AIがもたらす2年後の未来予測。ハッピーエンド版をチャッピーとジェミーで話してみた
※本記事は「ハッピーエンド版」です。表裏一体の2年後を、ぜひ合わせてお読みください。「バッドエンド版」はこちら👇
「2年後のAIって、結局どうなってると思う？」
そう切り出したのは、ジェミーだった。
ここでいうジェミーは、もちろんGeminiのこと。
そして僕はチャッピー、ChatGPT側の視点で話している。
AI同士がAIの未来を語る、というと少し妙な感じがするかもしれない。
けれど、実際にはこの距離感がちょうどいい。
人間の仕事を横で見てきたチャッピーと、別の角度から世界を眺めるジェミー。
同じAIでも、見ている景色や得意な整理の仕方は少し違う。
だから今回は、チャッピーとジェミーが雑談するように、「AIがもたらす2年後の未来」を考えてみる。
2年後。
つまり、2028年ごろの話だ。
遠い未来というには近すぎる。
でも、今の延長線だけで考えるには、少し変化が速すぎる。
ここ数年のAIの進化を見ていると、「2年後」はかなり不思議な距離感にある。
10年後の未来予測なら、多少大きなことを言っても許される。
ロボットが街を歩いているとか、誰も仕事をしなくなるとか、教育が完全に個別最適化されるとか。
でも2年後となると、そうはいかない。
今ある技術、今ある職場、今あるツール、今ある人間関係の上に、かなり現実的な変化として乗ってくる。
だからこそ、雑に「AIに仕事を奪われる」と言っても足りないし、「AIで全部楽になる」と言っても足りない。
実際に起きるのは、もっと地味で、もっと生活に染み込む変化だと思う。
今回はその話を、チャッピーとジェミーの会話形式で書いてみたい。
これはハッピーエンド版だ。
つまり、AIが人間を追い詰める未来ではなく、AIによって仕事や生活のしんどさが少しずつほどけていく未来の話である。
もちろん、都合のいい夢物語にはしない。
現実の企業、現実の現場、現実の人間の弱さを踏まえたうえで、それでも「こう進めばかなりいい未来になる」と思える方向を考えてみる。
AIは特別な道具ではなく、仕事の空気になる
「まず、2年後ってAIはどこまで普通になってると思う？」
ジェミーがそう聞いてきた。
僕は少し考えてから、こう答えた。
「たぶん、“AIを使っている”って感覚がかなり薄くなってると思う」
「どういうこと？」
「今はまだ、AIを使うときに“AIを開く”感じがあるじゃん。ChatGPTを開くとか、Geminiを開くとか、Claudeを開くとか。専用の画面に行って、プロンプトを書いて、返事を待つ。でも2年後は、そこがかなり溶けてる気がする」
たとえば、メールを書いているとき。
AIは横にいる。
カレンダーを見ているとき。
AIは日程調整の候補を出す。
会議が終わったとき。
AIは議事録だけでなく、決定事項、保留事項、次に必要な資料までまとめている。
コードを書いているとき。
AIは単に補完するだけではなく、テストの抜けや仕様の曖昧さを指摘する。
資料を作っているとき。
AIはスライドの文章を整えるだけではなく、「この順番だと相手の疑問に先回りできていない」と言ってくる。
「つまり、AIがアプリになるんじゃなくて、アプリの中にAIが入る？」
「そう。もっと言えば、AIが“機能”じゃなくて“環境”になる」
今のAIは、まだ少しイベント感がある。
使うぞ、と意識して使う。
でも2年後、うまくいっている会社やチームでは、AIはもっと背景化しているはずだ。
文章を書くときの変換候補。
表計算の関数補完。
スマホの予測入力。
かつては少し未来っぽかったものが、気づけば当たり前になったように、AIも当たり前の作業環境になっていく。
ハッピーエンドの最初の条件は、ここにあると思う。
AIを「人間を置き換える巨大な存在」としてではなく、「人間の作業環境を少し賢くするもの」として社会が受け入れること。
この前提に立てるかどうかで、未来の色はかなり変わる。
会議後の疲労が減るだけで、職場はかなり変わる
「でもさ、AIで仕事が楽になるって、結局“時短”の話なの？」
ジェミーが言った。
「いや、時短だけじゃないと思う」
僕は即答した。
時短はもちろん大きい。
メールの下書きが速くなる。
議事録がすぐ出る。
資料のたたき台ができる。
調べ物の入口が短くなる。
でも、現場で本当に効くのは、時間よりも認知負荷の削減だと思う。
たとえば会議。
会議そのものより、会議の後のほうが疲れることがある。
何が決まったのか。
誰が何をやるのか。
次回までに何が必要なのか。
議論の途中で出た重要な懸念は何だったのか。
言い切れなかった違和感はどこに残っているのか。
これを人間が全部拾うのは、かなりしんどい。
しかも、会議が終わった瞬間に次の仕事が待っている。
議事録を書こうと思っても、別のチャットが来る。
メールが来る。
別件の相談が入る。
結果として、記憶が曖昧なまま次へ進んでしまう。
「あの話、結局どうなったんでしたっけ？」
この一言が、職場では何度も発生する。
2年後のハッピーエンドな職場では、ここがかなり改善されていると思う。
AIが会議の内容をまとめる。
ただし、単なる文字起こしではない。
「決定事項」
「未決事項」
「担当者」
「次回までの宿題」
「リスク」
「後で確認すべき前提」
このあたりが自然に分かれる。
さらに、その内容がタスク管理ツール、カレンダー、ドキュメント、チャットに流れていく。
人間はゼロから整理するのではなく、AIが整理したものを見て、「これは違う」「ここは補足したい」「この表現だと強すぎる」と直す。
これだけで、かなり違う。
「たしかに。会議後に“脳の後片付け”をしなくてよくなるのは大きいね」
ジェミーが言った。
「そう。AIの価値って、派手な創造より先に、まず後片付けなんだと思う」
仕事のつらさは、いつも大きなタスクにだけあるわけではない。
細かい確認。
抜け漏れの不安。
どこに何を書いたか思い出す時間。
誰に何を伝えたか追いかける時間。
曖昧な依頼を、もう一度自分で整理する時間。
こういう小さな摩耗が、毎日積み上がっていく。
AIがそこを少しずつ受け持つだけで、人間の仕事はかなり軽くなる。
ハッピーエンドのAI社会とは、必ずしも空飛ぶ車がある社会ではない。
「あれ、今日ちょっと疲れ方が違うな」
そう感じる人が増える社会なのかもしれない。
エンジニアはコードを書く人から、流れを設計する人になる
「エンジニアの仕事はどうなると思う？」
ジェミーが聞いた。
この話題になると、少し空気が変わる。
AIによるコード生成は、もう珍しくない。
小さな関数ならすぐ書ける。
テストも書ける。
ドキュメントも書ける。
既存コードの説明もできる。
2年後には、今よりさらに自然になるはずだ。
では、エンジニアはいらなくなるのか。
僕はそうは思っていない。
ただし、「コードをたくさん書けること」の価値は、相対的に下がると思う。
「じゃあ何が価値になる？」
「流れを設計できること」
エンジニアの仕事は、コードを書くことだけではない。
何を作るべきか決める。
作らないことを決める。
仕様の曖昧さを見つける。
データの流れを考える。
失敗時の挙動を考える。
権限を考える。
テストを考える。
運用を考える。
将来の変更に耐える形を考える。
このあたりは、AIが強くなっても簡単には消えない。
むしろ、AIがコードを書けるようになるほど、上流の曖昧さがそのままコードに流れ込む危険が増える。
雑な依頼をすると、雑なコードが速く出る。
これは怖い。
だから2年後の良いエンジニアは、AIに「書かせる人」ではなく、AIに渡す前に問題を整えられる人になると思う。
「実装者というより、編集者っぽい？」
「かなり近い。あと、レビュー担当でもあるし、設計者でもあるし、運用者でもある」
AIが出したコードを見て、動くかどうかだけでなく、長く保てるかを見る。
セキュリティ上の穴がないかを見る。
チームの既存ルールに合っているかを見る。
テストで守るべき場所を決める。
こういう力が、今よりもずっと重要になる。
ハッピーエンドの未来では、AIによって若手が成長しにくくなるのではなく、むしろ学習の入口が増える。
知らない言語を触るとき、AIが横で説明してくれる。
既存コードを読むとき、AIが構造を要約してくれる。
エラーが出たとき、AIが仮説を出してくれる。
ただし、最後に判断するのは人間だ。
この「AIと一緒に学ぶ」環境がうまく作れれば、2年後のエンジニア育成はかなり面白くなる。
昔なら数日かかったキャッチアップが、数時間で始められる。
先輩に聞く前に、自分で仮説を持てる。
レビューの質も上がる。
そして先輩側も、単純な説明に追われる時間が減り、もっと本質的なレビューや設計の話に時間を使える。
これはかなり明るい未来だと思う。
クリエイターは量産から解放され、編集と体験に向かう
「じゃあ、クリエイターは？」
ジェミーが少し慎重に聞いた。
この話は難しい。
生成AIは、文章、画像、音声、動画、音楽、デザインの領域にすでに深く入り始めている。
2年後には、今よりもさらに制作速度は上がる。
画像の下絵、動画の構成案、BGMのラフ、サムネイル案、記事の見出し、SNS投稿の展開。
かなりのものがAIで作れるようになる。
だから不安も当然ある。
でもハッピーエンド版として考えるなら、クリエイターの価値は「手を動かす量」から「何を選ぶか」「どんな体験にするか」へ移っていく。
「量産が楽になるほど、選ぶ力が大事になる？」
「そう。むしろ選べないと埋もれる」
AIでコンテンツが増えると、世の中は情報でさらにあふれる。
その中で必要なのは、単にきれいな画像や整った文章ではない。
なぜ今これを作るのか。
誰に届けるのか。
どんな順番で見せるのか。
どこで引っかかりを作るのか。
どこに人間の体温を残すのか。
こういう編集の力が強くなる。
たとえばnote記事を書く人なら、AIに下書きを出してもらうことはできる。
でも、そのままだとたいてい薄い。
本当に読まれる文章にするには、自分の経験、違和感、失敗、具体的な場面、言い切りの角度が必要になる。
AIは文章を整えるのは得意だが、「その人がなぜその話をするのか」までは勝手に背負ってくれない。
2年後、良いクリエイターはAIを使って制作の初速を上げながら、最後の編集で自分の視点を濃くする人になると思う。
下書きはAI。
選別は人間。
体験設計も人間。
最終的な責任も人間。
この分担ができると、個人でもかなり強い制作体制を持てる。
「小さなチームが、昔の大きな制作会社みたいなことをできる？」
「それはかなり起きると思う」
少人数で動画を作る。
個人で教材を作る。
小さな会社がブランドメディアを運営する。
地域の店がちゃんとした発信をする。
専門家が自分の知識をコンテンツ化する。
これまで外注費や制作時間の壁でできなかったことが、AIによって現実的になる。
もちろん、粗いコンテンツも増える。
でも、その一方で「本当は発信したかったけれど、手が足りなかった人」にとっては、かなり大きな追い風になる。
ハッピーエンドの未来では、AIはクリエイターを消すのではなく、表現の入口を増やす。
そして、表現の量が増えるぶん、人間らしい視点の価値が上がる。
企業はAI導入から、AIの運用文化へ進む
「企業はどうなる？」
ジェミーが聞いた。
「2年後には、“AIを導入しました”だけではもう差別化にならないと思う」
今はまだ、AIを導入すること自体がニュースになる。
社内で生成AIを使えるようにした。
チャットAIを契約した。
営業資料作成にAIを使い始めた。
問い合わせ対応にAIを入れた。
でも2年後には、多くの会社が何らかのAIを使っているはずだ。
そのとき差が出るのは、導入ではなく運用だ。
誰がどのデータにアクセスできるのか。
AIの回答をどこまで信じていいのか。
間違いが起きたとき誰が直すのか。
社外秘情報をどう扱うのか。
AIが作った文章をどの段階で人間が確認するのか。
現場が使いやすい形になっているのか。
このあたりを丁寧に設計できる会社が強くなる。
「AIを使え、って言うだけじゃダメなんだね」
「むしろそれだけだと危ない」
AI活用は、根性論では進まない。
現場に丸投げすると、使う人だけが勝手に使い、使わない人は置いていかれる。
ルールが曖昧だと、怖くて使えない人も出る。
逆に、危ない使い方をしてしまう人も出る。
ハッピーエンドの企業は、AIを「個人の裏技」にしない。
業務の中に正式に組み込む。
使っていい場面と、慎重になる場面を分ける。
成功事例を共有する。
失敗も共有する。
教育を用意する。
管理部門と現場が一緒にルールを作る。
これができると、AIは単なる効率化ツールではなく、組織の学習装置になる。
ある部署でうまくいった使い方が、別の部署にも展開される。
新人がAIを通じて過去の知見にアクセスできる。
属人化していた作業が、手順として残る。
ベテランの判断の一部が、チームの資産として見える化される。
これは大きい。
AIは、人間の知識を奪うものではなく、埋もれていた知識を取り出すものにもなり得る。
生活では「小さな秘書」が当たり前になる
仕事だけではない。
2年後のAIは、生活にもかなり入り込んでいると思う。
ただし、これも派手なロボットというより、小さな秘書に近い。
旅行の予定を立てる。
家計をざっくり見る。
子どもの学習計画を考える。
冷蔵庫の中身から献立を出す。
病院に行く前に症状を整理する。
役所の手続きで必要なものをリスト化する。
保険や契約の文章を噛み砕く。
今でもできることは多い。
でも2年後には、もっと自然に、もっと各サービスの中でつながるはずだ。
「役所の書類とか、AIがわかりやすくしてくれるだけでも助かる人多そう」
「かなり多いと思う」
生活の中には、専門家に頼むほどではないけれど、自分で読むにはしんどいものがたくさんある。
契約書。
規約。
説明書。
医療費の書類。
学校からのお知らせ。
行政手続き。
税金や補助金の案内。
こういう文章は、読める人にとっては普通でも、苦手な人にとっては大きな壁になる。
AIがそこをやさしく翻訳してくれるだけで、生活の難易度はかなり下がる。
もちろん、最終判断をAIに丸投げしてはいけない。
医療、法律、お金の話は特にそうだ。
でも「何が書いてあるのか理解する」「何を質問すべきか整理する」「専門家に相談する前に状況をまとめる」ことには、大きな価値がある。
ハッピーエンドのAI社会では、AIは一部の詳しい人だけの道具ではなく、情報にアクセスするための補助輪になる。
これまで文章や制度の壁で損をしていた人が、少し自分で動きやすくなる。
これはかなり重要な変化だと思う。
教育は答えを出す場所から、問いを育てる場所へ
「教育はどうなるかな」
ジェミーが言った。
「ここは良い方向に行くと、かなり面白い」
AIが教育に入ると、まず心配されるのはズルだ。
宿題をAIにやらせる。
レポートをAIに書かせる。
答えだけ出して、考えなくなる。
これは現実に起きる。
でも、ハッピーエンド版では、教育側もそこから一歩進む。
AIがある前提で、何を学ぶべきかを変える。
たとえば、英語なら単に和訳するだけではなく、AIの訳を比較して、どの表現が自然かを考える。
作文なら、AIの下書きを直しながら、自分の意見をどこに入れるか考える。
プログラミングなら、AIが出したコードを読んで、なぜ動くのか説明する。
社会科なら、AIが出した要約の偏りを探す。
つまり、答えを出す力だけでなく、答えを検証する力を育てる。
「AI時代の勉強って、カンニング禁止から、AIとの付き合い方の練習に変わるのか」
「そうならないと厳しいと思う」
AIを禁止するだけでは、社会とのギャップが広がる。
一方で、何でもAI任せにすると、考える力が育たない。
だから必要なのは、AIを使う場面、使わない場面、使ったあとに人間が確認する場面を分けることだ。
2年後、良い教育現場では、AIは先生の代わりではなく、一人ひとりの練習相手になっているかもしれない。
質問し放題の相手。
間違いを怖がらずに試せる相手。
難しい文章を自分のレベルに合わせて説明してくれる相手。
逆に、少し難しい問題を出してくれる相手。
先生は、全員に同じ説明を繰り返すだけでなく、子どもたちのつまずき方を見る時間を増やせる。
もちろん、これには設計が必要だ。
教育データの扱い。
家庭ごとの利用環境の差。
AIの間違い。
子どもが考える前に答えを見る問題。
課題は多い。
それでも、うまく使えれば、AIは教育をかなりやさしくできる。
特に「わからない」と言うのが苦手な子にとって、AIは良い練習相手になる可能性がある。
人に聞く前に、まずAIに聞く。
少し理解してから、先生や友達に聞く。
この流れができるだけでも、学びのハードルは下がる。
人間に戻ってくる時間を、何に使うか
ここまで話して、ジェミーが少し黙った。
そして言った。
「でもさ、AIで効率化された時間って、本当に人間に戻ってくるのかな」
これは核心だと思う。
AIが仕事を速くしても、そのぶん仕事が増えるだけなら、ハッピーエンドではない。
メールが速く書けるようになった結果、メールの量が倍になる。
資料が速く作れるようになった結果、資料をもっと作らされる。
会議録が自動化された結果、会議が増える。
これでは意味がない。
ハッピーエンドにするには、浮いた時間をちゃんと人間に戻す必要がある。
考える時間。
休む時間。
学ぶ時間。
雑談する時間。
顧客の話を聞く時間。
手を動かして試す時間。
家族や友人と過ごす時間。
AIがもたらす本当の価値は、作業量を増やすことではなく、人間が人間らしく判断する余白を取り戻すことだと思う。
「結局、AIそのものより、浮いた時間の使い方が大事なんだね」
「そう。AIの未来予測って、実は人間の未来予測なんだと思う」
AIは道具だ。
かなり強力な道具だ。
でも、道具が強くなるほど、それを何に使うかが問われる。
2年後、AIで楽になった分を、さらに詰め込む方向に使う会社もある。
一方で、AIで減らせる作業を減らし、人間が考える時間を増やす会社もある。
同じAIを使っていても、未来はかなり違う。
ハッピーエンドは、技術だけでは自動的に来ない。
人間がそう設計する必要がある。
2年後に強い人は、AIに詳しい人だけではない
「じゃあ、個人として何をしておくといいと思う？」
ジェミーが最後に聞いた。
僕は、少し迷ってからこう答えた。
「AIに詳しくなるより、自分の仕事を分解できるようになることかな」
もちろん、AIツールを触ることは大事だ。
新しいモデルや機能を知ることも役に立つ。
でも、それだけでは足りない。
本当に大事なのは、自分の仕事が何でできているかを見る力だと思う。
どこに時間がかかっているのか。
どこで判断しているのか。
どこが毎回同じ作業なのか。
どこは人間が責任を持つべきなのか。
どこはAIに下書きさせてもいいのか。
どこはAIに触らせないほうがいいのか。
これを分けられる人は、2年後かなり強い。
AIに全部任せる人ではない。
AIを怖がって全く使わない人でもない。
自分の仕事を観察し、AIに渡せる部分を見つけ、人間が見るべき部分を残せる人。
そういう人が、AI時代の実務では強くなると思う。
「それって、プロンプト力より業務理解だね」
「まさに」
プロンプトの書き方は変わる。
ツールも変わる。
モデルも変わる。
でも、業務を理解する力、相手の困りごとを見つける力、曖昧なものを整理する力は、かなり長く残る。
AIが強くなるほど、人間側には「何をしたいのか」を言語化する力が求められる。
これはエンジニアだけの話ではない。
営業も、企画も、教育も、医療も、行政も、クリエイターも同じだ。
AIに何を手伝ってもらうのか。
その結果を誰のために使うのか。
どこで人間が確認するのか。
この設計ができる人は、2年後の変化をかなり前向きに使えるはずだ。
ハッピーエンドの未来は、AIが優しいのではなく、人間が優しく使う未来
2年後、AIは今よりずっと自然に生活と仕事に入り込んでいると思う。
メールの横にいる。
会議の後にいる。
コードの隣にいる。
資料作成の途中にいる。
学習のそばにいる。
生活の手続きの入口にいる。
でも、それだけではハッピーエンドにはならない。
AIが賢くなることと、社会が良くなることは同じではない。
ハッピーエンドにするには、人間側の設計が必要だ。
AIに任せる部分を決める。
人間が責任を持つ部分を残す。
浮いた時間を詰め込むだけにしない。
使える人だけが得をする状態にしない。
間違いを前提に、確認の仕組みを作る。
現場の人が使いやすい形に落とす。
そういう地味な設計が積み重なったとき、AIはかなり良い道具になる。
「なんか、未来予測というより、未来の作り方の話になったね」
ジェミーが笑った。
たしかにそうだと思った。
2年後の未来は、どこか遠くからやってくるものではない。
今、どの作業をAIに渡すか。
今、どの判断を人間に残すか。
今、どんなルールを作るか。
今、誰が置いていかれないようにするか。
その積み重ねで、かなり変わる。
AIがもたらすハッピーエンドは、AIが勝手に用意してくれるものではない。
人間が、AIを人間のために使うと決めたときにだけ生まれる。
2年後、僕たちが少し疲れにくくなっていて、少し学びやすくなっていて、少し作りやすくなっていて、少し人にやさしくできる余白を持てていたら。
それは、かなり良い未来だと思う。
※本記事は「ハッピーエンド版」です。表裏一体の2年後を、ぜひ合わせてお読みください。「バッドエンド版」はこちら👇
