AIを仕事に使えないのは、任せられる仕事がないからではなかった── 『Co-Intelligence』から考える、人とAIの仕事の分け方
仕事でAIを使ってみようと思い、画面を開く。
そこで、手が止まります。
「何を任せればいいんだろう」
メールは自分で書いたほうが早い。数字は確認が必要。会議は人と話すもの。企画は背景を知らないと作れない。
一つずつ考えていくと、AIへ丸ごと渡せる仕事が見当たりません。
せっかくAIが出社してきたのに、任せる仕事がなく、受付で待ってもらっているような状態です。AIは疲れないので、気まずさを感じているのはこちらだけですが。
周囲では「AIで仕事が速くなった」という話を聞きます。
それなのに自分は使い道さえ見つけられない。
「自分の仕事はAIに向いていないのかもしれない」
「使い方を考える能力が足りないのかもしれない」
そんなふうに感じることもあります。
けれど、『Co-Intelligence』と仕事における生成AIの研究を調べると、探し方そのものを変えられることが分かりました。
見つけるべきなのは、AIへ丸ごと任せられる仕事ではないのかもしれません。
今の仕事の、どの瞬間にAIを参加させるか。
問いをそう変えると、AIとの接点は少し違って見えてきます。
あなたの仕事は、本当に一つの作業だろうか
たとえば、「会議の報告書を作る」という仕事があります。
一つの仕事に見えますが、実際にはいくつもの作業が含まれています。
会議の記録を集める
重要な発言を選ぶ
論点を整理する
下書きを作る
事実や数字を確かめる
関係者へ伝わる形に直す
最終版を承認する
この全部をAIへ渡そうとすれば、不安になるのは当然です。
AIは、会議に至る背景を十分に知らないかもしれません。どの発言が政治的に重要かも分かりません。数字をもっともらしく取り違える可能性もあります。
しかし、「論点の並べ方を3案出す」ならどうでしょう。
「自分で書いた下書きの分かりにくい箇所を指摘する」なら。
最終判断は自分に残したまま、途中の一作業だけに参加してもらえます。
仕事の名前だけを見ていると、任せられるか、任せられないかの二択になります。
仕事を途中の作業へ分けると、手伝ってもらえる場所を探せるようになります。
『Co-Intelligence』が勧めるのは「共同作業」だった
イーサン・モリックの『Co-Intelligence』は、AIを単なる自動化装置ではなく、人間とともに考える存在として捉えます。
出版社の公式紹介では、AIを同僚、共同教師、コーチとして仕事や学びへ参加させる本だと説明されています。
モリックが掲げる原則の一つが、「常にAIをテーブルへ招く」です。
これは、すべてをAIに決めてもらうという意味ではありません。
AIは、意外な作業が得意な一方、簡単そうな作業で失敗することがあります。何ができるかを事前の一覧だけで判断するのは難しい。だから普段の作業へ参加させ、実際の出力を見ながら得意・不得意を知る、という考えです。
ここでAIに与える役割は、完成品を作る担当者だけではありません。
案を出す同僚。
自分の案へ反論する批評役。
考えを言葉にするための聞き役。
最初の下書きを置く補助役。
同じ仕事でも、参加の仕方はいくつもあります。
研究では、仕事の「途中」で効果が出ていた
AIを仕事の一部へ参加させる方法には、実証的な裏付けもあります。
2023年に『Science』へ掲載された研究では、444人の専門職が、仕事に関連する文章課題へ取り組みました。
ChatGPTを使える参加者は、使わない参加者より短い時間で作業を終え、評価された文章の品質も上がりました。
注目したいのは、単に文章作成をAIへ丸投げしたという話ではないことです。
AIの利用によって、人が時間を使う場所が、粗い初稿作成からアイデア生成や編集へ移りました。
つまり、人間の仕事が消えたのではなく、工程の配分が変わったのです。
別の研究では、5,179人の顧客サポート担当者へ、会話中に提案を出すAIが導入されました。
担当者は提案をそのまま使うことも、直すことも、無視することもできました。その結果、1時間当たりの解決件数は平均14%増えました。経験の少ない層では、改善がより大きく見られました。
ここでも、AIが顧客対応という仕事を丸ごと引き受けたわけではありません。
人が会話の責任を持ち、その途中でAIの提案を使う形でした。
「任せられる仕事がない」と感じるとき、私たちは完成した仕事の受け渡しだけを想像しているのかもしれません。
研究で効果が見られたのは、もっと細かな参加の形でした。
同じ仕事の中にも、得意と不得意が混ざっている
ただし、「細かく分ければ何でもAIに頼める」と結論づけるのは危険です。
BCGのコンサルタント758人を対象にした研究があります。
AIの能力範囲内にある18種類の課題では、AIを使った参加者は、使わない参加者より平均で12.2%多くの課題を終え、25.1%速く作業し、品質も改善しました。
研究では、AIと人が作業を分担する使い方と、工程の中で密接にやり取りする使い方の両方が観察されています。
ところが、AIの能力範囲外にある複雑な経営課題では、結果が逆転しました。
AIを使った参加者は、使わなかった参加者より、正しい解決策を出す確率が19%低くなりました。
専門家でも、説得力のあるAIの回答に引っぱられたのです。
この研究は、AIの能力境界を「ギザギザの境界」と呼んでいます。
人間には同じくらいの難しさに見える二つの作業でも、AIは片方を得意とし、もう片方を苦手とすることがある。その境界は、職業名や仕事の名前だけでは分かりません。
AIに任せる立派な一案件を探しても、見つからないのは不思議ではありません。AIの得意分野は、きれいな部署表ではなく、ギザギザの地図に載っているからです。
AIへ渡さず、人が持ち続けるもの
仕事の一部へAIを参加させるときも、人が手放さないほうがよいものがあります。
まず、目的です。
誰に何を届けるのか。何を優先するのか。どの結果なら使えるのか。ここが曖昧なままでは、AIの回答を評価できません。
次に、確認です。
数字、引用、固有名詞、制度、契約条件などは、文章が自然でも正しいとは限りません。元の資料と照合する必要があります。
そして、最終判断と責任です。
英国政府のAI倫理指針も、AI支援を受けた判断の責任は人が持ち、高リスクの用途では人が最終判断を行うよう求めています。
とくに注意したいのは、次のような仕事です。
重大な判断に関わるもの
機密情報を含むもの
取り消しにくい操作を伴うもの
こうした場面では、AIに参加してもらえるかより、そもそも利用してよいかを先に確認します。
AIとの共同作業は、責任まで共同にできるという意味ではありません。
HAROの暫定評価
「AIを仕事に使えないのは、任せられる仕事がないからではなかった」という見方は、条件付きで支持できます。
AIへ丸ごと渡せる職務がなくても、仕事を工程へ分ければ、案出し、下書き、比較、批評など、AIを参加させられる場所が見つかる可能性があります。
文章、顧客対応、コンサルティングの実証研究でも、人が仕事を続けながらAIの支援を使うことで、速度や品質が改善した場面が確認されています。
一方で、AIの効果は作業ごとに異なります。
能力境界の外では、AIが専門家の判断まで悪化させる場合がありました。AIへ頼んだこと自体を成果にせず、出力を自分で評価できるかが重要です。
そのため、方向性は妥当ですが、万人向けのAI作業リストは作れません。
必要なのは、「何を任せるか」を一度で決めることではなく、どの工程へ、どの役割で、小さく参加させるかを試すことです。
今日、これだけやってみる
今日の仕事を一つだけ選び、紙やメモへ次の5語を書いてください。
集める｜考える｜下書きする｜確かめる｜伝える
その中から、機密情報を使わず、自分で良し悪しを確認できる工程を一つだけ丸で囲みます。
今日は、まだAIへ頼まなくてもかまいません。
丸を一つ付けられたら、「任せられる仕事探し」から「参加してもらう場所探し」へ、問いはもう変わっています。
次に進みたい方へ
この記事の考え方を、実際の仕事で一度試してみたい方へ。
AIに任せる作業を一つ選び、短く依頼し、一つだけ調整して、次も使える形で残すところまで進められます。
参考資料
イーサン・モリック『Co-Intelligence: Living and Working with AI』
Penguin Random House, “Co-Intelligence”, 2024
Ethan Mollick, “Doing Stuff with AI: Opinionated Midyear Edition”, 2024
Shakked Noy and Whitney Zhang, “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence”, Science, 2023
Erik Brynjolfsson, Danielle Li, and Lindsey R. Raymond, “Generative AI at Work”, 2023
Fabrizio Dell’Acqua et al., “Navigating the Jagged Technological Frontier”, Organization Science, 2026
UK Government, “Data and AI Ethics Framework”, 2026
