誰かに「あなたはどう思いますか」と聞いたとき、「AIに聞けばいいじゃないですか」と返されたら、皆さんはどう感じるでしょうか。

確かに、情報だけが欲しいならAIに聞けばよいのです。調査も要約も比較も、かなりのところまで進めてくれます。けれど、わざわざその人に尋ねたのは、一般的な正解が欲しかったからではありません。その人の経験を通した意見、その場の事情を踏まえた判断、そして自分に向き合ってくれる姿勢が欲しかったからです。

ここに、AIと人間の線引きを考える入口があります。

私はAIをかなり使っています。文章、企画、調査、Webサイトの修正、日々の細かな作業まで、使えるところでは遠慮なく使います。それでも、人から相談を受けたときに「AIに聞いてください」で終わらせてしまえば、関係性はそこで細くなります。相手が求めているのは、情報ではなく、私の判断かもしれないからです。

AI時代に大事なのは、AIを使うか使わないかではありません。AIを持ち込む場面と、あえて持ち込まない場面を選べることです。

インターネットは、世界中の情報へアクセスする入口を広げました。生成AIはさらに一歩進み、情報を集めるだけでなく、整理し、比較し、文章や画像へ変換する力まで多くの人へ開放しました。

以前は、知識量、経験、学習時間、文章力、計算力などの差が、そのまま仕事の差になりやすい面がありました。いまはAIの支援によって、文章が苦手な人でも下書きを作れます。プログラムを書いた経験が少なくても、目的を伝えれば動くものを試せます。複雑な資料も、要点を分かりやすく整理できます。

これは大きな前進です。私は「人材不足」の前に「教育不足」を疑うべきだと考えていますが、AIは学び直しや実践の入口を確実に広げます。デジタル人材だけが使う専門道具ではなく、現場の誰もが自分の仕事を改善するための外部脳になり得ます。

ただし、AIを使える人が増えれば、全員が同じ考えになるわけではありません。

情報を理解する高さがそろっても、価値観や目的が横にずれていれば、人は交わりません。何を大切にするのか、誰の困りごとを先に解くのか、どのリスクを受け入れるのか。こうした問いに、唯一の正解はありません。

AIが格差を消すというより、差のあり方が変わるのです。知識量の差から、問いの立て方、判断の基準、相手を理解しようとする姿勢の差へ移っていきます。

少し具体的な話をします。

会社のWebサイトを整備し、問い合わせフォームを使えるようにしたところ、自動送信のメッセージが大量に届くようになりました。最初は数件だったので、「問い合わせフォームが外から見つかるようになったのだな」と、のんきに構えていました。

ところが、増え方が尋常ではありません。一日に約500件。確認するだけでも手間ですし、本当に必要な問い合わせが埋もれる危険もあります。

以前であれば、Webサイトを担当している技術者へ連絡し、状況を説明し、対応の順番を待つことになります。週末なら、実際の作業は月曜日以降になるかもしれません。急いでいるこちらに悪気がなくても、相手には相手の予定があります。

そこで私はAIへ状況を説明し、WordPress側で実施できる対策を相談しました。必要な設定変更を進め、追加案として別のセキュリティ対策も提示してきました。私は「そこまでは今やらない」と判断し、まずは小さな対策にとどめました。

ここで重要なのは、AIがすごいという話だけではありません。

AIは、作業の候補を示し、実装を助け、待ち時間を短くしました。しかし、どこまで対策するか、業務への影響をどう見るか、問題が起きたときに誰が責任を持つかは、私が決めなければなりません。AIが選択肢を増やした分、人間の判断が不要になるどころか、判断する回数は増えます。

AIでWebサイトの問題を短時間に解決できました。私のストレスも減りました。では、それだけで会社の売上が10倍になるでしょうか。

もちろん、そんな単純な話ではありません。

できなかった作業ができるようになることと、顧客へ新しい価値を届けることは別です。30分短縮できたことは成果ですが、その30分を何へ使うかで、本当の生産性は変わります。

空いた時間で、さらに不要な資料を作る。読まれない議事録を増やす。使われない機能を追加する。それでは、AIによって仕事の量を増やしただけです。

反対に、空いた時間を顧客との対話、企画の検証、人材育成、サービス改善へ回せば、時短が価値へ変わります。私はこれを、単なる効率化と生産性向上の違いだと捉えています。

AI導入のKPIを「生成した文書数」「自動化した件数」「短縮時間」だけにすると、組織は手段を成果と取り違えます。見るべきなのは、顧客対応の速度が上がったか、判断の質が上がったか、社員がより重要な仕事へ移れたか、学びが現場へ定着したかです。

✓ 結論：短縮時間だけを追うなら手段のKPI、顧客と判断の変化を追うなら成果のKPIです。

AIが何でも手伝ってくれるようになると、私たちは、これまで諦めていた仕事まで始められます。記事を作る、動画を編集する、データを分析する、システムを試作する。できることが増えるのは素晴らしいことです。

一方で、できるからといって全部やる必要はありません。

議事録は本当に必要でしょうか。毎回、同じ形式の報告書を作る意味はあるでしょうか。誰も見ない一覧表を更新し続けていないでしょうか。AIで自動化する前に、その仕事自体をやめられないかを考えるべきです。

私は、AI時代には「やる力」だけでなく「やらない力」が必要だと考えています。

これができれば、AIは仕事を増やす装置ではなく、本当に必要な仕事を選び直す装置になります。

では、実務ではどのように線を引けばよいのでしょうか。私は、次の5つで考えると整理しやすいと思います。

✓ 結論：繰り返しと速度はAI主導、説明責任・関係性・責任主体は人間主導が有利です。

1. 繰り返し可能か

同じ手順で何度も発生する整理、転記、分類、一次案の作成は、AIや自動化と相性が良い領域です。人は手順を定義し、例外条件を決め、結果を確認します。

2. 速度が価値になるか

大量の問い合わせから緊急性の高いものを見つける、複数案を短時間で比較する、障害時に初動案を出す。こうした場面では、AIの速さが価値になります。ただし、速い誤答をそのまま採用しない確認工程が必要です。

3. 説明責任を果たせるか

採用、評価、契約、顧客への重要な提案など、理由を説明できなければならない判断は、人間が主導すべきです。AIの出力を使う場合も、根拠を確かめ、自分の言葉で説明できる状態にします。

4. 関係性そのものに価値があるか

「あなたの意見を聞きたい」と言われた場面では、正解より関係性が重要です。相談、育成、1on1、顧客との対話、謝罪、励まし。ここでテンプレートだけを返せば、短時間で処理できても信頼を失うことがあります。

5. 誰が責任を引き受けるか

AIは提案できますが、責任主体にはなりません。公開する、採用する、断る、止める、投資する。結果を引き受ける人が最終判断を行う。この原則は、どれほどAIが賢くなっても変えてはいけません。

よくある説明では、「AIは計算や整理が得意、人間は創造性や共感が得意」と分けます。分かりやすいのですが、これだけでは不十分です。

AIの能力は更新され続けます。昨日まで人間だけの領域だと思われていた作業が、明日にはAIで扱えるかもしれません。得意・不得意で固定的に線を引けば、その線はすぐに引き直しになります。

だから私は、能力ではなく役割で線を引くべきだと考えています。

AIは、作業、探索、整理、比較、下書き、反復を担う。

人間は、目的、問い、優先順位、判断、責任、対話、納得を担う。

この分担なら、AIの性能が上がっても考え方は崩れません。むしろAIへ任せられる作業が増えるほど、人間は目的と責任へ集中できます。

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: AI時代に必要な人間OSのアップデート』でも、道具の更新だけでなく、人間の思考OSを更新する必要性を扱っています。AIを導入するだけでは変革になりません。何を手放し、何を引き受けるかを決めて初めて、マインド・トランスフォーメーションが始まります。

企業のリスキリングも変える必要があります。

プロンプトの書き方やツール操作は大切です。しかし、操作だけを教えても、現場で成果を出せる人材にはなりません。必要なのは、業務の目的を分解し、AIへ任せる範囲を決め、結果を検証し、関係者へ説明する訓練です。

技術部門だけの話でもありません。人事、営業、経理、広報、管理職も、それぞれの仕事で線引きを設計する必要があります。

例えば人事では、求人票の草案や面接記録の整理はAIで支援できます。一方、候補者の可能性をどう見るか、組織文化との相性をどう考えるか、本人へ何を伝えるかは、人が責任を持ちます。教育では、教材案や理解度の整理をAIへ任せられますが、学習者がつまずいた背景を理解し、成長を支える関係性は人間の仕事です。

研修では、ツールの機能一覧を覚えるより、実際の業務を持ち込み、次の問いを繰り返す方が効果的です。

資格・検定・認定制度も、知識を測るだけでは足りません。AIを用いて業務を分解し、実践し、成果を説明できるところまで可視化する必要があります。知識、実践、成果を段階的に示す仕組みが、AI時代のキャリアパスを支えます。

「AI」と「愛」。音としては同じでも、役割は違います。

ここで言う愛は、大げさな感情論ではありません。相手の事情を想像すること、答えを急がず話を聞くこと、自分の判断として言葉を返すこと、失敗したときに責任から逃げないことです。

AIは、人間らしい文章を作れます。共感的な表現も生成できます。それでも、その言葉をこの相手へ今届けるべきかを決めるのは人間です。

「AIに聞けばよい」という返事が正しい場面もあります。しかし、相手があなたの考えを求めているなら、そこで自分の頭を使う。効率が下がっても、対話を選ぶ。その判断に、人間の温かさがあります。

AIへ作業を任せるほど、人間は人間にしかできない仕事へ戻れます。問いを立てる。決める。責任を負う。相手と向き合う。未来を構想する。

線引きの目的は、人間の仕事を守ることではありません。人間が本当に引き受けるべき仕事を、もう一度選び直すことです。

まず、今日の仕事を三つに分けてみてください。

やめる仕事。

AIへ任せる仕事。

自分が責任を持って続ける仕事。

最初から完璧な線を引く必要はありません。小さく試し、結果を見て、境界を動かせばよいのです。失敗も、線引きを改善するためのデータになります。

そして、AIで一時間空いたら、その一時間を何へ使うかまで決めてください。顧客と話す。社員の相談に乗る。新しい企画を試す。学び直す。休んで頭を整える。それが決まって初めて、AIの時短は人と組織の前進につながります。

AIと人間の境界は、技術が決めてくれるものではありません。私たちが目的と責任をもって設計するものです。

読者の皆さんの仕事では、何をAIへ任せ、何だけは自分の言葉で返したいでしょうか。ぜひ一度、線を引いてみてください。

参考：習慣はAIより強し？ OpenAI CEOのメール確認を巡る記事

無理な営業は一切しません。情報収集だけでも歓迎です。

近森満（ちかもり みつる） 株式会社サートプロ 代表取締役CEO ／ DXコンサルタント／IT人材育成／検定事業化 IT・DX・IoT・AI分野の人材育成、資格・検定制度の企画、現場実装支援に取り組んでいます。技術を導入するだけでなく、人と組織が自立・自走し、学びを成果へつなげる仕組みづくりを進めています。2006年に株式会社サートプロを創業し、IoT検定・＋DX認定・アジャイル検定などの資格制度を創出。経済産業省 地域DX推進ラボおよび地方版IoT推進ラボのメンター、デジタル庁 デジタル推進委員として、自治体や中小企業のDX推進を支援しています。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』。

■所属・役職

・IoT検定制度委員会 事務局長（IoT検定、＋DX認定、超知性ASI検定）
・一般社団法人 IT職業能力支援機構 理事長（Android資格）
・電気・電子系技術者育成協議会 副理事長（E検定）
・組込みソフトウェア管理者技術者育成研究会 メンバー（組込み）
・ET教育フォーラム合同会社 代表（コンテンツ制作）
・経済産業省 地方版IoT推進ラボ ビジネス創出事業メンター（IoT支援）
・経済産業省 地域DX推進ラボ ビジネス創出事業メンター（DX支援）
・デジタル庁 デジタル推進委員（デジタル化支援）
・DX事業共同組合 設立理事（DX推進）
・一般社団法人日本サステナブルビジネス機構 幹事（SDGs認証）
・”一億総活躍社会を実現する”共生日本協議会 理事（DEI支援）
・アジャイル開発技術者検定試験コンソーシアム 事務局長（Agile検定）
・一般社団法人国際サイバーセキュリティ協会 事務局長（IACS認定）

X (Twitter)

Facebook

YouTube

note