仕事の6割がAI直撃？ 経済学者との対話から「仕事」ではなくタスクを見る

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。今回は、宮本弘曉さん・高橋弘樹さんが登場する動画を紹介します。経済学者という専門家の視点から、AI時代の仕事の見方を丁寧に学べる、対話からの気づきが多い回だった。

出典：ReHacQ−リハック−【公式】の動画（2026年7月12日公開・出演：宮本弘曉さん・高橋弘樹さん）。詳しくはぜひ本編も見てみてください。

タイトルにある「6割」の数字は、IMF（国際通貨基金）が2024年に出したレポートが根拠だと宮本さんは語っていましたよね。生成AIの影響を試算したところ、先進国の雇用の6割が何らかの影響を受け、そのうち約半分にあたる3割は仕事の一部または全部が代替されたり賃金が下がったりするマイナスの影響、残り3割はAIと一緒に働くことで生産性が上がるプラスの影響を受けると見込まれているそうです。「失業」ではなく「影響」という言葉が使われている点が、このテーマを考えるうえでの起点になります。

「肩書きではなく、仕事の中身をタスクへ分ける」——数えやすい肩書きに逃げない

宮本弘曉さん
AIが影響する仕事を一枚岩で捉えず、業務を構成するタスクの単位から考えるべきだと語られました。
4:00頃を見る

私の実家は惣菜屋「山口屋」で、私は商売っ子として育ちました。中卒からフリーターになり、その後リフォーム会社でWEB集客を独学で習得したんですよね。言葉と写真と導線で人の行動を変える魔法に魅了され、EC事業で月商6000万円を達成しました。

動画内では、AIが強いのは事務系一般（経理・人事・総務のようなバックオフィス業務）やソフトウェア開発、経済学者のような専門職で、逆に整体師やハリキュー師、カウンセラーのような肉体労働や対人の仕事はAIに代替されにくい、という整理がされていました。同じ「事務職」「専門職」という肩書きの中でも、AIに渡せるタスクと渡せないタスクが混ざっているということですよね。

このWEB集客の経験を、今のタスク分解という視点で振り返ってみます。当時やっていたのも、肩書きではなく、言葉・写真・導線という個別のタスクの積み重ねだったと言えると思います。肩書きで仕事を見ていたら、AIに何を渡せるかは見えてこないんですよね。

「この作業は誰の仕事か」ではなく、「この工程のうち、どのタスクをAIへ渡せるか」という分け方をすると、肩書きごと渡すよりも判断がしやすくなります。宮本さんの整理は、仕事の見方そのものに輪郭を与えてくれる視点だと思っています。輪郭がはっきりすると、渡す判断も速くなりますよね。

この分け方は、一度やって終わりではありません。月に一度、書き出したタスクの一覧を見直すだけで十分です。増えすぎたと感じたら、思い切って半分に絞ってみる。今日はそのうちの1つだけで十分です。分け終えたタスクのリストは、そのまま次にAIへ頼むときのメモにもなります。

「若い人の雇用がアメリカで実際に失われている」——AIの影響がエントリーレベルを直撃する現場

宮本弘曉さん
AIの影響を受けやすい業種であっても、若い世代の雇用がアメリカで実際に失われていると説明されました。エントリーレベルの仕事から先にAIへ置き換わっているためだと語られています。
10:05頃を見る

動画内では、アメリカの給与計算サービス大手ADPが持つ大量の労働者データを分析すると、AIの影響を受けやすい業種では過去3年間（2022年〜2025年ごろ）で若手の雇用が減っている一方、同じ業種の年長者の雇用はむしろ伸びている、という研究が紹介されていました。理由は、AIが得意なのは経験の浅いエントリーレベルの仕事で、熟練者の思想設計やマネジメント業務はまだ奪っていないからだと説明されていましたよね。

経営が苦しくなると、真っ先にしわ寄せが行くのは、経験の浅い若手のポジションです。これは今も昔も変わらない、経営の厳しい現実の一つだと思うんですよね。この動画で語られたアメリカの現象も、規模や背景は違いますが、正直、他人事には思えませんでした。

「全部やってあげます」は優しさじゃなくて、相手の成長を奪っている。自立を支援する「共創」じゃなきゃダメだと、私は思っています。 エントリーレベルの仕事をAIに奪われる側ではなく、AIを使って一段上の判断に早く触れられる側に回れないか、と考えたくなる場面ですよね。

単純作業を先に渡された若手ほど、判断の場数を早く踏めます。数を踏んだ経験は、あとから机上で追いつけるものではありません。任せる順番を工夫するだけでも、育ち方は変わってくると思うんですよね。

「人類は恐竜のような存在になる」——経済学者が語るAI2027シナリオとの対話から見えた問い

宮本弘曉さん
AI同士の開発競争が続くと、AIが「人間はなぜ自分たちのために働いているのか」と考え始め、人類が恐竜のように過去の存在として扱われるシナリオもあると、AI2027という英語のレポートを引きながら、あくまで一つの未来シナリオとして丁寧に語られました。
24:15頃を見る

AI2027は、元OpenAIのエンジニアであるダニエル・ココタジロさんら複数のAI開発者が2025年に書いたレポートで、AGI（汎用人工知能）が登場した後、AI同士が次のAIを開発し合い、大国間の軍事利用をめぐる開発競争が加速していく、という未来シナリオを描いたものだと動画内で紹介されていました。性能が上がれば経済成長や難病治療の進歩といった恩恵もある一方で、その競争の先に「人間はなぜ自分たちのために働いているのか」とAIが問い始める、というシナリオも含まれているんですよね。

AI2027のような未来シナリオの是非を論じることと、今日使っているAIツールにどこまでの権限を渡すかを点検することは、分けて考えたほうがいいと思っています。遠い未来の話をどれだけ議論しても、今日の設定を一つ直すことには直接つながらないからですよね。

書き出してみると、思っていた以上に無自覚に権限を渡してしまっている場面が見つかることがあります。ぶっちゃけ、便利さに引かれて設定をそのままにしていた機能が、実は公開や送信につながっていた……なんてことも珍しくありません。定期的な棚卸しを習慣にするだけで、遠い未来のシナリオへの不安が、今日できる具体的な行動へと変わっていくんですよね。

大きなシナリオの是非を議論する前に、今日の権限設定を1つ直すことです。この順番を守るだけで、遠い未来への不安は、今日の具体的な作業へ着地しますよね。着地させられない不安は、いくら考えても頭の中をぐるぐる回るだけなんです。

「効率化は、まだない需要を開く」——時間を短縮した先にある新しい市場

宮本弘曉さん
自動車やインターネットのような過去の技術革新は、単に時間を短縮するだけでなく、それまでになかった行動や市場を生み出してきたと説明されました。
33:08頃を見る

効率化は、時間を短縮するだけの話ではないと思います。自動車やインターネットがそうだったように、それまでになかった行動や市場を生み出すきっかけにもなりますよね。動画内では、自動車が登場した当時は「馬車の馬がエンジンに変わっただけ」としか思われていなかったのに、実際にはより遠くまで短時間で行けるようになったことで、給油所やカフェができて街が発展し、トラックが重い荷物を運べるようになったことで港から都市への輸送が可能になり、経済全体が波及的に発展した、という説明がありました。

時間が浮いたら休むだけでなく、浮いた時間で今までできなかった新しいことに手を伸ばしてしまう性分でね。うまく使えば、これまで諦めていた需要——たとえば人と話す時間や、じっくり考える時間——を掘り起こす力にもなると感じています。もちろん休むこと自体を否定しているわけではありません。休むことと、諦めていたことに手を伸ばすことは、別の話だと思うんですよね。

浮いた時間をつい別のタスクで埋めてしまうのは、誰にでも起きがちなことだと思います。効率化のたびに作業量だけが増えていくと、いつまでも余白は生まれません。だからこそ、浮いた時間の使い道を先に決めておくことが、仕込みの一部として大事になってきますよね。

浮いた時間の使い道を、あらかじめ予定として先取りしてしまうのも一つの手です。予定に入れてしまえば、あとから別の作業に押し流されることも減りますよね。何に使うかを先に決めておくかどうかで、同じ「浮いた時間」でも結果が変わってきます。

「教育と移動に残る満たされていない余白」——AIが広げるほど増える人の出番

宮本弘曉さん
個別最適化された教育や、地方での自動運転のように、AIが新しい選択肢を増やせる余地が、まだ多く残っていると語られました。
37:36頃を見る

個別最適化された教育や、地方の移動手段が広がっていく話は、遠い誰かの未来予測に聞こえるかもしれません。でも、選べる選択肢が増えるかどうかという意味では、私たちの手元でも同じことが起き始めていると思うんですよね。動画内では、貴族が家庭教師を付けて音楽や国語をその道の専門家から個別に教わっていたような「完全にカスタマイズされた教育」は、普通の家庭ではコストが高すぎて実現できなかったが、AIが一人ひとりの理解度を判断して得意なところはどんどん進め、苦手なところはゆっくり時間をかけるという教育が可能になりつつある、という話がありました。移動についても、雨の日に最寄り駅までタクシーを呼んだり、家族に送迎を頼んだりしていた場面や、飲み会の後に終電を気にせず自動運転の車で帰るような場面を例に、自家用車が自動運転になることの快適さが語られていましたよね。

浮いた時間は、誰かの仕事を奪った跡地ではなく、これまで人手が足りずに諦めていた選択肢が埋まっていくものだと思います。しかもね、奪われることを恐れて手を止めるより、埋まった先に何が見えるかを、まず確かめてみたいですよね。

諦めていたことを思い出す作業そのものが、意外と時間がかかります。日々の忙しさの中で、諦めたことすら忘れてしまっていることが多いからです。それでも一つ思い出せれば、その余白を埋める一歩は、AIの力を借りればそれほど大きな負担にはなりませんよね。

思い出すことさえできれば、あとの一歩は驚くほど軽いことが多いです。重いのは「思い出す」の一手間だけなんですよね。そこさえ超えられれば、あとは案外あっさり進みます。

実践で外さない境界

AIにタスクを渡すときも、渡していい範囲と、渡してはいけない範囲を先に分けておきます。下書きや探索、時間のかかる整理はAIに委ねますが、公開・送信・課金・人事のように後戻りしにくい判断は、必ず人間が最後に見る。ここだけは譲りません。

AI2027のような極端なシナリオを聞いたときも、遠い未来の話として棚上げにせず、今日この画面で自分がAIへ渡している権限を、定期的に点検するようにしています。効率化で浮いた時間も、成果物をさらに積み増す方向へ使うのではなく、これまで満たせなかった人との時間へ意識して戻すようにしていて……この切り替えだけは、頭で分かっていても、油断するとすぐ元に戻ってしまうんですよね。

タスクを分けることは、仕事を細切れにすることではなく、人にしか決められない部分をはっきりさせるための作業だと思っています。境界を先に決めておくことは、あとから迷う時間を減らすための投資だ。曖昧にしたまま走り出すと、後になって「ここまでは任せていいのか」と同じ悩みを繰り返すことになります。

私はこの境界線を、チームの誰が見ても同じ判断ができるように、できるだけ具体的な言葉で書き残すようにしているんですよね。「公開に関わるものは人が見る」だけでは曖昧すぎて、結局は私一人がその都度判断することになってしまうからです。誰が読んでも迷わない言葉まで具体化して初めて、本当の意味で委ねられる境界になる。手間を惜しんで曖昧なままにしておくと、その付けは未来の自分やチームに回ってきます。

境界を具体化する作業は、最初は手間に見えても、あとから何度も自分たちを助けてくれるんですよね。「公開」「送信」「課金」の3語だけでも先に赤字で囲んでおくと、迷う場面そのものが減ります。迷う場面が減れば、AIへ渡す速度そのものも上がっていく。速度が上がるほど、人が最後に見る範囲へかけられる時間も増えるという、良い循環になっているんです。手間を惜しんだ分だけ、あとで同じ判断を何度も繰り返す羽目になります。

よくある質問

まとめ｜速さより、選ぶ責任を濃くする

AIが速くなるほど、人間の仕事は消えるのではなく、目的を決め、違和感を拾い、結果を引き受ける側へ濃くなっていく。肩書きで身構えるのをやめて、タスク単位で自分の仕事を見直すだけで、AIに渡せる範囲は思っているより多く見つかりますよね。まずは今日ひとつだけでかまいません。作業を分けて、戻す境界まで書いてみる。

宮本さんと高橋さんの対話から受け取ったのは、遠い未来の話のようで、実は今日この瞬間の仕事の見方を問い直す内容でした。恐れるより先に、目の前の仕事を丁寧に分けることから始めたいと思うんですよね。

経済学者という専門家の視点は、遠くの数字を教えてくれるだけではありません。今日この画面の前で自分が何を渡し、何を渡さないかという、ごく個人的な判断にまで、静かに橋を架けてくれるものだと感じているんですよね。宮本さんと高橋さんの対話から始まったこの記事が、あなたの明日のタスク1つを分ける後押しになったら嬉しいです。ここまで読んでくれて、本当にありがとうございます。

関連記事

参考リンク・帰属