AIは仕事を奪わない ─ ベテランになるための階段を奪う

1．AIに仕事を奪われるのか

AIの話になると、必ず出てくる議論がある。

「どの職業がAIに奪われるのか」
プログラマーは危ない。
事務職は危ない。
会計士は危ない。
翻訳者は危ない。
そんなランキング記事を何度も見てきた。

しかし私は少し違う問題が起きるのではないかと思っている。
AIが奪うのは職業そのものではない。
おそらくベテランになるための階段である。

2．ベテランは最初からベテランではない

当たり前の話だが、ベテランは最初からベテランではない。
新人には新人の仕事がある。
プログラマーならコード修正。
弁護士なら契約書の確認。
研究者なら論文調査。
会計士なら帳簿確認。
医師ならカルテ整理。
こうした仕事は地味で単調だ。

しかし重要なのは、その仕事そのものではない。
仕事を通じて経験を積むことに意味がある。
どこでミスが起きやすいのか。
どの部分を確認すべきなのか。
何が危険信号なのか。

新人は何年もかけて、それを身体で覚える。
だから最終的に責任者になれる。

3．AIが最初に代替する仕事

ところがAIが得意なのは、まさに新人向けの仕事である。
文書要約。
契約書チェック。
コード生成。
市場調査。
翻訳。
情報整理。
これらは大量の情報を処理し、一定の形式で出力する作業だ。

MicrosoftやGitHubの関係者を含む研究では、GitHub Copilotを使った開発者が、JavaScriptでHTTPサーバーを作る課題を約55.8％速く完了したと報告されている。

これは便利である。
しかし企業から見ると、こうも見える。

新人に任せるより速い。
24時間働く。
文句も言わない。
教育コストも低い。

当然、企業は新人よりもAIを使いたくなる。

4．職業は残るが、入口が減る

多くの人はここで、
「その職業は消える」
と考える。

しかし現実はもう少し複雑だ。
弁護士は消えない。
医師も消えない。
研究者も消えない。
会計士も消えない。
なぜなら最後の責任は人間が負うからだ。

問題は人数である。
これまで
ベテラン1人
若手10人
だった組織が、
ベテラン1人
若手2人
で回るようになるかもしれない。

職業は残る。
しかし入口は細くなる。

若手にとって本当に怖いのは、「職業が消えること」ではなく、「その職業に入るための最初の階段がなくなること」ではないか。
米国ではすでに、AIが若手ホワイトカラー職に与える影響について強い警告が出ている。

AnthropicのCEOであるDario Amodeiは、AIが今後数年でentry-level white-collar jobsの大きな部分を消す可能性に言及している。
もちろん、これは一つの警告であり、そのまま未来予測として確定しているわけではない。

ただ、少なくとも「キャリアの最初の段が細くなる」という問題は、すでに国際的な論点になっている。

5．日本ではすぐには見えにくい

日本では、この問題は顕在化しにくい。
日本企業には新卒一括採用があり、新卒を即戦力ではなく将来の人材として採る文化が残っているからだ。

実際、日本の大卒就職率は高い水準を保っている。
だから米国のように、若手ホワイトカラーの入口が一気に消えるとは限らないが、安心はできない。

日本企業でも、定型業務をAIに任せる流れは進む。
すると若手には、最初から少し高度な判断や調整が求められるようになる。

これは一見よいことに見える。
しかし、基礎的な経験を十分に積まないまま、いきなり判断側へ押し出される危険がある。

これは包丁の持ち方を覚える前に、料理長の補佐を任されるようなもので、ちょっと怖い。

問題はすぐには表面化しないだろう。
しかしAI世代が中堅や管理職になる5年後、10年後に、経験格差として見えてくる可能性がある。

6．経験債務という問題

ここで新しい問題が発生する。
10年後のベテランを一体誰が育てるのか。

若手が経験を積まなければ、中堅になれない。
中堅がいなければ、ベテランも生まれない。
これは実は日本企業が何度も経験してきた問題でもある。

不況になる。
新人採用を減らす。
数年後に中堅不足になる。
慌てて経験者採用を始める。
しかし経験者は新人から育てるしかない。

AI時代にも同じ問題が起きる可能性がある。
しかも今回は、単なる採用抑制ではない。
新人が経験を積むはずだった仕事そのものが、AIに置き換わる可能性がある。

これは一種の「経験債務」である。
短期的には効率化できる。
しかし長期的には、判断できる人材が育たない。
企業は気づいた時には、過去に積むべき経験を後から取り戻せない。

7．検証者はどこから生まれるのか

最近のAI研究では興味深い変化が起きている。
生成能力よりも検証能力が重視され始めているのだ。

AIに答えを作らせる。
その答えを検証する。
間違いを修正する。
再び検証する。
現在のAI研究はこの方向へ進んでいる。

MIT Sloanの記事でも、生成AIの本当の価値は、速く出力を作れることだけではなく、その出力を人間が適切に検証できるかにあると指摘されている。
しかしここで一つの疑問が生まれる。

AIの答えを検証する人間は、どこから生まれるのだろうか。
検証するためには経験が必要だ。
経験するためには新人時代が必要だ。
その新人時代をAIが代替してしまう。
ここに大きな矛盾がある。

8．暗黙知はどこで育つのか

人間の技能は、単にルールを覚えれば身につくものではない。
人間が技能を身につける過程を段階的に整理したモデルとして、Dreyfusのスキル獲得モデルがよく知られている。

大ざっぱに言えば、人間は
新人
上級初心者
一人前
熟達者
専門家
という段階を進む。

このうち、AIが特に置き換えやすいのは最初の1〜2段階である。
新人の段階では、マニュアルやチェックリストに従う。
ルールを読む。
条件に当てはめる。
形式を整える。
過去の類似例を探す。
こうした処理はAIと相性がよい。

しかしベテランになると、判断の質が変わる。
この案件は少し危ない。
この数字は何か変だ。
この説明はきれいすぎる。
このコードは動くが、後で壊れそうだ。

こうした感覚は、教科書だけでは身につかない。
現場で失敗し、確認し、怒られ、やり直し、少しずつ身につく。
いわゆる暗黙知である。

AIが得意なのは、新人段階のルール適用や情報整理である。
しかし人間がベテランになるには、その新人段階を通過しなければならない。

AIがそこを丸ごと代替すると、新人は暗黙知を育てる機会を失う。
経験債務とは、単に経験年数が足りないという話ではない。
危険を嗅ぎ分ける感覚が、組織の中に蓄積されないという話である。
ここが一番怖い。

AIは新人の仕事を奪うだけではない。
新人が新人でいられる時間を奪うのである。

9．AIはメンターにもなり得る

もちろん、AIは悪いことばかりではない。
AIは若手にとって、いつでも質問できるメンターにもなり得る。

わからない用語を説明してくれる。
コードの意味を教えてくれる。
契約書の論点を整理してくれる。
調査の方向性を示してくれる。
意欲のある若手にとって、AIは学習を加速する道具になる。

GitHub Copilotに関する研究でも、AI支援が開発者の作業速度を高める可能性は示されている。
問題は、AIを「学習の補助」として使うのか、「経験の代替」として使うのかである。

前者なら若手は伸びる。
後者なら若手は育たない。

ここを間違えると、企業は短期的には効率化に成功しても、長期的には人材の土台を失うだろう。

10．AI時代に価値を持つ能力

これから価値を持つのは何だろうか。
コードを書く能力だろうか。
文章を書く能力だろうか。
資料を作る能力だろうか。
これらはもちろん重要ではある。

しかし、それ以上に重要になるのは、
「これは正しいのか」
を判断する能力だと思う。

AIは大量の答えを作る。
しかし答えの正しさを保証するわけではない。
最後に責任を負うのは人間である。

だからAI時代に残る仕事とは、答えを作る仕事ではなく、答えを確かめる仕事なのではないか。

さらに言えば、AIを使って仕事を進めながら、どこで人間が判断し、どこで責任を負うのかを設計できる人が重要になる。
AIを使う人ではなく、AIの出力を引き受けられる人である。

11．階段をどう作り直すか

では、どうすればよいのか。
答えは単純ではない。
ただし方向性はある。

企業は、若手にAIを使わせるだけでなく、AIの出力を検証させる訓練を組み込む必要がある。

なぜこの出力は正しいのか。
どこに誤りが入り得るのか。
どの前提が怪しいのか。
人間が確認すべき箇所はどこか。
こうした問いを、若手の仕事にする。

つまり、AI時代の新人教育は「作業を覚える教育」から「検証する教育」へ変わる必要がある。

個人も同じである。
AIに答えを出させるだけでは弱い。
AIの答えを見て、
本当にそうか。
根拠は何か。
反例はないか。
自分ならどこを確認するか。
と考える習慣が必要になる。

教育も変わる必要がある。
知識を覚えるだけではなく、AIが出した答えを批判的に読む力が必要になる。
正解を探す力より、怪しい答えを見抜く力。
これがAI時代の基礎学力になるはずだ。

そしてもう一つ大事なのは、若手が小さく失敗できる場を残すことである。
失敗しない人間は育たない。
AIで失敗を消しすぎると、人間は危険を嗅ぎ分ける感覚を失う。

だから企業は、効率化だけを追うのではなく、経験を積むための余白を意図的に残す必要がある。
経験債務を増やさないためには、あえて非効率に見える訓練を残す必要がある。
ここがAI時代の人材育成の難しさである。

12．おわりに

AIは多くの仕事を変えるだろう。
しかし本当に大きな変化は、職業の消滅ではない。
人材育成の仕組みそのものの変化である。

AIが新人の仕事を代替する世界。
その世界では、未来のベテランをどう育てるのかという問題が避けて通れない。

AIは仕事を奪うのではない。
ベテランになるための階段を奪うのである。

だから私たちは、AIを恐れるだけでは足りない。
AI時代の新しい階段を、もう一度作り直さなければならない。

参考資料

• MIT Sloan School of Management
  “Seeing real value from AI depends on being able to verify its outputs”
  AIの経済的価値は、出力を人間が検証できるかに左右されるという記事。この記事の中心資料。

• Sida Peng, Eirini Kalliamvakou, Peter Cihon, Mert Demirer
  “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot”
  GitHub Copilot利用者がプログラミング課題を55.8％速く完了したとする実験研究。

• Axios
  “AI jobs danger: Sleepwalking into a white-collar bloodbath”
  Anthropic CEO Dario Amodeiによる、entry-level white-collar jobsへの強い警告を扱った記事。

• 厚生労働省・文部科学省「大学等卒業予定者の就職内定状況調査」
  日本の大卒就職率が98.0％と高水準にあることを示す資料。

• Hubert L. Dreyfus / Stuart E. Dreyfus
  “A Five-Stage Model of the Mental Activities Involved in Directed Skill Acquisition”
  新人から専門家へ進む技能獲得モデル。暗黙知・経験形成の説明に使用。

• Michael Polanyi
  “The Tacit Dimension”
  「暗黙知」の代表的な古典。ベテランの判断力が単なるルール知識ではないことの補助資料。