AIに仕事を奪われる人、AIで仕事を広げる人｜小さな会社が今備えること

AIに仕事を奪われるのか。それとも、AIを使えば仕事が増えるのか。この問いに、すべての業種へ当てはまる答えはありません。ただ、経営者や個人事業主が今から見直せることはあります。それは、AIで作業が減った先に、需要、人の役割、利益がどう変わるのかを考えることです。

例えば、案内文を作る時間が短くなったとしても、お客様の迷いがなくなるとは限りません。逆に、文書作成だけを提供価値にしているなら、その作業が安く速くできるようになった影響を受けやすくなります。AIが変えるのは、作業時間だけではありません。速くなった仕事の先で、誰が何を担い、その利益がどこへ向かうかも問われます。

本記事では、アンソロピックのダリオ・アモデイ氏の論考、同社の経済シナリオ、国際労働機関（ILO）の研究を手掛かりに、仕事の未来と小さな会社の備えを整理します。確認日は2026年11月3日。予測を確定した未来として扱わず、今日の仕事で試せる準備まで落とし込みます。

PR：AIに任せる作業と、あなたが届ける価値を整理して、本業での活用を始めませんか。
→ 生成AIマスタースクール（GMS）の無料ウェビナーで実践方法を確認する

「仕事の9割がAIになる」と「9割の人が失業する」は違う

AIのニュースで大きな数字を見たら、まず「何の割合か」を確かめてください。作業の一部、作業時間、職種、雇用者数、企業の導入率は、それぞれ別のものです。同じ90％でも、意味はまったく変わります。

アモデイ氏の論考「The Adolescence of Technology」は2026年1月の公開です。本文には、仕事の90％を機械が行っても、人が残る部分をより多く担当すれば、生産を増やせるという歴史的な説明が登場します。これは「現在、労働者の90％が解雇される」という発表ではありません。出典：ダリオ・アモデイ氏の論考

同氏は、2025年に示した「今後1〜5年で初級ホワイトカラー職の半分が置き換わる可能性」という警告にも触れています。ただし、対象も期間も限定された本人の予測であり、実際に半分の雇用が失われたという測定結果ではありません。論考はAIの進歩や影響について不確実性も明示しています。

これを日本のすべての会社や、すべての働き手にそのまま当てはめることはできません。重要なのは、強い数字だけを切り取ることではなく、どのような条件がそろうと、仕事の構成や人の配置が変わり得るのかを考えることです。

ニュースの表現	確認する意味	飛躍してはいけない結論
AIで対応可能な作業	技術的に扱える部分	その仕事がすでに無人化された
企業での利用が増加	実際の導入や利用の範囲	利用企業はすべて人員を減らした
作業時間を短縮	特定の条件で減った時間	会社全体の利益が同じ割合で増えた
雇用への影響予測	前提に基づく将来の見通し	決まった時期に必ず失業する

研究も「一つの未来」に決めていない

AIを作る企業の経営者の警告には、注目する価値があります。一方、その人の予測と、異なる機関の研究を並べて読むことも大切です。どちらか都合のよい方だけを採用すれば、楽観にも悲観にも傾きすぎてしまいます。

ILOが2025年5月に公表した研究では、世界の働き手の約4人に1人が、生成AIの影響をある程度受け得る職業に就いていると推計しています。ただし、これは潜在的な影響の評価で、4人に1人が失業するという予測ではありません。多くの仕事では、人の関与が引き続き必要なため、消滅よりも仕事の変化が中心になると説明しています。出典：ILO「Generative AI and jobs: A 2025 update」

また、アンソロピックの2026年9月版の経済シナリオは、AIの能力、普及、自律性などの条件によって、米国経済の姿が変わるモデルです。一つの確定予測ではなく、複数の条件を試して考えるためのものです。政策対応や景気循環など、モデルに含まれない要因も明記されています。出典：Anthropic「Scenarios for our Economic Future」

こうした資料を並べると、「すべての仕事は安全」とも、「もう何をしても無駄」とも言えないことが分かります。私は、未来の一点を当てるより、変化が速くても遅くても役立つ準備をするほうが、小さな事業には現実的だと考えます。

予測が違うときは、前提の違いを見る

ある論者が強力なAIの急速な普及を想定し、別の研究が現在の業務や導入上の制約を重視すれば、結論が違っても不思議ではありません。対象国、職種、期間、技術の水準も異なります。

例えば、将来の高性能なAIを前提にした議論を、現在使っているチャットの性能だけで否定するのは早計です。逆に、将来できるかもしれないことを、今すぐ自社で安全に実行できると判断するのも危険です。未来の議論と、今日の実装判断を分けましょう。

「まだ失業が増えていない」だけで、変化なしとは言えない

予測とは別に、実際に何が観察されているかも確認します。アンソロピックの2026年3月5日付研究は、技術的に可能な作業と、実際に仕事で使われている範囲を分けて分析しています。米国のデータでは、影響を受けやすい職種で失業率が一貫して増えたという結果は確認されない一方、22〜25歳の若年層の採用が鈍った可能性を示す初期的な証拠があるとしています。出典：Anthropic「Labor market impacts of AI」

これは3月に公表された対象データの分析であり、11月現在の日本の雇用を測ったものではありません。また、採用の変化をすべてAIだけのせいだと断定する材料でもありません。景気や企業の採用方針など、ほかの要因も考える必要があります。

私がここから重視したいのは、影響が必ずしも大規模な解雇として最初に見えるとは限らない点です。新しく人を採る数、外注する範囲、欠員が出た際の補充など、仕事への入口で変化する場合も考えられます。

ただし、自社で求人を出さなかったという事実だけでAIの影響とは言えません。需要が減ったのか、作業が効率化したのか、採用費が負担なのかを分けて確認します。原因を決めつけず、何が変わったかを記録することが出発点です。

今後、採用の変化が複数の期間で続き、実際のAI利用や仕事の再編と対応していれば、慎重さを強める理由になります。逆に、新しい受注や役割が増え、育成の機会も保たれていれば、違う評価になります。私は、不安な予測を繰り返すより、判断を変える材料を決めておきたいと考えます。

一つの仕事は、小さな作業の組み合わせでできている

「営業はなくなるか」「事務は安全か」と職業名で考えると、話が大きくなりすぎます。まず、ある一日の仕事を具体的な行動に分けると、自分で検証できる形になります。

例えば、ある設備点検会社がお客様から相談を受ける場面を考えます。問い合わせを読む、希望日時を整理する、現場の条件を聞く、担当者に確認する、見積もりを説明する、作業後に状態を確認する。これらは、同じ「顧客対応」の中にありますが、必要な情報や責任は異なります。

文章の要点整理をAIに手伝ってもらえても、現場を見ずに故障原因や費用を確定してよいわけではありません。一方、担当者がすべてを一から書いていた説明を整理できれば、お客様の事情を聞く時間を確保できる可能性があります。

作業の例	AIに頼む候補	人が確認すること
問い合わせの読み取り	相談内容と不足情報を整理する	お客様の意図を取り違えていないか
訪問前の案内	決定済みの注意事項を読みやすくする	実際のサービス条件と一致するか
現場での確認	確認項目の抜けを点検する補助	現物の状態、安全性、専門的な判断
見積もりの説明	確定済みの内訳を平易に言い換える	金額、範囲、追加費用の条件
作業後のフォロー	確認事項の案を作る	お客様の実際の状態と対応の必要性

この表は、現在のAIがすべての作業を正確に行えるという認定ではありません。試す場所と確認する場所を分けるための例です。会社のルールや扱う情報によって、AIに入力しない判断も必要になります。

作業が10倍速くなっても、売上や給与が10倍になるとは限らない

私は、AIによる変化を考えるとき、「何が速くなるか」の次に「どこで仕事が止まるか」を見る必要があると考えています。速くなった作業の先で、お客様の確認、現場の作業、商品の供給が止まれば、事業全体は同じ割合では伸びません。

例えば、ある会社で提案文を一日に何通も作れるようになっても、お客様へ説明できる担当者や、受注後に対応できる人数が変わらなければ、受注を無制限には増やせません。下書きの生産量と、納品できる仕事の量は別です。

このように、全体の進み方を制限する部分を「ボトルネック」と呼びます。難しく考える必要はありません。行列ができているところ、返事待ちがたまるところ、そこが進まないと次へ行けないところです。

AIで速くなったこと	次に詰まりやすいところ	経営者が確認すること
問い合わせへの回答案	担当者による条件の確認	確認すべき情報がまとまっているか
見積書の下書き	現場確認、仕入れ価格、納期の確定	未確定の条件を誰がいつ確認するか
商品の紹介文	需要、在庫、発送、購入後の対応	文章を増やすより先に整える点はないか
社内資料の作成	意思決定者の確認と実行	資料の数ではなく、判断が進んでいるか

お金の面でも同じです。作業の費用が下がった分は、会社の利益、顧客への値下げ、追加サービス、働く人への還元など、複数の方向へ向かい得ます。誰にどれだけ残るかは、競争や契約、価格設定、会社の判断によって変わります。

したがって、「AIで仕事が速くなるから給与も自動的に増える」とは言えません。逆に、費用が下がったら必ず人を減らすとも限りません。重要なのは、効率化の数字と、その利益をどのように配分するかを分けて議論することです。

同じAIでも、仕事を減らす場合と広げる場合がある

AIの能力だけを見ても、雇用や受注の結果は決まりません。そこで生まれた余力を使って、何をしようとするかによって変わります。以下は私の整理であり、すべての会社がどれか一つに当てはまるという分類ではありません。

依頼量が変わらない場合：同じ仕事を少ない手間で行う

例えば、毎月必要な定型資料の数が変わらず、その作成が短くなれば、担当者の作業時間は減る可能性があります。ただし、空いた時間を別の仕事へ移すのか、残業を減らすのか、人の配置を変えるのかは、企業の事情と判断によります。

作業の削減を、直ちに人の削減に置き換えないことが大切です。一方で、誰かが余った仕事を自動的に用意してくれるとも限りません。次に必要な役割を考えることは、経営側の仕事です。

対応できなかった需要がある場合：同じ人数で受けられる仕事を増やす

忙しくて返事が遅れ、相談を受け切れていなかった会社なら、確認や案内の負担を減らすことで対応の余地が生まれるかもしれません。この場合、AIは単なる節約ではなく、これまで断っていた需要へ応える補助になります。

ただし、「余力ができた」と「お客様が増えた」は別です。実際の需要と、受注後の対応力を確かめる必要があります。新しい仕事を受けた結果、現場がさらに混乱するなら、順番を見直します。

競合も同じように使う場合：効率化の利益が価格競争へ流れる

自分だけでなく競合も作業を速くできるようになれば、お客様が求める納期や価格が変わる可能性があります。AIを使い始めただけでは、競争上の違いが長く続くとは限りません。

この場合に必要なのは、AI利用を隠したり誇張したりすることではありません。自社が対応できる範囲、品質、相談のしやすさ、納品後の支援を明確にし、顧客が比較できる状態にすることです。単なる作業量の増加ではなく、事業として何を約束するかが問われます。

見落としたくないのは、初めて仕事を学ぶ「入口」の変化

経験豊富な人がAIを使って成果を出せることと、新しく働き始める人が同じように経験を積めることは、別の問題です。初級の作業が減った場合、その作業を通じて学んでいた知識や判断を、どこで身につけるのでしょうか。

例えば、過去の問い合わせを整理する作業には、単純な転記だけでなく、お客様がどこで困るかを覚える面があります。AIが一覧を作ってくれるなら、作業を廃止して終わりにせず、「分類が正しいか」「対応を変える必要があるか」を一緒に考える学びへ変える方法があります。

私が心配するのは、短期的な効率だけを見て、次に判断できる人が育つ工程までなくしてしまうことです。AIの出力を確認できる人は、最初から確認力を持っているわけではありません。育成に時間を使うことも、将来の事業を支える投資です。

小さな会社が備える五つの視点

1．仕事を「残る・消える」ではなく、作業に分ける

最初に必要なのは、高価なAIシステムではありません。毎週繰り返している仕事を一つ選び、「情報を受け取る」「確認する」「作る」「伝える」「結果を見る」に分けて書き出します。

その中から、繰り返しが多く、失敗しても外部への影響が小さく、正誤を自分で確かめられる作業を選びます。例えば、公開済みの商品説明からFAQの候補を作る作業です。いきなり顧客への自動返信から始める必要はありません。

2．AIの出力を採用する基準を決める

「自然な文章なら合格」では、実務で使えるかを判断できません。案内文なら、日時、料金、対象者、申込条件が正しいこと。比較表なら、比較する項目と情報の時点がそろっていること。仕事ごとに、最低限の合格条件を決めます。

基準がないまま使うと、AIが出すたびに評価が変わり、確認の負担が増えます。反対に、基準があれば、AIの得意なことだけでなく、まだ任せにくいことも分かります。

3．短くなった時間の使い道を先に決める

作業が速くなっても、浮いた時間がそのまま利益になるとは限りません。別の確認作業が増えたり、成果物を必要以上に増やしたりすれば、忙しさが戻る場合もあります。

例えば、案内文の下書きが早くできたら、以前から後回しにしていたお客様への確認に時間を使う。説明資料を増やすのではなく、分かりにくい箇所を減らす。時間の使い道を決めることで、AIの利用と事業の改善をつなげます。

4．新人が判断を学ぶ機会を残す

初歩的な作業は、単なる雑務ではなく、仕事の背景を覚える場にもなっています。AIに下書きや整理を任せる場合も、なぜその内容を採用したのか、どこを直したのかを説明する機会を残したいところです。

例えば、完成文だけを渡すのではなく、AI案の誤りを担当者と一緒に見つける。確認する順番を言葉にする。これなら、作業時間を減らしながら、判断力を育てる仕事に変えられます。

5．一つの道具がなくても続けられる形にする

サービスの料金や利用条件が変わったとき、自分たちの仕事が止まる状態は避けたいものです。元の資料、確定した条件、承認済みの文章、確認の手順を、自分たちが管理できる場所に残します。

これは、専門的な連携設定を増やす話ではありません。「AIとの会話にしか必要な情報がない」状態にしないという、基本的な準備です。道具が変わっても、何を達成したいかと、何を確認するかが残れば、見直しやすくなります。

PR：AIで浮いた時間をお客様への価値に変えるために、実務での使い方を学びませんか。
→ 生成AIマスタースクール（GMS）の無料ウェビナーで実務活用を学ぶ

具体例：小さな印刷会社なら、見積もり前のやり取りから見直す

ここからは架空の例です。ある小さな印刷会社で、チラシの見積もり依頼を受けるとします。お客様から届いたメールには、「来月のイベントで使うチラシを作りたい」とだけ書かれています。

担当者は、サイズ、部数、原稿の有無、希望納期、配布方法などを確認する必要があります。AIに「見積もりを作って」と丸投げすれば、決まっていない条件を勝手に埋めるおそれがあります。そこで、AIには不足情報の整理と、確認メールの下書きだけを頼みます。

次の架空の問い合わせについて、見積もり前に確認すべき点を整理してください。
金額や納期を推測して決めないでください。

【問い合わせ】
来月のイベントで使うチラシを作りたいです。

【当社で確認する条件】
サイズ、部数、原稿の有無、希望納期、配布方法。

出力は次の三つに分けてください。
1．すでに分かっていること
2．まだ確認が必要なこと
3．お客様に負担をかけすぎない、短い確認メール案

未確認のサービスや実績は加えないでください。

期待する答えは、金額の入った完成見積もりではありません。「分かっていること」と「まだ聞くこと」が分かれ、確認メールに不要な約束が入っていない状態です。担当者が内容を確認してから、お客様へ送ります。

この会社の価値は、確認メールを速く書くことだけではありません。配布方法に合う仕様を考え、無理のない納期を確認し、お客様が必要なものを選べるようにすることです。AIの使い方を、その価値まで続く流れの中に置くことが大切です。

何を測れば、役に立ったと分かるか

「AIで作った件数」だけでは、改善したか分かりません。下書きの時間、確認にかかった時間、修正の回数、聞き直しの発生、お客様が返答しやすかったかなどを見ます。

最初から細かい管理表を作る必要はありません。一つの仕事について、「作る」「確かめる」「直す」の時間をメモし、以前の進め方と比べるだけでも判断材料になります。記録していない数字を、何となくの印象で成果として公表しないことも重要です。

見る項目	改善の手掛かり	注意すること
作成時間	下書きにかかる手間が減る	入力準備の時間も含める
確認・修正時間	誤りを直す負担が大きすぎない	文章が自然でも事実確認は省かない
やり取りの回数	必要事項を一度で聞きやすくなる	質問を詰め込みすぎない
お客様への価値	次に何をすればよいか伝わる	売上増との因果関係は別に確かめる

ChatGPTには「人を減らせるか」より、変化の条件を整理してもらう

未来を考える相談でも、AIに結論を決めてもらう必要はありません。「この作業が速くなったら、その先で何が起こるか」を、複数の可能性に分けてもらうと議論の出発点になります。

最初は、新しい会話に架空の事業の状況を入力して試せます。顧客名、社員の評価、契約の詳細、社外秘の売上は不要です。実際の会社で使う場合も、公開できる範囲に限り、AIの推測を事実として採用しないでください。

次の架空の会社について、AI導入後の変化を考える材料を整理してください。
人員削減の提案や、個人の能力評価は不要です。

【状況】
小さな印刷会社です。
問い合わせへの確認メールの下書きが短時間で作れるようになりました。
ただし、受注数が増えたか、全体の負担が減ったかは未確認です。
現場確認、見積もりの確定、印刷・発送には別の工程があります。

1．依頼量が変わらない場合
2．断っていた相談に対応できる場合
3．競合も同じように効率化する場合
の三つを分けてください。

それぞれについて、
・次に仕事が詰まりそうなところ
・売上や利益への影響を判断する前に必要な事実
・働く人の役割や学習機会で確認すること
・現場に一つだけ質問するなら何を聞くか
を示してください。

数字や顧客の反応は作らず、未確認は未確認と書いてください。

期待する出力は「社員を何人減らせる」という答えではありません。下書きが速くなっても、納期確認で止まる可能性、受注後の作業が増える可能性など、次に確かめる条件です。もっともらしい予測を並べるだけでなく、担当者に聞ける質問へ変えましょう。

この相談は通常の文章入力で行う方法であり、特定の有料機能、外部連携、自律実行を前提にしません。利用枠は自分の画面で確認してください。AIの回答は、社員や顧客の事情を確認した結果ではなく、考えるための案です。

今後の変化は、三つのシナリオで考える

次の表は、公表された研究の数値予測を転載したものではなく、小さな事業の準備を考えるための私の整理です。どれが必ず起きると決めず、自分の現場で何が見えたら判断を変えるかを考えます。

考えられる進み方	現場で見る変化	備えの方向
補助利用が中心のまま広がる	下書きや整理が便利になるが、確認は多く残る	繰り返し作業を小さく改善し、確認基準を育てる
一連の業務を任せられる場面が増える	担当者の仕事が作成から監督・例外対応へ移る	承認する範囲と、止めて相談する条件を明確にする
価格や顧客の期待が大きく変わる	従来の納品物だけでは違いを説明しにくくなる	個別の課題解決と実行支援を含め、提供価値を見直す

この三つは排他的ではありません。同じ会社の中でも、文章の下書きは補助利用、別の定型作業は広く自動化、対面での対応は人が中心という組み合わせがあり得ます。

判断を変えるきっかけも、最新モデルの発表だけにしないほうがよいでしょう。確認後の品質が安定したか、問い合わせの内容が変わったか、お客様が求める納期が変わったか。自分の仕事に関係する観察を重ねることが大切です。

失敗しやすい四つの進め方

失敗1：「AIを使わない人は終わり」と不安をあおる

不安が強すぎると、現場は失敗を隠したり、使うこと自体を目的にしたりしやすくなります。必要なのは利用回数の競争ではなく、どの作業で何が良くなったかを共有することです。

使わなかった理由にも耳を傾けます。情報を入力できない、確認に時間がかかる、出力を使う場面がない、といった事情は、運用を考える材料です。年齢だけで得意不得意を決めつけないことも大切です。

失敗2：速くなった分だけ、仕事を増やす

資料が短時間で作れるからと量を増やすと、読む側や確認する側の負担が大きくなる場合があります。作成する量ではなく、必要な判断が進んだかを基準にします。

例えば、比較表を十個作るより、候補を絞る条件を一つ明確にするほうが役立つ場面があります。AIの出力量と、仕事の成果を同一視しないようにしましょう。

失敗3：確認する人の仕事を、見えないものにする

AIで短縮した時間だけを数え、誤りを直す人の時間を数えなければ、実態より効果を大きく見積もってしまいます。確認が必要なことを、導入の失敗として隠す必要はありません。

どの誤りが繰り返されるかを記録すれば、入力する情報、依頼文、確認基準の改善につながります。手戻りを含めて評価することが、無理のない利用につながります。

失敗4：短い試行だけで、人や事業の将来を決める

一度うまくいった作業でも、条件が変われば失敗する可能性があります。繁忙期、例外的な相談、新しい商品などでも同じように使えるとは限りません。

だからこそ、小さく試した結果を、すぐに人員削減や長期契約の判断へ結び付けないことが大切です。継続性や例外対応を確かめ、関係する人と役割を相談しながら範囲を広げます。

筆者の実務視点

私は、AIによって働き方が大きく変わる可能性を、軽く見るべきではないと考えています。一方、「何年後に何割の仕事が消える」と一つの数字を信じることが、準備になるとも思いません。予測が外れても役立つ備えを持つほうが、事業には有効です。

特に意識したいのは、効率化の利益がどこに残るかです。AIで作業が安くなっても、価格競争で利益が減る場合もあれば、今まで受けられなかった相談を受けて事業を広げる場合もあるでしょう。「AIを入れた」という事実だけではなく、どの需要に応えるのかまで決める必要があると考えます。

同時に、初歩的な作業を学ぶ入口が細くなることは、見過ごせません。今いる熟練者がAIを上手に確認できても、次の担当者が育つとは限らないからです。作業を減らすときには、どの経験まで失われるのかを確認し、学び直せる工程を用意したいと思います。

小さな会社には、仕事の流れを身近な範囲から見直せる面があります。お客様がどこで迷い、どんな説明が足りず、何を確認すると話が進むか。その具体的な知識をAIへの依頼と人の確認に生かせば、大きな仕組みを入れなくても改善を試せます。もちろん、規模が小さいだけで成功が保証されるわけではありません。

私が勧めたいのは、失業の予言を信じて慌てることでも、過去と同じように何とかなると待つことでもありません。仕事の流れ、需要、育成、利益の行き先を一緒に見ることです。どれか一つの数字だけでは見えない変化を確かめることが、経営の準備になると考えています。

最初の一週間は、一つの仕事だけで十分

すべての業務を一度に変える必要はありません。最初の一週間は、公開情報を使った下書きなど、外部への影響を抑えられる仕事を一つ選びます。担当者が納得できる小さな範囲で、進め方を確かめましょう。

1. 仕事を選ぶ：繰り返しがあり、正しさを自分で確認できるものを選ぶ。
2. 作業を分ける：入力、整理、作成、確認、連絡のどこに時間がかかるかを書く。
3. AIに一部分を頼む：未確認事項を埋めず、下書きや整理だけを依頼する。
4. 手戻りも記録する：作成時間だけでなく、確認・修正の手間を見る。
5. 続けるか決める：役立った部分だけ残し、難しい部分は人の方法へ戻す。

一週間で成果が出なければ失敗、という意味ではありません。自分たちに合う使い方と、まだ任せにくい部分が分かれば、それも判断材料です。数字をよく見せるために、確認を省いたり、必要な作業を外したりしないでください。

また、この試行だけで人事上の評価を決めないことも大切です。試すことを安心して相談できる状態がなければ、本当の問題が見えにくくなります。

よくある質問

AIによって、今すぐ仕事の90％がなくなるのですか？

本記事で確認した論考から、そのようには言えません。作業の機械化の説明と、現在の雇用喪失は別です。数字を読むときは、対象、期間、仮定、実測か予測かを確認してください。

AIの影響を受ける職業は、将来性がないのでしょうか？

影響を受けることと、仕事がなくなることは同じではありません。作業の一部が変わったり、需要が増えたり、別の役割が必要になったりする場合があります。職業名だけで判断せず、実際の作業と顧客の需要を見ます。

50代以降でも、今から準備できますか？

年齢だけで決まるものではありません。まず、自分がよく知る仕事の一部を整理するところから始められます。経験がある分野なら、AIの回答のどこが不自然かを確認する手掛かりもあります。ただし、経験だけで誤りを必ず見抜けるわけではないため、事実との照合は必要です。

有料のAIや自動化ツールを契約しないと遅れますか？

仕事の棚卸しや、文章を使った小さな試行は、大きなシステム導入の前にできます。まず必要な用途を明確にし、利用条件と費用に見合うかを確認しましょう。本記事は、新しい有料契約を前提にした手順ではありません。

人が確認するなら、結局は手間が減らないのでは？

その可能性もあります。だからこそ、作成だけでなく確認と修正を含めて見ます。総合的に負担が減らない仕事は、無理にAIへ移す必要はありません。入力や確認基準を改善するか、別の作業で試します。

AIに任せると、新人が育たなくなりませんか？

作業の結果だけを受け取る運用では、背景を学ぶ機会が減るおそれがあります。AI案のどこを直したか、どの条件を確認したかを共有し、判断を学ぶ工程として残すことが大切です。

将来の変化に備え、今すぐ業種を変えるべきですか？

一般論だけで転職や事業転換を決める必要はありません。顧客の需要、収入、経験、資金、学ぶ負担などを具体的に整理し、必要なら適切な専門家にも相談します。まずは現在の仕事で、変わりつつある作業を確かめるところから始められます。

まとめ：AIに奪われるかより、何を届ける仕事に変えるか

AIによる仕事の変化は、真剣に考える価値のある問題です。しかし、作業の自動化率をそのまま失業率に置き換えたり、将来予測を確定した事実として受け取ったりすると、現実的な準備から離れてしまいます。

私たちが今できるのは、仕事を小さな作業に分け、AIを試す部分と人が確認する部分を決め、お客様へ届ける価値を明確にすることです。便利な道具を増やす前に、何のために使うのかをはっきりさせましょう。

今日、いつも行っている仕事を一つだけ選んでみてください。「これは何を作る作業か」だけでなく、「これによって、お客様は何ができるようになるか」と書き添える。その一文が、AI時代の事業を考え直す出発点になります。

PR：仕事の変化に備え、あなたの経験をAIと組み合わせて生かす方法を学びませんか。
→ 生成AIマスタースクール（GMS）の無料ウェビナーに参加する