AI時代に「人間がやるべき仕事」を構造で定義する — 判断・関係・意味の3領域を機能で分解する

この記事の結論

• AI時代に人間が握るべき仕事は「判断・関係・意味」の3領域に収束する。だが「3領域がある」だけでは抽象的すぎて使えない
• 3領域はさらに9つの機能に分解できる。判断＝責任引き受け／未来選択／価値観調停。関係＝信頼形成／共感共有／権威付与。意味＝文脈翻訳／物語生成／合意形成
• 「AIに代替されない職種は何か」という問いは古い。職種は時代で変わる。機能単位で考えれば、どの職種にも残る人間の領域が見える
• 不安を「職種が消えるか」ではなく「自分の業務のうち何%が9機能に該当するか」で測り直すと、磨くべき方向が定まる
• 自分の業務を9機能で棚卸しするプロンプトを記事末尾に用意した

「AIに仕事を奪われる」——この不安は、問いの立て方を間違えている。

問いが「自分の職種は残るか」になっている限り、答えは出ない。職種は時代で消え、新しい職種が生まれる。10年前にUXリサーチャーやプロンプトエンジニアという職種はなかった。10年後に今の職種の半分は別の名前で呼ばれているはずだ。

問うべきは「人間にしかできない機能は何か」だ。職種は変わるが、機能は変わりにくい。機能は仕事の最小単位であり、職種を横断する。

人間が価値を出しやすい領域は、大きく「判断・関係・意味」の3つに収束する。判断は不完全な情報の中で何を選ぶかを決めること、関係は人と人の間にしか立ち上がらないつながりを担うこと、意味は事実を「我々にとっての意味」へ変換すること——この3つだ（この3領域の入口は AIエージェント時代に人間がやるべき仕事は何か でも扱っている）。本記事は、この3領域をさらに9つの機能に分解し、職種ではなく機能で語ることで、AI時代に磨くべき領域の輪郭をくっきりさせる。

不安を煽るためではない。冷静に構造で整理するためだ。

なぜ「職種」で考えると間違うのか

「AIに代替されない職種」リストの何が古いのか？

「AIに代替されない仕事ランキング」が定期的に話題になる。介護、コンサルタント、クリエイター、教師——並ぶ職種は記事ごとに違う。これらに共通する違和感は、職種という括りが粗すぎることだ。

たとえば「コンサルタント」と一口に言っても、市場調査レポートを作る作業はAIに置き換わりやすい。クライアントとの信頼関係を構築し、組織の事情を踏まえて方針を決める作業は人間に残る。同じ職種の中で、機能単位で見れば残るものと消えるものが混在する。

経済産業省「未来人材ビジョン」（2022年5月公表）は、職種ではなくタスク（業務単位）で雇用への影響を捉え直す必要性を指摘している。同資料では「職務（ジョブ）」よりさらに細かい「タスク」の集合として仕事を捉え、タスクごとに自動化のしやすさを評価するアプローチが示されている。

OECD「Employment Outlook 2023（Artificial Intelligence and the Labour Market）」でも、AIは多くの仕事のタスク構成を組み替えつつあり、影響は「職業まるごとの置換」より「職業内のタスク構成の変化」として現れるとの分析が示されている。

つまり、考えるべき単位は「職種」ではなく「機能（function）」だ。

「機能」で考えるとは具体的にどういうことか？

機能とは、職種を構成する作業の役割を抽象化した単位だ。

たとえば営業職を「機能」に分解すると、こうなる。

• 顧客リストを管理する（情報整理機能）
• 商談をセッティングする（調整機能）
• 提案書を作る（文書生成機能）
• 商談で信頼を築く（関係形成機能）
• 契約条件を最終判断する（責任引き受け機能）
• クレーム対応で謝罪する（共感共有機能）

このうち情報整理・調整・文書生成は、AIエージェントの得意領域だ。一方、信頼形成・責任引き受け・共感共有は、現時点で人間に残る機能だ。

職種ではなく機能で見ると、同じ「営業職」の中でも、AI移行する部分と人間に残る部分が明確に分離できる。これが本記事の出発点だ。

人間が握るべき3領域・9機能の全体像

図：人間が握るべき3領域・9機能の構造。判断・関係・意味の各領域がさらに3つの機能に分解される

3領域はそれぞれ「主体（人間が果たす役割）」が異なる。

以下、各領域の3機能を順に分解する。

領域1：判断 — 不完全情報下で決定する3機能

機能1：責任引き受けとは何を引き受ける機能か？

責任引き受けとは、決定の結果を自分の名前で背負う機能だ。AIには名前がない。誰が責任を取るかという問いに、AIは答えられない。

たとえば、医療現場でAIが診断補助を行うケースを考える。AIが「悪性腫瘍の可能性85%」と出力したとして、その結果を患者に伝え、治療方針を決定するのは医師だ。誤診があった場合、責任を負うのは医師であってAIではない。

責任とは、誤った結果に対して説明を求められる立場に立つことだ。説明を求められる立場にAIを置いていないのは、社会の合意である。技術的に可能かどうかとは別の問題だ。

責任引き受けの実務上の特徴：

• 結果が出る前に決断する必要がある（事後追認ではない）
• 決断の過程を後で説明できる必要がある
• 失敗時に当事者として批判の対象になる

この3つを「自分が引き受ける」と覚悟する瞬間が、AI時代でも人間に残る機能だ。

機能2：未来選択は予測と何が違うのか？

未来選択は予測ではない。予測はAIが得意だ。データから「こうなる確率が高い」と出すのは機械の仕事である。

未来選択は違う。複数のあり得る未来の中から「我々はどれを目指すか」を決める機能だ。これは予測の精度では決まらない。価値観・覚悟・引き受ける痛みの大きさで決まる。

たとえば、あるメーカーが「既存事業を縮小して新規事業に投資する」と決める場面を考える。AIは両シナリオの売上予測を出せる。しかし「既存事業の社員の雇用をどう扱うか」「新規事業が失敗したときの撤退基準をどこに置くか」「経営陣はどの程度のリスクを引き受けるか」——これらは予測ではなく選択の問題だ。

予測と選択の違いを表で整理する。

未来選択はAIに仕事を任せる時の判断基準で扱った「不可逆性が高い決定」と重なる。

機能3：価値観調停は誰が裁定するのか？

価値観調停は、対立する価値の優先順位を決める機能だ。

組織の中では、しばしば価値が衝突する。「短期の売上」対「長期のブランド」。「効率」対「公平性」。「成長」対「働きやすさ」。どちらも的を射ている。だからこそ調停が必要になる。

AIは衝突する価値を「見える化」できる。だが、どちらを優先するかの最終判断は、組織や社会の文脈を背負える人間にしかできない。なぜなら価値観の調停は「間違った時に責任を負う者」が行うべきだからだ。

たとえば人事評価で「成果主義をどこまで徹底するか」を決める場面。AIはシミュレーションを提示できる。だが、「成果主義を強めた結果、チームの結束が弱まる可能性」をどう扱うかは、組織の価値観に基づく人間の裁定だ。

領域1のポイント： 判断の3機能（責任引き受け／未来選択／価値観調停）は、すべて「データから自動導出できないこと」を扱っている。AIに最適解を出させた後に、人間が「それをやるか」を決める領域だ。

領域2：関係 — 人間同士のつながりを担う3機能

機能4：信頼形成はなぜ「脆弱性の交換」なのか？

信頼形成とは、自分の弱みを相手に見せ、相手の弱みも受け止めることを通じて成立する。この脆弱性の交換は、AIには原理的にできない。AIは弱みを持たないからだ。

たとえば、上司が部下に「実は自分もこのプロジェクトに自信がない」と打ち明ける瞬間。あるいは営業担当者が顧客に「弊社の製品はこの点が弱いです」と正直に伝える瞬間。これらはマニュアルにない判断であり、相手の人間性を信用したうえでの自己開示だ。

信頼の構造は3つの要素で成り立つ。

AIエージェントは前2つをある程度シミュレートできる。だが「善意への信頼」——相手が自分の不利益のために嘘をついていないという確信——は、人間同士でしか結びにくい。

機能5：共感共有は感情のシミュレーションと何が違うのか？

共感共有とは、相手の感情を自分の身体で感じ取り、同じ方向に揺さぶられる機能だ。

AIは感情を識別できる。テキストやトーンから「怒っている」「悲しんでいる」と推定できる。だが、識別と共感は別物だ。共感は「自分も心が動く」ことであり、それは身体性を持つ存在にしかできない。

たとえば、同僚が家族の不幸で休みを取った時。「お悔やみ申し上げます」と書かれたメッセージと、目を見て一言だけ「大丈夫か」と声をかけられること——前者は情報伝達であり、後者は共感共有だ。受け取る側にとって、両者は決定的に違う。

共感共有が機能する場面：

• 危機時の同僚との連帯
• クレーム対応での感情の鎮静化
• チームメンバーの不調を察知して声をかける
• 顧客の怒りの裏にある本当の不満を汲む

これらはマニュアル化が困難な「その場の判断」を含む。人間が握る領域として残りやすい。

機能6：権威付与とは何を与える機能か？

権威付与とは、「この人/この成果は価値がある」と他者に承認を与える機能だ。社会的承認の源は、現時点では人間にしか宿っていない。

たとえば、新人が初めて契約を取った時、上司が「よくやった」と肩を叩く瞬間。AIから「契約獲得を確認しました。素晴らしい成果です」とメッセージが来ても、嬉しさの種類が違う。承認の重みは、与える側の人間性と立場に紐づいている。

社会的な権威付与の例：

• 採用面接で「採用」と最終決定する
• 評価面談で昇進・昇給を伝える
• 表彰式で賞を授与する
• 推薦状を書く

これらは「権威を持つ人間が、別の人間に承認を渡す」儀式である。AIが代行しても受け取り手の感覚は変わる。社会がそれを認めるかどうかは、技術ではなく合意の問題だ。

領域2のポイント： 関係の3機能（信頼形成／共感共有／権威付与）は、いずれも「相手が人間であること」を前提に成立する。AIが模倣できても、受け取る側にとって意味が異なるため、人間の領域として残りやすい。

領域3：意味 — 文脈を解釈し生成する3機能

機能7：文脈翻訳は分析と何が違うのか？

文脈翻訳とは、事実を「我々にとっての意味」に変換する機能だ。

AIは「何が起きたか（What）」を分析できる。だが「それが我々にとって何を意味するか（So what）」は、組織や個人の文脈を理解した人間が翻訳する必要がある。

たとえば、ある事業部の月次レポートで「新規顧客獲得数が前月比15%減」とAIが報告したとする。AIは要因候補を列挙できる。だが、「この15%減は単なる季節要因か」「市場のトレンド転換のサインか」「自社のブランド戦略の歪みの表れか」——どの解釈を採用するかは、事業の歴史と文脈を知る人間にしかできない。

AI時代に考えるとは何かで扱った「問いを立てる力」と、文脈翻訳は重なる。事実から問いを立て直す機能と言ってもいい。

文脈翻訳の実務的な姿：

• データの「意外な数字」に気づき、その背景を問い直す
• 表面の現象から、組織の本当の課題を読み取る
• 業界トレンドを自社の状況に引き付けて再解釈する

機能8：物語生成はなぜ人間に残るのか？

物語生成とは、断片的な事実を一本の意味のある流れに編み上げる機能だ。

AIは個別の事実をつなげた文章を生成できる。だが、それが「人を動かす物語」になるかは別の話だ。物語は受け手の感情を揺さぶり、行動を変える力を持つ。その力は、語り手の経験・文脈・覚悟が背景にあって初めて生まれる。

たとえば、経営者が社員総会で「今期の方針」を語る場面を考える。事実の羅列ではなく、「過去の苦境をどう乗り越えたか」「これからどんな未来を作りたいか」を物語として語る時、社員の心が動く。AIが書いた完璧な原稿を読み上げても、その「動かす力」は弱まる。なぜなら物語は語り手の身体と紐付いているからだ。

物語生成の場面：

• 経営者のビジョン提示
• 採用候補者へのオファー面談での口説き
• チームメンバーへの方針共有
• ブランドストーリーの構築

これらはすべて「事実+語り手の覚悟」で成り立つ。

機能9：合意形成は多数決と何が違うのか？

合意形成とは、複数の解釈を持つ人々が、納得して同じ方向を向く機能だ。

多数決は意思決定の形式の1つにすぎない。多数決で勝った側が的を射ているわけではないし、負けた側が納得しているわけでもない。本当の合意形成は、異なる価値観を持つ人々が、議論を経て「これでいこう」と納得することを指す。

AIは論点を整理できる。賛成・反対の根拠を構造化して見せられる。だが、納得を引き出すプロセスには「人間同士の対話」「感情のやり取り」「権威ある人間の言葉」が必要になる。これは関係領域とも重なる。

合意形成が必要な場面：

• 会議で対立する意見をまとめる
• M&Aで両社の社員を統合する
• 地域住民との合意を取り付ける
• 家族で大きな決断をする

これらは構造的に「人間が人間を納得させる」プロセスであり、AIが代替しにくい。

領域3のポイント： 意味の3機能（文脈翻訳／物語生成／合意形成）は、すべて「事実」を「人を動かす意味」に変換する作業だ。AIは事実を扱う。人間は意味を扱う。

9機能で自分の業務を測り直す

自分の業務に9機能はどれだけ含まれているか？

ここまで読んだ読者に、次の問いを投げる。自分の業務時間のうち、9機能に該当する時間は何%か。

多くのビジネスパーソンが「自分の仕事の8割は情報整理・文書作成・調整作業」と感じるはずだ。これは事実であり、不安の根源でもある。

だが、絶望する話ではない。むしろ「残り2割の中に9機能の芽がある」と捉え直すべきだ。AIエージェントが情報整理の8割を引き受けてくれるなら、人間は残りの2割——9機能に時間を使える。

ある32歳・メーカー勤務・年収480万円の企画職の状況を例にする。

AI移行によって「9機能の比率」が高まれば、人間の役割は減るのではなく濃くなる。本人の認識次第で、これは脅威にも機会にもなる。

9機能のどれを磨くべきか、どう選ぶか？

9機能を均等に磨く必要はない。自分の現在の業務と適性に応じて、優先順位をつける。

選び方の原則は3つ。

原則1：今の業務で「すでに少しやっている機能」を伸ばす ゼロから新しい機能を獲得するより、既にある芽を伸ばすほうが速い。

原則2：今の業務で「不足を感じる機能」を補強する 「商談で信頼が築けない」「会議で意見をまとめられない」など、現場で不足を感じる機能を選ぶ。

原則3：自分のキャリアの方向性に合う機能を選ぶ 管理職を目指すなら機能3・6・9。専門職を深めるなら機能1・7・8。営業・対人職なら機能4・5・9。

AI活用の5段階で扱う「AIを育てる」段階に進むには、機能7（文脈翻訳）が特に重要になる。AIに自分の判断基準を渡すには、まず自分の文脈を言語化する必要があるからだ。

よくある質問

Q. 9機能もAIがいずれ代替するのではないか？

技術的な可能性はゼロではない。だが「できるか」と「任せるか」は別問題だ。たとえば結婚の決断や、子どもの進路の助言を、AIに任せていいかという問いに「はい」と答える社会が来るかは、技術の進歩とは別の議論になる。9機能が人間に残るのは、技術の限界よりも社会の合意による部分が大きい。

Q. 自分の業務がほぼ「自動化可能」に該当する場合、どうすればいいか？

絶望する必要はない。3つの方向性がある。第1に、現在の業務の中に9機能の芽を見つけて育てる。第2に、職種を変えるのではなく「同じ職種の中で機能の比重を変える」方向を探す。第3に、AIを「使う」側から「育てる」側に回ることで、機能7（文脈翻訳）の専門家になる。

Q. 「人間にしかできないこと」を学ぶ研修やスクールはあるか？

機能ごとに既存の学習領域がある。判断系はリーダーシップ研修や意思決定論。関係系はコーチング・ファシリテーション。意味系はナラティブ・アプローチや戦略デザイン。ただし「9機能を体系的に教える講座」はまだ少ない。日常業務の中で意識的に練習するのが現実的だ。

Q. 管理職とプレーヤーで、磨くべき機能は違うのか？

違う。管理職は機能3（価値観調停）・機能6（権威付与）・機能9（合意形成）の比重が大きい。プレーヤーは機能1（責任引き受け）・機能4（信頼形成）・機能7（文脈翻訳）の比重が大きい。役職が上がるほど「個人の判断」より「集団の調停」の機能が重要になる。

Q. 9機能を磨くと給与は上がるのか？

直接的な給与上昇を保証するものではない。ただし、自動化可能な業務だけを担う人材より、9機能を担える人材のほうが代替されにくく、長期的なキャリアの安定につながる可能性が高い。給与は「希少性×責任」で決まる。9機能は希少性と責任の両方を扱う領域だ。

読後プロンプト — 自分の業務を9機能で棚卸しする

使うときの共通の注意

• 業務内容に機密や顧客情報が含まれる場合は、固有名詞を伏せるか、所属組織の承認を得たうえで企業向けプランで実行する。
• 出力は棚卸しの叩き台であり、そのままキャリア判断にしない。自分で読み直す前提で使う。
• 下記の出力例はClaudeで実行した結果をもとに整形している。ChatGPTやGeminiでは表現が多少変わることがある。

短版プロンプト

あなたはAI時代のキャリア設計に詳しいコンサルタントです。

以下の業務リストを「判断3機能（責任引き受け/未来選択/価値観調停）」「関係3機能（信頼形成/共感共有/権威付与）」「意味3機能（文脈翻訳/物語生成/合意形成）」「自動化可能」のいずれかに分類してください。

【私の職種】
（例：法人営業）

【主な業務リスト】
（例：顧客リスト管理、提案書作成、商談、見積もり作成、顧客フォロー、売上レポート作成、チーム会議）

完全版プロンプト

あなたはAI時代のキャリア設計に詳しいコンサルタントであり、AIエージェントを活用した業務再設計にも精通しています。

以下の情報をもとに、4ステップで分析してください。

■ ステップ1：業務の機能分類
- 私の業務リストを9機能（判断3/関係3/意味3）と「自動化可能」に分類
- 各業務の分類理由を1行で添える

■ ステップ2：時間配分の可視化
- 9機能に該当する業務時間の割合を算出
- 「自動化可能」業務時間の割合を算出
- 現在の比率を一言で診断

■ ステップ3：強化すべき機能の特定
- 9機能のうち、今の業務で「弱い」または「不足している」機能を3つ特定
- それぞれを強化する具体アクションを1つずつ

■ ステップ4：6ヶ月行動計画
- 月別の強化スケジュール
- 「自動化可能」業務をAIに移行するステップ

【私の情報】
- 職種・業界：
- 主な業務リスト（箇条書き）：
- 1日の業務時間配分：
- 現在AIを使っている業務：
- 今後伸ばしたい方向（管理職/専門職/対人職）：

入力例つき版プロンプト

あなたはAI時代のキャリア設計に詳しいコンサルタントです。

以下の情報をもとに、4ステップ（業務の機能分類/時間配分の可視化/強化すべき機能の特定/6ヶ月行動計画）で分析してください。

【私の情報】
- 職種・業界：メーカーの企画職（食品メーカー、勤続8年）
- 主な業務リスト：
  - 市場データ収集・競合分析
  - 新商品企画書の作成
  - 社内会議での提案・議論
  - 営業部・製造部との調整
  - 経営層への定例報告
  - 部下2名のフォロー・面談
  - 外部リサーチ会社との打ち合わせ
  - 売上データのレビュー
- 1日の業務時間配分：会議2.5h / 資料作成2h / 調整1.5h / データ分析1h / 部下対応1h
- 現在AIを使っている業務：競合分析の下調べ、企画書のドラフト作成
- 今後伸ばしたい方向：管理職

■ 良い出力のイメージ
ステップ1の出力例：
「自動化可能：市場データ収集（要因抽出までAI可）、売上データレビュー（パターン検知はAI可）、企画書ドラフト（既に一部実施中）。判断（機能2・3）：新商品の方針決定、経営層への提案、部下の評価。関係（機能4・6）：部下フォロー、営業部との調整。意味（機能7・8）：競合分析の解釈、社内会議での提案の物語化。」

ステップ3の出力例：
「強化すべき機能：機能8（物語生成）、機能3（価値観調停）、機能6（権威付与）。理由：管理職を目指すなら、自分の企画を経営層に物語として伝える力と、部下の評価で承認を渡す力が必要。」

■ 出力の読み方
- 9機能の比率が30%未満なら、AI移行で業務内容が大きく変わる可能性が高い
- 強化すべき機能は「今の弱点」と「将来の方向性」の交差点で選ぶ
- 6ヶ月計画は月単位で1機能ずつ集中して練習する

## 次の一歩
- 強化機能の1つ目について、今週中に練習機会を1つ作る（例：物語生成なら、次回の社内提案を「事実+物語」構造で書き直す）
- 自動化可能業務の1つをAIエージェントに移行する設計を始める

まとめ — 職種ではなく機能で、自分のキャリアを測り直す

この記事は、「AIに仕事を奪われる」という不安を、冷静な構造に置き換え直すために書いた。

不安の正体は「自分の職種が消えるか」という曖昧な問いだ。問いを「自分の業務のうち、9機能に該当する時間は何%か」と置き換えると、不安は計測可能な課題に変わる。

人間が握るべき仕事は「判断・関係・意味」の3領域に収束する。さらにそれは9機能に分解できる。責任引き受け／未来選択／価値観調停／信頼形成／共感共有／権威付与／文脈翻訳／物語生成／合意形成——この9つは、AIが進化しても人間に残りやすい。残る理由は技術の限界ではなく、社会が「これは人間に任せる」と合意するからだ。

人間は最適解通りに動かない。だからこそ、最適解の外にある9機能で、人間は替えがきかない存在であり続ける。

次の一歩は、本記事末尾のプロンプトで自分の業務を9機能で棚卸しすることだ。そこから「磨くべき機能」が1つでも見つかれば、この記事の役割は果たされている。