AI時代のホワイトカラーに必要な力｜FDE型の働き方から考える

専門知識を持っていても、相手の仕事へ届かなければ成果にはつながりません。AI時代のホワイトカラーに必要な力を、業務を分ける、協働する、出力を確かめる、知識を渡す、判断を引き受けるという観点から整理します。「FDE型」は、その仕事の進め方を考える視点です。

専門知識を、相手が使える形へつなぐ

これからのホワイトカラーに必要なスキルセットは、少し変わっていきます。専門知識はもちろん必要です。しかし、それだけではなく、業務を分解する力、AIに指示する力、出力を検証する力、関係者の利害を調整する力、そして相手に敬意を持って実装する力が必要です。

人事であれば、採用や育成の現場に入り、候補者、現場マネージャー、経営、教育ベンダー、AIツールをつなぎながら成果を出す。営業であれば、顧客の課題を聞き、社内の開発やサポートと連携し、AIで提案や検証を進めながら受注後の成果まで見届ける。企画であれば、社内の意見をまとめ、データを読み、AIで仮説を検証し、実行までの道筋を作る。

職種の専門性は土台です。そのうえで、他の担当の事情を理解し、必要な情報と成果物を渡す力を広げます。エンジニア職としてのFDEに必要な実装力と、非技術職が取り入れる仕事の姿勢は区別します。

業務を分解し、AIに任せる範囲を言葉にする

AI時代にもう一つ大きく変わるのが、属人化です。昔は「この人にしかできない仕事」が本当に多くありました。手順が言語化されていない。判断基準が共有されていない。過去の経緯を知っている人が一人しかいない。だから、その人がいないと仕事が止まる。

もちろん、すべての仕事が簡単に置き換わるわけではありません。会社固有の事情、顧客との関係、過去の交渉、政治的な制約、暗黙の約束。そうしたものは残ります。ただし、それらを言語化せず、ただ自分の手元に抱え込むだけなら、価値は少しずつ弱くなっていきます。

まず一つの仕事を、入力、処理、判断、確認、受け渡しへ分けます。AIで下書きできる部分と、人が相手の状況を見て判断する部分を分けると、学ぶ技術も明確になります。

協働では、自分の正しさと相手の制約を並べる

誤解してほしくないのですが、経験が不要になるわけではありません。むしろ経験は、AIの出力を判断するための大事な資産です。ただし、経験を武器にして周囲を黙らせるのではなく、経験を材料にしてAIと人の判断を深める。ここに立ち位置を変えられるかどうかが、これからの仕事では大きな分岐点になります。

今回の話で私は、やはり人間力が大事になると考えています。ただし、ここでいう人間力は、ふわっとした愛嬌だけではありません。相手に敬意を持つこと。年齢や立場に関係なく、丁寧に接すること。相手の事情を理解しようとすること。約束を守ること。できないことをできないと言うこと。

会議でAIに論点を整理させる場合も、出力が自動的に中立になるわけではありません。前提と抜けを参加者で確認し、決めた理由と反対の論点を残します。AIは判断の材料を支援し、決定する人を置き換えるものとして扱いません。

出力を検証し、知識を他の人へ渡す

ここで問われるのは、専門知識だけではありません。自分の知識を周囲の成果に変える力です。人に渡せる形にする力です。自分がいなくても仕事が進むように設計する力です。皮肉なことに、その力を持つ人ほど、結果として組織から必要とされます。

AIが整えた手順書や資料は、元の業務を知る人が確かめます。必要な根拠、更新日、利用できない条件、問い合わせ先を残すと、他の担当者も判断しやすくなります。

私自身、検定制度の相談で、AI検索などを通じてサートプロを知ったと伺った経験があります。これは検索の効果を一般化する統計ではありませんが、仕事の背景や経験を、必要な人へ伝わる情報として残す大切さを感じる出来事でした。

AIに任せた後も、判断と説明を人が担う

AIを使うほど、人間の責任は消えるのではなく、むしろ見えやすくなります。AIが作ったから仕方ない、では済みません。AIが出した提案を採用するのか。採用しないのか。どこを直すのか。誰に説明するのか。どのリスクを取るのか。ここは人間が決めます。

これは、単なるスキルアップではありません。スキルチェンジであり、キャリアパスの再設計です。自分の専門だけで勝負するのではなく、自分の専門を起点に、他職種と協働し、AIを使い、成果まで届ける。

学習計画では、操作の習得に加え、業務分解、協働、検証、共有、説明のどれを伸ばすかを決めます。日々の依頼に対する代替案の出し方は「FDE型仕事術」、組織の意思決定に合わせる方法は「FDEの合意形成」で詳しく扱います。

全てのホワイトカラーがエンジニアになるのですか？

本稿は、業務理解、協働、検証、説明を取り入れる仕事の姿勢を扱います。技術職として必要な開発力とは分けて考えます。

AI時代は専門知識が不要になりますか？

専門知識は出力を判断する土台です。他の担当と協働し、知識を使える形へ渡す力と組み合わせます。

属人化の解消はAIだけでできますか？

手順の整理を支援できますが、暗黙の判断や例外は現場の人へ確かめる必要があります。情報を集めるだけで運用が引き継げるとは限りません。

AIを会議に入れれば公平になりますか？

出力の前提や偏りは人が確認します。論点整理を支援に使い、判断する担当と理由を明確にします。

学び直しは何から始めますか？

一業務を分解し、検証、協働、共有のどこで困るかを確認します。その不足に合う学習と実践を選びます。

AI時代の業務スキルと学び直しを相談する

対象となる業務、現在の課題、育てたい役割をもとに、必要な学習・評価・実践の進め方を整理します。