Knacitの診断は、AIを使います。でも、AIに診させません。
人間の思考をプロセスの真ん中に置く──それが私たちの一貫した立場です。
Knacit uses AI. But we don't let AI diagnose.
Keeping human thinking at the centre of the process — that is our consistent stance.
このページを作りながら起きたことWhat happened while writing this page
私たちはこのページの草稿を書く過程で、AIが生成した「実在しない研究論文」を引用しそうになりました。 While drafting this page, we almost cited a research paper that does not exist — generated by AI.
「Sidra & Wagan 2026」という引用を、AIは確信を持って提示しました。著者名、年号、内容の要旨まで、完璧に整った形で。しかし実際には、この論文は存在しません。著者名でも、タイトルでも、どこからも検索できませんでした。 "Sidra & Wagan 2026" — AI offered this citation with complete confidence: authors, year, summary, all perfectly formatted. But the paper does not exist. No search returned the authors, the title, or any trace of it.
私たち自身がこの現象の当事者になった。だからこそ、この体験をKnacitの思想の根拠として、ここに正直に開示します。そして私たちが引用する研究は、すべて一次情報で確認した実在のものだけ。その検証の記録は、読みものの〈研究メモ〉にまとめています。 We experienced this phenomenon ourselves. Which is why we disclose it here, honestly, as the foundation of Knacit's philosophy. And every study we cite is a verified, real one — checked against its original source. We've gathered that verification in our Journal, under "Research notes."
Knacitの診断手法Knacit's diagnostic method
「経営が見ている理想」と「現場が知っている現実」をぶつけ、
社長自身も気づいていなかった本当のボトルネックをあぶり出す。
Colliding "what leadership believes" with "what the floor actually knows" — surfacing the true bottleneck that even the president hasn't seen.
単なるヒアリングでも、AIによる自動分析でもない。性質の異なる2つの情報源──〈客観的な研究・市場データ〉と〈現場の生々しい一次情報〉──を意図的に突き合わせることで、どちらか単独では見えない「ズレの真因」を浮かび上がらせます。 Not a simple interview. Not AI auto-analysis. By deliberately colliding two fundamentally different sources — objective research & market data vs. raw, first-hand floor intelligence — we surface the root cause of the gap that neither source alone can reveal.
AIは「視点を増やす道具」。判断は、人間が下す。 AI is a tool to multiply perspectives. Judgment belongs to humans.
人間の思考をプロセスに組み込む、3つの理由Three reasons human thinking must stay in the process
「AIをちゃんと使えばいい」では済まない理由が、研究として積み重なっています。 The evidence is accumulating: "just use AI properly" is not enough.
① HITL（Human-in-the-Loop）① HITL — Human-in-the-Loop
決めるのは、人間。 "Humans decide."
AIに、決めさせない。AIは、優秀な人の知恵を組織全体へ広げる道具です。実際、AI支援で現場の生産性は +14%、経験の浅い人ほど効果が大きい（+34%）。Knacitはこの力を使います。 We let AI suggest. We never let it decide. AI spreads your best people's know-how across the whole team — a 14% productivity lift on the floor, 34% for less-experienced workers. Knacit harnesses that.
ただし──AIにさせるのは「提案」まで。「決定」は、あなたの思考が下す。 But AI's job ends at suggesting; the decision is made by your thinking.
② 検証ステップ（自動化バイアス対策）② Verification step — automation bias
AIの答えに、ひと手間。 "Always question the answer."
AIの出力を、そのまま信じない。熟練の専門家ですら、AIが誤った提案をすると正答率が 82% → 45% に落ちる（放射線科医27人の実験）。 We never take AI output at face value. Even seasoned experts dropped from 82% to 45% accuracy when the AI suggested the wrong call (a study of 27 radiologists).
これが「自動化バイアス」──人は自動システムを過信してしまう。だからKnacitは、AIの出力に必ず人間の検証ステップを物理的に挟む。賢い人ほど、確認を省かない。 That's automation bias — people over-trust automated systems. So Knacit builds a human verification step physically into the process. The sharper you are, the less you skip the check.
③ 思考の余白（思考力空洞化対策）③ Room to think — cognitive hollowing
考える力を、明け渡さない。 "Don't outsource your judgment."
AIに頼り切ると、自分で考えられなくなる。研究では、AIツールを多用する人ほど批判的思考力が低い（負の相関）。AIを信頼するほど、考える労力を手放してしまう。 Lean on AI too hard, and you stop thinking for yourself. Studies find heavier AI users score lower on critical thinking — a negative correlation. The more you trust AI, the more you offload the effort of thinking.
便利さの裏で、判断力そのものが空洞化する。だからKnacitは、人間が自力で考える時間を、仕組みとして残す。 Convenience quietly hollows out judgment itself. So Knacit keeps deliberate human thinking time built into the process.
① 使う → ② でも疑う → ③ でも考え続ける ① Use AI → ② But question it → ③ And keep thinking
AIは「視点を増やす道具」として使います。判断は、あなたと私たちで下します。そして自走できる組織になったとき、私たちはそっと離れます。 We use AI to multiply perspectives. Judgment is made together with you. And when your organisation can run on its own, we quietly step back.
