ホワイトカラーの仕事は、AIでなくなるのか？──エンジニア・職人技・事務職の現場で見た変化と、会社が今すぐやるべき準備

この一覧は予測ではなく、私が自社と顧客の現場で実際にAIへ任せてきた範囲の実感です。弊社では会計もその他の事務もマーケティングもAIに任せて回しています。採用を我慢しているのではなく、選択肢として頭に浮かばない──3年前の自分に言っても信じなかったと思います。

図は、私自身の予測修正の記録です。「10年かかる」と言った人間が、3年で撤回した。変化は、予測より前倒しで来続けています。

3つの現場で、同じ結論に行き着きました。開発では、コードを書く仕事が「何を作りたいかを言葉で説明する仕事」に変わりました。職人技では、正体が「資料に書かれていないことを頭の中で補う変換」だと分かりました。事務では、自社の処理の癖を伝えきるまで、何度もやり直しが要りました。

条件表には数字が並んでいても、「この数字は夏場は当てにならない」「あの客先だけは別」は表のどこにも書いてありません。その「書いてない部分」を頭の中で補っていた人が、職人と呼ばれていました。AIにその頭の中はないので、代わりに整理された資料が要ります。材料が散らかったままだと、どれだけ賢いAIでも出てくるのは「もっともらしい間違い」です。

つまり、勝負どころが移りました。 AIの賢さは前提になり、差がつくのは業務を言葉と資料にする力 です。ここが、この統合ガイドの背骨です。

「業務を説明できる人」とは、手順を暗記している人ではありません。なぜその作業をやるのか、どういう出力が望ましいのかを語れる人です。たとえば見積のチェックで「なぜこの客先だけ単価を疑うのか」「何が揃っていればOKと言えるのか」まで説明できる人は、部署に一人いるかどうかです。

この人がいると、導入後にも効きます。AIの挙動に問題が出て調整が要るとき、「この場合はこの資料を先に見てほしい」と直し方まで指示できるのは、業務の理由と望ましい出力を知っている人だけです。導入した後、AIを一番使いこなすのもこの人でした。

配置の考え方も変わります。作業系の職種では人を雇う発想自体が出なくなる一方、何を作り、何を任せ、どう確かめるかを決める側の仕事は重さを増しています。判断は今もすべて人がしています。任せているのは「作業」であって、「決めること」ではありません。

1. 全業務について「この業務を説明できる人は誰か」を書き出す。見積、受注処理、検査、クレーム対応──名前が空欄になる業務が必ず出てきます
2. 空欄になった業務は、育てるかどうかを決める。決められない業務は、AI化の順番を後ろに回して構いません
3. 説明できる人が、資料の整理方針を決める。ここだけは業務を知っている人にしかできず、AIには決められません
4. 資料の整理はAIに任せる。フォーマットを揃え、画像の中身を書き起こし、言葉を統一する作業は人手では何年あっても終わりません
5. 社員のAI学習は、その後で十分。育てる人にも文章力は不要で、口で説明した文字起こしからAIが手順書の下書きを作れます

④には正直な限界があります。時間がかかります。AIに資料を分析させ、整理を試させ、答えが出ない箇所を洗い出してまた整理し直す──このループを回すほど精度は「少し上がる」ではなく「桁が変わる」のですが、最初の数週間は「わかりません」ばかりです。導入した翌週からベテランの答えが返ってくることはありません。

⑤について。社員向けのAI学習にお金をかける必要はないと考えています。弊社は非エンジニア向けの無償学習サイト（learn.gembashift.com）を公開しており、順番が来たらここで足りるはずです。

数年前の私なら「いずれそうなる」と言っていたことを、今は「もうそうなっている」と言えます。この言い方の変化が、猶予の実感としては一番正確だと思います。

急ぐ理由は、変化の速さだけではありません。準備の側に時間がかかるからです。説明できる人を育てるのも、資料をAIに整理・蓄積させるのも、始めてから成果まで数週間から数ヶ月の単位です。始めるのが遅いほど、差は開きます。

だからこそ、最初の一歩は軽くしてあります。 全業務について「この業務を説明できる人は誰か」を一度、書き出してみること 。今日、AIの知識ゼロで、予算ゼロでできます。