AIについて調べていると、「数年以内に仕事の大半が変わる」「人間が制御できなくなるかもしれない」といった強い予測に出会います。反対に、予測はいつも外れるから気にしなくてよい、という意見もあります。
経営や業務設計で必要なのは、どちらかを信じることではありません。予測を一つの答えではなく、計画を揺さぶるシナリオとして扱うことです。
公開されているAI 2027は、将来の一つのシナリオを具体化したものであり、作者自身が予測の不確実性や、推薦ではなく予測を目的とすることを説明しています。AI 2040のPlan Aは、さらに別の前提に立つ政策提案です。二つは「未来を当てる資料」ではなく、前提を置いて影響を検討する材料として読むべきものです。
この記事では、こうした将来シナリオを中小企業の経営計画やAI導入計画へ翻訳するための方法を整理します。未来の年を当てる話ではありません。自社の計画が、どの変化に弱いのかを見つけるための手順です。
1. 予測の正しさより、前提を分解する
シナリオを読んだとき、最初に「本当にその年に起きるのか」と判定しようとすると、議論が止まります。代わりに、次の4つの前提へ分けます。
- 能力: AIがどの種類の仕事を、どの精度・速度で扱えるようになるか
- 制御: AIの出力や行動を、人間が検証し、止め、戻せるか
- 集中: モデル、計算資源、データ、意思決定が少数の組織へ偏るか
- 依存: 提供停止、価格変更、規制、障害が起きたとき代替できるか
AI 2027の公式ページは、シナリオの後半ほど不確実性が大きくなることを明記しています。また、AI 2040のPlan Aは予測ではなく、国際的な透明性や段階的な開発を含む「こうすべき」という提案です。同じAIの未来を扱っていても、予測と提案は役割が違います。
この区別をしないと、提案を事実として受け取ったり、予測の数字を社内目標にしてしまったりします。
2. 怖さを「業務に影響する変数」へ置き換える
「AIが人間を超える」という表現は大きすぎて、今日の業務判断にはそのまま使えません。経営会議では、次のように言い換えます。
能力が伸びる
文章作成、調査、コード、表計算などで、人が下書きや候補を作る時間が短くなる可能性があります。ここで見るのは、AIが人間全体を超えるかではなく、自社の一つの業務で確認時間を含めて有利になるかです。
制御が弱くなる
AIが複数の手順を連続して実行し、途中の判断が見えにくくなると、誤りの発見が遅れます。読むだけ、下書き、編集、外部送信の順に権限を分けられるかを確認します。
集中が進む
一つのモデルやサービスに業務が寄りかかると、価格変更や提供停止が自社の作業停止につながります。代替モデルを増やすだけでなく、入力データ、プロンプト、成果物を持ち出せる形で残します。
依存が深くなる
AIを前提に業務を組み替えた後、手作業へ戻せないと、便利さが事業継続リスクになります。月に一度は、AIなしで最低限の業務を完了できるかを確認します。
3. 計画を3つのシナリオで点検する
未来を一つに決めず、同じ事業計画を3つの条件で読み替えます。
シナリオA：段階的な改善
AIは便利になるが、品質確認と人の承認が残る前提です。現在の業務から、確認しやすく失敗時に戻しやすい作業を一つ選びます。
シナリオB：能力と価格の変化が速い
短期間でツールの性能や料金体系が変わり、担当者が毎月使い方を見直す前提です。特定サービスの画面に依存せず、作業の入力・判断・出力・確認を分けて記録します。
シナリオC：停止・規制・障害が起きる
利用中のサービスが一時停止し、外部送信や権限利用に制約が出る前提です。AIがなくても最低限の業務を続ける手順、代替担当、保存場所、復旧条件を決めます。
3つを比べると、「どの未来が正しいか」ではなく、「どの前提でも壊れにくい設計は何か」が見えてきます。
4. 年ではなく、観測できるトリガーを置く
「2030年になったら見直す」のように年だけで管理すると、変化への反応が遅れます。次のような観測可能な兆候をトリガーにします。
- AIの確認時間が、作業時間の短縮分を上回った
- 同じ入力でも結果のばらつきや未確認項目が増えた
- 重要業務の一つが、特定サービスなしでは再開できなくなった
- 料金、利用規約、データ保存条件が変わった
- 人の承認なしに、送信・削除・契約変更・権限変更へ進める状態になった
- AIの出力を確認できる担当者が不在になった
トリガーが発生したら、導入を広げるのではなく、いったん範囲を狭めます。継続、縮小、手動復帰、停止のどれを選ぶかをあらかじめ決めておくことが重要です。
5. 30日間のシナリオ・ストレステスト
大きな計画を作る前に、一つの業務だけで試します。
1週目：依存箇所を見える化する
対象業務の入力、判断、出力、確認者、保存場所、外部サービス、代替手順を書き出します。AIが作ったものと、人が最終的に採用したものを区別します。
2週目：3シナリオを当てる
段階改善、急速変化、停止・障害の3条件で、納期、品質、費用、担当者の負担を見積もります。数字を精密に予測するのではなく、何が先に詰まるかを確認します。
3週目：小さな実行と記録
作業コピーや検証環境で、AIには候補と下書きまでを任せます。変更ログ、確認時間、手戻り、未確認項目、停止できたかを残します。
4週目：続ける条件を決める
効果があったかだけでなく、戻しやすかったか、確認者が継続できるか、サービスが変わっても移行できるかを見ます。条件を満たさない場合は、導入を広げず対象業務を変えます。
6. 公開されているリスク枠組みを実務語にする
NISTのAIリスクマネジメントフレームワークは、AIのリスクを扱う機能としてGovern、Map、Measure、Manageを示しています。これは大企業だけの専用制度ではなく、組織の規模や用途に合わせて使う任意の枠組みです。
現場では、次の4問に置き換えられます。
- Govern: 誰が導入を決め、誰が止めるのか
- Map: どのデータ、業務、顧客、外部サービスに影響するのか
- Measure: 品質、確認時間、手戻り、ばらつきをどう測るのか
- Manage: 逸脱したとき、縮小・復旧・廃止をどう行うのか
また、特定のAI企業が公開する安全方針は、業界全体の保証ではありません。自社の運用にそのまま移植するのではなく、能力が上がったときに評価や安全策を更新するという考え方だけを参考にします。
7. 未来を当てる会社ではなく、戻れる会社をつくる
AIの未来について、強い予測はこれからも出てきます。予測を無視する必要はありません。ただし、未来の年や確率をそのまま経営計画へ貼り付けると、外れたときに計画全体が崩れます。
必要なのは、複数の前提で計画を読み直し、観測トリガーが出たら範囲を狭め、必要なら手動へ戻れる設計です。
AIの能力がどこまで伸びるかを決めるのは、利用者ではありません。一方で、自社のデータをどこへ渡すか、どの操作を許可するか、何を人が確認するか、止めた後にどう復旧するかは決められます。
怖い未来を信じることでも、楽観することでもなく、どのシナリオでも損失を限定できる業務構造を先に作る。それが、AIの変化を経営判断へ変える現実的な出発点です。
8. まとめ
未来予測を経営計画へ貼り付けるのではなく、能力・制御・集中・依存の4変数へ分解し、複数シナリオと観測トリガーで点検します。まずは一つの業務を30日だけ試し、続ける条件、縮小する条件、手動へ戻す条件を記録してください。
参照した公式情報
- AI 2027: シナリオの目的、予測と不確実性、補足資料
- AI 2040: Plan A: 予測ではなく提案としてのシナリオ、透明性と段階的な開発
- NIST AI Risk Management Framework: AIリスク管理の基本枠組み
- NIST AI RMF Playbook: Govern、Map、Measure、Manageの実務化
- Anthropic Responsible Scaling Policy: 能力の進展に応じた安全方針の更新例