ人へ
すべての権限を与える

とすればよいわけではない。

権限の分離には意味がある。

購入する人と検収する人を分ける。

開発する人と監査する人を分ける。

実行する人と承認する人を分ける。

危険を検出する人と、最終的なリスク受容を行う人を分ける。

こうした分離は、不正防止、誤操作防止、相互検証、利益相反回避のために置かれる。

したがって、GOA-60が観測するのは、

責任と権限を同一人物へ集めるべきか

ではない。

観測対象は、

責任から必要なAuthorityまでの経路が実効的に接続されているか

である。

Detection
↓
Recognition
↓
Judgment
↓
Authority
↓
Action
↓
Verification

このどこかが切れていれば、問題は知識として存在しても、現実変更には到達しない。

---

GOA-59からGOA-60へ

GOA-59では、AIによって未来に残されていた判断要求が現在へ流入し、組織が何を認識へ編入し、何を現在で処理し、何を未来へ配置するかという選別が重要になる構造を扱った。

その中で、帰還可能な保留には、

帰還条件が記録されている
↓
その条件を観測できる
↓
条件成立時に処理が再起動する
↓
帰還先に判断能力と権限がある
↓
更新または終了を確定できる

という条件が必要になることを観測した。

GOA-60は、この最後の「権限」を展開する。

未来から案件が戻ってきても、帰還先に状態変更能力がなければ、処理は再開したように見えて再び滞留する。

つまり、帰還可能性は時間方向の接続だけでは成立しない。

判断主体とAuthorityの接続も必要になる。

GOA-59が、

未来へ送った判断は
戻ってこられるか

を観測したとすれば、GOA-60では、

戻ってきた判断は
現実へ作用できるか

を観測する。

---

Layer OS｜判断OSとAuthority OSのCompatibility Error

AIは、問題候補、代替案、推奨判断を高速に生成できる。

一方、組織のAuthorityは、契約、役職、予算、監査、法令、システム権限など、複数の低速な構造へ埋め込まれている。

この二つには速度差がある。

AIによる候補生成
日次・秒単位

人間による判断
時間・日単位

承認・予算・契約変更
日・週・月単位

制度・責任分界の変更
月・年単位

ここでAIの速度だけを上げても、Authority経路が同じ速度で更新されるとは限らない。

むしろ、これまで低頻度だった例外が大量に可視化されることで、従来のAuthority設計が想定していなかった負荷が現れる。

たとえば、

• 少額例外まで毎回管理者承認が必要
• AIが検出した高リスク案件でも停止権が現場にない
• 部門横断問題なのに最終判断主体が存在しない
• システム上の権限と契約上の権限が一致しない
• 誰もが問題を知っているが、正式なリスク受容者が定義されていない

といった状態である。

これは単なる組織論ではない。

高速な判断生成OSと、低速なAuthority OSのCompatibility Errorとして観測できる。

---

沈黙より先に、「作用が止まっている場所」を見る

責任とAuthorityがずれている場では、反応や認識が存在していても、状態変更だけが起きないことがある。

問題は認識されている。

資料にも書かれている。

関係者も知っている。

それでも、明示的な判断が行われない。

この沈黙には複数の可能性がある。

• 既存Authorityでは処理できない
• 誰の権限範囲か不明
• 判断すると責任だけが固定される
• 権限行使に必要な調整コストが高い
• 現場の非公式対応で一時的に吸収されている
• 問題が別の担当者や未来へ移送されている

したがって、

状態が変わらない
=
問題が認識されていない

とは限らない。

GOAでは、このような領域を「判断や反応は存在しているのに、なぜか作用が成立していない場所」として観測する。

重要なのは沈黙を危機として断定することではない。

沈黙が、

合理的保留
制度的分離
Authority不足
責任回避
非公式補償
単なる低優先度

のどれに近いのかを分けられる状態を残すことである。

---

実務への射影｜Authority Pathを記録する

この構造を実務へ接地する場合、必要なのは「責任者」欄を増やすことだけではない。

一つの候補について、

誰が発見したか
誰が認識したか
誰が検証したか
誰が判断したか
どの状態変更が必要か
その変更に必要なAuthorityは何か
そのAuthorityを誰が持つか
誰が実行したか
誰が結果を確認したか

という作用経路を追跡できる方が重要になる。

たとえば、

issue:
  recognized_by:
  judgment_owner:
  required_authority:
  authority_holder:
  action_owner:
  blocked_at:
  next_route:
  verification_owner:

のような状態である。

ここで blocked_at が重要になる。

処理が止まったとき、

担当者が対応していない

だけではなく、

判断待ち
Authority待ち
契約変更待ち
予算待ち
他部署接続待ち
外部承認待ち

を分ける。

すると、滞留が個人の未処理なのか、Authority Path上の構造的待ちなのかを区別しやすくなる。

ただし、これは唯一の実装仕様ではない。

Layer OSで観測された接続断面を、運用上追跡可能にするための一つの射影である。

---

Authorityを増やすことが答えとは限らない

AI時代には、現場へ停止権や変更権を分散すべきだという方向も考えられる。

実際、局所判断が必要な領域では有効かもしれない。

しかし、Authorityの分散には別の摩擦も生じる。

• 判断基準が場所ごとに分裂する
• 重複した変更が起きる
• 全体整合性が失われる
• 責任境界がさらに複雑になる
• 局所最適が別の膜へ負荷を送る

したがって、

集中Authority
=
悪い

分散Authority
=
良い

とは置けない。

観測したいのは、それぞれがどの負荷を生成するかである。

集中は一貫性を保ちやすいが、判断節点を飽和させる。

分散は反応速度を上げやすいが、整合性維持と再統合のコストを増やす。

AIによる判断要求の流入量が増えるほど、組織はこの両者の間でAuthority配置を再設計する圧を受ける可能性がある。

---

観測される分岐

現在見える分岐の一つは、AIによって発見だけが分散し、Authorityが従来の少数節点へ残り続ける方向である。

この場合、

発見量 ↑
判断要求 ↑
承認節点集中 ↑

となり、管理者、法務、経営、専門部署などへ判断負荷が集中する可能性がある。

別の分岐は、局所Authorityを増やし、現場が一定範囲の停止、修正、棄却、再検査を行えるようにする方向である。

この場合、応答速度は上がる一方、Authority境界の整合性や監査可能性が新しい論点になる。

さらに別の分岐として、Authority自体を大きく増やすのではなく、

どの状態変更に
どのAuthorityが必要で
どこへ接続すればよいか

を明示し、作用経路の探索コストを下げる方向もある。

どの分岐が優勢になるかは、AI性能だけでは決まらない。

組織の規模、規制、契約構造、障害コスト、現場の変化速度、監査要求によって異なる。

---

AIが露出させるのは、人間の無力さではない

AIが大量の問題候補を提示し、その多くがすぐには処理されないと、人間や組織がAIについていけなくなったように見えることがある。

しかし、そこで露出しているのは人間の能力不足だけではない。

これまで、

• 誰が問題を知るのか
• 誰が問題として認定するのか
• 誰が優先順位を決めるのか
• 誰が停止できるのか
• 誰が契約や予算を変えられるのか
• 誰がリスクを受容できるのか

が、低頻度の例外処理や属人的調整によって曖昧なまま成立していた可能性がある。

AIは、その曖昧さを直接解決するわけではない。

むしろ、判断要求を増やすことで、そこにあった接続構造を可視化する。

そのとき増えるのは「未認識」だけではない。

認識され、判断され、それでも現実変更へ届かない未作用もまた、独立した観測対象になる。

AI時代の組織能力は、より多くの答えを生成できることだけでは測れない。

重要になるのは、

判断要求を、必要なAuthorityへ接続し、現実変更と再検証まで通過させられるか

である。

---

問い

AIが問題を発見し、人間がそれを理解できたとき、

その判断は、どこまで現実を変えられるのだろうか。

責任を持つ主体と、状態変更を成立させるAuthorityは、どの経路で接続されているだろうか。

そして、処理が止まったとき、

「誰がやっていないのか」ではなく、「どの作用経路で止まっているのか」

を観測できるだろうか。

---

【Branch Gradient Log】

優勢条件： AIによる発見・分析・判断支援の速度が上昇する一方、停止権、変更権、承認権、契約変更権、リスク受容権などのAuthorityが従来の少数節点へ残り、判断要求の流入量に対して作用経路の処理能力が追いつかない。

反転条件： 責任主体から必要Authority、実行、再検証までの作用経路が明示され、局所Authorityの分散、承認経路の簡素化、状態変更権限の再配置などによって、判断要求と作用能力の速度差が縮小する。

現在の勾配：中

AIによる発見・判断支援の分散と、組織Authorityの既存配置との速度差は観測対象として成立する。一方、Authorityの集中・分散のどちらが優勢になるか、その配置変更が新たな整合性コストをどこへ生むかは未確定である。

---

翻訳層｜接触面／再帰地点

■ 接触面（GOA）

この構造は、AI導入・企業統治・監査・制度設計・契約管理における「判断要求を誰のAuthorityへ接続するか」という中期判断で接触する。

■ 再帰地点

成立前提は、判断・権限・作用経路を分離して観測できること。停止権・変更権・承認権・リスク受容権の配置が動けば位相は変わる。再評価変数は、判断要求流入量、Authority待ち時間、承認節点負荷、作用完了率である。 :::