AIに仕事は奪われるのか — なくなる業務・残る仕事と、いま身につけること

AIに仕事を奪われるのか——この問いは、職業単位で考えるかぎり答えが出ません。実際に置き換わっているのは職業そのものではなく、その中にある個々の業務です。どの業務から先に代替され、どこが残るのか。そして、残る側に自分の時間を寄せていくために何を身につけるのか。公的な調査で確認できる範囲に絞って整理します。

結論：置き換わるのは「職業」ではなく「業務」

AIによって置き換わっているのは、職業そのものではなく、職業の中にある個々の業務（タスク）です。ひとつの職業は、性質の違う作業がいくつも束ねられてできています。営業なら、リスト作成・訪問・提案書の作成・見積・社内調整・受注後の引き継ぎ。経理なら、伝票入力・突合・月次の締め・経営への報告。AIが得意なのは、この束の一部でしかありません。

先に代替が進みやすいのは、定型的で、量が多く、手順が言葉で説明できる作業です。逆に、前提が揺れる中での判断、利害の異なる相手との調整、結果を引き受ける責任、相手の状況に合わせた対人のやりとりが絡む部分は残りやすくなります。

だとすれば、身を守る方法は「この職業なら安全だ」と探すことではありません。自分が担当している業務の構成を、残る側へ寄せていくことです。1日のうち転記と集計に5時間を使っているなら、その5時間の中身を組み替えます。職業を変えなくても、業務の構成は変えられます。

「奪われるか否か」ではなく、業務の構成が変わる

この話題は二択で語られやすいものです。奪われるのか、奪われないのか。しかし実務で起きているのは、もっと地味な変化です。職が消えるより先に、1日の中の業務の割合が動きます。

職業単位で見るか、業務単位で見るかで、見える景色が変わります。

同じ「営業事務」という職名でも、会社によって中身は違います。受発注の入力が大半を占める人もいれば、与信や納期の調整が中心の人もいます。職名では判断できないのは、このためです。

また、日本の労働市場が当面直面しているのは、人手が余る局面ではなく労働力供給の制約だとされています。厚生労働省の令和7年版「労働経済の分析」は「労働力供給制約の下での持続的な経済成長に向けて」を主題に掲げ、労働生産性の向上を軸として分析しています^※5。人が減る前提で、どう生産性を上げるかという文脈のほうが、実務の感覚には近い場合が多いはずです。

日本でAIはどこまで使われているか

不安を測る前に、現在地を確認しておきたいところです。公的な調査で確認できる範囲では、普及は進んでいるが、雇用が置き換わる段階にはまだ距離があるという数字が並びます。

総務省の令和7年版情報通信白書によれば、生成AIを使ったことがあると答えた個人の割合は、前年度の9.1％から26.7％へ伸びています^※1。ただし白書は、調査対象の他国と比べると日本は低い水準にとどまるとしています。企業側でも、活用方針を定めている企業の割合は42.7％から49.7％へ増えました^※2。

働く側の実感に近いのは、労働政策研究・研修機構（JILPT）が2025年5月に公表した約2.2万人への調査です。職場でAIが使われていると答えたのは12.9％、自分自身が仕事で使っているのは8.4％、生成AIに限ると6.4％にとどまります^※3。一方で、10年以内に職場でAIの活用が進むと考える人は全体の55.6％、AI利用者に限れば92.5％に上ります^※3。

つまり「まだ広く使われてはいないが、これから進むと多くの人が見込んでいる」という位置にあります。いま起きているのは置き換えの完了ではなく、その手前の助走です。

「◯％の仕事がなくなる」という予測の読み方

この分野では、大きな数字が独り歩きしやすいものです。予測に触れるときは、最低限、次の4点を確認してください。

• 何を単位に測ったか。職業単位なのか、業務単位なのか。業務単位の「影響を受ける割合」を職業単位の「消える割合」と読み替えると、意味がまるで変わります。
• どの国・地域が対象か。産業構成が違えば結果も違います。
• いつの時点の技術を前提にしているか。数年前の推計は、そのままでは使えません。
• 技術的な可能性か、実際の導入か。できることと、実際に置き換わることは別です。

幅の大きさを示す例として、労働政策研究・研修機構が紹介するOECDの分析があります。OECDの報告書「Job Creation and Local Economic Development 2024」（2024年11月公表）は、OECD諸国の労働者のうち約4分の1が生成AIの影響を受けているとし、現在または近い将来に生成AIから大きく影響を受ける雇用の割合は、地域によって16％から70％以上の範囲に及ぶ可能性があるとしています^※4。同じ報告では、都市部の労働者は平均32％がすでに生成AIに接している一方、非都市部では21％にとどまるとされています^※4。

ここで注目したいのは数値そのものよりも、16％から70％という幅の広さです。同じ技術でも、地域の産業構成が違えば影響の大きさはこれだけ変わります。全国平均や海外の数値を自社にそのまま当てはめても、意思決定の材料にはなりにくいものです。

実務上の結論はひとつで、他人の予測を追うより、自社と自分の業務を数えるほうが早いといえます。

先に置き換わりやすい業務の5つの条件

どの業務から動くかには、おおむね共通の条件があります。5つ挙げます。該当する数が多いほど、早い段階で任せられる可能性が高くなります。

逆に言えば、言語化されていない業務は自動化できません。「あの人しか分からない」まま残っている作業は、AIの導入以前に手順化の対象になります。属人化の解消と自動化は、同じ入口を共有しています。

もうひとつ注意したいのは、5番目の「取り返しがつくか」です。技術的に可能でも、間違えたときの損害が大きい領域では、人が確認する工程を外せません。できることと、任せてよいことは別の判断です。

残りやすい仕事の4つの条件 — 判断・調整・責任・対人

残りやすい側にも条件があります。ここでは4つに整理します。

• 判断… 前提が揺れる中で決めること。正解が用意されていない、情報が足りない、優先順位が対立する。限られた材料で決める人が必要になります。
• 調整… 利害の異なる相手をまとめること。社内の部署間、取引先、顧客。合意には、これまでの関係の履歴と力関係の読みが要ります。
• 責任… 結果を引き受けること。AIの出力を使って何かが起きたとき、責任を負うのはそれを使った人です。
• 対人… 相手の状況に合わせて接すること。信頼、感情、その場の空気、身体を伴う作業。

ただし「残る＝いままでどおり」ではありません。判断が残るとしても、判断の材料を集める作業は変わります。調整が残るとしても、調整のための資料作成は変わります。残るのは仕事の中心であって、その周辺の作業は動くと考えたほうが実態に近いはずです。

この見方に立つと、管理職の役割は特に変化が大きくなります。作業を配分する役割よりも、出てきたものを検収し、責任を引き受ける役割の比重が上がっていきます。詳しくはAI時代に管理職に求められる役割の変化で扱っています。

職種別に見る、なくなる業務と残る仕事

職種ごとに、動きやすい業務と残りやすい仕事を並べます。職種が消えるという意味ではなく、同じ職種の中で比重が変わるという読み方をしてください。

表を眺めると共通点が見えてきます。動きやすいのは「材料をそろえる工程」、残りやすいのは「決めて、引き受ける工程」です。

事務職はどうなるのか — 職種ではなく中身が変わる

もっとも不安が語られやすいのが事務職です。

事務職と呼ばれる仕事は、実際にはいくつもの別々の作業の束です。転記、集計、書類の作成、社内外への一次対応、備品や日程の管理、記録の保管。このうち前半に挙げた作業は、先に動きやすい5条件をよく満たしています。

一方で、残りやすい部分もはっきりしています。例外が出たときの処理、関係者の間に立つ調整、記録が正しいことの担保です。請求の締めに間に合わない案件が出たとき、どこに連絡し、何を優先するかを決めるのは、当面は人の仕事として残りやすいでしょう。

したがって、事務職について現実的に想定しておきたいのは、職種の消滅よりも求められる中身の移動です。作業をこなす速さより、例外を見つけて処理を組み立てる力や出てきたものが正しいかを確かめる力の比重が上がっていく可能性が高いといえます。

採用側の変化も、雇用の急減より先に表れやすいものです。募集の中身が変わる、求める要件が上がる、増員の判断が慎重になる、といった形です。「なくなるかどうか」を待つより、要件の変化を先に読むほうが実務的です。

自分の仕事を業務に分解する手順

ここから具体的な手順に入ります。特別な道具は要りません。1週間分の作業を書き出すところから始めます。

手順1：作業を書き出す。1週間、何にどれだけ時間を使ったかを記録します。粒度は30分から半日で終わる単位にそろえてください。「顧客対応」では大きすぎ、「メールを1通書く」では細かすぎます。「見積書を作成する」「週次報告をまとめる」くらいが扱いやすい単位です。

手順2：時間を数える。件数と1件あたりの時間を掛けます。感覚では大きく見えていた作業が実は月2時間で、気にも留めていなかった作業が月20時間だった、という具合です。効果が出るのは、時間の大きいところであって、面倒に感じるところとは限りません。

手順3：性質で分ける。次の節で扱う3分類に振り分けます。

手順4：ひとつだけ試す。全部を変えようとすると止まります。時間が大きく、失敗しても取り返しがつくものを1つ選んでください。

部署でやる場合の注意点や候補の絞り込み方はAIで効率化できる業務の見極め方と棚卸しの手順で詳しく扱っています。

「置き換え・支援・不変」の3分類と、次の一手

書き出した作業を、3つに分けます。分類そのものより、分類のあとに何をするかまでを対にしておくことが要点です。

実務でいちばん割合が大きいのは、多くの場合「支援」です。全部を任せるのでも、まったく使わないのでもなく、材料をそろえる工程だけを渡して、判断に使える時間を増やすという形になります。

そして「不変」に分類したものを明示的に残すことが、意外に効きます。何を変えないかが決まっていないと、現場は「全部をAIに置き換えろと言われている」と受け取り、抵抗が生まれます。守る範囲を先に示すほうが、変える範囲は進みやすくなります。

身につけること — 3つの力

ここから、いま身につけたい力を3つに分けて扱います。1つ目は依頼を要件に翻訳する力です。

AIに何かを任せるとき、うまくいかない原因の多くは技術ではなく指示の曖昧さにあります。「いい感じにまとめて」で通じるのは、前提を共有している相手だけです。次の5点が言葉になっていれば、出てくるものの質は大きく変わります。

• 目的… 何のための成果物か。誰が読み、そのあと何に使われるのか。
• 入力… 何を材料にするのか。手元にある情報はどれで、足りないものは何か。
• 制約… 守るべき条件。分量、形式、使ってはいけない表現、社内のルール。
• 出力の形… 文章か、表か、箇条書きか。どの粒度で、どの順序で並べるか。
• 合格の条件… どうなっていれば完成といえるか。ここが最も抜けやすい項目です。

この5点は、人に仕事を頼むときに必要な情報とまったく同じです。つまりこの力は、AIのための特殊技能ではなく、委任の技術そのものだといえます。

逆に、自分でやったほうが早いと言い続けてきた人は、ここでつまずきやすくなります。頭の中にしかない手順を、いったん言葉にする練習から始めてください。

出力を検収する力

2つ目は出てきたものを確かめる力です。実務のトラブルは、入力側より出力側で起きがちです。

生成AIの出力には誤りが含まれ得ます。もっともらしい体裁で、事実でない内容が混ざる場合があります。体裁の良さと正しさは別物であるという前提に立ち、確認の観点をあらかじめ決めておいてください。

そのうえで、用途によって確認の水準を変えます。すべてを同じ厳しさで検証すると、確認そのものが負担になり、結局は守られない運用になります。社内の下書きなら本人の確認で足り、社外に出す文書なら事実と数値の裏取りに加えて第三者の確認を経る、といった段階設計が現実的です。

そして責任は使った人にあります。「AIが出したから」は理由になりません。社内のルールとしての整え方は生成AIの社内ガイドラインの作り方 — 条文構成と運用の型で扱っています。

業務そのものを作り直す力

3つ目は業務の作り直しです。効果が出るかどうかは、ここで分かれます。

よくあるのは、既存の手順を残したまま一部だけを速くするやり方です。資料作成が30分速くなっても、その後の承認に3日かかるなら、全体の所要時間はほとんど変わりません。部分の効率化は、工程全体の速度に届かないことが多いのです。

作り直すときの観点は4つあります。

• 削除… そもそも不要な工程はないか。「以前からやっているから」だけが理由になっている作業。
• 統合… 分かれている工程をまとめられないか。担当が違うという理由だけで分割されている作業。
• 順序… 順番を入れ替えるだけで待ち時間が消えないか。
• 移管… 人が持つ必要のない工程はどれか。ここで初めてAIの出番を考えます。

順序としては、削除・統合・順序を先に検討し、最後に移管を考えます。要らない作業を速くしても意味がないためです。

この作り直しには、標準化が前提になります。手順が人によって違う業務は、変えようとしても比較ができません。属人化した業務を可視化して手順をそろえる作業は、それ自体がAI活用の準備として効いてきます。

「AIに詳しい人」より、その分野の実力が効く

ここで、身につける順序について触れておきます。AIの操作に詳しくなることが最優先だとは限りません。

前の2節で挙げた「要件に翻訳する」「出力を検収する」は、いずれも対象分野の知識がなければ成立しません。何が正しいかを知らなければ誤りに気づけませんし、合格の条件も書けません。

したがって、優先順位は次のようになる場合が多いはずです。

1. 自分の担当分野の実力。何が正しく、何が例外かを自分で判断できること。
2. 委任の技術。目的・制約・合格条件を言葉にできること。
3. 道具の使い方。どのツールで何ができるかを知り、実際に手を動かして触ること。

3番目を飛ばしてよいという意味ではありません。触っていない人は、任せられる範囲の見当がつきません。ただし、道具の知識だけを増やしても、判断の質は上がりません。

不安を感じている場合、まず自分の分野で「説明できること」を増やすのが現実的な打ち手になります。学び直しの進め方や公的な支援制度はAIリスキリングとは？企業と個人の進め方・必要スキル・支援制度で整理しています。

会社側が用意するもの — ルール・教育・評価

個人の努力だけでは変わらない部分があります。会社側が用意すべきものを4つ挙げます。

とくに評価には注意してください。利用回数を評価に結びつけると、使うこと自体が目的化します。測るべきは業務がどう変わったかであって、利用の量ではありません。

また、「効率化した先に何をするか」を示していない会社では、現場は協力しにくいものです。空いた時間が単に別の作業で埋まるだけだと分かっていれば、進んで手の内を明かす理由がありません。空いた時間の使い道を、会社側が先に言葉にしておいてください。

必要な力を洗い出して育成につなげる方法はスキルマップの作り方 — 何を軸に、どの粒度で作るかで扱っています。

よくある誤解と、避けたい進め方

この話題でつまずきやすい点を挙げます。

• 誤解1：職業単位で心配する。同じ職名でも中身は会社ごとに違います。判断は業務単位でしか下せません。
• 誤解2：AIに詳しくなれば安泰。道具の知識だけでは、検収も要件化もできません。分野の実力と組み合わさって初めて効きます。
• 誤解3：導入すれば効率が上がる。工程を変えないまま部分だけを速くしても、全体の時間は縮まりにくいものです。
• 誤解4：現場任せにする。ルールと相談先がない状態では、現場は安全側に倒れて使いません。
• 誤解5：予測値を根拠に人員計画を立てる。前提の違う数値を自社に当てはめると、判断を誤ります。

避けたい進め方として、もうひとつ挙げておきます。不安を動機に急がせることです。「使わないと取り残される」という言い方は短期的には人を動かしますが、目的が曖昧なまま数だけが増えます。何のために使うのかを先に示すほうが、結果として定着しやすくなります。

最初の90日でやること

1か月目：数える。個人であれば1週間分の作業を書き出し、時間を数えます。組織であれば部署ごとに同じことを行います。この段階では判断しません。事実を並べるだけで構いません。

2か月目：ひとつ試す。時間が大きく、失敗しても取り返しがつく業務を1つ選びます。試す前に「どうなれば成功か」を決めておいてください。時間なのか、品質なのか、件数なのか。決めずに始めると、効果があったかどうかを後から判断できません。

3か月目：組み替える。試した結果をもとに、工程そのものを見直します。削除・統合・順序の3つを先に検討し、そのうえで担当を決め直します。あわせて、空いた時間を何に使うかも決めます。

90日で全体が変わるわけではありません。ただしこの3か月を通ると、「奪われるかどうか」という問いが「どの業務をどう組み替えるか」という問いに変わります。問いが具体的になれば、打ち手も具体的になります。

個人としての備えを一言でまとめるなら、「自分の分野で説明できることを増やし、任せる範囲を決められるようにし、出てきたものを確かめられるようにする」です。この3つは、技術がどう進んでも古くなりにくいものです。

Author

株式会社UNPLACED

「場所にとらわれず、居場所をつくる。」を理念に、企業向けのAI基礎研修・AIコンサルティング、ジュート由来の生分解性プラスチック「ソナリ」、ワークマネジメントサービス「OginAI」を提供しています。人手不足・DX・環境対応という経営課題に向き合う企業と伴走します。

AI活用

この記事は株式会社UNPLACEDが制作しています。掲載内容は公開時点の情報にもとづくもので、制度や仕様は変更される場合があります。