AIに詳しくなる必要はない、自分の仕事を渡せる人になればいい

こんにちは、Issaです。

昨日は、AIに質問する人と、AIに仕事を任せる人の間で格差が広がっているという話を書きました。

土台にしたのは、BBCの「なぜ日本企業はAIの活用がこれほど遅いのか」という記事です。

https://www.bbc.com/news/articles/cwymw4434v7o

今日は、その記事を読んだ時に僕が一番引っかかった部分を書きます。

BBCは、これを日本企業の問題として書いていました。

でも僕は、読み終えた時に企業の話だとは思いませんでした。

会社がAIを入れても、それを扱う個人が動かなければ何も変わりません。

そして個人は、会社より先に動けます。

僕の結論はシンプルです。

AIを使えている人というのは、AIに詳しい人ではありません。

「自分の仕事をAIに渡して、自分がいない時間にも仕事が進む仕組みを持っている人」です。

今日は、そこへ行くための３つのステップを紹介します。

1. 会社が用意できるのは、道具のところまで

日本企業のAI導入そのものは、止まっていません。

財務省が2026年1月に公表した特別調査によると、業務でAIを活用している企業は約75%でした。

5年前は約11%です。

5年で大きく広がりました。

https://www.mof.go.jp/about_mof/zaimu/kannai/202504/tokubetu.pdf

一方で、働く人の側を見ると、少し違う景色が見えます。

BBCが引用しているOECDのレポートでは、仕事でAIを使っている日本の人は「8.4%」でした。

ここは誤解を生みやすい、財務省の調査は「企業」に聞いたもので、このOECDの調査は「働く人」に聞いたものです。

調査の時期も方法も違うので、この２つを並べて引き算することはできません。

ただ、会社としてAIを使っていることと、一人ひとりが毎日の仕事でAIを使っていることの間にはまだ距離があります。

実は、AIの使い道として企業が多いのは、文章の作成と、情報の検索や調査です。

間違えても大きな問題にならない仕事から導入しているということです。

ここまではBBCの指摘の通りで、日本の企業は失敗のリスクを取りません。

ただ、僕が引っかかったのはその先です。

ここで、１つの例を出します。

仮に会社が従業員に対し、現在の最高峰AIモデル「Fable5」を明日から自由に使っていいと言ったとしましょう。

最高のAIモデルを渡された従業員は何をするでしょうか。

今の日本の従業員の大半は、Fable5で何をしていいかわからないので、メールの下書きと記事の要約に使って終わります。

普段からAIを使っている人なら「その使い方ならもっと軽いSonnet5で足りるよね。」と分かりますが、AIを使わない従業員には分かりません。

最高峰のAIモデルを渡されても、AIに渡す仕事が決まっていなければ性能は使い切れないということです。

そして、会社が用意できるのは、AIという道具のところまでです。

この与えられた道具を使い何を任せるかを決めるのは、その道具の前に座っている個人です。

つまり、この差を埋めるには、個人が「AIに渡せる仕事」を増やしていくしかありません。

2. 「AIに詳しくなってから使う」という遠回り

では、個人は何をすればいいのでしょうか。

ここでよく出てくるのが、「AIリテラシーを高めましょう」という話です。

ただ、問題はその順番です。

AIリテラシーを高めるために、最先端のモデルを追いかけたり、プロンプト集を集めたりするところから始める必要はありません。

BBCの記事では、日本企業は事故が起きないことを先に確かめてから使おうとする一方で、アメリカでは、まず補助として使い、人間が訂正しながら任せる範囲を広げていく姿勢が紹介されていました。

これは個人でも同じです。

AIに詳しくなってから使うのではなく、まず仕事を渡してみて、出てきたものを直しながら、AIに任せられる範囲を広げていくということです。

その過程で、AIの得意不得意も、自分なりの使い方も分かってきます。

リテラシーは、先に身につけてから使うものではなく、使った後に溜まっていくものです。

では、「仕事をAIに渡す」という作業を、３つのステップに分けます。

①繰り返している仕事を、完成条件ごと渡す
②自分の情報を、AIが読める場所に貯める
③合格したものを、スキルに固める

毎朝30分のルーティンを例に、順番に見ていきます。

3. 繰り返している仕事を、完成条件ごと渡す

まず、渡す仕事を一本だけ選びます。

選び方は簡単で、毎日か毎週必ず繰り返していて、失敗しても致命傷にならないものです。

顧客の個人情報やお金の処理、外部への送信が絡むものは、最初の一本にはしてはいけません。

例えば、ある従業員の毎朝のルーティンを見ていきましょう。

この方は、まず出勤したら30分はメールを見て、急ぎのものを拾って、その日の予定を確認して、タスクを並べ直しています。

この場合、この人が最初にやるのは、その30分の手順をそのまま書き出すことです。

ここまでは、たいていの人ができます。
問題は、その次です。

手順だけを渡されたAIは、「急ぎのメール」が何なのかを知りません。

だから、そこの情報も渡します。

・自分にとって急ぎのメールとは何か
・今日やるべき仕事の優先順位は、何で決まるのか
・どういう形に並んでいれば、自分は一目で確認できるのか

これが完成条件です。

AIに仕事を渡す時に難しいのは、手順を渡すことではありません。

「何をもって合格とするか」を渡すことです。

ここが抜けたまま頼むから、それっぽいけれど使えないものが返ってきます。

いいプロンプトを書いたからといって、一発で決まることはありません。

この方の場合、最初の出力では取引先から届いたメールが全部「急ぎ」に入っていました。

でも、毎週届く定例の報告メールは全て急ぎではありません。

そこで「取引先からでも、返信の期限が書かれていないものは急ぎに入れない」と直して、また渡します。

これを5回、10回と繰り返します。

毎朝その30分をやってきたあなたにしか、この訂正はできません。

4. 自分の情報を、AIが読める場所に貯める

第1ステップを進めていると、毎回同じ説明を最初からしている自分に気づきます。

先ほどの方で言えば、自分の担当は何で、どの取引先が重要な相手で、上司は何を見て判断しているのか。

AIが一般論しか返してこないのは、あなたのことを知らないからです。

質問して、答えをもらって終わり。

これはこれで便利ですが、相手はあなたを何も知りません。

なので、一度説明したことが残る場所を用意します。

マークダウンで書き出せる場所なら何でもよくて、僕はObsidianを正本にしています。

Obsidianには、自分の立場と担当、取引先の一覧とそれぞれの関係、過去の議事録、これまで作った資料など全てを入れておきます。

朝の30分で言えば、「優先順位は何で決まるのか」に答えるための材料が、全部ここに入るといった感じです。

Claude CodeやCodexにも、過去の情報や判断ルールを持ち越す仕組みがあります。

ただ、僕はそこだけを自分の情報の保管場所にはしていません。

AI側の仕組みは変わりますし、使うAIを乗り換えることもあるからです。

なので、メモリと保管場所は分けています。

判断のルールはAIが毎回参照できる形にして、成果物や資料、自分の立場や経歴といった知識は、AIが読める別の場所に置きます。

ここまでやっておくと、次に会議資料の下書きを頼む時に、また一から自己紹介をしなくて済みます。

5. 合格したものを、スキルに固める

一度うまく頼めても、それだけでは資産になりません。

毎回同じことを説明し直しているなら、それはまだチャット利用の延長です。

自分のことを知っているChatGPT、というだけで止まっています。

何度か回して、自分の合格ラインに乗る出力が安定して出るようになったら、そこで初めてスキルにします。

先ほどの方で言えば、「今朝のまとめを出して」と一言頼むだけで、急ぎのメールと今日の予定とタスクが、いつもの並びで返ってくる状態です。

スキルというのは、繰り返しの手順と完成条件を、呼び出せる形に固めたものです。

そして固まったら、呼び出すのもやめて、毎朝決まった時間に勝手に走るようにしておくこともできます。

ここまで来て、ようやく「自分がいない時間にも仕事が進む」状態になりました。

出勤した時には、毎朝やっていたあの30分の業務がもう終わっています。

ただ、順番を間違えないでください。

最初からスキルを作ろうとすると、何を固めればいいのか分からないまま手が止まります。

洗い出して、渡して、貯めて、最後に固める。

この順番です。

まとめ

AIに詳しい人が求められているわけではありません。

求められているのは、自分の仕事をAIに渡せる人です。

そしてリテラシーは、使った後に溜まっていきます。

だから、会社が変わるのを待つ必要はありません。

明日の朝、いつもの仕事を始める前に、一度だけ手を止めてください。

その仕事を自分でやる前に、何を見て、どう判断して、何ができたら完成なのかを書き出す。

まずはそれを、AIに渡すところからです。

最後まで読んでいただきありがとうございました。

渡した仕事の完成条件をどう言葉にしているのか、何回くらい直したところでスキルに固めているのかといった細かい実践の話は、Substackで書いていきます。

👉 IssaのSubstackはこちら

#AI #AIエージェント #AIリテラシー #生成AI #業務効率化