AI時代、職種ごとに人に残る仕事は「正しく処理する」だけでは進まない仕事で決まる（組織行動科学(R)）
組織行動科学(R)︎
生成AIが担いやすいのは、資料作成、情報整理、定型対応など、正しく処理すれば進む仕事。顧客接点人材・管理職・企画職・現場監督・バックオフィスで、判断経験が必要な仕事と、その設計の視点を整理
組織行動科学(R)を提供するリクエスト株式会社（本社：東京都新宿区、代表取締役：甲畑智康）は、生成AIの普及により、企業の中で人に残る仕事が職種ごとにどのように変わるのかを整理したレポートを公開しました。
d68315-189-094b51d0734f815d5e2949fb0f13661f.pdf[画像1:
https://prcdn.freetls.fastly.net/release_image/68315/189/68315-189-82da5751440c341353fc96fb4dacae87-3455x2196.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
生成AIの進化によって、資料作成、情報整理、定型的な問い合わせ対応、既存ルールや過去事例に沿った処理など、正しく処理すれば進む仕事は、今後さらにAIが担いやすくなっていきます。これらは、知識・手順・定型に沿って進めやすく、一定の条件がそろっていれば再現しやすい仕事です。
一方で、人に残る仕事は別のところにあります。顧客がなぜ決め切れないのか、部下がどこで止まるのか、企画がなぜ外れるのか、現場がどの条件で止まりやすいのか、制度運用のどこで現場が詰まるのか。こうした、正しく処理するだけでは前に進まない仕事が、これから人に強く残ります。
人に残る仕事では、毎回条件が異なります。だからこそ、何が起きているのかを確かめ、どこに違いがあるのかを見極め、何を優先し、どう進めるのかを決める経験が必要になります。
つまり、AI時代に問われるのは、単に業務を正しくこなせるかどうかではありません。
正しく処理しても進まない場面で、何が起きているのかを見抜き、進め方を変えられるかどうかです。
そして、その力は知識教育だけでは育ちません。実際の仕事の中で判断経験を積み重ねられるようにすることが重要になります。
本レポートでは、顧客接点人材、管理職、企画職、現場監督、バックオフィスの5つの職種について、AIが担いやすい仕事と、人に残る仕事を整理しました。そのうえで、それぞれの職種で必要になる判断経験と、それを仕事の中でどう設計していくべきかを明らかにしています。
AIの普及によって変わるのは、「人が不要になるかどうか」ではありません。変わるのは、その職種の中で、何が人の仕事として残るのかです。
たとえば顧客接点人材では、提案資料づくりや商品説明の一部はAIの支援を受けやすくなります。しかし、顧客が本当に決め切れない理由をつかみ、社内外を動かし、前に進める仕事は人に残ります。
管理職でも、進捗集計や会議資料の整理はAIに寄ります。しかし、誰に何を任せるか、どこまで考えさせるか、失敗させてよい範囲はどこかを見極める仕事は人に残ります。
このように、AI時代に必要なのは、「全部の仕事をAIに任せるかどうか」を考えることではありません。自分の職種の中で、何がAIに寄り、何がむしろ重要になるのかを見極めることです。
さらに重要なのは、その人に残る仕事を担う力は、研修で知識を増やすだけでは育たないという点です。必要なのは、職種ごとに異なる判断経験を、日々の仕事の中で意図的に積み重ねられるようにすることです。
説明を増やしても動かない顧客がいる。人に残るのは、止まる理由を見抜いて進め方を変える仕事。
営業、カスタマーサクセス、既存顧客対応などの顧客接点人材では、商品説明、提案資料のたたき台作成、問い合わせへの一次回答、過去事例の検索、メール文面の作成などは、AIで代替・補完されやすくなります。つまり、決まった情報を、わかりやすく伝える仕事はAIに寄りやすくなります。
一方で、人に残るのは、顧客が本当に迷っている理由をつかみ、今ここで提案すべきか、まだ聞くべきか、誰を巻き込むべきか、どこで期待値を調整すべきかを判断する仕事です。
たとえば、同じ説明をしても進む顧客と進まない顧客がいます。その差は、説明の量ではなく、社内事情、予算制約、過去の失敗、関係者の温度差など、表に出ていない条件の違いにあります。そこを見抜けるかどうかで、顧客接点人材の価値は大きく変わります。
必要になる判断経験
顧客ごとに異なる停止要因を確かめ、誰が止めているのか、何が決め切れない理由なのか、どの条件が変われば前に進むのかを見極めながら、進め方を変えていく経験です。
目的
顧客ごとに違う停止要因をつかみ、説明を増やすのではなく、進め方を変えられる状態をつくること。
何から始めるか
受注・失注の結果だけを見るのではなく、案件を止めていた本当の条件を洗い出すことから始めることです。誰が止めていたのか、何が決め切れない理由だったのか、どの条件が変われば前に進んだのかを振り返ることが、判断経験設計の出発点になります。
管理を細かくしても育たない部下がいる。人に残るのは、止まる地点を見抜いて任せ方を変える仕事。
管理職では、会議資料の整理、数値集計、進捗の見える化、報告文の下書き、論点の一覧化などは、AIで代替・補完されやすくなります。つまり、情報を集めて整え、共有しやすくする仕事はAIに寄りやすくなります。
一方で、人に残るのは、誰にどの仕事を任せるか、どこまで任せるか、どの案件なら経験になるか、どこで助け、どこで考えさせるかを見極める仕事です。
たとえば、同じ部下に同じ仕事を渡しても、育つ場合と止まる場合があります。その差は、本人の能力だけではなく、任せた範囲が広すぎたのか、狭すぎたのか、途中で支援すべきだったのか、失敗させてよい場面だったのかといった設計の差にあります。
必要になる判断経験
部下がどこまでは自力で進められ、どこから止まるのかを見極め、任せる範囲や支援の仕方を調整しながら、部下が判断できる範囲を広げていく経験です。
目的
管理職自身が判断することではなく、部下が判断できる範囲を広げ、チーム全体の判断力を高めること。
何から始めるか
成果の良し悪しだけを見るのではなく、部下がどこまでは自力で進められ、どこから止まるのかを見極めることから始めることです。あわせて、何が曖昧なまま任されているのかを洗い出し、任せ方を見直すことが、判断経験設計の出発点になります。
情報を増やしても外れる企画がある。人に残るのは、何を問うべきかを見抜く仕事。
企画職では、市場情報の収集、競合比較、会議資料のたたき台作成、アイデアの整理、論点候補の列挙などは、AIで代替・補完されやすくなります。つまり、情報を広く集めて、形にする仕事はAIに寄りやすくなります。
一方で、人に残るのは、そもそも何を課題として置くべきか、どの問題から先に手を付けるべきか、誰を巻き込み、どこに着地点を置くべきかを決める仕事です。
たとえば、売上が落ちているという事実があっても、それを営業力の問題と見るのか、顧客構成の問題と見るのか、商品設計の問題と見るのかで、打ち手は大きく変わります。最初の問いの置き方を間違えると、どれだけ資料が整っていても、企画は外れます。
必要になる判断経験
起きている事実を確かめながら、何を本当の問題と捉えるべきか、問いをどう置くと打ち手が変わるのかを見極め、意思決定の方向を定めていく経験です。
目的
情報を増やすことではなく、解くべき問いを定め、意思決定の方向を外さないこと。
何から始めるか
情報収集から入るのではなく、何が本当の問題なのか、問いをどう置くと打ち手が変わるのかを見極めることから始めることです。資料作成より先に問いの設定を見直すことが、判断経験設計の出発点になります。
手順通りでも止まる現場がある。人に残るのは、ぶつかる条件を見抜いて進め直す仕事。
現場監督では、工程表作成の補助、報告書の下書き、標準手順の確認、過去トラブルの検索、必要書類の整理などは、AIで代替・補完されやすくなります。つまり、標準化された進め方を確認し、抜け漏れなく回す仕事はAIに寄りやすくなります。
一方で、人に残るのは、現場ごとの条件差を把握し、安全・品質・納期がぶつかったときに何を優先するかを見極め、協力会社や関係者と調整しながら、その日の進め方を決める仕事です。
たとえば、図面通りに進めると納まらない、工程通りに進めると品質が危うい、品質を守ると納期がずれる、といった場面は現場では珍しくありません。そうしたときに、誰に確認し、どこを止め、どこを先に進めるかをその場で判断できなければ、現場は止まります。
必要になる判断経験
現場ごとに異なる条件差を確かめ、安全・品質・納期の優先順位を見極めながら、止まりそうな現場を前へ進める経験です。
目的
標準通りに進めることではなく、条件の違う現場でも止めずに前へ進めること。
何から始めるか
問題発生後の対応強化ではなく、現場を止める条件差がどこに潜んでいるかを先に洗い出すことから始めることです。どの条件がぶつかると止まりやすいのかを見える化することが、判断経験設計の出発点になります。
正しく処理しても詰まる業務がある。人に残るのは、制度と実態のずれを見抜いて回し直す仕事。
バックオフィスでは、申請処理、定型入力、書類作成、照合作業、制度案内、問い合わせの一次回答などは、AIで代替・補完されやすくなります。つまり、決まったルールに沿って、正確に処理する仕事はAIに寄りやすくなります。
一方で、人に残るのは、制度通りには処理しきれない例外案件への対応、部門ごとに異なる事情の調整、現場実態を踏まえた運用変更、業務が止まらないように支える仕事です。
たとえば、制度上は想定していないが現場では頻発しているケース、複数部門の都合がぶつかって申請が前に進まないケース、ルール通りにやると現場が回らないケースなどでは、単なる処理能力では足りません。制度を守るだけでも、現場に合わせるだけでもなく、両方を見ながら着地点をつくる必要があります。
必要になる判断経験
制度と現場のずれを事実で確かめ、どこで例外が生じ、どの運用なら業務を止めずに回せるのかを見極めながら、運用を成立させる経験です。
目的
処理件数を増やすことではなく、制度を守りながら、現場が止まらない運用を成立させること。
何から始めるか
効率化だけを進めるのではなく、現場を詰まらせている制度運用のずれを洗い出すことから始めることです。どの例外が頻発しているのか、どこで制度と実態が食い違っているのかを見直すことが、判断経験設計の出発点になります。
5つの職種に共通しているのは、AIによって仕事が消えるのではなく、仕事の中で人が担う部分が変わるという点です。
これまで価値だった、
- 早く調べる- うまくまとめる- 抜け漏れなく処理する- 既存の型に沿って進める
といった力は、今後AIに寄りやすくなります。
その一方で、これから人に強く残るのは、
- 相手や状況ごとの差を見る- 表に出ていない条件をつかむ- 複数条件の中で優先順位を決める- 関係者を動かしながら進める- 例外や想定外に対応する
といった、判断経験が必要な仕事です。
つまり、AI時代に本当に問われるのは、知識の量ではありません。自分の職種で、人が判断すべき場面を見極め、その判断経験を積めるようにしているかです。
そのため、これからの人材育成では、単に知識を増やす研修や、手順を覚えさせる教育だけでは不十分になります。
必要なのは、職種ごとに、
- どこまでがAIに寄る仕事なのか- どこからが人に残る仕事なのか- その職種では、どのような判断経験が必要なのか- その判断経験を、仕事の中でどう設計するのか
を明確にすることです。
判断経験設計とは、人に残る仕事に必要な判断を、偶然の経験や属人的な育成に任せるのではなく、どの場面で、何を確かめ、どう迷い、どう決め、どう振り返るのかを意図的に仕事の中へ組み込むことです。
AI時代の人材育成の中心課題は、知識教育を増やすことではありません。職種ごとに人に残る仕事を見極め、その仕事に必要な判断経験を設計することへ移っています。
生成AIの普及によって、企業の中で人に残る仕事は、職種ごとにより明確に分かれていきます。
- 顧客接点人材には、相手ごとの差を読み、次の一手を決める判断経験- 管理職には、人と仕事の組み合わせを見極め、任せ方を調整する判断経験- 企画職には、何を問うべきかを定め、方向を決める判断経験- 現場監督には、条件の違う現場を止めずに進める判断経験- バックオフィスには、制度と現場をつなぎ、運用を成立させる判断経験が残ります
そして重要なのは、それぞれの職種で、ただ変化を理解するだけでなく、その職種に必要な判断経験を、何を目的に、何から始めて、どう設計するのかを明確にすることです。
AI時代に必要なのは、職種ごとに何が置き換わり、何が人に残るのかを見極めたうえで、それぞれの職種に必要な判断経験を仕事の中で育てること、すなわち判断経験設計です。
本レポートは、その出発点として、5つの職種で役割がどう変わるのか、どのような判断経験が必要になるのか、そしてそれをどう設計していくべきかを整理したものです。
d68315-189-4fd15d99be4d2583606d4ffae2900407.pdf本リリースで整理した「職種ごとに人に残る仕事」と「判断経験設計」の考え方を、さらに詳しく知りたい方は、以下のリリースもあわせてご参照ください。
なぜ今、判断経験設計が必要なのかを知りたい方へ
企業の仕事の中で判断経験が減っている背景と、知識教育だけではなく、実務の中で判断経験を設計する必要性を整理しています。
https://prtimes.jp/main/html/rd/p/000000175.000068315.html
どの仕事から着手すべきかを知りたい方へ
判断構造設計を最初に入れるべき対象業務の考え方と、着手時に確認すべき診断視点を整理しています。
https://prtimes.jp/main/html/rd/p/000000182.000068315.html
個人として何を鍛えるべきかを知りたい方へ
「AI時代に、個人は何を鍛えるべきか？生成AIが知識や手順を支援する時代に、個人が仕事で差をつけるために本当に伸ばすべき力を整理しています。
https://prtimes.jp/main/html/rd/p/000000188.000068315.html
[画像2:
https://prcdn.freetls.fastly.net/release_image/68315/189/68315-189-c2216a593f58112a312842087b1a3cab-1042x194.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
会社概要
リクエスト株式会社
会社案内：
https://requestgroup.jp/corporateprofile
代表取締役 甲畑智康：
https://requestgroup.jp/profile
E-mail：request@requestgroup.jp
リクエスト株式会社（本社：東京都新宿区、代表取締役：甲畑智康）は「より善くを目的に」を掲げ、33.8万人の働く人のデータに基づいた 組織行動科学(R) を基盤に、7つの研究機関が980社を支援している企業です。
組織行動科学(R)は組織で働く私達の思考と行動が「なぜ起こり」「なぜ続くのか」を事業環境と経験から解明し、より善く再現する手段です。
[画像3:
https://prcdn.freetls.fastly.net/release_image/68315/189/68315-189-f1774e521e584a468ecf1e6c0ce2fc02-1489x1031.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
プレスリリース提供：PR TIMES
記事提供：PRTimes
