株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
「AIに自分の仕事は奪われるのか」という問いは、職業単位で考える限り答えが出ません。OECD AI Observatory が公開した労働市場分析でも、AIインパクトは「職業」より「業務（タスク）」の粒度で起こると整理されており、業務分解こそがキャリア設計の起点になります。
この記事では、AI実装を本業とする会社（renue）が、自社の業務（コンサル・PMO・採用・経理・議事録・提案書作成）を内製AIで運用してきた実装ログから、AIに「完全に渡せた業務」「AIに下書きさせて人間が握る業務」「人間が引き続き握る業務」の3層構造を取り出します。採用候補者がキャリア設計の判断軸として使える解像度で書きます。
1. なぜ「職業単位」の議論は粗すぎるのか
「経理は奪われる／コンサルは奪われない」のような職業単位の議論は、実装現場では役に立ちません。同じ「経理」でも、伝票仕訳の起票はAIで自動化できる一方、税務調査時の論点整理や監査対応はAIに渡し切れない業務として現場に残るからです。
OECDが公表したAIと労働市場のスキル需要に関する報告でも、AI影響を見るための方法論として「ジョブをタスクに分解 → タスクごとにAI適用可否を評価 → 人間が握るタスクを再構成」という6ステップが推奨されています。職業を箱で論じる代わりに、職業を構成する業務を分解して評価するのが現代的アプローチです。
経済産業省・厚生労働省が公表した産業人材政策に関する説明資料でも、生成AI・AIエージェントの普及によって、定型作業中心の職務は再編されるが、判断・折衝・論点設定を含む業務は人間に残る方向性が示されています。総務省「情報通信白書」も、AI導入で雇用が消えるのではなく、業務のうち定型部分が再配分されるという立場を取っており、政策側の見立ても職業単位ではなく業務単位です。
2. 実装現場で見えた業務の3層構造
renueは、自社の業務を生成AI・AIエージェントで運用してきた実装会社です。日々の議事録要約、PMOのタスク管理、提案書作成、採用業務、経理仕訳、ナレッジ検索などをAIに任せ、その結果を見たうえで人間に戻す業務を切り分けてきました。
その実装ログから、業務は次の3層に分かれることが分かりました。
2-1. 第1層：AIに完全に渡せる業務（情報収集・整形・要約・定型加工）
第1層は、入力と出力の対応関係が比較的明確で、エラー時のリスクが小さい業務です。具体的には次のような業務です。
- 議事録の構造化要約：会議音声から論点・決定事項・未決定事項・アクションアイテムを抽出する業務。社内では会議の議事録は基本的にAIが起こし、人間は最終チェックのみ。
- 定例レポート・社内日報の整形：日次タスク・進捗・アラートの自動生成。AIエージェントが業務システムからデータを引いてレポートを出す。
- 情報収集・調査の一次集約：競合情報、業界トレンド、規制動向の一次調査をAIに任せ、出力を人間がレビューして判断材料に使う。
- 定型データの転記・整形：API間でのデータ転記、Excel整形、フォーマット変換。Microsoft Learn が公表したDocument Intelligence の概要でも、定型書類のOCR＋抽出はHuman-in-the-Loop前提の自動化対象として位置づけられています。
この層の業務は、AIが下書きから完成形まで出すことが可能で、人間は出力品質の抽出チェックだけ行います。AI実装ファームの社内では、このタイプの業務はほぼ全て委譲済みであり、入社時には「自分の業務をこのレベルまでAI化する経験」がベースラインとして期待されます。
2-2. 第2層：AIが下書きし、人間がレビュー・承認する業務
第2層は、出力の正しさが文脈に依存し、誤った出力が下流で大きな影響を与える業務です。AIが下書きを書き、人間が判断材料を加えて確定させる「Human-in-the-Loop」設計が必要になります。Microsoft Learn が公表したコンテンツモデレーションの設計原則でも、自動化と人間レビューの連携が安全性と精度の両立に必要だと整理されています。
具体的には次のような業務です。
- 提案ストーリー・要件整理：顧客の現状や課題からAIが提案ドラフトを作るが、最終的な「どの軸で勝負するか」の判断は人間が握る。
- 顧客面談後の次アクション設計：議事録から自動でアクションアイテムを抽出するが、優先度・担当・期限の最終確定は管理者が承認する。
- 採用候補者の一次評価：書類・スカウト返信のスクリーニングはAIが一次選別するが、面接通過判断は人間が責任を持つ。
- 仕様策定・課題管理表の更新：MECEな軸でAIが起票案を出すが、軸そのものの妥当性は人間が判断する。
第2層では、人間の役割は「AIの出力を読み、誤りやすいポイントを見抜き、承認するか修正するか決める」業務です。OECDの労働市場分析でも、AI高曝露領域で需要が伸びるスキルは「マネジメント、ビジネスプロセス、対人スキル」と整理されており、これは第2層の人間側の役割と一致します。
実装現場で見ると、この層の Human-in-the-Loop 設計の効率を決めるのは「どの出力を人間に回すか」のルール設計です。低信頼度の出力（low-confidence）と複数情報源の矛盾（multi-source contradictions）が出た箇所を優先的に人間に回し、高信頼度の出力はそのまま流す設計が、品質と工数のバランスを取ります。
2-3. 第3層：人間が握り続ける業務（論点設計・現状把握・戦略判断）
第3層は、AIに渡せない業務です。具体的には次のような業務が残ります。
- 業務の言語化（業務トレース）：何を自動化すべきかを決めるためには、業務を完璧に理解して言語化する必要があります。「ルーターを購入する」という単純な業務ですら、必要条件の把握、製品リスト化、ソート、上長レビュー、調達管理確認、決済、周知という複数ステップに分解されます。前工程の依存関係を理解せずに「業務の自動化」を始めても、レビュー工程が抜けて事故が起きます。この言語化は、業務を実際に運用してきた人間にしかできません。
- 論点設定・課題空間のMECE化：プロジェクトでの「課題」は、現状とゴールのギャップから出てくる論点です。「機能とSprintの2軸で管理する」のような軸の設計は、業務全体を理解した人間の判断です。AIは軸が決まった後の網羅チェックには使えますが、軸そのものを設計するのは人間です。
- 現状把握：プロジェクトの現状は流動するため、「今この瞬間に何が起きているか」を正しく把握することが、戦略を更新するための最大の根拠になります。AIが集約した情報を読み、何が変わったかを判断する役割は、人間の専任業務として残ります。
- 顧客との渉外・心情の把握：顧客のビジネス状況だけでなく、心情や政治的事情を含めた折衝は、AIが代替できない領域として残ります。第一生命経済研究所が公表したAI普及による職種別需給ギャップ将来推計でも、対人折衝・複雑な意思決定は、AI普及下でも需要が増す領域として整理されています。
- AIマネジメント能力：AIに何を任せ、何をチェックし、何を委譲しないかを判断する能力。社内では「AI導入に必要となる知識を広く習得し、AIのマネジメントをこなせる技術」を、評価項目として位置付けています。AIを部下のように扱える人材が、第3層の中核として最も評価されます。
第3層を握れるかが、AI実装ファームに採用される候補者の評価の本質です。
3. AI実装現場で「人間が引き続き握る業務」が残る理由
第3層に業務が残る根本理由は、AIの出力品質を判定するためには、業務全体を理解した人間が必要だからです。Boston Consulting Group が公表した『AI Will Reshape More Jobs Than It Replaces』でも、AIは仕事を消すよりも再形成する力の方が大きく、第3層の人間側の役割が拡張すると整理されています。
具体的には次の3つです。
- AIの誤りを発見できるのは、業務をやってきた人間だけ：AIは流暢に間違えます。「もっともらしいけれど現実には適合しない出力」を弾けるのは、現場の業務文脈を持っている人間です。
- 業務の優先順位は経営目線が決める：何を自動化するか、何を人間に残すかは、組織目標と顧客提供価値の優先順位で決まります。「3ヶ月前と同じ業務をしない」「顧客のビジネスを最優先にする」のような優先順位は、上位者の目線を持っている人間が判断します。
- 顧客側の体制と政治を含めた折衝：顧客企業のステークホルダー、稟議体制、リスク許容度、組織内の力学はAIが理解できる範囲を超えています。これらを読みながら提案を組み立てる業務は人間に残ります。
OECDの『AI and Work』ページも、AI下で需要が伸びるのは「人間関係」「ケア・教育」「複雑な意思決定」を含む領域だと整理しており、第3層に該当する業務群と一致します。
4. キャリア設計：第1層から距離を取り、第2層と第3層に重心を移す
採用候補者として読み取るべきシグナルは、自分の業務の重心を第1層から第2層・第3層に動かしていく、というキャリア設計です。
第1層に重心が偏っている職務（定型データ転記中心、議事録手書き起こし中心、定型レポート作成中心）は、AI実装ファームに転職する前提でも、業務の中身を再設計する必要があります。具体的には、現職の業務を以下のステップで再分解します。
- 現職の業務を10〜15個に分解する：1日／1週間で発生する業務を、自分の手元で粒度を揃えて書き出します。
- 各業務を3層のどこに位置するか分類する：第1層（AI完全代替可能）、第2層（AI下書き＋人間レビュー）、第3層（人間が握る）。
- 第1層の業務に AIツールを組み込み、業務時間を削る：ChatGPT、Claude、Claude Code 等を使い、第1層の業務時間を半分以下にします。Coursera が公表したAI領域キャリア解説でも、AI領域の実務スキルは座学ではなく「自分の業務にAIを組み込む経験」から身につくと整理されています。
- 削った時間を第3層の業務（論点設計・現状把握・優先順位の言語化）に投資する：3ヶ月で第1層の比率を下げ、第3層に重心を移します。
このキャリア設計を回せている人材が、AI実装ファームの採用候補者として最も評価される像です。
5. 第3層に残る人材に求められる4つの能力
第3層を握れる人材が共通して持つ能力は、次の4つです。
- 業務トレース能力：自分の業務を、前工程依存も含めて10〜20ステップに言語化できる能力。AIに任せるための前提条件であり、AI実装ファームでの即戦力指標です。
- 論点設計能力：プロジェクトの課題空間をMECEに分解し、議論すべき論点を軸として設計できる能力。網羅性と判断の根拠を兼ね備えるための骨格です。
- AIマネジメント能力：AIに任せる範囲、レビューの観点、誤り検出のルールを設計できる能力。IZA Institute が公表したAIと労働市場に関するレポートでも、AI高曝露職務では「AIをマネジメントするスキル」が新しいコア要件として浮上していると整理されています。
- 渉外・折衝能力：顧客のビジネスと心情、組織の力学を含めて、判断材料を整理し合意形成を進める能力。第3層の業務の中で、最もAIに代替されにくい領域です。
この4つは、AIが普及するほど評価される能力で、職業を問わずポータブルです。
6. 海外の議論との突き合わせ
BCGが公表した2026年のAI雇用影響レポートでは、AI影響下で需要が伸びる職務として「AIプロダクトマネージャー」「AIエンジニア」「AIエシシスト」「AIインテグレーション専門家」が挙げられています。これらは全て、第2層・第3層の業務を握る職務であり、第1層の業務をAIに渡しながら自分は判断と統合に回るという構造です。
GPAIとOECDが共同公表した『Generative AI and the Future of Work』報告書も、生成AI下で再編される業務は「定型・反復・低リスク」のもので、判断・統合・対人折衝を含む業務は人間に残ると整理しており、本記事の3層構造と整合します。
中国語圏の議論でも、自動化の波に対する人間側の戦略は同じ方向に収束しています。Tencent News（騰訊新聞）が公開した雇用論考では、AIは「AIに代替される機械的労働」と「人間に残る創造的思考・深い業務理解・人間的な対話」を分けるという見方が示されており、職業ベースの議論を超えて業務ベースで自分のキャリアを再設計する考え方は、グローバル共通の前提になりつつあります。
7. 採用の現場で評価される人材像
renueはAI実装ファームとして、第3層を握れる候補者を採用してきました。具体的に評価しているのは次の3点です。
- 自分の業務を業務トレースとして言語化できる：「自分の現職で、何をどんな順番でやっているか」を10〜20ステップで書き出せる。これがあれば、入社後のAI化対象業務の言語化もスムーズです。
- AIツールを業務基盤として使った経験がある：ChatGPT・Claude・Claude Codeなどを業務に組み込み、第1層の業務時間を半減した経験。社内では入社時のベースラインとして期待されます。
- 論点設計と現状把握ができる：プロジェクトの現在地を読み、軸を設計し、議論すべき論点を整理できる。これは第3層の中核能力で、コンサル経験者・PM経験者・PMO経験者が持ち込める強みです。
「AIに奪われない職業を探す」という発想ではなく、「自分の業務を3層に分けて第3層に重心を移す」という発想に切り替えれば、AI普及下でも評価される人材像が見えてきます。
8. まとめ
「AIに奪われない仕事は何か」の答えは、職業単位ではなく業務単位で出すのが正解です。AIに完全に渡せる業務（第1層）、AIが下書きし人間がレビューする業務（第2層）、人間が握り続ける業務（第3層）の3層構造で考え、自分の業務の重心を第2層・第3層に動かすことが、AI普及下でのキャリア設計の本質です。
第3層に残るのは、業務トレース、論点設計、AIマネジメント、渉外・折衝の4能力で、これらはポータブルでAI普及下でも評価が伸びる領域です。AI実装ファームに採用される候補者は、自分の業務を3層に分解し、第3層に重心を移している人材です。
renueは、自社業務を内製AIで運用するAI実装ファームとして、第3層を握れる候補者を継続的に募集しています。「自分の業務を3層構造でどう動かすか」というキャリア設計について、対面で話したほうが早い領域です。
renueでは、第3層（業務トレース・論点設計・AIマネジメント・渉外）を握れる人材からの応募を歓迎しています。カジュアル面談で「現職の業務を3層に分けてどう移していくか」のキャリア設計をお話しします。カジュアル面談に申し込む