AIと仕事の話は、しばしば「この職種はなくなるか」という予想になる。
だが、仕事は職種名のまま一枚で存在しているわけではない。課題を見つける。調べる。計算する。作る。確認する。説明する。承認する。顧客へ届ける。多数のtaskが束になって、一つの役割に見えている。
AIが先に変え始めたのは、名刺の肩書きではなく、このtaskの受け渡し方かもしれない。
AIは職種を丸ごと置き換える前に、誰がどのtaskを担うかをどう変えているのか。
43.5%の仕事が、職種の境界を越えていた
職種別の差と研究上の注意を、同じ画面で読み取る。
OpenAIは2026年7月、米国のChatGPT利用者による80万件超のmessageを分析した調査を公開した。
文章作成や要約など多くの職種に共通するgeneric taskを除いたうえで、occupation-specificな利用の43.5%が、利用者自身の職種とは別の職種に結びつくtaskだったと報告している。
customer experienceでは77%、designでは75%、human resourcesでは69%、legalでは56%、marketingでは53%が職種外taskに分類された。
たとえばmarketerがwebsiteをtroubleshootし、小規模事業者が契約書を確認し、salespersonがcustomer dataを分析する。以前なら専門部署へ渡していた小さな仕事を、課題を最初に見つけた人がAIとともに前へ進める。
これは興味深い早期signalだが、注意も必要だ。職種とtaskは推定・分類を含み、成果物の品質や雇用の増減を直接測った研究ではない。43.5%を「仕事の半分が代替された」と読むのは誤りだ。
最初になくなるのは、仕事ではなく「手渡し待ち」かもしれない
現場の人と専門家が、滞留するバトンリレーではなく滑らかな共同作業へ移る。
組織の仕事には、小さな待ち時間が多い。
数字を一つ出すためにanalystへ依頼する。Webの文言を直すためにdeveloperの順番を待つ。契約書の論点を整理するためにlegalへ投げる。資料を見やすくするためにdesignerへ渡す。
専門家の確認が必要な仕事は残る。しかし、依頼の準備、初稿、簡単な実装、論点整理まで毎回すべて手渡す必要は薄くなる。
AIで減るのは、専門家そのものより、専門家へ渡す前後の摩擦である。
その結果、専門家はゼロから作る仕事より、難しい判断、例外、quality control、責任を引き受ける比率が増える。一方、現場の人は「依頼する人」から、一定範囲を自分で完遂する人へ変わる。
コード経験の壁が下がっても、問題理解の差は残る
AIで越境し、専門性で品質を守る。役割ではなく成果から逆算する。
Anthropicは、2025年10月から2026年4月までの約40万件のClaude Code sessionを分析した。主要な職種では、coding taskの成功率がsoftware関連職と平均で数point以内に収まったという。
しかし同時に、domain expertiseが高い利用者ほど成功しやすく、errorや誤解から復旧しやすい傾向も観測された。典型的なsessionでは、人間が「何を作るか」を多く決め、Claudeが「どう作るか」を多く決めていた。
つまり、coding skillの壁が薄くなることと、誰でも同じ結果になることは同義ではない。
操作方法の知識より、何が問題か、どこが危険か、どの結果なら使えるかを判断するdomain knowledgeが、agentを通じて実装力へ変わる。
一人が何でもやる、とは少し違う
task crossoverを「全員が何でも自分でやる会社」と捉えると危険だ。
legalの最終判断、医療・金融の助言、security incident、会計処理など、資格、独立性、二重確認、組織的責任が必要な仕事はある。AIで初稿が作れることは、承認権限まで移ったことを意味しない。
大事なのは、taskごとに五つを分けることだ。
発見──誰が課題を最初に見つけるか
判断──何が正しい成果かを誰が決めるか
実行──どこまでagentへ渡せるか
確認──test、原本、専門家reviewの何で確かめるか
責任──顧客、法務、安全、公開判断を誰が引き受けるか
実行範囲は広げても、判断と責任を霧の中へ消さない。この設計がなければ、task crossoverは能力拡張ではなく責任の押し付けになる。
個人が強くなっても、組織が遅いままなら詰まる
Microsoftの2026 Work Trend Indexは、10市場2万人のself-report survey等から、個人のAI skillだけでなく、組織文化、managerの支援、workflowへ埋め込める環境が成果と関係すると報告している。
一人がAIで速くなっても、承認が紙のまま、正本が散在し、成果を共有する場所がなく、次の人が同じ試行をやり直すなら、組織全体は速くならない。
局所的な成功を、共有できるroutine、skill、docs、template、automationへ残す。Microsoftはこれを組織固有の知識が蓄積する姿として論じている。
ただし、このsurveyは自己申告の相関であり因果を証明しない。文化を変えれば必ず何倍になる、という単純な話ではない。それでも、個人skillだけを研修して終わる導入が弱いことは、実務感覚とも一致する。
能力拡張と不安は、同時に起きている
AIの仕事論を、楽観だけで包むべきでもない。
AnthropicがClaude利用者8.1万人へ行ったsurveyでは、生産性向上の実感とjob displacementへの不安が同時に現れた。AI exposureが高い職種やearly-careerで不安が強い傾向も報告されている。
回答者はactive Claude userでありselection biasがある。それでも、速くできるようになった人ほど将来を安心している、とは限らない点は重要だ。
組織が「AIで何倍」とだけ言い、学習時間、評価、責任、career pathを示さなければ、能力拡張は不安と過重労働へ変わる。人は、空いた時間にさらに仕事を詰め込むためだけにAIを使いたいわけではない。
職種名ではなく、task mapで仕事を作り直す
AI導入で最初に作るべきものは、全社員共通のprompt集ではない。現場のtask mapである。
何に時間がかかっているか
どこで他部署待ちが発生するか
初稿や反復をagentへ渡せるか
正しさを機械的に確認できるか
専門家reviewが必要な境界はどこか
一度の成功を次回へ残せるか
この地図があれば、「AIを使う」から「仕事の流れを変える」へ進める。
一人会社は、task crossoverの実験場になる
少人数の会社では、企画、調査、実装、営業、発信、運用がすでに一人の周囲へ集まっている。AIによって、その横断が初めて現実的な速度で回り始める。
ただし、一人で抱え込むのではない。AIへ実行を渡し、必要な専門家reviewを残し、正本と履歴で未来の自分や別workerへ引き継ぐ。
EDIFORCEが目指すのも、万能な一人を演じることではなく、課題を見つけた地点から、責任ある成果までの手渡し摩擦を減らすことだ。
結論──肩書きより、問いを持つ人が強くなる
AIが職種を消すかどうかの答えは、まだ出ていない。だが、職種の境界を越えてtaskが動き始めている兆候はある。
実装手段が広く配られた時、価値がなくなるのは専門性ではない。何を解くべきかを知らず、結果の良し悪しを判断できず、責任の場所も決めないまま操作だけを覚えることだ。
課題を知る人が、AIを通じて自分の判断を形にできる。専門家は、より難しい判断と品質へ集中できる。その二つを繋ぐ仕事の設計が、次の競争力になる。
