AIに仕事を奪われるのか、という問いは大きすぎます。
実務で必要なのは、職種全体の予言ではなく、いま目の前にある業務を「どこまで機械に渡せるか」「どこから人が持つべきか」に分けることです。国際労働機関（ILO）の生成AIに関する評価も、職業全体の消滅を断定するものではなく、タスク単位の影響可能性を扱っています。
この記事では、業務を次の4つの境界で見ます。
- 物理的な現場条件
- 説明・承認・責任
- 人が関わること自体の価値
- 人間が持つ文脈と判断材料
4つを分けると、「AIに任せるか、任せないか」の二択から抜け出せます。
「AIに奪われにくい仕事」を探すだけでは足りない
ひとつの職種には、定型入力、調査、判断、顧客対応、現場対応、例外処理が混ざっています。AIが得意な工程が増えても、職種全体が同じ日に消えるとは限りません。逆に、職種名が残っていても、中心的な作業だけが先に変わることはあります。
先に職種を守ろうとすると、議論が「人間にしかできない仕事」の探し合いになります。先に業務を分解し、任せる範囲と残す範囲を決める方が、導入の失敗を小さくできます。
1. 物理的な現場条件は残っているか
AIは画面上の情報処理だけでなく、機械やロボットを介して現場へ広がっています。ただし、現実の作業には、次のような条件があります。
- 毎回異なる場所や物に触れる
- 天候、騒音、狭さ、照明などが変わる
- 失敗すると設備、人、商品に影響する
- 点検、補充、清掃、修理などの作業が連続する
- 例外が起きたときに、作業を止めて確認する必要がある
ここでのポイントは、「物理作業だから安全」でも「ロボットが来ればすぐ置き換わる」でもありません。作業環境を整える費用、保守、停止時の代替手順、失敗時の責任まで含めて判断することです。
まずは、現場へ行かなくてもできる記録、指示、確認から分けます。実物に触れる工程は、AIに任せる前に、停止条件と人の介入方法を決めておきます。
2. 責任を移せるか
AIが文章や判断案を出せても、その案を採用し、相手に説明し、結果を引き受ける主体が自動で生まれるわけではありません。高い影響がある業務ほど、次の4点を明示します。
- 最終的に承認する人
- 判断の根拠を確認する人
- 相手へ説明する人
- 記録を残し、問題時に戻す人
法令や社内規程によって人の関与が必要な領域もあります。個別の法的判断は、業務を管轄する専門家や社内の正本で確認してください。NISTのAIリスク管理フレームワークも、AIと人の役割、監督、責任を区別し、文書化する考え方を示しています。
したがって、責任の持ち主が曖昧な業務は、精度の高いモデルを選ぶ前に、承認経路を設計する必要があります。
3. 人が関わること自体が価値か
すべての価値が処理速度や正確さだけで決まるわけではありません。顧客が「誰が対応したか」を重視する場面、継続的な関係が結果を左右する場面、相手の不安を受け止める場面では、人の関与そのものが価値になります。
ただし、「人間らしさ」と書いて終わらせると、改善点が見えません。次のように観察します。
- 相手は担当者の継続性を求めているか
- 事情を言葉にできない相手とのやり取りがあるか
- 合意形成や交渉で、関係の蓄積が効いているか
- 結果だけでなく、納得して決める過程が必要か
この境界に該当する工程でも、記録整理、候補案、事前確認はAIに任せられます。人の価値を残すことと、周辺作業をすべて人が抱えることは別です。
4. 人間の文脈をAIに渡せるか
AIに渡せる情報が少ないまま「判断して」と頼むと、もっともらしい一般論が返ります。現場で重要な、過去の経緯、顧客との約束、避けるべき例外、季節要因、暗黙の優先順位が抜けるからです。
ここで確認するのは、AIが賢いかどうかだけではありません。必要な文脈を、機密や権限を守りながら、再利用できる形にできるかです。
最初に作るのは大規模なデータベースではなく、次のような小さな文脈メモです。
- この業務の目的
- 絶対に外せない条件
- 例外になった過去のケース
- 入力してよい情報と、入力してはいけない情報
- 人が確認してから次へ進む箇所
文脈が整理できれば、AIは下書きや比較を担当し、人は前提の妥当性と最終判断に集中できます。
4つの境界を一枚に落とす
業務ごとに、次の項目を一枚へ書きます。点数を競うためではなく、議論の抜けを見つけるためのカードです。
業務名:
目的:
物理条件: なし / 一部あり / 中心
責任: 低 / 要承認 / 高影響
人の関与価値: 低 / 場面限定 / 中心
文脈量: 少 / 整理可能 / 暗黙知が多い
AIに任せる範囲:
人が決める範囲:
残す証跡:
止める条件:4境界のどれかが「中心」「高影響」「暗黙知が多い」なら、全工程の自動化候補から外します。代わりに、調査、下書き、比較、記録の一部だけを対象にします。ひとつのカードで判断できない場合は、業務をさらに小さく分けます。
30日だけ試して、残すか止めるかを決める
大きな導入計画を作る前に、ひとつの業務を30日だけ試します。
1週目：現状を記録する
対象を一つに絞り、処理時間、やり直し回数、確認にかかる時間、例外の件数を記録します。成果をよく見せるための計測ではなく、比較の基準を作るための記録です。
2週目：読み取り専用で試す
AIには候補案や要約を作らせます。送信、削除、発注、公開など、取り消しにくい操作はさせず、人が結果を確認してから次へ進めます。
3週目：例外を集める
うまくいかなかった例を隠さず、どの前提が足りなかったかを記録します。文脈の不足、入力の誤り、判断基準の曖昧さ、現場の変動を分けて見ます。
4週目：継続・修正・中止を決める
時間が短くなったかだけでなく、品質確認の負担、例外の扱いやすさ、責任の所在、利用者の納得を見ます。次のどれかに決めます。
- 小さく継続する
- 対象範囲を狭めて修正する
- AIの利用を止め、記録だけ残す
確認できない、責任者が決まらない、例外処理が増える、利用者の信頼が下がる場合は、性能不足と決めつけずに中止または範囲縮小に戻します。
まとめ
AI時代に必要なのは、「人間にしかできない仕事」を一度決めて守ることではありません。業務ごとに、物理条件、責任、人の関与価値、文脈の4境界を確認し、任せる範囲を小さく設計することです。
人が担うべき部分を残すほど、AIを使えないわけではありません。むしろ、AIの下書き・比較・記録と、人の判断・説明・例外対応を分けることで、導入後の修正がしやすくなります。
まず一枚の業務カードを作り、30日分の記録を残してください。未来の予測を当てるより、自社の業務がどこで変わり、どこで止めるべきかを確かめる方が、次の判断に使える資産になります。