正統的周辺参加とは？新人は「端っこの仕事」から学ぶ

入社して最初の仕事は、週に一度の進捗報告のとりまとめだった。各担当から届くメモを一つの表に写すだけで精一杯で、何の役に立っているのか分からない。けれど半年もすると、誰がどの案件を抱え、どこで仕事が滞りやすいのかが、なんとなく分かるようになっていた。

この「なんとなく分かるようになる」過程に名前をつけたのが、正統的周辺参加という考え方です。少し硬い言葉ですが、中身は職場の誰もが一度は通った道の話です。そして生成AIがとりまとめや下調べを引き受けるようになった今、この考え方は、新人の育て方を見直す視点をくれます。

正統的周辺参加とは

正統的周辺参加（Legitimate Peripheral Participation）とは、仲間として認められた新人が、全体の端にある小さな仕事から加わり、参加を深めながら一人前になっていく学び方です。アメリカのカリフォルニア大学バークレー校で教えた社会人類学者のジーン・レイヴ氏と、のちに実践共同体の研究で知られるスイス出身の教育理論家、エティエンヌ・ウェンガー氏が、1991年の共著『Situated Learning: Legitimate Peripheral Participation』で示した考え方です。邦訳は、認知科学者の佐伯胖氏の訳で『状況に埋め込まれた学習：正統的周辺参加』（産業図書、1993年）として出ています。

両氏は、学習を「頭の中に知識をためること」ではなく、「ある共同体の実践に参加していく過程」としてとらえました。この考え方は、状況的学習（状況に埋め込まれた学習）と呼ばれます。言葉を3つに分けてみると、それぞれの意味が見えてきます。

言葉	意味	職場でいうと
正統的	共同体のメンバーとして、そこにいることが認められている	見学者ではなく、チームの一員として扱われている
周辺	全体の端にある、失敗しても影響の小さい仕事から関わる	進捗報告のとりまとめ、資料の清書、定型的な問い合わせ対応など
参加	見ているだけでなく、実際の仕事の一部を担う	自分の担当として、仕事の結果に責任を持つ

周辺から始まった参加は、時間をかけて中心へと深まっていきます。レイヴ氏とウェンガー氏は、共同体の実践に一人前として加わっている状態を「十全的参加」と呼びました。ただし、両氏は「中心」を一つの到達点としては描いていません。参加の仕方が変わり、それにつれて本人のアイデンティティ（自分は何者か）が変わっていくこと全体を、学習と見ています。

同書が取り上げた5つの徒弟制

同書が取り上げたのは、メキシコ・ユカタン半島のマヤの助産師、西アフリカ・リベリアの仕立て屋、アメリカ海軍の操舵手、アメリカのスーパーマーケットの肉加工職人、断酒を続けるアルコール依存症の人たちの集まりです。レイヴ氏とウェンガー氏は、この考え方を、こうしたさまざまな共同体の事例から組み立てました。

この中で、正統的周辺参加の特徴がよく表れているのが、仕立て屋と肉加工職人の対比です。

仕立て屋：作る順番と、学ぶ順番が逆になっている

リベリアの仕立て屋の徒弟は、まずボタン付けや裾まつりといった仕上げの作業から関わり、次に縫製、最後に裁断へと進みます。服ができあがる順番は、裁断、縫製、仕上げです。つまり、学ぶ順番は作る順番の逆になっています。

仕上げの作業は、失敗しても服全体をだめにしにくい仕事です。そのうえ、仕上げをしていると、完成した服の全体を何度も手に取ることになります。徒弟は小さな仕事を任されながら、最終的に何を作っているのかを、くり返し目にしていたのです。

肉加工職人：端に置かれても、全体が見えなければ学べない

一方、スーパーマーケットの肉加工の見習いは、熟練者の仕事が見えない場所で、包装などの作業をくり返していました。同書は、この見習いたちが、周辺の仕事を担っていても、実践の全体に触れる機会が限られていたため、学ぶことが難しかったと述べています。

2つの事例の違いは、端の仕事の中身ではなく、端から全体が見えていたかどうかです。周辺の仕事を与えるだけでは、正統的周辺参加にはなりません。

「教わる学び」と「参加の中の学び」

「教わる学び」は仕事から切り離された場で決められた知識を学び、「参加の中の学び」は実際の仕事の現場で、仕事の一部を担いながら学びます。ここで、研修のような「教わる学び」と、正統的周辺参加が描く「参加の中の学び」を並べてみます。比べる観点と表の言葉づかいは、当ブログが選んだものです。

	教わる学び	参加の中の学び
学ぶ場所	仕事から切り離された場（研修室など）	実際の仕事の現場
学ぶ中身	あらかじめ決められた知識や手順	仕事の進め方、判断の勘所、誰に何を聞けばよいか
新人の立場	教えられる人	小さくても仕事の一部を担う仲間
学んだ証	テストや確認で示せる知識	任される仕事の範囲が広がること

どちらが正しいという話ではありません。研修で基本を押さえる意味もあります。ただ、職場で一人前になるまでの多くの部分は、右の列の学びで進んでいます。

生成AIが「端っこの仕事」を引き受けるとき

生成AIが端っこの仕事を引き受けるなら、新人がどこから仕事に加わるのかを、別に用意する必要があります。レイヴ氏とウェンガー氏が描いたのは、助産師や仕立て屋の徒弟制のような共同体までです。AIと結びつけて考えるこの先は、当ブログの見方になります。生成AIが得意な仕事には、報告のとりまとめ、資料の下調べ、定型的な文書の下書きなど、これまで新人が最初に任されてきた仕事が多く含まれます。業務の効率という点では、AIに任せるのは自然な判断です。

けれども、正統的周辺参加の見方からすると、これらの仕事は、新人が全体を見渡しながら仕事に加わるための入口でもありました。入口をAIが引き受けたまま代わりを用意しなければ、新人は端に立ったまま全体が見えなくなります。肉加工の見習いと同じ立場です。

例A：進捗報告のとりまとめをAIに任せたら、新人がチームの動きを追えなくなった

あるチームでは、週次の進捗報告のとりまとめを、AIの自動作成に切り替えました。報告の体裁はそろい、新人はとりまとめ係から外れました。ところが数か月後、新人が定例の打ち合わせで発言しないことが話題になりました。本人に聞くと、「誰が何を抱えていて、どこが遅れているのか、追えていない」と言います。とりまとめをしていたころは、チームの動きを自分の手で整理していたのです。

例B：AIのまとめを、新人が確かめる役にした

別のチームでは、AIがまとめた進捗報告を、新人が配信の前に読み直し、遅れている案件と次の締め切りを確かめて、気になる点は担当者に確認を送る役にしました。作業時間は以前より短くなりましたが、新人はチームの仕事の中身に触れ続けることになりました。確認のやり取りを重ねるうちに、誰がどの案件を担当しているのかを、前よりつかめてきた様子がうかがえました。

新人の入口を設計し直す4つのステップ

1. 新人が担ってきた仕事を書き出す：配属から半年ほどの間に任せてきた仕事を、小さなものまで並べます。
2. それぞれの仕事から何が見えていたかを書く：その仕事を通じて、新人がチームの仕事のどの部分に触れていたのかを、一つずつ書き添えます。
3. AIに任せる仕事を決める：効率の面からAIに任せたい仕事に印をつけます。
4. 見えなくなるものの代わりを用意する：印をつけた仕事で新人に見えていたものが、どこで見えるようになるかを決めます。AIの出力を確かめる役、熟練者の判断に同席する役などが候補です。

記入例：新人の仕事の棚卸し表

上の4つのステップを実際に進めるための表を、記入例つきで載せます。並べた仕事は一例なので、自分の職場で新人が受け持っている仕事に差し替えて使ってください。

新人が担ってきた仕事	その仕事から見えていたもの	AIに任せるか	新人に残す関わり方
週次の進捗報告のとりまとめ	誰が何を抱え、どこが滞っているか	とりまとめはAIに任せる	配信前に読み、気になる点を担当者に確認する
競合や市場の下調べ	チームが何を判断材料にしているか	情報集めはAIに任せる	集めた情報から論点を選び、上司と話す
定型的な問い合わせへの回答	顧客がどこでつまずくか	回答案はAIに任せる	回答を送る前に読み、よくあるつまずきを記録する

AI活用のポイント：仕事の「見えていたもの」を洗い出す

生成AIは、新人の仕事ごとに「その仕事から何が見えていたか」を言葉にする、聞き手として使えます。新人の仕事を書き出しても、その仕事で何が見えていたのかは、意外と言葉になりません。熟練者には当たり前すぎるからです。

私のチームでは、次の仕事を新人に任せてきました。

[仕事のリストを貼る。社名・顧客名は伏せる]

今後、このうちいくつかを生成AIに任せる予定です。
次の順で整理してください。
1. それぞれの仕事を通じて、新人がチームの仕事のどの部分に触れていたと考えられるかを推測する
2. AIに任せた場合に、新人から見えなくなりそうなものを挙げる
3. 見えなくなるものを補うために、新人に残せる関わり方を、仕事ごとに2つずつ提案する

推測は推測と分かるように書いてください。

表に写す前に、AIが挙げた「見えていたもの」を、その仕事をいま受け持っている新人や、最近まで受け持っていた人に読んでもらいます。「それは見えていなかった」「むしろこれが見えていた」と直された箇所が、棚卸し表のいちばん大事な中身になります。

まとめ

• 正統的周辺参加は、仲間として認められた新人が、端の仕事から加わり、参加を深めながら一人前になる学び方です
• 端の仕事が学びになるのは、そこから仕事の全体が見えているときです
• AIが端の仕事を引き受けるなら、新人が全体に触れる入口を別に設計します

冒頭の、進捗報告を表に写していた新人。あの半年でつかんだのは、表の作り方ではなく、チームの仕事の地図でした。その仕事をAIに渡すなら、地図を描く別の機会も一緒に渡してください。あなたの職場で新人が最初に任される仕事から、チームの仕事の全体は見えているでしょうか。

言葉にしにくい職場の知恵が、人から人へ渡っていく過程は、SECIモデルとは？身近な例で考える生成AI時代のナレッジ共有で別の角度から取り上げています。

関連記事

• SECIモデルとは？身近な例で考える生成AI時代のナレッジ共有
• メタ認知とは？生成AIを使いこなす人が先にやっている言語化
• 越境学習とは？社外に出ると学びが深まる理由

参照情報

• Jean Lave and Etienne Wenger, Situated Learning: Legitimate Peripheral Participation, Cambridge University Press, 1991（邦訳：ジーン・レイヴ、エティエンヌ・ウェンガー『状況に埋め込まれた学習：正統的周辺参加』佐伯胖訳、産業図書、1993年）