AIは「仕事」ではなく「学び方」を変える（後編）
- 4 日前
- 読了時間: 13分
AIで仕事はなくならない。ただ、次の世代が育つ場所が消えていく
Anthropicが示した、見過ごされがちな事実
2026年3月、Anthropicが公表した労働市場分析（Massenkoff & McCrory, Labor market impacts of AI, Anthropic, 2026年3月）が、興味深い事実を伝えています。研究者の二人によれば、ChatGPT登場以降、AI高露出職種における労働者の失業率には体系的な増加が確認されていない。AIによる「大量失業」は少なくとも現時点では起きていないのです。
ところが同レポートにはもう一つの観察があります。22〜25歳の若年層に限ると、AI露出度の高い職種への入職率がおよそ14%低下している傾向が見られると。著者自身は「かろうじて統計的に有意」「複数の解釈がありうる」と慎重に留保していますが、興味深いのは影響が「失業」ではなく「入職機会の縮小」として現れている点です。
この観察が示唆するのは、AIが奪っているのは仕事ではなく、新しい人が現場に入る「入口」かもしれないということです。前編では、過去のテクノロジーブームとの比較を通じて、AIを「差異を均す装置」と位置づけ、その平均の上にどう自分だけの差異を刻むかを論じました。今号はその先にあるもう一段奥の問いに向き合いたいと思います。差異を生む力はそもそもどこから来るのか。誰も最初から「差異を生む人」だったわけではありません。先輩の隣で何かを覚え、現場で失敗を重ね、ベテランから「なぜそうなるか」を教わる中で少しずつ手に入れてきた。つまり、個人の差異は組織の中で受け継がれてきた知の上に立っているのです。
ではAIが入った組織でその「受け継ぎ」の仕組み自体が変わってしまったら何が起きるのか。これは「仕事がなくなる」よりも静かに、しかし根深く、企業の足元を揺さぶる変化だと考えています。
「マニュアルに書けない知識」の正体——暗黙知とSECIモデル
新しい業務や仕組みを導入する際、マニュアルも研修も手順書も丁寧に整備される。形式知としてはこれ以上ないほど準備が尽くされる。しかし本番が始まった瞬間、現場は混乱します。マニュアルに書かれていない判断や例外処理が次々と発生するからです。
新任者は操作に馴染んでも業務の文脈がないため例外に対応できない。ベテランは文脈を熟知しているが、新しい仕組みに抵抗し以前のやり方に戻そうとすることも少なくない。どちらの現象も、形式知としてのマニュアルだけでは越えられない壁があることを示しています。書いてあることとできることは違う。そして、できるようになるために必要な知識の多くはそもそもマニュアルには書けない種類のものです。
この「マニュアルに書けない知識」について最初に体系的に論じたのは、ハンガリー生まれの物理化学者にして哲学者、マイケル・ポラニーでした。ポラニーは『暗黙知の次元』（The Tacit Dimension, 1966年）の中で、「我々は語れる以上のことを知っている（We can know more than we can tell）」という一文に象徴される暗黙知（tacit knowledge）の概念を提唱しています。
経営学者の野中郁次郎氏はこのポラニーの暗黙知の概念を企業組織論に取り込み、対となる形式知との相互変換プロセスを「SECIモデル」として定式化しました（『知識創造企業』東洋経済新報社, 1996年）。共同化（S）、表出化（E）、連結化（C）、内面化（I）の4つのモードが螺旋的に回り続けることで、組織の知識は創造され蓄積されていきます。同じ現場で五感を通じた経験を共有し暗黙知を伝える共同化、対話を通じて暗黙知を言語化する表出化、形式知同士を結合してより高次の体系へ統合する連結化、形式知を実践と試行錯誤を通じて身体に染み込ませる内面化——これらの循環が、組織の競争力の源泉です。
AIはSECIモデルの「右側」を圧倒的に加速する
ここからは筆者なりの見立てです。SECIモデルを現在のAIの能力に重ねてみると、興味深いことが見えてきます。AIが得意なのはSECIモデルの右側——表出化（E）と連結化（C）——です。連結化はAIの本領そのもので、大量のデータを統合してパターンを抽出し、文書を横断検索して関連情報を連結する。表出化の一部もAIが担い始めています。議事録の自動生成、日報からの要点抽出、プロンプトを通じた思考の体系化。暗黙知の完全な言語化はできませんが、「既に半ば言語化されているもの」を形式知に仕上げる作業は、完全にAIの守備範囲に入りつつあります。
つまりAIは、SECIモデルの右側を圧倒的に加速する装置だと言えます。一方、左側は残ります。共同化（S）——同じ現場に立ち、五感を通じて暗黙知を共有するプロセス。内面化（I）——形式知を実践を通じて身体に染み込ませるプロセス。この二つは、AIでは代替がまだ困難な領域です。そしてここに、見過ごされがちな、しかし深刻な問題が潜んでいます。
「定型業務」こそが、新人を育てていた
マッキンゼー・グローバル・インスティテュートの調査によれば、知識労働者は労働時間の約28%をメール管理に、約20%を社内情報の検索や同僚への確認に費やしているとされます（The Social Economy, McKinsey Global Institute, 2012年）。Asanaの近年の調査では、業務時間の約60%が「仕事のための仕事」——情報検索、アプリ間の切り替え、進捗追跡など——に使われているとも報告されています（The Anatomy of Work Index, Asana, 2022年）。この定型作業の相当部分は、AIエージェントが処理できる段階にすでにあります。しかし、この「定型作業」こそが新人が一人前になるための学びの土壌でした。
B2B営業を例に取ります。新人営業はまず商談メモの整理、提案書の初稿作成、受注処理の補助、日報作成といった定型業務から始めます。一見「本当の営業」ではない周辺作業に見える。しかし商談メモを整理する中で「この顧客は稟議が3階層ある」「キーマンはA部長ではなくB課長だ」と気づく。提案書にベテランの赤を入れられる中で、「この業界はストーリーに反応する」「この担当者は数字の根拠を細かく見る」という感覚が身につく。CRMやSFAには絶対に入らない、顧客固有の暗黙知がそこで伝承されていたわけです。
AIが商談メモを整理し、提案書の初稿を自動生成し、顧客データから次のアクションをレコメンドし始めた瞬間、新人がその暗黙知に触れる機会は断たれます。研修で「顧客文脈の重要性」を教えることはできても、実際に失注を経験し先輩に「なぜ失注したと思う？」と問われ、身体で理解するプロセスを形式知では代替できません。製造業の生産管理でも同じ構造です。「この設備は計画通りに動かない」「この材料は季節で特性が変わる」という感覚は、現場に立った経験の蓄積でしか養えません。
AIは仕事を奪うのではありません。学びの土壌を奪うのです
冒頭のAnthropicレポートに戻ります。失業率に体系的な増加が見られない一方で若年層の入職率だけが下がっているという観察は、本稿の仮説と構造的に呼応します。すでに仕事に就いているベテランはしばらく安泰かもしれません。しかしこれから現場に入ろうとする若年層にとっては、入口そのものが狭くなりつつある。AIは既存の労働者をいきなり置き換えるのではなく、まず「育つ場所」から静かに削っていく——そうした姿が、データの中にうっすらと現れ始めています。
AIの自動化は「ブラックボックス」を生み出す
AIが日常的にもたらす変化を別の角度から見ておきます。AIが商談メモを整理する。提案書の初稿を生成する。生産計画を最適化する。これらは便利である一方、「どのようなロジックで、その結論に至ったのか」が見えにくくなるということでもあります。プロンプトで尋ねれば説明はしてくれますが、現場の流れの中でいちいち問い直してはいられない。AIの自動化は、効率化と引き換えに業務の中に小さなブラックボックスを次々と生み出していく営みでもあります。
もちろん、すべての人がこのブラックボックスに飲み込まれるわけではありません。AIの出力を批判的に解釈し、限られた経験から本質を抽出できる——卓越した想像力でブラックボックスの中身を補える器用な学び手にとっては、AIはむしろ知識創造を加速する装置になり得ます。問題は誰もがそこまで器用ではないという点にあります。多くの人は共同化（S）の経験を経て初めて、右側の意味が分かるようになる。何十件もの商談を同行したからこそAIの提案の違和感に気づけるし、現場に百回足を運んだからこそ生産計画のおかしさを察知できるのです。
この問題は、日本企業において特に深刻です。新卒一括採用で人を取り、配属先で先輩の隣に座らせ、最初は入力や確認作業を担わせ、徐々に判断を伴う仕事を任せていく。OJTと呼ばれるこのプロセスは、定型業務という「周辺的な参加」を通じて組織の暗黙知を身体的に吸収する仕組みです。AIが定型業務を吸収するということは、この仕組みの前提が崩れるということに他なりません。
OJTが消える世界で、「実践コミュニティ」の価値は上がる
OJTが機能しなくなる——これは裏を返せば、組織の中で暗黙知が伝わる「場」を、意識的に設計しなければならないということです。ここで参考になるのが、エティエンヌ・ウェンガーらが提唱した「実践コミュニティ（Community of Practice）」という概念です（『コミュニティ・オブ・プラクティス』翔泳社, 2002年）。実践コミュニティは三つの要素から成ります。「領域（ドメイン）」——そのコミュニティが扱う知識の範囲。「コミュニティ」——その領域に関心を持つ人々と彼らの間の関係性。「実践」——メンバーが共有するツール、物語、暗黙のルールの総体です。
重要なのは、これが公式の組織図とは別の「もう一つの組織図」だということです。営業のベテランが、マーケティング・カスタマーサクセス・プリセールスと非公式に繋がっている。「あの顧客、最近こういう動きがあるらしい」という情報が、会議ではなく廊下の立ち話や昼食の席で流れる。この非公式なネットワークこそが、実践コミュニティの本体です。
多くの組織ではこうした実践コミュニティはこれまで「自然発生的に存在していた」ものでした。OJTの周辺で意識せずとも場が機能していた。しかしAIが定型業務を吸収していく世界では、この「自然発生」に頼れなくなります。業務がAIに移ることで、人が同じ場に集まる機会そのものが減り、非公式な会話の頻度が落ちる。放っておけば、実践コミュニティは細っていきます。つまり、これまで無意識に機能していた場を、意識的に守り、AI時代用に耕し直す必要があるのです。
鍵は「つなぐ人」と「支える人」
では、実践コミュニティを耕すとは具体的に何をすることか。ウェンガー氏と野中氏が一致して強調するのは、コーディネーター（つなぐ人）の役割です。実践コミュニティは自発的に集まる場ですが、放置しただけでは機能しません。コーディネーターの仕事を平たく言えば、メンバーのアイデアを引き出し他の専門家と繋ぎ、翻訳し組み合わせ、形のある成果へと高めていくこと。AI時代の文脈に引き直すと、AIが出した提案の「何がこの顧客に刺さり、何がズレているか」を判断し、その判断の背景にある暗黙知を言語化し、次の世代に渡す——これを担う人が組織にいなければ、AIはどれだけ賢くなっても「組織の知」にはなりません。
ここで強調したいのは、コーディネーターは経営幹部である必要はないということです。部門責任者でも、チームリーダーでも、一人のベテラン・中堅社員でも構いません。「この場を守ろう」「この知を次に渡そう」という意志を持った誰かが組織のどこかにいればいい。ただし、コーディネーターが孤立したまま走り続けることはできないと野中氏は警告しています。そこで必要になるのが、その営みを支えるスポンサーシップです。スポンサーは、この場に価値があると認識し時間と予算を守る人。経営トップかもしれないし、事業部長かもしれない。組織のどこかの階層に支え手がいなければ、実践コミュニティはローカルなものに終わってしまう。
コーディネーターとスポンサー——この二つの役割のどちらかは、組織の中のあなたの立ち位置によって果たすことができるはずです。 AIが入った後の組織で暗黙知が伝わるかどうかは、この二つの役割がきちんと埋まっているかにかかっています。
AI時代の組織設計とは——「効率化」と「学びの場」を同じテーブルで考える
「AIが仕事を奪うかどうか」——その問いは、実は表層に過ぎません。より本質的な問いは、「AIが所与となる組織で、次の世代をどう育てるのか」、そして「組織として、知をどう獲得し、どう次に渡していくのか」です。
これらは、AIエージェントの導入計画と同じテーブルの上で考えるべき問いです。「どの業務にAIを入れるか」と「AIが入った後、誰がどこで何を学ぶのか」は本来切り離せません。しかし現実には前者だけが先行し、後者が置き去りにされることが多い。業務が自動化されたあと、組織が知を生み出し受け継ぐ力を失えば、AIをどれだけ賢く使えても、中長期的には組織そのものが痩せていきます。
AI時代の組織設計とは、業務の効率化だけではなく、知をどう育て、どう渡していくかを意図的に組み込んだ設計であるべきです。何を手放し、何を守り、何を新しく育てるか——その選択を、AI導入の議論と並行して正面から行うこと。これが、AI時代の経営の中心に置かれるべき問いだと考えています。
当社自身もこの問いに向き合っている最中です。AIで効率化できるところは効率化しながら、それでも意図的に若い世代を採用し、人の手触りが残る学びの場を組織の中に残していく。新しい世代がそこで育ち、ベテランの暗黙知が次に渡っていく。クライアントとのプロジェクトでも、AIエージェントの導入計画と並べて「人が育つ場をどう残すか」を一緒に考える——本稿で論じてきたことを、自分たちでも実際に試している、というのが正直なところです。
答えはまだありません。書き終えてみると、AI時代に何を新しく始めるかよりも、何を意図的に終わらせるかのほうが、経営にとってよほど難しい問いかもしれません。
本記事の全文版（ホワイトペーパー）を無料ダウンロード
本ブログでは、ホワイトペーパー後編の要旨をお伝えしました。全12ページのPDF版では、ブログでは触れきれなかった以下のテーマを深く掘り下げています：
SECIモデルと哲学の知の型：野中郁次郎氏が後の著作で展開した、SECIの4モードと西田・プラトン・デカルト・デューイの哲学的伝統との対応関係。AIが何を加速し何を残すかを、より深い視座から読み解く
「守破離」と「老化する企業」の逆説：細谷功氏の組織不可逆論を引きながら、ベテランの暗黙知を「守る」ことが、なぜ組織の老化を加速させるのか。AI時代に問われる「OS刷新」の意味
冨山和彦氏が描く未来の検証：『ホワイトカラー消滅』が示す「ボス仕事だけが残る」未来と、新卒一括採用を成立させてきた「高度経済成長＋終身雇用＋定型業務」という三つの前提の同時崩壊
アンラーンとリスキリングの本質：古いOSの上に新しいAppを乗せても動かない。アンラーン（過去の成功体験を手放すこと）なしに、なぜ本当のリスキリングは起きないのか
「カオスを残す」という設計思想：AI導入で本当に問われるべきは「どこまで自動化できるか」ではなく「どこにカオスを残すか」。揺らぎを意図的に組み込む組織設計の考え方
▼ホワイトペーパー全文をダウンロードする（無料・全12ページ）
ダイジェスト版で興味をお持ちいただいた方は、是非こちらから全文記事をダウンロード頂けますと幸いです。
「AIは「仕事」ではなく「学び方」を変える（前編）」と併せてお読みいただくと、議論の流れがより立体的にお楽しみいただけます。
筆者：濱浦 惇（Jun Hamaura）／ワンアイルコンサルティング株式会社 取締役
音響機器メーカーでの海外営業・商品企画を経て、大手コンサルティングファームにて戦略策定・事業変革・営業改革プロジェクトに多数従事。現職ではビジネスコンサルティング部門を率い、事業戦略とDX戦略をつなぐ構想策定フェーズの伴走を中心に、SAP S/4HANA Cloud導入プロジェクトにも携わる。
コメント