AIが日常の手段になると、仕事はどう変わるのか。【続編】― 仕事を組み直す九つの論点を図解10枚で公開
組織行動科学(R)︎
「できること」が増えた先に、何を引き受け、どこまで任せ、何を残すか。国内外の公開資料14件と生成AIとの共働経験をもとに、仕事の範囲・判断・経験・働く機会を捉え直す。
980社・33.8万人の働く人のデータを基盤に、組織行動科学(R)の研究・教育開発を行う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、AIが日常の手段になることで生じうる仕事の変化を、担当範囲、判断、経験、権限、負担、働く機会から検討する図解10枚を公開します。
本資料は、「
AIが日常の手段になると、仕事はどう変わるのか。―『なくなる職・残る職』では見えない変化を図解10枚で公開」に続く実務考察です。
前編では、一つの仕事を、目的、事実確認、検討、判断、実行、結果確認のつながりとして捉え、負担軽減、仕事の拡張、品質や周囲の負担の悪化という、異なる変化の方向を整理しました。
AIによって、できることが増えたとき、私たちは、何を仕事として引き受け、どこまで任せ、どの経験を残すのか。
図解は、要旨1枚と九つの論点9枚で構成しています。AIの利用方法だけでなく、仕事を依頼する側、成果物を受け取る側、育成や採用を担う側も、自分たちの仕事の組み方を検討できる内容にしました。
本資料は、国内外の公開研究・公的資料等14件と、当社代表者の生成AIとの共働経験を踏まえた実務考察です。新たな雇用予測や、当社の手法による効果実証を発表するものではありません。研究結果と、当社による整理・提案を区別して示しています。
- AIを使って資料を早くつくれるようになったとき、その時間を何に使うのか？- これまで着手しにくかった仕事を試せるようになったとき、どこまでを自分が担い、どこから他者と分担するのか？- 成果物が完成したとき、本人や組織には何が残っているのか？
今回の続編では、こうした問いを、日々の仕事の中で検討するための論点として整理しています。
ここでいう「AIが日常の手段になる」とは、特別な取り組みとしてだけでなく、調べる、考える、つくる、比べる、確かめるといった普段の仕事の中で、必要に応じてAIを用いる状態を指します。すべての職場がすでに同じ状態にある、という意味ではありません。
中心に置くのは、次の三つの区別です。
- できることが増えることと、引き受けるべき仕事が増えることは、同じではありません- 支援を受けて成果を出せることと、本人に理解や判断力が残ることは、同じではありません- 組織が効率化することと、働く人や仕事の相手にとって仕事がよくなることは、同じではありません
便利になったことだけでなく、その先で、誰の何が変わったかを確かめる。この視点から、九つの論点を提示します。
[画像1:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-453effbabd846b94369e13a2b8711b34-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
労働政策研究・研修機構（JILPT）の国内2社への事例調査では、生成AI導入後に、作業の補完だけでなく、担当する作業の幅の拡大、再編、新しい作業の創出などが報告されています。また、OpenAIによる利用メッセージの分析も、従来は別の職業に結びついていた活動について、AIに支援を求める利用を捉えています。ただし、前者は2社の事例、後者はメッセージの分析であり、一般的な雇用効果や仕事の完成・品質を示すものではありません。
こうした研究を踏まえ、本資料では、作業を置き換えることに加えて、支援する、組み合わせる、新しく着手する、減らす・やめるという観点から、仕事の範囲を検討します。
たとえば、専門家へ依頼する前に比較表や案を試作できれば、相談の論点を具体的にできるかもしれません。しかし、試作できることを理由に、専門家による確認や判断まで不要になったとは扱いません。
取り組める範囲の拡大を、一人に何でも担当させる理由にしない。何を引き受け、何を他者と分担し、何をやめるかを、併せて決めることを提案します。
[画像2:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-b00cc7c1ad2ba9f6e60e297dee7a6348-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
図中の五つは、当社が仕事を検討するために整理した観点です。順に進む段階や成熟度、すべて実施すべき手順を示すものではありません。
商品開発課題を扱ったP&Gでの実験は、AIによる案の生成と、その評価・選択を分けて分析しています。一方、短編小説の制作実験では、個々の作品の評価が高まると同時に、作品同士が似る傾向も報告されています。いずれも特定課題の結果であり、あらゆる仕事にそのまま当てはめることはできません。
本資料では、案を増やすことに加え、それぞれの案が、どの事実、顧客像、原因の見立て、評価基準に立っているかを検討します。表現が異なっていても、同じ前提から生まれた案かもしれないためです。
また、「案をつくるのはAI、選ぶのは人」と役割を固定するものではありません。AIを評価の補助に使う場合も含め、生成された案の質、採用した判断の適切さ、実行後の有効性を区別して確かめます。
案がそろったことを、検討が尽くされたことに読み替えない。何を根拠に選び、何が分かれば判断を変えるかまで扱います。
[画像3:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-9ed8c51f09fde5e417e69ca358caf924-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
実際の仕事では、確認した結果によって、案や評価基準へ戻ることもあります。図は、常に一方向に進む固定的な工程を定めたものではありません。
音声AIが実際の応募者から情報を集め、その面接を人が評価して採用判断を行う実験も報告されています。本資料では、この研究を採用の自動化を推奨する根拠ではなく、AIが現実の情報を取得する経路にもなりうることを考える材料として参照しています。参照したのはプレプリントであり、特定の採用場面での結果です。
重要なのは、「人が集めたから事実」「AIが扱ったから推測」と単純に分けないことです。実際の相手や記録から取得した情報、その情報をもとにした整理・推論、AIが相手役として示した模擬的な反応では、確認できることが異なります。
実際の相手の発言であっても、「その人がそう発言した」という事実と、「発言内容が客観的に正しい」ということは別です。取得元、日時、方法、元の記録との対応を確かめます。
情報の取得経路が変わっても、確認できたことと、まだ推測であることを分ける。取得・利用の権限や相手への説明も、仕事の一部として扱います。
[画像4:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-166199472a7834c39666e9cc39ba33c9-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
66社・7,137人を対象とした無作為化実験では、実際にAIを利用した人について個人の時間節約が推定される一方、個人へのAI提供による担当作業の量や構成の変化は検出されませんでした。作業の一部で得られる時間短縮と、仕事の組み方の変化は、別に確かめる必要があります。
本資料では、作成者が使った時間に加え、確認、修正、調整、実行を担う他の人まで含めた総投入時間と、依頼から利用可能になるまでの経過時間を分けて捉えます。
たとえば、提案をつくる時間が減っても、その提案を比較して決める人の時間が増える場合があります。重要なのは、必ず負担が移ると決めつけることではなく、どこで時間が減り、どこに確認や待ち時間が残ったかを確かめることです。
「自分は早く終わった」を、そのまま「仕事が早く終わった」にしない。成果物が受け入れられ、使われ、結果が出るところまでを見ます。
[画像5:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-7527dbbd2c8e1541a2276c3c13dfa510-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
時間の短縮だけでなく、必要な品質、利用料金、情報の準備、教育、確認の仕組みを整える負担も、対象業務に応じて検討します。
高校数学を対象とした実験では、AI利用中の成績向上と、その後のAIなしの試験成績は一致せず、支援条件によって結果が異なりました。これは企業内育成への直接の実証ではありませんが、成果を出すための支援と、本人が学ぶための支援を分けて考える材料になります。［7］
本資料では、AIを使わせるか禁止するかの二択ではなく、その場面で、成果を出すのか、理解や判断を育てるのか、役割に必要な力を確かめるのかを明らかにします。
育成を伴う仕事では、本人が事実を読み、比較し、仮説を立て、選び、結果を確かめる機会をどこに残すかを考えます。すべての工程を従来どおり行わせる必要も、すべてを代行させる必要もありません。
また、整った説明ができることだけで、理解を判断しません。条件が変わった場面に対応できるか、矛盾に気づけるか、分からないことを特定して相談できるかを、役割に応じて確かめます。
完成物だけで育成の成否を判断せず、必要な力につながる経験が、仕事に含まれているかを見直します。
[画像6:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-d4d03c5d670db6a23136509559231ad9-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
OECDの調査は、生成AIに限定しない「アルゴリズムによる管理」について、管理者が認識する便益と、責任の不明確さなどの懸念を扱っています。また、NISTのAIエージェントに関する概念文書案では、識別、権限付与・委任、行動記録などが検討されています。［8］［9］
本資料では、AIを使って仕事を検討する人、AIを組み込んだ仕組みを通じて管理される人、AIに実行権限を渡す組織を、異なる立場として捉えます。同じ人が複数の立場になる場合もあります。
情報へアクセスできることと、その情報を使って採否を決めたり、対外的な約束をしたりできることは、同じではありません。誰が基準を変えられるか、例外や異議をどこへ申し出られるかも確認します。
AIに実行まで任せる場合には、最後に結果を見るだけでなく、実行前に範囲を定めます。承認が必要な操作、停止条件、権限の取り消し、誤りが起きた場合の修正・復旧を含めて検討します。
AIに任せる範囲が変わるたびに、人と組織が担う確認、支援、責任も組み直します。
[画像7:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-9f27d25b6bceb5acdfecd897a330bd01-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
※NISTの参照資料は概念文書案です。本図は、同文書が定めた一律の義務や、個別法令への適合を示すものではありません。
米国の単一企業を対象とした質的研究の報告には、AIによって本人が引き受ける仕事や仕事をする時間帯が広がったという観察があります。一方、JILPTの労働者調査では、AI利用者の自己報告として、残業時間が増えたより減ったとする回答が多くなっています。対象、調査方法、AIの範囲が異なるため、「必ず忙しくなる」「必ず楽になる」と一括して結論づけることはできません。［10］［11］
本資料では、取り組める仕事や検討できる案が増える場合に、何を満たせば終了するか、追加の検討が判断を変える可能性はあるか、何が起きたら再検討するかも決めることを提案します。
これは、関心や創造性を抑えるためではありません。試す余地を確保しながら、仕事を持続できる範囲に保つための検討です。
また、生まれた余力をすべて追加業務に充てることを、唯一の選択肢にはしません。本人の目的と組織の必要性を確かめ、負担軽減、休息、品質の安定、学習、新たな試行への配分を考えます。
着手できることと、着手し続けるべきことは別です。始めない、途中で止める、十分とする判断も、仕事設計に含めます。
[画像8:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-6c1e66702c76068f73381ad2e2b0842c-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
個人ができるようになったこと、その仕事をできる人の数、その仕事への需要、生まれた便益の配分は、別々に検討する必要があります。本資料は、技能の幅や価値の変化を扱う国内事例も参照しながら、この区別を提示しています。
雇用については、米国の給与記録を用いた研究が若年者の採用の相対的な弱さを報告する一方、デンマークの研究では、対象期間における所得や記録上の労働時間への平均的な影響が検出されませんでした。前者はAIの因果効果を確定した推定ではなく、両研究の国、期間、指標も異なります。
本資料は、これらを「仕事はなくならない」という安心材料にも、「大量失業が必ず起こる」という予言にも使いません。
企業実務では、効率化を、未対応の需要への展開、品質の向上、負担軽減、採用や配置の見直しのどこにつなげるかを検討します。その際、若手が事実に触れ、判断し、結果を確かめる入口をどこに設けるかも考えます。
作業を減らす判断と、将来の担い手や働く機会をつくる判断を、切り離さないことを提案します。
[画像9:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-2481052f4ee32f133aa0e837397aeeb6-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
METRは、開発者の生産性実験について、参加者や課題の選び方、複数のAIを並行して使う場合の時間測定などが、結果の解釈を難しくしていると報告しています。AIの利用が変われば、効果の比べ方も見直す必要があります。
本資料では、同じ成果を少ない負担で得たい場合と、これまで行わなかった仕事を試したい場合を分けます。後者では、時間が増えたことだけで失敗とは言えませんが、新たに着手したことだけで成功とも言えません。
また、AIの導入と同時に、仕事の順序、分担、確認方法を変えた場合、その変化をすべてAIの効果として扱わないことが重要です。
図解では、AIを使う・使わないという違いと、仕事設計を組み直す・組み直さないという違いを分け、比較の条件を考える枠組みを示しています。
何を変え、何と比べ、誰のどの結果を、いつ確かめたか。成功だけでなく、修正、中止、想定と異なる結果も、次の仕事へ残します。
[画像10:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-a7860ea2be69a23d2debada3b1f418ec-1491x1055.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
図中の四条件は、実施済みの実験結果ではなく、比較を考えるための当社の提案です。欄を埋めるだけで因果関係を特定できるわけではありません。仕事の難しさ、担当者の経験、情報、支援、他者への影響なども検討します。
本資料は、すべての仕事で九つの論点を毎回詳しく点検したり、新しい帳票を増やしたりするためのものではありません。
まず、一つの仕事について、何を実現したいか、何を守る必要があるかを置きます。そのうえで、変更する範囲に応じて、目的と終了条件、担当範囲と委任、根拠と未確認事項、残す経験、比較と結果確認、便益と負担の配分を、既存の依頼文や業務記録に残します。
たとえば、個人では、次の一仕事の「任せる部分」と「自分で確かめる部分」を見直すために。管理職では、成果物だけでなく、その仕事に含まれる判断経験を検討するために。経営・人事・AI推進部門では、担当範囲、権限、支援、採用・育成のつながりを話し合うために使います。
必要な確認を担当者へ求める場合には、組織側も、確認に使える情報、時間、権限、相談先を用意します。条件が不足している場合は、担当範囲、期限、支援、実施方法のどこを変えるかも検討します。
AIを使う人だけに努力を求めず、必要な確認と判断ができる仕事にすることを目指します。
本資料では、人とAIの役割を、「人が目的を決め、AIが方法を考える」と固定しません。最初に置いた目的や原因の見立ても、AIとの対話と現実の確認を通じて、見直す対象にします。
一方で、AIに検討や実行を任せることを理由に、人や組織が引き受ける責任を曖昧にはしません。
また、すべての人に同じ仕事観を求めるものでもありません。早く終えたい人、新しいことに取り組みたい人、経験を生かしたい人が、それぞれの目的から始め、仕事で満たすべき条件や関係者への影響を確かめながら、進め方を選びます。
- AIでできることを増やすだけでなく、その可能性を、誰のどのような状態のために使うのか？- 何を引き受け、どこまで任せ、何を人と組織に残すのか？- 私たちは、AIと何をつくっていくのか？
それは、成果物だけの問いではありません。仕事、経験、組織、そして働く機会を、どうつくっていくのかという問いです。
図解10枚は、続編の要旨1枚と九つの論点9枚で構成しています。基礎となる全文解説は全22ページで、各論点の背景、比較表・確認表、参照方法と限界、参照資料14件を収録しています。
対象は、文章作成、調査、分析、企画、対話などに用いる生成AIと、情報取得・業務システムの操作を組み合わせた利用です。あらゆるAI技術や、すべての職業の将来を一括して扱うものではありません。
文献参照は探索的なものであり、網羅的な系統的レビューや、効果量を統合したメタ分析ではありません。査読論文、掲載予定論文、プレプリント、公的機関の報告、提供企業による分析、進行中の研究に関する報告を区別しています。
特定の国、企業、課題、利用者、AIで得られた結果を、日本のすべての職場や現在利用できるすべてのAIに、そのまま適用することはできません。
図解中の分類、確認事項、比較方法は、当社による整理・提案です。引用研究がその全体の効果を実証したものでも、参照機関が本資料を承認したものでもありません。説明用の場面例も、個別の顧客事実や測定済みの改善実績ではありません。
本資料の作成には生成AIの支援を用いていますが、生成された説明そのものを独立した事実根拠とは扱っていません。法令、契約、個人情報、採用、労務などの個別判断については、対象業務の要件と利用環境に応じて、担当部門や専門家による確認が必要です。
資料確認日：2026年9月15日
AIが日常の手段になると、仕事はどう変わるのか。【続編】
― 仕事を組み直す九つの論点を図解10枚で公開
全33ページ／図解10枚収録
d68315-253-7bac24852cccffecd9946b17d17b4439.pdf[画像11:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-8bfe359f286ad24d13843b639577c540-1358x206.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
[画像12:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-12ec80d0a957fb25d4bf0cd85a172164-1300x350.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
[画像13:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-736f3d4d2b27dcc789e06e74759751dc-1757x615.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
[画像14:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-d8eb365c3a80dcd24746f301fa67da88-1012x701.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：
https://requestgroup.jp
会社概要：
https://requestgroup.jp/corporateprofile
お問い合わせ：
https://requestgroup.jp/request
[画像15:
https://prcdn.freetls.fastly.net/release_image/68315/253/68315-253-54ca4d81a0938bed42f2654c5a9c57fa-1620x1122.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
