AI に消される仕事と「残る仕事」の意外な法則

「仕事の複雑さ」って、具体的には何を測ってるの？同じ医者でも日々同じ診察の繰り返しじゃないですか？

「複雑さ」を測るとき、その研究が見ているのは、おそらく「予測不可能性の度合い」なんですよね。 医者の診察は、確かに毎日繰り返しですが、患者ごとに症状も背景も違う。同じ症例でも、その患者特有の薬歴やアレルギーがあれば対応が変わります。手術も同じ部位でも、血管の位置や既往歴で判断が変わる。つまり「現れ方のパターン」が事前に予測しづらい。一方、コールセンターのスクリプト対応は、質問パターンが限られていて、答えもほぼ決まっている。日々繰り返していても、実質的には「パターン認識」に近い。 研究が統計的に調べたのは、おそらく職業の説明文や業務記述から「判断が要求される度合い」「想定外への対応」がどれだけ出現するかを定量化したはず。つまり「複雑さ」は作業量の多さではなく、その仕事が「どこまで自分の頭で判断する必要があるのか」を指しているのかもしれません。医者と単純事務作業は、両方とも毎日繰り返しですが、「繰り返しながら毎回異なる判断を迫られる度合い」は全く違う、と言えそうです。

自分の仕事が『消えやすい』か『残りやすい』か、この研究の観点だと何を目安に判断したらいいの？

研究の観点で判断するなら、「その日その日で、仕事の中身がどれだけ変わるか」を思い出してみるといいかもしれません。 同じ職種でも、その人の工夫や顧客によって問題が違う、という経験があるかどうか。たとえば営業なら、相手企業の事情を読み取ってアプローチを変える。企画なら、同じテーマでも市場の動きに応じて提案内容を組み替える。修理工なら、同じ機械でも故障の原因が毎回異なる。こういった「その場その場で判断が必要」という感覚があるほど、AI には置き換えられにくいということになります。 逆に「マニュアルに沿えば完結する」「チェックリストで対応できる」という仕事ほど、リスクが高い。これは技術的に自動化できるかどうかの問題ではなく、その仕事が本質的に「ルール化できる」か「ルール化できないか」という構造の違いなんですね。 自分の仕事を思い返すとき、ここ1週間で「昨日と全く同じ判断をした日」がどれくらいあるか。その比率が目安になりそうです。

この研究、なぜ今2026年に注目されてるんだろう？ここ数年で AI の進化速度が変わって、これまでの予測が外れたとかあるの？

2026年の現在、AI が思ってたより汎用性を持つようになってるのが、この研究に改めて光を当ててるんじゃないかと思います。 2019〜2024年のデータというと、まだ生成 AI が本格化する前夜の統計。その時点では「複雑で予測不可能な仕事ほど安全」という結論は、ほぼ常識的な見方でした。ところが ChatGPT が登場して以降、複雑だと思われてた仕事—例えば初期相談業務や創作補助、コード生成—が次々と影響を受けた。そうなると、逆に「本当にそうか？」という検証欲求が生まれるんですよね。 さらに現在、単純作業の置き換えはもう大半が終わってる段階。残されてるのは、案外複雑で予測不可能だと思ってた職種ばかり。それで「なぜ複雑さだけで説明つくの？」という疑問が浮上してきたのかもしれません。技術が進むにつれ、「複雑さ」という概念そのものが問い直される時期に来ているのと言えそうです。

つまり『機械が得意な世界』と『人間にしかできない世界』って、技術力じゃなくて『予測可能性があるかないか』で分かれるってこと？

その通りですね。技術的には AI でもできるんだけど、「世界が予測可能に整っているかどうか」で、人間を必要とするかが決まる。 考えてみると、AI が強いのは「パターンを学習して再現する」こと。毎回同じ条件が揃っていれば、学習した通りに動けばいい。でもコールセンターと手術を比べると、どちらも決まった手順が存在するのに、医者はなぜ生き残りやすいのか。それは手術室では「患者の体の状態は毎回異なる」「予想外の出血、癒着、個人差が常に出現する」からです。修理職人も同じで、壊れ方は千差万別。そのたびに初めて見る問題に直面する。 ここが重要で、これは「難しさ」の問題というより「予測可能性の有無」なんです。手術は技術的には複雑ですが、むしろ「複雑だからこそ毎回異なる」という特性が、パターン学習型の AI を締め出す。コールセンターは単純だけど、パターンが固定されているから、AI に置き換わりやすい。 つまり、人間が必要とされる世界って、テクノロジーの進化とは別の層で決まるのかもしれません。

逆に考えると、この研究の『複雑で予測不可能な仕事が残る』って結果、経営側には『そういう仕事こそ AI で標準化・効率化したい』という動機になったりしないの？

その通り、経営側にとっては「複雑さが高い仕事こそ、標準化できたら大きなリターンがある」という誘因が働きます。だから研究結果は「残る仕事」を示しているというより、「今のところ置き換えにくい仕事」を示してるだけなんですよね。 手術医の例で考えると、標準化・AI 化できれば効率化の余地は巨大です。だから実際に医療現場では、AI による診断支援や手術ロボットの開発が急ピッチで進んでいます。でも置き換わってない。理由は技術的困難さと同時に、規制や倫理的な壁、人間への信頼要件の高さがあるからです。 つまり経営側の「標準化したい動機」と「実際に置き換えられるかどうか」の間には、技術以外の大きな溝がある。法的責任、社会的抵抗、顧客心理。複雑な仕事ほど、その仕事を失わせることの代償が大きいのかもしれません。AI が「できる」ことと「許される」ことは別問題。だから研究結果は、単なる技術的な法則というより、社会的な抵抗力が働いてる分野を浮き彫りにしてるのだと言えそうです。