生産性 on Seunghoon Choi

AI時代の7つの仕事力：最後の差はEQ・信頼・評判で決まる

Wed, 24 Jun 2026 00:00:00 +0000

AIが思考過程を代わりに助けるほど、人は任せた仕事を最後まで確認して仕上げる能力を示す必要がある。

AIが答えをすばやく作り出す時代になりました。資料を探し、文章を書き、アイデアを整理し、下書きを作る作業は、以前よりずっと楽になりました。しかし、答えが速くなっても仕事が自然に良くなるわけではありません。AIに知的作業を任せられる範囲が広がるほど、人が担うべき役割ははっきりします。

AI時代に大切なのは、ただ頭がいい人ではありません。仕事を任されたとき、目標から成果物まで責任を持ってやり切る人です。言ってみれば、丸ごと任せても、文脈を読んで自分で整理し、きれいに仕上げる人です。いわゆる「言わなくても、ちゃんと、きちんと、気が利く」力が、もっと貴重になります。

その土台になる力は、次の7つです。

目標を合わせる力
仕事を構造化する力
ボトルネックを解く力
実行をやり切る力
効率と品質を最適化する力
学び、適応する力
関係と信頼を築く力

このうち一つでも欠けると、仕事は簡単に崩れます。けれど、それ以上に大切なこともあります。結局、仕事を任せる人は成果物だけを見るのではなく、その仕事を任せていい相手かどうかを見極めます。知性がAIに外注化されるほど、差を生むのはEQ、信頼、評判、そして「一緒に働きたい人」として記憶される力です。

目標がずれると、AIの答えもずれる

AIはすばやく答えを出しますが、その答えが向かうべき方向まで保証してくれるわけではありません。どんな問題を解くのか、誰にどんな価値を届けるのか、今回の仕事の成功基準は何かが、まずはっきりしている必要があります。目標がはっきりしないと、良いプロンプトでも散漫な結果になり、優れた実行力もあらぬ方向に向かってしまいます。

仕事を分けてこそ、AIの速さが生産性になる

複雑な仕事を一度に丸投げすると、AIの答えも簡単に散漫になります。問題を分け、順序を立て、必要な資料と判断基準を整理しなければなりません。構造化はただの整理ではなく、仕事を最後まで進められるようにする設計です。

ボトルネックを見つけて初めて、仕事はまた動く

AI時代のボトルネックは、技術不足だけではありません。どこで決定が遅れるのか、どこで情報が止まるのか、どこで責任があいまいになるのか、どこで品質基準がはっきりしないのかを見なければなりません。大事なのは、ボトルネックの位置を早く見つけ、原因を絞り込み、次の行動に変えることです。

価値があるのは、下書きを使える結果に仕上げる人だ

時間が多くかかる部分を見つける人は、速度そのものより、次に何をすべきかを明確に決める。

AIは下書き、アイデア、コード、要約をすばやく作ってくれます。けれど下書きを成果物にし、その成果物を顧客や同僚が実際に使えるレベルまで仕上げる作業は、いまも人がやらなければなりません。良いスタートより大切なのは、本当に使える結果まで仕上げることです。

速く作るほど、ていねいに確認しなければならない

AIを使えば作業の速さは上がりますが、チェックなしで速さだけを上げると、ミスもいっしょに速くなります。繰り返す作業は自動化し、大事な作業は基準を立てて見直し、結果の品質を着実に引き上げていく必要があります。速く作ることと、よく作ることを両方つかんでこそ、本物の生産性になります。

道具が変われば、働き方も変えなければならない

AIのツールも仕事のやり方も、変わり続けます。昨日の正解が、今日の標準とは限りません。新しいツールを学ぶ姿勢、フィードバックを受け入れる柔らかさ、失敗からパターンを見つける力が必要です。ツールが進化しても、学ぶ速さが止まれば、働き方はすぐに古びてしまいます。

結局、仕事は人と人のあいだで終わる

AIがどれほど賢くなっても、仕事は結局、人と人のあいだで仕上がります。信頼がなければ良い提案も受け入れられず、協力がなければ素晴らしいアイデアも実行されません。はっきり伝え、約束を守り、相手が安心して仕事を任せられるようにする力は、AI時代にむしろ大切になります。

最後の差はEQと評判で決まる

ただ、この7つの力を備えるだけでは十分ではありません。これらの力は、仕事をうまくこなすための必須の素養です。誰かに仕事を任されたとき、目標の確認から成果物の完成まで責任を持つ人に必要な基本条件です。けれど同じ力を持つ人が増えるほど、最後の差はEQと評判で分かれます。

EQは、ただ性格が良いという意味ではありません。相手の不安を読み、期待値を調整し、対立が起きる前に兆しに気づく力です。相手が何を心配し、何を大切に思い、どんな伝え方なら安心するのかを理解する力です。AIが知識と文章を助けてくれるほど、こうした感情の文脈を読む力は、もっと希少になります。

評判の管理も同じです。評判は、見栄えやイメージづくりではありません。繰り返された経験の積み重ねです。約束を守ったか。言ったことを最後までやり遂げたか。仕事がこじれたとき、隠れずに解決したか。一緒に働いた人が、また一緒に働きたいと感じたか。この問いへの答えが積み重なって、評判になります。

結局、AI時代の本当の競争力は、賢く見えることにあるのではありません。任せれば最後まで責任を持つ人、相手の文脈を読む人、一緒に働きたい人という評判を築くことにあります。技術を知っているのは出発点です。技術を成果に変える仕事の基本力、感情を読んで関係をつくるEQ、そして「あの人に任せれば大丈夫」という信頼が、AI時代のより大きな競争力になります。

AIをよく使う会社はなぜ遅くなるのか：トークンより高い隠れたコスト

Sun, 21 Jun 2026 17:56:30 +0900

AIの費用には利用料だけでなく、結果を読み直して直す人の時間も含める必要がある。

会社でAIをたくさん使い始めると、最初はすべてが速くなったように見えます。レポートの下書きがすぐ出てくる。議事録がまとまる。メールの文章が整う。みんな「生産性が上がった」と言います。

ところが、おかしなことが起きます。成果物は増えたのに、決定は速くなりません。文書は多くなったのに、責任を持つ人は減ります。会議の前に要約はできるのに、会議はあいかわらず長い。AIをたくさん使ったのに、会社は速くなるどころか、もっと複雑になっていきます。

問題は、AIのコストをあまりに狭く見ていることです。トークン代だけを見れば安く見えます。月額の定額プランだけを見れば、ほとんどタダのように感じます。でも会社で本当に高いのはトークンではありません。AIが出した結果を読み、疑い、直し、また問い、会議に持っていく――そのために増えた人の時間です。

トークンより高いのは検証の時間

AIが答えを作る時間は短い。でも、その答えが正しいかを確かめる時間は短くありません。とくに会社の仕事は、間違えれば責任がついてきます。数字ひとつ、顧客名ひとつ、契約条件ひとつが違っても問題になります。

だから、AIが作った成果物をそのまま使うわけにはいきません。誰かが読まなければならない。原文と照らし合わせなければならない。文脈が合っているか見なければならない。抜けている条件はないか、言い回しは大丈夫か、法務やセキュリティの問題はないかを確認しなければなりません。

AIが5分で作った文書を、人が40分かけて確認するなら、その仕事は5分の仕事ではありません。45分の仕事です。なのに会社は、AIが文書を作った5分だけを見て「速くなった」と勘違いします。AIが安く見える理由は、検証の時間が請求書に別立てで載らないからです。トークン代は見えるのに、人がもう一度読む時間は、ただ業務時間の中にまぎれて表に出ません。だから、よけいに危ないのです。

成果物が増えれば決定が速くなる、という錯覚

AIは成果物を増やすのが得意です。下書き、要約、比較表、チェックリスト、選択肢のリスト。ボタンを何回か押せばすぐ出てきます。だから組織は、何かたくさんやった気になります。

でも、成果物と決定は別物です。レポートが十個できたからといって、決定が十倍速くなるわけではありません。むしろ選択肢が増え、目を通す文書が増え、誰が責任を持つのかがあいまいになれば、決定はもっと遅くなります。会社は「何をもっと作ったか」より、「何を決めたか」を見なければなりません。AIが作った資料が決定を減らせないなら、その資料は生産物ではなく雑音になります。

偽の生産性は、ここで生まれます。みんなが忙しくなる。文書が増える。会議資料が分厚くなる。なのに、実際に前へ進んだ仕事はほとんどない。

月額は無料ではない

多くの会社が席数ぶんの定額制AIを使っています。月に決まった額を払えば使い放題に見える。だから人は、質問をもうひとつ投げることにためらいを感じません。「どうせ会社が払うお金だし」と思います。

でも月額は無料ではありません。コストがトークンから月額料金に移っただけです。もっと大きな問題は、人の使い方の習慣です。追加の質問がタダのように見えると、人は自分で考える前に、まずAIを呼びます。

軽い仕事にもAIを使おうとする。自分で5分考えれば終わる仕事に、プロンプトを書き、結果を読み、また直す。決めるべき場面で、また別のバージョンを出させる。結局、AIが仕事を減らすのではなく、仕事の段階を増やしてしまう。

道具が安く見えると、使いすぎる。使いすぎた道具はコストを生む。月額のAIも同じです。

AIを多く使うチームは、成果とは別に、どの作業に時間が多くかかっているかを確認する必要がある。

AIをたくさん使う、は成果ではない

会社の中で「うちのチームはAIをたくさん使っている」という言葉が、自慢のように聞こえることがあります。でも、たくさん使ったというのは成果ではありません。ただたくさん使った、というだけです。

大事なのはAIの使用量ではなく、結果です。より速く決めたか。より少ない人数で同じ仕事をこなしたか。ミスは減ったか。顧客への対応は良くなったか。一度作った基準を、次にも使い回したか。

この問いに答えられないなら、AIの使用量はうわべだけの指標になります。ダッシュボードの数字は上がっても、組織の速さは変わらないかもしれない。ひどければ、もっと遅くなる。AIをうまく使う会社は、使用「量」を自慢しません。どこに使い、どこには使わないか、その基準を立てます。

すべての仕事にAIを使ってはいけない

AIは強力な道具ですが、すべての仕事に使えば結果が良くなるわけではありません。ある仕事は、人がそのまま決めたほうが速くて安い。

AIを使う価値のある仕事は、別にあります。リスクが大きく、見落とすと損失が大きく、いくつもの選択肢を比べる必要があり、一度まとめた基準をずっと使い回せる仕事です。こういう仕事には、AIが役に立ちます。確認のコストを払っても、得られるものが大きいからです。

逆に、リスクが小さく、答えがほぼ決まっていて、いますぐ片づけなければならず、間違えても損失が小さい仕事には、AIはむしろやりすぎです。AIを使う瞬間、プロンプトを書き、結果を確認し、修正し、再確認する段階が追加されます。その仕事は速くなるどころか、もっと重くなる。基準はシンプルです。AIが減らしてくれる時間より、AIのせいで生まれる確認の時間のほうが大きいなら、使わないほうがいい。

AIのコストは請求書ではなく、業務の流れで見る

AIのコストをトークン代や月額料金だけで見れば、ほとんどいつでも安く見えます。でも会社には、お金より高いものがあります。人の集中力、決定の速さ、責任の構造です。AIが入ると、業務の流れが変わります。誰が問いを作り、誰が答えを確認し、誰が最終的な責任を持つのかを決めなければなりません。この構造がないと、AIは組織を速くするのではなく、責任をあいまいにしてしまいます。

「AIがこう言いました」は責任ではありません。決定は人がしなければならない。AIは根拠を助け、選択肢を広げ、抜けを見つける道具にすぎません。決定をまるごと押しつけた瞬間、組織は過負荷になります。

だからAIのコストは、請求書ではなく業務の流れで見るべきです。AIを入れたあと、会議は減ったか。決定は速くなったか。確認の時間は減ったか。責任者はより明確になったか。ここに答えなければなりません。

AIは、少なく使う会社ではなく、正確に使う会社が勝つ

AIを使うな、という話ではありません。むしろAIは必ず使うべきです。ただ、たくさん使うことが目的になってはいけない。

良い会社は、AIをむやみに使いません。どこに使えば効果があるかを分かったうえで使います。重要な決定、繰り返される判断、複雑な確認、また使う基準には、AIを使う。でも、ささいな決定、分かりきった仕事、責任逃れのための文書作りには、使いません。

AIをうまく使う人は、プロンプトをたくさん投げる人ではありません。AIを使うべき仕事と、使わない仕事を見分ける人です。そして、AIが作った結果を組織の決定に変える人です。結局、会社のAIの本当のコストはトークンではありません。検証されていない成果物、遅れた決定、あいまいになった責任、増えた会議です。AIは、たくさん使う会社が勝つのではない。正確に使う会社が勝つのです。

AI導入後に人を減らすと会社が遅くなる理由：組織固有の文脈が失われる

Sun, 21 Jun 2026 17:56:30 +0900

オフィスに空席ができると人件費は減るが、会社はその人が知っていた業務の文脈も失う可能性がある。

会社でAIツールを導入すると、必ず出てくる言葉がある。「では、何人減らせますか？」表面上はもっともらしく聞こえる質問だ。AIは報告書を書き、議事録をまとめ、資料を調べ、コードや企画書も作る。仕事によっては、本当に人より速くこなす。

問題は、AIが仕事をできないということではない。むしろ逆だ。AIは思っているより多くの仕事ができる。だが会社の仕事は、成果物が出たら終わり、というものではない。その結果を実際に使ってよいのか、誰が責任を取れるのか、組織の政治的・実務的な文脈に合っているのかを確かめなければならない。この段階を見ないまま人から減らすと、会社は速くならない。むしろ遅くなる。

AIが仕事をしても、責任と文脈は残る

AIがある職務の成果物をかなりの部分まで代わりに作ることはできる。報告書も書き、分析もし、発表資料も作り、コードも書く。これからはもっと多くの仕事をするだろう。だが会社は、AIが成果物を作れるかどうかだけを見ているわけではない。この報告書をこのタイミングで上げてよいか。この数字をこう解釈してよいか。この一文を顧客が見たらどう受け取るか。この表現を使ったら別の部署が反発しないか。法務が問題視する部分はないか。上の人が本当に望んでいる方向と合っているか。こうした問いは、単なる文章の問題ではない。現実の組織の中で、成果物が通せるかどうかを見る問題だ。AIは成果物を作れる。だが、その成果物が会社の中で生き残れるかどうかは、人が見なければならない。

下書きは速くなったのに、仕事が減らない理由

「下書きはAIに書かせればいいじゃないか。」この言葉は正しい。単純な下書き、要約、形式の整え、繰り返しの文書化といった仕事は、実際に減る。この点を否定する必要はない。だが下書きが速く出たからといって、仕事が終わるわけではない。誰かがその下書きを読まなければならない。間違った数字を見つけなければならない。抜けた条件を入れなければならない。社内の言い回しに直さなければならない。顧客に送ってよいか確かめなければならない。セキュリティや法務の問題がないかも見なければならない。

最後は文脈を見なければならない。AIが作った文章がそれ自体としては正しくても、今の組織の状況では間違った言い方になることがある。正しい主張でも、今は出してはいけない言葉がある。数字は合っていても、解釈が危ういことがある。良い提案でも、予算、権限、日程、利害関係のせいで実行できないことがある。AIが作った文書は、ただの成果物ではない。現実に投入する前にレビューすべき成果物だ。

会社の仕事は、正解かどうかより政治的な文脈が大事なことが多い

会社では、正解だけで仕事は回らない。論理的に正しい言葉でも、会議で落ちることがある。数字が合っていても、報告の順番を間違えれば差し戻される。顧客に有利な提案でも、社内の部署の責任問題が片づかなければ止まる。最近のAIは、堂々と存在しない事実をでっち上げるハルシネーションはずいぶん減った。だが会社では、それよりもっとあいまいで危ない問題がよく起きる。文書だけ見れば論理は完璧だ。数字も合っていて、文章も自然で、結論ももっともらしい。ところが実際の会社のプロセスとはずれている。報告の順番が違っていたり、承認権者が抜けていたり、すでに昔に失敗したやり方だったり、特定の部署が絶対に受け入れない前提を敷いていたりする。

この種の誤りは、単純な事実誤りより見つけにくい。AIが間違ったことを言ったからではなく、現実を十分に知らないまま、正しそうに見える文書を作るからだ。だからレビューは、誤字やハルシネーションを見つける作業ではない。この文書が実際の組織の中で回せるかどうかを確かめる作業だ。

だから会社の仕事には政治的・実務的な文脈がついて回る。誰がこの案を嫌がるか、誰が責任を取るべきか、どこまで言うべきか、今は言ってはいけない内容は何か、どんな表現を使えば相手が身構えるか。こうしたことは、文書にすべて書かれているわけではない。AIは与えられた情報の中なら非常に上手にやる。だが、現実の組織の空気の読み合い、責任の構造、暗黙のタブー、権限の関係を自動でぜんぶ知っているわけではない。結局、人が見なければならない。この成果物が正しいかだけでなく、この成果物を今ここで使ってよいかを見なければならない。

人を減らすと、レビューする人がいなくなる

AI導入後にいちばん危ない思い込みはこれだ。「AIが作ったのだから、人はあまり要らない。」正確には、逆であることが多い。AIが多く作るほど、レビューする人はより重要になる。成果物が増えれば、確認すべきものも増えるからだ。

問題は、会社がたいてい逆に動くことだ。AIを導入したあとに人を減らし、残った人にもっと多くのAIの成果物をレビューしろと言う。すると残った人は、自分の仕事をするのではなく、AIが作った成果物の後始末をする人になる。戦略を見るべきシニアは下書きの校正者になり、組織の文脈を知る中堅の実務者は、あらゆる文書の危ない一文を取り除く人になる。表向きは文書が増える。会議資料も速く出る。ところが内側では、責任を取れる人が減っていく。

この差が広がるほど、品質事故が起きる。

組織の過負荷は、消えるのではなく隠れる

AIを誤って導入した会社は、しばらくは良く見える。文書が速く出る。要約も増える。議事録も自動で積み上がる。コストも減ったように見える。だから上層部は「AI転換が成功した」と感じる。だが実際には、仕事が消えたのではなく、見えない場所に押しやられただけかもしれない。

誰かが夜に読み直している。誰かが間違った数字を直している。誰かがAIの作ったもっともらしいでたらめを取り除いている。誰かが責任の取れない一文を、責任の取れる一文に書き換えている。誰かが「この話は正しいが、今やってはいけない」という判断をしている。こうした仕事は、表にはなかなか出てこない。トークン費用は見えても、人が読み直す時間は見えない。成果物の数は見えても、レビューの負担は見えにくい。だから会社はコストが減ったと錯覚する。だが隠れた負荷はなくならない。いつか品質事故、日程の遅れ、社員の燃え尽きとして戻ってくる。

人員削減はフィードバックを壊す決定だ

人員削減の怖いところは、フィードバックがちゃんと上がってこなくなる点にある。新しいツールが使いにくければ、社員は使いにくいと言える。新しい手順が非効率なら、ある程度は問題提起できる。だが、人を減らした決定が間違っていたと言うのは、はるかに難しい。「人が足りません」という言葉は、社長には「じゃあ君が仕事をこなせないだけか」と容易に聞こえてしまう。残った社員は、自分が次の削減対象になるのではと身構える。だから実際には仕事が崩れていても、上に上がる言葉は穏やかになる。

表向きは仕事が回る。文書は出るし、会議は開かれるし、顧客対応も続く。だから社長はうまくいっていると感じる。だが内側では、レビューの時間が夜に押しやられ、責任が特定の人に集中し、小さな誤りが積み重なり、社員が黙って疲れ果てていく。だから人員削減は、まっさきに投げる問いではない。まず試験運用を回し、業務が実際にどう変わるかを確かめ、AIを組み込んだ新しい業務の仕組みが概念として完成したあとに、最後に問うべきだ。

「これで本当に人を減らしてよいのか？」人員削減は、最後に検討する問いであるべきだ。

従業員を減らしたあとで必要な知識が見えると、会社はその知識を作り直す費用を払う。

中堅を減らすと、会社の記憶が消える

人を減らすとき、会社が先に減らそうとしがちな層がある。中堅だ。ジュニアはまだ未熟だからと減らし、シニアは高いからと減らす。残った人には「AIを使えばいいじゃないか」と言う。ところが組織の本当の記憶は、この中堅の層に多く残っている。

どこで数字がよく間違うか、どの部署はどんな表現に敏感か、どの顧客はどんな言葉を嫌うか、過去にどんな決定のせいで問題が起きたか。こうしたことは、文書に完璧に残ってはいない。AIは整理された文書はよく読む。だが会社の中で人と人の間に蓄えられた暗黙知は、簡単には知らない。誰かがその文脈を知っていてこそ、AIの成果物も現実に合うように直される。中堅を減らすと、その記憶も一緒に消える。すると、AIの作る成果物はもっと頻繁に的を外し、残った人はもっと多くの時間をかけて直さなければならなくなる。

人を減らしてコストを減らしたつもりが、実は会社の記憶を捨ててしまったことになる。

人員削減は、まっさきではなく最後に来るべきだ

AIを導入して人を減らしたいなら、順番を変えなければならない。人員削減は最初の問いではなく、最後の計算であるべきだ。まず仕事を分解しなければならない。一人の職務をまるごと見るのではなく、その中にどんな作業があるかを分けなければならない。そのうえで問うべきだ。この作業はAIが作れるか。AIが作った結果を誰がレビューするか。この結果に誰が責任を取るか。組織の中で通すには、どんな文脈判断が必要か。AIのために新しく生まれたレビューと調整の業務は誰が担うか。そして実際に回してみなければならない。2週間でも4週間でも、小さく試さなければならない。処理時間がどれだけ減ったか、誤りはどれだけ出るか、レビュー時間はどれだけ増えたか、数字で見なければならない。

そのあとでようやく判断できる。「本当に仕事が減ったのか？」「作成時間だけが減り、レビューと責任が別の人に移ったのではないか？」この問いに答えられない人員削減は、コスト削減ではなく賭けだ。

AI転換が上手なリーダーは、まず人数を問わない

良いリーダーは「何人減らせるか」からは問わない。まずこう問う。「どの作業が減ったか？」「どのレビューが増えたか？」「どこで誤りが出るか？」「誰が責任を取れるか？」「組織の文脈を理解する人は十分に残っているか？」「残った人の仕事は本当に軽くなったか？」こうした問いに答えてこそ、AI導入は機能する。

AIはコスト削減のツールである前に、業務の仕組みを変えるツールだ。仕組みを変えずに人だけを減らせば、残った仕組みに負荷が集まる。会社は速くなるのではなく、もっと多くのボトルネックを生む。

働く人は、反対者ではなく測定者になるべきだ

働く人の立場でも、ポジションをうまく取らなければならない。「AI、あれはダメです」とだけ言うのは危ない。正しい言葉でも、変化に反対する人のように見えてしまう。代わりに、こう言う人が強い。

「AIが作れる作業と、人がレビューすべき作業を分けてみます。2週間だけ試して、処理時間、誤り率、レビューの負担、責任の所在を測ってみます。そのうえで、安全に減らせる範囲を計算します。」この人は反対者ではない。AI転換を運転する人だ。AIの時代に大事なのは、AIを無条件に称える人でも、無条件に止める人でもない。どこまでAIに任せてよいか、どこからは人が責任を取るべきかを見分ける人だ。

本当の仕事は消えず、レビューと責任へと移る

AIがなくす仕事はある。単純な下書き、要約、形式の整え、繰り返しの文書化といった仕事は、確かに減る。だからAI導入には意味がある。だが、それをそのまま「人を減らしてよい」という意味に受け取ってはいけない。作る時間は減っても、レビューは人がやらなければならない。下書きを作る時間は減っても、責任は依然として人が負わなければならない。資料を探す時間は減っても、組織の文脈に合わせることもやはり人がやらなければならない。

本当の仕事は消えるのではなく、レビューと責任へと移る。その移動を見ないまま人から減らすと、会社は速くならない。もっと遅くなる。成果物は増えてもレビューは滞り、文書は増えても決定は遅れ、コストは減ったように見えても、事故の可能性は大きくなる。AI導入の目的は、人を早く減らすことではない。人がやっていた仕事を設計し直すことだ。

ツールを買うのは簡単だ。人を減らすのも簡単だ。難しいのは、その間に残る責任と文脈を考えることだ。