AIに聞ける時代になった。でも、AIに仕事を渡せる人はまだ少ない。

机の上に、開いたままのExcelがある。

列は細かく分かれていて、ところどころに色がついている。  
見慣れた人には意味が分かるけれど、初めて見る人には、ただの表にしか見えない。

その横には、別の帳票がある。  
数字が並び、項目が並び、誰かが毎日確認している。

ひとつの数字を間違えると、次の作業が止まる。  
ひとつの転記がずれると、あとで誰かが探し回る。

仕事の現場には、そういう表がいくつもある。

ぱっと見れば、ただの入力作業に見える。  
ただの確認作業に見える。  
ただの転記に見える。

でも、実際にはそこに、いろんな前提が積み重なっている。

誰が確認するのか。  
どの列は触ってはいけないのか。  
どの数字は後工程に響くのか。  
昔からなぜこの形で回っているのか。  
間違えた時、どこまで戻れるのか。

そういうものは、表の中には書かれていない。

AIに聞くことは、ずいぶん簡単になった。

文章を書かせる。  
要約させる。  
コードを書かせる。  
資料を整えさせる。  
調べものを手伝わせる。

少し前なら、それだけでも十分に新しかった。

でも今は、AIを触ったことがある人はかなり増えている。  
仕事で使っている人もいる。  
毎日のように相談している人もいる。

「AIを使う」という言葉自体も、もう特別ではなくなってきた。

ただ、最近ずっと感じていることがある。

AIを触れることと、AIを仕事にできることは、同じではない。

ここには、思っているより大きな差がある。

個人でAIを使うだけなら、かなり自由に試せる。

気になる文章を貼る。  
考えを整理してもらう。  
資料を要約してもらう。  
コードを書いてもらう。  
アイデアを出してもらう。

多少雑に使っても、困るのは基本的に自分だけで済む。

でも、仕事になると急に話が変わる。

会社のデータをそのまま外に出せない。  
顧客名を入れられない。  
品番を渡せない。  
PO番号を出せない。  
帳票画像をそのままアップロードできない。  
本番ファイルを勝手に書き換えられない。

便利そうだから使う、では済まない。

仕事には、触っていい情報と、触ってはいけない情報がある。  
出していい情報と、出してはいけない情報がある。  
変えていい場所と、絶対に変えてはいけない場所がある。

AIの性能以前に、まずそこで止まる。

AIは賢い。

文章も書ける。  
コードも出せる。  
表も整理できる。  
それらしい答えも返してくれる。

でも、AIはその会社の事情を最初から知っているわけではない。

そのExcelがなぜその形になっているのか。  
その列をなぜ消してはいけないのか。  
その数字を間違えると、どこに影響が出るのか。  
誰が最後に確認するのか。  
昔からなぜその手順で回っているのか。

こういうことは、表には出てこない。

仕事には、表面だけ見ても分からない前提が多い。

担当者しか知らないルール。  
昔から残っている運用。  
例外的な処理。  
誰も明文化していない判断。  
壊すと困るファイル。  
ミスると後工程に響く数字。

AIは、それを勝手には理解してくれない。

だから、AIにそのまま仕事を渡しても、うまくいかないことがある。

それっぽい答えは出る。  
でも、その答えを本当に使っていいかは、また別の問題になる。

仕事は、正解らしいものが出たら終わりではない。

AIが表を整えてくれた。  
コードを書いてくれた。  
資料を作ってくれた。  
手順を考えてくれた。

そこまでは速い。

でも仕事では、その後がある。

それを本番に入れていいのか。  
誰が確認したのか。  
間違えた時に戻せるのか。  
あとで説明できるのか。  
その処理は社内ルールに合っているのか。  
そのデータは外に出してよかったのか。  
その出力を誰が承認したのか。

仕事には、結果だけではなく、責任の流れがある。

AIが出したものを、そのまま現場に流すことはできない。  
少なくとも、まともな仕事ほどできない。

なぜなら、仕事は一人で完結していないからだ。

自分の入力が、次の人の作業につながる。  
ひとつの表が、請求につながる。  
ひとつの数字が、出荷につながる。  
ひとつの転記ミスが、在庫や納期に響くこともある。

AIの出力が正しそうに見えても、それを仕事に乗せるには確認がいる。

ここが、個人利用のAIとはまったく違う。

「AIで自動化できます」

この言葉は、とても軽く聞こえる。

でも実際の仕事は、そんなに軽くない。

自動化したい作業ほど、面倒な条件を持っている。

空欄がある。  
表記ゆれがある。  
例外がある。  
古い運用が残っている。  
担当者ごとのやり方がある。  
関数が入り組んだExcelがある。  
消してはいけない列がある。  
上書きすると戻せないファイルがある。

見た目は単純な作業でも、中には現場の都合が詰まっている。

だから、AIに投げれば一瞬で終わるように見えて、実際にはその前に考えないといけないことが多い。

何を渡していいのか。  
何を渡してはいけないのか。  
どこまで任せていいのか。  
どこから人間が見るべきなのか。  
本番に入れる前に、どこで止めるのか。

ここを見ないままAIを使うと、便利になるどころか危なくなる。

AI活用の難しさは、技術だけではない。

むしろ、技術そのものはどんどん簡単になっている。

文章を書くAIは増えた。  
コードを書くAIも増えた。  
画像を作るAIも増えた。  
資料をまとめるAIも増えた。

ツールはどんどん便利になっている。

でも、現実の仕事はそんなに簡単には変わらない。

会社にはルールがある。  
部署ごとのやり方がある。  
情報管理がある。  
責任者がいる。  
承認がいる。  
失敗した時の影響がある。  
現場の納得がないと使われない。

AIの問題というより、仕事の構造の問題だ。

ただ答えを出すだけなら、AIは速い。  
でも、その答えを仕事にしていいかを判断するのは簡単ではない。

AIに聞ける人は増えると思う。

文章を書かせる人も増える。  
コードを書かせる人も増える。  
資料を作らせる人も増える。  
調べものを任せる人も増える。

でも、それを実際の仕事に入れられる人は、まだ少ない。

なぜなら、そこには現場理解が必要だからだ。

どこが面倒なのか。  
どこでミスが起きるのか。  
どの情報は外に出せないのか。  
どこを自動化すると危ないのか。  
最後に誰が確認するのか。  
本番に入れる前に、何を見ないといけないのか。

こういうことを見ないままAIを使うと、ただ危ない道具になる。

AIを仕事に使う難しさは、AIの中にあるというより、仕事の中にある。

そして、その仕事の中にある面倒くささを見ないまま、AIだけを入れようとしても、たぶんうまくいかない。

AIに聞くことは簡単になった。

でも、AIに仕事を渡すことはまだ難しい。

仕事には目的がある。  
制約がある。  
守るべき情報がある。  
触ってはいけない場所がある。  
人間が確認すべき場面がある。  
責任の流れがある。

そこを無視してAIを使うと、便利になるどころか、危険になる。

AIを仕事に転換するのは、思っているより難しい。

でも、その難しさを見ないまま「AIで何でもできます」と言う方が、たぶん危うい。

これから差がつくのは、AIを触れるかどうかではない。

AIを、現実の仕事の中で扱えるかどうか。

たぶん、その静かな差が、これから少しずつ大きくなっていく。