AI が実行を安くしたとき、私たちに本当に必要なのはどんな人か

TL;DR

実行コストの低下は、目標の選択、価値の判断、責任の所在を自動的には解決しません。むしろ逆で、実行能力が強いほど誤った判断の帰結は大きくなります。

• Rieseberg の Hunger Beats Tenure で面白いのは「若手がベテランを上回る」ことではありません。行動を妨げる外的な障害が減るほど、内的な動機の差がそのまま成果に現れるということです。
• AI は各人の平均的な産出の質を上げる一方で、集団としての発想の多様性を縮める可能性がある、という実験的証拠があります（Doshi & Hauser, 2024）。個人は効率的に見えて、社会の探索空間は必ずしも広がりません。
• 四つの能力はそれぞれ別の問いに答えます。創造性は「より良い可能性があるか」、独立した判断は「それは信頼できるか」、自己駆動は「誰がそれを行動に変えるか」、責任感は「結果をどう信頼できるものにし、帰結を誰が負うか」。一つ欠ければ閉じた環は成立しません。
• 責任は権限から切り離して存在すべきではありません。 AI システムの失敗の責任を従業員に負わせながら、点検・停止・是正の権限を与えないのは、責任の仕組みではなく転嫁です。
• 最後に一つ。この四つを新しい職場道徳にしてはいけません。 職務ごとに必要な能力構成は異なり、創造性と自己駆動は環境に強く依存します。基本的な安心感も裁量もない人が、それらを持続的に発揮するのは困難です。

2026 年 10 月 27 日、Anthropic のエンジニアリングマネージャー Felix Rieseberg が『Hunger Beats Tenure: Advice for Junior Engineers』を公開しました [1]。彼はチームの採用から従来のコーディングテストを外したと述べています。理由はコーディング能力が重要でなくなったからではなく、新しい働き方の環境で誰がより大きな価値を生むかを、そのテストではもはや有効に区別できないからです。経験の比較的浅いエンジニアが AI ツールを使い、熟練の開発者より速く試作品に到達し、本来なら部門をまたぐ調整が必要だった案件を前に進める —— そうした様子を彼は観察しています。

その記事の背後で本当に論じる価値があるのは、若手がベテランを超えられるかでも、AI コーディングが従来のプログラミングを置き換えるかでもありません。もっと深い問いを指しています。知識が手に入りやすく、技術が使いやすく、アイデアが形にしやすくなったとき、人と人の本当の違いはどこから来るのか。

過去数十年、近代の教育と企業組織は比較的安定した人材評価の体系を築いてきました。学歴で知識の蓄積を、勤続年数で経験を、職位で能力を、課題の達成度で業績を測る。この体系は、知識の獲得が高価で、専門技能が希少で、組織的な調整の費用が高い時代に形づくられました。AI は、それが依拠する経済的基盤の一部を変えつつあります。

私はこう考えるようになりました。これから最も価値のある人は、必ずしも最も多くの知識を持つ人でも、最も長い経験を持つ人でも、AI ツールを最も巧みに使う人でもなく、創造性、独立した判断、自己駆動、責任感を本当に備えた人だろう、と。四つとも以前から重要でしたが、AI の時代にはその価値がいっそう際立ちます。

1. 実行がボトルネックでなくなったとき、人の価値は並び直される

工業時代の組織は分業によって効率を上げました。管理者が計画を立て、専門家が特定の問題を解き、実行者が標準化された作業をこなす。知識経済の時代は専門家の重要性を高めましたが、基本の論理は根本的には変わっていません。企業は複雑な目標を管理可能な課題に分解し、職位、工程、予算、業績の体系を通じて資源を調整します。あるエンジニアは一つの API を、あるデザイナーは画面を、ある運用担当は配信を受け持つ。各自が自分の持ち場を正しくこなせば、組織は回ります。

この方式の中核にある前提は、専門的な実行能力は希少な資源であり、組織を通じて配分する必要がある、というものです。 AI はこの前提を弱めつつあります。今日では、基本的な技術的判断力のある人が AI を使って、要件分析、コードの作成、画面設計、データ処理、自動テスト、さらには初歩的な市場調査まで行えます。

これは企業に専門家が要らなくなるという意味でも、AI があらゆる複雑な課題を確実にこなせるという意味でもありません。本当の変化は、多くの仕事で実行の初期障壁が下がっていることです。かつては複数人の協働がなければ検証できなかった着想を、いまは一人で一次検証できるかもしれない。数週間かかった案が、より短い時間で動く版に到達しうる。

そして実行の費用が下がると、新しい問いが現れます。

• 誰でも事業計画を素早く作れるなら、本当に解く価値のある問題を提起できるのは誰か。
• 誰でも製品を素早く実装できるなら、その製品に本当に価値があるかを判断できるのは誰か。
• 誰でも解決案を大量に生成できるなら、そこに潜む誤りと risk を見抜けるのは誰か。
• AI が自律的にこなす作業が増えるなら、最終的な結果の責任は誰が負うのか。

技術は課題遂行の費用の一部を下げましたが、目標の選択、価値の判断、責任の所在を自動的に解決してはいません。むしろ逆で、実行能力が強いほど誤った判断がもたらす影響も大きくなりえます。 これからの人材競争の主戦場は実行速度ではなく、問題の判断、創造的な探索、そして信頼できる結果の提供に移っていくでしょう。

2. 創造性：多くの着想ではなく、別の可能性を見つけること

AI が最も作りやすい錯覚は、自分が無限の創造性を手にしたと思わせることです。問題を入れれば十の案が返り、事業の方向を入れれば何十もの製品が設計され、技術要件を入れれば複数の構成が示される。しかし着想の数は創造性ではありません。

2024 年、Anil Doshi と Oliver Hauser は生成 AI と創造性に関する実験研究を『Science Advances』に発表しました [2]。AI の支援は参加者が書いた短編の質と創造性の評価を高め、とりわけ元々その発揮が弱かった参加者で向上が顕著でした。しかし同時に、AI の支援を受けた物語は全体としてより似通ったものになりました。

この実験は特定の創作課題を対象としており、AI があらゆる領域の革新力を下げるとは導けません。それでも注意に値する現象を照らし出しています。AI は各人の平均的な産出の質を上げながら、集団全体の発想の多様性は必ずしも増やさないかもしれない。

全員が似たモデル、似たデータ、似た指示の仕方に頼れば、出てくる案は次第に収斂します。企業は似た成長戦略を採り、スタートアップは似た製品の方向を選び、作り手は似た表現に落ち着く。個々は効率的に見えて、社会全体の探索空間は必ずしも広がりません。

本当に重要な創造性は、AI より数個多く案を出すことではなく、既存の問題の定義の仕方を破る力です。利用者がソフトの操作が複雑だと訴えるとき、よくある発想は手順を減らし、画面を改善し、自動化を足すことです。創造性のある人は別の問いを立てるかもしれません。そもそも利用者はなぜこの操作をしなければならないのか。この作業自体を無くせないか。

前者は定まった問題の中でより良い解を探し、後者は問題そのものを定義し直します。 人間の創造性は知識の組み替えだけから来るのではなく、生活の経験、社会の観察、価値の選好、そして現実の矛盾への感覚から来ます。AI は膨大な可能性の探索を助けられますが、ある人がなぜその問題に関心を持つのか、なぜその現状を不合理だと感じるのか、なぜ当たり前の規則に挑もうとするのか —— それらは依然として人の主体性と分かちがたく結びついています。

3. 独立した判断：答えが容易に手に入るほど、答えを疑う力が重要になる

創造性が「いくつの可能性を見られるか」を決めるなら、独立した判断は「その中から自分の判断を形づくれるか」を決めます。

かつて知識を得るには、読み、調べ、計算し、繰り返し研究する必要がありました。答えを得ること自体が労働でした。 いまや AI は、構成が整い、言葉が滑らかで、論理的にも一見もっともらしい説明を短時間で返します。認知的作業の費用は下がりましたが、新しい risk も生じます。私たちは、すでに整理された答えを受け取ることに慣れ、自分の理解を能動的に組み立てなくなるかもしれません。表現が自然になり、推論の過程が完結して見えるほど、人は言語上の一貫性を事実としての正しさと取り違えやすくなります。

2025 年、Microsoft Research などの研究者が CHI で、生成 AI を使う知識労働者 319 名の批判的思考を調べた研究を発表しました [3]。その標本の範囲で、AI への信頼が高いほど批判的思考への投入が少ないことと関連し、自分の遂行能力への自信が高いほど批判的思考の活動が多いことと関連していました。

これは自己申告に基づく研究であり、AI が必然的に独立した思考を失わせるとは単純に読めません。しかし、利便性が人の思考への関わり方を変えうることは示唆しています。

独立した判断とは、主流の見解にわざわざ逆らうことでも、AI の使用を拒むことでもありません。外部の情報と自分の判断の間に必要な距離を保てることです。 もっともらしい結論を前にして、こう問い続けられること。

• この結論はどんな前提の上に立っているか。
• どの事実がそれを支えるか。反証はあるか。
• どんな条件下で成り立たなくなるか。
• もしこれが誤っていたら、その代償は誰が負うのか。

独立した判断を持つ人は、AI が答えを出したからといって問題が解決したとは考えません。その答えを検証に付しうる仮説として扱い、生まれつき信頼できる結論とは見なしません。

さらに重要なのは、独立した判断が外部への懐疑だけでなく、自分の見解を修正する意思としても現れることです。どんな証拠が出ても立場を変えないのは独立した思考ではなく、認知的な閉鎖です。本物の独立性には、権威に盲従しない勇気と、証拠を受け入れ誤りを認める力の両方が要ります。

答えを素早く取り出せる人はこれから増えます。答えが信頼できるかを判断できる人は、依然として希少です。

4. 自己駆動：AI が増幅するのは技術力だけでなく、行動する意思

自己駆動は、これからの人材像の中で最も過小評価されやすい能力かもしれません。

従来の組織は外部の仕組みで個人の行動を駆動してきました。管理者が目標を定め、課題を割り当て、納期を決め、達成度で評価する。この環境では、主体性に乏しい人でも明確な割り当てに支えられて働き続けられます。しかし AI が具体的な実行の多くを引き受けられるようになると、指示を待つだけの人の優位は縮み続けます。 AI も明確な指示を受け取り、標準化された作業を持続的かつ高速にこなせるからです。

人と AI の重要な違いの一つは、人が自ら「行動すべき理由」を見つけられるかという点に現れます。自己駆動的な人は、何をすべきかだけを問いません。なぜそれをするのか、本当に重要なのか、もっと労力を注ぐ価値のあることはないか、も考えます。

具体例を挙げます。ある製品エンジニアが機能の開発を依頼される。実行志向の人はまず期限内にどう仕上げるかを考えます。自己駆動的な人は、利用者がなぜその機能を必要とするのか、もっと単純な解はないか、いまの要求は本来の事業目的から外れていないかを先に調べるかもしれません。前者の価値は主に課題の達成に現れ、後者の価値は問題の発見、意思決定の改善、機会の創出へと広がりえます。

心理学の自己決定理論がここに有用な説明を与えます。Deci と Ryan は、自律性、有能感、関係性が人間の内発的動機を理解する重要な要素だとしました [4]。自分の目標を是認でき、能力の成長を感じ、他者と意味のあるつながりを持てるとき、持続的で自律的な動機が形成されやすくなります。

ですから自己駆動は仕事中毒とは違い、無制限の残業を求めるものでもありません。自分がなぜ行動するのかを理解し、外部の監督がなくても意味ある目標を自ら前に進める意思を持つ、ということです。

この能力は AI の時代にとりわけ重要です。技術が着想から行動までの距離を縮めたからです。 かつては多くの着想を持ちながら、技術、資金、人員の制約で検証できないことがありました。いまその制約の一部は弱まっています。行動を妨げる外的な障害が減るほど、内的な動機の差がそのまま成果に現れます。

同じ AI ツールを持っていても、ある人は上司の割り当てた課題をこなし、別の人は長く見過ごされてきた問題を自ら見つけ、解決策を組み立て、実際の利用場面まで押し進めます。技術的な資源は似ていても、生み出す価値はまったく異なりえます。その意味で AI は生産性の道具であると同時に、人の行動する意思の増幅器でもあります。

ただし自己駆動には、行動しないことを選ぶ力も含まれるべきです。主体性とは、あらゆる着想をただちに実現しなければならないという意味ではありません。成熟した自己駆動には、抑制、優先順位づけ、断念も含まれます。何に価値があり、何にないかを見分けること自体が希少な能力です。

5. 責任感：AI が課題をこなせるとき、結果は誰が負うのか

四つの中で、責任感は最も見落とされやすく、おそらく最も重要です。

AI はコードを書き、市場を分析し、契約書を起草し、戦略を立て、ますます複雑な業務フローを自動で実行できます。しかしシステムが課題を完了したことは、責任を引き受けたことを意味しません。

ある AI エージェントが取引戦略を自動生成し、取引 API を呼び、注文を出すとします。誤ったリスク判断で重大な損失が出たとき、「AI が生成した」では何の説明にもなりません。なお答えなければならないのは、誰がこのシステムの配備を決めたのか、誰がその権限を定めたのか、誰が安全性を検証したのか、誰が停止する権限を持つのか、誰が監視・是正・事故対応の義務を負うのか、です。

これらの問いが示すのは、技術的な実行能力と責任の仕組みは別物だということです。 AI は行動する能力を高めますが、有効な責任制度を自動的に打ち立てはしません。そして AI システムの自律性が上がるほど、責任の境界はむしろより明確である必要があります。

ここでいう責任感は、態度が真面目であること、懸命に働くこと、問題が起きたとき非を認めること、ではありません。行動の前に帰結を考え、実行の過程で risk を見つけ、結果が出た後も追跡し、検証し、是正し続ける意思のことです。

責任ある技術者は、AI が自動生成したテストを通ったからといってシステムが十分に安全だとは考えません。責任ある製品責任者は、機能が無事に公開されたからといって、実際の利用者が価値を得たかを見ないままにはしません。責任ある管理者は、チームが指標を達成したからといって、その指標の背後で育ちうる長期的な問題を見過ごしません。

さらに重要なのは、責任は権限から切り離して存在すべきではないということです。 従業員が AI の判断を点検する権限も、危険な処理を止める権限も、誤った目標を変える権限も持たないのに、システムの失敗の帰結だけを一人で負わされるなら、それは妥当な責任の仕組みではなく転嫁です。本物の責任制は、意思決定の権限、リスク統制の能力、問責の範囲が互いに見合っていることを求めます。 責任感は個人の資質であると同時に、組織の制度による支えを必要とします。

これから本当に信頼に値するのは、決して誤らない人ではなく、誤りを自ら見つけ、risk に敏感であり続け、問題の解決を推し進める意思のある人です。AI が個人の実行能力を何倍にもするとき、その意識の重要性もまた高まります。

6. 四つは閉じた環を成し、一つ欠ければ成立しない

四つの能力はそれぞれ別の問いに答えます。

これらが合わさって、問題の発見から価値の創造までの一続きの過程を成します。問題を見つけ、判断を形づくり、自ら実行し、結果を検証し、現実からの反応に照らして認識を修正する。 AI はこの過程に深く関われますが、目標、重要な判断、そして与えられた権限の範囲の結果については、人がなお責任を負います。

したがって、AI 時代の人材を「AI を使える人」と「使えない人」に単純に分けるべきではありません。より注目に値する違いはこうです。ある人は AI を課題を速くこなす道具として扱い、ある人は認知を広げ未知を探り新しい価値を生む道具として扱い、さらにある人は、それらの能力を信頼できる制度の中で持続的に働かせる方法まで考える。 三番目の人の長期的な価値が、最も注目に値します。

7. 企業は「優秀な社員」の定義を考え直す必要がある

以上の見立てが成り立つなら、従来の人材評価の体系も変わる必要があります。

企業はこれまで、安定した実行、専門的な経験、手続きの習熟、予測可能性を報いる傾向にありました。これらは依然として重要です。とりわけ安全が決定的な系、金融インフラ、複雑な工学の現場では。 しかし企業がこれらの指標だけを重んじれば、もう一方の重要な人材 —— 問題を見つけ、不合理な前提に挑み、自ら機会を探し、結果に責任を負う意思のある人 —— を取りこぼしかねません。

難しいのは、多くの組織で言うことと報いることが食い違っている点です。採用では革新の精神を強調し、管理では従順さに報いる。主体的に考えてほしいと言いながら、重要な判断はすべて何層もの決裁を通させる。新しい着想を奨励しながら、安く試す仕組みがない。結果への責任を求めながら、それに見合う決定権を与えない。結局、本当に主体性のある人が、繰り返す組織的な抵抗の中で意欲を失っていきます。

1991 年、組織理論の James March は『Exploration and Exploitation in Organizational Learning』で、組織における探索と活用の緊張を論じました [5]。組織は既存の知識を活用して効率を上げる必要があり、同時に、既存の経験に長く閉じ込められないよう新しい可能性を探索する必要がある。この緊張は AI の時代にいっそう鋭くなりえます。 AI は既存の知識の再利用と実行の効率を大きく高めますが、組織が新しい方向を試そうとするかは、依然として文化、権力構造、誘因の仕組みに左右されるからです。

2026 年の Microsoft Work Trend Index も、その調査と分析の枠組みの中で、組織文化、管理者の支援、人材制度といった要因が、従業員の報告する AI の便益と強く関連すると述べています [6]。これらは相関の結果であり、因果として読むことはできません。 それでも、AI の生産性の価値が個人の能力だけで決まるわけではないことは示唆しています。

• 独立した思考を望む組織は、異なる意見を述べることを許さなければなりません。
• 創造性を重んじる組織は、新しい着想に限定的でも本物の実験の余地を与えるべきです。
• 自己駆動を望む組織は、明確な目標と適切な裁量を与えるべきで、ますます詳細な作業一覧を与えるべきではありません。
• 責任感を強調する組織は、明確な権限、検証、問責の仕組みを築かなければなりません。

これからの優れた企業は、社員が最も多い企業でも、手続きが最も多い企業でも、AI エージェントを最も多く配備した企業でもないかもしれません。むしろ、判断力と行動の意思を持つ人に価値を生むだけの余地を与えつつ、組織が負うべき統治の責任を組織自身が負えるかが問われます。

8. 教育：問いに答える人から、問いを立てる人へ

この変化は企業にとどまらず、教育にも及びます。

近代の教育の重要な役割の一つは長く、学生に既存の知識を習得させ、標準化された方法で問題を解けるようにすることでした。この方式は多くの専門人材を育て、近代社会の技術的進歩を支えました。しかし AI が知識を素早く説明し、コードを生成し、計算をこなし、答えをまとめられるようになったいま、教育が人の能力をどう定義するかを考え直さなければなりません。

• 学生が AI で課題を素早く終えられても、なぜその解法を選んだか説明できないなら、彼は何を本当に身につけたのか。
• AI でアプリを作れても、その安全性、信頼性、長期の保守費用を判断できないなら、その能力はどう評価されるべきか。
• 大量の知識を持っていても、自ら問題を見つけ、仮説を立て、独立した実践を行ったことがないなら、知識は価値を生む能力に本当に転化したのか。

これからの教育は知識の伝達と技能の訓練に留まれません。好奇心、批判的思考、創造的な実践、自律的な学習、責任の意識を体系的に育てる必要があります。

とはいえ、基礎知識の重要性が下がるわけではありません。むしろ逆です。 基礎知識がなければ独立した思考は根拠を欠いた主観に堕ち、専門的な訓練がなければ創造性は現実の制約を欠いた想像に留まりかねません。問題は知識を学ぶかどうかではなく、学ぶことの最終的な目的です。知識は試験に通るためや課題をこなすためだけのものではなく、世界を理解し、判断を形づくり、問題を解き、自分の認識を修正し続けるためのものであるべきです。

これからの教育は、学生により完結した探索の過程を経験させるべきです。現実から問題を見つけ、仮説を立て、解決を試み、外部からの反応を受け、誤りを認め、最後に自分の仕事に責任を負う。AI はこの過程で研究の助手、プログラミングの道具、議論の相手、実験の基盤になりえます。しかし教育の目標は、AI の答えにますます依存する学生を育てることであってはならず、強力な道具を手にしてなお独立した判断と主体的な創造を保てる学生を育てることであるべきです。

9. 人材の基準を新しい道徳にしてはならない

創造性、自己駆動、責任感を論じるとき、警戒すべき傾向があります。これらを新しい職場道徳として読み、優秀な人は常に主体的で、常に情熱に満ち、常に革新し続けねばならない、と考えてしまいがちです。この読み方は危険です。

すべての職務が高度に自律的な探索を要するわけではなく、誰もが起業家になる必要もありません。安定した実行、長い蓄積、専門家としての慎重さ、良好な協働は、社会が正常に回るうえで欠かせない能力であり続けます。本当の論点は、仕事ごとに必要な能力の構成が異なるということです。 高度に標準化された仕事では、信頼性と一貫性が創造性より重要でありえます。起業、製品開発、未知の問題の探索では、創造性と自己駆動の価値が前に出ます。生命の安全、資金の安全、重大な社会的影響に関わる領域では、独立した判断と責任の仕組みが代替不能な重要性を持ちます。

同時に、個人の能力の発揮が依存する環境も無視できません。基本的な安心感を欠き、不合理な評価に長くさらされ、裁量を持たない従業員が、高い水準の創造性と自己駆動を持続的に発揮するのは困難です。責任を求めながら権限を与えないことは、新しい不公平を作るだけです。

ですからこれからの組織が本当に解くべき課題は、こうした能力を持つ人をどう見つけるかだけではありません。それらの能力が消耗されるのではなく育つような環境を、どう作るかでもあります。

10. AI の時代に最も重要なのは、人の主体性を取り戻すことかもしれない

Rieseberg の記事に戻ります。Hunger Beats Tenure が私を惹きつけるのは、若いエンジニアが AI で週末のうちに試作品を仕上げたことでも、従来のコーディングテストを外すべきかどうかでもありません。そこに示された新しい可能性です。人の価値は、組織的な地位をどれだけ積み上げたか、どれだけ資源を持つか、何層の承認を得ているかに、それほど依存しなくなるかもしれない。 本当の問題を見つけ、自分の判断を形づくり、道具の力で信頼できる成果を生めるなら、職位や年次を超えた影響を持ちうる。

その背後にあるのは、人の主体性をめぐる問いです。工業社会は規律と分業を重んじ、知識社会は専門化と情報処理を重んじました。AI の時代は再考を迫ります。認知と実行の仕事がますます機械に渡せるようになるとき、人は自分の時間と能力をどこに注ぐべきか。

私の答えは、自分を行動の主体たらしめる能力をより重んじるべきだ、というものです。世界への好奇心を保ち、他人が定義した問題だけを受け取らない。独立した判断を立て、思考をモデルや権威に丸ごと委ねない。新しい可能性を自ら探り、課題と指示を永遠に待たない。行動の結果に責任を負い、誤りを道具や手続きや他人に押しつけない。

技術の発展は、理想的には人により多くの行動の自由をもたらすべきで、人をより受動的にするべきではありません。しかしこの可能性は自動的には実現しません。

• 他人に割り当てられた課題を AI でこなし続けるだけの人は、効率は上がっても、独立したとは限りません。
• 既存の手続きを AI で速めるだけの組織は、費用は下がっても、本当の革新を生むとは限りません。
• 社会全体が生成の速さだけを追い、創造性、独立した判断、責任の仕組みを軽んじるなら、私たちは既存の着想と既存の誤りを、より高い効率で繰り返すだけになりかねません。

ですから私はいよいよ確信しています。これから最も育てる価値があるのは、AI を巧みに使える人だけではなく、新しい可能性を見つける創造性を持ち、是非を判断する独立した思考を持ち、変化を推し進める自己駆動を持ち、そして結果を引き受ける責任感を持つ人です。

AI は人により強力な実行能力を与えます。しかしその能力で最終的に何をするのか、なぜそれに値するのか、何に対して責任を負う用意があるのか —— それが、技術がどれだけの価値を生むかを本当に決めます。 誰もが強力な道具を持つようになるとき、人と人の長期的な違いは、こうした選択にますます鮮明に現れるでしょう。

これからの時代は、課題をこなせるだけでなく、意味のある目標を自ら定義し、結果に責任を負える人のものです。人の価値を本当に決めるのは、何ができるかだけであったことは一度もなく、なぜそれをするのか、そして自分が作る世界に対して何を引き受ける用意があるのか、でもあるからです。

参考資料

[1] Felix Rieseberg (2026), Hunger Beats Tenure: Advice for Junior Engineers。https://felixrieseberg.com/hunger-beats-tenure-advice-for-junior-engineers/

[2] Anil R. Doshi & Oliver P. Hauser (2024), Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content, Science Advances。https://doi.org/10.1126/sciadv.adn5290

[3] Lee et al. (2025), The Impact of Generative AI on Critical Thinking, CHI 2025。https://doi.org/10.1145/3706598.3713778

[4] Edward L. Deci & Richard M. Ryan (2000), The "What" and "Why" of Goal Pursuits, Psychological Inquiry。https://doi.org/10.1207/S15327965PLI1104_01

[5] James G. March (1991), Exploration and Exploitation in Organizational Learning, Organization Science。https://doi.org/10.1287/orsc.2.1.71

[6] Microsoft (2026), Work Trend Index: Agents, Human Agency, and the Opportunity for Every Organization。https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization