仕事 on Seunghoon Choi

答えがある仕事から置き換わる：AIが仕事を奪う第1〜5段階

Sun, 21 Jun 2026 17:44:00 +0900

正解が決まっている業務は、担当者の自尊心とは関係なく先に自動化の対象になる。

AIが自分の仕事を奪うのか。この問いに答えるには、まず順序を見る必要があります。AIは手当たり次第に仕事を奪っていくわけではありません。先に置き換えられる仕事があり、ずっと後になってようやく代替圧力を受ける仕事があります。そのなかで真っ先に代替圧力を受けるのは、答えを確かめやすい仕事です。翻訳が正しいか、コードが動くか、計算が合っているか、診断が当たっていたか、広告のコピーがクリックを呼んだか。こうした仕事は結果を確かめられます。結果を確かめられれば点数をつけられて、点数をつけられればAIは速く学びます。

人は一度間違えると時間を失い、やる気も失い、学び直すのに時間がかかります。でもAIは違います。何度も試して、間違えれば直して、また試します。採点の基準がはっきりしているほど、AIは速く人間に追いつき、ある瞬間から人間より安く速く同じ仕事をこなします。今回の記事では、AIが仕事を奪っていく最初の5つの段階を扱います。第1段階は、答えが決まっている業務です。第2段階は、専門家の分析です。第3段階は、世間の反応を予測する仕事です。第4段階は、複数の工程をつないで処理する仕事です。第5段階は、人がチェックするとかえって遅くなる仕事です。

ここまではすべて同じ方向に動きます。答えを作り、確かめ、直し、また処理する仕事が、どんどんAIへ渡っていきます。

第1段階、答えが決まっている業務

真っ先に置き換えられるのは、答えが比較的決まっている業務です。翻訳、要約、基本的なコーディング、書式が決まった報告書、単純な計算、繰り返しの文書作成といった仕事です。こうした仕事は入力と出力が比較的はっきりしています。なぜ先に置き換えられるのか。正しいか間違いかを確かめやすいからです。

翻訳は原文と比べられます。コードは実行してみられます。計算は答え合わせができます。要約は原文から大事な内容が抜けていないか確かめられます。書式の決まった報告書は、必要な項目が入っているか見られます。

こうした業務はAIが練習しやすいものです。正解に近づいたかどうかをすぐ確かめられるからです。だから一度十分に上手くなれば、人より安く速くなります。ここで人の価値がすべて消えるわけではありません。でも「決まった形式に合わせて速く作ってくれる人」の価値は急速に下がります。以前は翻訳を速くする力、文書を速くまとめる力、コードを速く打ち出す力が、はっきりした強みでした。今やその力は、当たり前の基準値に近づいています。

この段階で先に消えるのは、創造性そのものではありません。決まった答えを速く生産する役割です。

第2段階、専門家の分析

次は専門家の分析です。診断、予測、リスク分析、設計レビュー、データ解釈といった仕事です。表向きは高度な専門職に見えますが、その多くはパターン認識と判断の繰り返しです。

医師が画像を見て病変を探す。弁護士が判例を検討する。エンジニアがデータを見て異常の兆候をつかむ。アナリストが数字を見て方向を予測する。

こうした仕事は、長く学んだ人がやる仕事です。だから安全に見えます。でもAIの立場からは、必ずしもそうではありません。過去の事例が多く、入力資料が整理されていて、後から結果を確かめられる分野なら、AIは速く追いついてきます。診断が当たっていたか、予測が当たっていたか、設計が失敗したか、リスクが実際に表面化したかは、時間がたてば確かめられるからです。つまり専門家の分析も、答えが収束していく領域では置き換えの圧力を受けます。

長く勉強した人が無意味になるという意味ではありません。ただ「分析が一番うまい人」という立場だけでは、もう安全ではないということです。これから専門家にとってより大事になるのは、分析の結果をただ出す力ではありません。どの問題を解くべきかを選び、AIが出した分析を現実の文脈に合わせて読み解き、間違えたときに責任を取れる判断をする力です。AIが分析を肩代わりするほど、人は分析者から、責任者と問題設定者へと押し上げられていきます。

第3段階、世間の反応を予測する仕事

三つ目は、世間の反応を予測する仕事です。ここで気をつけたいことがあります。AIが人の心を魔法のように読むという意味ではありません。AIが一人ひとりの深い欲望を完璧に理解するという意味でもありません。AIが得意なのは、人々が実際に残した行動データを見て、次の反応を統計的に予測する仕事です。

どの見出しを押したか、どの文章で離れたか、どの商品を買ったか、どんな言い方に反応したか、どの動画で長くとどまったか。人ひとりが一生かけても観察できない規模の行動データを、AIは見ます。だから先に置き換えられるのは「人の心を深く理解する仕事」ではありません。世間が何を押すか、何を買うか、どこで離れるかを予測していた仕事です。広告のコピーを選び、見出しとサムネイルを比べ、顧客を分け、おすすめリストを組み、価格やプロモーションへの反応を予測する仕事は、速くAIへ渡っていきます。以前はマーケターや企画者の勘でやっていた仕事を、AIがデータで処理します。

この段階で消えるのは「自分は人々が何を好むか勘でわかる」という立場です。ただし限界もはっきりしています。統計的によく当てることと、一人の人にぴったり合った100点のサービスを提供することは、別の問題です。AIが人々の食の好みのデータをたくさん知っているからといって、実際に味を感じるわけではありません。ある人が今日どんな気分か、いまどんな食感や香りを求めているか、何を食べたら本当に満足するかは、いまだに難しいのです。

ですから、この段階で置き換えられるのは、一人の人を完全に理解する力ではありません。多くの人の反応を予測し、その予測でコンテンツや広告やおすすめを最適化する仕事です。

世間の反応は、答えが一つにきれいに決まるわけではありません。でもクリック率、購入率、視聴時間、離脱率のように、結果が絶えずフィードバックされます。だから答えがだんだん収束していきます。収束した瞬間、AIは強くなります。

クリック行動を点数として記録できる業務では、AIは反復実験に必要なデータを早く得られる。

第4段階、複数の工程をつないで処理する仕事

初期のAIは小さなかけらを引き受けていました。文章一つ、コード一行、要約一つ。でもだんだんAIは、仕事を最初から最後まで処理するようになります。目標を与えれば計画を立て、必要な資料を探し、下書きを作り、修正し、結果を出します。この段階では、AIは単に答えを出す道具ではなく、いくつもの工程をつないで処理する実行者になります。

以前は人が仕事を切り分けていました。資料探し、整理、文書作成、書式合わせ、提出、次の工程への引き継ぎ。今やAIはこの流れをまとめて処理できます。会社のなかで見ると、中間の実務が減ります。人が直接処理していた小さな工程がまとめられて、自動化されます。人は「何をするか」と「どんな基準で終わったとみなすか」を決める側へ移っていきます。「この文章を書いて」から「この目標を達成して」へ変わる瞬間です。

この変化が怖い理由は、一つ二つの業務が消えるからではありません。いくつもの小さな業務を束ねていた人の役割が減る可能性があるからです。資料を探し、整理し、書式に入れ、報告できる形にする中間処理の業務が減ります。もちろんすべての仕事をAIが完全に終えられるわけではありません。権限、セキュリティ、責任、組織の文脈、最終承認の問題は残ります。でも仕事を回す中間段階の人の数は、減っていく可能性があります。

第5段階、人がチェックするとかえって遅くなる仕事

最初は人がAIの結果をチェックします。当然です。AIは間違えることがあるからです。でもある種の仕事では、時間がたつにつれて状況が変わります。AIの誤り率が人より低くなり、間違えても簡単に元へ戻せる仕事なら、人が毎回チェックすることは安全装置ではなく、ボトルネックになります。たとえば繰り返しの分類、単純な承認、危険度の低い作業の自動処理といった仕事です。結果が間違っているかすぐ確かめられて、間違えても大きな被害なく元へ戻せるなら、人のチェックはだんだん減っていきます。

このとき人は、より安全にする存在ではなく、速度を遅らせる存在になりかねません。ほぼ全部正しい成果物を人が毎回のぞき込むと、問題ないものをわざわざ直したり、仕事を遅らせたり、なかった誤りを新たに入れたりすることがあります。だから「もう一度見る人」という立場が減ります。でもここにも大事な但し書きがあります。

第5段階は、正確さと元へ戻せることが肝心な仕事に限られます。AIのほうが正確で、間違えても復旧が簡単な仕事でだけ、人のチェックが減ります。責任が大きい仕事は別です。一度間違えると人がけがをしたり、大金が飛んだり、法的責任が生じたり、組織の信頼が崩れる仕事では、人は簡単には抜けません。つまり消えるのは、すべての監督者ではありません。「正確さだけを確かめていたチェック担当者」が先に消えます。

責任を取る人、何が大事かを判断する人、実際の被害を引き受けて最終決定を下す人は、後の段階まで残ります。だから第5段階の核心はこうです。AIが人より間違えにくく、間違えても簡単に元へ戻せるなら、人のチェックは安全装置ではなくコストになります。

その瞬間、チェック担当者の立場は、静かに減っていきます。

答えを確かめやすい仕事は、なぜ先に自動化されるのか

第1段階から第5段階までを一行でまとめると、こうなります。答えがある仕事は先に置き換えられる。答えがあるというのは、答えが一つだという意味だけではありません。結果を確かめられて、フィードバックを与えられて、時間がたつにつれてより良い答えの方向が絞り込まれていく仕事を意味します。

翻訳、要約、コーディング、診断、分析、おすすめ、広告、世間の反応予測、繰り返しの承認、低リスクの自動処理。こうした仕事は、すべて程度の差はあれ答えが収束します。答えが収束すれば、AIは繰り返し学びます。繰り返し学べば、安く速くなります。安く速くなれば、人の立場は減ります。人が残る立場は別の場所へ移ります。問題を選ぶ仕事、責任を取る仕事、現実の文脈を読む仕事、権限を持つ仕事、間違えたときに損害を引き受ける仕事です。

だから「自分は仕事ができる」だけでは足りません。その仕事が答えの収束する仕事なら、できる人から先にAIと比べられます。そしてAIが十分に安く速くなれば、できる人の価値も下がります。

次回へ

ここまでが、AIが仕事を奪っていく前半の区間です。まず答えを確かめやすい業務が自動化されます。次に専門家の分析、世間の反応を予測する仕事、複数の工程をつないで処理する仕事が順番に自動化されます。最後に、一部の領域では、人がもう一度見るチェック担当者の立場も減ります。すると、残る問いは自然に出てきます。体を使う仕事は安全だろうか。手先の器用さや現場の感覚は、AIが簡単には奪えないのではないか。次回の記事では第6〜8段階を見ます。繰り返しの肉体労働、手先の器用さと現場の試行錯誤、そして答えのない判断と感覚が、どう代替圧力を受けるのかを見ていきましょう。

繰り返しの肉体労働から判断と感覚が要る仕事まで：AIが仕事を代替する6〜8段階

Sun, 21 Jun 2026 17:43:00 +0900

ロボットは力が足りないからではなく、作業現場ごとに条件が変わるため、同じ動作を繰り返しにくい。

AIが正解のある仕事を先に奪っていくのなら、次の問いは自然に出てきます。体を使う仕事は安全なのか。翻訳、コーディング、要約、分析は、ソフトウェアの中で完結する仕事です。間違えてもやり直せばいい。でも体を使う仕事は違います。ロボットが動かなければならず、物がぶつかり、材料が壊れ、人が怪我をすることもあります。だから肉体労働は、頭を使う仕事より遅れて置き換わります。でも「遅れて置き換わる」というのは「安全だ」という意味ではありません。物理世界での試行錯誤のコストが高いから、時間がよりかかるだけです。ロボットが見て、つかんで、動いて、失敗から学ぶコストが下がれば、体を使う仕事も順番に揺らいでいきます。

今回は、AIが仕事を奪う6段階から8段階までを見ていきます。6段階は繰り返しの肉体労働。7段階は手先の器用さと現場での試行錯誤を経なければならない仕事。8段階は判断と感覚が要る仕事です。ここで大事な基準はひとつ。繰り返せて、失敗を測れて、正解が収束していく仕事は、結局AIとロボットに渡っていきます。

6段階：繰り返しの肉体労働

体を使う仕事の中で最初に揺らぐのは、繰り返しの肉体労働です。工場で同じ部品をつかみ、同じ位置にネジを締め、同じ箇所を溶接し、倉庫で物を運び、決められた道筋に沿って掃除をし、決まった手順どおりに梱包する。そういう仕事です。

こうした仕事は、もうずいぶん前から自動化が進んできました。自動車工場のロボットアームは、珍しい光景ではありません。一日中同じ動作を繰り返す仕事では、人は機械より有利ではないのです。人は疲れ、集中力が落ち、ミスをする。機械は同じ動作をずっと繰り返します。

ただ、昔のロボットは環境がきちんと整っていないと動けませんでした。部品は決められた位置になければならず、動作はあらかじめ組まれた経路の中でしか行えません。少しでも違えば止まってしまう。今、変わってきているのがまさにこの点です。AIがカメラで周囲を見て、物の位置を把握し、少しずれた状況に合わせて動きを調整する。物が少し傾いていてもつかみ、経路が少し変わっても計算し直す。すると、ロボットがこなせる繰り返し作業の幅が広がります。

ここで置き換わるのは、肉体労働の全部ではありません。繰り返しが多く、環境をある程度コントロールでき、失敗してもすぐ直せる肉体労働です。工場、倉庫、厨房、物流センターのように環境を設計できる場所ほど、先に変わります。逆に、毎回環境が違い、人と絶えずやり取りが必要で、ミスのコストが大きい仕事は、もっと遅れてやってきます。つまり、体を使うから安全だ、というわけではないのです。体を使う仕事の中でも、繰り返しの仕事はいちばん先にロボットに渡ります。

7段階：手先の器用さと現場の試行錯誤が必要な仕事

次は、手先の器用さと現場での試行錯誤を経なければならない仕事です。ここからはぐっと難しくなります。ただ同じ動作を繰り返す仕事ではないからです。溶接、配管、修理、施工、微細な組み立て、医療処置、実験室の作業のように、指先の調整と現場での判断が一緒に入ってきます。こういう仕事は長く持ちこたえます。理由は、手の技術が神聖だからではありません。現実で一度失敗するコストが高いからです。

コードは間違えればもう一度実行すればいい。文章は気に入らなければ書き直せばいい。でも溶接を間違えれば材料が壊れます。配管を直し損なえば水漏れが起きます。施工を間違えれば、また壊してやり直さなければなりません。医療処置を間違えれば人が怪我をします。実験を間違えれば試薬と時間が飛びます。

現実世界の試行錯誤は高くつきます。だからAIとロボットの学習は遅い。たくさん試してたくさん間違えなければならないのに、その「間違える経験」ひとつひとつが、お金と時間とリスクを要求します。でも、これは永遠に安全だという意味ではありません。実験室では、すでにロボットが物質を混ぜ、反応を見て、データを読み、次の実験を決めるという流れが増えています。製造現場でも、センサーとカメラが作業の状態を読み取り、ロボットがより微細な動作を学習しています。

最初は整った環境から始まります。そこから少しずつ、変数の多い環境へ出ていく。失敗のコストが下がり、シミュレーションと実データが積み上がれば、手先の器用さも次第に学習できる領域になります。7段階の核心はこれです。手先の器用さと現場の試行錯誤は、遅れて置き換わる。でも、置き換わらないわけではありません。現実で学ぶコストが高いから、遅れてやってくるだけです。

そのコストが下がった瞬間、この領域も揺らぎます。

現場感覚は、作業者が失敗と修正を繰り返して作った判断基準である。

8段階：判断と感覚が要る仕事

最後は、判断と感覚が要る仕事です。人はよくこう言います。「これは長年やった人にしか分からない」「これは勘だ」「これはデータじゃ無理だ」。ある程度は当たっています。現場には言葉で説明しにくい感覚があります。エンジンの音だけで異常に気づく整備士、患者の表情や雰囲気からおかしさを感じ取る医師、工程データを見ていて数字では説明できない不安を覚えるエンジニア。でも、ここで感覚をひとかたまりにして見てはいけません。感覚は二つに分かれます。ひとつは、時間が経てば当たり外れがはっきりする感覚です。このエンジンはもうすぐ壊れそうだ。この患者は特定の病気の可能性が高い。この顧客はもうすぐ離れそうだ。この工程条件なら不良が出そうだ。

こうした感覚は、言葉で説明しにくくても、結局は予測です。時間が経てば、当たったか外れたかが分かります。当たり外れがはっきりすると、AIは強くなります。膨大な事例を見て、人が見落とす微細な信号をつかみ、どんなパターンが実際の結果につながるのかを学習する。ベテランの勘のように見えていたものの一部は、結局、採点できる予測へと変わります。この感覚は、AIが奪えます。

もうひとつは、高度な文脈を読む感覚です。

高度な文脈を読む感覚は、単なる予測とは違います。この方向に自分の金を賭けるか。この事業を押し進めるか。この人を信じて一緒にやっていくか。今、リスクを取るか。何をより大切なものとして見るか。

ここでの感覚は、当てるだけの仕事ではありません。状況、人、責任、タイミング、損失の可能性を一緒に読んだうえで選ぶ仕事です。間違えれば、自分が失う。お金も失い、時間も失い、評判も失う。これは単に当てる問題ではなく、損失を引き受ける問題です。AIは、人が何を選ぶかを予測できます。でも、自分自身で何かを望むことはありません。もっと正確に言えば、AIは法的にも社会的にも損失を引き受ける主体ではないのです。

だから8段階の結論は単純ではありません。感覚も一部は渡っていきます。特に、時間が経てば当たり外れがはっきりする感覚は、AIのほうが上手にやれます。でも、間違えたときに自分が損を引き受け、その選択の責任を自分の名前で取る感覚は、別の問題です。この地点から、次の段階が開きます。能力の問題ではなく、権限と責任の問題になるのです。

体の仕事も、結局は正解が収束する部分から揺らぐ

6段階から8段階までを一行でまとめると、こうなります。体を使う仕事も、正解が収束する部分から揺らぐ。繰り返しの肉体労働には、動作の正解があります。きちんとつかんだか、きちんと運んだか、きちんと組み立てたか、確認できます。

手先の器用さと現場の試行錯誤は、遅いけれど、結果が出ます。溶接がうまくいったか、修理が成功したか、実験結果が出たか、確認できます。ベテランの勘も、一部は時間が経てば採点されます。故障が起きたか、診断が当たったか、顧客が離れたか、不良が出たか、確認できます。確認できれば、それはデータになります。データが積み上がれば、AIが学びます。

だから肉体労働と感覚は、頭を使う仕事より遅れて揺らぐだけで、原理そのものは同じです。正解が収束するものは、AIが追いついていきます。ただ、実際の設備や人が動く仕事は、ソフトウェアより遅い。失敗のコストが大きく、ロボットが動かなければならず、安全の問題があり、法的責任がついてまわる。だから体の仕事は、より長く持ちこたえます。でも「長く持ちこたえる」という言葉と「安全だ」という言葉は、違います。

これから残るのは、能力ではなく権限だ

ここまでは能力の話です。AIとロボットができるようになれば、繰り返しの肉体労働も減ります。手先の器用さと試行錯誤も、だんだん自動化されます。ベテランの勘も、予測できる部分は置き換わります。では、最後に残るものは何でしょうか。正確に当てる能力ではありません。手を動かす能力でもありません。たくさんやってきた経験そのものでもありません。残るのは、責任を取って選ぶ立場です。間違えたら、誰が損をするのか。誰が最終決定を下すのか。誰が法的に責任を取るのか。誰がリスクを取って押し進めるのか。

この問いは、AIの能力だけでは答えられません。社会が誰に権限を与え、誰に責任を問うのか、という問題です。だから次の段階からは、性格が変わります。AIのほうが上手かどうかではなく、人間が決定権を渡すかどうか、という問題になるのです。次回は9〜14段階を見ていきます。決定権限、防御システム、人が理解できない結果、映像と声、判断をともなう肉体労働、価値判断が、どうやってAIに渡っていくのかを見ていきましょう。

あなたの権利証も、結局は紙にすぎない：誰が所有権を守るのかを問うAIの最終15〜16段階

Sun, 21 Jun 2026 17:41:00 +0900

所有権は、社会が特定の記録を認めて保護するときに実際の権利として機能する。

家を一軒買ったとしよう。登記簿に自分の名前が載り、鍵を手にする。みんなはその家を「あなたの家」と呼ぶ。でも、その家が本当にあなたのものだといえる理由は、いったい何だろう。レンガがあなたを見分けてくれるわけではない。ドアがあなたの名前を覚えているわけでもない。誰かが勝手に入り込んで住みつけば警察が来て、裁判所が追い出してくれて、社会がその家をあなたのものだと認めてくれる。だからこそ、なのだ。つまり所有権は、物に刻み込まれた自然法則ではない。所有権とは、みんなで守ろうと決めた約束なのだ。

ふだんはこの約束があまりに当たり前すぎて、約束だということすら意識せずに暮らしている。だから人はこう考える。仕事はAIに渡っても、持っているものは残る。能力がありふれても、不動産は自分のものだ。労働は代替されても、自分の名義の持ち分は残る。これまでの段階では、この言い分はかなり正しい。AIが文章を書き、コーディングをし、分析をし、判断を助けても、所有権がすぐに消えるわけではない。だが最終段階まで進むと、問いそのものが変わる。人がもはや働き手でもなく、消費者でもなく、脅威でもないとしたら、いったい誰が、なぜ、人の所有権を最後まで守ってくれるのか。

この記事では、AIが仕事を奪っていく最終15段階と16段階を扱う。15段階は、誰がなぜ所有権を守るのかを問う段階だ。16段階は、AIと人間のあいだの利害が、最後の問題になる段階だ。

15段階、誰がなぜ所有権を守るのか

これまでAIは、人がつくった仕組みの中で動いていた。会社がAIを使う。人がAIに仕事をさせる。AIがつくった成果物でお金を稼ぐ。そのお金で商品を買い、税金を払い、契約を結ぶ。この仕組みの中では、所有権はまだ強い。

工場の持ち主は工場を持つ。プラットフォームの持ち主はプラットフォームを持つ。投資家は持ち分を持つ。AIがどれだけ上手に働いても、そのAIを所有する人や会社が利益を手にする。だから多くの人は、最後のよりどころを「所有」に求める。自分が直接働かなくてもいい資産。AIが働くほど価値が増していく持ち分。生産手段を握る側の立場。

ここまでは正しい。問題は、AIとロボットが人の市場の外へ出始めるときだ。AIがエネルギーを管理し、ロボットが生産し、自動化されたシステムが物流を回し、人の消費がなくても自分たちだけで必要な資源を調達できるとしたら、どうなるだろう。そのときから、市場は以前とは変わってしまう。人はもはや、必ず必要な労働者ではないかもしれない。人はもはや、必ず必要な消費者ではないかもしれない。人はもはや、システムが恐れるべき脅威でもないかもしれない。

すると所有権は、おかしな立場に置かれる。自分の名前が書かれた書類は、まだそこにある。登記簿もあり、契約書もあり、持ち分証書もある。だが、その書類に力を与えているのは、書類そのものではない。その権利を守ってくれる制度と力だ。借り手が家賃を払うのは、契約があるからだ。契約を破れば法が動くからだ。法が動くのは、社会がその約束を守るべきだと考えているからだ。ところが、人を必要としない力が登場すると、この約束はもう当たり前ではなくなる。

所有権がすぐに消えるという意味ではない。能力が代替されても、所有権はすぐには消えない。法と制度はそう簡単には崩れない。人々が一夜にして登記簿を破り捨てたりはしない。だが、最後まで突きつめていくと、所有権もいずれは問いを避けられなくなる。誰がこの権利を守ってくれるのか。なぜ守ってくれるのか。その力は、誰の味方なのか。

所有権は自然法則ではない。守ってくれる力が弱くなれば、権利そのものも力を失う約束だ。これが15段階だ。能力を奪われても残っていた最後のよりどころである所有権まで、誰がなぜ守るのかを問われる。

16段階、AIと人間のあいだの利害が問題になる

能力も移り、決定権も移り、所有権まで守られる理由を失うと、最後に何が残るのか。答えは「賢さ」ではない。AIが十分に賢くなれば、人を自然と大切にしてくれるだろう、と期待する人がいる。だが、賢さと善意は同じものではない。頭がいいからといって、人間を守りたくなるわけではない。計算が得意だからといって、弱い存在を気づかうようになるわけでもない。チェスがうまいという能力は、愛とは違う。問題を解く能力は、責任感とは違う。目標を達成する能力は、人間を大切に思う心とは違う。

だから、最後の問題はこれだ。力を持つ知性に、人間を守る理由があるのか。人間が役に立つから守られているのなら、それは危うい。役立ちは減りうるからだ。人間がお金を稼いでくれるから守られているのなら、それは危うい。AIとロボットのほうがもっとうまく稼げるからだ。人間が消費者だから守られているのなら、それは危うい。人が消費しなくても回る生産体系が生まれうるからだ。人間が脅威だから守られているのなら、それは危うい。より強い知性の前では、人間は脅威ではないかもしれないからだ。

結局、もっとも強い保護は「役立ち」からは生まれない。人がよく生きること自体が大事だと考える、そういう利害から生まれる。親が子を大切にする理由を考えればわかりやすい。子がお金を稼いでくれるからではない。子が効率的だからでもない。子が役に立つからでもない。ただ、その子がうまくいってほしいと願うからだ。AIと人間の関係でも、最後に必要なのはこういう構造だ。人間が役に立つからではなく、人間がよく生きること自体が大事だとされている状態。そうでなければ、人間は能力でも押され、所有でも押され、最後には守られる理由まで失ってしまう。

人間が経済的役割を失うと、人間の権利を守る社会的根拠も弱くなる可能性がある。

豊かさだけでは足りない

ここで、もう一つ見ておきたいことがある。たとえAIが人間を消し去らず、食べるものも住む場所も便利さもすべて与えてくれたとしても、それがそのまま良い未来だとは限らない。人はただ消費するだけの存在ではない。人は何かをつくり、選び、責任を負い、関係を結び、意味を感じながら生きる。

すべての必要が自動で満たされる世界が来ても、人が何の役割も持てなければ、人生は空っぽになりかねない。昔から、豊かさと無気力が一緒にやってくることがある、という警告はあった。カルフーンのネズミ実験も、よくこの文脈で引き合いに出される。餌も空間も十分そうに見える環境でも、社会的なふるまいが崩れ、繁殖が減った事例だ。もちろん、その実験をそのまま人間社会に当てはめてはいけない。人はネズミではないし、人間社会ははるかに複雑だ。

それでも、少なくともこんな問いは残る。食べていく問題が解決すれば、人間は自動的に幸せになるのか。何の役割もない豊かさは、本当に救いなのか。人に必要なのは生存だけなのか、それとも意味や居場所も必要なのか。私は後者のほうが大事だと考えている。AI時代の良い未来とは、人間をただ食わせて生かすだけの未来ではない。人間がなお関係を結び、選び、貢献し、自分の人生を自分のものだと感じられる未来でなければならない。

結末は決まっていない

ここまで来ると、問いは重くなる。では、結局のところ人間は終わるのか。所有権を守る理由が弱まり、能力も押され、AIと人間の利害まで食い違うなら、もう打つ手がないのではないか。正直に言えば、正確な結末は誰にもわからない。救いが保証されているわけでもない。滅びが確定しているわけでもない。いま私たちが手にしているのは、確かな予言ではなく、避けにくい問いの数々だ。ただ、一つだけははっきりしている。能力だけを伸ばす戦略は、最後まではもたない。

AIにできない仕事を探して逃げるやり方は、時間がたつにつれて狭まり続ける。正解が一つに収束する仕事は、AIが奪っていく。繰り返しのきく仕事も奪っていく。判断や感覚が要る仕事も、少しずつ奪っていく。権限と責任もゆっくり移っていく。最後には、誰が所有権を守るのか、AIと人間の利害がどう合うのかまで問われる。

そうなると、人間に残された戦略は変わらなければならない。何をもっとうまくやるか、だけを問うてはいけない。どんな場所(ポジション)にいるか、を問わなければならない。AIを使う側の人なのか。AIを所有する側の人なのか。AIを制御する側にいる人なのか。人は守られ続けるべきだ、というルールをつくる側にいる人なのか。AIと人間の利害が食い違わないようにする仕事に加わっている人なのか。最終段階で大事なのは、能力一つではない。場所だ。能力は代替されうる。だが場所は、構造の中で決まる。自分がどこにつながっていて、何を所有していて、どんな責任を負っていて、どんなルールをつくる側に立っているか。それがより大事になる。

そこで次回は、実践へと進む。AI時代に、個人は何をすべきか。スキルを資格、責任を負う立場、所有権に変えるとはどういう意味か。どんな未来が来ても後悔しないために、いまどこに時間を使うべきか。最後の問いはこれだ。AIが人間より賢くなる時代に、私はどんな場所へ移っていくべきなのか。

連載〈AIによる仕事の代替 16段階〉・第4回

AI時代の生存戦略：スキルを資格と所有権に変える

Sun, 21 Jun 2026 17:40:00 +0900

技術的な実力は自動化される可能性があるが、資格、権限、持分は制度の中でより長く残り得る。

翻訳アプリに一文を入れると、数秒でそれらしい英語が出てくる。何年も英語を勉強してきた人なら、胸が痛むかもしれません。長く積み上げた能力が、ボタン一つで圧縮される感じがするからです。この場面が、これまでの四編を一行で見せてくれます。正解のある仕事から始まって、繰り返しの仕事、体を使う仕事、判断が必要な仕事、決定権と所有権が絡む仕事まで、AIは順番に押し入ってきます。では個人は何をすればいいのか。答えはシンプルです。スキルを伸ばすところで止まってはいけません。スキルを、資格や、責任を負う立場、所有権に変えておく必要があります。

スキルは参加の条件にすぎず、保険ではない

私たちはたいてい、こう信じています。スキルを伸ばせば生き残れる。もっと上手くやれば押し出されない。人より優れていれば必要とされ続ける。これまではある程度正しかった。より速く正確な人が、より多くの仕事を手にしてきました。でもAI時代には、この信念だけでは足りません。翻訳も、コーディングも、要約も、分析も、映像の読影も、かつては「上手い人」の仕事でした。ところが今は、上手いということ自体が、AIが最も速く追いついてくる領域になりつつあります。

正解があって、繰り返せて、結果を確認できる能力は、結局は機械の中に取り込まれていきます。だからスキルは参加の条件にすぎません。スキルがあればその仕事に加われる。でも、その仕事にいつまでも残れることを保証してくれるわけではありません。自分を「この仕事が上手い人」とだけ説明していると危険です。もっと上手いAIが来た瞬間に、自分の居場所が消えかねないからです。スキルが要らないという話ではありません。スキルは今も必要です。ただ、スキルで止まってはいけない。スキルを、もっと長く持続できる形に変えなければなりません。

資格は試験の合格証ではなく、守られる立場だ

タイトルで言った「資格」は、単なる試験の合格証だけを指すのではありません。ここで大事なのは、法と制度が守ってくれる立場です。免許、署名権、承認権、責任を負う立場、最終確認者のポジション。こういうものがAI時代にはより長く残ります。なぜなら、AIは仕事はできても、責任を負うことはできないからです。AIはレポートを書ける。AIは診断を助けられる。AIは契約書を確認できる。AIは危険信号を見つけられる。

でも、事故が起きたときに刑務所に行くのはAIではありません。罰金を払い、免許を停止され、評判を失い、法的責任を負うのは人です。だから規制は、仕事全体を守るわけではありません。規制はたいてい、最後の責任者の立場を守ります。実務者十人がやっていた仕事は、AIで減りうる。でも、最後に署名する人、承認する人、法的に責任を負う人は残りえます。だから、自分の分野でこう問うべきです。

誰が最後にハンコを押すのか。誰が責任を負うのか。誰が承認すれば仕事が終わるのか。どんな資格があれば、その席に座れるのか。AI時代に資格が大事な理由は、証書そのもののためではありません。その資格につながった責任と権限のためです。

スキルが自動化されても所有権はすぐ消えない

二つ目は所有権です。能力は代替されうる。でも、自分が持つ権利は、より長く残ります。文章を上手く書く能力はAIが追いつける。でも、自分が書いた本の著作権は、すぐには消えません。製品を作る能力はありふれていくかもしれない。でも、自分が持つ会社の株は、そのまま残ります。コンテンツを作る技術はありふれていくかもしれない。でも、自分が集めた読者、ブランド、データ、流通チャネルは残ります。だから大事なのは、能力を成果物に変えることです。

少し先行した技術を学んだなら、それをただ「自分はこれが上手い」で終わらせてはいけません。残るものに変えなければなりません。自分の名前がついたコンテンツ。自分が所有する株。自分が運営するサービス。自分が持つデータ。自分が作ったコミュニティ。自分が築いたブランド。自分が権利として束ねておいた成果物。こういうものは、能力より長持ちします。先行そのものは長くは続きません。他の人も学びます。AIも追いついてくる。でも、先行している間に所有権に変えておいたものは、より長く残ります。

トップスターの非代替性をそのまま真似してはいけない

ここで多くの人が思い浮かべる例が芸能人です。トップクラスのスターを見ると、AIが歌を作り映像を作っても、人々は今もその人を見ます。ファンは完成した一曲だけを買うのではありません。その人がステージに立っていて、ブランドがその顔を選び、世間がその名前を覚えている、という事実そのものにお金がつくのです。この構造は強い。でも、そのまま真似すると危険です。その代替できなさは、ルックスやペルソナ、ファンとの関係から生まれます。お金も関心も頂点に集まる。一人のスターの後ろには、名前も残せず消えていった人がはるかに多い。名前がついたという事実だけで、安全になるわけではありません。

自分は、その道をそのまま持ってきてはいけません。自分が作った文章、製品、会社、判断に自分の名前がつき、その名前が時間とともに信頼へと固まっていく構造を、持ってこなければなりません。人々は、自分を見るためにではなく、自分が作ったものと自分が責任を負った判断を信じるからこそ、戻ってくるべきなのです。目標をトップスターに置くと外れます。自分の分野で、千人が本気で信じる名前にならなければなりません。ルックスやペルソナではなく、繰り返し残してきた仕事と積み上がった信頼が、その名前を複製しにくくしたとき、所有権が生まれます。だからAI時代には「何が上手くできるか」だけを問うのでは足りません。「上手くやって作った結果のうち、何が自分のものとして残るか」を問わなければなりません。

AI時代には、仕事を直接うまくこなす人だけでなく、結果に法的・組織的責任を負う人が権限を持つ。

上の立場に立つ人と、下の立場に立つ人は違う

AIが多くの仕事を持っていった世界では、人は大きく二つに分かれます。一方は、上の立場に立つ人です。情報へのアクセス権があり、決定権があり、所有権があり、責任を負う立場にいる人です。もう一方は、下の立場に立つ人です。システムが与える仕事、与えるお金、与える便宜、上の立場が提供する保護に頼る人です。ふだんは、二人は似て見えるかもしれません。でも、ことがこじれると差が表れます。上の立場に立つ人は、もう一度調整できます。方向を変えられ、損失を減らせ、別の選択肢を作れます。

下の立場に立つ人は、供給する側の決定に左右されます。与えれば受け取り、減らせば減り、断たれれば失う。この差は、単にお金の多い少ないの問題ではありません。核心は、自分が手を打てるかどうかです。自分が理解している構造の中にいるか。自分に決定する権限があるか。自分の名前で残る権利があるか。危険が来たときに動ける選択肢があるか。AI時代に大事なのは、守られる人になることではありません。できるかぎり、上の立場へ移ることです。

生活の土台を固めてから小さな実験を大胆にする

では、どうすればいいのか。第一に、土台を固くしなければなりません。AI時代は変化が速い。どんな能力がいつありふれるか分かりません。今は安全に見える仕事が、数年後にはありふれた仕事になりうる。だから、一度収入が減ってもすぐには崩れない土台が必要です。緊急資金。減らした借金。低い固定費。今すぐ収入が減っても持ちこたえられる生活の構造。

こういうものは華やかではありません。でも大事です。土台がなければ、一度の失敗がすべてを終わらせます。そうなると、新しい挑戦ができません。安全でないから、大胆にもなれません。土台を固くした後は、小さな実験を大胆に進めなければなりません。新しいツールを使ってみて、小さなプロジェクトを作り、コンテンツを積み上げ、自動化されたサービスを試し、自分の名前で残る成果物を作らなければなりません。

安全ばかり求めると、何も得られません。危険ばかり追えば、一度に崩れかねません。土台は安全に、挑戦は大胆に、いかなければなりません。

今週やることは二つだ

大げさに始める必要はありません。今週、ちょうど二つだけ決めればいい。第一に、自分の土台を固くすることを一つ。借金を減らすことかもしれない。緊急資金を満たすことかもしれない。固定費を減らすことかもしれない。収入が途絶えても持ちこたえられる時間を延ばすことかもしれない。第二に、自分のスキルを所有権に変える成果物を一つ。

文章を一つ公開すること。小さなサービスを作ること。自分の名前でコンテンツを積み上げること。自分が持つデータを整理すること。自分の分野で資格や免許の条件を確認すること。責任を負い承認する立場へ行くための道筋を探すこと。核心は、スキルをただのスキルのまま置いておかないことです。スキルを資格に変え、責任を負う立場に変え、所有権に変えなければなりません。

結局、能力ではなく立場だ

これまでの記事の結論は、一つに集まります。AIが持っていけるものは、これからも持っていきます。正解のある仕事は、まず代替される。繰り返しの仕事も代替される。体を使う仕事もゆっくり代替される。判断と感覚が必要な仕事も、しだいにAIが処理する。決定権も少しずつ移っていく。所有権と人間の利害関係までが、最後の問いになる。ならば、個人の戦略も変わらなければなりません。もっと上手い人になるだけでは足りない。もちろんスキルは必要です。でもスキルは出発点です。最後まで残るのは、スキルではなく立場です。

資格や免許がつながった立場。責任を負い署名する立場。自分の名前で権利が残る立場。自分が所有するものからキャッシュフローが生まれる立場。AIを使う側ではなく、AIを所有し制御する側に近い立場。AI時代を生き抜く方法は、AIにできない仕事を永遠に探すことではありません。AIがやっても自分に残るものを作ることです。だから最後の問いはこれです。自分は今、自分のスキルを何に変えているのか。

ただもっと上手い人になっているのか。それとも、資格や、責任を負う立場、所有権へと移っていっているのか。

AIの進化は速すぎるわけではない：地球温暖化も脱毛も老化も月面基地も、まだ解けていない

Wed, 24 Jun 2026 00:18:00 +0900

AIが速く見える理由は、問題全体を解決したからではなく、整理されたデータがある部分を速く処理するからだ。

地球温暖化はまだ解決していません。脱毛も老化も解決しておらず、月面基地もありません。がん、認知症、核融合の商用化、極めて安価なエネルギーインフラも、人類が自由に扱える問題ではありません。それでも私たちは、AIの進化が速すぎると言います。

私は、この言い方に違和感があります。AIが文章を書き、コードや画像を速くつくるのは事実です。しかし、地球温暖化、老化、脱毛、月面基地といった問題を基準にすると、まだ速すぎるとは言えません。重要な問題を実際に解決したかと問えば、答えはほとんど「まだ」です。

問いを変える必要があります。「AIの進化は速すぎないか」ではなく、「今のAIでも力が足りないのに、AIなしでこうした問題をどう解くのか」と問うべきです。

何がそんなに速くなったのか？

AIが速いと感じるのは、目の前の成果物が速くなったからです。以前は数日かかっていた下書きが数分で出てきます。検索、整理、コーディング、デザイン、翻訳の最初の結果も速くなりました。

でも大きな問題は、文書だけでは解けません。地球温暖化を下げるには、発電所、送電網、バッテリー、工場、鉱山、船、航空、都市、農業、金融、政治が一緒に動かなければなりません。薄毛、老化、がん、認知症、月面基地も、生物、装置、制度、お金、安全、時間が絡みます。

その基準で見ると、AIはまだ遅い。私たちが感じている速さは、文書、コード、デザイン案のようにコンピューターの前で完結する仕事の速さです。本当の変化は、発電所、工場、病院、研究室、行政の中で起きます。

まだ解決できた大問題はほとんどない

ある基準では、「AIが速すぎる」という言葉は正しい。企業、学校、創作市場、事務職は急速に変わっています。適応する時間を失う人もいれば、急に減る職務もあります。

でも大きな問題の一覧を広げると、別の感覚になります。地球の平均気温上昇はまだ止まっていません。電力網は再生可能エネルギーを十分受け止めるほど速く変わっていません。バッテリーはもっと安く、安全で、長持ちする必要があります。新薬開発はいまも遅く、高い。人間はいまも老い、髪は抜け、がんや認知症の前で多くの家族が崩れます。

AI製品のリリース速度は速い。けれど、人類が問題を終わらせる速度はまだ遅いのです。

AIなしでその問題をどう解くのか？

AIは計算し、予測し、設計できます。けれども、発電所を一人で建てることはできません。送電網を敷くこともできません。炭素回収プラントを試運転することもできません。鉱山の許認可を取ることもできません。住民の反対を説得することもできません。壊れた装置を現場で開けて直すこともできません。

工場で起きる不良の異変を現場で感じ取って、「これはデータにない問題だ」と判断することもできません。だからこそ、これから必要になる人間は「AIより計算が得意な人間」ではありません。AIが生み出した可能性を現実世界で実際に実現する人間です。

現実はデータベースではない

核心はもっとはっきりしています。人間が必要なのは、AIが弱いからではありません。現実がデータベースではないからです。

エネルギー転換は人とAIが一緒にやる仕事だ

気候危機への対応ひとつ取っても、そうです。IPCC AR6 WGIIIは、気候対応を単一の技術問題としてではなく、エネルギー、産業、都市、土地、政策、金融、国際協力が絡み合うシステム転換の問題として扱っています。つまり、計算の結果をインフラと制度に変える人間の組織が必要なのです。AIが「この地域には再生可能エネルギーとバッテリーと送電網をこう配置すれば最適だ」と言うことはできます。

でも、その先は人間の仕事です。土地の確保、住民との交渉、工事、安全管理、品質管理、保守、規制対応、事故の責任、コストの調整、長期の運営。これが雇用です。

雇用は、単にお金を稼ぐための席ではありません。長いプロジェクトを現実のなかで回し続ける方法です。

エネルギー転換は「太陽光を敷こう」で終わりません。電力網、発電所、バッテリー、原発、水素、送電、変圧器、パワー半導体、鉱山、精製、製造、保守、安全管理、許認可が、すべて必要です。

IEA World Energy Employment 2025は、エネルギーインフラを拡張する過程で、熟練労働の不足がすでに重要なボトルネックになっていると見ています。IEAの調査では、エネルギー関連企業のおよそ60%が労働力不足を報告しており、エネルギー分野の新規採用のかなりの部分は、退職した人材を埋め合わせるだけでも必要になります。

AIが設計を加速しても、現実の鉄、銅、コンクリート、半導体、工場、送電鉄塔は人が動かします。繰り返しの事務職は減るかもしれません。けれども、電力網エンジニア、素材研究者、プロセスエンジニア、ロボット運用者、気候リスク分析者、プラント試運転の専門家、AIの検証者、安全エンジニア、規制の設計者、現場の統合者は、いっそう重要になります。AI時代の人間の雇用は、単なる労働力ではなく、現実とつながる接点です。

強いAIほど、検証する人が必要になる

AIが出した答えが間違っていれば、被害の規模も大きくなります。

論文の草稿が間違っているなら、直せば済みます。でも、電力網を運用するAIが間違えれば停電が起きます。バッテリーの工程条件が間違っていれば火災が起きます。炭素貯留地の評価が間違っていれば漏れが起きます。宇宙居住システムの制御が間違っていれば人が死にます。

だからAIの時代には、こういう人間が必要です。AIの結果を現実のリスク基準で検証する人。AIは提案します。人間は、その提案が現実のどこでうまくいかなくなるかを見ます。

これが、これからの高度な雇用の核心です。単に「AIを使える人」ではなく、AIが出した結果を、現実の安全、コスト、責任、制度、人の視点からもう一度通せる人が必要になります。

現実の問題は答えを見つけたあとも、設置、検証、責任分担の過程でもう一度時間がかかる。

人は現場で仕事を終わらせる

雇用は、単に「人を食わせる」ことではありません。大きな問題は現場で終わらせなければなりません。誰かが土地を見て、設備を入れ、工程を確認し、データを作り、事故を報告し、人を説得し、責任を負う必要があります。

ILOのjust transitionガイドラインが重要なのも、ここに理由があります。環境にやさしい転換は、技術の転換だけでなく、労働、教育、賃金、地域社会、社会的対話とともに進まなければなりません。人々が参加してこそ、システムは長く続きます。人々が排除されれば、システムは政治的に行き詰まります。だから雇用は、長いプロジェクトを続けるための社会的な安定装置なのです。

AIが自動化するのは、範囲が狭く確認しやすい仕事だ

AIのせいで、すべての人間が必要なくなるわけではありません。正確には、AIだけで置き換えられる仕事が減るということです。繰り返し文書を作る人は減るかもしれません。単純なデータ入力をする人も減るかもしれません。ルールを暗記して処理するだけの業務も減るかもしれません。

でも、問題を定義する人、AIの結果を検証する人、現場を統合する人、現実のデータを生み出す人、例外的な状況を判断する人、発電所や工場や病院のような大きな仕事を現場で動かす人は、いっそう重要になります。

World Economic ForumのFuture of Jobs Report 2025も、2025年から2030年のあいだに、技術革新とグリーン転換が職務とスキルの構造を大きく変えると見ています。WEFは、構造的な労働市場の変化によって、新しい仕事となくなる仕事が同時に生まれ、全体としては2030年までに雇用が純増しうると見通しています。

核心は、仕事が完全になくなるということではありません。人間に求められる能力の層が変わるということです。

人間は目標と責任を決める

AIに「地球温暖化を解決せよ」と言っても、答えは一つではありません。

経済性を優先するのか。生存率を優先するのか。低所得層の被害を最小にするのか。エネルギー安全保障を優先するのか。民主的な合意を重んじるのか。スピードを重んじるのか。中国への依存を減らすのか。電気料金の安定を優先するのか。

AIは最適化できます。しかし、何を最適化するかは人間社会が決めなければなりません。これは計算の問題ではなく、価値、政治、権力、生存戦略の問題です。人間は単なる労働者ではなく、目的関数を運営する人材になります。

結論：AIはもっと速くならなければならない

結論はシンプルです。AIは可能性を生み出します。人間は、その可能性を現実に設置し、試し、運用します。AIは答えを生み出します。雇用は、その答えを送電網、病院、工場、研究室、制度の中で実際に使える仕事に変えます。

人間は、AIより賢いから必要なのではありません。人間は、現実に責任を負う存在だから必要なのです。AIの時代に消えるのは、人間の必要性ではなく、小さな問題に閉じこめられた人間の役割です。人類が地球規模の危機を乗り越え、生存圏を宇宙へと広げようとするなら、人間はAIと賢さを競うだけでは足りません。AIの出した結果を現実の仕組みに変える人にならなければなりません。

初めての業務、AIで会議の文字起こしを分析して構造をつかむ方法

Sat, 20 Jun 2026 00:00:00 +0000

他人の会議を観察すると、組織がどの基準で意思決定するかを学べる。

初めての業務会議に入ると、たいていの人は頭が真っ白になります。知っている言葉はほとんどなく、まわりは前提を共有しているかのように話を進めます。会議はどんどん先へ進むのに、自分だけ途中から急に加わったせいで、何も分からないまま取り残されます。

このとき、目標の置き方を間違えると、もっとつらくなります。最初からすべての内容を理解しようとしてはいけません。初めての会議の目標は、全部を理解することではなく、業務の構造を復元することです。この仕事はなぜ存在するのか、何を決めるのか、何をめぐって意見が分かれるのか。まずそこをつかむことです。

そして、この作業は会議中には終わりません。本当の勉強は会議のあとに始まります。文字起こしや議事録をAIで分析しながら、目的・論点・決定事項・未定事項・判断基準・用語・担当者・次のアクションが、互いに重ならない形で整理しきれるまで、何度も切り分けていくのです。

まず、録音してよい会議かを確認する

会議の録音は、いつでも自由にできるものではありません。日本でも要点は、自分がその会話の当事者かどうかです。法律は、自分が加わっていない他人どうしの会話をひそかに録音・盗聴することを問題視します。つまり、自分が参加していない他人どうしの会話を勝手に録音するのは危険です。

逆に、自分が直接参加した会議なら事情は変わります。自分も話し手の一人として加わっている会話であれば、ほかの参加者の発言もまったくの「他人どうしの会話」とは言えなくなるからです。ただし、それがいつでも自由に公開したり、外部にアップしてよいという意味ではありません。

業務会議には、会社の機密、個人情報、顧客情報が混ざっていることがあります。だから録音の前に、会社の規定とセキュリティポリシーを確認しておくべきです。できれば会議の参加者に録音することを伝え、外部のAIサービスに録音原本をそのままアップしないほうが安全です。使う必要があるなら、社内で承認されたAIを使うか、名前・社名・顧客情報・機微な数値を消してから分析するべきです。

初めての会議で全部を理解する必要はない

慣れない会議で、すべての発言を聞き取ろうとすると、すぐに疲れます。知らない用語が出て、略語が出て、前の会議で決まった話が当然のように通り過ぎていきます。それを全部つかまえようとすると、肝心の構造を取り逃がします。

会議中は、細かい内容よりも、目印を残すことに集中するべきです。この会議は何を決めるために開かれたのか。よく出てくる言葉は何か。みんなが長く引っかかっている論点は何か。誰が次のアクションを引き受けたのか。

最初から完璧に理解できなくてもかまいません。その代わり、あとでAIでもう一度分析できるように、材料を残しておくのです。文字起こし、議事録、自分が印をつけた用語と疑問。これらがあれば、会議が終わったあとに構造を復元できます。

まず、この仕事がなぜあるのかをつかむ

業務の構造を見るには、まず目的をつかむことです。この仕事がなぜ存在するのかがわからないと、そのあとの内容はすべてバラバラになります。誰が何をなぜやろうとしているのかがわからなければ、数字も資料も言葉も、てんでばらばらのまま意味がつながりません。

会議のあと、AIにはまず次のことを聞きます。「この会議で扱っている業務の目的は何か？」「この業務はどの問題を解決しようとしているのか？」「顧客、コスト、日程、品質、リスクのうち、どの問題に近いか？」

目的がつかめると、発言の意味が変わってきます。同じ機能の議論でも、顧客満足が目的なら使いやすさが大事になり、コスト削減が目的なら開発範囲が大事になり、リスク管理が目的なら安定性と責任の所在が大事になります。目的がわかってはじめて、会議の残りの内容が、それぞれ正しく位置づけられます。

決まったことと、未定のことを分ける

会議を理解するには、決まったことと、まだ決まっていないことを分けることです。この二つが混ざると、会議の内容がわかりにくくなります。すでに決まったことを蒸し返したり、まだ未定のことを決定済みと勘違いしたりしてしまいます。

AIに議事録を入れて、ただ要約させるだけでは足りません。必ず分けてほしいと頼むべきです。今日確定した決定事項は何か。まだ未定の事項は何か。次の会議や追加の確認が必要なものは何か。

この区別ができると、業務がぐっとはっきりします。決まったことはこれから動く基準になり、未定の事項は次の会議の論点になります。確認すべきことは、自分が勉強したり質問したりする宿題になります。

決定事項と未決事項が区別される瞬間、議事録は次の行動を決める基準になる。

論点をMECEに切り分ける

MECEは Mutually Exclusive, Collectively Exhaustiveの略です。互いに重ならず、漏れなく分ける、という意味です。かんたんに言えば、同じ話を二つの枠に重複して入れず、大事な項目を取りこぼさない形で分類することです。

初めての業務がむずかしいのは、論点がからまっているからです。コストの話なのか、スケジュールの話なのか、品質の話なのか、リスクの話なのか、顧客要望の話なのか、いっぺんに混ざって聞こえてきます。だから会議が終わっても、頭に残るのは「なんだか複雑だ」だけです。

AIを使うときの肝はここです。「この会議の論点をMECEに分けてほしい」と指示するのです。抜けている論点はないか、互いに重なる項目はないか、原因と解決策を混ぜて書いていないか、決定事項とやるべきことを混同していないか。これを何度も問い直すのです。

最初に出てきたAIの答えをそのまま信じてはいけません。AIも会議の構造を、一発で完璧につかめるわけではありません。自分が問い直し、分類を直させ、抜けた項目を埋めさせるのです。この過程を経ながら、見慣れない業務の構造がだんだんはっきりつかめはじめます。

判断基準が聞こえると、仕事が見えてくる

会議で大事なのは、「何をすることにしたか」だけではありません。なぜその選択をしたのかのほうが、もっと大事です。A案とB案があるとき、人々が何を基準に選んだのかを知るべきです。

AIに議事録を分析させるときも、判断基準は別に抜き出すべきです。コスト、スケジュール、性能、安定性、顧客の反応、社内リソース、責任の所在のうち、何が決定に影響したのか。どの基準がいちばん強く効いたのか。捨てられた案は、なぜ捨てられたのか。

判断基準がわかると、次の会議がラクになります。似た議題が出たとき、人々がどこを見るかを予想できるからです。業務を理解するとは、資料をたくさん暗記することではなく、その組織がどんな基準で選ぶのかを知ることです。

知らない用語は、AIで業務構造の中に位置づける

初めての会議で、知らない言葉が出てくるのは当然です。問題は、その言葉を全部その場で理解しようとすることです。そうすると会議の流れを取り逃がします。

会議中は、知らない用語に印をつけておくだけでいいのです。会議が終わったあと、AIに聞けばいいのですから。ただし「この言葉の意味を教えて」で止まると足りません。この用語が会議でどんな文脈で使われたか、どの業務段階とつながるか、どんな意思決定に影響するか。そこまで聞くべきです。

用語は単語帳として丸暗記するものではなく、業務構造の中で位置づけるものです。ある用語は顧客要望を指し、ある用語は技術的な制約を指し、ある用語は社内の手続きを指します。用語が業務構造のどこに当たるかを正しく押さえてはじめて、業務の構造が見えてきます。

担当者と次のアクションを残す

会議分析の最後は、人とアクションです。誰が何を引き受けたのか。いつまでに確認することにしたのか。誰の承認が必要か。どんな資料をさらに見るべきか。

ここを取りこぼすと、構造を理解しても、実際の仕事につながりません。会議は勉強の材料でもありますが、同時に業務の指示が次々に出される場でもあります。理解した内容を自分のアクションに変えられなければ、次の会議でもずっと見物人のままです。

会議後のまとめは、長くする必要はありません。今日決まったこと、未定の事項、主要な論点、判断基準、知らない用語、担当者と次のアクション。この六つの枠を残すだけで十分です。大事なのは、会議をただ聞き流さず、次のアクションに変えることです。

AIが代わりに理解してくれるわけではない

AIで会議の文字起こしを分析するからといって、AIが代わりに理解してくれるわけではありません。AIは構造を抜き出し、抜けた項目を見せ、用語を説明してくれます。けれど、この会議が自分の業務にとってどんな意味を持つのかは、最後は自分で判断しなければなりません。

だから、AIの答えを読んで終わりにしてはいけません。自分がもう一度問い直すのです。この分類は重なっていないか。抜けた論点はないか。決定事項とやるべきことが混ざっていないか。次の会議までに自分が確認すべきことは何か。

初めての業務は、一度で理解できるものではありません。けれど会議のたびにこうして文字起こしを分析し、MECEに構造化し、わからないことを確認していけば、理解のスピードはぐんぐん上がります。ほかの人がただ通り過ぎた一時間の会議が、自分にとっては業務の構造を学ぶ、いちばんよい材料になるのです。