DTMを再認識した話 -AIを「人間社会へ接続する」とは何か-

ブログを書き、それを書籍として整理していく過程で、

改めて強く感じたことがあります。

それは、

DTMの本質は「Trust（信頼）」である

ということです。

ここでいうTrustとは、
単に「AIを信用する」という意味ではありません。

重要なのは、

• どの情報を使い
• どのFlowを通り
• どこでBoundaryを確認し
• 誰が承認し
• なぜその判断になったのか

という、

Decision Flow（意思決定の流れ）

を追跡・検証可能にすることです。

つまりDTMとは：

AIの出力を記録する仕組みではなく、

Trustを担保するために、意思決定プロセスそのものを構造化・記録する仕組み

なのです。

既存AIフレームワークの前提

これまでの多くのAIシステムでは、

AI = ツール

として扱われてきました。

つまり：

• AIは補助する
• AIは提案する
• AIは予測する
• 最終判断は人間が行う

という構造です。

この前提なら、
既存の業務システムや組織構造でも問題なく回ります。

なぜなら、

責任主体が常に人間だからです。

しかしAIが「人間のように仕事を始めた」とき

しかし現在、
生成AIとAgentは急速に進化しています。

文章を書く。
コードを書く。
数学を解く。
英語を翻訳する。
調査する。
比較する。
推論する。

しかも、
かなり高いレベルで。

ここで本当に重要になるのは、

AIの精度

ではありません。

問題は：

そのAIを人間社会へどう接続するのか

です。

「新人くんチャッピー」の問題

これは例えば、

「数学も英語もプログラミングも完璧にできる新人社員」

を想像するとわかりやすい。

仮にその新人を、

新人くんチャッピー

とします。

彼は非常に優秀です。

• コードが書ける
• 調査できる
• 資料を作れる
• 数学もできる
• 英語もできる

では質問です。

あなたは、
今やっている仕事を、
いきなり全部チャッピーへ任せられますか？

おそらく多くの人は、

「いや、まだ怖い」

と感じると思います。

なぜか。

能力不足だからではありません。

問題は：

その会社の文脈を知らないから

です。

本当に必要なのは「能力」ではなく「接続」

会社には、

• 暗黙ルール
• 仕事の進め方
• 承認フロー
• 禁止事項
• 例外処理
• 優先順位
• 責任分界
• エスカレーション
• 組織文化

があります。

つまり実社会では、

「正しい答えを出せる」

だけでは足りない。

必要なのは：

社会的に接続可能であること

なのです。

ここがDTMの核心です。

DTMとは「AI接続プロトコル」である

DTMは、
単なるログシステムではありません。

単なるAIワークフローでもありません。

DTMとは：

知能を社会へ接続するための構造

です。

ここで重要なのは、
AIを「万能知能」として扱わないことです。

むしろDTMでは：

AIを「社会プロセスへ接続される存在」

として扱います。

Boundaryとは何か

例えばBoundary。

Boundaryは：

• どこまで許可するか
• どこから人間へ戻すか
• どの条件で停止するか
• どの領域へアクセスできるか

を定義する。

これは会社で言えば：

• 稟議ルール
• 権限
• 承認範囲
• コンプライアンス
• セキュリティ制約

です。

つまりBoundaryとは：

組織文化と制度の実装層

なのです。

---

これを、
「新人くんチャッピー」の例で考えるとわかりやすい。

チャッピーは非常に優秀です。

しかし、
どれだけ優秀でも、

「何をしてよいのか」

が定義されていなければ、
組織では危険になります。

例えば：

• 本番DBを直接変更してよいのか
• 顧客へ直接返信してよいのか
• 契約内容を変更してよいのか
• 外部サービスへ情報送信してよいのか
• どこまで自動実行してよいのか

は、
会社によって全く違う。

ある会社では許可されることが、
別の会社では禁止される。

つまり現実社会では、

「能力がある」

ことよりも、

どこまで任せるか

の方が重要になる。

ここで必要になるのがBoundaryです。

Boundaryは、

AIを制限するためだけのもの

ではありません。

むしろ：

組織が安心してAIへ仕事を委譲するための構造

なのです。

つまりBoundaryとは：

「ここまではチャッピーに任せてよい」

を明示する仕組みです。

そして逆に：

• 危険な領域
• 高責任領域
• 法務領域
• 経営判断
• 人事評価

などはHuman Gateへ戻す。

つまりBoundaryは：

AIと人間の責任分界線

でもあるのです。

Runtimeとは何か

Runtimeは、

Signalを受け取り、
Flowに従って処理し、
Boundaryを確認し、
必要ならHuman Gateへ戻し、
実行へ接続する。

つまりRuntimeとは：

社会的実行エンジン

です。

ここで重要なのは、

AI単体では意思決定しない

という点です。

意思決定は：

• 組織ルール
• Flow
• Boundary
• Human Gate
• Context

を含めて初めて成立する。

つまり：

Decision = AI Output

ではない。

Decision = Socially Executable Process

なのです。

---

これを、
「新人くんチャッピー」の例で考えるとわかりやすい。

チャッピーは、

• 数学もできる
• 英語もできる
• コードも書ける
• 資料も作れる

非常に優秀な存在です。

しかし実際の会社では、
単に能力が高いだけでは仕事は回りません。

例えば：

• まず誰へ確認するのか
• どの順番で進めるのか
• どこで承認が必要なのか
• どこまで自分で決めてよいのか
• 例外時に誰へエスカレーションするのか
• どの部署と調整するのか
• 過去に何が問題だったのか

といった、

会社特有のWorkflowやProcess

が存在する。

つまり現実の仕事とは、

「正しい答えを出すこと」

だけではなく、

組織のFlowへ接続されること

なのです。

Runtimeとは、
まさにその接続層です。

AIを単独知能として扱うのではなく、

組織のWorkflow
組織のBoundary
組織の責任構造
組織の承認プロセス

へ接続する。

つまりRuntimeとは：

AIを会社の仕事の流れへ組み込むための実行構造

なのです。

Ledgerとは何か

そしてLedger。

Ledgerは単なるログではありません。

重要なのは：

• なぜそう判断したのか
• どのSignalを使ったのか
• 誰が承認したのか
• どこでBoundaryを超えたのか
• どのFlowを通ったのか

を追跡できることです。

つまりLedgerとは：

Trust Infrastructure

です。

AI時代に本当に重要なのは、
AIのIQではありません。

重要なのは：

「その判断を信頼できるか」

なのです。

---

これも、
「新人くんチャッピー」の例で考えるとわかりやすい。

チャッピーは非常に優秀です。

実際、
仕事をさせてみると、
かなり正しい。

コードも書ける。
資料も作れる。
英語もできる。
数学もできる。

しかし実際の現場では、

「なんか微妙に違う」

ことが起きる。

例えば：

• 過去の経緯を考慮していない
• 社内特有の慣習を知らない
• 暗黙ルールを外している
• 例外条件を見落としている
• “前回はこうだった” を反映していない

つまり：

一見正しそうだが、
現場ではズレる

という問題が発生する。

ここが重要です。

ChatGPTのようなAIも、
内部では大量の記録やメモリを扱っています。

しかし多くの場合、

• 何を参照したのか
• どの知識を使ったのか
• なぜその結論になったのか
• どの判断経路を通ったのか

が見えません。

つまり：

「賢い」

ことと、

「信頼できる」

ことは違う。

ここでLedgerが重要になる。

Ledgerがあることで、

• どの情報を根拠にしたのか
• 誰が承認したのか
• どこで修正されたのか
• なぜその判断になったのか
• どこで問題が起きたのか

を追跡できる。

つまりLedgerとは：

チャッピーの“仕事の記録”

を可視化する仕組みなのです。

そしてこれは、
単なる監視ではありません。

むしろ：

「この範囲なら安心して任せられる」

を作るための基盤です。

つまりLedgerとは：

AIを疑うための仕組みではなく、

AIと人間が協調するためのTrust Layer

なのです。

DTMはAI専用ではない

ここでさらに重要なことがあります。

実はこの構造は、

AI専用ではない。

新入社員にも使える。

外部委託にも使える。

ベテラン社員にも使える。

つまりDTMとは：

人間とAIを同じ社会構造へ接続するためのモデル

なのです。

特にベテラン社員のケースでは

特に面白いのはここです。

DTMは、
新人教育だけではなく、

ベテランの知識再利用

にも効く。

多くの会社では：

• ベテランの暗黙知
• なぜそう判断したか
• どう例外処理したか
• どこで止めたか
• どこを危険視したか

が失われていく。

しかしDTMでは：

Decision Trace

として残せる。

つまりDTMは：

AI導入システム

であると同時に、

組織知能保存システム

でもある。

DTMの本質は「Trust Runtime」

ここまで整理して、
改めて感じたのは、

DTMの本質は、
単なるAI制御ではない

ということです。

本質は：

TrustをどうRuntime化するか

なのだと思います。

AIが賢くなるほど、
問題は精度ではなくなる。

問題は：

• どう接続するか
• どこまで任せるか
• どこで止めるか
• 誰が責任を持つか
• どう検証可能にするか

になる。

つまりAI時代とは：

「知能の問題」

である前に、

Trust Architecture の問題

なのです。

そしてDTMは、
そのTrustを実行可能にするための構造なのだと思います。

Chinoba — Runtime Society and Coordination Systems:
chinoba.org