AIに任せていい仕事、任せたらダメな仕事── なぜそうなるのか、そして私たちはどこへ向かうべきか
AIの話になると、多くの場合テーマは二つに寄ります。
一つは「どう効率化するか」。
もう一つは「どの仕事がなくなるか」。
どちらも間違ってはいません。
ただ、どちらも少しだけ視点が粗い。
本当に重要なのは、
AIが何を代替するのかではなく、
仕事の中のどの部分を引き受け、どの部分を人間に残すのかです。
ここを雑に捉えると、議論はすぐに極端になります。
「AIが全部やるようになる」
「いや、最後は人間が必要だ」
「創造性は残る」
「単純作業は消える」
こうした言い方は、一部は正しいのですが、そのままだと現実の業務設計には使えません。
なぜなら、実際の仕事はそんなに大雑把な単位では存在していないからです。
営業という仕事の中にも、AIに任せていい部分とダメな部分がある。
採用という仕事の中にも、AIに任せていい部分とダメな部分がある。
開発、経理、カスタマーサポート、マーケティング、経営判断も同じです。
だから必要なのは、
職種単位の雑な議論ではなく、仕事を構造的に分解することです。
その上で私は、AIとの役割分担は次のように整理するのが最も実務的だと考えています。
AIに任せていいのは「どうやるか」
任せたらダメなのは「何をやるか」
この一文だけ見るとシンプルですが、ここに至る理由を丁寧に掘ると、AI時代の働き方の輪郭がかなりはっきり見えてきます。
⸻
仕事は3つに分けて考えると見えやすい
どんな仕事でも、かなり乱暴に言えば次の3つに分けられます。
1. 何をやるかを決める（定義）
2. どう判断するかを決める（評価）
3. どうやるかを実行する（実行）
例えば営業なら、
• どの顧客を狙うか
• どんな価値を提案するか
• どこまで値引くか
• その案件を取りに行くか見送るか
こうした部分は「定義」に近い。
一方で、
• 提案書を作る
• 顧客データを整理する
• 過去事例を参照する
• 会話内容を要約する
こうした部分は「実行」に近い。
その中間にあるのが「評価」です。
• この顧客は受注確度が高いか
• この施策は効果が出そうか
• この案件はリスクが高いか
• この候補者は条件に合っているか
こうした判定やスコアリングは「評価」にあたります。
この3層で見ると、AIがどこに強いのかが一気に見やすくなります。
⸻
AIはなぜ実行と評価に強いのか
AIの強みは、本質的にはかなりはっきりしています。
• 大量に処理できる
• 一貫して処理できる
• 速く処理できる
• 似たパターンを見つけるのが得意
• 文章、画像、音声など複数形式を横断できる
• 疲れない
• 感情に引っ張られにくい
これはつまり、
既知のルールや大量の過去データを使って、再現可能な処理を行うことに非常に強いということです。
だからAIは、実行に強い。
文章作成、要約、分類、比較、抽出、検索、分析、コード生成、テスト、報告書作成、資料整理。
こうしたものは典型です。
さらにAIは評価にも強い。
なぜなら評価とは、多くの場合、
• 過去との比較
• パターン照合
• 条件分岐
• スコアリング
• 異常検知
の組み合わせだからです。
これは機械が得意な世界です。
むしろ、人間より安定していることも多い。
例えば採用で、過去の高評価人材の特徴を見てスクリーニングする。
保険で、事故データからリスクを推定する。
営業で、受注率の高い案件パターンを抽出する。
カスタマーサポートで、解約リスクの高い顧客を見つける。
こうした“評価”は、今後かなりの部分がAIに寄っていくはずです。
ここまでは、多くの人がなんとなく理解しています。
でも本当に重要なのは、その先です。
⸻
では、なぜ「何をやるか」は任せてはいけないのか
ここが一番重要です。
AIは非常に優秀ですが、基本的には
与えられた前提の中で最適化する存在です。
言い換えると、AIが得意なのは
• 何を目的関数にするか
• 何を制約条件にするか
• 何を評価軸にするか
が定まった後です。
この意味は重いです。
AIは「正しく動く」。
だからこそ危ない。
前提が間違っていた場合、
AIはそれを疑わず、正しく、速く、大量に、間違える可能性がある。
例えば企業が「問い合わせ対応コストを最小化せよ」という前提を置いたとします。
AIはその前提に忠実に、回答を短くし、人手を減らし、自己解決を促進するかもしれません。
短期的には良く見える。
でも本来守るべきだったのが顧客満足や長期信頼だったなら、これは失敗です。
採用でも同じです。
「離職しにくい人を採れ」という前提をそのまま最適化すると、
組織に必要な多様性や突破力を失うかもしれない。
マーケティングでも、
「クリック率最大化」を目標にすれば、扇情的で短期反応の強いコンテンツに寄るかもしれない。
でもその結果、ブランドが毀損することもある。
AIの問題は、精度が低いことではありません。
むしろ逆で、前提が悪いと高精度に失敗することです。
だから「何をやるか」を決めるレイヤーは渡してはいけない。
ここには、単なる処理能力ではなく、
• 何を守るのか
• 何を捨てるのか
• どの失敗は許容し、どの失敗は許容しないのか
• その結果を誰が引き受けるのか
という、人間の価値判断と責任が入るからです。
⸻
「評価」も本当は危うい
ここで一つ、さらに大事な補足があります。
さきほど私は
AIは評価にも強い
と書きました。
これは事実ですが、同時に注意点もあります。
評価はAIに任せやすい。
しかし、評価軸そのものまでAIに任せると危険です。
この違いは大きい。
• 「この基準で案件をスコアリングして」
はAIに任せやすい。
• 「何を良い案件とみなすべきか決めて」
は任せてはいけない。
前者は“処理”。
後者は“定義”です。
現場ではこの二つがしばしば混ざります。
そして、混ざった瞬間に事故が起きます。
AI時代に本当に大切なのは、
実行・評価・定義をきれいに分けることです。
⸻
ここまでを仕事別に見るとどうなるか
少し一般業種に広げて見てみます。
営業
AIに任せやすいのは、
• 顧客情報の整理
• 提案書ドラフト
• 商談メモの要約
• 類似案件検索
• 受注確度のスコアリング
任せたらダメなのは、
• 誰を重要顧客とみなすか
• どこまで値引くか
• どの案件を取りにいくか
• 関係性を壊してまで短期成果を取るか
マーケティング
AIに任せやすいのは、
• クリエイティブ生成
• 効果分析
• 配信最適化
• 仮説出し
• セグメント整理
任せたらダメなのは、
• 誰に何を約束するブランドにするか
• どの価値で戦うか
• 短期獲得と長期信頼のどちらを優先するか
開発
AIに任せやすいのは、
• コード生成
• テスト
• バグ修正
• リファクタリング補助
• ドキュメント整備
任せたらダメなのは、
• 何を作るか
• 誰のどの痛みを解くか
• 何を捨てるか
• 技術負債をどこまで許容するか
採用・人事
AIに任せやすいのは、
• 書類整理
• 面接記録要約
• 条件マッチング
• 離職傾向分析
任せたらダメなのは、
• この組織にどんな人が必要か
• カルチャーをどう定義するか
• 育成前提で採るか即戦力を採るか
どの業種でも共通しているのは、
任せていいのは再現可能な部分、任せたらダメなのは責任を伴う定義の部分だということです。
⸻
では、私たちはどうしていけばいいのか
ここからが一番大事です。
危機感だけで終わると意味がない。
AI時代に必要なのは、「AIを使うこと」そのものではなく、
自分の仕事をどこまで分解して、どこをAIに任せ、どこを人間が握るべきか設計することです。
私は、個人も企業も次の順番で進めるのがいいと思っています。
⸻
1. まず、自分の仕事を分解する
最初にやるべきは、業務を職種名で見ないことです。
「営業」
「人事」
「経理」
「開発」
と見ると粗すぎる。
そうではなく、
• 情報収集
• 整理
• 要約
• 分析
• 比較
• 判定
• 合意形成
• 説明
• 最終決定
のように、仕事を細かい動詞に分ける。
この分解をすると、AIに渡せる部分が見えてきます。
⸻
2. 次に、責任がどこにあるかを確認する
分解した業務の中で、
• 失敗したら誰が困るか
• どの判断で損害が出るか
• どこに法的・経済的・倫理的責任が乗るか
を確認する。
責任の薄い部分はAIに寄せやすい。
責任の厚い部分は人間が握るべきです。
ここを曖昧にすると、便利さの代わりに事故を買うことになります。
⸻
3. AIに渡す前に、評価軸を人間側で決める
AIに最適化させる前に、
• 何を成功とみなすのか
• 何を失敗とみなすのか
• 何は絶対に守るのか
• どの誤差は許容し、どの誤差は許容しないのか
を明文化する。
この工程なしにAIを入れると、
“それっぽく動くが危ないシステム”になります。
⸻
4. 履歴を残す
これはかなり重要です。
AI活用が進むほど、
最終的に価値を持つのは「その時どう判断したか」より、
何が起きて、何を見て、どう決めたかの履歴です。
なぜなら、AIのモデルも、評価基準も、運用ルールも変わるからです。
あとから再評価できるようにしておかないと、判断の検証も改善もできない。
AI時代は、結論だけ保存するのではなく、
過程と根拠を残す設計が重要になります。
⸻
5. 人間は“作業者”ではなく“設計者”に寄る
個人として一番大きい変化はここです。
これから価値が下がりやすいのは、
「与えられた前提の中でうまく処理する力」だけに閉じた人です。
逆に価値が上がるのは、
• 問題設定ができる
• 優先順位を決められる
• 評価軸を置ける
• リスクを言語化できる
• AIと人間の分担を設計できる
人です。
つまり、人間は
作業の上手い人から
仕事の設計ができる人
へ移る必要がある。
⸻
AI時代に問われるのは、
「AIを使うかどうか」ではありません。
本当に問われるのは、
どこまで任せるかを設計できるかです。
AIに任せるのは最適化まででいい。
目的まで渡してはいけない。
処理はAIに寄せればいい。
でも、何を目的にし、何を守り、何を捨てるのか。
そこだけは、人間が握らないといけない。
なぜなら、その部分だけは最後まで
責任
を伴うからです。
AIはますます賢くなる。
だからこそ、人間に残る役割は“根性”や“気合い”ではなくなる。
残るのは、
前提を置くこと
問いを定義すること
責任を引き受けること
です。
その意味で、AI時代は「人間の仕事がなくなる時代」というより、
人間の仕事の重心が移る時代だと思っています。
⸻
⸻
⸻
では、私たちはどうしていけばいいのか
ここまで読んで、「なるほど」で終わってしまうと意味がありません。
重要なのはここからです。
AI時代に必要なのは、「AIを使うこと」そのものではなく、
👉
自分たちの仕事をどこまで分解し、どこをAIに任せ、どこを人間が握るかを設計すること
です。
ここでは、企業と個人それぞれの観点で整理します。
⸻
企業編：AI導入で外してはいけない5つの設計
AI導入で最も多い失敗は、
「とりあえず導入する」ことです。
重要なのはツールではなく、
意思決定の構造設計です。
⸻
① 業務を分解せずにAIを入れない
NG：
• 営業にAIを入れる
• サポートを自動化する
👉 粗すぎる
⸻
OK：
• 提案書作成だけAI化
• 問い合わせ分類だけAI化
• 面談ログ整理だけAI化
⸻
👉
“職種”ではなく“動詞”で分解する
⸻
② 評価軸を決めずに最適化させない
NG：
• AIに最適化させる
OK：
• 何を最適化するか先に決める
⸻
例：
• 売上か
• 利益か
• 顧客満足か
• 継続率か
⸻
👉
目的が曖昧なままAIを入れると、高精度でズレる
⸻
③ 責任の所在を曖昧にしない
NG：
• AIが判断したので…
OK：
• 最終判断は人間が持つ
⸻
👉
責任をAIに逃がす設計は必ず破綻する
⸻
④ 判断ではなく「判断材料」をAIに任せる
NG：
• AIに意思決定させる
OK：
• 選択肢と根拠を出させる
⸻
👉
意思決定は人間、処理はAI
⸻
⑤ 履歴を残す設計にする
NG：
• 結論だけ保存
OK：
• 何を見て、どう判断したか残す
⸻
👉
履歴がないと改善できない
⸻
企業編まとめ
👉
AI導入はツール導入ではなく、意思決定構造の再設計
⸻
個人編：AI時代に価値が上がる働き方
AIによって「仕事がなくなるかどうか」を気にするより、
重要なのは「どの役割に移るか」です。
⸻
① 「作業力」から「分解力」へ
Before：
• 与えられた仕事をこなす
After：
• 仕事を分解し、任せる範囲を決める
⸻
👉
AIに渡せる部分を見極められる人が強い
⸻
② 「正解を出す力」から「前提を置く力」へ
Before：
• 正しく答える
After：
• 何を問うか決める
⸻
👉
問いの設計がそのまま成果になる
⸻
③ 「スキル」から「構造理解」へ
Before：
• ツールが使える
After：
• 仕事の構造が分かる
⸻
👉
ツールは変わるが構造は残る
⸻
④ 「経験」から「再現性」へ
Before：
• できる人が強い
After：
• 再現できる仕組みを作れる人が強い
⸻
👉
属人性は価値が下がる
⸻
⑤ 「処理能力」から「意思決定能力」へ
Before：
• 速くこなす
After：
• 何をやるか決める
⸻
👉
処理はAI、決めるのは人間
⸻
個人編まとめ
👉
AI時代に価値が出るのは
「作業できる人」ではなく「設計できる人」
⸻
最後に
AIは仕事を奪うのではなく、
仕事の境界を変える。
⸻
人間の仕事はなくならない。
ただし、内容は変わる。
⸻
👉
作業することから
任せる範囲を設計することへ
⸻
そして分岐はシンプルです。
⸻
👉
任せる場所を間違えると、効率的に失敗する
任せる場所を設計できれば、構造ごと変えられる
⸻
最終結論
👉
AIに任せるのは最適化まで
任せたらダメなのは前提と責任
