MBTIは便利な嘘？「わかった気」を生む分類思考の罠とAI時代の人材マネジメント

「あなたは◯◯型です」

そう言われて、少し安心したことはないでしょうか。

「この人は◯◯型だから……」

と言って相手の行動を分析したことはないでしょうか。

自分の思考や行動に名前が与えられ、他者との違いが整理される。昨今巷を賑わせるMBTIをはじめとする性格診断は、複雑な人間を扱いやすい形に変換してくれます。

しかしその一方で、私たちはいつの間にか、「◯◯型」というラベルの中に自分や他人を収めてしまってはいないでしょうか。

本来、人は変化し続ける存在です。にもかかわらず、「あなたはこのタイプだ」という分類は、思考や行動の＜揺らぎ＞を知らず知らずのうちに固定していきます。それは理解の近道であると同時に、変化の余白を奪う行為とも言えます。

なぜ、人は分類したがるのか。

そして、AIが高度に「分類」や「最適化」を担う時代において、人間は何を担うべきなのか。

本稿では、MBTIをひとつの入口として、分類思考のメリット・デメリットを捉え直しながら、AI時代の人材マネジメントにおける＜人間のあるべき姿＞について考えます。

分類思考の罠ーーその限界と使い方

「A型だから几帳面。O型だからおおざっぱ」

多くの日本人にとってお馴染みのこんな会話は、「人を分類し、特性ごとに整理する」という思考の典型例です。

私たちは複雑な他者を理解するために、無意識のうちにカテゴリ分けをしています。血液型性格診断やMBTIも、その延長線上にあります。

しかしこの「分類する」という行為は、単なる人間理解のツールにとどまらず、ときに人間の価値や扱いを決定する力を持つこともあります。

その極端な形が、優生学です。

優生学とは、人間の能力や性質を遺伝的に固定されたものとして捉え、「望ましい特性」を持つ人間を増やし、「望ましくない特性」を持つ人間を減らすべきだとする思想です。

ここで重要なのは、「分類」が「序列」と結びついた点にあります。

単なる違いの整理だったはずの分類が、「優れている／劣っている」という価値判断へと転化したとき、人間の扱いそのものが変わってしまいます。

この思想は19世紀末から20世紀初頭にかけて、欧米を中心に広まり、当時は科学的で合理的な考え方として受け入れられていました。

実際、第二次世界大戦中のナチス・ドイツや戦後の日本では優生学を根拠に障害を持つ人や特定の民族に対する強制不妊手術や殺害が行われました。

これらはすべて、「違いの分類」が「排除の正当化」へとすり替えられた結果です。

社会・組織をより良くするための合理的で科学的な判断？

ここで注目すべきは、これらの施策が当時、「社会をより良くするための合理的な選別」として正当化されていた点です。

本来、分類は人を理解するための道具です。

問題は分類そのものではなく、それが固定的な評価や選別の根拠として使われることにあります。

どのような分類も、変化や成長、文脈によって揺らぐ人間の実態を完全に捉えることはできません。

だからこそ、分類結果は「結論」ではなく、「問いを深めるための仮説」として扱う必要があります。

たとえば「この人はこういうタイプだ」と決めつけるのではなく、「なぜそう見えるのか」「別の側面はないか」と問い直すこと。

こうした運用の仕方こそが、分類を危険な選別の道具にするか、理解のためのきっかけにとどめるかを分けます。

そしてその選択は、個人の思考だけでなく、組織や社会の意思決定のあり方をも形成していくのです。

進化する分類思考ーー「わかりやすさ」の先にあるリスク

心理学者カール・グスタフ・ユングの「心理学的類型」をベースに構築されたMBTI（Myers-Briggs Type Indicator）。

心理学者ウィリアム・マーストンの理論を基盤に、人の行動特性を4つのスタイルで捉える「DISCモデル」。

これらは科学的理論や観察に基づいて、人の知覚と判断、行動傾向を整理する優れたフレームワークです。質問項目の一貫性が高く、再テストでも結果が大きく変わらないなど、一定の信頼性が確認されています。

こうしたツールはコミュニケーションの摩擦を減らし、職務適性を考える手がかりを与えてくれるため、多くの企業に導入されてきました。

一方、AIの登場により分類思考は大きく進化しました。

MBTIやDISCが自己申告や観察をもとにしていたのに対し、AIは

• 勤怠データ
• コミュニケーションログ
• 評価履歴
• スキル
• サーベイ回答

などの膨大な行動データを分析し、個人が離職や目標達成に至るパターンを高い精度で特定できます。

例えば、過去の離職者データと現在の従業員データを照合し、勤続年数、職種、年齢、給与水準、評価履歴、昇進スピード、残業時間、コミュニケーション量など複数の要因から「今後3ヶ月以内の離職確率」を予測することも可能です。

上司や人事は離職リスクが高い従業員を優先的にフォローでき、早期のケアにつなげられます。

採用や評価の領域でもAI活用が進んでいます。実際、

• エントリーシートの自動スクリーニング
• 動画面接の自動評価
• 勤務データに基づくパフォーマンスのスコアリング
• 日報やPCログを解析して行動指示を行うサービス

といったものまで登場しています。

「ソフト優生学」のリスク

しかしながら、こうした「ソフト優生学」ーーすなわち、強制的な排除を伴わない一方で、データとアルゴリズムによって人を選別するシステムーーが現場でトラブルを生んでいるのも事実です。

例えば、米AmazonではAIが配送ドライバーのパフォーマンスを監視し、基準に満たないドライバーの契約をアルゴリズム主導で解除する運用が問題視されています。また同社では、過去の採用データを学習したAIが女性候補者を不利に扱う事例も報告されています。

一方、Uberではアルゴリズムによる評価や報酬決定の基準が不透明だとして、労働組合が説明を求める動きが起きています。

さらに、学生のウェブ閲覧履歴などのデータから内定辞退率を予測し、企業に提供するサービスも登場しています。こうした動きは、AIが学習データの偏りを忠実に再現し、結果として差別を助長する可能性があることを示しています。

したがって、MBTIやDISCと同様にAIによる分類も、使い方が重要なのです。

「ごもっとも」な分類にご注意を

AIやMBTI、DISCの結果は、あまりにももっともらしく理論的に筋が通っているため、人はそのまま「答え」として受け止めがちです。しかし、分類は本来「理解を助ける地図」であり、問いを深めるための道具に過ぎません。

MBTIで自分が◯◯型だと判定されても、「だからこの役割しか合わない」と決めつけるのではなく、「なぜそのような傾向があるのか」「今後どのように変化し得るのか」と問いを広げる材料とすべきです。

AIが離職リスクを高いと示した従業員がいても、その理由や背景を人間が掘り下げることで、真の課題や支援策が見えてきます。

分類結果を「ゴール」とせず、「スタート」として扱うことで、分類によるラベル付けに縛られない対話やトライアンドエラーが可能になります。

分類が提供するのは「今いる場所を示す座標」に過ぎず、そこからどの方向に歩くかは人間自身が決めるものであるべきなのです。

人間の役割は、AIを「裏切る」こと

さて、AIが高い精度で分類や最適化を行う時代において、人間はどのような役割を担うべきでしょうか。

そこでは、よく言われるように単にAIを活用するのではなく、AIを道具として賢く使いこなし、その限界を補完するアクションが求められます。

では具体的にはどんなアクションを起こすべきなのでしょうか。以下ではその例を紹介します。

データに表れない「兆し」を拾う

勤怠やチャットのデータには表れない情報ーーつまり、小さな変化や感情の揺れを感じ取ることは、人間の大切な役割です。

AIが抽出した離職リスクが高い従業員に対して、「最近の表情はどうか」「対話の中で戸惑いや成長意欲が見えるか」といった定性的な情報を積極的に収集しましょう。

AIのバイアスを監視し、説明責任を果たす

AIの判断プロセスをログで記録し、特定の属性に偏りがないかを定期的にチェックする仕組みを整えます。

採用や評価の最終決定は人間が行い、「なぜその候補者を選んだのか」「なぜその評価結果になったのか」を説明できる状態にしておくことが重要です。

AIが貼ったレッテルを対話の中で疑う

部下や同僚が「私は◯◯タイプだからこの仕事は向いていない」と言ったとき、「そのタイプの枠を超えて挑戦したいことはありますか？」と問いかけます。

AIの予測やMBTIのタイプを、本人の可能性を広げるための話題として活かしましょう。

AIの予測を建設的に裏切る

AIが「この従業員にはこの仕事が不向き」と示した場合でも、本人の意欲や成長の兆しを踏まえてあえて任せる判断をするというのも有効なアクションです。

結果としてAIの予測と異なる成果が出れば、モデル改善のフィードバックとして活用します。

AIが知らない「物語」を編む

データや分類だけでは表せない、その人の過去の苦労や夢、職場外での経験といった物語を共有し合うことで、個々のモチベーションやチームの連帯感を高めることができます。

これらの具体的なアクションを通じて、人間はAIと補完し合いながら「分類に抗う力」を育むことができます。

まとめ：地図を閉じ、風景を観る

「分類」は、この不確実な世界を歩くための優秀な地図です。

しかし、地図ばかりを見つめて歩いていると、目の前に咲いている花や、足元の崖に気づくことはできません。

AIによる「完璧な地図」が簡単に手に入る時代だからこそ、私たちは一度その地図を畳み、目の前の相手の瞳を見るべきではないでしょうか。

「まだ何者でもない、変化し、成長し続けていく人間の姿」を信じること 。

それこそが、歴史が教えてくれる「思考停止した人間たちの末路」を回避する、唯一の、そして最も人間らしいマネジメントの形なのではないでしょうか。