生成AIを「いちばん優秀な新人」として迎える使いたいけど踏みとどまっている人のための実践生成AI入門 その5 ─これから編─
前回までの4回は、いま使えるAIの話を書いてきた。今回は少し先を見てみたい。AIはこれからどう変わるのか。そのとき、私たちの仕事はどうなるのか。
未来予測をいくつ並べても、当たるとは限らない。だからこそ、まず「変わりにくいもの」を押さえ、それから「変わるもの」を考えてみる。

目次
■「変わりにくいもの」と「変わるもの」を分ける
AIの将来については、毎月のように新しい予測が出る。数年で仕事がなくなるという話もあれば、思ったほど変わらないという話もある。どちらも、もっともらしい。
困るのは、どちらかを信じ込むと身動きが取りにくくなることだ。技術的にできることと、実際に職場で使われることは違う。制度が追いつかない。社内の決まりが変わらない。取引先が受け入れない。こうして、新しい技術が生まれても現場に定着するまで何年もかかることがある。
だからまず、「変わりにくいもの」と「変わるもの」を分けておきたい。前者を知っていれば、新しい製品が登場するたびに、考え方まで一から覚え直さなくて済む。
■変わりにくいもの
変わりにくいのは、AIを使ううえでの注意点である。
文章を作る生成AIは、大量のデータから学んだ言葉のつながりを手掛かりに、答えを組み立てる。第1回で説明した仕組みだ。検索や計算などの道具を併用するAIも増えたが、性能が上がったからといって、出てきた答えをそのまま事実とみなしてよいわけではない。
計算を間違えることがある。知らないことにも、もっともらしく答える場合がある。無難な結論に寄りやすいこともある。聞き方によって答えが変わる。いずれも、使う側が知っておきたい癖だ。
モデルが賢くなれば、間違いは減るかもしれない。しかし、減ることとなくなることは違う。厄介なのは、間違いが減るほど、残った間違いを見逃しやすくなることだ。10回に3回外す相手は誰でも疑う。100回に1回しか外さない相手は、つい信用してしまう。
もう1つは責任だ。AIの提案に基づいて事業を進めても、利用する企業や人が、説明責任や管理責任から解放されるわけではない。契約や法令によって責任の分担は異なるが、「AIが決めたから」では済まない。
そして、AIは与えられていない現場の事実まで知っているわけではない。昨日の店頭で客が何を言ったか。返品された商品にどんな傷があったか。記録して渡せば分析の材料になるが、記録されていない出来事を、AIが正確に言い当てられるとは限らない。
出力の癖、責任の所在、現場情報の扱い。この3つは、使う道具が変わっても役に立つ。
■変わりやすいもの
一方で、変わるのは機能と速さ、そして価格である。
去年できなかったことが、今年できる。有料だった機能が無料になる。画面の名前も使い方も変わる。だから、製品名やバージョンを片端から覚える必要はない。第1回にそう書いたのは、こういう意味である。
新しいものが出たら、まず何ができるようになったのかを見る。そのうえで、間違えたときの影響と、どこまで任せるかを考える。
| 変わりやすいもの (更新して使う) | 変わりにくい注意点 (押さえておく) |
|---|---|
| サービス名、モデルの番号 | 流暢な答えでも事実確認が要る |
| 使える機能、画面の呼び方 | 計算や数値は検算する |
| 料金、無料でできる範囲 | 知らないことにも答える場合がある |
| 処理の速さ、扱える分量 | 聞き方で答えが変わる |
| 回答の精度 | もっともらしい誤りほど見落としやすい |
| 任せられる作業の範囲 | 責任や承認の範囲は人と組織が決める |
■指示文で生成するAIから、自ら判断し実行するAIへ
帝国データバンクは2026年6月のレポートで、AIが「生成」から「実行」の段階へ向かうと指摘した。文章を作るだけでなく、業務そのものを進めるAIが広がるという見方である。
その担い手の1つが、AIエージェントだ。チャットで答えを受け取るだけの使い方なら、たとえば商品レビューを分析するにも、人がファイルを用意し、AIに渡し、結果を別の資料に貼り直す。AIが受け持つのは、主にその「真ん中」だった。
AIエージェントは、その前後にも手を伸ばす。許可されたフォルダを開いてファイルを読み、分析し、表を作って保存する。複数の作業を順番に進めることもできる。もっとも、チャット型のAIでも外部ツールを操作できるものはある。違いは画面の形ではなく、どんな作業を連続して実行できるか、どんな権限を与えられているかにある。
第1回の比喩を延ばせば、口頭で助言していた新人が、自分の席でパソコンを操作し始めた、ということになる。
便利な半面、失敗の影響も大きくなる。「変な文章が出た」で済んでいたものが、「ファイルが消えた」「間違ったメールが送られた」になりかねない。重要な操作の前に人が確認するかどうかは、仕組みと権限の設定次第だ。
だから最初は、機密情報を含まない専用フォルダで試す。削除、送信、公開、決済などは、人の確認を条件にする。何をしたかの記録も残す。人間の新人に、初日から会社の実印を渡さない。それと同じである。
AIエージェント時代のポイントは、「権限を小さく移譲する」ことだ。共有ドライブ全体に触れさせる前に、まずは専用フォルダ1つ。結果を確かめ、失敗したときに戻せる状態をつくってから、範囲を広げていく。
■どのくらいの速さでそれはやって来るのか
では、いつごろまでに、何ができるようになるのか。
PwCコンサルティングが2026年6月に発表した「生成AIの将来技術動向 2026年」では、AIはすでに初級職が担う一部のタスクをこなせるようになってきたとしたうえで、2027年前後に初級職レベル、2030年前後に中堅職レベルのタスクをこなす段階に進化するとの見通しを示している。
もちろん予測であり、時期が前後する可能性はある。さらに大切なのは、これはAIの技術的な能力についての見立てだという点だ。初級職や中堅職の仕事が、指定された年に丸ごとなくなるという意味ではない。
それでも、調べる、まとめる、書くといった机の上の仕事が変わっていくことは想像できる。これまで自動化が進んできた工場の定型作業に加えて、知的な作業にも変化が及ぶ。
仮に2027年に技術的にはできるようになったとして、自分の職場で使われるのはいつなのか。その時間差をどう使うかが大事になる。
■体を持つAI
もう1つ注目されるのが、フィジカルAIだ。AIがロボットや機械、センサーと結びつき、現実の空間で作業する仕組みである。
従来の産業用ロボットは、決められた動作を正確に繰り返すことを得意としてきた。もちろん、センサーで状況を読み取って動きを調整するロボットもある。フィジカルAIでは、さらに周囲の状況を認識し、変化に応じて作業の進め方や動作を柔軟に調整する能力の向上が期待されている。
とはいえ、難しい仕事は残る。PwCのレポートでは、2035年に向けた予測として、定型的で精密さをさほど要しない製造作業の代替・補完を挙げている。指先の繊細な仕事まで何でも置き換わるという予測ではない。
生地をつまむ。力加減を変える。少しのずれを指で直す。人が当たり前にやっていることほど、機械に任せるのが難しい場合もある。頭脳の仕事が進んだからといって、指先の仕事も同じ速さで進むわけではない。
■できることと、任せられることは違う
ここで考えるべきは、「できる」と「任せてよい」は違うということだ。AIが初級職レベルのタスクをこなせたとしても、そのまま任せるかどうかは別の問題である。間違えたとき、誰が対応するのか。取引先に説明できるか。法令や社内規程に触れないか。
技術と、制度や職場の慣行は同じ速さで変わらない。現場では、遅いほうに合わせざるを得ないこともある。
だから性能を追いかけるだけではなく、どの作業を任せ、どこで人が確かめるかを先に決めておく必要がある。
■仕事は、なくなるのか
最も気になるのは、やはり仕事がなくなるのか、という話だろう。
なくなる作業はある。そこから目をそらさないほうがいい。ただ、職業が一斉に消えるというより、1つの仕事を構成する作業が少しずつ置き換わり、役割の中身が変わると考えたほうが現実に近い。
PwCは、人同士の調整、一次レビュー、進捗管理など、中間管理層が担う一部の役割が不要になる可能性にも言及している。管理職がなくなると決まったわけではない。組織の中で、どんな役割を人間が担うのかが問い直されるという話だ。
しかも、こうした仕事を経験してきたのは、多くの職場で中堅社員や管理職である。若手だけの問題ではない。自分は何のためにその作業をしているのか、改めて考える必要が出てくる。
■自分の仕事を、作業に割る
では、何をすればよいのか。第2回に書いた方法が、そのまま使える。
自分の仕事を書き出し、細かな作業に分ける。そして1つずつ問う。
①手順を言葉で説明できるか。
②出来栄えを確かめる基準があるか。
③繰り返し発生するか。
3つとも当てはまるものは、AIに任せやすい。ただし、機密性、費用、間違えたときの損失によっては、人が続けたほうがよい場合もある。
この仕分けをしておけば、どの作業を任せ、どこに自分の時間を使うかが見えてくる。AIに次のように頼んでみてもいい。
「私が毎月やっている作業を挙げます。各作業について、①手順を言葉で説明できるか、②出来栄えを確かめる基準があるか、③繰り返し発生するか、の3点で分類してください。機密性と失敗時の影響も考慮し、理由を添えてください。」
ただし、最後は自分で見直す。
すると、何げなくやってきた仕事の本質が見えてくる。たとえば進捗管理には、会議の日程を決める作業が含まれる。だが、それは仕事の目的ではない。会議で必要なことを決め、仕事を前に進めることが目的である。手段が減り、目的に使える時間が増えるのなら、悪い話ではない。
■実行者から、監督者へ
では、人には何が残るのか。
PwCは、AIが連続したタスクを実行し、人間がその監督や例外への対応、最終的な意思決定を担う方向を示している。人の役割がAIへの「伴走から監督へ」と変わるという見立てだ。これを仕事の側から言い換えれば、人間が「実行者」から「監督者」へ移っていくということである。
仕事を大きく分けると、何をするかを決める最初と、実際に手を動かす中盤、結果を確かめる最後がある。AIが受け持つ作業は、真ん中から前後へと広がりつつある。人間は、その全体を見渡して判断する役割を増やしていく。
面倒な作業が減って、判断に集中できる。聞こえはいい。
| 仕事の段階 | AIに任せやすい部分 | 人が担うこと |
|---|---|---|
| 何をするか決める | 問いの案出し | 目的・優先順位を決める |
| 調べる、集める | 検索、収集、整理 | 出典と抜けを確かめる |
| 作る、まとめる | 下書き、集計、資料化 | 事実と独自性を加える |
| 調整、進捗管理 | 日程調整、進捗の整理 | 例外への対応、人との調整 |
| 確認する | 照合、検算の補助 | 重要事項を最終確認する |
| 決める | 選択肢の比較 | 根拠を持って選ぶ |
■判断する力を誰がどうやって身につけるのか
だが、ここに落とし穴がある。そもそも、その判断力はどこで身につけてきたのか。
多くの場合、実際に自分で仕事をする過程である。自分で集計した人は、どの数字が概算だったかを覚えている。自分で文章を書いた人は、どこが苦し紛れだったかを知っている。手を動かすうちに、どこに間違いが生じやすいか、どこを疑うべきかが分かるようになる。
ところがAIに作業を任せると、最初の指示と最後の結果だけを見て、その間の過程を知らずに済んでしまう。もちろん、作業記録を確認できる仕組みもある。しかし、記録を読むことと、自分で試行錯誤することは同じではない。
人間に求められるのは結果を評価することだ。だが、その評価基準が妥当かどうかを判断する力は、まさに作業の過程で培われてきたのではないか。つまり最初と最後の間の「真ん中」こそが、人間を育ててきたのである。
では、その真ん中をAIに任せてしまった次の世代は、何を通じて判断力を身につけるのだろうか。
自分で作った経験のないものを検証するのは、作った経験のあるものを検証するより難しい。AIに任せる仕事が増えるほど、確認する側の経験が不足するという逆説が生じる。では、監督する力をどう育てればよいのか。
1つ言えるのは、経験する機会を意識して残さなければ、判断力は育ちにくいということだ。新人にはAIに頼む前に、一度は自分でやらせる。前回書いた話は、ベテランにも当てはまる。
ポイントは、「ときには手でやる」ことだ。毎月の集計なら、四半期に1回は自分で数字を追ってみる。遅いし面倒だが、どこで間違いが起きるかを知る練習になる。
組織なら、「失敗の記録」を共有することも役に立つ。技術や技能は、失敗を減らす方向へ進化してきた。だが、どれほど安全性が高まっても失敗が完全になくなるわけではない。むしろ失敗が少なくなれば、その原因や対処法を経験的に知る人が減る可能性がある。
普段は間違えない仕組みほど、いざ想定外の問題が起きたときに、何を疑い、どこを調べればよいのか分かりにくくなる。だから、成功例だけでなく、失敗例や、失敗に至りかけた経験も残しておきたい。
AIの出力をそのまま使って問題になった例。人が途中で誤りに気づいた例。何が起き、どこで気づいたかを記録し、確認項目に足していく。失敗の蓄積が、次の人の判断力を育てる材料になる。
失敗を書き残す際には、AIにこんな指示を出すこともできる。
「このAIの出力を使ったところ、次のような問題が起きました。再発を防ぐため、原因の仮説と、次回確認すべき項目を挙げてください。未確認の点は未確認と明記してください。」
出てきた項目を1件ずつ確かめ、自社の確認リストへ加えていく。個人の経験を、組織で使える知識に変えるのである。
■AIの進化に対して人がやることは何か?
では、人が引き受けるべき仕事には、何が残るのだろうか。まず、AIを活用するうえで欠かせない役割を3つ挙げておきたい。
1つ目は、問いを立てることだ。AIが賢くなるほど、何を問うかの差が成果の差になっていく。AIに問いの候補を出させることはできる。しかし、何を解くべき問題とするかは、現場を知る人が決める。
問いには材料が要る。店頭で何が起きているか。客が何に困っているか。数字がどう動いているか。その材料を知らなければ、大事な問いも浮かばない。
問いを磨くための指示文は、たとえば次のようなものだ。
「この問題について、考えるべき問いを10個挙げてください。立場の違う人から見た問いも含めてください。」
出てきた問いを選び、削り、またAIに聞いて足す。AIに判断してもらうためではなく、自分の問いをつくるために使うのがポイントだ。
2つ目は、確かめることだ。
事実、数字、法令。AIの答えが流暢でも、それだけで正しいとは限らない。根拠を確かめる必要がある。しかも精度が上がるほど、たまに混ざる間違いは見逃しやすい。
確認を、その場の注意力だけに頼らない。検算する。出典を見る。用語の定義を確かめる。手順にしておけば、担当が代わっても点検の水準を保ちやすい。
さらに、結果だけでなく、その前提も疑う。AIは、こちらが指示しなかった条件を補って答えることがある。そんなときは「この回答では、どんな前提を置きましたか」と尋ねる。示された前提を元の資料と照らし合わせ、AIが挙げなかった前提も人間が探す。数字の答えだけを追うより、出発点がずれていないかを確かめるほうが大事な場合もある。
3つ目は、責任を引き受けることだ。
AIが立派な提案をしても、実行を決めるのは人や組織である。AIの答えを、そのまま経営判断にしてはいけない。
それに、自分が納得していない判断は現場に伝わらない。引き受けるとは、その判断を自分の言葉で説明できることでもある。なぜそう決めたのか。何を根拠にしたのか。別の案をなぜ採らなかったのか。「AIがそう言ったので」では通らない。
AIには材料を集めさせ、比べさせる。そのうえで自分が決める。選んだ理由を説明できるかどうかが、1つの目安となる。
■あえて任せない仕事
逆の選択もある。AIにできるからといって、全部を任せなくてもよいということだ。
手で作ることに意味がある仕事がある。人が応対するからこそ価値が生まれる場面がある。時間をかけたこと自体が、相手に伝わる仕事もある。効率だけで決めるならAIに任せるほうがよいのかもしれない。しかし、商売には効率だけでは測れないものがある。
商品そのものを売るのか、作り手の手間や技を売るのか。速さを売るのか、丁寧さを売るのか─。
これは技術の問題ではなく、商売の問題である。答えは自社で決めるしかない。「できるけれど、あえてやらない」。そう決める仕事があってもいい。
■現場で五感を働かせる
AIに任せきりでは手に入らないものがある。まだ誰も記録していない、現場の出来事だ。
店頭で客が漏らした一言。商品を手に取ったときのためらい。返品された商品の傷。職人が「何となく」としか言わない感覚。人が見て、聞いて、記録して初めて、AIに渡せる情報も多い。
AIが便利になるほど、誰でも手に入る情報を並べるだけでは差がつきにくくなる。検索すれば出てくること。本に書いてあること。業界の常識。それだけでは足りない。違いが生まれるのは、現場でしか拾えない情報を持っているかどうかだ。整形や集計はAIに任せ、そのぶん売り場に立つ。人と話す。商品に触れる。そういう時間の使い方が大事になってくる。
失敗や雑談、一見すると「非効率」に見える寄り道も同じだ。そこには、数字や定型の報告書に載らない気づきが潜んでいる。進化するAIを使うためにも、現場でしか得られない材料を大切にしたい。
■いまから練習できる
これまでの連載を読んで、「まだAIに慣れていないから対応できない」と思った人もいるだろう。
過度な心配は無用だ。監督する練習なら、いまのAIでもできるからだ。
下書きを作らせて直す。数字を検算する。回答の前提を確かめる。どれも任せた仕事を見届ける練習である。使わなければ、そうした練習の機会も得られない。
身につけたいのは、次の3つだ。

1つ目は、指示を出す力。何を、どんな条件で、どんな形にしてほしいかを伝える。
2つ目は、疑う力。数字や文章のどこが危ういかを見抜く。その助けになるのが、自分でやってみた経験だ。
3つ目は、線を引く力。何を任せ、何を自分でやるかを決める。
どれも特別な資格が要るものではない。毎日の仕事で少しずつ練習できる。
5回にわたって書いてきたが、結局、同じところに戻ってくる。何を任せ、何を手放さないか。その線を引くには、まず自分の仕事を知るしかない。AIの未来は分からない。それでも、自分の仕事を知り、任せる範囲を決められる人は、新しい道具に振り回されにくいはずだ。
POINT
■予測を追いかけるより、変わりにくい注意点を知っておく。
■精度が上がるほど、たまに混じる間違いを見逃しやすくなる。
■AIは「生成」から「実行」へ。操作が増えれば失敗の影響も大きくなる。
■技術的にできることと、職場で任せてよいことは違う。
■仕事を作業に分け、AIに任せる範囲と確認方法を決める。
■人は実行者から監督者へ。ただし判断力は、作業の経験から育つ。
■問いを立てる、確かめる、責任を引き受ける。この3つは手放さない。
■「できるけれど、あえてやらない」という商売上の選択もある。
■AIが知らない現場の出来事を、人が見て聞いて持ち帰る。それが差になる。
参考
【WEB】●帝国データバンク「第4次AIブームの現在地と次に来るAIの企業活用」(2026年6月9日)生成AIに関する企業の動向調査(2026年3月)」(2026年5月14日)●PwCコンサルティング「生成AIの将来技術動向 2026年」(2026年6月12日)ほか
ビジネスシンカーとは:日常生活の中で、ふと入ってきて耳や頭から離れなくなった言葉や現象、ずっと抱いてきた疑問などについて、100種以上のメディアに関わってきたライターが、多角的視点で解き明かすビジネスコラム