どんな仕事がAIに奪われやすいか？を真剣に考察してみた
「自分の仕事はAIに奪われるのか？」
多くのビジネスパーソンが抱く不安に、Andrej Karpathy氏の「Verifiability（検証可能性）」という視点は、とても示唆に富んでいます。
結論から言えば、「AIに奪われやすい仕事」と「人間が活躍し続ける仕事」は、そのタスクがどれだけ“検証可能か” でかなりきれいに分かれます。
Software 1.0からSoftware 2.0へ：何が変わったのか？
従来のITの世界、いわゆる「Software 1.0」では、人間が手作業でアルゴリズムを書き、それをコンピュータに実行させていました。
この時代に自動化されたのは、「手順を細かく書き下せる仕事＝仕様化（specifiability）しやすい仕事」です。タイピング、簿記、人間電卓のような計算作業などが典型です。
一方、ディープラーニングや大規模言語モデル（LLM）が登場した今は、「Software 2.0」の時代だとKarpathy氏は言います。
ここでは、人間は細かな手順を書く代わりに、
こういう結果が良い、という目的（評価関数） を定義し
勾配降下法などで、ニューラルネットにひたすら練習させる
ことで、プログラム（モデル）を育てていきます。
この新しいパラダイムで重要になるのが、「そのタスクはどれだけ検証可能（verifiable）か」という軸です。
「検証可能なタスク」はなぜAIに奪われやすいのか？
Karpathy氏によれば、タスクが「検証可能」とは、以下の3条件を満たすことです。
リセット可能：何度でも最初から試行できる
効率的：大量の試行を高速に回せる
報酬可能：どの試行が良かったかを、自動で採点できる
この3つが揃うタスクは、ニューラルネットにとって「ひたすら練習できる競技場」のようなものです。
例えば、
計算や定量的な最適化
コーディング（特にテストで正解がわかる領域）
正解が一意に定まるパズルや問題解決
などは、結果の良し悪しを機械的に判定しやすく、AIが大量にトライ＆エラーを繰り返せます。
こうしたタスクは、人間トップレベルを超える精度とスピードで自動化されていく可能性が高い です。
裏を返せば、「成果物の良し悪しを自動で判定しやすい仕事」ほど、AIに置き換えられやすいと言えます。
では、どんな仕事がAIに奪われにくいのか？
一方で、「検証可能性」が低いタスクは、自動化のハードルが一気に上がります。たとえば、
創造的なタスク
新しい概念を生み出す
ゼロから物語やコンセプトを構築する
戦略的なタスク
不確実性の高い市場で、長期の勝ち筋を描く
関係者の利害を踏まえたポートフォリオや投資配分を決める
実世界の知識＋文脈＋常識が入り乱れるタスク
組織の力学や政治性を踏まえた意思決定
特定の人間関係・文化・歴史を理解したうえでの交渉やマネジメント
こうした仕事では、「何が正解か」を自動で判定するのが極めて難しく、「大量に練習させれば必ず強くなる」という構造をつくりにくいです。
そのため、ニューラルネットは一般化の“魔法”や模倣学習に頼るしかなく、性能向上のスピードも限定的 になりがちです。
私たちはどこで戦えばいいのか
では、働く個人として何を意識すべきでしょうか。
ポイントはシンプルで、
自分の仕事の中で「検証可能なタスク」と「検証が難しいタスク」を分解してみる
そのうち、検証可能な部分ほど積極的にAIに任せる前提でキャリアを設計する
自分は、
問題設定・戦略設計
目的・評価軸のデザイン
文脈と常識を踏まえた解釈と意思決定
といった、検証が難しい上流のレイヤーに軸足を移していく
ことです。
Karpathy氏は、「Software 1.0は“仕様化しやすいもの”を自動化し、Software 2.0は“検証しやすいもの”を自動化する」と指摘しています。
つまり、時代が変わるたびに、「機械にとって都合のいい領域」は広がり続ける のです。
だからこそ私たちは、「AIに奪われるかどうか」を恐れるのではなく、
自分の仕事を分解し、「検証可能な部分はAIに任せ、自分はより創造的・戦略的なレイヤーへ登っていく」ことを、意識的に設計していく必要があるのだと思います。
出典
Andrej Karpathy, “Verifiability”, Personal Blog, 2025-11-18.
Andrej Karpathy, “Software 2.0”, Personal Blog..