組織のAI活用を現場でリードし、その効果や活用方法を周囲へ広げる人材を育成する講座が増えています。

AI活用が一部の専門家にとどまっている現状を考えれば、こうした人材は必要です。しかし、AIそのものが急速に変化している過渡期に、推進教育だけが先行することには危うさもあります。

生成AIのモデルや機能は、数か月単位で更新されます。現在のプロンプト技法やRAG、AIエージェントの活用方法が、来年もそのまま通用するとは限りません。それ以上に難しいのは、「組織でAIをどう使えばよいか」という正解自体が、まだ確立していないことです。

成功事例は紹介しやすい一方、期待した効果が得られなかった事例、運用コストが膨らんだ事例、誤った出力が意思決定に入り込んだ事例は、なかなか表に出ません。その状態でAIを広げる人だけを増やせば、利用率や導入件数が目的化し、「使うべきか」を検討する前に「どう使わせるか」が優先される可能性があります。

AIを推進する能力と、AIの出力を評価する能力は別物です。便利な使い方を説明できても、その回答が正しいか、根拠は妥当か、意思決定に利用できるかを判断できるとは限りません。特に医療、研究、経営、人事などでは、一見もっともらしい誤りが重大な結果につながります。

したがって、AI活用を担う人材に必要なのは、伝道者としての熱意だけではありません。業務を分解し、AIに任せられる部分と、人間が判断すべき部分を区別する。出力の検証方法を決める。責任の所在を明確にする。効果を測定し、価値がなければ中止する。こうした能力まで備えて初めて、組織のAI活用をリードできるはずです。

AIを使える人を増やすだけでは不十分です。同時に、AIを疑い、止め、監査できる人を育てなければなりません。

アクセルを踏む人だけを増やし、ブレーキと計器の読み方を教えない教育は、普及の速度を上げても、安全な変革にはつながらないということです。

誰にでも平等に与えられているものの一つに、「時間」があります。

1日は24時間です。

どれほど裕福でも、どれほど優秀でも、1日を30時間に増やすことはできません。貯めておいて後から使うことも、失った昨日を買い戻すこともできません。

お金や設備、人材は増やすことができます。しかし、時間そのものを増やすことはできない。

だから人間は、時間を増やす代わりに「効率」を上げてきました。

産業革命では機械が人間の肉体労働を代替しました。コンピュータは計算や情報処理を高速化しました。そして今、生成AIが急速に変え始めているのは、その先にある「知的作業に必要な時間」です。

AIは「効率化の怪物」である

AIを使っていて、ときどき恐ろしいほどの速度を感じることがあります。

情報を集める。
整理する。
比較する。
文章を書く。
プログラムを書く。
データを解析する。
仮説を検討する。
資料を作る。
修正する。

これまで人間が一つずつ行っていた作業を、AIは極めて短い時間で連続して処理します。

もちろんAIが何でも正しくできるわけではありません。検証も必要ですし、最終的な判断を人間が担わなければならない場面も多くあります。

それでも、これまで数か月、場合によっては何年もかけていた仕事が、数日あるいは数週間で進むことは、もはやそれほど特別なことではなくなりつつあります。

そう考えると、AIを単なる「便利なソフトウェア」と捉えるのは、その本質を過小評価しているのかもしれません。

AIは、いわば効率化の怪物です。

AIが生み出しているのは「時間」である

もちろん、厳密にはAIが時間を生み出しているわけではありません。

1日は相変わらず24時間です。

変わるのは、ある成果を得るために必要だった時間です。

これまで100時間必要だった仕事が10時間で終われば、残りの90時間を別のことに使えます。

つまりAIが生み出しているものは、時計の上の時間ではなく、人間が自由に配分できる時間なのです。

ここにAIの経済的価値を考えるうえで、非常に重要な視点があります。

例えば、年間2,000時間働く人がAIによって同じ成果を1,000時間で生み出せるようになったとします。

これは単に「生産性が2倍になった」という話ではありません。

残された1,000時間を、さらに別の研究、新しい事業、顧客との対話、学習、創造、あるいは休息に振り向けることができます。

AIによる効率化とは、コスト削減だけではない。

次の行動に使える時間を生み出すことなのです。

だから、小さな組織ほどAIの意味は大きい

この変化は、大企業だけに有利とは限りません。

むしろ興味深いのは、個人や小さな組織です。

これまで新しい事業を始めようとすれば、調査する人、資料を作る人、分析する人、プログラムを書く人、広報する人など、多くの専門家と組織が必要でした。

当然、多額の資金と長い時間が必要になります。

ところがAIは、その一部を一人の人間の周囲に集約し始めました。

一人の人間がAIを使いながら、調査し、考え、分析し、コードを書き、資料を作り、発信する。

もちろん専門家が不要になるわけではありません。

しかし、「専門家に依頼しなければ何も始められない」という構造は明らかに崩れ始めています。

これは資金格差を縮めるだけではありません。

時間格差を縮める可能性があります。

大きな組織が100人で1年かけて進めていたことに、小さな組織や個人がまったく違う速度で挑戦できるようになるからです。

しかし、速くなれば成功するわけではない

ここには一つ重要な問題があります。

AIによって10倍速く仕事ができるようになったとしても、間違った方向へ進んでいれば、10倍速く間違った場所へ到着するだけです。

だからAI時代には、「作業する能力」以上に、

何をするのか。
何をしないのか。
どこへ向かうのか。

という人間側の判断が重要になります。

AIが強力になればなるほど、人間の役割はなくなるのではなく、むしろ上流へ移動していくのではないでしょうか。

作業から設計へ。
処理から判断へ。
実行から目的設定へ。

AIに何をさせるかを決めること自体が、人間の重要な仕事になります。

人生という時間の使い方まで変わる

そして私は、AIの本当のインパクトは、企業の生産性だけでは測れないと思っています。

人生は有限だからです。

10年かかっていた挑戦を1年でできるなら、一人の人間が人生の中で挑戦できる回数そのものが変わります。

一生に一度しかできなかったかもしれない大きな挑戦を、二度、三度とできる可能性が生まれる。

60歳から何かを始めることと、30歳から始めることの差も、これまでとは違った意味を持つかもしれません。

残された時間そのものを増やすことはできなくても、その時間の中に入れられる可能性は増やせるからです。

これは、生産性という言葉だけでは表現しきれない変化です。

AI時代に最も高価になるもの

AIが普及すれば、文章も、画像も、プログラムも、分析も、これまでよりはるかに速く大量に作られるようになります。

すると逆説的に、希少性が高まるものがあります。

それは時間です。

そして、その時間を何に使うかを決める人間の意思です。

AIは時間そのものを増やしてはくれません。

しかし、これまで何年も必要だったことを数日に圧縮することはできる。

だからAIを「人間の仕事を奪うもの」とだけ考えるのではなく、

「人間が人生の中で使える時間の価値を変えるもの」

として捉えてみる必要があるのではないでしょうか。

時間は誰にでも平等です。

そして増やすことはできません。

だからこそ、AI時代に問われるのは、

「AIで何ができるか」ではなく、「AIによって生まれた時間を、あなたは何に使うのか」

なのだと思います。

生成AIの進化をめぐって、「AIに何ができて、人間に何ができるのか」という議論は尽きません。

AIは情報を集められる。しかし判断するのは人間。AIはコードを書ける。しかし設計するのは人間。AIは分析できる。しかし解釈するのは専門家。

確かに今はそうかもしれません。しかし、この境界線を探すこと自体に、あまり意味がなくなってきています。「ここから先は人間にしかできない」と引いた線が、AIの進歩とともに浸食されているからです。

これまで新しい技術を導入するには、まず人を育てる必要がありました。知識を学び、操作を覚え、経験を積み、数年かけて専門家になる。

ところが生成AIは、この順番を変え始めています。

「人間ができるようになってから使う」のではなく、「まずAIにやらせ、人間は使いながら必要な能力を身につける」。

プログラミングが象徴的です。以前なら言語を学ぶところから始めました。今では作りたいものを自然言語で説明すれば、AIがコードを書き、エラーを探し、修正まで支援します。

ここで問題になるのが、AIの進化速度です。

「まず勉強しましょう」「十分理解してから導入しましょう」と準備している間にもAIは進化します。半年後、1年後に使い始めれば、先に始めた人と同じ場所からスタートできるわけではありません。

先に使った人には、試行錯誤という経験が蓄積されています。どこまで任せられるか。どこで疑うべきか。どう指示すればよいか。どの仕事と組み合わせれば価値が生まれるか。

そしてAIがさらに進化すれば、その経験を持つ人は新しい能力をすぐ仕事へ接続できます。

AIの能力向上と、人間側の経験蓄積が掛け合わされ、差は複利的に広がっていく。

だから、「AIを勉強する」だけでは足りません。

まず触る。使う。失敗する。また使う。

理解してから始めるのではなく、始めることで理解する。