AIに、いつもなら午後いっぱいかかる報告書の下書きを頼んだとしよう。

1分で戻ってきて、文章も読みやすい。これが自分にとっていい知らせかどうかは、ひとつのことで変わるかもしれない。中身が本当に正しいかどうか、自分で見分けられるだろうか。

生成AIやAIエージェントは、できることを増やし続けている。

人の働き方もそれに合わせて変わっている。この先どうなるかは、誰にも分からない。ただ、すでに見えている傾向がある。

分かれ目になるのは、肩書きよりも、仕事そのものをどれだけ深く分かっているかのようだ。「働かなくてもよい」に近づく人が出てくるかもしれない。一方で、仕事を取って代わられる人も出てくるかもしれない。

この記事のポイント

  • 分かれ目は職種のあいだではなく、職種の中を走る。同じ肩書きの2人が、正反対の側に立つことがある。
  • ノウハウが深い人は、AIに指示して結果を確かめられる。浅いと作業をこなす側になり、そこをエージェントが自動化する。
  • 得をする人にもリスクはある。使わなくなった判断力は弱りうるし、浮いた時間は仕事の増加で埋まりがちだ。

分かれ目は肩書きではなくノウハウ

AIで得をするか損をするかは、仕事をどれだけ深く理解しているかで決まる。肩書きが与える影響は、それよりずっと小さい。

ノウハウの4要素を左に縦に並べ、結果を分けるフィルターとして描いた図。4要素は、文脈(誰のための仕事で、何が本当に必要か)、例外(いつものやり方が通用しないケース)、トレードオフ(すべての目標を満たせないとき何を諦めるか)、暗黙のルール(誰も書き残していない規範や期待)である。右側では、この4要素によって『正しく見える結果』と『実際に正しい結果』が分かれることを示している。下段には正しく見えるだけの例を3つ挙げている。読みやすいが顧客が重視する条項が抜けた契約書、整っているが事業に合わない前提に立つ財務モデル、テストは通るが動作環境のシステムを壊すコードである。結論として、両者を見分けるのは努力量ではなく仕事の理解だと示している。

図1:「正しく見える」と「正しい」を分けるノウハウの4要素

「安全な仕事」の一覧が長持ちしない理由

AIがなくす仕事を挙げる予測は、すぐに古くなる。エージェントは数か月で新しい力を身につける。「安全な仕事」と「危ない仕事」の一覧は、あっという間に甘く見えてくる。

ノウハウに注目した見方のほうが、長く通用する。ここでいうノウハウには、4つの中身がある。

  • 文脈:仕事が誰のためのもので、相手が本当に何を必要としているか。
  • 例外:いつものやり方がうまくいかない場合。
  • トレードオフ:すべての目標は満たせないとき、何をあきらめるか。
  • 暗黙のルール:誰も書き残していない決まりごとや期待。

正しく見えることと、正しいこと

この4つが、正しい結果と、正しく見えるだけの結果を分ける。

契約書は読みやすくても、この顧客が気にしている条項が抜けているかもしれない。

財務モデルは整っていても、その事業に合わない前提の上に立っているかもしれない。コードはテストを通っても、動いている先のシステムを壊すかもしれない。

こうした穴は、がんばって働いても見つからない。仕事を知っているかどうかで見つかる。

同じ肩書きで、正反対の方向へ

だから、同じ肩書きの会計士2人、エンジニア2人、アナリスト2人が、正反対の方向へ進むことがある。次の表は、その2つの道を比べたものだ。

働き手A働き手B
主な貢献仕事に何が必要かを判断する決まった作業をこなす
AIとの関係エージェントに指示し、確かめるエージェントと競い合う
AIが良くなるとより多くをこなせる置き換えられやすくなる
起こりそうなこと作業の大半を手放す役割が書き出され、自動化される

つまり、分かれ目は弁護士と事務員、エンジニアとデザイナーのあいだにあるのではない。それぞれの分野の中で起きる。

ここで2つの問いが残る。Aの側を守っているものは何か。そしてBの側の立場は、見た目よりなぜ守りにくいのか。

深い専門性がエージェントを味方にする理由と、その有利さのもろさ

深い専門性を持つ人にとって、「働かなくてもよい」は、1日の組み立てが実際に変わることを指す。価値を生み出していることに変わりはない。手放すのは、指示として書き出せる部分だ。

経験豊富な編集者を思い浮かべてみよう。もう、すべての段落を自分で書くことはしない。

方針を決め、弱い部分を見つけ、最後に承認する。タイピングは別の場所に移った。判断は移っていない。

専門家が実際にしていること

エージェントと働く経験豊富な人は、たいてい次の4つをしている。

  1. 作業を段階に分ける。エージェントが確実にこなせる大きさにする。
  2. 失敗しそうな所を予想する。同じ間違いを前に見たことがあるからだ。
  3. 制約を書き込む。指示、テンプレート、使い回せる手順に入れる。
  4. 結果をすばやく確かめる。良い結果がどういうものか知っているからだ。

こうして、言葉にしにくい経験知が、てこの力に変わる。1時間分の判断で、何時間ものマシンの作業を動かせる。

このノウハウは使い回しもきく。専門家が指示や手順に一度書き込めば、次の仕事にも当てはめられる。経験の浅い同僚には、そもそも書き出せるノウハウが少ない。

分かっていることと、分かっていないこと

では、この変化はもう数字で測れるのか。確かなかたちでは、まだ測れない。今あるのは個人の体験談で、内容もまちまちだ。

  • 時間が短くなる:ベテランの専門家には、同じ成果をより短い時間で出せると話す人がいる。
  • 仕事量が増える:個人で働く専門家には、以前ならチームが必要だった量をこなせると話す人がいる。
  • 役割が変わる:仕事の中心が、作業をすることから、作業を決めて承認することに移る。

これらは報告であって、データではない。起こりうることは示すが、どれくらい広く起きているかは示さない。

エージェントは、専門家の知識を置き換えない。専門家が持ち込む判断を何倍にもする。その中には、まずい判断も含まれる。

この傾向が広がれば、経験のある人とない人の差は開くかもしれない。どのくらい速く開くのか、これまでの自動化より速いのかは、まだ答えが出ていない。

作業中心の役割が先に影響を受ける理由

作業中心の役割が先に影響を受けるのは、エージェントが決まった作業の連なりをまるごと扱えるようになり、ほとんどそれだけでできた役割があるからだ。どれだけ影響を受けるかは、雇う側がAIをどう使うかにもよる。

ここで言う役割は、主に作業をさばくことで成り立っている。典型的な仕事は次のとおりだ。

  • 定型の文書を下書きする
  • データを入力して突き合わせる
  • 最初の調べものをする
  • 決まりきったコードを書く
  • テンプレートに沿って顧客に返信する

実行中心の役割が自動化されるまでの3段の流れを左から右へ示した図。1段目は、ノウハウより実行が中心の、決められたタスクを実行する仕事(定型文書の作成やデータ入力など)。2段目で、その役割が手順として書き出され、定型タスクの連なりになる。3段目で、エージェントがタスクの連なりをまとめて引き受けて自動化する。流れの下には注記として、この種の役割はAIが良くなるほど置き換えやすくなり、エージェントと競合する関係にあると書かれている。

図3:実行中心の役割が自動化されるまでの流れ

1つの作業ではなく、作業の連なりごと

これまでの自動化は、限られた作業を引き受けることが多かった。だから役割の変化はゆっくりだった。

エージェントは、つながった一連の作業を引き受けられる。そうした連なりが中心の役割は、過去の役割よりずっと速く縮むかもしれない。

この速さは、測られた傾向ではなく可能性だ。エージェントがその連なりを、誰もやり直さずに済むほど確実にこなせることが前提になる。

「指揮する側」への移行が難しい理由

エージェントに指示して確かめる役割に移るのは、聞こえるほど簡単ではない。壁は3つ目立つ。

  • 指示には、その分野の理解がいる:作業中心の役割では、その理解を築くことを求められないことが多い。
  • 確認には、正しさの感覚がいる:自分では作れなかった成果物を、判断するのは難しい。
  • 信頼は、前の役割についてくる:組織はこうした人を「作業をする人」として知っている。そして自動化されるのは、その作業だ。

経験の浅い人には、問題がより重い

初心者は、いま自動化されつつある作業そのもので仕事を覚えてきたことが多い。たとえば、新人アナリストだ。

欠陥のあるモデルを作り、直されることで、しっかりしたモデルとはどんなものかを学ぶ。若い開発者も、小さなバグを直しながらコードベースを覚えていく。

会社がそうした作業の採用をやめれば、今はお金を節約できるが、将来の専門家を育てる道を断つことになる。 その代償には、何年も気づかないかもしれない。

役割の作り直しと、仕事を失うことは別の結果

変化のすべてが、人員の削減になるわけではない。同じ技術でも、雇う側が何を求めるかで、結果はかなり違ってくる。次の表は、2つの進め方を比べたものだ。

AI導入の進め方作業中心の役割への影響
人員を減らす役割がなくなり、ノウハウの差が広がる
今いる人の力を育てる確認と判断を中心に役割を作り直す

どちらの行も、道具は同じだ。違うのは、雇う側の選び方だけである。

作業中心の役割がどれだけ影響を受けるかは、一部は経営の判断で決まる。技術だけで決まる事実ではない。

作るのが安くなると、判断と責任が足りなくなる

AIで作ることがほぼ無料になると、足りなくなるのは、何を受け入れるかを決めることと、その責任を誰が負うかだ。いまのところ、オープンソースソフトウェアにそれがいちばんはっきり表れている。

AIでコードが書きやすくなると、メンテナー(管理者)のもとに投稿が押し寄せる。ボトルネックは、コードを書くことから移っていく。

代わりに、3つの決定が重くなる。何を受け入れるか、何を断るか、そして変更を取り込んだあとの問題に誰が答えるかだ。

同じことがほかでも起きるのか

AIの成果物があふれる知的な仕事では、同じ傾向が広がるかもしれない。ただ、オープンソースは1つの分野にすぎない。その教訓をほかの分野に当てはめるのは、観察された結果ではなく、もっともらしい推測だ。

法律、金融、デザイン、経営では、AIがすでに下書き、分析、計画を大量に出せる。そうなると組織は、良い成果物ともっともらしい間違いを見分けられる人を必要とする。承認に実際に重みがある人も必要になる。

価値が残る3つの力

つながりのある3つの力が、いちばん大事になりそうだ。次の表は、それぞれが何で、なぜエージェントには簡単に持てないかをまとめたものだ。

力意味エージェントが持ちにくい理由
文脈に応じた判断ここで何が大事かを知る積み重ねた経験から生まれる
検証の力やり直さずに失敗を見抜く正しさがどういうものか知る必要がある
説明責任結果に責任を持つ信用と法的な立場に支えられる

3つは支え合っている。判断があれば、確認が速くなる。確認が速く確かなら、その人の承認は信頼に値する。

そして承認は、それを出す人が責任を問われうるときにだけ、重みを持つ。

3つのうちどれか1つが欠ければ、残りの2つも価値の多くを失う。

今回の分かれ目が、これまでより鋭くなりうる理由

これまでの道具は、特定の技能を安くした。表計算は計算を、ワープロは文字入力を安くした。AIは、言葉で説明できるほとんどのものを作るコストを下げる。

そのとおりなら、価値は「何を受け入れるか」と「誰が責任を負うか」を決める人の役割に集まっていく。だとすれば、働き手のあいだの差が、過去の波より広がるかもしれない理由も説明がつく。

まだ誰にも答えられない問い

分からないのは、こうした門番の役割が、仕事を失った人を受け止められるほど増えるかどうかだ。答えは、1つの比率にかかっている。

1人の確認役が、エージェントの成果物をどれだけ責任をもって承認できるかだ。信頼できる測り方は、まだ誰も持っていない。

考えられる方向は2つある。

  • 比率が高く、さらに上がるなら:全体の成果物が増えても、門番の役割は少ないままかもしれない。
  • 丁寧な確認が遅く、広げにくいなら:成果物が増えるにつれ、確認役への需要も増えるかもしれない。

専門性を身につける道を作り直す

ノウハウが人を分けるのなら、もっと難しい問いが出てくる。これまで学び場だった入門的な仕事が自動化されたあと、どうやってそれを身につければいいのか。

確かな答えは、まだ誰も持っていない。あるのは提案で、どれも目先の速さを少し手放して、長い目で見た力を得ようとするものだ。

学び続けるための4つの方法

エージェントが決まりきった仕事の多くを引き受けても、学ぶ道を開けておこうとする案が4つある。

  • AI時代の徒弟制:若手がエージェントを監督し、専門家がその監督の出来を見直す。
  • 意図的な練習:AIにできる仕事の一部をあえて手でやり、機械が何をしているかを理解する。
  • 判断を見る評価:成果の量だけでなく、間違いを見つけることや、確かな決定をすることを評価する。
  • 確認と責任を担うキャリア:作業を見直して承認することが、残りものの雑用ではなく、認められた昇格の一歩になる。

それぞれにかかるコスト

どの方法も、最初は遅いか、お金がかかる。次の表は、それぞれの案を、目先のコストと並べたものだ。

方法目先のコスト
徒弟制専門家の時間をとる
手でやる練習任せるより遅い
判断を見る評価成果の量を数えるより手間がかかる
確認をキャリアの一歩にする生産的に見えない仕事に払う

こうしたコストを避けた組織は、しばらくのあいだ、生産性が高く見えるかもしれない。 リスクは、あとで表に出てくる。数年たって、上の人たちの後任になれる人がいないと気づくかもしれない。

結果が決まっているわけではない理由

分かれ目がどこまで広がるかは、技術だけでは決まらない。大きいのは、企業や教育の担い手が、専門性を育てることを、道路や学校のように皆が頼るものとして扱うかどうかだ。

扱わなければ、「もう働かなくてもよい」人たちは、閉じた輪になるかもしれない。その顔ぶれは、機械が来る前にたまたま仕事を覚えられた人たちになる。これは予測ではなく、起こりうることだ。

自分の仕事で考えてみると

個人にとっても、同じ考え方をいくつかの習慣に置き換えられる。どれも守ってくれる保証はない。力を渡してしまうのではなく、築き続けるための方法だ。

  1. 仕事を仕分ける:自分の仕事のうち、判断が必要なものと、指示として書き出せるものを分ける。あとのほうが、エージェントに渡しやすい。
  2. 一部を手でやる:中心となる作業の一部を手でやると、「正しい」とはどういうことかの感覚が鈍らない。
  3. 知っていることを書き出す:エージェント向けに制約、例外、チェックリストを書くと、自分だけが持っていたノウハウが、使い回せるものになる。
  4. 浮いた時間の行き先を見る:浮いた1時間が、すべて仕事の量に変わるなら、学びに回るものは何もない。
  5. 管理職は、若手を守る:若手にエージェントを使う仕事を、監督つきで任せれば、役割をなくすと閉じてしまう道を開けておける。

ちょっと立ち止まって

技能は、仕事をしているだけで自然に積み上がる。そう思いがちだ。だがその前提が成り立っていたのは、仕事の中に初心者向けの作業がたっぷり含まれていたからにすぎない。

直近の1日の仕事を思い返してみてほしい。自分にしかできなかった判断はどれで、はっきりした指示を添えて誰かに任せられた作業はどれだっただろうか。

その2つのバランスを見れば、いまの立ち位置のおおよそが分かる。もっと役に立つのは、こちらかもしれない。

1年前と比べて、そのバランスは判断のほうに寄っているだろうか。それとも指示のほうだろうか。

この節の要点を示す図。要点は「深いノウハウはAIを指示・検証するてこになるが、その優位はもろい」である。その優位がもろい理由として、使わなくなった判断力は衰えうること、浮いた時間はさらに多くの仕事で埋まりがちであることの2点を補足で挙げている。

図2:専門性がもたらす優位と、その優位がもろい理由