スパンオブコントロールとAI｜管理職1人が見る人数

「AIが週報も進捗もまとめてくれるなら、課長1人で20人は見られるはずだ」「報告の手間が減ったぶん、管理の階層を1つ減らせないか」。生成AIの社内展開が一巡した会社の経営企画や事業部長から、組織図を前にしてこうした問いが出てくるようになりました。報告が軽くなったのは事実でも、だから人数を増やせる、とはなりません。管理職1人が見られる人数を決めているのは、報告を集める手間ではありません。本当は、部下1人ずつに割く育成と、例外を判断する時間です。この記事では、スパンオブコントロール（管理の幅）の考え方を押さえたうえで、AIで軽くなる管理の仕事と軽くならない仕事を分け、幅を広げてよい条件と壊れる条件、階層を見直す前に確かめる順番、見直した後に戻す合図までを整理します。

スパンオブコントロールとは、管理職1人が直接見る部下の人数

スパンオブコントロールは、1人の管理職が直接指揮し、面倒を見る部下の人数のことです。日本語では「管理の幅」「管理範囲」「統制の幅」とも訳されます。組織論では古くから扱われてきた考え方で、ギュリックやアーウィックといった経営学者が、1人で見られる人数には限りがあるという原則を唱えたことで知られています。

押さえておきたいのは、適正な人数に一律の答えはないという点です。リクルートワークス研究所の論文（ワークス・レビュー第5号、2010年）も、管理できる人数は業態、仕事の性質、管理職の力量、部下の多様さなどで変わるため、絶対的な人数だけに根拠を求めるのは合理性を欠く、と述べています。同じ8人でも、定型の受注処理を担う8人と、新規開拓を担う8人とでは、管理職にかかる重さがまるで違います。

そのため本稿では「何人が正しいか」ではなく、「AIを入れたことで、自社のこの部署の幅を変えてよいか」を問いにします。答えを出す材料は、他社の数字ではなく自社の管理職の時間の使い方です。

幅と階層の数は表と裏。幅を広げると段が減る

管理の幅は、組織の階層の数と表裏の関係にあります。社員の総数が同じなら、1人が見る人数を増やすほど管理職の数は減り、組織図の段も少なくなります。いわゆる「組織のフラット化」は、この関係を使って階層を減らす施策です。

例として、担当者が120人いる事業部で考えます。課長1人が6人を見るなら課長は20人要り、さらに部長1人が課長を5人見るなら部長は4人、その上に事業部長が1人で、担当者の上に3つの段が載ります。課長1人が12人を見るなら課長は10人で、事業部長が直接10人の課長を見れば段は2つで済みます。幅を倍にすると、管理職の数が減るだけでなく、意思決定の経路が1段短くなるわけです。

1. 課長1人が6人を見る場合：課長20人、上に課長・部長・事業部長の3段。伝達に時間はかかるが、課長が部下1人に割ける時間は多い
2. 課長1人が12人を見る場合：課長10人、課長・事業部長の2段。決まるのは速いが、課長1人あたりの例外と育成の負荷はおよそ倍になる
3. 課長1人が20人を見る場合：課長6人、2段のまま。課長が部下と話す頻度が目に見えて落ち、数字で管理する比重が上がりやすい

この3つの数字は計算の例です。どれが正しいかは、部署の仕事の中身で変わります。例から読み取ってほしいのは、幅を変えると管理職の数・段の数・1人あたりの負荷の3つが同時に動くことです。どれか1つだけを見て決めると、残りの2つで想定外のことが起きます。

「AIが報告を肩代わりすれば何人でも見られる」が誤解である理由

AIを入れると管理の幅を広げられる、という主張の根拠は、管理職の時間のうち報告の取りまとめや進捗の確認に使っていた分が減る、という点にあります。この前提は半分正しい。週報の要約、案件の進み具合の一覧、会議の議事メモといった作業は、生成AIや業務システムの自動集計でかなり軽くなります。

誤解が生まれるのは、その先です。管理職1人が見られる人数の上限を決めているのは、報告を読む時間の合計ではありません。部下1人ずつと話し、育て、迷ったときに判断を返す時間です。報告を集める時間は人数に比例して増えますが、AIで集めた報告を読み、気になる点を本人に確かめ、手を打つ時間は、集める作業が軽くなっても残ります。

もう1つの落とし穴は、AIが集約してくれることで、管理職が「全員の状況が見えている」と感じやすくなることです。一覧に並ぶのは記録に残った動きだけで、記録に出ない迷いや、相談しそびれている問題は映りません。見えている気がすることと、見えていることは別物です。幅を広げる判断を、AIの一覧が手元にあるという安心感で下さないことが出発点になります。

管理の仕事を5つに分けると、AIの効きどころが見える

「管理職の仕事がAIで減る」と一括りにすると判断を誤ります。管理職が部下に対して行っている仕事を、性質で5つに分けて考えると、どこが軽くなり、どこが残るのかがはっきりします。

管理の仕事	中身の例	AIで軽くなるか	理由
集める	週報・日報・案件の状況の取りまとめ	大きく軽くなる	定型の文書を要約・一覧にするのはAIと自動集計の得意分野
追う	期日の近い仕事・遅れの確認	軽くなる	記録に残る期日と更新日からの抽出は機械で回せる
調整する	会議の日程・資料の下書き・依頼の文面	一部軽くなる	下書きは速くなるが、誰に何を頼むかは管理職が決める
決める	例外の判断・優先順位の付け替え・承認	ほぼ軽くならない	判断の責任は管理職に残る。AIは材料を並べるまで
育てる	面談・仕事の任せ方・振り返り	軽くならない	部下1人ずつの理解と信頼が要り、人数に比例して時間がかかる

幅を広げられるかどうかは、この5つのうち「決める」と「育てる」が管理職の時間の何割を占めているかで大きく変わります。集める・追う仕事が時間の大半を占めていた部署なら、AIで浮いた時間を使って幅を広げる余地があります。反対に、もともと決める・育てる仕事が中心の部署では、AIを入れても人数を増やす余地は小さいままです。

AIで軽くなる仕事：集める・追う・下書きする

軽くなる側の仕事は、記録に残るものを扱う作業です。部下が書いた週報を要約して共通の論点を拾う、案件管理の記録から期日を過ぎたものを抜き出す、会議の前に論点の一覧を作る、といった作業は、生成AIに下書きをさせて管理職が確かめる形にすると、かかる時間が目に見えて縮みます。

ここで大事なのは、軽くなった時間を測ることです。「AIを入れたから楽になったはず」という感覚ではなく、導入の前後で、管理職が集める・追う作業に使った時間を週単位で記録して比べます。後で幅を見直す判断の土台になるのは、この記録だけです。止まった仕事を見つける仕組みそのものの作り方は、別の記事「進捗の追いかけはAIに任せられる？」で整理しているので、本稿では追跡が軽くなった後の人数の決め方に絞ります。

注意したいのは、AIの要約は落とすものがあることです。週報の中の小さな違和感や、本人が遠慮して短く書いた困りごとは、要約の段で消えやすい。要約を読むだけで済ませる部下と、原文まで読む部下を分けておくと、軽くした分の見落としを抑えられます。たとえば、配属から半年以内の部下と、前週に例外の相談があった部下の週報は原文で読む、といった決め方です。

軽くならない仕事：育てる・例外を決める・評価の根拠を持つ

軽くならない側の仕事は、人と人の間で起きるものです。部下がどこでつまずいているのかを本人との会話で確かめる、任せる仕事の大きさを少しずつ上げる、迷ったときに「ここはこう判断する」と理由ごと返す。こうした時間は、AIが下書きを作っても短くなりません。むしろAIが作業を速めた分、部下はより難しい判断に早く行き当たり、相談の中身は重くなる傾向があります。

例外の判断も同じです。AIに過去の似た事例や社内の規程を並べさせることはできますが、どの例外を認め、どれを認めないかを決めるのは管理職で、その責任は移せません。AIに判断させない範囲を先に決めておかないと、管理の幅を広げた部署ほど、例外の判断がAIの提案の追認になりがちです。

さらに、部下の仕事ぶりを正しく見ておくことも軽くなりません。人事の評価制度そのものは本稿の範囲外ですが、少なくとも管理職は、部下が何に取り組み、どこで成果を出したかの根拠を自分で持っている必要があります。AIの一覧に残った数字だけで部下を見るようになると、記録に出ない貢献が見えなくなるからです。見る人数を増やすほど、この根拠を持つのは難しくなります。

研究が示した、幅を広げたときに遅れて出る反作用

管理の幅を広げたとき何が起きるかについては、国内に参考になる研究があります。リクルートワークス研究所の白石久喜氏の論文「フラット化による管理人数の拡大が従業員の能力開発に及ぼす影響」（ワークス・レビュー第5号、2010年）です。同研究所の「人材マネジメント調査2009」（2009年9月から2010年1月、研究パートナー企業302社の人事責任者が対象、有効回答98社）から、組織のフラット化を行った企業を取り出し、営業部門の課長の管理人数を分析しています。

結果として、課長の管理人数が自社の平均を超えて広がった組織では、課長の仕事量が増え、課長と課員の間のやりとりの頻度が下がる傾向が見られました。それを補うように、数値で管理する比重が高まっていたことも示されています。日々の業務の範囲では、不具合が出てもそれを補う手が打たれ、短期的にはなんとか回っていた、という読み方です。

一方で、より長い目で見た影響として、新人・若手を育てる力の低下、課員の社内での異動の減少が確かめられ、課長自身の能力開発も妨げられていると推測されています。課長の管理人数が増える傾向が続いている会社ほど、職場の停滞が見られたことも報告されています。短期の業務は回るのに、育成と職場の力は遅れて削られるというのが、この研究のいちばん重い指摘です。

ただし、この研究は2010年の発表で、生成AIが登場する前のものです。サンプルも98社と小さく、著者自身が調査方法や変数の課題を挙げています。それでも今のAI導入に重ねて読む価値があるのは、「数値で管理する比重が上がる」は、AIの一覧や自動集計がまさに強めるものだからです。研究では、数値の管理はやりとりの減少を補う手段として現れていました。AIで数字が見やすくなったことを幅を広げる理由にすると、補う手段だけが増え、育成の時間が減るという同じ構図を、より速く作ってしまうおそれがあります。

• 研究の内容は、リクルートワークス研究所「ワークス・レビュー」第5号（2010年）掲載の白石久喜「フラット化による管理人数の拡大が従業員の能力開発に及ぼす影響」の本文に基づきます（2026年10月2日に確認）
• 分析の対象はフラット化を行った企業の営業部門で、他の部門や生成AIを使う職場にそのまま当てはまるとは限りません

幅を広げてよい条件

では、どんな部署なら幅を広げてよいのか。前の節までの整理から、条件は「AIで浮いた時間が本当にあること」と「育てる・決める仕事の負荷が人数ほどには増えないこと」の2つに集約できます。具体的には、次のような状態がそろっている部署が候補になります。

• 管理職の時間の記録で、集める・追う作業の時間がAIの導入後に実際に減っている
• 部下の多くが経験を積んでおり、配属から1年以内の人の比率が低い
• 仕事の手順や判断の基準が文書になっていて、部下が自分で判断できる範囲が広い
• 例外の相談が週に数件程度に収まり、相談の中身が似ている
• 管理職が自分の担当業務（プレイヤーとしての仕事）をほとんど持っていない
• 課長と担当者の間に、育成を任せられる立場の人（主任や先輩役）が公式に置かれている

最後の条件は見落とされがちです。先の研究は、課長と担当者の間に育成の責任を持つ公式な立場を置くことを提案しています。インタビューでは「組織を大括りにしても非公式の階層ができるので日常の運営は回ったが、非公式ゆえ育成までは担ってもらえなかった」という声が紹介されています。幅を広げるなら、育成を担う人を名前で決めてから広げるのが順番です。

広げると壊れる条件

反対に、次のような部署で幅を広げると、AIを入れていても管理が壊れやすくなります。共通するのは、育てる・決める仕事が人数とともに増えていく点です。

• 新人や異動してきたばかりの人が多い：1人ずつの立ち上げに管理職の時間が要り、人数が増えるほど1人あたりの時間が削られる
• 決まった手順のない、毎回考える仕事が中心：新規開拓や企画のように判断の場面が多い仕事は、相談の数が人数に比例して増える
• 管理職がプレイヤーを兼ねている：先の論文は、部長の6割、課長の8割が何らかの形でプレイヤーを兼務しているという数字を引いている。兼務の時間はAIで浮いた時間を食いつぶす
• 判断の基準が管理職の頭の中にしかない：部下は迷うたびに相談するしかなく、AIで手順を整えても相談は減らない

2つ目の条件は、先の研究の分析でも、仕事の性質を統制する変数として扱われていました。毎回考える仕事ほど管理職の仕事量が増える、という結果です。AIで下書きが速くなるのは主に手順の決まった仕事で、毎回考える仕事の判断の重さは変わりません。同じ会社の中でも、部署ごとに広げてよい幅は違うという前提で、全社一律の上限を決めないことが大切です。

AIエージェントは「見る人数」に数えるか

AIエージェント、つまり指示を受けて一連の作業を自分で進めるAIを部署に置くと、「管理職はAIも部下として見ることになるのか」という問いが出てきます。本稿の整理では、エージェントは管理の幅の人数には数えず、別の列で扱うのがよいと考えます。

理由は、エージェントに対する管理職の仕事が、人の部下に対する仕事と性質が違うからです。エージェントは育てる対象ではなく、出力を確かめる対象です。一方で、確かめる量はエージェントの作業量に比例して増えます。エージェントを人数に混ぜると、育成の負荷と確認の負荷が同じ数字に溶けて、どちらが重いのかが分からなくなります。そこで、部署の一覧には人の部下の人数とは別に、管理職が確かめているエージェントの出力の量を書く列を設けます。

AIを要員計画の上で何人分と数えるかという問いは、また別の話です。それについては別の記事「AIは1人分として数えられる？」で整理しています。本稿で言いたいのは、管理の幅を決めるときに、確認の量が人の部下の人数を圧迫していないかを見落とさないこと、の1点です。

階層を見直す前に確かめる順番

幅を広げる、あるいは階層を1つ減らすと決める前に、確かめることには順番があります。いきなり組織図を描き直すのではなく、管理職の時間の実態を測ることから入ります。

この順番のうち、記録の集計、仕事の5つへの仮の振り分け、一覧の下書きはAIに任せられます。ただし、AIに振り分けさせるときは、どの記録をどの仕事に分けたかの根拠を書かせるようにしてください。振り分けの根拠が見えないと、決める・育てる仕事が集める仕事に紛れ込み、浮いた時間を多く見積もることになります。

部署ごとの幅の一覧に書く項目

階層の見直しを議論するときの土台になるのが、部署ごとの管理の幅の一覧です。直属の人数だけを並べた一覧では判断できません。幅を広げてよい条件と壊れる条件に対応する項目を、部署ごとに1行で書きます。

項目	書く中身	読み方
直属の人数	管理職1人が直接見ている人の部下の数	自社の同種の部署の平均からどれだけ超えているかで見る
新人の比率	配属から1年以内の人の割合	高いほど育成の時間が要り、広げる余地は小さい
例外の相談	週あたりの相談の件数と、似た相談の割合	件数が多く中身がばらばらなら、広げると判断が詰まる
管理職の兼務	自分の担当業務に使う時間の割合	割合が高いほど、AIで浮いた時間は管理に回らない
基準の文書化	手順と判断の基準が文書になっている範囲	文書になっているほど部下が自分で判断できる
育成の担い手	主任・先輩役が公式に決まっているか	決まっていなければ、広げる前に決める
確かめるAIの出力	管理職が確認しているAIエージェントの出力の量	人数とは別に数え、確認が育成の時間を食っていないかを見る

直属の人数を「平均からの超過」で読むのは、先の研究が取った方法でもあります。研究では、その組織の課員の平均を仮の適正人数とし、それを大きく超えた組織の人数との差を尺度にしていました。他社の人数と比べるより、自社の中で平均から外れている部署を探すほうが、業態や仕事の違いに左右されにくくなります。

一覧を作るときは、数える基準日と数え方をそろえます。休職中の人、短時間勤務の人、ほかの部署と兼務している人をどう数えるかを部署ごとに変えると、平均からの超過が意味を持たなくなります。人数の数え方を1行の注記として一覧の上に書いておき、半年ごとに同じ数え方で作り直すと、幅の変化を時系列で追えるようになります。

見直した後に戻す合図を先に決める

幅を広げた部署で起きる反作用は、先の研究が示すとおり遅れて出ます。半年後に「うまくいったか」を振り返るだけでは、育成の遅れに気づいたときには手遅れになりかねません。そこで、幅を広げる前に、どの数字がどこまで動いたら元に戻すかを決めておきます。

• 管理職と部下1人ずつの面談の間隔が、決めた日数より延びた
• 部下が相談してから管理職の判断が返るまでの日数が延びた
• 新しく配属された人が、一人で仕事を回せるようになるまでの期間が延びた
• 管理職のところで止まっている例外の判断の件数が増えた
• 管理職が見る数値の項目が増え、部下と話す時間が減った
• 管理職自身の担当業務や残業の時間が、導入前より増えた

5つ目の合図は、研究で見られた「数値の管理で補う」動きを捉えるためのものです。AIの一覧に項目を足すのは簡単なので、見る数字が増えたこと自体が、やりとりが減っている兆しになりえます。合図は2つか3つに絞り、誰がいつ確かめ、合図が出たら誰が戻すと決めるかまで書いておくと、実際に戻せるようになります。

合図を数字で読むには、幅を広げる前の値が要ります。面談の間隔、相談から判断が返るまでの日数、新しく来た人が一人立ちするまでの期間は、試す部署で少なくとも1〜2か月分を先に測っておきます。比べる相手として、幅を変えない似た部署を1つ選び、同じ項目を同じ期間に測っておくと、季節や繁忙の波による変化と、幅を広げたことによる変化を分けて読めます。測る作業の集計はAIに任せられますが、どの変化を合図とみなすかは人が決めます。

AIに任せる下書きと、人が決めること

管理の幅の見直しは、AIが役に立つ場面と、AIに任せてはいけない場面がはっきり分かれる仕事です。人が確認する範囲を先に決めてから、AIを使い始めてください。

後者の判断は、どれも人の働き方とその後の育ち方に関わります。AIの一覧で「この部署は平均より人数が少ないので広げられる」と出ても、それは材料の1つにすぎません。階層を減らすか、誰の管理範囲を広げるかはAIに判断させない。この線を、見直しの会議の前に関係者で確かめておくことを勧めます。

なお、管理職の数が変わることは、人事の制度や処遇の話につながります。評価・報酬・配置の手続きは本稿では扱わず、人事部門の制度の中で別に決めるものとして切り分けてください。管理職に何を教えるかという研修の設計も、別の記事「AI研修は全員同じ中身では効かない」の領域です。本稿が扱うのは、AIを入れた後の管理の仕組みとしての人数と段の数に限ります。

よくある質問

管理職1人が見る人数は、何人が適正ですか？

一律の答えはありません。仕事の性質、部下の経験、管理職の兼務の有無で変わるため、他社の数字や一般論の人数をそのまま当てはめるのは避けてください。自社の同種の部署の平均を起点にし、そこから大きく外れている部署の状況を確かめるほうが確実です。

AIを入れたら、管理職を減らしてよいのですか？

AIを入れたことだけを理由に減らすのは勧めません。まず管理職の時間の記録で、どの仕事がどれだけ減ったのかを確かめてください。減ったのが集める・追う仕事だけなら、浮いた時間を育成や判断に回すほうが、組織の力は保たれます。人数を変える判断は、記録と試行の結果を見て人が下します。

AIエージェントの数も、管理の幅に入れるべきですか？

人の部下の人数とは分けて数えるのがよいと考えます。エージェントに対する管理職の仕事は出力の確認で、育成とは性質が違うからです。部署の一覧には、人の部下の人数と、確かめているエージェントの出力の量を別々の列に書き、両方の負荷を見ます。

どの部署から試すのがよいですか？

部下の経験が長く、手順と判断の基準が文書になっていて、管理職がプレイヤーを兼ねていない部署が候補です。加えて、集める・追う仕事がもともと管理職の時間の多くを占めていた部署ほど、AIで浮いた時間がはっきり出ます。試す期間と戻す合図を決めてから始めてください。

まとめ

スパンオブコントロールは、管理職1人が直接見る部下の人数で、組織の階層の数と表裏の関係にあります。AIが軽くするのは報告を集め、進捗を追い、文書を下書きする仕事で、部下を育て、例外を決め、仕事ぶりの根拠を持つ仕事はほとんど軽くなりません。過去の研究は、幅を広げると短期の業務は回る一方で、育成と職場の力が遅れて削られることを示しており、数字で補う動きはAIの一覧がかえって強めかねません。幅を変える前に、管理職の時間の記録で減った中身を確かめ、部署ごとの一覧で条件を見比べ、1つの部署で期間を区切って試し、戻す合図を先に決めてください。集計と下書きはAIに根拠つきで任せ、階層を減らすか、誰の管理範囲を広げるかは人が決めます。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。