正解: CCorrect: C
検証を影響度で階層化し、エージェントに根拠・信頼度・判断の分岐点を出力させて人間の検証を効率化する業務設計が、本質的な対処です。Tiering verification by impact and redesigning the workflow so agents surface evidence, confidence, and decision points is the fundamental fix.
自動化によって作業のボトルネックが「生成」から「検証」に移るのは、AI活用の典型的な現象です。楽観シナリオでは、エージェントが自己検証や相互検証を行い、人間の検証負担は大幅に減りますが、それでも最終判断と責任は人間に残ります。ベースシナリオでは、検証負担は業務設計の巧拙で大きく変わり、設計に投資した組織とそうでない組織で生産性の差が開きます。悲観シナリオでは、検証を軽視した組織で誤りが顧客に届き、信頼と契約を失います。選択肢Aは悲観シナリオへの近道、Bは検証の独立性が失われ「誰も見ていない」状態を招き、Dは競争力を放棄します。Cは、Eliyahu Goldratt の制約理論（TOC）が示すように、ボトルネックを特定してそこに改善を集中させる考え方であり、また航空や医療における「エラーの影響度に応じたチェック設計」の実践とも整合します。The shift of the bottleneck from generation to verification is a typical phenomenon of AI adoption. In the optimistic scenario, agents self-verify and cross-check, cutting the human verification load substantially, but final judgment and responsibility still rest with people. In the base scenario, the verification burden varies widely with workflow design, and organizations that invest in design pull ahead in productivity. In the pessimistic scenario, organizations that neglect verification let errors reach clients and lose trust and contracts. Option A is a shortcut to the pessimistic case; option B removes independence from verification and produces a state where nobody is really looking; option D forfeits competitiveness. Option C follows Eliyahu Goldratt's Theory of Constraints, which identifies the bottleneck and concentrates improvement there, and aligns with aviation and medical practice of designing checks proportional to the severity of potential errors.
検証の階層化には「どの誤りが重大か」を事前に定義する必要がありますが、新しい種類の業務ではその判断基準自体が存在せず、設計に時間がかかります。また、エージェントが出す「信頼度」は必ずしも実際の正確さと一致せず、数値を鵜呑みにすると新たな過信を生みます。業務設計の投資は短期的にはコストにしか見えません。Tiering verification requires defining in advance which errors are serious, but for new kinds of work those criteria do not yet exist and take time to develop. Agent-reported confidence does not necessarily match actual accuracy, and taking the numbers at face value creates new overconfidence. Investment in workflow design looks like pure cost in the short term.
まず過去の誤り事例を収集し、影響度と発生頻度で分類することから検証設計を始めましょう。エージェントの信頼度表示は、実際の正答率と照合する「較正」を定期的に行い、ずれがあれば閾値を調整します。業務設計の効果は、検証にかかる時間と顧客に届いた誤りの件数という2つの指標で追跡し、経営層に投資対効果を示すことが重要です。Start verification design by collecting past error cases and classifying them by impact and frequency. Regularly calibrate agent confidence scores against actual accuracy and adjust thresholds when they diverge. Track the effect of workflow design with two indicators, time spent on verification and the number of errors that reached clients, and use them to show return on investment to leadership.