AI時代、「仕事ができる人」は何が違うのか――人とAIを束ねる「知能の運用力」
これまで、仕事ができる人の一つの典型は、自分で手を動かし、最後までやり切れる人だった。
情報を集め、分析し、資料を作り、必要なら徹夜してでも期限までに完成させる。若手やスタッフに任せた仕事の質が基準に届かなければ、自分で巻き取る。
こうした人は、組織の中で高く評価されてきた。実際、仕事を前に進める力が強かったからだ。
しかし、AIが普及すると、この「仕事を前に進める力」の中身は大きく変わるかもしれない。
AI時代に価値が下がるのは、プレイヤーそのものではない。
自分の頭と手だけを使って成果を出す、自己完結型の働き方なのではないか。
「自分でやった方が早い」が合理的だった時代
これまで、人に仕事を任せるには大きなコミュニケーションコストがかかった。
目的や背景を説明し、完成イメージを共有し、途中で進捗を確認し、返ってきた成果物をレビューする。相手の経験や能力が足りなければ、何度も修正を依頼しなければならない。
自分なら一時間でできる仕事に、説明とレビューで二時間かかることもある。
そのため、
「説明するより、自分でやった方が早い」
「任せて手戻りするくらいなら、自分で完成させた方がいい」
という判断には、短期的な合理性があった。
特に、情報収集、分析、資料作成、文章化といった仕事では、力量のある人が自分で巻き取ることで、高い品質と速度を両立できた。
言語化や委任が苦手でも、自分の労働時間を投入すれば成果を出せたのである。
自分の時間をBetする優位性が失われる
AIは、人間とは比較にならない速度で、大量のアウトプットを作る。
これまで優秀なプレイヤーが徹夜して作っていた資料や分析も、AIを適切に使えば短時間で複数案を作れるようになる。
もちろん、AIは何でも自動的に完成させてくれるわけではない。事実確認や品質管理も必要であり、完全に自律して長時間働かせるには、エージェントや実行環境の設計も必要になる。
それでも、個人の労働時間や処理速度を競争力にすることが難しくなる方向は変わらない。
三人のチームがあるとき、これまでは三人月の工数を前提に、何ができるかを考えていた。
これからは、三人の人間に加えて、それぞれが複数のAIやエージェントを使える状態が前提になるかもしれない。
リサーチを担当するAI、分析を担当するAI、反論を考えるAI、資料構成を作るAI、成果物をレビューするAI。
三人の人間が、それぞれ複数の外部知能を動かす。
そうなれば、一人月に期待される仕事の量と速度は変わる。
自分一人でどれだけ速く作業できるかという能力の重要性は、相対的に小さくなる。代わりに問われるのは、外部の知能を使って、どれだけ大きな成果を生み出せるかである。
自分の頭の中を、他人の脳で再現できるか
これまでの管理職の中には、若手やスタッフの成果物が期待に届かないと、自分で仕事を巻き取る人がいた。
あるいは、返ってきた成果物にひたすらダメ出しを続け、若手やスタッフに過剰な負荷をかけてしまう人もいた。
もちろん、相手の経験や能力が不足している場合もある。
しかし、その管理職自身が、自分のやりたいことを他人の脳で再現させるためのコミュニケーションをできていない可能性もある。
本人の頭の中には完成像がある。
どの論点を重視すべきか。どこまで分析すべきか。何をもって良い成果物とするか。どの表現では意思決定者に伝わらないか。
本人は、成果物を見れば良し悪しを判断できる。
一方で、その判断基準を事前に言葉にし、相手が再現できる形で渡せない。
返ってきた後で「違う」「浅い」「分かっていない」と指摘するが、どうすれば期待する水準へ到達できるのかは十分に伝えられていない。
これは、レビュー能力は高いが、ディレクション能力は弱い状態とも言える。
それでも、最後に自分で巻き取れば仕事は成立した。
自分の作業能力が、自分の言語化不足や委任能力の弱さを覆い隠していたのである。
人に仕事を頼むことと、AIに仕事を頼むこと
人に仕事を頼むことと、AIに仕事を頼むことは、もちろん完全に同じではない。
人間には感情があり、モチベーションがあり、成長や信頼関係もある。AIとのコミュニケーションには、それらとは異なる特徴や制約がある。
それでも、仕事を進める構造には大きな共通点がある。
自分の頭の中にあるゴールや完成イメージを外に出す。相手の能力や得意分野を見極める。処理可能な単位に仕事を分け、必要な背景や判断基準を渡す。
返ってきた成果物を確認し、自分の意図との差分を特定する。その差分を修正指示に変え、最終的な成果へ統合する。
人に依頼する場合も、AIに依頼する場合も、やっていることは、
自分以外の知能を使って、頭の中にあるToBeを現実にすること
である。
自分一人では、時間やタスク量に限界がある。
だから、同じToBeを共有し、自分の思考の一部をトレースしてもらう。必要に応じて、自分にはなかった知識や視点も加えてもらう。
相手が人間なのか、AIなのかという違いはあっても、外部の脳を活用して成果を作るという点では、かなり近い。
AI時代に求められる「知能の運用力」
この能力を一言で表すなら、知能の運用力なのだと思う。
知能の運用力とは、単に指示を出すことではない。
自分が何を実現したいのかを構想し、それを外部へ伝える。相手の能力と限界を理解し、適切な役割を与える。
返ってきた成果を評価し、必要な修正を行い、複数の知能が生み出したものを一つの成果へ統合する。
自分の考えを再現させるだけではなく、自分一人では到達できなかった視点や知識を受け取り、成果を拡張することも含まれる。
これまでのチームマネジメントは、主に人間という外部知能をどう活用するかだった。
これからは、人間に加えて、生成AI、専門エージェント、社内データ、外部サービスなど、性質の異なるリソースを組み合わせて成果を作る。
組織上は一人のプレイヤーであっても、複数のAIに役割を与え、出力をレビューし、統合するなら、仕事の構造としては小さなチームをマネジメントしている。
マネジメント能力は、管理職だけに求められるものではなくなる。
現在の入口は、言語化力である
知能の運用力は、言語化力だけで構成されるものではない。
何を考えるべきかを決める構想力。仕事を適切な単位に分ける能力。成果物の良し悪しを判断する評価力。複数の出力を一つにまとめる統合力も必要になる。
それでも、現在のAIとの接点が自然言語を中心としている以上、言語化力は極めて重要な入口になる。
目的は何か。なぜ必要なのか。誰が何に使うのか。何を優先し、何を捨てるのか。どの水準まで作るのか。何をしてはいけないのか。
こうした前提を伝えなければ、AIは人間の頭の中にある完成像を理解できない。
AIから期待と違う出力が返ってきたときにも、単に「違う」と伝えるだけでは足りない。
どこが違うのか。なぜ違うのか。どの判断基準を修正すべきなのか。
自分の意図との差分を言葉にし、次の指示へ変換する必要がある。
これまで、自分で仕事を完結させることで隠すことができた言語化力の弱さが、AI時代には露出する。
人にうまく仕事を依頼できなかった人は、同じ理由でAIにも仕事を依頼できない可能性がある。
そして、これまでのように自分の労働時間や作業速度で解決しようとしても、その領域ではAIを活用する人に勝ちにくくなる。
AIは、間違った方向にも速く進む
AIは短時間で大量のアウトプットを作れる。
それは大きな強みであると同時に、コントロールの難しさでもある。
期待値や前提がずれたまま仕事を任せると、AIは間違った方向にも高速で進む。
量は多く、見た目も整っている。しかし、そもそも解いている問いが違う。分析は丁寧だが、意思決定には使えない。
長時間動かした後で、成果物全体がお門違いだったと分かることもある。
人間に大量の修正を依頼する場合、これまでは残業、疲弊、離職、心理的安全性といった労務上のコストが発生した。
AIの場合、人間的な疲弊は起きない。しかし、コストがなくなるわけではない。
大量のトークンを消費し、実行時間が増え、生成された成果物を人間が読み、評価し、修正する時間も必要になる。
雑な指示でも何度でも作り直せるため、仕事が進んでいるように見えながら、生成量だけが増え、完成には近づいていない状態も起こりうる。
だから、AI活用では、最初から完璧な長文プロンプトを書くことだけが重要なのではない。
方向性を合わせ、小さな成果物を作らせ、早い段階で判断基準を確認する。そのうえで、大量処理や長時間の実行を任せる。
どの段階でAIを止め、何を確認してから次へ進めるかを設計することも、知能の運用力の一部である。
プロンプト集は、AI活用の本質ではない
AIの使い方として、便利なプロンプトや新機能が紹介されることは多い。
もちろん、それらを知ることには意味がある。
しかし、それはOfficeソフトのショートカットキーを覚えることに近い。作業効率は上がるが、それだけで仕事の成果が決まるわけではない。
人間にお手本を渡し、その通りに模写してもらうことはできる。
しかし、一つの型を再現できるようになったからといって、新しい課題に対して自分で考え、派生したアウトプットを作れるとは限らない。
AIも同じである。
決まった入力に対して決まった出力を返す旧来型のシステムとして扱うなら、テンプレート化されたプロンプトでも十分かもしれない。
しかし、AIを外部の知能リソースとして活用するなら、必要なのは単発の命令ではない。
何段階もの対話を通じて期待値や認識を合わせ、できることとできないことをすり合わせ、互いの役割を調整する必要がある。
AIを使うことと、AIを運用することは違う。
AIを使うとは、自分の作業を一部代替させることである。
AIを運用するとは、自分一人では到達できなかった成果を、人間とAIのチームによって生み出すことである。
知的パートナーには、記憶と文脈理解が必要になる
AIを単発の作業代替ではなく、知的活動のパートナーとして使うなら、かなりの対話量が必要になる。
何を重視するのか。これまでどのような議論をしてきたのか。どの仮説に納得し、どこに違和感を持ったのか。
こうした文脈を共有しなければ、AIは人間の未完成な思考に深く伴走できない。
そのためには、一つのルームやProjectの中で対話を重ね、過去の文脈を保持することが重要になる。
一方で、単一の対話空間に履歴を蓄積し続けると、コンテキストが膨らみ、トークン消費や応答速度、情報ノイズの問題が起きる。
AIを深く使うほど文脈が必要になるが、文脈が増えるほど利用コストも高くなる。
ここには相反する構造がある。
真の知的パートナーに必要なのは、すべての会話を毎回読み直すことではない。
過去の対話から、共有している前提、重要な概念、現在の仮説、未解決の論点を抽出して保持する。必要なときだけ、原文や関連情報を取り出す。
つまり、AIには知能の向上だけでなく、何を残し、何を圧縮し、いつ取り出すかという記憶の編集能力も求められる。
人間側とAI側、双方の進歩が必要になる
AIには、大量の横断的な知識と、高い論理的思考力がある。
しかし、その能力は、存在するだけでは人間の成果にならない。
人間側には、自分の目的や違和感を言葉にし、AIの能力と限界を見極め、対話を通じて必要な知識や視点を引き出す力が必要になる。
AI側には、過去の文脈を理解し、人間が毎回すべてを説明し直さなくても、未完成な思考に伴走できる能力が必要になる。
人間が目的や問いを持ち込む。AIが知識や論理を持ち込む。
対話によって、どちらか一方だけでは到達できなかった場所へ進む。
AI時代に求められるのは、人間がAIへ一方的に正解を命令することではない。
人間とAIの間に、質の高い共同思考を成立させることである。
「仕事ができる人」の定義は変わっていく
AI時代に価値を失うのは、プレイヤーそのものではない。
自分で手を動かす能力も、専門知識も、成果物の良し悪しを判断する力も、引き続き重要である。
変わるのは、それらを自分一人の中で完結させることの価値だ。
これまでの仕事ができる人は、自分で大量の仕事を処理し、高品質な成果物を作れる人だった。
これからの仕事ができる人は、自分の構想を外部へ伝え、人間やAIの能力を見極め、それぞれに仕事を任せ、返ってきた成果を修正・統合できる人になる。
自分の脳と手だけを使うのではなく、複数の知能を束ねて成果を生み出す。
仕事を前に進める力は、本人がどれだけ作業できるかではなく、
本人が、人間とAIを含む知能の集合体から、どれだけ大きな成果を引き出せるか
によって測られるようになるのかもしれない。
AI時代に問われるのは、プロンプトを書く技術だけではない。
外部の知能と認識を合わせ、協力し、自分一人では到達できなかった成果へ進むための、知能の運用力なのである。
【この記事が興味深かった方は、以下記事もおすすめです】
＜おすすめ記事①＞
AI時代の『仕事ができる』を考えるなら、人間がボトルネックになる構造もぜひ。
＜おすすめ記事②＞
仕事の定義が変わる先で、ビジネスパーソンに何が求められるのかをもう一段進めています。
＜おすすめ記事③＞
逆に、AI以前から変わらない『仕事ができる』の基礎を、コンビニの仕事から考えています。
#毎日note #AI #生成AI #働き方 #マネジメント #言語化 #仕事術 #組織論 #AI活用 #ビジネス #AI時代 #テクノロジー #デジタル #生産性 #キャリア #考察 #ビジネス考察 #社会考察 #現代社会 #価値観
