「生成AIを使うようになったのに、仕事がちっとも楽にならない」。この違和感を持っている人は、かなり多いのではないでしょうか。議事録は自動で作れる。長い資料は要約できる。文章の下書きも、デザイン案のたたき台も出せる。それでも一日が終わるころには、以前より忙しくなったように感じます。

私はこの現象を、AIに仕事を奪われる話とは別に考えています。AIで処理時間が短くなった結果、私たちは今まで手をつけられなかった仕事まで始めるようになりました。議事録を作らなくても困らなかった会議で、簡単に作れるから毎回作る。五、六時間かかっていたアンケート集計が一時間ほどで終わると、空いた時間に次の分析や資料作成が入る。AIが時間を生んでも、その余白をすぐ別の仕事で埋めてしまうのです。

だから「AIを導入すれば仕事が減る」という期待だけでは、現場は幸せになりません。時短は起きても、生産性が上がったとは限らない。生産性とは、短くなった時間を何へ再投資し、どんな価値を増やしたかまで含む言葉です。ここを決めないと、AIは便利な道具である一方、仕事を増やす装置にもなります。

AIへ任せやすいのは、文字起こし、要約、分類、集計、表現の候補づくりなど、手順や評価軸を比較的明確にできる仕事です。たとえば会議を録音し、要約を出し、決定事項と次のタスクを抽出する。人が一から書き起こすより速く、見落としを減らせます。

ただし、議事録を作ること自体を目的にしてはいけません。会議の参加者が本当に必要としているのは、全文の記録でしょうか。それとも、誰がいつまでに何をするか、認識のずれがないか、顧客への約束が守られているかという確認でしょうか。後者なら、AIには「きれいな議事録」ではなく「決定事項、未決事項、担当、期限、リスク」を抽出させた方が役に立ちます。

作業をAIへ渡す前に、人間が「何のために作るのか」を決める。この順番が重要です。目的が曖昧なまま自動化すると、不要な成果物を高速で量産してしまいます。自動化の最初の問いは「どう作るか」ではなく、「これは本当に作る必要があるか」です。

事例：誰も読まない議事録を、毎回きれいに作る

会議後に詳細な議事録を自動生成できるようになると、便利なので毎回保存したくなります。しかし当事者が読み返すのは、問題が起きたときだけかもしれません。それなら全文は検索可能な記録として残し、日常的に見る画面には決定事項とタスクだけを出す方がよい。AIが作れるから作るのではなく、次の行動を進めるために必要な部分だけを使うのです。

メールやチャットは、一見するとAIへ任せやすい仕事です。受信内容を要約し、返信案を作り、予定を登録するところまで自動化できます。しかし、すべてを任せると別の問題が起きます。自分の目を通すはずだった情報が入ってこなくなり、相手が何に困り、組織がどこで詰まり、世の中がどう動いているかを感じにくくなるのです。

メールを読むことは、単なる事務処理ではありません。自分というフィルターを通して状況を理解し、何を重く受け止めるかを決める行為でもあります。AIが「今日はこのような連絡があり、すべて処理しました」と報告してくれれば楽です。しかし、判断の材料まで外へ出し続けると、気づかないうちに自分の理解と責任感が薄くなります。

OpenAIのサム・アルトマンCEOが、メールは自分で確認する方が生産的に感じると話したというBusiness Insider Japanの記事は、この感覚を考える材料になります。AI企業のトップであっても、何を自分で見るかは単純な速度だけでは決まりません。習慣だけでなく、意思決定に必要な入力をどこへ残すかという設計の問題です。

私は、重要な顧客、採用、人材、経営判断に関わる情報は、人が一次情報へ触れることを残すべきだと考えています。AIに要約させてもよい。ただし、要約だけで判断しない。違和感があるもの、関係性に影響するもの、責任が大きいものは原文へ戻る。この往復が、人間の判断を弱らせない使い方です。

難しいメールを書くとき、論点を箇条書きにしてAIへ整理させるのは有効です。一時間悩んでいた返信が三十分で仕上がるなら、十分な価値があります。ただし最後の確認まで手放すのは危険です。論理が通っていても、相手との関係やタイミングを踏まえると、その一文は入れない方がよいことがあります。

相手を励ます一言、誤解を避ける補足、今は強く言わない方がよいという加減。こうした判断は、過去のやり取りや表情、組織の空気、こちらの覚悟まで含んでいます。AIに十分な文脈を渡せば近づけますが、結果の責任を引き受けるのは人間です。

私はこれを「ラストワンマイルの責任」と呼びたいと思います。AIが九割を作っても、最後の一割で人間の仕事が消えるわけではありません。むしろ、その一割に判断、配慮、責任が凝縮されます。メールなら声に出して読み、相手がどう受け取るかを想像し、送信前に人が決める。採用サイトなら文章の正しさだけでなく、その会社で働く人の姿が本当に伝わるかを確認する。効率化した分、人間は最終品質へ集中できます。

事例：採用サイトのAIOやLLMO対応に振り回される

新しい用語や対策が次々に登場すると、顧客から「これも必要ではないか」と問い合わせが来ます。そこで聞きかじった施策を全部追加すると、サイトは複雑になり、目的がぼやけます。AIに論点を洗い出させるのはよいのですが、採用したい人物像、候補者へ伝える価値、会社の実態を決めるのは人です。新技術への対応を目的にせず、採用成果へつながるかで選ぶ必要があります。

経営者は、会社の多くの仕事を理解し、必要なら自分でも動けることが強みになります。棚を取り付けることも、資料を作ることも、顧客へ提案することもできる。しかし、できるから全部やると、組織は止まります。社員から見れば「それは社長の仕事ではない」と言いたくなる場面も出てきます。

AI時代には、この問題が個人にも広がります。自分で作業する方が速い。説明するより手を動かした方が早い。そう思って抱え込むと、いつまでも仕事の方法が変わりません。そこで私は、まずAIへ相談し、道筋を出してもらうことを勧めます。完璧な答えでなくても、ゼロから0.5へ進めば、専門家や同僚との相談が具体的になります。

大切なのは、AIへ丸投げすることではありません。自分が作業者になる前に「この仕事はAI、仕組み、チームへ渡せないか」と一度考える習慣です。ChatGPTで難しければ別のAIや専用ツールを試し、それでも難しい部分だけ人が行う。これは楽をするためだけではなく、限られた人間の時間を、問い、対話、意思決定、創造へ戻すためです。

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。道具を変えるだけでなく、仕事を抱え込む自分の思考OSを更新することが、AI活用の本題だからです。

AIを使う人と使わない人の間には、いま確かに差があります。ただし、その差を「できる個人」の優位性だけで終わらせてはいけません。会社全体がAI前提で仕事を進めるなら、基本的な移動手段を全員でそろえるように、共通の道具、ルール、学び方を整える必要があります。

同じ目的地へ向かうのに、一人は電車、一人は徒歩という状態では、到着時間も会話の速度もそろいません。全員が最低限のAIリテラシーを持ち、要約、調査、下書き、集計などの基本作業でAIを使えれば、チーム全体の基準が一段上がります。その上で、職種ごとの専門性や人間らしい判断に時間を使えます。

研修では、機能紹介だけで終わらせず、実務の一つを題材にします。どの情報をAIへ渡してよいか、出力をどう検証するか、誰が承認するか、失敗したときにどう戻すかまで練習します。生成AIには誤りや根拠の弱い回答があり得ます。機密情報や個人情報の扱いも含め、使う範囲と止める条件を共通化することが欠かせません。

事例：アンケート分析を五、六時間から一時間へ

自由記述を分類し、傾向を読み、報告書の骨子を作る作業はAIと相性がよい領域です。ただし、AIが作った分類をそのまま経営判断へ使ってはいけません。少数意見が消えていないか、表現の違いを同じ意味として誤統合していないか、都合のよい結論へ寄っていないかを人が確認します。短縮した時間を、現場への追加ヒアリングや改善策の検討へ振り向けて初めて、生産性向上になります。

「ここから先はAI、ここまでは人間」と一本の線を引きたくなります。しかし、その線は仕事の目的、リスク、相手との関係、AIの性能、組織の成熟度によって動きます。昨日は人がやっていた作業を今日はAIへ渡せるかもしれません。一方で、AIへ任せてみて重要な学びが失われると分かれば、人が触れる範囲を戻す必要もあります。

そこで、仕事ごとに五つの質問を置くと整理しやすくなります。「目的と成功条件は人が決めたか」「繰り返し部分はAIへ渡せるか」「判断を育てる一次情報を失わないか」「最後の責任者は誰か」「短縮した時間を何へ使うか」。この五つを答えられれば、流行や不安に振り回されにくくなります。

DX推進も同じです。デジタル・トランスフォーメーションは、道具を入れることではなく、仕事の流れ、役割、意思決定を変えることです。生成AIを導入するAXでは、作業主体が人からAIエージェントへ移る場面が増えます。そして人間には、何を任せ、何を残し、どんな価値へ時間を使うかを更新するマインド・トランスフォーメーションが必要になります。

まず一週間、自分の仕事を「作業」「判断」「対話」「責任」の四つに分けて記録してみてください。作業の中から、繰り返しが多く、失敗しても戻せるものを一つ選び、AIへ任せます。次に、AIの出力を人が確認するポイントを一つだけ決めます。そして短縮できた時間を、顧客への対話、学習、企画、休息のどれへ使うかを先に予定へ入れます。

この実験で大切なのは、何分短くなったかだけを測らないことです。手戻りは減ったか、判断の質は上がったか、相手との関係は良くなったか、自分の理解は深まったかも振り返ります。AIを使った結果、不要な仕事を増やしていないかも確認します。

AIは人間の代わりになるか、という大きな問いだけでは現場は動きません。今日のこの仕事で、どこをAIへ渡し、どこに自分の責任を残すか。その小さな判断の積み重ねが、AIに振り回される働き方と、AIを使って価値を増やす働き方を分けます。皆さんの明日の仕事で、まず一つ線を引き直してみてください。

線引きは一度決めて終わりではありません。実務で試し、失敗と成果を記録し、チームで毎月更新していく運用ルールです。さらに、導入効果を数字だけで評価しないことも大切です。処理件数が増えても、現場の納得が下がり、確認負担が増えれば改善とは言えません。AIが生んだ余白で顧客との対話が増えたか、学習の時間を確保できたか、難しい判断へ集中できたかを見ます。便利さと人間らしい働き方の両方を測ることで、線引きは組織の知恵になります。

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技術者の教育支援と人材育成を専門とする事業化コンサルタントとして、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。独自の技術者向け教育研修の開発に定評があり、実践的なスキル向上を支援。経済産業省DX推進ラボおよびIoT推進ラボのメンターとして自治体や中小企業のDX推進を支援。近年は超知性ASIスキル可視化にも取り組み、次世代技術の普及に注力している。

X (Twitter)

Facebook

YouTube

note