こんにちは。IT・DX教育サービスの株式会社サートプロ 近森満です。

当社では「DX推進人材教育プログラム」として、初回無料のコンサルティングを提供しています。

DX推進や人材育成でお悩みの方は、ぜひ一度ご相談ください。

企業の現場には、いわゆる事務仕事、オフィスワークと呼ばれる仕事がたくさんあります。申請、確認、入力、整理、連絡、資料作成、Web更新、メール返信、一覧表の管理。どれも一つひとつは小さく見えるかもしれませんが、実際には会社を動かすために欠かせない仕事です。

そして最近は、こう言われます。

「それ、システム化できませんか」
「AIで自動化できませんか」
「生成AIに任せれば早いのではありませんか」

たしかに、そうです。私もかなり多くの作業はAIに任せられるようになってきたと感じています。人間がコンピューターと一緒にやっている仕事であれば、AIエージェントや自動化ワークフローに置き換えられる領域は、これからさらに広がっていくでしょう。

ただし、ここで一つ立ち止まる必要があります。AIに任せられることと、AIに任せて成果が保証されることは、同じではありません。ここを混同すると、DX推進は一気に危うくなります。

私自身、長い間「人に頼むくらいなら自分でやった方が早い」と考えてきたタイプです。たぶん、同じ感覚を持っている方は多いのではないでしょうか。

誰かに仕事を頼むには、説明が必要です。背景を伝え、手順を伝え、注意点を伝え、完成イメージを共有する必要があります。しかも、相手がその仕事に慣れていなければ、途中で質問が来ます。確認も必要になります。

そうすると、ふと考えてしまうのです。

「これを説明するくらいなら、自分で片付けた方が早いな」

この感覚は、現場ではとても自然です。しかし、この考え方を続けていると、仕事はいつまでも個人の手元に残ります。暗黙知は暗黙知のまま残り、担当者が忙しくなるほど、周囲はその仕事に触れられなくなります。結果として、組織のスキルセットも広がりません。

人に頼むという行為は、最初にコストがかかります。アウトプットが一つだとすると、頼むための説明にも一つ分の労力がかかる。つまり、一を生むために二を使っているように感じるわけです。

けれども、本当はその先があります。一度渡せる形にできれば、次からは自分の手を離れていきます。これは人材育成でも、業務改善でも、AI活用でも同じです。

たとえば、社内向けの説明資料を作る仕事があります。構成は頭の中にある。過去資料もある。伝えたいこともわかっている。けれども、それを部下に頼もうとすると、「このニュアンスを説明するのが面倒だ」と感じてしまう。

結局、自分でPowerPointを開き、過去資料を探し、言葉を整え、夜に仕上げる。翌日には資料は完成していますが、組織には何も残りません。部下は育たず、手順も言語化されず、次回もまた自分が抱えます。

ここで生成AIを使う意味は、単に資料を早く作ることではありません。自分の頭の中にあった条件や判断基準を、一度言葉にすることです。「誰に向けた資料か」「どこまで詳しくするか」「どの表現は避けるか」「最後に何を判断してほしいか」。これをAIに渡せる形にする過程そのものが、実は業務設計になります。

AIを使えば早い。これは多くの人が理解しています。それでも現場で使われない理由の一つは、「AIに指示するのも面倒くさい」からです。

これは笑い話ではありません。むしろ本質です。

たまにしかやらない仕事ほど、言語化は難しくなります。ホームページの更新一つを取っても、普段から触っている人であれば、カテゴリー、タグ、リンク、公開設定、見出し、画像、導線といった言葉がすぐ出てきます。ところが、たまにしか触らない人は、「あれ、これ何という名前だったかな」となる。

つまり、AIに任せられない原因は、AI側だけにあるのではありません。人間側が仕事を分解し、言葉にして、条件を渡す準備ができていないことも大きいのです。

ここで必要になるのが、リスキリングです。単にAIツールの使い方を覚えることではありません。自分の業務を言語化する力、成果物の良し悪しを判断する力、AIに任せる範囲と人が責任を持つ範囲を分ける力です。これが、AI時代のデジタル人材に必要なスキルセットだと私は考えています。

AIエージェントを使うと、AIはかなり多くのことを自律的に進めてくれます。調べる、まとめる、書く、整える、変換する、比較する、修正する。人間が一つひとつ操作していた作業が、流れとして進んでいく感覚があります。

これはとても便利です。誰かに頼むときの心理的な重さもありません。「こんな小さなことで人の手を煩わせるのは申し訳ない」と思わずに済みます。

しかし、便利になった分だけ、別の仕事が生まれます。それが受け入れ検査です。

AIが出してきたものが、本当にこちらの意図に合っているのか。必要な情報が落ちていないか。勝手に要約しすぎていないか。リンクは切れていないか。前のページから移すべき内容が抜けていないか。表現は読み手に合っているか。

見た目がきれいでも、仕事として正しいとは限りません。ここを見落とすと、生成AIの活用は「速いけれど危ない」ものになります。

ホームページの更新は、AIに任せやすそうに見える仕事の一つです。ページを統合する。古い説明を新しくする。文章を短くする。見出しを整える。たしかに、生成AIはこうした作業が得意です。

ところが、問題はその後です。もともと貼られていたリンクが残っているか。別ページへの導線が切れていないか。削ってはいけない説明が消えていないか。お問い合わせにつながるボタンが正しい場所に残っているか。

これは、見た目だけではわからないことがあります。文章は自然に見える。ページも整っている。けれども、必要なリンクが一つ抜けている。その一つで、読者は次に進めなくなります。

私はこれを、単なるハルシネーションだけの問題とは捉えていません。AIが「よかれと思って整えすぎる」こともあるのです。だからこそ、一字一句を残すべき箇所、要約してよい箇所、統合してよい箇所、消してはいけない箇所を、事前に言葉で渡す必要があります。

「事務仕事を100%AIに任せられますか」と聞かれたら、私はかなりの範囲で「任せられる方向に進んでいる」と答えます。

ただし、「100%責任を持って、何の確認もなく任せられますか」と聞かれたら、答えは慎重になります。業務によっては可能でしょう。定型化され、入力も出力も明確で、検証ルールが組み込まれている仕事なら、かなり高い精度で自動化できます。

一方で、相手がいる仕事、文脈を読む仕事、判断基準が揺れる仕事、社内外の信頼に関わる仕事では、人間の確認はまだ重要です。

ここで大切なのは、AIに任せるか、人間がやるかという二択ではありません。どこまでAIに任せ、どこから人間が判断するかを設計することです。

たとえば、メール返信なら、AIに下書きまで作らせる。人間は相手との関係性、温度感、言い過ぎていないかを確認する。表の整理なら、AIに整形と分類を任せる。人間は分類基準と例外処理を確認する。資料作成なら、AIに構成と初稿を任せる。人間は読み手、目的、意思決定に必要な情報を確認する。

この分担を決める力が、これからのキャリアパスを分けていくと私は見ています。

もう一つ、現場でよく出る話題があります。AI課金の問題です。

有料のAIを使った方が、アウトプット品質が高くなる場面は確かにあります。長い文脈を扱える。複雑な指示に耐えられる。推論の深さが違う。AIエージェントとしての作業継続力も変わる。こうした差は、実際に使えば感じるはずです。

ただし、ここでも気をつけたいのは「量が多いほど良い」という見方です。メール返信が10行で済むなら、20行の丁寧な文章が常に優れているとは限りません。ブログも同じです。読み手が必要としている量を超えれば、かえって伝わりにくくなります。

大事なのは、相手にフィットしているかどうかです。誰に届けるのか。どんな判断をしてほしいのか。どのくらいの情報量が適切なのか。どこまで専門用語を使ってよいのか。

AIのモデル選びも同じです。高度なモデルを使えばよいという話ではありません。日常業務には十分なモデルで速く回す。重要な判断、長い文脈、複雑な検証が必要な場面では、より強いモデルを使う。こうした使い分けが、実務では重要になります。

AIに仕事を任せる時代になっても、人間のお手本は必要です。

AIは過去の情報や指示、入力された文脈をもとに動きます。つまり、誰かが「よい仕事とは何か」を示さなければ、AIにとっての基準も曖昧になります。現場の判断、顧客との関係性、会社として守るべき表現、削ってはいけない情報。こうしたものは、人間側が持っている暗黙知です。

これを言語化し、仕組みに落とし込み、AIが扱える形にしていく。ここに、これからの人材育成・教育支援の大きなテーマがあります。

私は、AI時代に人間の仕事がなくなるとは考えていません。むしろ、作業を抱え込む人から、仕事の型をつくる人へ。手を動かす人から、AIと人が成果を出せる環境を設計する人へ。役割が変わっていくのだと思います。

人や組織の変化で詰まったときの参考図書として、私の著書『マインド・トランスフォーメーション AI時代の思考革命』も、必要に応じて手に取っていただければと思います。

最後に、今回の話を一言でまとめるなら、事務仕事のAI化はツール導入ではなく、マインド・トランスフォーメーションです。

「自分でやった方が早い」から、「渡せる形にしていく」へ。
「AIが勝手にやってくれる」から、「成果を検証できる状態をつくる」へ。
「無料で少し触る」から、「目的に応じて賢く使い分ける」へ。

このマインドシフト、マインドチェンジができるかどうかで、生成AIの成果は大きく変わります。

事務仕事は、AIに任せられるようになります。けれども、仕事の目的、責任、相手への配慮、最終確認まで消えるわけではありません。むしろ、そこが人間の価値として残っていくのだと思います。

AI活用で見落とされがちなのは、成果物を受け取る側の設計です。人に頼んだ仕事でも、最後に「これでよいか」を見る人がいます。AIの場合も同じです。むしろ、AIは短時間で大量に出してくれる分、確認の観点を先に決めておかないと、どこを見ればよいのかわからなくなります。

私は、事務仕事をAIに渡すときは、最初からチェック項目をセットにするべきだと考えています。たとえば、必要な情報がすべて残っているか。日付、金額、リンク、宛名、固有名詞に誤りがないか。勝手に削除された説明はないか。相手に失礼な表現になっていないか。これらを最後に人間が目で見るだけではなく、AI自身にも検証させる。そのうえで人間が要所を確認する。

ここまで含めて、ようやくAIに仕事を任せたと言えるのではないでしょうか。AIに作らせるだけなら簡単です。しかし、業務として回すには、作る、確認する、直す、記録するという一連の流れが必要です。

経費精算の確認や申請書類の下準備は、AIに任せやすい仕事に見えます。領収書を読み取り、日付や金額を整理し、用途を分類し、必要な説明文を作る。ここまではかなり自動化しやすいでしょう。

ただし、会社ごとのルールがあります。交通費の扱い、交際費の範囲、承認権限、添付が必要な資料、例外時の処理。こうした判断は、単に文字を読むだけでは足りません。社内ルールと照合し、例外を見つけ、必要なら人に戻す仕組みが必要です。

つまり、AI化すべきなのは「人間の確認をゼロにすること」ではありません。人間が見るべき場所を絞り込むことです。全件を人が最初から見るのではなく、AIが整理し、危ないものを浮かび上がらせ、人間が判断する。この設計ができると、事務仕事はかなり軽くなります。

これからのスキルチェンジで大切なのは、「AIに仕事を取られるかどうか」だけを考えないことです。作業そのものは、かなりAIに移っていきます。けれども、目的を決めること、相手に合わせること、例外を判断すること、責任を持って承認することは、すぐには消えません。

だからこそ、研修講座・eラーニングでも、単なる操作研修だけでは足りません。プロンプトを打つ練習だけでなく、自分の業務を棚卸しし、任せられる仕事と任せてはいけない仕事を分け、検証ポイントを作る練習が必要です。

AIを使う人材育成は、ツール教育で終わらせると薄くなります。業務理解、マインドセット、検証力、そして責任の取り方まで含めて設計していく。ここまで踏み込んではじめて、デジタル・トランスフォーメーションは現場の成果につながります。

読者の皆さんはどうでしょうか。

今、自分が抱えている仕事の中で、「本当はAIに渡せるのに、説明が面倒で抱え込んでいるもの」はありませんか。まずは一つで構いません。その仕事の目的、手順、確認ポイントを言葉にしてみてください。

それが、AI活用の第一歩であり、DX推進の第一歩です。