AIによって自分の仕事がなくなるのかどうか。
職種そのものが丸ごと消えるという見立ても現段階では実態からはかけ離れている。
経理、営業、行政書士、デザイナー。
同じ肩書きの内側にも定型入力のような機械的な作業から、情報収集、判断、顧客への説明、交渉、最終的な承認まで、性質の異なる仕事がいくつも折り重なっている。
生成AIが飲み込みやすいのは職種という単位ではなく、その内部にある個々のタスクにすぎない。
実際、ILOやOECDの調査が繰り返し示してきたのは、AIへの「曝露」の高さが、そのまま雇用の消滅につながるわけではないという事実だ。
作業時間を大きく圧縮しうる仕事であっても、法的な責任の所在、対人関係、現場でしか下せない判断が残る限り、人の役割は形を変えながら生き延びる。
だとすれば、手をつけるべきは職務の再設計にほかならない。
いまの仕事を細かく解きほぐし、AIに手渡す部分、AIと並走する部分、人が最後まで手放さない部分を線引きし直す。
個人のスキルの学び直しと、企業側の職務記述・教育・評価制度の見直しを別々の宿題として抱えるのではなく、一枚の設計図として同時に動かしていく。
それができるかどうかが、これからの数年を分ける。
職務再設計とはAIツールを導入することではありません。
仕事の目的、手順、担当、責任、評価を組み替えることです。
多くの職場ではAI導入が「文章作成に使う」「議事録を要約する」といった道具の追加で止まります。
これでは一部の作業時間は減っても、確認工程が増えたり、担当者ごとに品質がばらついたりします。
再設計ではまず成果物から逆算します。
誰が何のために使うのか。誤りが出たとき誰が説明するのか。
どの情報を根拠とするのか。AIが止まった場合も業務を継続できるか。
これらを決めたうえで、タスクを配置し直します。
WEFのFuture of Jobs Report 2025はAI・データ関連スキルの需要増と同時に、分析的思考、創造性、柔軟性、リーダーシップなどの重要性も示しています。
技術スキルだけを学べばよいのではなく、AIの出力を仕事の目的へ結び付ける力が求められます。
職務記述書から始めると実態を捉えにくい場合があります。
正式な役割と、現場で時間を使っている仕事が一致しないからです。
まず1週間、30分以上かかった作業を記録します。
記録する項目は作業名、所要時間、頻度、入力情報、成果物、判断の難しさ、誤りの影響、関係者です。
メール返信のように小さく見える仕事でも、顧客との関係や契約条件に影響するなら、単純な自動化候補ではありません。
確認項目は五つあります。定型性が高いか、参照すべき根拠が明確か、誤りの影響が大きいか、信頼や交渉を伴うか、例外が頻繁に起きるかです。
定型性と根拠の明確さが高く、誤りを短時間で検出できる仕事ほど代替候補になります。
対人性や例外頻度が高い仕事は補助用途から始めます。
棚卸しでは「AIでできるか」より「AIに渡したとき、全体の成果が良くなるか」を見ます。
作成が5分短くなっても確認に10分増えるなら改善ではありません。時間、品質、手戻り、顧客満足、説明負担まで含めて比較します。
ルールが明確で、入力と出力が定型化され、誤りを自動または短時間で検出できる仕事です。データ整形、定型レポートの初稿、会議録の項目抽出、既定テンプレートへの転記などが該当します。
代替する場合も、完全放置ではなく、失敗時の停止条件とサンプル監査を設定します。処理件数が増えるほど、まれな誤りが大量に拡散するためです。
人が目的と判断を持ち、AIが調査、比較、下書き、選択肢作成を支援する仕事です。提案書、顧客メール、契約書レビューの論点整理、企画案、分析などが当てはまります。
生成AIの価値が出やすいのはこの領域です。白紙から考える負担を減らし、人は論点の選択、根拠確認、相手への調整へ時間を使えます。
最終責任、価値判断、対人説明、交渉、例外対応、安全判断を伴う仕事です。AIが情報を提示しても、結論を引き受ける主体は人に残します。
「人に残す」は、AIを使わないという意味ではありません。準備や論点整理に使いながら、意思決定と説明を人が保持する設計です。
士業では、様式への転記、資料一覧化、期限管理は自動化しやすく、論点抽出や説明文の初稿は補助に向きます。
法的判断、本人確認、顧客への説明、受任可否は人に残します。
事務職では、定型入力、分類、会議記録、集計が代替候補です。
例外候補の抽出、文書作成、問い合わせ整理は補助へ回し、例外処理、社内調整、機密判断、最終承認は人が担います。
営業では、CRM記録、商談要約、フォロー候補の抽出を自動化できます。
提案仮説、企業調査、メール下書き、反論整理はAIと共同で進め、関係構築、価格交渉、顧客の本音把握、契約判断は人に残します。
クリエイティブ職では、サイズ展開、字幕、素材整理、簡易バリエーションが代替しやすい領域です。
構成案、リサーチ、ラフ、表現候補は補助に向き、コンセプト、編集判断、権利確認、ブランド責任は人が保持します。
職種名だけを見て「安全」「危険」と分けると、準備を誤ります。
同じ営業でも、定型商材のインサイドセールスと、複雑な法人提案ではタスク構成が異なります。
自分の仕事を実測し、どの部分に時間と責任が集中しているかを見る必要があります。
1〜30日：棚卸し
最初の1か月は新しいツール探しより、仕事の記録を優先します。1週間単位でタスク、時間、頻度、誤りの影響を書き出し、代替・補助・人に残すの三分類を仮置きします。
次に、時間がかかり、頻度が高く、失敗の影響が小さいタスクを一つ選びます。いきなり顧客への最終回答や契約判断へ使わず、会議記録の整理や社内向け初稿から始めます。
31〜60日：試行
二つから三つのタスクで小規模な実験を行います。従来手順とAI利用手順を並行して比較し、所要時間、修正回数、見落とし、満足度を記録します。
良いプロンプトを作ることより、入力資料、出力形式、確認方法を固定する方が再現性は高まります。毎回異なる頼み方をするのではなく、テンプレートとチェックリストを作ります。
61〜90日：定着
成果が確認できたタスクだけを標準手順へ組み込みます。使わなかった実験は失敗ではありません。向かない仕事を早く見分けた結果です。
この段階で、自分が今後伸ばす能力を決めます。AIが作る初稿を評価する専門知識、顧客への説明、例外対応、データ管理、業務設計など、代替されにくい責任へ学習時間を移します。
90日後は、月1回または四半期ごとに分類と評価指標を更新します。モデルの能力と業務内容が変わるため、一度決めた役割分担を固定しないことが大切です。
全社員へ同じAI研修を配るだけでは、実務へつながりにくいものです。職種ごとに、使ってよいデータ、検証方法、禁止業務、承認が必要な場面を教えます。操作研修より、業務別の演習とレビューが有効です。
AIを多く使った人を高く評価すると、不要な利用や品質低下を招きます。見るべきは、成果物の品質、処理時間、手戻り、顧客価値、再現性、知識共有です。
AIが作った成果物でも、承認者は必要です。誰が入力データを確認し、誰が出力を検証し、誰が外部へ説明するかを業務手順へ明記します。
「資料を作成する」という表現から、「根拠を確認し、目的に合わせて構成し、承認可能な状態へ仕上げる」へ変えると、人に残る責任が明確になります。作業名ではなく、成果と判断を記述することが重要です。
一つ目は、削減時間だけで成功を判断することです。確認時間、教育、契約、監査、事故対応を含めなければ、実際の負担は分かりません。
二つ目は、優秀な個人の使い方をそのまま標準化することです。本人の専門知識や暗黙の確認が品質を支えている場合、プロンプトだけ共有しても再現できません。
三つ目は、AIへ渡す仕事を増やす一方で、人の役割を定義しないことです。担当者は何を学べばよいか分からず、評価も曖昧になります。
四つ目は、海外の雇用予測を自社へ直接当てはめることです。制度、顧客慣行、言語、業務プロセスが異なります。外部データは方向性を知る材料とし、自社タスクの実測を優先します。
AI時代に仕事を守る方法は、現在の作業をそのまま抱え続けることではありません。
AIへ渡せる作業を整理し、人が負う判断と責任を明確にすることです。
職種が残るか消えるかという議論は目を引きますが、個人と企業が動かせるのは日々のタスクです。
まず30日記録し、30日試し、30日かけて定着させる。その過程で、専門知識、説明、交渉、例外対応、業務設計へ時間を移します。
企業側も、ツールの配布だけで終わらせず、職務記述、教育、評価、承認を同時に見直す必要があります。
AI利用量ではなく、良い成果を再現できるか、人が責任を説明できるかを評価する。
そこまで設計して初めて、AIは雇用不安を増やす道具ではなく、仕事を組み替える手段になります。
.png){kind=logo}
