AI時代に価値が残るのは何か？私たちは何を仕事と呼んできたのか
繰り返される個の時代：第8回
仕事とは、何だったのでしょうか？
少し変な問いかもしれません。
でも最近、私はよく考えます。
メールを書くこと。会議資料を作ること。調べものをすること。コードを書くこと。文章を整えること。数字を見て、表にまとめること。
私たちは長い間、そうした手を動かす時間の積み重ねを、かなり自然に「仕事」と呼んできた気がします。
もちろん、仕事はそれだけではありません。誰かと話すことも、決めることも、責任を持つことも、失敗したときに引き受けることも、すべて仕事の一部です。
ただ、日々の実感としては、仕事の多くは「何かを作業する時間」と結びついていました。
だからAIが、その作業の一部を始めたとき、多くの人が「仕事が奪われる」と感じるのは、自然なことなのだと思います。
AIは文章を書きます。要約します。翻訳します。コードを書きます。資料のたたき台を作ります。情報を整理します。
以前なら、人間が時間をかけて行っていた作業に、AIが静かに入り込み始めています。
けれど、少し違う見方もできるのかもしれません。
AIが代わりにやっているのは、仕事そのものではなく、仕事の中に含まれていた「作業」なのではないでしょうか。
もしそうだとしたら、AI時代に起きていることは、単純な仕事の消滅ではなく、仕事の分解なのかもしれません。
作業。判断。責任。
これまでひとまとまりに見えていたものが、AIによって、少しずつ分かれて見えるようになっている。
第7回では、AIがコードを書くようになった世界について考えました。Claude Code、Cursor、GitHub Copilot、Codexのようなツールによって、プログラマーの仕事は、ただコードを書くことだけではなくなりつつあります。
では、それはプログラマーだけの話なのでしょうか。
たぶん、そうではない気がします。
AIが作業の一部を引き受け始めたとき、私たちは改めて考えることになります。
人間の価値は、どこへ移るのか。私たちはこれから、何を学ぶべきなのか。そもそも、私たちは何を「仕事」と呼んできたのか。
今回は、そのことを考えてみたいと思います。
AIが代替しているのは、仕事そのものではなく「作業」なのかもしれない
AIについて語るとき、よく「仕事がなくなる」という言葉が使われます。
この言い方は分かりやすい一方で、少し大きすぎる気もしています。
なぜなら、仕事の中には、いくつもの層があるからです。
たとえば、資料を作る仕事を考えてみます。
そこには、調べる作業があります。情報を整理する作業があります。スライドに落とし込む作業があります。文章を整える作業があります。
このあたりは、AIがかなり支援できるようになってきました。
でも、それだけで資料作成の仕事が終わるわけではありません。
そもそも、何を伝える資料なのか。誰に向けた資料なのか。どの情報を採用し、どの情報を捨てるのか。その結論を出してよいのか。数字の読み方に無理はないのか。その資料によって、誰がどんな判断をするのか。
ここには、まだ人間の判断が残ります。
コードを書く仕事も同じです。
AIはコードを書けるようになりました。しかし、どんな問題を解くべきなのか。どの設計があとで壊れにくいのか。その仕様で本当にユーザーは困らないのか。障害が起きたとき、誰が責任を持つのか。
そうした問いは、コードの行数だけでは測れません。
世界経済フォーラムの「Future of Jobs Report 2025」では、雇用主が2030年までに労働者の中核スキルの39%が変化すると見ていること、また2025年時点で最も重視される中核スキルとして「分析的思考」が挙げられています。これは、AI時代に必要なのが単なる作業速度ではなく、状況を読み、構造を見て、判断する力であることを示しているように感じます。
つまり、AIは仕事を丸ごと奪っているというより、仕事の中にあった「作業」の部分を先に引き受け始めている。
その結果、人間の側には、これまで作業の中に埋もれていた判断が、よりはっきり見えるようになってきたのかもしれません。
私たちは、何を「仕事」と呼んできたのか
考えてみると、仕事という言葉はかなり広い言葉です。
働くこと。収入を得ること。役割を果たすこと。誰かの役に立つこと。組織の中で責任を持つこと。
そのすべてが、仕事という言葉の中に入っています。
でも、日々の現場では、仕事はもっと具体的です。
メールを返す。資料を直す。議事録をまとめる。問い合わせに答える。バグを直す。請求書を処理する。原稿を書く。レポートを読む。
こうした細かな作業を積み上げることで、私たちは自分が仕事をしていると感じてきました。
だから、AIがその作業をできるようになると、少し不安になります。
自分がやってきたことは、いったい何だったのだろう。自分の価値は、どこにあったのだろう。これからも、同じように働けるのだろうか。
その不安は、軽く扱わない方がよいと思います。
AIが便利になるほど、その便利さの裏側で、自分の仕事の輪郭が揺らぐ人は増えていくはずです。
ただ、その揺らぎは、必ずしも価値がなくなることを意味しないのかもしれません。
むしろ、これまで見えにくかったものが見えてくる可能性もあります。
作業の速さではなく、何を作業すべきかを決めること。答えを出すことではなく、問いを立てること。たくさん作ることではなく、何を採用するかを選ぶこと。そして、その選択に責任を持つこと。
AIによって、人間の価値が消えるのではなく、価値の置き場所が変わっていく。
そう考えると、第8回で扱うべきものは「AIに奪われない仕事ランキング」ではない気がします。
そうではなく、私たちが仕事のどの部分に価値を置いてきたのかを、もう一度見直すことなのだと思います。
数学は、計算ではなく「構造を見る力」になる
AI時代に何を学ぶべきか。
そう聞かれると、私はまず数学を思い浮かべます。
ただし、ここで言いたいのは、受験科目としての数学ではありません。
公式を覚えること。計算を速くすること。難問を解くこと。
もちろん、それらも数学の一部です。
けれど、AI時代に改めて意味を持つのは、数学が持っている「構造を見る力」の方なのではないかと思います。
物事を分解する。関係性を見る。条件を整理する。変数を考える。確率で捉える。原因と結果を分ける。何を固定し、何を変えるのかを考える。
これは、単に計算する力ではありません。
世界を雑に見ないための力です。
AIは、こちらが出した問いに対して、かなり流暢に答えます。でも、その答えが何を前提にしているのか。どの条件が抜けているのか。別の解釈はないのか。そもそも、問題の立て方が間違っていないのか。
そこを見るには、構造を捉える力が必要になります。
だから、数学は「AIに負けないための科目」というより、AIと一緒に考えるための基礎体力に近づいているのかもしれません。
AIが計算してくれる時代に、なぜ数学が必要なのか。
その答えは、計算そのものではなく、計算の前にある構造を見るためなのだと思います。
世界経済フォーラムが、将来のスキルとして分析的思考を重視していることも、この感覚と重なります。分析的思考とは、単に知識をたくさん持つことではなく、複雑なものを分けて考え、関係を見て、判断する力に近いものです。
英語は、一次情報へ届くための通路になる
次に、英語です。
これも、「英語が話せると便利です」という話だけではありません。
AI時代の英語は、一次情報へ届くための通路になりつつあるように感じます。
OpenAIの発表。Anthropicの発表。Google DeepMindの論文。GitHubのドキュメント。Hugging Faceのモデルカード。Stanford HAIのAI Index。World Economic ForumやOECDのレポート。
AIに関する重要な情報の多くは、まず英語で出ます。
もちろん、日本語訳や解説記事も出ます。AIに翻訳してもらうこともできます。それ自体は、とても便利です。
ただ、日本語で読む頃には、誰かの解釈が一度入っていることもあります。
何が強調され、何が省略されたのか。原文ではどのくらい慎重に書かれていたのか。「may」なのか、「will」なのか。「可能性がある」なのか、「確実に起きる」なのか。
こうした細かな温度は、原文に戻らないと見えにくいことがあります。
だから英語は、英会話の能力というより、情報の鮮度と精度を落とさずに受け取るためのインフラになっているのだと思います。
OpenAIはChatGPTのStudy Modeについて、すぐに答えを出すのではなく、段階的なガイダンスや問いかけによって学習を支援する機能として説明しています。AnthropicもClaude for Educationで、直接答えを渡すだけではなく、学生の推論過程を導くLearning Modeを打ち出しています。こうした教育向け機能の説明も、まずは企業自身の英語の公式発表を読むことで、意図や限界が見えやすくなります。
英語が完璧である必要はないと思います。
AI翻訳を使ってもいい。辞書を引いてもいい。分からないところだけ確認してもいい。
大事なのは、誰かの要約だけで終わらず、必要なときに一次情報へ戻れることなのだと思います。
AI時代ほど、一次情報を読む力が必要になる
AIは、情報を要約してくれます。
これは本当に便利です。
長いレポートを短くしてくれる。英語の記事を日本語にしてくれる。複数の記事を比較してくれる。論点を整理してくれる。
私自身、AIに助けられる場面はかなり多いです。
でも同時に、AI時代ほど、一次情報を読む力が必要になるとも感じます。
なぜなら、AIの要約は、便利である一方で、必ず何かを省くからです。
どの部分を大事だと判断したのか。どの前提を落としたのか。どの表現を強く訳したのか。その情報は本当に元記事に書かれていたのか。
ここを確認しないまま進むと、事実と解釈が少しずつ混ざっていきます。
この連載の第1回で扱ったOpenMythosも、まさにそうでした。
OpenMythosは実在する。Claude MythosもProject Glasswingも実在する。でも、OpenMythosがClaude Mythosを本当に再現しているかどうかは、別の話です。
事実として確認できるもの。推測として語られているもの。コミュニティの熱狂が乗っているもの。
それらを分けないと、面白い話ほど、すぐに神話になります。
Stanford HAIのAI Indexは、AIの技術進歩、経済、教育、政策、社会的影響などを広く追う年次レポートです。公式ページでは、政策立案者、企業、研究者、一般読者に向けて、厳密で客観的な洞察を提供することを目的としていると説明されています。こうした情報源に戻れることは、AI時代の読み書きにおいて、ますます重要になるように感じます。
一次情報を読むことは、少し面倒です。
時間もかかります。英語も出てきます。PDFも長いです。表や注釈もあります。
でも、その面倒さの中に、AI時代の仕事の核心が残っているのかもしれません。
AIが速くまとめてくれるからこそ、最後に人間が確かめる。AIがきれいに文章化してくれるからこそ、元の事実に戻る。AIが自信ありげに答えるからこそ、「本当にそうだろうか」と立ち止まる。
それは、これからの知的労働における、とても基本的な態度になる気がします。
問題設定は、最後まで人間の側に残るのか
AIが強くなるほど、答えを出すことの価値は少しずつ変わっていくのだと思います。
もちろん、正しい答えを出す力は大事です。でも、AIが答えを出せる領域が増えるほど、もっと手前にある問いが重要になります。
何を問題として扱うのか。何を解くべきなのか。何を解かないのか。誰のために解くのか。どの制約の中で解くのか。何をもって成功とするのか。
これは、AIに丸投げしにくい部分です。
AIに「良い企画を考えて」と頼むことはできます。AIに「このコードを直して」と頼むこともできます。AIに「この文章を整えて」と頼むこともできます。
でも、どんな企画を良いとするのか。どの修正を採用するのか。なぜその文章を公開するのか。その結果、誰にどんな影響があるのか。
そこには、人間の判断が入ります。
第7回で、プログラマーの仕事は「コードを書くこと」から「構造を考えること」へ移り始めているのではないか、と考えました。
今回は、その話をもう少し広げて考えています。
文章を書く人も、資料を作る人も、企画を考える人も、調査をする人も、教育に関わる人も、同じ問いに向き合うようになるのかもしれません。
AIが答えを出せる時代に、人間は何を問うのか。
ここに、これからの仕事の価値がかなり集まっていく気がします。
評価と責任は、誰が引き受けるのか
AIが出したものは、いつも魅力的に見えます。
文章は整っています。構成もそれらしく見えます。コードも動きそうに見えます。要約も、説得力があるように見えます。
でも、見た目が整っていることと、正しいことは違います。
その文章を公開してよいのか。そのコードを本番に入れてよいのか。その資料を会議に出してよいのか。そのデータをもとに判断してよいのか。
最後には、誰かが選ばなければなりません。
AIは候補を出します。AIは整理します。AIは言葉にします。AIは比較します。
でも、採用するのは人間です。
ここで大事なのは、「人間にしかできない」と言い切ることではないと思います。
AIにできることは増え続けています。いま人間にしかできないと思っていることも、数年後にはAIがかなり支援できるようになっているかもしれません。
だから、「人間にしかできないこと」を探すよりも、「人間が引き受けるべきこと」を考えた方がいい気がします。
選ぶこと。判断すること。責任を持つこと。
このあたりは、AI時代になっても、簡単には消えないはずです。
むしろAIが多くの案を出せるようになるほど、何を選ぶかの重みは増していくのかもしれません。
AI時代に、私たちは何を学ぶべきなのか
ここまで考えると、AI時代に学ぶべきものは、特定のツールの使い方だけではないように思います。
もちろん、ツールを使えることは大事です。
ChatGPT。Claude。Gemini。GitHub Copilot。Cursor。NotebookLM。各種AIエージェント。
こうした道具に慣れることは、これからの仕事においてかなり重要になると思います。
でも、それだけでは足りない気がします。
なぜなら、ツールは変わるからです。
数年前には存在しなかったツールが、今は仕事の中心にあります。今使っているツールも、数年後には別のものに置き換わっているかもしれません。
そのとき、最後に残るのは、ツール名ではなく、考え方の基礎体力なのだと思います。
数学的に構造を見る力。英語で一次情報へ届く力。AIの要約を便利に使いながら、最後に元の情報へ戻る力。何を問うかを決める力。複数の案を評価する力。そして、選んだ結果に責任を持つ力。
これは、どれも派手なスキルではありません。
短期間で身につくものでもないと思います。
でも、AIが作業を肩代わりしてくれる時代になるほど、こうした地味な力が、もう一度前に出てくるのかもしれません。
AnthropicやOpenAIが教育向けの機能で、単に答えを出すのではなく、学習者の考える過程を支援する方向を打ち出していることも、その変化の一部に見えます。AIが答えを出せるからこそ、教育は「答えを得ること」ではなく、「どう考えるか」へ戻っていくのかもしれません。
AIは仕事を消すのではなく、価値の置き場所を変えているのかもしれない
AIは仕事を消しているのでしょうか。
まだ、簡単には言えないと思います。
消えていく作業はあるはずです。変わっていく職種もあるはずです。これまで入口だった仕事が、入口ではなくなることもあると思います。
その変化は、決して軽いものではありません。
ただ同時に、AIは私たちが仕事と呼んできたものを、もう一度分解しているようにも見えます。
書くこと。調べること。整えること。実装すること。まとめること。
そうした作業の一部は、AIが引き受けるようになってきました。
そのとき人間に残るのは、何を作るのか。何を信じるのか。何を選ぶのか。そして、その選択にどう責任を持つのか。
そうした、少し面倒で、簡単には自動化できない問いなのだと思います。
だとすれば、AI時代に価値が残るのは、特定の職業名ではないのかもしれません。
プログラマー。ライター。デザイナー。編集者。研究者。企画者。経営者。
職業名だけを見ていても、その中身が変わっていく可能性があります。
むしろ問われるのは、その仕事の中で、どれだけ判断を引き受けているか。どれだけ問題を設定しているか。どれだけ責任を持って選んでいるか。
そこなのかもしれません。
AIは、仕事を消しているのではなく、人間が価値を置く場所を変えている。
そんなふうに見ると、数学も、英語も、一次情報を読む力も、もう一度意味を持ち始めます。
それらは、AIに負けないための武器というより、AIと一緒に考えるための基礎体力です。
そして、その基礎体力を持つ人ほど、AIに作業を任せながら、より大きな問いへ向かえるのかもしれません。
連載一覧
関連マガジン
情報源・参考URL
いいなと思ったら応援しよう！
よろしければサポートお願いします！ いただいたサポートは本財団としての活動費に使わせていただきます！