ほぼすべての職業に共通する問いがあります。
「AI は私を仕事から奪うのか？」
弁護士も問う。
デザイナーも問う。
プログラマー、教師、ジャーナリスト、医師、広告関係者、アナリストもまた問う。
この問いがもっともらしく聞こえるのは、ある非常に明確な瞬間を想像させるからだ。
今日、その椅子には人間が座っている。
明日、そこには機械が座っている。
その日が来ない限り、私たちは働き続け、自分の立場が変わらないことを安定の証と解釈する。
しかし、おそらくそうはならないだろう。
あなたの職業は存続するかもしれない。
あなたの職種名は同じままかもしれない。
あなたの会社は同じ分野で人を雇い続けるかもしれない。
それでも、その仕事に安定性、交渉力、そして将来を与えていたすべてのものが、変わり始めるかもしれない。
リスクが始まるのは、職業が消滅するときではない。職業が存続し続けるが、必要とする人員が減り始めるときだ。
職業はひとつの塊ではない
マーケティングアナリストの新米、クララを想像してみてほしい。
クララはキャリアをスタートさせたばかりだ。
ある一週間、彼女は競合調査、情報整理、プレゼン資料作成、初稿執筆、キャンペーン監視、そして結果をレポートにまとめる作業を行う。
これらのタスクは、どれも単独ではマーケティング業務の定義にはならない。
しかし、それらが合わさって、彼女のルーティンの大部分を占める。
また、クララはこれらのタスクを通じて、職業の実践方法を学ぶ。
競合を調査するとき、彼女は重要な変化と取るに足らない新しさを区別することを学ぶ。
レポートを作成するとき、彼女は数字の見栄えと、実際の成果を表す数字とを見分けることを学ぶ。
初稿を書くとき、彼女はアイデアがオーディエンス、製品、タイミングによってどのように変化するかを理解する。
経験豊富な先輩が自分の仕事をレビューする様子を観察するとき、彼女は自分ではまだ説明できない基準を認識し始める。
さて、クララの会社が AI を導入したとしよう。
初期調査は数分で終わる。
データは整理された状態で届く。
プレゼン資料には自動で最初の構成が与えられる。
レポートには要約がすでに付いている。
クララが最初のバージョンを書き終える前に、テキストの 10 パターンが生成できる。
マーケティングという職業は消えたか？
消えていない。
クララは仕事を失ったか？
必ずしもそうではない。
しかし、重要なことが起こった。
職業は一枚岩ではない。
タスク、判断、知識、人間関係、責任、判断力、そして引き受けるリスクで構成されている。
AI はこれらすべてを習得しなくても、市場を変えることができる。
適切な部分に浸透すればいいのだ。
職業が消えるのは最も最後のことだ。最初に変わるのはタスクである。
最初に消えるのは、キャリアのはしごかもしれない
クララの初期タスクを見て、単なる作業だと捉えるのは簡単だ。
調査。
整理。
初稿。
レポート。
機械がこれらをルーティンから取り除いてくれるのは素晴らしいことに思える。
しかし、それらのタスクは、彼女の訓練の最初の段階でもあったのだ。
クララはレポートを提出するためだけに作っていたわけではない。
彼女はビジネスを理解することを学んでいた。
プレゼン資料を埋めるためだけに競合を調査していたわけではない。
彼女はレパートリーを構築していた。
不完全なバージョンを誰かが書く必要があったからだけではない。
彼女は、何年か後に良いバージョンを認識できるようになるための判断力を培っていたのだ。
この仕組みは多くの職業に見られる。
新人弁護士は、書類調査、判例比較、初稿準備を通じて学ぶ。
プログラマーは、軽微な問題の修正、簡単な部分のコーディング、他者が構築したシステムの理解から始める。
デザイナーは、バリエーションの制作、作品の修正、批評を受けることで美的感覚を磨く。
広告業界の人間は、参考事例の調査、アプローチの試行、そしてなぜあるアイデアは生き残り、他は却下されるのかを観察することで学ぶ。
AI がこれらのタスクを引き継ぐとき、会社は単に時間を節約するだけではない。
キャリアの初期段階にある人材をそれほど必要としなくなるかもしれない。
経験豊富なプロフェッショナルが AI と組めば、従来は複数の初心者が必要だった成果をあげられるようになる。
企業は求人を減らす。
業界に入る人が減る。
経験を積む人が減る。
キャリアは最初のいくつかの段を失う。
これは、入手可能な初期のデータにすでに現れ始めている。
スタンフォード デジタルエコノミー研究所が米国の給与記録に基づいて行った調査では、AI に最もさらされている職業において、22 歳から 25 歳の労働者の雇用が、企業間の差異を考慮した後で、相対的に 16% 減少していることが判明した。
同じ調査では、同じ職業の経験豊富なプロフェッショナルは、相対的に保護されている傾向があった。
研究者自身も、この調査は観察研究であり、差異のすべてが AI によって引き起こされたと証明するものではないと警告している。
それでも、このパターンは注目に値する。
初期の圧力は、すべての人に同じようにかかるわけではないようだ。
それは、学びのために業界に入る必要がある人々から正確に始まる可能性がある。
AI は職業を消滅させないかもしれない。人々がその職業を実践する方法を学ぶ道筋を消滅させるかもしれない。
そして、これは厄介な問いを生み出す。
経験豊富なプロフェッショナルを形成していた仕事がなくなったら、次の経験豊富なプロフェッショナルはどこから来るのか？
ポジションは残るが、価値は移行する
クララは会社に残る。
彼女の職種名は引き続きマーケティングアナリストだ。
外から見れば、すべては比較的正常に見える。
内側では、ハードルが変わっている。
以前は、会社は彼女に調査、整理、作成を期待していた。
今や、これらのステップが高速化したため、会社はクララにさらなるアウトプットを期待する。
10 のアイデアを提示するだけでは不十分だ。
彼女は、そのうちのどの 2 つが意味をなすかを見極める必要がある。
レポートを生成するだけでは不十分だ。
それに基づいて何をすべきかを説明する必要がある。
キャンペーンを制作するだけでは不十分だ。
彼女はオーディエンスを理解し、リスクを特定し、選択肢を擁護し、結果に対して責任を負う必要がある。
生産性の向上は、自動的に自由時間に変わるわけではない。
多くの場合、それは新たな期待に変わる。
一人が、以前は複数人で行っていた成果を上げるようになる。
チームは縮小する。
生産量は増加する。
実行は豊富になる。
そして、豊富になったものは通常、経済的価値を失う。
おそらく AI はすべてのデザイナーを置き換えることはないだろう。
しかし、一人の優秀なデザイナーが、以前はチーム全体で行っていた成果を上げることを可能にするかもしれない。
おそらくすべての弁護士を置き換えることはないだろう。
しかし、訴訟の調査、整理、準備に必要な人員を減らすかもしれない。
おそらくすべてのマーケティング関係者を置き換えることはないだろう。
しかし、テキスト、プレゼン資料、レポートを作成するだけの能力では不十分になるかもしれない。
職業は市場に残る。
その中で利用可能なポジションの数が変わるのだ。
そして、価値は実行を超えた何かをできる人々に集中し始める。
タスクが豊富になると、それを実行する方法を知っているだけでは、価値を保証できなくなる。
実行が希少でなくなったとき、何が価値あるものとして残るのか？
はしごを壊すのと同じテクノロジーが、別のはしごを築く助けにもなる
ここに重要な矛盾がある。
AI は、初心者が学んできたタスクの一部の必要性を減らす。
しかし同時に、個人が、これまで一人では得ることが不可能だった量の練習、知識、能力にアクセスすることを可能にする。
これは自動的に起こるわけではない。
クララは AI をまったく異なる 2 つの方法で使うことができる。
最初の方法では、彼女はタスクを送信し、回答を受け取り、結果をコピーして提出する。
彼女は生産的に見える。
しかし、なぜその回答が良いのかを説明できない。
エラーを確実に認識できない。
自分自身の基準を培っていない。
生産すればするほど、自分では評価できないものに依存するようになる。
彼女は仕事を避けるために AI を使っている。
しかし同時に、学習の一部も避けている。
2 つ目の方法では、クララは AI を訓練を拡張するために使う。
彼女はツールにさまざまな戦略の説明を求める。
選択肢を比較する。
回答を参照する前に自分で決断を試みる。
自分の推論に対する批評を求める。
シナリオをシミュレーションする。
過去のキャンペーンを研究する。
自分のミスを記録する。
自分自身のプロジェクトを作成する。
一人では時間もリソースも足りずに検証できなかった仮説をテストする。
単一の回答を求める代わりに、彼女はサイクルを構築する。
試す、比較する、フィードバックを受ける、修正する、再試行する。
この場合、AI は練習を代替しない。
可能な練習の量と速度を増加させる。
しかし、重要な限界がある。
AI は現実の問題を代替しない。
現実の結果を代替しない。
メンターシップ、経験豊富な人々との接触、外部からのフィードバック、段階的な責任を代替しない。
何にでも答えられるツールは、悪いアイデアを非常に説得力を持って確認することもできる。
したがって、新しいはしごは、プロンプト、エージェント、自動化だけで構築されるわけではない。
それは、AI と、現実のプロジェクト、人間による批評、学習、実験、責任を組み合わせる必要がある。
違いは、学習を避けるために AI を使うのか、判断力の構築を加速するために使うのかにある。
古い段の一部を取り除くテクノロジーは、新しい段を作るのにも役立つ。
ただし、今回は、そのはしごを構築する責任の一部が、企業から離れてプロフェッショナル自身に課されるかもしれない。
拡張されたプロフェッショナルの誕生
時が経つにつれ、クララはタスクを終わらせる必要があるときだけ AI を使うのをやめる。
彼女は自分の周りに能力を構築し始める。
過去のキャンペーンの記憶を整理する。
決定、結果、エラーを記録する。
競合を調査するための定期的なプロセスを作成する。
アイデアを評価するための基準を定義する。
特定のタスク用のエージェントを設定する。
フォローアップを自動化する。
各クライアントのコンテキストを整理し続ける。
何かを提出する前に検証ステップを作成する。
クララはもはや、毎回ゼロからプロジェクトを始めることはない。
彼女は学んだすべての知識と、その知識を動かすシステムを携えている。
これは、単に ChatGPT の使い方を知っているということよりもはるかに大きな違いだ。
AI を使って同じ仕事をより速く行うプロフェッショナルがいる。
そして、AI を記憶、プロセス、レパートリー、蓄積された能力に変えるプロフェッショナルがいる。
前者は時間を節約する。
後者は、一人の人間が引き受けられるものを変える。
この変化は、大企業が仕事を説明する方法にすでに現れている。
2025 年の Work Trend Index で、Microsoft は人間とエージェントからなるチームという概念を提示し、プロフェッショナルが「デジタル同僚」に仕事の特定の部分を実行させるように指示することを示唆した。
Anthropic Economic Index もまた、2 つの異なる使用パターンを特定した。タスクが委任される「自動化」と、人が学習、検証、協働のために AI を使う「拡張」である。
この区別が重要なのは、ボタンをクリックすることが永続的な優位性を生み出さないからだ。
時間が経てば、ほぼすべての人が同じツールにアクセスできるようになる。
優位性は、それらのツールの周りに構築されたシステムにある。
あなたはどのような情報を整理したか？
どのようなコンテキストを蓄積したか？
どのような基準を培ったか？
どのようなプロセスを調整する方法を知っているか？
どのような結果を検証できるか？
どのような責任を引き受け始めたか？
将来的には、企業は人の経験、訓練、過去の成果だけでなく、その人が動員できる能力も評価するかもしれない。
どのようなプロセスを運用できるか？
どの程度のコンテキストを保持できるか？
エージェントが生み出す品質をどのように管理するか？
チームを拡大せずに、どれだけの成果を生み出せるか？
人は単に履歴書を持ってくるのではない。
彼らは一種の独自のプロフェッショナル基盤を持ってくる。
企業は人を雇うだけではない。その人の判断力と、彼らが構築しオーケストレーションすることを学んだすべての AI 能力を雇うのである。
各プロフェッショナルは、かつては企業全体だけが持っていた運用能力を携えることができる。
しかし、それは機械が自動的にプロフェッショナルを価値あるものにしたという意味ではない。
機械は生成できる。
誰かがまだ方向性を与える必要がある。
機械は提案できる。
誰かがまだ判断する必要がある。
機械は膨大な量の情報を処理できる。
誰かがまだコンテキストを理解する必要がある。
機械は行動を推奨できる。
誰かがまだ結果に対して責任を負う必要がある。
方向性、判断、コンテキスト、責任は、人間に対するロマンチックな擁護ではない。
それらは仕事の具体的な部分である。
生産が安価になればなるほど、それらはより重要になる。
方向性、判断、コンテキスト、責任のない能力は、まだ完全な職業ではない。
今日できるテスト
あなたの職業名が脅かされる仕事のリストに載るのを待ってはいけない。
通常の勤務週を一週間取り上げ、実際に何をしているかリストアップしよう。
「私は弁護士です」「私はデザイナーです」「私はマーケティングをしています」と書くだけでは不十分だ。
活動をリストアップしよう。
次に、それぞれを 6 つのグループに分類する。
1. 制作
あなたは何を作成し、整理し、実行しますか？
2. 意思決定
何にあなたの選択が必要ですか？
3. コンテキスト
何が会社、クライアント、または状況を深く知ることに依存していますか？
4. 責任
誰かが答えなければならないことは何ですか？
5. 信頼
何が関係性、評判、または信用に依存していますか？
6. 学習
どのタスクが、より大きな仕事を引き受けるために必要な経験を形成していますか？
次に、AI がすでに開始できることを特定しよう。
AI がすべてを完全に実行できるかどうかだけを尋ねてはいけない。
それはあまりにも楽な基準だ。
尋ねるべきことは：
AI はすでに有用な最初のバージョンを生成できるか？
答えがイエスなら、そのタスクに必要な時間、コスト、人員数をすでに変えている可能性がある。
次に、目に見えないリスクを探そう。
このタスクが価値を失ったら、あなたはどうなるか？
それは単なる作業か、それともあなたの学習の一部でもあるか？
誰もが AI でそれを実行できるなら、なぜ誰かが引き続きあなたを選ぶのか？
あなたは判断力を培っているのか、それとも単にスピードを上げているだけか？
最後に、目に見えない機会を探そう。
どのように AI を使って、より多く練習できるか？
どの知識を整理する必要があるか？
加速するだけでなく、どのようなプロセスを構築できるか？
結果を評価するために、どのような基準を培う必要があるか？
実行に必要な時間が減った今、どのようなより大きな責任を引き受けられるか？
最も重要な問いは次のものではない。
「どうすればタスクをより速く終わらせられるか？」
重要な問いは次のものである。
「AI を同じ仕事をより速く行うために使っているのか、それとも異なる能力を持つプロフェッショナルになるために使っているのか？」
リスクはより早く始まる。機会もそうだ。
AI はおそらく、月曜日にあなたの職業が消滅したことを告げに来ることはないだろう。
あなたの職種名は残るかもしれない。
会社は雇用を続けるかもしれない。
人々は同じ活動を何年も続けるかもしれない。
変化は、より目に見えない形で起こる。
まず、いくつかのタスクにかかる時間が短くなる。
次に、一人が以前は複数人で行っていた成果を上げられるようになる。
エントリーレベルのポジションは減少する。
古いはしごは段を失う。
期待は高まる。
特定のスキルは希少でなくなる。
価値は仕事の新しい部分へと移行する。
誰かがついに職業が置き換えられたかどうかを尋ねるとき、それはすでに間違った問いになっているかもしれない。
最も脆弱なプロフェッショナルは、必ずしもその職業が自動化できる人ではない。
その価値が、簡単に再現可能になりつつあるタスクにのみ依存している人である。
最も準備ができているプロフェッショナルは、AI なしで働けることを証明しようとはしない。
彼らはテクノロジーを指示し、その結果を検証し、機械だけでは負えない責任を引き受けることを学ぶ。
これは、誰もが置き換え不可能になるわけではない。
しかし、準備ができた人は、一人で働く場合よりもはるかに有能で、価値があり、置き換えが困難になる。
未来は、人と機械の間だけで二分されるわけではない。
それは、一人で働き続ける人々と、機械を自分自身の能力の延長に変えることを学んだ人々の間で二分されるだろう。
AI はあなたの職業を一気に置き換えるわけではない。本当のリスクは、それよりもずっと早く始まる。
しかし、機会もまたそうだ。
この変化に備えたいなら
最善の準備方法は、AI と競争することではない。
それを自分自身の能力に変えることを学ぶことだ。
これをあなたの仕事で行う方法を理解したいなら、X で私をフォローしてください。
私は、新しいテクノロジーを使ってより良い成果を生み出し、より大きな責任を引き受け、市場でより価値ある存在になるための実践的な方法を日々共有しています。
引用文献
- Erik Brynjolfsson, Bharat Chandar, and Ruyu Chen. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, November 2025 version.
- Microsoft. 2025 Work Trend Index Annual Report: The Year the Frontier Firm Is Born.
- Anthropic. Anthropic Economic Index: Uneven Geographic and Enterprise AI Adoption, September 2025.
