AIが「作り手」になる時代、私たちは何を磨くべきか
AI活用の格差と、これからのスキル開発についての個人的な整理
生成AIの活用が進むほど、人の仕事は「作る」から「AIに作らせたものを定義・評価・判断する」へ移っていく。 そうだとすれば、「作る力」を磨く今のスキル開発は、1年ほどで効率の悪いものになるかもしれない。 この記事では、職場で見えている状況をもとに、そう考えた理由を整理する。
観察実際に見えていること 仮説個人の推測 提案こうしたらどうかという方向性
1同じチームの中でも、AIの使い方に大きな差がある
観察同じ部署の中でも、AIの使い方には6段階ほどの差がある。上の段階ほど「AIに作らせ、人は回す」形に近づく。
Lv0
ほぼ使っていない
従来どおり人の手で作業。効率化できる余地が最も大きい
Lv1
社内標準のAIチャット
初期設定のまま〜モデルの切り替えまで。物足りなさを感じて止まりやすい
Lv2
有料の外部AIを個人で利用
意欲は高いが、会社が把握していない「シャドーAI」として統制上の懸念がある
Lv3
社内のAgent基盤
最小限のAgent利用。「AIに任せる」体験の入口
Lv4
コーディングエージェント＋外部ツール連携
ローカルでループ（AIが実行→人がレビュー→修正）を回す。人は設計とレビューに寄っていく
Lv5
データ基盤上でのループ
クラウドのデータ基盤やクローリングまでAgentに任せる。コストを考え、チャットで足りる作業はチャットへ振り分ける。ツールの使い分けそのものが設計の対象になる
※ Lv2は「やる気はあるのに、会社が用意した手段では足りず、リスクのある方へ流れている」状態だと見ている。禁止するよりも、会社が認めたツールで上の段階へ進める道筋を示すほうが、根本的な対策になると考える。
2なぜ管理職ほどAIを使っていないように見えるのか
観察傾向
- AIの活用度が低い人は、メンバーより管理職に多い印象がある
- 年次の影響もありそうだが、それだけでは説明しきれない
仮説業務の性質の違いが主な原因
- 管理職は判断・調整・評価が中心。何かを作るのは、自分も手を動かすプレイングマネージャーの場合に限られる
- メンバーは資料・分析・企画など「作る」仕事が中心
- 今の生成AIは「作る」仕事と相性が良いため、結果としてメンバーのほうが活用が進む
ただし、ここには逆説がある。AIへの依存度が極端に高まると、メンバーの仕事は「作る」から「AIが作ったものを管理する」に変わる。つまり最後に行き着くのはマネジメント業務だ。そうなると、管理職がすでに持っている「任せる・評価する・判断する」力こそが、これからの現場で必要なスキルになる可能性がある。
3マトリクス：AIの活用度 × 業務の重心
| 移行ルート | 示唆 |
|---|---|
| ① 今の延長 | 仮説作る力を磨く。短期の効率化には効くが、作業そのものはAIに置き換わっていくため、磨いた力の多くが1年ほどで古くなるおそれがある。 |
| ② 行き着く先 | 仮説AIへの依存度が極めて高い個人では、すでにこの変化が起きている。人の役割は、指示・レビュー・ループの設計・最終判断に移る。 |
| ③ 管理職の近道 | 仮説判断や評価の力はすでにあるので、AIを実際に使う経験さえ積めば、最短で目指す象限に届く可能性がある。「管理職はAIに弱い」は固定的な弱みではない。 |
提案①を通らずに、②と③を意識したスキル開発に寄せられないか。メンバーは「作りながらAIのマネジメントを学ぶ」。管理職は「判断力を持ったままAIを触る」。両者が逆方向から同じ象限を目指す形になる。
4段階を上がるために必要な力
提案Lvを上がるときにつまずくポイントは、ツールの操作よりも、業務の側にあると感じている。それぞれを越える力が、そのまま「AI時代のスキル」になると考える。
| 必要な力 | 具体的には | 主に効く段階 |
|---|---|---|
| 言語化する力 | 頭の中にある判断基準を、AIに渡せる指示・ルール・定義に書き下す | Lv0 → Lv1〜2 |
| 仕組み化する力 | 前後の処理はSQLやスクリプトなど既存の仕組みで固定し、AIの役割は判定や下書きに絞る。ループとして回る形にする | Lv2 → Lv3〜5 |
| 線を引く力 | AIに任せる範囲、人が確認する範囲、データの扱いを決める。責任とガバナンスの設計 | Lv5以降／管理職の領域 |
補足：AIがあればBIはいらないのか
「AIがあればBI（データの可視化・分析ツール）はいらないのでは」という議論もよく聞く。個人的には、BIの本当の役割は見た目をきれいにすることではなく、全員が同じ基準で見て、早く意思決定することだと思う。だから「AI vs BI」ではなく、BIを判断の土台にして、その場限りの分析や作業をAIに任せる「AI × BI」の形が現実的であり、上の「仕組み化する力」ともつながる。
5スキルの重心はどこへ移るのか
| 観点 | これまでの重心 | AI時代の重心 |
|---|---|---|
| 成果物 | 自分で作る | AIに作らせる前提で、要件を決め、品質を評価する |
| 創造性 | ゼロから生み出す力 | たくさんの候補から選び抜き、方向を決める「目利き」の力 |
| 専門性 | ツール操作に慣れていること | 業務知識と、業務の意味の理解（AIの間違いに気づくための土台） |
| 効率化 | 個人の作業スピード | 使い回せる仕組み（ループ・BI・プロンプトの蓄積）を残すこと |
| 判断 | 管理職だけが行うもの | メンバーにも毎日発生する（AIが作ったものを採用するかどうか） |
創造性はどこまで磨くべきか（暫定の答え）：ゼロから生み出す力を磨くことの重要度は、下がっていってよい。一方で、良いものと悪いものを見分ける力、つまり判断のための創造性は、むしろ重要になる。AIが大量に作れるようになるほど、「どれを採用するか」の判断が全体の速さを決めるようになるからだ。
6組織で取り組むなら
How toの共有会にしないために、参加者それぞれが「自分の業務を1つ」選び、それを題材にする形がよいと考えている。
- 現在地を共有する：自分の業務がマトリクスのどこにあるかを確認する（評価ではなく、地図を作るのが目的）
- 言語化する：選んだ業務の判断基準を、AIに渡せる指示として書けるか試す
- 仕組み化する：その業務をどこまで仕組みにできるかを話し合う（先行者のデモは短くとどめる）
- 線を引く：AIに任せる範囲と、人が判断する範囲を決める
- 振り返る：作業時間・品質・判断の質がどう変わったかを共有し、スキルの定義を見直す
運営で気をつけたいこと
- AI活用度の高低を、人の評価や比較に使わない
- 先行者が話すときは、ツールの紹介ではなく「何を任せ、何を自分で判断しているか」を中心にする
- シャドーAIは責めずに取り上げ、会社が認めたツールで置き換える道筋とセットで話す
7おわりに
AIを活用できているかどうかの差は、「新しいツールに慣れているかどうか」の差に見えやすい。しかし本質は、「作る人」から「任せて判断する人」への役割の変化に、どれだけ早く向き合えているかの差なのだと思う。そう考えると、今はAIを使えていないように見える管理職が、実は一番近い場所にいるのかもしれない。
