日々の業務で AI を触る機会が増えてきました。議事録の整形、メールの下書き、データの要約——便利な場面は確かにあります。
一方で、現場で聞こえてくるのは「何をどこまで任せていいのか分からない」という声です。「自分の仕事が AI に置き換わるのでは」という漠然とした不安と、「これは AI には無理だろう」という感覚が、同じ人の中に同居しています。
本稿では、AI に任せない方がいい仕事はどれかを見極める3つの判断基準を整理します。実務で AI を回してみて見えてきた、残る領域の話です。
1. AI にはまだ生まれない「発想」と、人間の切り口
AI は膨大なデータからパターンを見つけて組み合わせる作業が得意です。既存情報の整理、似た事例からの類推、テキストの要約——このあたりは明らかに早い。
ただ、データにまだ存在しない発想を一から立てることは、今の AI では苦手な部類です。例えば:
- まだ誰も言語化していない顧客の不満を見つけ、新しいサービスの種を立てる
- 別分野の知見を持ってきて、既存プロダクトの設計を根本から見直す
- チームメンバーの空気から「次に取り組むべきテーマ」を直感的に置く
こうした「ゼロから切り口を立てる」仕事は、まだ人間の領域に残ります。AI には「発想の加速装置」として市場データや過去事例を整理させ、問いを立てるのは人間、方向を決めるのも人間という役割分担がハマります。
AI が出した提案をそのまま答えとして採用するのか、素材として加工するのか。この判断は、結局人間の側に残るのではないでしょうか。
2. 会議の空気・相手の言外の意図は、まだ人間の領域
AI はテキストで書かれた情報は処理できます。ただ、会議中の沈黙が何を意味するか、相手が本当は何を懸念しているか、組織の過去の経緯でこの話題が地雷になっていないか——いわゆる**ハイコンテキスト（言葉の外にある文脈）**は読み切れません。
具体的にはこういう場面です。
- 顧客との提案の場で、反論ではなく沈黙が続いたとき、次に何を切り出すか
- ステークホルダー複数人の利害が絡む交渉で、誰から先に根回しするか
- チーム内で若手が元気をなくしているとき、どう声をかけるか
これらは AI の分析結果を前提にしても、最後は人間の共感・調整で進む仕事です。AI は感情らしき言葉を出力できますが、相手の気持ちを実際に感じ取っているわけではありません。
AI が顧客の購買履歴から最適な提案を提示したとしても、それを「どう伝えるか」「いつ切り出すか」は人間の判断です。提案の中身が 8 割で、伝え方は残り 2 割——そんな単純な話ではなく、伝え方が全体の成否を決めることも珍しくありません。
3. AI の出力をどう信じて、どう動くか
AI は大量の情報を早く処理します。そのぶん、どれを信じて、どれを疑うかの判断が、人間の側に重く乗ってきます。
ここで問われるのは、次のような判断です。
- AI が出した根拠の確認——出典があるか、最新か、文脈が合っているか
- 信頼できる情報と、生成されたそれらしい情報の見極め
- 数字を信じて動く前の、現場感覚との突き合わせ
Meta（旧 Facebook）は AI 生成コンテンツに「AI Info」というラベルを付ける運用を広げており、情報の出どころを可視化する動きが世界的に進んでいます。裏を返せば、出どころが見えない AI の出力をそのまま信じるのはリスクが高い時代に入った、ということです。
若手が AI の返した数字をそのままレポートに載せ、後から出典が曖昧と分かってクライアントへの再説明に追われる——現場で見かける風景です。最終的に責任を負うのは、AI を起動したその人です。
AI 研究者のアンドリュー・Ng 氏は「AI を使える人が、使えない人に取って代わる」という趣旨の発言で知られます。使えるとは何かを問うと、AI を回す技術だけでなく、AI の出力に対する価値判断を自分で引き受けられる、という意味を含むのではないでしょうか。
まとめ
AI に任せない方がいい仕事の3つの判断基準を振り返ります。
- 発想の切り口を立てる仕事——データにない問いを立て、方向を決める
- 空気や言外の意図を扱う仕事——会議・交渉・チームの機微
- AI の出力を信じるか判断する仕事——最終責任を伴う価値判断
どの仕事を AI に流し、どこは自分で握るか。線の引き方は、チームや業務の性質によって少しずつ違います。
明日の業務から、ひとつだけでも「これは自分の側で判断する」と決めてみる。そこから、AI との付き合い方が具体的に見えてきます。
