AIが変える「仕事」と「タスク」の現在地

　本稿は、AIが私たちの仕事やキャリアにどのような影響を与えるのかを、タスクの視点と現場のリアルな文脈から掘り下げてみます。これまで「AIがどれだけ働きを置き換えるか」という議論は盛り上がる一方で、その内側にある「本当に何が、どこまで、どう置き換えられるのか」はあまり丁寧には語られてきませんでした。

　ここでは研究でわかった事例や考察を解説し、読んだ方自身が「自分の仕事を、どこまでAIに任せるか」を考えるきっかけを作ります。

Spotifyでわかりやすく音声配信：「らみのAIテックラジオ」

　世界経済フォーラムの調査では「2030年に必要なスキル」の第5位に「好奇心と生涯学習」がランクイン。好奇心は趣味ではなく経済的必須スキル。
拙著『AI時代の最強スキル「好奇心力」』で詳説しています。

まえがき

　AIがもたらす変化は単に「人の仕事を機械が奪う」だけでは説明しきれません。実際には、ある一つのタスクだけが自動化されても、別の部分で人の役割がむしろ重要になる場面が生まれたりします。

　このようにタスク間のつながりや、具体的な職場の文脈を考えると、人とAIは単純な対立ではなく、相補関係にも立ち得るのです。本記事では、さまざまな研究や事例をもとに、AI時代の仕事のあり方を考察していきます。

AIと仕事の見方を変える：タスク単位で考えるということ

　「AIがどのくらい仕事を自動化するのか？」という議論は、メディアやビジネスシーンでも大きく注目されています。労働市場の動向を数字で示すレポートや、LLMをはじめとする新しい生成AIが、どれだけ人間の能力に追いつくかという話題は尽きません。

　しかしそこでよくあるのが「仕事＝複数のタスクの集合体である」という事実を見落とし、「職業がすべてAIに置き換えられるかどうか」をざっくり語ってしまうことです。

　たとえば「会計士の業務はAIで置き換え可能か？」と聞かれると、一部の領域を自動化することは可能かもしれません。けれど、会計士のすべての仕事が常に同じタスクで構成されているわけではなく、さらにタスク同士が独立していないケースが多いのです。

　企業とのコミュニケーションや、クライアントに提案する分析のまとめ方などは会計知識の周辺タスクに見えて、実は密接につながっています。ある業務を自動化すれば、別の部分の難易度がむしろ上がるケースも少なくありません。

　AIが得意とするタスクには定型作業や大量データ処理が含まれますが、「それが組織やチーム全体の作業フローの中でどう影響するのか？」を観察しないまま一部だけ自動化すると、現場で新たな混乱や意図しないリスクが発生する可能性があります。そこで注目されているのが「タスク単位の分析」と「現場（コンテクスト）をしっかり見る」アプローチです。

現場に潜むリアル：アプローチ1「コンテクストを大事にする視点」

　AIが実際に働いている現場で観察してみると、私たちが想像していた「タスクの置き換え」とはずいぶん違うパターンが見えてきます。研究者たちが、たとえば企業の販売チームや金融トレーダー、あるいは警察や医療の現場を綿密に調査すると、次のような事象が明らかになります。

　このように、実際の組織や人間関係の中でAIを導入すると、単なる「効率化」だけでは測れない変化が連鎖的に起こるのです。タスクが一つ自動化されるだけで、チームの役割分担や、組織内での情報フローがガラリと変わるケースもある。

　研究では「タスクがAIに置き換えられるかどうか」という議論そのものが、あまりに単純化されすぎていると批判されています。実際に仕事は、タスク同士が複雑につながりあったシステムです。

　ある部分を自動化すると、別の部分が予期せぬ形で変化し、もともと想定していなかった新しい仕事が生まれることもある。あるいは、AIの出す結果を解釈・修正するタスクが急に増えて、作業時間がむしろ増大する可能性も見逃せません。

タスクを可視化する：アプローチ2「タスクネットワーク」とは

　もう一つの視点として「タスク単位で仕事を分析し、全体像を捉える」というアプローチがあります。経済学の分野では、職業全体を見ていると、仕事の変化はタスク単位で進むという見方が提唱されてきました。

　たとえば書類のデータ入力をAIが行う場合、「書類を分類する」「データを入力する」「入力結果を確認する」「帳票を整理し、経理部署へ送る」といった流れの中のどこが機械化の適用範囲かを分析するわけです。

　しかし、単純にタスクを並べて「ここはAI、ここは人」と切り分けるだけでは十分ではありません。タスクには「つながり」や「依存関係」があります。あるタスクがうまくいかないと、次のタスクがスムーズに進まないといった状況も発生します。

　職場では、しばしば人と人の間でタスクが引き継がれますが、AIが間に入ることで「本当に誰が最終責任者か」があいまいになることもあるのです。

　研究者Pentland氏の「ワークプロセスネットワーク」では、タスク同士の連鎖（ハンドオフ）を可視化して「実際に組織内でどのように手が動き、意思決定が行われ、情報が伝わっているか」を明らかにします。この可視化によって、単なる一括りの「業務」ではなく、繊細なタスクの流れと役割分担が見えてきます。

　これを踏まえると、AIで自動化しやすいタスクだけに注目するのではなく、「自動化した後、人の作業はどう変わり、人同士のやりとりはどんな影響を受けるのか？」まで捉える必要があるのです。

タスクと人間の関係：残したい仕事、残してはいけない仕事

　タスク分析の視点が役立つのは、「本当に自動化すべきかどうか」を判断する際です。

　ある研究プロジェクト「Live with AI」では、複数の職業でタスクマッピングを行い、次の4つの質問を投げかけました。

　ここで注目すべきは「できるかどうか」だけでなく「本当に置き換えた方がいいかどうか」も問う点です。たとえばクリエイティブエージェンシーのアカウントディレクターが担う「クライアントとの打ち合わせ」や「ビジュアルイメージのアイデア出し」は、生成AIの登場である程度は代替できるかもしれないという予想が成り立ちます。

  しかし「人とのコミュニケーション」「業界特有の文脈を踏まえたアイデアの創出」などは、AIにはまだ不向きなケースも多い。クリエイティビティや人間的な感性が問われる領域は、あえて人の手に残しておいたほうが成果が高まるのではないか、という議論が生まれました。

　さらに興味深いのが「一見簡単にAI化できそうな仕事でも、実は人がやる意義がある」というパターンです。データサイエンスの現場で「データクレンジング」作業をあえて人間が担当したいと考えるケースがあります。

　この単純作業を機械に任せると大幅な時間短縮が見込めそうですが、実際の担当者たちは「この作業を通じて改めてデータの特徴を掴み、後工程の分析精度を高められる」というメリットを感じていました。

　さらに、データをキレイに整えながら頭をリフレッシュする時間でもあるため、心理的な休息や自分のスキル維持にも役立つという意見が聞かれています。

　つまり、AIの導入には「タスクが自動化できるか」だけでなく「そのタスクを自動化することで失われる人の学習機会や、仕事の意味合いはないか」という視点が欠かせません。

専門性とAIの再定義：「置き換え」と「協働」のはざまで

　「AIが人間の仕事を奪う」とか「AIが人間をサポートする」というように二元論的に語られがちですが、実際にはもっと複雑です。仕事の現場では「一部のタスクは置き換えられ、一部は人との協働が必要、さらに新たに生まれるタスクもある」という状況が同時進行で起こります。

　例えば金融トレードの世界でも、高度なアルゴリズムを導入すれば「スピード」で勝負するタスクの多くが自動化できます。一方で、トレーダー自身はアルゴリズムの意図を把握し、リスクをコントロールし、予期せぬ事態に対処する必要が出てきます。

　ここで問われるのは単なる「機械の指示をトレーダーが受け入れるか」ではなく、アルゴリズムが作り出す情報を「どう解釈し、どんな判断を下すか」という部分です。

　研究の一例では、アルゴリズム導入後にトレーダーが逆に忙しくなる場面がありました。「自動化されたら楽になるのでは？」という想定が外れ、アルゴリズムを活かすためにデータの意味を調整する作業が増えたためです。これは「AIには客観的データに基づく中立的な答えがある」という思い込みが、現実の業務では必ずしも通用しないことを示しています。

　さらには、最新の生成AIやLLMが登場したことで「文章作成」「画像生成」「コード補完」のタスクは一部で劇的に効率化されました。しかし一方で、それを使いこなすにはやはり適切なプロンプトの設計や、生成結果の正確性をチェックする専門的知識が要るため、「ツールを導入すればOK」という単純な話にはなりません。

仕事の意味とモチベーション：AI導入がもたらす心理面への影響

　AIによる自動化や支援システムが導入されるとき、人々のモチベーションや精神的健康にどう影響するかは大切な視点です。先述のように、データクレンジングをあえて残す人がいるように、作業負荷が軽くなればいいという単純な話でもありません。

　むしろ「どんな部分をAIに任せ、どんな部分は人が担うのか」という判断が不透明なまま進むと、自分の仕事の意義や存在価値を見失ったり、逆に責任範囲が曖昧になってストレスを感じる社員が増えることもあります。

　また、AIが導入された組織では新たなスキルを身につける「リスキリング」「アップスキリング」の必要性がよく取り沙汰されます。もちろんこうした取り組みは大切ですが、一方で「スキルを身につければ万事解決」というのは楽観的すぎる面もあります。

　タスクがシステム全体で再編されるので、いくら個人が高度なスキルを習得しても、その組織文化や業務フローが合わないままでは成果に結びつかない。あるいは、そうした新しいスキルの習得ばかりが叫ばれて、人間の根幹的な専門性や体験知が軽視されるリスクも否定できません。

タスク再編と品質・安全性：置き換えを急ぎすぎる弊害

　「単純作業はAIに任せ、創造的な作業は人が担当する」という方針自体は魅力的ですが、実は「単純作業の中にある熟練者の勘や経験の蓄積」を軽視している可能性もあります。

　例えば製造業の現場では、一見すると同じような機器のパラメータ調整作業でも、熟練の技術者は「あ、ここの数値がちょっといつもと違うな」という些細な変化を見逃しません。それが製品の品質や安全性を支える場面もあります。

　AIが発見できない異常を経験豊富な人間が見つけるケースは珍しくありません。もしそうした「暗黙知」の習得を、AIが導入されることで人間側が行わなくなると、長期的には人材の技能が育ちにくくなります。さらに重大な不具合が起きたときに、トラブルシュートができる専門家がいないというリスクが高まる可能性があります。

複雑さへの対処：タスクを糸口に、ホリスティックに見る

　ここまで見てきたように、AIとタスクの関係は単純な置き換えモデルにとどまりません。現場で観察する厚みのあるアプローチ（エスノグラフィ）と、タスク単位の定量的・大規模な分析を組み合わせることで、実際の職場に潜む複雑な構造が見えてきます。

　こうした複合的な視点を持つことで、単に「何%の仕事がAIに奪われる」という数字だけでは捉えきれない、職場のリアルが描けます。これらの知見は、組織がテクノロジー導入を検討するときに、リーダーが慎重に考慮すべき大事な視点となるのです。

自動化の先にある、人の価値

　自動化を急ぐと、短期的には効率が上がりコスト削減につながるかもしれません。ただし、長期的に見ると人の専門性や現場の知恵、そして仕事に対するモチベーションは組織や社会にとって大きな財産です。すべてがAI任せになると、そうした人的資本が失われる恐れもあります。

　だからこそ「AIにどこまで任せるのか」「人間はどのようなタスクに集中すべきか」をタスク単位で分析し、現場の声をていねいに拾い、導入の意義を再考することが重要になります。企業・組織のリーダーや政策立案者が意識すべきは、単なる効率化だけではなく「AIが加わったことで、どんな新しい価値を生み出すか、そしてどんな可能性を失うか」を考えることです。

あとがき

　AIが得意なタスクと、人間が持つ知覚や洞察の力は、対立するものではなく、お互いを補い合えるパートナーのようにも感じます。ただし、その調和は自然には生まれません。タスクを丁寧に見つめ、人間が本当に発揮できる強みを活かすには、現場の文脈をきちんと理解する必要があります。この記事が「AI時代の仕事」を考える一助となれば幸いです。

　本稿を通して得られたアイデアや知識が、あなたのビジネスに少しでも役立つことを願っています。もし、本稿が参考になったと感じていただけましたら、ぜひ「いいね」や「フォロー」をしていただけると励みになります。今後も実践的なノウハウやAI最新動向を共有していきますので、引き続きお読みいただけると嬉しいです。

⚠️　重要：ChatGPTを使いこなせる人は全体の3割以下
なぜか？「質問力」の差です。
実は、AIから10倍の価値を引き出す「問いの立て方」には科学的な法則があります。Googleが20%ルールで実証し、Amazonのベゾスも推奨する方法。全て『AI時代の最強スキル「好奇心力」』で公開中。
AIが瞬時に「答え」を返す今、勝負の分かれ目は「問い」にある。その秘密と明日の仕事で使える13の実践ツールを凝縮した拙著『AI時代の最強スキル「好奇心力」』もぜひチェックしてみてください。

　生成AI時代の羅針盤となる決定版。東京大学松尾・岩澤研究室が総力を結集し、生成AI最新動向を徹底解説。ChatGPT登場以降、急速に進化する生成AI技術の現在地と未来を、日本を代表するAI研究者たちが包括的に分析しています。
　2025年3月刊行、技術の核心からビジネス活用、国内外の法規制、そして安全性に至るまで、今知るべき情報を網羅的に解説。AIエージェントやマルチモーダル化といった最新トレンドも押さえています。
　生成AIビジネスに関わるすべての方にとって必携の一冊。激動するAI業界で確かな判断を下すために、信頼できる情報源です。

　未来予測の巨匠レイ・カーツワイルが描く、人類とAIが融合する衝撃の未来！Google社の技術部門責任者を務め、数々の技術予測を的中させてきた著者が、2045年のシンギュラリティ（技術的特異点）について最新の知見を基に徹底解説。

　本書では、指数関数的に進化するAI技術が人間の知能を超える瞬間、そして人類がAIと融合することで得られる驚異的な可能性について、具体的なデータと科学的根拠に基づいて論じています。

　ナノテクノロジーによる身体・脳の改造、新たな倫理課題、意識のクラウド化など、非常に実践的に描かれる一方で、必要となるリスク対策への言及もあり、ビジネス・研究・エンジニア視点でAIの先を見据えたその一歩に。