AI時代の働き方入門

「AIに任せればいいんでしょ？——でも、AIの出した答え、合ってるかわかんない。」

この2つの声、どちらも本当です。AIは速いけど嘘をつく。AIは得意なことがあるけど、全部はできない。世界経済フォーラムの「Future of Jobs Report 2023」は、2023〜2027年で8,300万の職が消え、6,900万の新しい職が生まれると予測しています。純減1,400万——この数字の本当の意味は「職が減る」ではありません。必要な役割が変わるということです。マッキンゼーの報告書も、現在の業務活動の60〜70%が既存の技術で自動化可能だと推計しています。ただし「自動化可能」と「自動化される」は別の話です。

大事なのは、「AIに何を任せるか」ではなく「自分が何を引き受けるか」です。AIが得意な作業を任せ、人が担うべき判断・対人・責任を引き受ける——この仕分けができる人が、AI時代に伸びます。

この講座を読み終えたあなたは、次の3つができるようになります。

1. AIが得意な作業と人が担うべき作業を5分類表で仕分けて説明できる
2. 自分の業務プロセスをAI前提で再設計した作業表を作成できる
3. AI活用時の3つのリスク（幻覚・偏り・過信）を具体例で挙げて対策を選べる

この講座は最後まで、入社4年目の「田中さん」の週次企画プロセスという、1人の中堅社員の毎週の業務だけで説明します。企画書作成から顧客提案までのフローを、仕分けて、定義して、対策して、統合する——その全工程を4章で辿っていきます。各章末には手を動かす演習も置いているので、自分の業務に置き換えながら読み進めてみてください。

AIに何ができて何ができないか

1-1「AIに任せればいい」の落とし穴

田中さんは入社4年目の企画職です。毎週、市場データを集め、企画書を作り、顧客に提案しています。最近、ChatGPTを試し始めました。「これで企画書、サクッと作れるじゃん」と最初は思ったものの、AIが出した市場データの数字が間違っていたり、顧客に刺さらない方向性を提案されたりして、「結局、自分で全部やり直すことになるんだけど……」と悩んでいます。

田中さんと同じ悩みを持つ人は多いです。AIに全部任せると、判断が雑になり、品質が下がるか事故が起きる。逆にAIを全く使わないと、作業スピードで周りに遅れる。どちらも極端です。「何を任せ、何を自分でやるか」——この線を引くのが第一歩です。

AIの5分類

AIに何ができて何ができないかを整理するために、5つの分類を使います。

①データ処理——たとえば「過去3年分の売上データを月別に集計して」は、AIが得意な領域です。数万行のデータを秒で処理できます。

②パターン認識——「この顧客の購買データから、離脱しそうな顧客を抽出して」もAIが得意です。膨大なデータの中から規則性を見つけるのは、AIの本来の得意分野です。

③文章生成——「このデータをもとに企画書のドラフトを書いて」もAIに任せられます。ただし生成されるのは「ドラフト」であり、最終稿ではありません。内容の正確さや文脈の適合性は人が確認する必要があります。

④判断・意思決定——「この企画の方向性を決める」はAIには任せられません。AIは確率的な推論を行うものであり、因果関係を判断したり、価値観を含む決定を下したりすることはできません。「A案とB案、どちらが自社の戦略に合うか」は、自社の戦略的文脈を理解している人間が決めることです。

⑤対人関係構築——「顧客に提案を通す」もAIには任せられません。交渉、信頼の構築、相手の感情の読み取り——これらは対人関係の領域であり、AIの統計的推論では対応できません。

田中さんの週次企画プロセスを仕分ける

田中さんの毎週の業務をタスク分解して、5分類に当てはめてみましょう。

• 市場データの集計 → ①データ処理（AI）
• 過去の成功パターンの抽出 → ②パターン認識（AI）
• 企画書ドラフトの作成 → ③文章生成（AI）
• 企画の方向性決定 → ④判断・意思決定（人）
• 顧客への提案 → ⑤対人関係構築（人）

同じ業務の中でも、AIと人の領域が混在していることが分かります。大事なのは「この業務はAI、この業務は人」と業務単位で分けるのではなく、タスク単位で分けることです。

5分類で仕分ける3ステップ

自分の業務を5分類で仕分けるには、次の3ステップを回します。

1. 自分の業務をタスク単位に分解する — 「企画書を作る」という業務を、データ集計・パターン抽出・ドラフト作成・方向性決定・顧客提案のように、細かいタスクに分解する
2. 各タスクを5分類に当てはめる — ①〜③はAIが得意、④⑤は人が担う領域
3. 仕分け結果を確認する — ①〜③はAI、④⑤は人に振る。自分の業務の何割が「AIに任せられるタスク」かを数えてみる

この3ステップがAI時代の働き方の土台です。まずは仕分ける。そこから始めます。

つまずきポイント：「AIが判断もできるはず」→ AIは確率的な推論であり、因果関係の判断や価値観を含む決定はできません。「全部AIに任せれば効率的」→ ④⑤をAIに任せると品質が下がるか事故が起きます。「AIは自分の仕事を奪う」→ 奪われるのは①〜③のタスクです。④⑤を引き受ける人が残ります。

仕分けの先にあるのは、AIに何を任せるかではなく、自分が何を引き受けるかです。

この章の演習

自分の業務1週間分をタスク単位に分解し、5分類に仕分けてみてください。①〜③と④⑤の比率を数えて、自分の業務の何割が「AIに任せられるタスク」か確認しましょう。

人の役割を3つの力で再定義する

AIが不得意な④⑤を支える3つの力

第1章で仕分けた結果、④判断・意思決定と⑤対人関係構築は人が担う領域だと分かりました。この2つの領域を支えるのが、3つの力です。

1. 問いを立てる力 — AIに何を聞くか決める
2. 文脈を読む力 — AIの出力が現場で使えるか判定する
3. 責任を引き受ける力 — AIの出力の最終判断を人が持つ

AI時代の「人の価値」は、作業スピードではなく、この3つの力に移ります。1つずつ見ていきましょう。

問いを立てる力

AIへの指示の質が、AI出力の質を決めます。問いが雑なら答えも雑です。

田中さんがAIに「市場データを要約して」とだけ言った場合、AIは一般的な市場データの要約を返します。それは田中さんの自社の顧客層にも、今週の企画テーマにも、関係ない要約かもしれません。

一方、「2023年の国内EC市場の推移を、前年比の推移表で要約して」と言った場合、AIは具体的な条件に合った要約を出します。同じAIを使っても、聞き方で結果が全く変わるのです。

問いを立てる力とは、AIに「何を聞くか」「どんな条件で聞くか」を決める力です。これはAIのコントローラーになるということです。AIが得意な①〜③の領域をフルに引き出すには、問いを立てる人が必要です。

文脈を読む力

AIは統計的パターンに基づく推論を行うものであり、現場の暗黙知・人間関係・組織の戦略的文脈は読めません。

田中さんの例で見てみましょう。AIが「ターゲットは都市部の30代女性」と提案しました。統計的には正しいパターンかもしれません。でも、田中さんの自社の実際の顧客層は地方の40代男性だったとしたら——この提案は現場で使えません。

「AIの出力が現場で使えるかどうか」は、現場の人間しか判定できません。数字は合っていても、人間関係・組織の事情・顧客の実態に合っていなければ、その出力は使えない。この判定を下すのが文脈を読む力です。

責任を引き受ける力

最終判断の責任は人にしか持てません。AIは責任主体になれない——これはAIの仕組み上の事実です。

田中さんがAIの出力をそのまま企画書に載せて顧客に提出し、後から数字が間違っていたことが分かったとします。その時、顧客はAIに文句を言うでしょうか。いいえ、田中さんに言います。企画書に載せた数字が間違っていたら、AIではなく田中さんが説明する。この「最終判断の署名者」が人であることが、AI時代の仕事の安全弌です。

OECDのAI原則でも、「AIの出力には人が監視・介入できるようにするべきだ」という原則を掲げています。人が最後に「これで行く」と決める——その責任を引き受ける力が、AI時代の仕事の根幹です。

3つの力を田中さんの業務に当てはめる

田中さんの週次企画プロセスに3つの力を当てはめてみましょう。

• AIに「市場データを要約して」と指示する → 問いを立てる力
• AIの要約が自社の顧客層に合っているか確認する → 文脈を読む力
• 上司に「この企画で行きます」と承認を取る → 責任を引き受ける力

どれもAIには代替できない、人間だからこそできる役割です。AIが①〜③の作業を高速にこなすからこそ、④⑤でこの3つの力を発揮する——その組み合わせがAI時代の働き方です。

つまずきポイント：「AIに聞けば答えが出るから問いはいらない」→ 問いが雑なら答えも雑です。プロンプトの質が結果の質を決めます。「文脈なんてAIも読める」→ AIは統計的パターンに基づく推論であり、現場の暗黙知・人間関係・組織の戦略的文脈は読めません。「責任はAIにも分担できる」→ 最終判断の責任は人にしか持てません。AIは責任主体になれない。

3つの力の根底にあるのも、AIに何を任せるかではなく、自分が何を引き受けるかという問いです。

この章の演習

田中さんの企画プロセスで3つの力がどこに出ているか書き出してみてください。その後、自分の業務で3つの力を発揮する場面を1つずつ書き出してみましょう。

AI活用の3つのリスクを知り対策をとる

AIは速いけど嘘をつく

AIを使うと作業は速くなります。でも速いことと正しいことは別です。AIの事故の大部分は、3つのリスクに分類できます。

1. 幻覚（ハルシネーション） — AIが事実ではない内容を事実らしく出力する
2. 偏り（バイアス） — 学習データの偏りがAIの出力に反映される
3. 過信（オートメーション・バイアス） — AIの回答を疑わず受け入れてしまう

この3つを知り、対策をとるのがAI活用の「安全運転」です。田中さんの業務で、1つずつ見ていきましょう。

幻覚（ハルシネーション）——事実ではないことを事実らしく言う

AIは次に来る確率の高い言葉を逐次的に生成する仕組みであり、事実データベースを検索しているわけではありません。そのため、存在しない統計、実在しない論文の引用、誤った固有名詞を、自然な文章で出力することがあります。これをハルシネーション（幻覚）と呼びます。

田中さんの例で見てみましょう。田中さんがAIに「この市場の規模は？」と聞いたところ、AIは「市場規模は5,000億円です」と自信満かに答えました。田中さんはこれをそのまま企画書に載せました。後から調べると、この5,000億円という数字は存在しないデータでした。AIはそれらしい数字を生成しただけだったのです。

最新のAIモデルでも、ハルシネーションは完全には解消されていません。確率的に出力を生成する仕組み上、ゼロにはならないのです。

対策：数字・固有名詞は必ず元データを確認する。AIが出した数字や固有名詞は、かならず元のデータソースと照合する。照合できない数字は使わない。この「事実確認のルール」を1つ決めるだけで、ハルシネーションの事故の大部分は防げます。

偏り（バイアス）——学習データの偏りが反映される

AIの学習データに偏りがあると、出力にも偏りが反映されます。データ量を増やしても、偏りは自動的には解消しません。データ収集のプロセス自体に偏りがある場合、データがいくら増えても偏った出力しか出てこないからです。

田中さんの例を見てみましょう。AIが「ターゲットは都市部の30代女性」と提案しました。これは学習データの偏りを反映した出力です。都市部のネットユーザーのデータが多く、地方のデータが少ない——その結果、AIの提案は都市部に偏るのです。実際には地方の40代男性の需要が大きい市場だったのに、AIはそれを見落としていました。

対策：複数の視点でAIに問い直す。「逆の立場からはどう見える？」「他の条件ではどうなる？」「地方のデータも含めて？」のように、AIに別の視点からもう一度考えさせる。1つの出力を鵜呑みにせず、視点を変えて問い直すことで偏りに気づけます。

過信（オートメーション・バイアス）——AIの回答を疑わない

AIの回答を疑わず受け入れてしまう認知バイアスを、オートメーション・バイアスと呼びます。これは誰にでも起こる認知バイアスです。「自分には関係ない」と思っている人ほど、実はかかりやすい。

田中さんの例を見てみましょう。田中さんはAIの提案を確認せず、そのまま企画書に載せました。AIが出した数字を、自分で元データと照合しなかった。AIが提案したターゲット層を、自社の実際の顧客データと比べなかった。田中さんは「AIが調べてくれたから大丈夫だろう」と、無意識にAIを信じていたのです。

これは田中さんが怠慢なわけではありません。自動化されたシステムの出力を、人間は無意識に信じ込んでしまう——それがオートメーション・バイアスです。AIに限った話ではなく、航空・医療等の分野でも報告されている一般的な認知バイアスです。

対策：「本当に？」を挟む手順を組み込む。AIの回答を受け取ったら、一度「本当に？」と疑問を挟む手順を業務プロセスに組み込む。確認する相手・確認する項目をあらかじめ決めておく。手順にしておけば、オートメーション・バイアスに気づかずAIを信じ込んでしまう事故を防げます。

3つのリスク対策を田中さんの業務に組み込む

田中さんの週次企画プロセスに、3つのリスク対策を組み込んでみましょう。

• AIが集計した市場データ → 数字を元データと照合する（幻覚対策）
• AIが提案したターゲット層 → 「地方のデータも含めて？」と問い直す（偏り対策）
• AIが作成した企画書ドラフト → 提出前に「本当に？」と確認手順を挟む（過信対策）

この3つの手順が、AI活用の安全運転の型です。AIを使うからには、この3つをセットで組み込む。それがAI時代に仕事の品質を落とさない方法です。

つまずきポイント：「ハルシネーションは最新モデルで解決した」→ 確率的出力の性質上、ゼロにはなりません。「偏りはデータを増やせば解消する」→ データ量の増加と偏りの解消は別問題です。「過信は自分には関係ない」→ オートメーション・バイアスは誰にでも起こる認知バイアスです。手順で防ぐしかありません。

3つのリスク対策も、AIに何を任せるかではなく、自分が何を引き受けるかに帰着します。

この章の演習

田中さんの企画プロセスに3つのリスク対策を組み込む手順を書いてみてください。その後、自分の業務に3つの対策を1つずつ当てはめてみましょう。

AIと協働する業務プロセスを作る

第1〜3章の成果を1つの業務フローに統合する

ここまで3章で、以下のことを学んできました。

• 第1章：5分類でAIと人のタスクを仕分ける
• 第2章：人のタスクに3つの力（問いを立てる・文脈を読む・責任を引き受ける）を割り当てる
• 第3章：AIのタスクに3つのリスク対策（幻覚・偏り・過信）を組み込む

この3つの成果を1つの業務フローに統合するのが、この章のゴールです。4ステップで回します。

1. 現状の業務をタスク分解する — 第1章の3ステップ
2. 5分類でAI/人を仕分ける — 第1章の3ステップ
3. 人のタスクに3つの力を割り当てる — 第2章
4. AIのタスクに3つのリスク対策を組み込む — 第3章

この4ステップで完成した作業表が「AIと協働する業務プロセス」です。

田中さんの週次企画プロセス——全工程

田中さんの週次企画プロセス全体を、1枚の作業表にまとめてみましょう。

①②⑤はAIが、③④⑥⑦は人が担当します。AIが高速に①②⑤をこなすからこそ、人は③④⑥⑦に注力できる。これがAIと人の協働です。

ポイントは、AIのタスクのすぐ後に「確認」のタスクが来ていることです。①データ収集のすぐ後に③文脈確認。⑤ドラフト作成のすぐ後に⑥事実確認。AIが作業した箇所に、人が確認手順を挟む——これが安全運転の型です。

自分の業務プロセスを4ステップで再設計する

田中さんの例を参考に、自分の業務プロセスを4ステップで再設計してみましょう。

ステップ1：現状の業務をタスク分解する
自分の業務1週間分を、田中さんのように細かいタスクに分解します。「企画書を作る」ではなく「データを集める」「データを要約する」「要約を確認する」「方向性を決める」……と、1タスク1行動の粒度に分解します。

ステップ2：5分類でAI/人を仕分ける
各タスクを5分類に当てはめ、①〜③はAI、④⑤は人に振ります。この時点で、自分の業務の何割が「AIに任せられるタスク」かが見えます。

ステップ3：人のタスクに3つの力を割り当てる
人のタスクには、3つの力のどれが発揮されるかを書きます。「方向性を決める」なら「問いを立てる・文脈を読む」。「顧客に提案する」なら「文脈を読む・責任を引き受ける」。3つの力のどれにも当てはまらない人のタスクがあれば、本当に人がやるべきか見直します。

ステップ4：AIのタスクに3つのリスク対策を組み込む
AIが担当するタスクには、3つのリスク対策のどれを組み込むかを書きます。数字を出力するタスクには「幻覚対策」。判断・提案を出力するタスクには「偏り対策」。AIの出力をそのまま使うタスクには「過信対策」。この3つを組み込むことで、AIの事故を防ぎます。

4ステップを回すと、「AIがやること・人がやること・確認すること」が1枚にまとまります。

チームで共通の仕分け基準を持つ

自分だけできればいい、ではありません。田中さんがチームのサブリーダーなら、メンバーにも同じ仕分け基準を持ってもらう必要があります。

「AIに任せすぎる人」には、「④⑤は人がやるべきだ」と5分類の基準で指導できます。「AIを使わない人」には、「①〜③はAIに任せて、④⑤に時間を使おう」と5分類の基準で指導できます。同じ5分類という基準があれば、両極端の人に一貫した指導ができるのです。

また、業務が変われば仕分けも変わります。新しいツールが入れば、AIが得意な領域も広がるかもしれません。定期的に見直すことをセットにしておきましょう。

つまずきポイント：「全部AIに任せれば効率的」→ 第1〜3章の学びに反します。④⑤をAIに任せると品質が下がります。「1回作れば終わり」→ 業務が変われば仕分けも変わります。定期的に見直しましょう。「自分だけできればいい」→ チームで共通の仕分け基準を持つことで、メンバーのAI活用バラツキが解消します。

AIと協働する業務プロセスの核心も、AIに何を任せるかではなく、自分が何を引き受けるかです。

この章の演習

自分の業務1週間分を4ステップで再設計し、作業表を作成してください。タスクごとに「AI/人」「3つの力」「3つのリスク対策」を記載した1枚の表にまとめましょう。

まとめ：AIに何を任せるかではなく、自分が何を引き受けるか

4章を振り返ってみましょう。

• 第1章では、AIの得意・不得意を5分類で仕分けました。①データ処理、②パターン認識、③文章生成はAIが得意。④判断・意思決定、⑤対人関係構築は人が担う領域。
• 第2章では、人が④⑤を担うために必要な3つの力を定義しました。問いを立てる力、文脈を読む力、責任を引き受ける力。この3つがAI時代の「人の価値」です。
• 第3章では、AI活用の3つのリスクと対策を学びました。幻覚には事実確認、偏りには複数視点で問い直し、過信には「本当に？」を挟む手順。この3つがAI活用の安全運転です。
• 第4章では、3つの成果を1つの業務フローに統合しました。仕分け→再定義→対策→統合。4ステップで自分の業務プロセスをAI前提で再設計する。

すべての判断は、「AIに何を任せ、自分は何を引き受けるか？」に戻ります。AIが得意な作業をAIに任せ、人が担うべき判断・対人・責任を自分が引き受ける——この仕分けができる人が、AI時代に伸びる。

AIに何を任せるかではなく、自分が何を引き受けるか。

明日の最初の一歩

自分の業務1週間分をタスク分解し、5分類で仕分けてください。それだけで、AIと自分の役割の境界線が見えます。きれいに仕分けられなくてよいです。まずは線を引くことから始めましょう。

法人研修資料請求はこちらから。