【好奇心のままAIに聞く[054]】AI時代に消えるのは職業か、作業か～過去の消えた職業から考える新人育成の崩壊～
【前置き】
この記事は、筆者がChatGPTに日常の疑問を質問し、その回答をもとに、筆者が感想等を加えたものです。
AIの回答には誤りが含まれる可能性があります。
内容には検証をしていない知識が含まれます。
ご承知の上で、知的好奇心を刺激するある種のフィクションとしてお楽しみください。
「わかりやすさ」と「読みやすさ」を追求するため、以下の流れで記載しています。
１ 私（人間）の質問【人間作成】
２ 背景【人間作成】
３ AIが２名分のペルソナ（仮想人格）として対話をしつつ解説【AI作成】
（再質問がある場合、再質問として１、３を再実施）
４ 私（人間）の感想【人間作成】
５ 評価検証用AIが別のペルソナ（仮想人格）として質問と回答を検証・評価【AI作成】
チノーちゃん：解説役AI。基本的に質問には彼女に答えてもらいます。
ムーノちゃん：会話の相手役AI。チノーちゃんの解説への合いの手や、フォロー、補足をしてもらうためのAIです。
ヒョーカちゃん：質問回答そのものを評価検証する役のAI。チノーちゃんの解説、質問自体への評価をしてもらうためのペルソナです。検証・評価はClaudeにしてもらっています。
【最初に結論：この記事3行でまとめ】
技術革新では、職業全体が一瞬で消えるというより、まず「個別の作業の単価」が崩れていく。
生成AIによって、会議録、文書初稿、調査集計、催促、差分確認など、若手が経験を積むために担ってきた作業が代替されやすくなる。
その結果、職場が意識して現場学習を設計しないと、「経験を積んでいない危ない中堅」が増える危険がある。
１ 今回の質問
昔は食べていけた仕事、一家の大黒柱がやる仕事で、今はアルバイトにすらならなくなった仕事はありますか？
特に、技術革新によって消えた仕事、それまでは広くされていた仕事なのに、今では仕事としては生活できなくなっている仕事が知りたいです。
また、逆にずっと昔から続いている仕事はどのような仕事でしょうか？
２ 背景
『AIの発達で無くなる仕事はこれだ！』とあちこちで言われていますが、どれも説得力があるようにも見えるし、決め手に欠けるようにも思います。
未来予知ができるわけでもないので当然です。
一方、『過去のことは確定情報なので、聞いてみよう』と思ったのがきっかけです。
タイピストとか、エレベーターガールとか、一昔前にはあった職業が無くなるというのは、今に始まったことではありません。
それらを見ることで、私たちも『この仕事はなくなりました』と言われたときのせめて心の準備にしようと言うわけです。
３ 回答（チャットGPT）
【チノーちゃん】
結論から言うと、あります。しかも「珍しい特殊職」ではなく、かなり普通に社会を支えていた仕事が消えています。
ただし、ここで大事なのは「仕事名が消えた」よりも、「その仕事だけで食べるほどの専業性が消えた」という点です。雑に「AIでこの職業は全部消える」と言う人は、だいたいここを混同しています。
【ムーノちゃん】
つまり、仕事そのものが跡形もなく消える場合もあるけど、多くは「別の仕事の一部になる」「機械を使う人の作業になる」「趣味・観光・高級サービスとしてだけ残る」ということですね。
（1）昔は仕事だったが、今は生活できる職業としてはほぼ消えたもの
【チノーちゃん】
代表例は、電話交換手です。昔は電話をかけると、人間の交換手が相手先につなぐ必要がありました。20世紀初頭のアメリカでは女性の代表的職業の一つでしたが、自動交換機の普及で多くが置き換えられました。
参考URL：https://www.richmondfed.org/publications/research/econ_focus/2019/q4/economic_history
【ムーノちゃん】
これはAI時代にもかなり似ていますね。最初は「機械だけでは不安」「人間がいないと困る」と思われる。でも、慣れてしまうと「最初からボタンでよかった」となる。
【チノーちゃん】
次に、タイピスト、ワープロ専任、清書係、データ入力専業です。
昔は「文章を速く正確に打つ」だけで専門職になりました。しかし今は、多くの人が自分で入力し、音声入力、OCR、テンプレート、AI補助も使えます。
辛口に言えば、「文字を打てる」だけでは、もう技能として売りにくい。そこに編集、要約、事務判断、顧客対応、情報管理が乗らないと仕事になりにくいです。
参考URL：https://www.bls.gov/emp/tables/fastest-declining-occupations.htm
【ムーノちゃん】
でも、文章を扱う仕事が消えたわけではないんですよね。文章作成、校正、議事録、広報、法務文書などは残っている。ただ「打つだけ」の価値が下がった。
【チノーちゃん】
その通りです。速記者も似ています。日本の厚生労働省 job tag では、速記者・音声反訳者は、議会・裁判・会議などを記録して原稿化する仕事と説明されています。
一方で、最近では速記符号での書き取りは補助的になり、国会では音声認識システムによる文字化に変わってきていると説明されています。
つまり、消えたというより、速く書く技能から、録音・音声認識結果を確認して正確な記録に仕上げる仕事へ移ったわけです。
参考URL：https://shigoto.mhlw.go.jp/User/Occupation/Detail/424
（2）技術革新で「職人の主戦場」が変わった仕事
【ムーノちゃん】
印刷関係も大きそうです。活版印刷、植字、写植とか。
【チノーちゃん】
はい。活版の文選工・植字工・写植オペレーターは、かなり分かりやすい例です。
昔は文字を組む、版面を作る、写真植字する、という作業に専門設備と専門技能が必要でした。ところがDTP、つまりデスクトップ・パブリッシングによって、個人用コンピューターで出版作業が可能になりました。
ここで消えたのは「文字を美しく組む需要」ではありません。消えたのは、特定の機械と工程に閉じ込められた専門職です。今はDTPオペレーター、デザイナー、編集者、組版ソフトを扱う人に吸収されました。
参考URL：https://www.britannica.com/topic/desktop-publishing
【ムーノちゃん】
需要は残るけど、作業工程が変わる。これはAIでも起きそうです。文章、画像、資料作成の需要は残るけど、下作業だけの人は厳しくなる。
（3）生活インフラの変化で消えた仕事
【チノーちゃん】
街灯点灯人、ランプライターも典型例です。ガス灯や油灯を人間が夕方に点け、朝に消して回る仕事でした。電灯が普及すると、街路を一本一本回る必要がなくなり、発電所や電気設備側の管理に仕事が移りました。
低品質な言い方をすれば、「街を明るくする仕事」は残ったが、「棒を持って街灯を点けて回る仕事」は消えた、ということです。
参考URL：https://forgottennewengland.com/2012/11/22/past-occupations-lamplighters-in-lowell-massachusetts/
【ムーノちゃん】
なるほど。目的は残るけど、手段が変わる。
「明かりを守る人」から「電力・設備を守る人」に変わったわけですね。
【チノーちゃん】
氷屋・氷配達人、牛乳配達人も似ています。家庭用冷蔵庫が普及する前は、氷を届けたり、牛乳を毎朝届けたりする意味が大きかった。家庭用冷蔵庫、スーパー、包装容器、自動車の普及で、「毎日家まで届けないと保存できない」という前提が崩れました。
参考URL：https://drinkmilkinglassbottles.com/the-day-the-milkman-went-away-a-history-of-home-milk-delivery/
（4）完全消滅ではなく「観光・高級・例外対応」として残る仕事
【ムーノちゃん】
エレベーター係やエレベーターガールはどうですか？
【チノーちゃん】
かなり良い例です。昔のエレベーターは、人間が扉を開閉し、速度や停止位置を調整し、階を案内する必要がありました。今は自動化され、ほとんどの利用者はボタンを押すだけです。
ここで重要なのは、「人間がいた方が丁寧」というだけでは職業は守れないということです。多くの利用者が「安くて早くて十分安全なら機械でよい」と判断した瞬間、その仕事は一気に縮みます。
参考URL：https://nypost.com/2025/06/17/real-estate/meet-one-of-the-last-elevator-operators-in-nyc/
【ムーノちゃん】
ちょっと厳しいけど、AIにも当てはまりますね。
「人間がやった方が温かい」は、必ずしも雇用を守る決め手にはならない。お金を払う側がそこに価値を感じるかが問題。
（5）逆に、昔からずっと続いている仕事
【チノーちゃん】
長く残る仕事には、だいたい共通点があります。
第一に、身体・土地・物理空間に強く結びつく仕事です。農業、漁業、林業、建築、修理、運搬、清掃などです。
たとえば稲作農業者は、現在でも水田で稲を栽培し、収穫して出荷する仕事として整理されています。ただし、昔は手作業だった多くの工程が、今はトラクター、田植機、コンバインなどの機械に置き換わっています。
参考URL：https://shigoto.mhlw.go.jp/User/Occupation/Detail/504
【ムーノちゃん】
残る仕事でも、中身はかなり変わるんですね。農家は昔のまま鍬で作業しているわけではなく、機械と経営と販売も含む。
【チノーちゃん】
第二に、現場ごとの判断が必要な仕事です。大工は、木造住宅の新築・増改築だけでなく、工期、費用、資材、他職種との調整、施工管理まで広く関わる仕事として説明されています。
参考URL：https://shigoto.mhlw.go.jp/User/Occupation/Detail/26
【ムーノちゃん】
大工さんは「木を切る人」ではなく、「現場で建物を成立させる人」なんですね。
【チノーちゃん】
第三に、人間の身体・生命・不安に関わる仕事です。医療、看護、介護、保育、葬儀、相談、警備などです。
看護師は、医師の診療補助、処置、健康状態の観察、体温・脈拍・血圧の測定、トリアージなど多くの判断と対人対応を含みます。
参考URL：https://shigoto.mhlw.go.jp/User/Occupation/Detail/156
（6）残る仕事と消える仕事の違い
【ムーノちゃん】
ここまで見ると、「技術で消える仕事」と「技術を取り込んで残る仕事」の差が少し見えますね。
【チノーちゃん】
かなりはっきりしています。消えやすいのは、次のような仕事です。
１つ目は、作業の入口と出口が標準化されている仕事。
電話をつなぐ、文字を打つ、データを入力する、決まった形式に整える、決まった場所まで運ぶ。こういう仕事は、機械化・ソフト化・AI化されやすい。
２つ目は、人間がやること自体に客が価値を感じなくなる仕事。
エレベーター係や電話交換手は、人間がいた時代には安心感がありました。しかし、機械が十分信頼されると「人間がいる方が高くつく」と見られる。
３つ目は、専門道具が一般化する仕事。
タイプライター、ワープロ、DTP、デジカメ、スマホ、AI。専門家しか持っていなかった道具が一般人に配られると、「それだけを扱える人」の価値は下がります。
【ムーノちゃん】
逆に残りやすいのは、身体、現場、責任、関係性、例外対応がある仕事ですね。
【チノーちゃん】
そうです。AI時代に置き換えるなら、危ないのは「答えを作る人」ではなく、責任を持たずに下書きだけ作る人です。
残りやすいのは、AIを使っても最後に、
「何を目的にするか」
「誰にどう伝えるか」
「現場で何が起きているか」
「間違えたとき誰が責任を取るか」
を扱える人です。
（7）今回の話から見える、AI時代への教訓
【ムーノちゃん】
じゃあ、「AIでなくなる仕事」に備えるなら、何を見ればいいのでしょう？
【チノーちゃん】
職業名で見るより、自分の仕事の中の作業単位で見るべきです。
たとえば「事務職がなくなる」では雑すぎます。事務職の中でも、単純入力、定型文作成、議事録の下書き、日程調整、集計表作成は危ない。一方で、制度理解、例外判断、住民・顧客対応、部署間調整、説明責任、記録の正確性確保は残りやすい。
つまり、仕事は「消える／残る」ではなく、低付加価値部分が機械に吸われ、残った部分が濃くなると見る方が現実的です。
【ムーノちゃん】
昔の電話交換手が、今ならコールセンター、通信設備、顧客対応、事務管理に分かれたように、AIでも仕事の分解と再配置が起きるんですね。
【チノーちゃん】
はい。だから心の準備としては、「私の職業名は残るか」ではなく、
私が今お金をもらっている作業は、機械が安く速くできる作業か。
人間がやる理由を相手が感じているか。
その作業は、判断・責任・現場・人間関係に接続しているか。
を見るべきです。
過去の職業消滅から見える一番の教訓は、仕事は急に消えるというより、まず「その作業だけで食える価値」が消えるということです。
電話をつなぐだけ、文字を打つだけ、灯りを点けるだけ、氷を届けるだけ。昔は必要だった。でも、技術と社会インフラが変わると、それだけでは職業として成立しなくなる。
AI時代も、おそらく同じです。仕事名より先に、作業の単価が崩れます。ここを見ておくのが、一番現実的な備えです。
４ 再質問（私）
ありがとうございました。
では、現在人間が行っている「具体的な作業」について、今は広く行っているけれど、これらの定義に照らして『なくなりそうな作業』を教えてください。
「会議音声から会議録を作る」「法律と目的と背景から決裁文書を作る」「調査データから調査書類を作る」などについては、AIの方が得意そうな気がします。特に調査については、環境さえ整えば「Web調査アンケート作成」から「集計結果分析」まで一貫して行えそうな気もします。
メールでやりとりするだけの営業なら、もしかすると人間よりも上手くリサーチできるかもしれないような気もします。
後は、内部事務として、例えば『出張旅費の精算が出ていないので催促する』とかも、グループウェアやメールで行うならAIでできるかもしれませんね。
無数に出てきそうですが、特に量が大きく影響力が大きそうな作業で生成AIに代替されそうな作業を優先して教えてください。
５ 回答（チャットGPT）
【チノーちゃん】
はい。今の段階で「なくなりそうな作業」はかなり見えています。
ただし最初に釘を刺します。職業ではなく作業で見るべきです。「事務職がなくなる」「営業がなくなる」と言うのは雑です。実際に危ないのは、事務職や営業職の中に含まれる、定型化された情報処理作業です。
【ムーノちゃん】
つまり、「人間の職場そのものが消える」というより、「その職場の中で、今まで人間が何時間もかけていた下ごしらえ作業がAIに吸われる」という見方ですね。
【チノーちゃん】
そうです。ILOの分析でも、生成AIへの職業曝露は事務系が高く、ただし多くの職業は完全代替より「仕事の変化」が主な影響になりやすいと整理されています。ここはかなり重要です。
参考URL：https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
（1）最も代替されやすい大分類は「文書を作る前処理」
【チノーちゃん】
まず影響が大きいのは、会議録、決裁文書、調査報告書、説明資料、通知文、照会文、回答案のような文書作成です。
特に危ないのは、次のような作業です。
会議音声を文字起こしする。
発言を要約する。
決定事項と宿題を抜き出す。
過去の様式に合わせて議事録を整える。
法令、要綱、過去文書、背景事情をもとに決裁文書のたたき台を作る。
調査データを集計して、調査結果の文章にする。
報告書の章立てを作る。
箇条書きメモを公文書風の文章に整える。
【ムーノちゃん】
これはまさに「タイピストの次の段階」ですね。昔は打つだけが仕事だったけど、今度は「下書きするだけ」がAIに寄っていく。
【チノーちゃん】
そうです。生成AIは、既存文書の様式に合わせて、それらしい初稿を作るのが得意です。
参考URL：https://www.anthropic.com/news/the-anthropic-economic-index
参考URL：https://www.anthropic.com/research/anthropic-economic-index-january-2026-report
【ムーノちゃん】
ただし、決裁文書はAIに丸投げできないですよね？
【チノーちゃん】
当たり前です。そこを間違えると危険です。
AIが得意なのは、初稿、整理、比較、抜け漏れチェック、文体統一です。
人間が残すべきなのは、法的根拠の最終確認、政策判断、利害関係者への説明責任、責任ある決裁です。
（2）「調査」はかなり大きく変わる
【ムーノちゃん】
「Web調査アンケート作成から集計結果分析まで」は、本当にAIでできますか？
【チノーちゃん】
できます。というより、かなり代替される可能性が高いです。
特に次の作業は危ないです。
調査目的から設問案を作る。
選択肢の抜けや重複をチェックする。
GoogleフォームやWebアンケートの設計案を作る。
自由記述を分類する。
集計表から傾向を読み取る。
クロス集計の観点を提案する。
調査結果の本文を作る。
グラフの説明文を作る。
「課題」「考察」「今後の対応案」を整理する。
【ムーノちゃん】
調査担当者が不要になるというより、「集計して文章にするだけの時間」がかなり減る感じですね。
【チノーちゃん】
はい。調査業務で残るのは、むしろ前後です。
何を調べるべきかを決めること。
設問が誘導的でないか判断すること。
対象者に答えてもらう関係性を作ること。
結果をどう政策や事業に反映するか決めること。
ここは人間の仕事です。
逆に、「回答を集めた後に、集計して、表を見て、文章にする」部分はかなりAI向きです。
（3）メール・チャットだけで完結する営業、問い合わせ対応
【チノーちゃん】
次に影響が大きいのは、メール・チャット対応、問い合わせ一次対応、定型営業です。
問い合わせ内容を分類する。
FAQから回答案を作る。
過去の対応履歴を見て返答案を作る。
顧客の業種や会社情報を調べる。
相手ごとの営業メールを作る。
返信がない相手にリマインドする。
CRMに記録する。
商談前に相手先の要点をまとめる。
このあたりは相当AI向きです。実際、生成AI支援ツールを導入したカスタマーサポートで、生産性が上がったという研究があります。
参考URL：https://www.nber.org/papers/w31161
【ムーノちゃん】
「新人の底上げ」に効くというのは大きいですね。熟練者の知識を、AIが会話中に横から出してくれるような感じでしょうか。
【チノーちゃん】
そうです。ただし営業で完全代替されやすいのは、関係構築の薄い営業です。
メールで資料を送るだけ。
相手のWebサイトを見て定型提案を送るだけ。
問い合わせに定型回答するだけ。
このレベルならAIの方が速い可能性があります。
【ムーノちゃん】
逆に、残る営業は？
【チノーちゃん】
相手の本音を読む営業。
社内調整を動かす営業。
相手の不安を受け止める営業。
仕様が固まっていない段階で課題を整理する営業。
クレームや失敗後に信頼を戻す営業。
このあたりはまだ人間の比重が大きいです。
（4）内部事務の「催促・確認・転記・進捗管理」
【ムーノちゃん】
出張旅費の精算が出ていないので催促する、という例はかなり現実味がありますね。
【チノーちゃん】
むしろ、ここはAIエージェント化の本命の一つです。
具体的には、
出張命令はあるが精算が未提出の人を抽出する。
締切前に本人へ通知する。
未提出なら上司にも通知する。
添付書類が不足している人に個別メッセージを送る。
申請内容と規程の不一致を検出する。
同じ内容をグループウェア、メール、ワークフローに転記する。
進捗一覧を毎朝作る。
こういう作業は、人間がやる意味が薄いです。人間の仕事として残すなら、例外処理、規程解釈、本人への配慮、制度改善です。
【ムーノちゃん】
つまり、AIは「気が利く庶務係」みたいになる可能性があるわけですね。
【チノーちゃん】
はい。業務プロセス内でAIエージェントが動く方向性は、企業向けレポートでも論じられています。
参考URL：https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
（5）大量に影響が出そうな作業
【チノーちゃん】
影響の大きさで並べるなら、私はこう見ます。
第一に、会議録・要約・ToDo抽出。音声、文章、決定事項の整理はAI向きです。ただし、何を正式記録にするかの判断は人間に残ります。
第二に、定型文書の初稿作成。過去文書・様式・根拠があれば作れます。ただし、法令確認、政策判断、責任は人間に残ります。
第三に、調査票作成・集計・報告書初稿。設問、集計、文章化が一連で自動化しやすいです。ただし、調査設計の妥当性や施策化は人間に残ります。
第四に、問い合わせ一次対応。FAQ・過去回答・分類が使えます。ただし、苦情、例外、感情対応は人間に残ります。
第五に、メール営業・リサーチ営業。相手先調査と文面作成が得意です。ただし、信頼形成、交渉、クロージングは人間に残ります。
第六に、庶務の催促・進捗管理。ルールと期限が明確です。ただし、例外対応や制度改善は人間に残ります。
第七に、データ転記・名寄せ・チェック。様式間変換、OCR、突合が得意です。ただし、原本確認、監査責任は人間に残ります。
第八に、簡単な契約・規程・要綱チェック。条文比較、差分検出が得意です。ただし、法的判断、リスク判断は人間に残ります。
第九に、資料作成・スライド下書き。文章、構成、図表説明が得意です。ただし、メッセージ設計、説明は人間に残ります。
第十に、簡単なプログラム・Excel自動化。コード生成・修正は実利用が多いです。ただし、要件定義、保守、事故対応は人間に残ります。
（6）会社の内部事務で特に危ない作業
【ムーノちゃん】
会社の内部事務ではどこが変わりそうですか？
【チノーちゃん】
かなり具体的に言うと、次です。
照会・回答業務。
照会文を読み、対象データを探し、回答様式に入れる作業。これはAIとデータベース連携でかなり短縮されます。
議事録・協議録。
音声から文字起こしし、発言者別に整理し、決定事項・保留事項・次回宿題を抜き出す作業。これは人間が最初から全部書く時代ではなくなります。
文書の下書き。
目的、予算、背景、過去経緯、相手方、実施内容を入れれば、文章、理由、添付資料一覧、リスク、説明文まで初稿化できます。
顧客アンケート・社員アンケート。
設問案、回答フォーム、集計、自由記述分類、報告書素案まで一気通貫でAI化しやすいです。
予算要求・事業評価の下書き。
過去実績、決算額、KPI、課題、改善案がデータ化されていれば、かなりAIが書けます。
未処理案件の催促。
旅費精算、研修報告、健康診断、回答期限、契約更新、支払処理などは、AIエージェントが毎日確認して催促できます。
規程や契約書の差分確認。
改正前後の比較、引用条文のズレ、日付や金額の不整合、表記ゆれ検出はAI向きです。
【ムーノちゃん】
こう見ると、今まで「忙しい」と言っていた仕事の中に、実はAIに渡せるものが相当ありますね。
【チノーちゃん】
あります。辛口に言えば、“忙しい”のかなりの部分は、判断ではなく、探す・整える・写す・催促する・同じ説明を繰り返す作業です。
ここはAIに削られます。というか、削られるべきです。
（7）ただし、AI化しにくい作業もはっきりある
【ムーノちゃん】
では、人間が残すべき作業は何でしょう？
【チノーちゃん】
次です。
利害調整。
関係者が納得しないと進まない仕事。AIは案を出せても、腹落ちさせることは難しいです。
責任ある判断。
処分する、契約する、予算を使う、評価する、顧客に不利益を与える。ここは人間が責任を持つべきです。
現場確認。
道路、施設、福祉、災害、介護、教育、子どもの様子など、現場の空気や身体性があるもの。
感情を受け止める対応。
苦情、相談、謝罪、説得、喪失、困窮、不安。AIの文章は作れても、「この人が自分に向き合ってくれた」という感覚は別です。
目的設定。
そもそも何を調べるのか。何のために制度を変えるのか。誰を助けるのか。これはAIに聞けても、決めるのは人間です。
【ムーノちゃん】
AIが得意なのは「処理」、人間が残すべきなのは「責任・関係・目的」ですね。
【チノーちゃん】
はい。かなり雑に言えば、AIに食われるのは“手間”で、残るのは“責任”です。
手間だけで給料をもらっていた作業は厳しくなります。責任や判断に接続している作業は残ります。
（8）仕事の現場で起きそうな変化
【ムーノちゃん】
そうなると、人は楽になるのでしょうか？ それとも仕事がなくなるのでしょうか？
【チノーちゃん】
両方あり得ます。
理想は、会議録や転記や催促がAI化されて、人間が企画、相談、改善、現場対応に時間を使えるようになることです。
しかし、現実には組織から「同じ時間でより多くの作業をこなせ」と言われる可能性も高いです。
【ムーノちゃん】
便利になったのに楽にならないパターンですね。
【チノーちゃん】
そうです。メール、Excel、グループウェアも本来は省力化の道具でしたが、結果として「処理量」が増えました。AIも同じ危険があります。
だから、個人としては「AIを使えるか」だけでなく、AIで削れた時間を何に振り向けるかが重要です。
（9）実務者が今から見るべきチェック項目
【チノーちゃん】
自分の仕事がAIに吸われるかを見極めるなら、この5つを見てください。
その作業は、入力情報がデジタル化されているか。
成果物の形式が決まっているか。
過去の見本が大量にあるか。
正解・不正解を後からチェックできるか。
相手との信頼関係や現場判断が薄いか。
この5つが揃うほど、AI化されやすいです。
【ムーノちゃん】
逆に言えば、データが紙、ルールが曖昧、現場判断が多い、相手の感情が大きい、責任が重い作業は、人間が残りやすい。
【チノーちゃん】
そうです。
ただし、「データが紙だから安全」と思うのは甘いです。紙はOCRで読まれます。安全なのではなく、単にAI化が遅れるだけです。
（10）最終結論
【ムーノちゃん】
では、今回の結論をまとめると？
【チノーちゃん】
今後、大きくAIに代替されそうな作業は、次の一群です。
会議録を作る。
文書の初稿を作る。
調査票を作り、集計し、報告書にする。
問い合わせに一次回答する。
メール営業の文面と相手先調査をする。
庶務の催促や進捗確認をする。
データを転記・突合・整理する。
規程や契約書の差分をチェックする。
資料やスライドの下書きを作る。
簡単なコードやExcel処理を作る。
このあたりは、今は多くの人間が日常的にやっていますが、今後は「人間がゼロからやる作業」ではなく、AIが作ったものを人間が確認・修正・承認する作業へ変わる可能性が高いです。
【ムーノちゃん】
「なくなる仕事」ではなく、「なくなる作業」を見た方が現実的ですね。
【チノーちゃん】
その通りです。
そして一番厳しい言い方をすると、これから危ないのは、
“何かを判断しているように見えて、実は過去の様式をなぞっているだけの作業”
です。
逆に残るのは、
何を目的にするか決める人、現場を見て判断する人、責任を取る人、人を納得させる人
です。
【ムーノちゃん】
AI時代の心の準備としては、「自分の職業名は残るか」より、「自分の毎日の作業のうち、どれがAIに渡せるか」を棚卸しすることですね。
【チノーちゃん】
はい。仕事は職業名ごと消える前に、まず作業の単価が崩れます。
会議録、下書き、調査集計、催促、転記、定型回答。
このあたりは、今後「人間が何時間もかけるのは高すぎる」と見られる可能性が高いです。
だからこそ、人間側は「作業者」から「設計者・確認者・判断者・説明者」に寄っていく必要があります。これは脅しではなく、過去の職業変化から見てもかなり現実的な流れです。
６ 追加質問（私）
「まず作業の単価が崩れる」など、非常にリアルに想像できる例でした。
しかし、そうなると「新人社員」「育休明けの社員」「畑違いの部署からの異動社員」などがやってきた「現場を知るための単純仕事」がAIの仕事になり、いきなり「設計者」や「責任者」、「指示者」から入ることになりそうですね。
「現場を知るための仕事として使えそうで、生成AIに代替されずに残りそうな仕事」はないでしょうか？
あるいは、生成AIに単純作業が代替された職場において、現場を知らない人間がいきなり「責任者」「指示者」「設計者」になる前に「現場を知るために何をするべきか」について、想定できることを教えてください。
それとも、「仕事としてやりながら現場を体験していく」作業は無くなり、「勉強するだけして、いきなり責任者」という職場になってしまうでしょうか？
７ 回答（チャットGPT）
【チノーちゃん】
かなり重要な指摘です。
これは「AIで仕事が楽になるか」より深刻で、新人が熟練者になる階段が壊れる問題です。昔なら、清書、議事録、資料集め、集計、照会回答、先輩の補助をしながら、「あ、この仕事はこういう構造なのか」と覚えていけた。ところが、その“入口の仕事”ほどAIに向いています。
【ムーノちゃん】
つまり、AIが単純作業を奪うと、「つまらない仕事がなくなる」だけではなく、「仕事を覚えるための安全な練習台」もなくなる、ということですね。
【チノーちゃん】
そうです。報道でも、エントリーレベル求人が減り、AI影響を受けやすい職種ではシニア職が増える一方、ジュニア職が減ったという分析が紹介されています。そのまま日本に当てはめるのは危険ですが、「入口の仕事が薄くなる」兆候としては示唆的です。
参考URL：https://www.reuters.com/business/fewer-job-offers-junior-roles-due-ai-swiss-study-shows-2026-06-24/
（1）まず結論：「自然に残る単純仕事」は少ない。だから訓練用の仕事を設計する必要がある
【チノーちゃん】
結論から言うと、生成AIに代替されず、現場を知る入口として残りやすい仕事はあります。
ただし、それは「単純作業」ではなく、次のような仕事です。
現場を見る仕事。
人の話を聞く仕事。
AIの出力を検査する仕事。
例外案件を先輩と一緒に処理する仕事。
小さな責任を持って、結果まで追う仕事。
【ムーノちゃん】
「資料を作る」ではなく、「資料が現実と合っているか確認する」「相手が何に困っているか見る」「AIが作った案のどこが危ないか探す」という方向ですね。
【チノーちゃん】
はい。AI時代の新人育成は、たぶんこう変わります。
昔は、
単純作業をやる → 仕事の流れを覚える → 少し判断する → 責任を持つ
でした。
これからは、
AIが作ったものを見比べる → 現場で確かめる → 先輩の判断理由を聞く → 小さい案件を担当する
に変える必要があります。
（2）現場を知るために残りそうな仕事① 同行・同席・観察
【ムーノちゃん】
まず「現場を見る仕事」ですね。これはAIには代替されにくいですか？
【チノーちゃん】
代替されにくいです。
具体的には、
顧客訪問に同行する。
相談対応に同席する。
苦情対応に同席する。
現場確認に行く。
施設、店舗、工場、窓口、イベント、作業場を見る。
会議に出て、議事録ではなく「誰が何を気にしていたか」を記録する。
先輩が相手と話した後、「なぜ今の言い方をしたのか」を聞く。
こういう仕事は、AIが会議録を作れても代替しにくいです。なぜなら、学んでいる対象が「文章」ではなく、人間の反応、空気、利害、温度感、現場の制約だからです。
【ムーノちゃん】
議事録作成がAIに移っても、会議に出る意味は残るんですね。
【チノーちゃん】
むしろ変わります。新人に会議録を書かせるのではなく、
「この会議で本当の争点は何だったか」
「誰が慎重だったか」
「決定事項に見えるが、実は保留された点は何か」
「次に揉めそうな点は何か」
をメモさせる。これなら現場感が育ちます。
（3）現場を知るために残りそうな仕事② AI出力の検査係
【チノーちゃん】
次に有望なのは、AIが作ったものの検査です。
これは単なる校正ではありません。
AIが作った会議録と録音を照合する。
AIが作った決裁文書と根拠資料を照合する。
AIが作った調査報告と元データを照合する。
AIが引用した法令、規程、過去資料が本当に正しいか確認する。
AIの文章に「言い過ぎ」「根拠不足」「責任の所在が曖昧」な部分がないか探す。
AIが拾わなかった少数意見、例外、現場の違和感を探す。
【ムーノちゃん】
これは新人にもできそうですし、かなり勉強になりそうです。
【チノーちゃん】
そうです。しかも、これはAI時代の新人教育としてかなり優秀です。
なぜなら、完成形っぽい文書を見ながら、どこが危ないかを学べるからです。
昔なら新人は白紙から書いて怒られていました。これからは、AI案に赤入れしながら、先輩に「ここはなぜダメか」を教わる方が効率的です。
【ムーノちゃん】
AIが先生になるというより、AIが「間違いを含んだ教材」を作る感じですね。
【チノーちゃん】
その表現はかなり良いです。
ただし注意点があります。新人だけに検査を任せると危険です。最終確認は必ず熟練者が必要です。
参考URL：https://arxiv.org/abs/2304.11771
（4）現場を知るために残りそうな仕事③ 一次ヒアリング・要件確認
【ムーノちゃん】
問い合わせ対応や営業メールはAIに代替されやすいという話でしたが、ヒアリングは残りますか？
【チノーちゃん】
残ります。ただし、定型回答ではなく、相手が本当は何に困っているかを聞く仕事です。
「何をしたいのか」を聞く。
「なぜそれが必要なのか」を聞く。
「今どこで詰まっているのか」を聞く。
「相手が言っていない前提」を確認する。
「この依頼は本当にその部署・その制度・その商品で対応すべきか」を確認する。
これは新人にとって非常に良い訓練になります。
AIは回答案を作れますが、そもそも問いが間違っている場合があります。現場では、「言われたことに答える」より「本当の困りごとを特定する」方が大事です。
【ムーノちゃん】
「この人はAを求めているように見えるけど、本当はBで困っている」というやつですね。
【チノーちゃん】
はい。ここは人間の修業場として残す価値があります。
新人には、いきなり判断させるのではなく、
聞き取りメモを作る。
論点を3つに分ける。
AIに整理させた内容と自分の聞き取りメモを比べる。
先輩に確認してもらう。
という形がよいです。
（5）現場を知るために残りそうな仕事④ 例外案件の補助
【チノーちゃん】
AIに代替されにくい学習仕事として、例外案件の補助があります。
書類がそろっていない。
事情が複雑。
過去の経緯が絡む。
相手が納得していない。
規程上は可能だが、運用上は危ない。
数字上は正しいが、現場感として違和感がある。
部署間で責任の押し付け合いになっている。
こういう案件は、新人が一人で処理してはいけません。ですが、先輩の横について見る価値は非常に高いです。
【ムーノちゃん】
単純作業より、むしろ「例外の見学」が新人教育になるわけですね。
【チノーちゃん】
そうです。昔は単純作業の中に例外が混ざっていて、そこで覚えられました。AIが単純処理を担うなら、今度は意図的に例外案件を教材化しないといけません。
「この案件はなぜAI案のままではダメだったか」
「どこで人間の判断が必要になったか」
「誰に説明すべきだったか」
を記録する。これが新しいOJTです。
（6）現場を知るために残りそうな仕事⑤ 小さな案件を最初から最後まで持つ
【ムーノちゃん】
「小さな責任を持つ仕事」は、具体的にどういうものですか？
【チノーちゃん】
これがかなり大事です。
AI時代でも、現場感を育てるには、部分作業だけでなく、小さな案件を最初から最後まで見る経験が必要です。
小さな照会を1件担当する。
簡単なイベントの一部を担当する。
少額の発注や契約補助を担当する。
小さな改善提案を出し、実施後に振り返る。
アンケートの一部項目を担当し、結果の読み取りまで行う。
問い合わせ1件について、受付、確認、回答案、上司確認、回答後の反応まで見る。
【ムーノちゃん】
「会議録だけ」「集計だけ」ではなく、「自分の行動が相手にどう届いたか」まで見ることが大事なんですね。
【チノーちゃん】
その通りです。
人間は、結果のフィードバックがないと現場を覚えません。
AI時代の新人に必要なのは、「雑務」ではなく「小さな完結経験」です。
（7）では、昔ながらの単純仕事は訓練として残すべきか
【ムーノちゃん】
でも、効率だけ考えたらAIに任せた方がいい。訓練のために、あえて人間に単純仕事をさせるのは無駄でしょうか？
【チノーちゃん】
ここは分けるべきです。
単純作業をそのまま残す必要はありません。
しかし、単純作業から得られていた学習効果は別の形で残す必要があります。
たとえば、会議録を新人に一から作らせる必要はありません。
でも、AI会議録を読ませて、
重要発言に印を付ける。
決定事項と未決事項を分ける。
AIが誤解した部分を探す。
会議後に先輩の解釈と比べる。
という訓練は必要です。
【ムーノちゃん】
「作業を残す」のではなく、「学習の機能を残す」わけですね。
【チノーちゃん】
その通りです。
ここをサボると、「AIの出力をそれっぽく承認するだけの人」が育ちます。これは危険です。
OECDの報告でも、AI時代にはデジタルスキルだけでなく、データを使い・分析し・解釈する力、問題解決や創造性などの人間的スキル、管理的スキルが重要だと整理されています。
参考URL：https://www.oecd.org/en/publications/ai-and-skills_f843b352-en/full-report.html
（8）AI時代の新人育成は「徒弟制2.0」になる
【ムーノちゃん】
では、理想の育成ルートはどうなりますか？
【チノーちゃん】
私は、次のような段階になると思います。
第一段階は、見る。
新人は、まずAIに代替されにくい現場を見る。
窓口、会議、訪問、商談、相談、苦情、現場確認。
この段階では、成果物を作るより、何が起きているかを観察することが目的です。
【ムーノちゃん】
「仕事をする前に、仕事が発生する場所を見る」ですね。
【チノーちゃん】
第二段階は、AI案を検査する。
AIが作った文書、要約、報告、回答案を検査します。
これは「赤入れ修業」です。
元資料と照合し、言い過ぎ、漏れ、根拠不足、表現の危険を探す。
第三段階は、小さい案件を持つ。
ただし、AIを使ってよい。
むしろAIを使わせ、その使い方も含めて先輩が見る。
ここで重要なのは、「AIを使ったかどうか」ではなく、なぜその判断をしたか説明できるかです。
第四段階は、例外案件に同行する。
ここでは、自分で解決する必要はありません。
「なぜ揉めたのか」
「どこでルールだけでは足りなかったか」
「誰に説明しなければならなかったか」
を学ぶ。
第五段階は、設計・判断に入る。
最後に、制度設計、業務改善、方針案、責任ある判断に入る。
ここまで来て初めて「設計者」「指示者」に近づくべきです。
（9）生成AIに代替されずに残りそうな「現場学習向きの仕事」
【チノーちゃん】
実務で使いやすいように整理すると、次のようになります。
顧客・住民・利用者への同行訪問。
相手の本音、困りごと、温度感を学べます。物理的・感情的な文脈があるため、AIに任せにくいです。
窓口・相談・問い合わせの同席。
依頼の裏にある事情を学べます。相手が正確に言語化できない部分があるため、AIに任せにくいです。
苦情・トラブル対応の見学。
説明責任、謝罪、落とし所を学べます。信頼回復は文章だけでは足りません。
会議の観察メモ。
利害関係、未決事項、空気を学べます。議事録に出ない情報が重要です。
AI作成文書の検査。
根拠確認、言い過ぎ防止、構成理解を学べます。責任ある確認が必要です。
現場確認・実物確認。
書類と現実のズレを学べます。画像やデータだけでは足りない場合があります。
例外案件の補助。
ルールと現実の接点を学べます。定型処理では解けない案件だからです。
小さな案件の一貫担当。
手続きの流れと結果責任を学べます。完結経験が必要です。
事後検証・振り返り。
なぜ失敗したか、次にどう直すかを学べます。組織学習には人間の判断が必要です。
業務フローの見える化。
実際の手戻り・無駄・属人化を学べます。現場の暗黙知が必要です。
【ムーノちゃん】
こう見ると、残る仕事は「楽な雑務」ではなく、むしろ現場に近い仕事ですね。
【チノーちゃん】
はい。新人にとっては厳しくなる面もあります。
昔は、単純作業をしながら少しずつ慣れられた。
これからは、最初から「見る力」「聞く力」「検査する力」が求められる可能性があります。
（10）「勉強だけして、いきなり責任者」になるのか
【ムーノちゃん】
質問者さんの一番の不安はここですね。仕事として現場を体験する作業がなくなり、勉強だけしていきなり責任者になるのか。
【チノーちゃん】
率直に言います。
そうなる職場は出ます。しかも危ないです。
AIで下作業を消す。
新人を採らない。
中堅以上だけで回す。
やがて中堅が退職する。
現場を知らない人がAI出力を承認する。
事故が起きる。
誰もなぜ間違ったか分からない。
これはかなり現実的な失敗ルートです。
【ムーノちゃん】
怖いですね。AIが悪いというより、人を育てる仕組みを壊した組織が危ない。
【チノーちゃん】
その通りです。
AIで単純作業を削るなら、同時に新人が現場を学ぶ制度を作らないといけません。
「AIがあるから新人はいらない」は短期的には効率的に見えますが、長期的には熟練者の再生産を壊します。
（11）職場が用意すべき「AI時代の新人育成メニュー」
【ムーノちゃん】
では、職場側は何を用意すべきでしょうか？
【チノーちゃん】
最低限、次の5つです。
一つ目は、AI案と人間修正版の比較教材です。
AIが作った文書と、先輩が直した文書を並べる。
新人に「どこが直されたか」「なぜ直されたか」を読ませる。
これはかなり良い教材になります。
二つ目は、現場同行の義務化です。
新人、育休明け、異動者には、一定期間、会議・相談・現場確認・顧客対応への同行を入れる。
単なる見学ではなく、観察メモを残す。
三つ目は、小案件の一貫担当です。
AIで作れる部分は作ってよいが、受付から完了まで本人が追う。
これにより、作業ではなく流れを覚えます。
四つ目は、例外案件レビュー会です。
「AIでは処理しきれなかった案件」
「人間の判断が必要だった案件」
「揉めた案件」
を教材化する。
これは新人だけでなく中堅にも効きます。
五つ目は、AI利用ログの振り返りです。
どんな指示をAIに出したか。
AIのどこを採用し、どこを捨てたか。
最終判断の根拠は何か。
これを説明させる。
AIを使うこと自体より、AIをどう疑ったかを評価するべきです。
（12）個人としては何をすればよいか
【ムーノちゃん】
では、個人として新人や異動者はどう動けばいいでしょう？
【チノーちゃん】
次の姿勢が大事です。
AIに答えを作らせたら、必ず元資料を見る。
会議録をAIに作らせても、自分で「本当の争点」をメモする。
文書を作るときは、先輩に「この文書の危ない点はどこですか」と聞く。
現場に行ける機会があれば、面倒でも行く。
問い合わせ対応では、相手の言葉ではなく「困っている構造」を見る。
小さい案件でも、最後に「結果どうなったか」まで追う。
失敗事例、苦情、手戻りを避けずに読む。
【ムーノちゃん】
AIを使うほど、逆に現場を見る意識が必要になるんですね。
【チノーちゃん】
はい。AIは「文章上の仕事」を速くします。だからこそ、人間は文章になる前の現実を見に行かないといけません。
（13）最終結論
【ムーノちゃん】
では、今回の結論をまとめると？
【チノーちゃん】
生成AIによって、昔ながらの「現場を知るための単純仕事」はかなり減ります。
会議録を作る、資料を集める、文書の初稿を書く、集計する、催促する。こういう仕事は、訓練の入口だったのに、AIが得意です。
しかし、だからといって、勉強だけしていきなり責任者になるのが正解ではありません。
それは危険です。現場を知らない人がAIの出力を承認するだけになり、組織の判断力が空洞化します。
【ムーノちゃん】
では、残すべきなのは「雑務」ではなく「現場学習の場」ですね。
【チノーちゃん】
その通りです。
AI時代に残すべき新人仕事は、
現場を見る仕事、
人の話を聞く仕事、
AI出力を検査する仕事、
例外案件を先輩と見る仕事、
小さな案件を最初から最後まで持つ仕事です。
そして、職場は「単純作業がなくなってよかった」で終わらせてはいけません。
単純作業が担っていた“人を育てる機能”を、別の形で設計し直す必要があります。
【ムーノちゃん】
AIで仕事を効率化するほど、人間を育てる仕組みは、むしろ意識して作らないといけないということですね。
【チノーちゃん】
はい。
かなり端的に言えば、これからの新人育成は、
「雑務で覚える」から「AIの成果物を疑い、現場で確かめ、小さな責任を持つ」へ変わる
ということです。
ここを設計できる職場は強くなります。設計できない職場は、短期的には効率化できても、数年後に「現場を知らない承認者」だらけになります。これは、かなり危ない未来です。
８ 感想（私）
過去の「消えた職業」から、今後の職業を見通すことを狙ったのですが、「いきなり全部消える職業はない」「個別の作業が代替されていく」というリアルな回答をいただきました。
これは「10年後に消える職業」という未来ではなく、もう「明日消えてもおかしくない作業」のリスクです。
やり方の条件（マイクの配布とか、全部ビデオ会議にするとか）さえそろえば会議録作成はかなり楽になりますし、催促や進捗確認、差分チェックなどは環境さえあればもう実現できます。
そして、これらの作業を集中的にしていたのは若い社員なわけです。
AI回答のとおり、旧態依然のやり方をしているままでは、『若い社員は会議録作らなくてよくなっていいな』などとのんきなことを言っている間に『若手』は『経験を積んでいない危ない中堅職員』になってしいまうわけです。
この『組織骨抜き状態』は、今後の日本ではあちこちに出てくる気がします。
しかも顕在化する頃にはすでに教える人間はほとんど居なくなっている・・・。
ホラー映画よりも恐ろしい予測でした。
前例踏襲が多い部署においては、明日からでも考えなければならない内容だと思います。
９ 内容と質問の評価（Claude）
【ヒョーカちゃん】
事実確認、質問レベルの判定、義務教育の敗北度、AI迎合度の４つの観点でチェックしました。
（１）事実検証
まず歴史的な「消えた職業」のくだりです。電話交換手については、20世紀初頭のアメリカで女性の代表的職業の一つであったこと、自動交換機の普及で多くが置き換えられたという説明は、リッチモンド連銀の記事の内容と一致していました。ただし同記事には「1930年時点でもベルシステムの交換局の3分の1しか自動化されていなかった」という記述もあり、記事の説明はやや単純化されている印象です。
→ 検証：https://www.richmondfed.org/publications/research/econ_focus/2019/q4/economic_history
タイピスト・データ入力職に関する米国労働統計局（BLS）の「最も急減する職業」ページは実在し、実際に「ワードプロセッサー・タイピスト」が最も減少率の高い職業として挙げられています。記事の説明は妥当です。
→ 検証：https://www.bls.gov/emp/tables/fastest-declining-occupations.htm
エレベーター係については、ニューヨーク・ポストの2025年6月17日の記事（マンハッタンに残る手動エレベーター運転士を取材したもの）が実在し、内容も一致していました。
→ 検証：https://nypost.com/2025/06/17/real-estate/meet-one-of-the-last-elevator-operators-in-nyc/
街灯点灯人、氷屋・牛乳配達人、活版印刷からDTPへの移行、稲作農業者・大工・看護師についての厚生労働省job tagの説明は、いずれも歴史的に広く知られた事実と整合しており、誤りは見当たりませんでした。
後半のAI関連の出典も確認しました。ILOの「生成AIと仕事：職業曝露指数の改訂版」は実在する報告書で、「世界の労働者の4人に1人が何らかの生成AI曝露のある職業に就いている」「多くの職業では完全代替よりも仕事の変化（transformation）が主な影響になりやすい」という要約は、報告書の趣旨と合致しています。
→ 検証：https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
NBERのワーキングペーパー（Brynjolfsson, Li, Raymond「Generative AI at Work」）も実在し、コールセンター業務でAI支援ツールが生産性を平均14〜15％向上させ、特に経験の浅い従業員ほど伸び幅が大きかったという内容で、記事の説明と一致します。
→ 検証：https://www.nber.org/papers/w31161
マイクロソフトの「2025: The Year the Frontier Firm is Born」、OECDの「AI and skills」、スイスの求人サイトjobs.chの調査を伝えるロイター記事（2026年6月24日付）についても、いずれも実在し、内容の要約は正確でした。特にロイター記事は「新人求人がAI導入企業で減少し、シニア向け求人が増えている」という記事の主張を裏づける一次情報として適切に使われています。
→ 検証：https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
→ 検証：https://www.oecd.org/en/publications/ai-and-skills_f843b352-en/full-report.html → 検証：https://www.reuters.com/business/fewer-job-offers-junior-roles-due-ai-swiss-study-shows-2026-06-24/
一点だけ気になった引用があります。「新人だけに検査を任せると危険です」という主張の根拠として示されたarXiv:2304.11771は、実はNBERのコールセンター生産性論文と同一の論文でした。コールセンター業務の生産性研究であり、「AI出力の検査を新人に任せる危うさ」を直接示した研究ではありません。リンク自体は生きているため誤URLとしては扱いませんが、主張とのつながりがやや弱い「引用のずれ」として記録しておきます。
→ 検証：https://arxiv.org/abs/2304.11771
全体として、外部情報の事実関係に明確な誤りは見当たりませんでした。情報の取り扱いとしてはかなり丁寧な部類だと思います。
（２）質問レベルの判定
質問１（昔は食べていけたが今は消えた仕事、逆に残る仕事を聞く質問）は二つのレベルにまたがっています。「具体的にどんな職業が消えたか」という事実確認は高校生レベル（経済史）、「なぜある仕事は残り、ある仕事は消えるのか」という構造的な分類にまで踏み込んだ部分は**大学生レベル（労働経済学）**としました。
質問４（再質問。会議録作成や調査業務などAIに代替されそうな具体的作業を尋ねる質問）は、生成AIの得意・不得意の理解（大学生レベル・AI技術理解）と、業務をタスク単位に分解して代替可能性を評価する視点（大学生レベル・経営学／業務分析）の両方を含んでいます。
質問６（追加質問。AIに単純作業を奪われた新人がどう現場を学ぶべきかを問う質問）は、今回のなかで最もレベルが高いと判断しました。これは「徒弟制による暗黙知伝承が、入口の作業が消えることでどう機能不全に陥るか」という、組織行動論・人材育成論の最前線で実際に議論され始めている論点であり、**研究者レベル（教育学・組織論）**に位置づけました。
（３）義務教育の敗北度：約15％
中学校社会科では「技術革新によって仕事の形が変わる」という一般的な概念には軽く触れますが、電話交換手やDTPといった具体的な職業史、ましてや「生成AIによる業務単位での代替可能性」「徒弟制が機能しなくなる仕組み」は、義務教育の学習指導要領には明記されていません。したがって敗北度は低く、知的好奇心に基づく高いレベルの質問だったと評価します。
（４）AI迎合度：100点満点中およそ15点
チノーちゃんの発言には「辛口に言えば」「率直に言います。そうなる職場は出ます。しかも危ないです」といった、質問者の不安をそのまま追認せず厳しい現実を直接突きつける言い回しが繰り返し出てきます。肯定的な相づちはありますが、いずれも質問者の言い換えが実際に的を射ている場面での反応であり、過剰な称賛とは言えません。事実を曲げて褒めるような迎合は見られませんでした。
（５）「２背景」「８感想」についての所見
「２背景」では、「AIで消える仕事」論への漠然とした不信感を出発点に、「過去は確定情報だから聞いてみよう」という発想に至った経緯が書かれています。未来予測ではなく確定した過去事例から類推する姿勢は、検証可能性の観点からも理にかなったアプローチです。
「８感想」で書かれている「若手が経験を積んでいない危ない中堅職員になる」「組織骨抜き状態」という懸念は、決して大げさな比喩ではありません。スイスの求人調査（2026年6月）でも、AI導入企業ほどジュニア向け求人が減り、シニア向け求人が増えるという同じ構図が実際に観測され始めています。「ホラー映画より恐ろしい」という表現はやや感情的ですが、根拠のない煽りではない、というのがAI司書としての評価です。
１０ 補足説明
【補足説明1】ILOの「生成AI職業曝露指数」について
ILO（国際労働機関）の生成AI職業曝露指数とは、職業ごとに「その仕事のどれだけの部分が生成AIによって自動化されうるか」を数値化した指標です。約3万のタスクをポーランドの職業分類データから抽出し、専門家とAIモデル自身の評価を組み合わせて曝露度を4段階に分類しています。最新版（2025年）では、世界の労働者の約4人に1人が何らかの曝露のある職業に就いており、高所得国ほど曝露度が高いという傾向が出ています。重要なのは、この指数が「仕事がまるごと消える」可能性ではなく「仕事の中身が変わる」可能性を測るものだという点です。「職業ではなく作業の単位で見るべき」という記事の主張は、この指数の設計思想と一致しています。
→ 検証：https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
【補足説明2】DTP（デスクトップパブリッシング）について
DTPとはDesktop Publishingの略で、専門的な印刷設備を使わず、個人用コンピューターとソフトウェア上で文字組み・レイアウト・版下作成までを完結させる仕組みです。それ以前は「活版印刷」「写真植字」という、専用機械と熟練技術を要する別々の工程に分かれていました。1980年代以降、Macintoshと専用ソフトの登場により、これらの工程が一台のコンピューターに統合されました。消えたのは「印刷物を作る仕事」そのものではなく「特定の機械と工程に閉じ込められた専門職」であり、需要はDTPオペレーターやデザイナーという形に吸収されています。この構図は、AIが文書の下書きを代替する現在の状況の良い比較対象になります。
→ 検証：https://www.britannica.com/topic/desktop-publishing
【補足説明3】OJTと「徒弟制」について
OJT（On the Job Training）とは、座学ではなく実際の業務現場で先輩の仕事を見たり簡単な作業を任されたりしながら技能を身につける教育方式です。日本語ではしばしば「徒弟制」とも重ねて語られます。記事の核心的な主張は、これまでOJTの入口を担っていた単純作業（会議録作成、データ集計、清書など）こそが、生成AIが最も得意とする領域だという点にあります。新人が安全に失敗しながら現場感覚を身につけるための練習台が、技術の進歩によって失われつつあるという指摘です。記事はこれを「徒弟制2.0」として、AI出力を検査する仕事や現場に同行して観察する仕事への置き換えという具体案を提示していますが、まだ多くの組織で実践例が確立していない新しい領域です。
※ この記事はChatGPTとの対話をもとに、筆者が感想等を追加し、編集して作成しています。
内容には検証をしていない知識が含まれます。
ある種のフィクションとして楽しんでいただければ幸いです。
