技術トレンド

AIによって価値が上がるもの。安くなる仕事と、希少になる能力

AIによって多くの作業が安くなりました。同時に、相対的に価値が上がったものがあります。この記事では、何が安くなり何が希少になるのかを、需給の構造から整理します。技術の話ではなく、価値の移動の話です。

供給が増えたものは安くなる

価値の変化を考えるとき、最も単純で強い原則がこれです。誰でも大量に作れるようになったものは、値段が下がります。

AIが安くしたのは、文章の下書き、要約、翻訳、定型的なコード、資料の体裁、調査の一次整理といった作業です。かつては時間と技能を要したものが、数分で一定水準に達するようになりました。

これは能力が不要になったという意味ではありません。その能力だけでは対価を得にくくなった、という意味です。区別しておかないと、次に何を伸ばすかを誤ります。

希少になった4つの能力

逆に、AIが増えるほど需要が高まったものがあります。

• 問いを立てる力／AIは問いに答えるが、何を問うべきかは決めない。ここが最も代替されにくい
• 正しさを確かめる力／出力が事実かどうかを判断するには、その分野の知識が要る。検証できない人は使いこなせない
• 責任を引き受ける力／AIは責任を負わない。最終的に決裁し、結果に責任を持つ役割は残る
• 現場から情報を取る力／学習データに存在しない情報は、AIには出せない。一次情報に触れられる人が強くなる

とくに4つ目は見落とされがちです。公開情報から作れる価値が下がったぶん、公開されていない情報の価値が上がっています。顧客の現場、実際の運用、まだ言語化されていない課題。これらに触れられる立場そのものが資産になります。

日本の現在地

総務省の令和7年版情報通信白書によれば、日本の個人の生成AI利用経験率は26.7％で、米国68.8％、中国81.2％と比べて低い水準にあります。

企業側では、何らかの業務で生成AIを利用していると回答した割合は日本で55.2％、活用方針を定めている企業は49.7％（2024年度調査）とされます。前年度の42.7％からは増加していますが、他国と比べれば低い傾向が続きます。

中小企業では「方針を明確に定めていない」が約半数を占めるとされ、企業規模による差も大きくなっています。

この数字は、裏を返せば余地の大きさを示します。周囲が使っていない段階で使いこなせる人材は、社内で相対的に希少な存在になります。

AIが苦手な領域

何が残るかを考えるとき、AIの限界を具体的に知っておくと判断しやすくなります。

学習データにない情報。社内の運用、顧客固有の事情、今日起きたこと。これらは持っていません。

正解が定義できない判断。誰を採用するか、どの事業を畳むか、誰に任せるか。基準そのものを決める仕事です。

関係の構築。信頼、交渉、説得。相手が人である以上、代理では成立しない場面が残ります。

物理的な作業。現場に立ち、手を動かし、状況を見る仕事。ロボティクスの進展はありますが、置き換えの速度は情報処理より遅くなります。

個人として何を伸ばすか

結論として、伸ばす価値があるのは次の3つだと考えます。

ひとつの領域を深く知ること。検証できる人になるためには、知識が要ります。広く浅い知識はAIが持っています。

AIを道具として使いこなすこと。使えるかどうかではなく、どこまで任せてどこから自分でやるかの線引きができるかです。

人と関わる仕事を避けないこと。調整、交渉、育成。面倒に見える仕事ほど、代替されにくい領域に近づきます。

企業として何に投資するか

組織の側でも、投資先の優先順位が変わります。

• データの整備／自社にしかないデータは、AI時代に最も価値が上がる資産のひとつ
• 業務の可視化／何をやっているか分からない業務は、AIに任せる判断もできない
• 検証できる人材／出力の正しさを判断できる人がいないと、AIの導入は危険になる
• 判断の速度／作業が速くなったぶん、意思決定が律速になる

最後の点が実務上は最大の課題です。作業時間が10分の1になっても、承認に2週間かかる組織では、成果は変わりません。

長期的に何が起きるか

AIによる価値の移動は、これまでの技術革新と同じ形をとると考えられます。

計算機が普及したとき、計算そのものの価値は下がりましたが、何を計算すべきかを決める人の価値は上がりました。検索エンジンが普及したとき、情報を知っていること自体の価値は下がり、情報を評価し判断する力の価値が上がりました。

AIでも同じことが起きると見るのが自然です。作業の価値が下がり、判断の価値が上がる。

そして、この移行は一律には進みません。総務省・経済産業省の「AI事業者ガイドライン」が示すように、AIの社会実装には開発者・提供者・利用者それぞれの取り組みが必要で、組織の準備状況によって速度が変わります。差がつくのは技術ではなく、受け入れる側の設計です。

過去の技術革新から学べること

価値の移動は、今回が初めてではありません。過去の例を見ると構造が見えます。

計算機の普及。そろばんや暗算の技能は価値を失いました。しかし、何を計算すべきかを決める人、結果を解釈する人の価値は上がりました。

ワープロと表計算。清書や集計を専門とする職は減りました。一方、資料で何を伝えるかを設計する力は残りました。

検索エンジン。情報を知っていること自体の価値は下がり、情報を評価し、真偽を判断する力の価値が上がりました。

共通しているのは、実行の価値が下がり、設計と判断の価値が上がるという方向です。AIでも同じ方向に動くと見るのが自然です。

注意すべき見方

一方で、単純化しすぎると判断を誤ります。3点補足します。

第一に、移行は一律ではありません。業界、職種、組織の準備状況によって速度が違います。「もうすぐ全部変わる」という前提で動くと、変わらなかったときに困ります。

第二に、下がった価値がゼロになるわけではありません。手を動かせない人が設計だけできることは稀です。実行の経験があるからこそ、判断の質が上がります。

第三に、AIを使いこなす能力自体も、いずれ差別化にならなくなります。いまは希少ですが、誰もが使える状態になれば前提条件に変わります。

したがって、AIの操作習熟だけを目標にするのは短期的な戦略です。その先にある、問いを立てる力や責任を引き受ける力に投資するほうが、寿命の長い選択になります。