AI時代に人間の仕事はどう変わる？残る役割と必要な能力

AI活用2026.09.13

AIが担う範囲は、文章の要約やデータ入力から、企画や制作まで広がりました。企画案を出し、記事や提案書を書き、画像やデザイン案を作り、コードを実装するところまで進められます。これまで数時間かけていた作業が短時間で終わり、一人で試せる案の数も増えています。

仕事が速くなる一方で、 「自分が担当している仕事も、いずれAIへ置き換わるのではないか」 と感じる人もいるでしょう。特に、文章、デザイン、開発など、以前は人の知識や技術が必要だった仕事までAIが扱うようになり、創造的な仕事も変化の中に入っています。

AI時代に変わるのは、職業の数だけではありません。働き方そのものも変わります。 成果物を作る速度、仕事として担当できる範囲、求められる品質、他者との差の付け方が変わります。 AIが一定品質の初稿を作れるようになるほど、人には、何を作るかを決め、独自の情報を加え、目的に合う品質まで磨き、事実を確かめる役割が求められます。

この記事では、「なくならない職業」の予想から離れ、AIによって仕事の中身がどう変わり、人にどのような役割が残るのかを整理します。読み終える頃には、今の仕事のうち、AIへ任せる部分と、自分が伸ばす部分を分け、次に身につける能力を判断できるようになります。

この記事のまとめ

AIの影響は、職業全体よりも仕事を構成する業務・タスクへ先に現れます。
AIが企画、文章、デザイン、コードなどの制作を担うと、一人が作れる量と速度が変わります。
一定品質の成果物が増えるほど、独自情報、顧客理解、編集、品質向上が差になります。
AIの出力が自然で説得力のある文章に見えても、事実は出典や原文で確認します。
人には、目的を決め、AIの案を選び、磨き、確かめ、結果へ責任を持つ役割が残ります。

1. AI時代の仕事は「職業」ではなく「業務」から変わる

「営業はAIによってなくなるのか」「経理は将来も残るのか」と職業名で考えると、答えは極端になりがちです。実際の仕事は、性質の異なる複数の作業で成り立っています。 一つの職業には、AIへ渡しやすい業務と、人が持つべき業務が混在しています。

営業なら、見込み客の情報収集、メールの下書き、商談資料の作成、顧客へのヒアリング、価格交渉、社内調整、契約後の関係維持があります。経理なら、伝票の読み取り、仕訳候補の作成、数字の突合、例外処理、経営者への説明、資金繰りの判断があります。

この中で、入力する情報と完成条件が決まっている作業は、AIへ渡しやすい領域です。一方、顧客が言葉にしていない悩みを聞く、例外的な取引をどう扱うか決める、判断の理由を関係者へ説明するといった業務では、人の関与が必要です。 職業が残るかどうかより、その職業を構成する業務の比重や担当がどう変わるか に注目すると、実際の変化を捉えやすくなります。

「AIの影響を受ける」と「職業がなくなる」は別

AIに関する雇用予測では、「仕事の何割が影響を受ける」といった数字を見かけます。ここでいう「影響」は、仕事の中で変化するタスクの範囲を指し、失業者の割合とは別です。

ILOの生成AIと仕事に関する報告も、職業の中にあるタスクがAIでどこまで変わり得るかを整理しています。調査、集計、文書作成など一部の業務が自動化されても、残った業務へ人の時間が移る場合があります。AIが下書きを担当し、人が顧客との相談や最終確認へ多くの時間を使うような変化です。

反対に、職業名が残っても、仕事の中身は変わります。作成作業が減り、AIへの指示、複数案の比較、完成物の確認が増えれば、 同じ肩書でも、評価される能力と一日の時間配分は変わります。

AIに「できる仕事」と、AIへ「任せてよい仕事」も違う

AIが技術的に実行できることと、仕事として任せてよいことは同じではありません。 顧客情報へアクセスできない、既存システムと連携していない、確認に手間がかかる、間違えたときの影響が大きいといった業務があります。

たとえば、AIが契約書の注意点を抽出しても、契約条件を受け入れる権限は人が持ちます。採用候補者の情報を整理できても、誰を採用するかは会社の方針や候補者への説明責任を伴います。 任せる範囲は、AIの能力、必要な権限、確認方法、失敗時の責任まで含めて決めます。

この違いを押さえると、「AIができるようになったから、すぐ職業が消える」という見方から離れられます。仕事は、AIの性能のほか、会社の仕組み、顧客の受け止め方、法律や契約、導入費用によっても変わります。

AGIを待たなくても、仕事の組み替えは始まっている

人間のように幅広い課題へ対応するAGIの実現時期は未確定です。一方、仕事の組み替えはすでに始まっています。 現在のAIでも、情報収集、企画、制作、実装、確認の一部をまとめて任せられる場面は増えています。

AGIの定義や現在地については、「GPT-6 AstraはAGIなのか？汎用人工知能の現在地と、この先に広がる可能性」で詳しく解説しています。本記事ではAGIの到来を前提にせず、すでに始まっているAI時代の仕事の変化を扱います。

では、AIへ移りやすいのは定型業務だけなのでしょうか。次章では、AIが企画、デザイン、文章、コードなどの制作領域まで担うことで、人の仕事がどう変わるのかを見ていきます。

2. AIが担う範囲は、定型処理から企画・デザイン・制作へ広がる

「データ入力はAIに任せられても、企画やデザインは人に残る」と考える人もいるでしょう。現在のAIは、決められた処理に加え、新しい成果物も作ります。文章を書き、商品案を考え、画像を作り、画面の構成を提案し、コードとして動く形まで仕上げられます。

その結果、クリエイターやエンジニアが仕事の中で直接作る範囲も変わります。 最初の案や素材を作る工程がAIへ移り、人は何を作るか、どの案を選ぶか、どこまで直すかへ時間を使うようになります。

文章は「白紙から書く仕事」から「初稿を選び、直す仕事」へ

記事や提案書を作る場合、これまでは情報を集め、構成を考え、白紙から文章を書いていました。AIを使えば、同じ資料から複数の構成と初稿を短時間で作れます。書き手は、AIの初稿を選び、直すところから始められます。

マーケター、コンサルタント、人事担当者など444人の文章作成実験では、ChatGPTを使った人の作業時間が約37%短くなり、第三者が評価した文章の品質も上がりました。

ただし、この実験は20〜30分ほどで完結する文章課題です。長い調査、社内事情を踏まえた提案、関係者との調整を含む仕事では、短縮できる時間も変わります。AIを使う価値には、初稿の作成時間を減らし、編集や確認を厚くできることも含まれます。 短縮できた時間を編集や確認へ振り向けることで、完成までの進め方を変えられます。

企画やデザインでも、最初の案を作る速度が変わる

クリエイティブな仕事でも、AIは構成案、商品コンセプト、広告コピー、配色、レイアウト、画像、動画の素材案を作れます。完成品を一度で任せるほか、方向の違う案を並べて比較する使い方もできます。

たとえばWebデザインなら、情報を絞った案、写真を大きく見せる案、申込みボタンを目立たせる案を並べて比較できます。人は、ブランドに合うか、利用者が迷わないか、目的の行動につながるかを見ながら、残す案と直す箇所を決めます。 AIが案を増やし、人が目的に合う一案へ仕上げる分担がしやすくなります。

AIの得意・不得意によって、速さと品質は変わる

コンサルタント758人が商品企画と複雑な経営課題に取り組んだ研究では、商品企画でAIを使った人の作業が25%以上速くなり、品質も上がりました。一方、複雑な経営課題では成績が23%低下しました。 同じAIを使っても、課題によって成果は大きく変わりました。

目的と完成条件が明確で、AIの得意な範囲にある制作なら、速さと品質の向上を期待できます。情報が不足し、複数の原因が絡み、正解を確かめにくい仕事では、AIの提案をそのまま採用せず、根拠や前提まで確認します。

AI時代には、どの工程なら任せられ、どこから人が判断するかを見極める力が必要です。 AIが担える制作が増えるほど、この境界を決めること自体が人の仕事になります。

3. AI時代には、作る速さ・量・品質基準が変わる

AIによる時間短縮は、一人が担当できる範囲、試せる案の数、顧客が期待する完成度まで変えます。 浮いた時間をどこへ使うかで、成果の差が生まれます。

一人が作れる成果物と試せる案が増える

これまで広告案を三つ作るには、担当者が一つずつ文章とデザインを考える必要がありました。AIを使えば、顧客層や訴求を変えた案をまとめて作り、その中から有望なものを選べます。記事、営業資料、画面設計、コードでも同じように、最初に比較できる案を増やせます。

一人で文章、画像、簡単なWebページまで作れるようになると、職種の境界も薄くなります。ライターが記事に合う図解案まで考え、デザイナーが動く試作品を作り、営業担当者が顧客ごとの提案資料を組み立てるといった働き方です。

隣接領域へ着手しやすくなっても、 最終的な品質を判断し、専門的な問題を見つける知識は引き続き必要です。 一人で試せる範囲が広がるほど、どこで専門家へ相談するかを決める力も重要になります。

制作工程は短くなり、選択と編集の比重が増える

AIへ初稿を任せると、人は白紙から書く時間を減らし、複数案の比較や編集から始められます。目的に合わない部分を削り、必要な情報や具体例を足す工程へ、より多くの時間を使えます。

AIが10分で作った提案書も、その時点では初稿です。条件の不足、数字の誤り、顧客とのずれを直して完成品になります。 仕事の速さは、AIが作る時間と、人が選び、直し、確認する時間を合わせて測ります。

平均的な品質が上がると、公開できる基準も上がる

AIを使えば、読みやすい文章や見栄えのする資料を作りやすくなります。これまで「きれいにまとまっている」だけで得られた評価は、同じ水準の成果物が増えるにつれて、より高い基準へ移ります。

顧客も、AIで短時間に作れることを知るようになります。誤字がない、構成が整っている、画像が入っているといった基本品質は、満たしていて当然の条件へ近づきます。

その先で求められるのは、顧客がまだ言葉にできていない課題を捉える、実際の利用状況に合わせる、他社にはない情報を加える、使った後の成果まで考えることです。 AIが平均点を上げるほど、人には平均点を超える理由を作る役割が残ります。

完成物が生む価値で評価される

同じ資料を8時間から2時間で完成できるようになっても、資料の価値は、相手の判断や行動にどれだけ役立つかで決まります。空いた6時間で、顧客への取材を増やす、別案を試す、数字を検証するところまで進めれば、以前より高い価値を作れます。

一方、会社が短縮できた時間を仕事量の増加だけに使えば、制作物は増えても品質が上がらない可能性があります。 AIで生まれた時間を、量へ戻すのか、品質・独自性・顧客理解へ移すのか が、個人や会社の差になります。

4. 速く作れる時代ほど、独自性・品質・事実確認が価値になる

AIで整った文章、画像、企画を作れる人が増えると、AIの利用は前提になり、差はその先で生まれます。同じような指示と公開情報を使えば、似た構成、似た表現、似た提案が生まれやすくなります。

速さと見栄えがそろった後に差を作るのは、他者が持っていない材料、選ぶ基準、完成までの編集、確認された事実です。 これらは、AIが普及した後も人が担う制作の中心になります。

独自性は、「他者が持っていない材料」から生まれる

AIへ「独自の記事を書いて」と頼むだけでは、独自性は生まれにくいものです。公開情報だけを材料にすれば、同じテーマを扱う他の記事と似る可能性があります。

違いを作る材料は、顧客へのインタビュー、自社の利用データ、実際に試した結果、失敗した経験、現場で起きた例外です。これらをAIへ渡せば、その人や会社だから作れる内容へ近づきます。

たとえば、AIツールの比較記事では、機能表だけだと似た構成に収まりがちです。実際の仕事で三つのツールを使い、完成までに何度修正したか、どこで人の確認が必要だったかを加えれば、読者が選ぶための独自情報になります。 自分しか持っていない事実と判断が、成果物の独自性を作ります。

差別化は、誰に何を届けるかを決めるところから始まる

対象や目的を絞らずAIへ頼むと、幅広い人に向けた無難な案になりがちです。しかし、初心者と専門家、経営者と現場担当者では、必要な情報も言葉の難しさも違います。

人が最初に決めるべきなのは、誰のどの悩みを解決するかです。対象を絞り、競合が十分に答えていない疑問を見つけ、読後に取ってほしい行動を決めます。その方針があれば、AIが作った案の中から残すものと捨てるものを選べます。

AIが案を量産できる時代ほど、作る前の方針と、作った後の選択が差別化になります。 生成された案の数より、なぜその案を選んだのかを説明できることが重要です。

制作物のクオリティを、初稿から公開水準まで引き上げる

AIが作った文章は、文法が整い、見出しもそろっているため、完成しているように見えます。それでも、同じ説明の繰り返し、読者に不要な注意書き、弱い具体例、結論とつながらない段落が残ることがあります。

人には、誤字修正を超える編集が必要です。目的に照らして構成を変え、足りない情報を集め、複数案のよい部分を組み合わせ、読者が迷わず理解できる形へ仕上げます。

デザインなら、見栄えに加え、視線の流れ、情報の優先順位、操作のしやすさを確認します。コードなら、動くことに加え、保守しやすさ、安全性、既存仕様との整合性を見ます。 クオリティを上げる力とは、その仕事の完成条件を持ち、AIの初稿との差を埋める力です。

自然で説得力のある出力ほど、事実は別に確認する

AIの文章が不自然なら、利用者は間違いを疑いやすくなります。反対に、詳しく、筋が通り、自信のある表現で書かれていると、事実も正しいように感じることがあります。 文章の読みやすさや説得力は、内容が正しい証明ではありません。

問い合わせ対応用のAI回答を97人に確認してもらった研究では、誤った回答を見抜けた割合は平均約2割でした。この数字は、問い合わせ対応を想定した特定条件での結果です。 人が注意して読むだけの確認には限界がある ことが分かります。

ハルシネーションの発生率は、モデルだけで決まりません。検索機能の有無、扱う分野、質問の内容、評価方法によっても変わります。高性能なモデルや外部情報の参照で減る場合はありますが、どの仕事にも当てはまる一つの確率として扱うのは不適切です。 モデルの性能にかかわらず、重要な主張は出典、原文、計算、テストへ戻して確かめます。

記事なら、数字、日付、固有名詞、引用を一次資料と照合します。提案書なら、料金や契約条件を公式資料で確認します。コードなら、AIの説明を読み、さらにテストを実行して、期待した結果になるか確かめます。

AIに作らせない案も残し、発想の均質化を防ぐ

AIから最初の案を受け取ると、その方向が基準になり、別の考えを出しにくくなることがあります。効率を優先するほど、全員が似た案を選ぶ可能性も高まります。

独自性が重要な仕事では、AIを見る前に人だけで案を出す、異なる立場の人へ意見を聞く、現場の観察から考えるといった工程を残してください。その後でAI案と比べれば、人とAIの違う発想を組み合わせられます。

AIを使うことと、すべての発想をAIから始めることは別です。 速く作る工程と、他者とは違う視点を生む工程を分けることで、効率と差別化を両立しやすくなります。

5. 人間に残るのは、目的・権限・責任・信頼を持つ仕事

AIが文章や画像を作り、複雑な資料を読み、判断の候補まで示せるようになると、「最後に確認するだけなら、人でなくてもよいのではないか」という疑問も生まれます。しかし、仕事には成果物を作る能力と、 何を目指し、誰の利益を優先し、誰が決定し、結果を引き受けるか が含まれます。

人に残る役割は、 人や組織が何を決め、どこで責任を持ち、どの場面へ人が関わるか から考えると明確になります。

目的と優先順位を決める

AIは、売上を伸ばす案、顧客満足を高める案、費用を抑える案をそれぞれ作れます。ただし、どの目標を優先するかによって、選ぶ案は変わります。短期の売上と長期の信頼、安全性と利便性、公平性と効率性がぶつかることもあります。

たとえば、問い合わせ対応を速くするだけなら、自動回答を増やせます。しかし、困っている顧客へどこまで個別対応するか、時間がかかっても人へ引き継ぐ条件をどうするかは、会社が提供したい価値に関わります。 AIが選択肢を広げ、何を大切にする会社なのかは人が決めます。

権限を使い、結果へ責任を持つ

契約、採用、人事評価、予算、安全に関わる判断では、誰が承認したかが重要です。AIが候補を比較し、理由を整理できても、その提案を採用する権限と、関係者へ説明する責任は人や組織にあります。

医療、法務、金融に限らず、公開記事の誤情報、顧客への誤った見積もり、システムの不具合にも影響を受ける人がいます。 AIの提案を採用した人や組織が、意思決定の理由を説明し、結果への責任を負います。 AIを使うほど、誰が確認し、承認し、問題へ対応するのかを明確にします。

人の納得と信頼関係をつくる

営業、交渉、教育、ケア、謝罪、チーム運営では、伝える内容と、誰がどのように関わるかの両方が相手の納得へ影響します。同じ説明でも、長く関係を築いた担当者から聞く場合と、自動生成された文章として届く場合では受け止め方が異なります。

AIは会話を補助し、相手に合わせた説明案を作れます。それでも、相手の反応を受け止め、約束をし、難しい状況で関係を続けるのは人の役割です。 情報を伝えることはAIへ任せられても、相手との関係を築き、約束に責任を持つ役割は人に残ります。

現場の事情と例外を、AIが扱える情報へ変える

AIが利用できるのは、入力された資料や接続された情報です。現場でしか分からない設備の状態、顧客が言葉にしない事情、部署間の暗黙のルール、過去の失敗から生まれた注意点は、人が資料や条件へ変えて初めてAIに伝わります。

人は現場を観察し、例外を見つけ、AIが使える条件や資料へ変えます。同時に、情報が足りない場合や安全を保証できない場合には、AIへ任せない判断もします。 AI時代の現場知識は、AIが正しく働ける範囲を設計するためにも使われます。

6. AI時代に必要なのは、専門性を「選ぶ・磨く・確かめる」へ使う力

AI時代の多くの仕事では、AIモデルを開発する技術より、 自分の専門性を使って、AIの仕事を設計し、成果を選び、完成度を上げ、事実を確かめる力 が土台になります。ツールの操作方法が変わっても、この力は使い続けられます。プロンプトの小技より、成果物を公開・納品できる状態まで持っていく力が重要です。

AI時代に必要な6つの能力

専門性：正しさ、例外、良し悪しを判断する土台

専門知識は、自分で作るときにも、AIの成果を評価するときにも使います。AIが作った案の不足や誤りを見つけ、どこを直せば価値が上がるかを判断できます。

専門性が必要になるポイントは、成果物によって異なります。

文章：読者がつまずく説明や、根拠の弱い主張を見つける。
デザイン：利用者の行動を考え、情報の優先順位を判断する。
開発：動作だけでなく、安全性や保守性まで評価する。

AIが制作を担うほど、専門性は「作業する力」から「品質を判定する力」としても価値を持ちます。

ディレクション力：目的と差別化の軸を決める

AIへ依頼する前に、誰に何を届け、どの変化を起こしたいかを決めます。さらに、競合とどこで差をつけるのか、採用しない案は何か、完成と判断する条件は何かまで具体化します。

「若い人向けに分かりやすく」ではなく、「初めて契約する小規模事業者が、料金と解約条件を比較できるようにする」と決めれば、AIの案を評価できます。 指示の技術より先に、仕事の方向を決める力が必要です。

編集力：AIの初稿を、目的に合う完成物へ変える

編集では、AIの初稿を目的に合わせて作り直します。複数案を比較し、不要な要素を捨て、独自の情報を足し、全体の順序を組み替えます。読み手や利用者が迷う部分を見つけ、完成条件を満たすまで直します。

この力は、文章、画像、資料、動画、コードに共通します。見栄えのよい案を選んだ後は、目的へつながっているか、使いやすいか、他の部分と矛盾していないかを確認します。 AI時代の制作では、初稿を出す速さより、初稿と完成品の差を埋める力が評価されます。

検証力：ハルシネーションを仕組みで残さない

AIの誤りを、文章の違和感だけで見抜くのは困難です。まず、誤ると影響が大きい数字、日付、固有名詞、引用、因果関係を特定します。そのうえで、一次資料、原文、計算、動作テストへ戻り、出力と一致しているか確認します。

専門外で自分では判断できない内容なら、分からないまま承認せず、専門家へ確認を回します。確認できない情報は「不明」と扱います。 検証力とは、何を、どの根拠で、誰が確かめるかを決める力です。

委任設計力：AIと人の工程を分ける

仕事をAIへ任せるときは、使ってよい資料、禁止する操作、出力の形式、確認する場所を決めます。調査から公開までの工程は、結果を確認して戻せる大きさへ分けます。

AIの性能に合わせて、仕事の分担も更新します。以前は人が作っていた初稿をAIへ移し、人は企画と検証へ時間を移すなど、実際の結果を見ながら調整します。詳しい分け方は、「AIに仕事を任せるには？業務分解から自動化の進め方まで」で解説しています。

調整・学習力：人と進めながら役割を更新する

AIを使う仕事でも、顧客、同僚、専門家と連携します。AIの利用範囲と確認方法を説明し、どこで人の判断を入れるか合意します。

また、一つのツールの使い方へ固定せず、実際に使った結果から分担を変えます。 AIを含む仕事の進め方を改善し続けられる人 が、変化の速い環境へ対応しやすくなります。

7. AIへ任せすぎると、品質と誤りを判断する力まで育たない

資料を集める、初稿を書く、簡単なコードを作るといった初級業務は、AIへ移しやすい仕事です。同時に、これらは仕事の基本、よい例と悪い例、失敗の兆候を学ぶ機会でもありました。

AIの出力を確認するには、なぜその構成になったのか、どの数字が重要なのか、どこで間違いやすいのかを学ぶ経験が要ります。完成物だけを受け取り続けると、品質を判断する土台が育ちにくくなります。 作業を自動化しても、判断を育てる経験までなくさない設計が必要です。

AIを比較相手として使い、判断力を鍛える

自分の仮説を短く書いてからAI案と比べる、AIへ根拠と別案を出させる、誤る条件を考えさせるといった使い方なら、速さと学習を両立できます。

たとえば若手が提案書の初稿をAIに作らせた後、顧客情報との食い違い、弱い根拠、改善点を先輩へ説明します。開発なら、AIが書いたコードをテストし、失敗した理由と修正内容をレビューします。 AIの成果を検収し、採用・修正・却下の理由を説明する経験が、次の判断力になります。

組織も、完成した本数や処理速度に加え、どの情報を確認し、なぜ案を選び、何を学んだかを評価します。AIが初級作業を担うなら、人を育てる工程も同時に設計し直します。

8. 今の仕事を「任せる・一緒に作る・人が持つ」へ分ける

AI時代への備えは、転職や資格取得より、今の仕事を小さな動作へ分けるところから始めます。AIで速くできる部分と、自分が価値を加える部分が見えてきます。

今の仕事をAIに任せる・一緒に作る・人が持つへ分ける

1. 1週間の仕事を動作単位で書き出す

「記事作成」「営業」「採用」といった業務名を、実際に行っている動作へ分けます。記事作成なら、読者を決める、疑問を集める、資料を探す、構成を作る、下書きを書く、独自情報を加える、事実を確認する、公開を承認するという分け方です。

AIへ任せる範囲は、目的・入力・完成条件・確認方法が見える工程ごとに判断します。

2. 「任せる・一緒に作る・人が持つ」へ分類する

「任せる」に向くのは、目的と確認方法が明確な処理です。指定形式への整形、資料からの項目抽出、決まった条件での分類などが当てはまります。

「一緒に作る」に向くのは、AIが複数案や初稿を作り、人が選択、編集、独自情報の追加、検証を行う仕事です。記事、提案書、デザイン案、実装案などがあります。

「人が持つ」のは、目的、優先順位、差別化、承認、責任、信頼、安全に関わる部分です。 判断の影響を誰が受け、誰が説明し、結果を引き受けるかが、分担の基準です。

3. 時間・品質・独自性・誤りをまとめて測る

AI導入の効果を作業時間だけで判断すると、後から発生する手直しや品質低下を見逃します。完成までの時間に加え、修正した量、似た案の多さ、事実誤認、利用者の反応を記録します。

提案書を30分で作れても、顧客条件の修正に1時間かかるなら、参照資料や依頼の分け方を変えます。反対に、初稿作成が短くなり、顧客へのヒアリングを増やせたなら、速さを価値へ変えられています。

4. 浮いた時間を、取材・編集・検証・顧客理解へ移す

最後に、AIで減らせた時間の使い道を決めます。顧客への取材、独自データの分析、別案との比較、専門家の確認、利用後の改善へ配分します。

記事なら、一般情報の整理と初稿をAIと進め、書き手は読者への取材、独自検証、構成の編集、出典確認を厚くします。提案書なら、体裁と文案をAIへ任せ、担当者は顧客固有の課題、競合との差、実行後の成果を詰めます。

AIで短縮できた時間を独自性、品質、信頼へ移すことで、仕事の価値を高められます。

まとめ

AIが担う仕事は、定型処理から、企画、文章、デザイン、コードなどの制作へ広がっています。その影響は、職業全体の一斉消滅より、人が担当する工程と評価される能力の変化として現れます。

AIが初稿を速く作れるほど、人には、 何を作るかを決める、他者にはない材料を集める、複数案から選ぶ、完成度を上げる、事実を確かめる、結果へ責任を持つ という役割が残ります。専門性は、AIの成果を評価し、平均点を超える品質へ導くためにも使われます。

まずは今の仕事を工程へ分け、AIへ任せる部分、一緒に作る部分、人が持つ部分を決めてください。そして、短縮できた時間を取材、編集、検証、顧客理解へ移します。

AI時代では、作る速さより、何を価値とし、どの水準まで仕上げるかを決められる人が評価されます。