COLUMN ／ 神田昌典さん連載を読む
神田昌典さん連載を読む
「かばん持ち」は、かばんを持つ仕事じゃない。
AIに下積みを任せたら、人を判断の隣に立たせる
2026.09.30
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。
最新AI情報満載！毎日無料朝LIVE実施中！GPTs研究会では、AIツールの最新活用法を毎朝シェアしています。AIの入口にいる人も、ぜひAI氣道.jp無料メルマガで朝LIVEブログを毎日チェックしてくださいね。
3行でわかるポイント
- AIが若手の下積みを吸収し始めた。マッキンゼーは調査・文書作成・データ整理・初歩的なコーディング・予備的な分析を挙げ、約1,500人調査では3分の1の企業が「技能を育てる基礎的な仕事が減った」と回答。
- 下積みは作業ではなく、勘の練習場だった。神田昌典さんは、雑用の復活ではなく「下積みの再設計」を説く。AIに任せる仕事は任せ、若手を意思決定の現場に連れていき「なぜ」を聞かせる。
- 一人社長の私は、分身AIを判断の隣に立たせている。分身AIが先に答え、私が直す。3月から206件、そのまま採用できたのは124件（60.2%）。直した理由がそのまま、次の判断の材料になっています。
AIを仲間と一緒に実践したい人へ
GPTs研究会に参加する（無料・8,900名突破！）
日経MJの切り抜きが、また手元に届きました。
神田昌典さん連載「未来にモテるマーケティング」の2026年9月21日号です。見出しは「今こそ若手に『かばん持ち』を」。紙面の大見出しは「意思決定の隣で判断力育む」。
今日（9月30日）、安宅和人さんの論考を読み解く記事で「AIに委ねた先で、見立てる力をどう残すか」を書いたばかりです。あちらは、承認する側の私の判断力が落ちないか、という話でした。
今回の号は、その裏側です。判断力を育てる側は、何を設計すればいいのか。神田さんの答えは、昔ながらの「かばん持ち」を、AI時代向けに作り直すことでした。
で、元の調査も気になったので、マッキンゼーとストラーダの原文まで読みに行きました。数字は、コラムのとおりでした。
お悔やみの言葉は研修で身につくのか。神田昌典さんが思い出した「かばん持ち」
コラムは、知人から聞いた話で始まります。
神田昌典知人から、こんな話を聞いた。取引先の社長が突然亡くなった。若手社員にそのことを伝えたところ、お悔やみの言葉が出てこなかったという。
その会社の社長は「これはまずい。新人研修で教えないと」と思った。神田さんは、なるほどと思いながら、少し引っかかったと書いています。お悔やみの言葉は、研修で教えれば身につくものなのか、と。
言い回しならAIが教えてくれます。服装も、香典の作法も、検索すればすぐ分かる。でも、実際の場では違います。
神田昌典だが実際の場では、相手の表情を見て、どこまで声をかけるのか、何も言わず頭を下げる方がいいのか、その場の空気を読みながら判断する。これはマニュアルだけでは身につきにくい。
ここで神田さんが思い出したのが、昔の「かばん持ち」です。
社長や先輩について歩いて、商談にも会食にも、ときにはお悔やみの場にも同行する。
一見すれば非効率です。今なら「そんな時間があるならAIで仕事を片づけた方がいい」と言われそう。ところが、AI時代にその非効率さが急に重要になってきた。これが今回の号の入口です。
読んでいて、手が止まりました。AIに聞けば答えが返ってくる時代に、答えのない場面でどう動くかを、私たちはどこで覚えてきたのか。私にとっても、他人事ではない問いです。
AIが吸収し始めた若手の下積み。マッキンゼーとストラーダの調査を原文で確かめた
神田さんは、2つの調査を挙げています。
神田昌典マッキンゼーは2026年7月、AIが調査、文書作成、データ整理、初歩的なコーディング、予備的な分析など、これまで若手社員が担ってきた仕事を吸収し始めていると指摘した。
元の記事は、McKinsey Quarterly の「Building expertise in the age of AI: Who trains the next generation?」（2026年7月14日）。直訳すると「AI時代の専門性づくり：次の世代は誰が育てるのか」です。
原文を読むと、コラムの列挙はそのままでした。しかも、その先にこう続きます。
マッキンゼーTasks such as research, documentation, data cleanup, basic coding, and preliminary analysis are being streamlined or absorbed into AI systems. These are precisely the activities through which young employees have traditionally built instincts, developed judgment, and earned the right to take on more.
（拙訳）調査、文書作成、データ整理、初歩的なコーディング、予備的な分析といった仕事が、AIシステムに効率化され、吸収されつつある。これらはまさに、若手社員が伝統的に勘を身につけ、判断力を育て、より大きな仕事を任される資格を得てきた活動である。
McKinsey Quarterly「Building expertise in the age of AI: Who trains the next generation?」2026年7月14日
「勘を身につけ」って、書いてあるんです。雑用がなくなる、ではなくて、勘を育てる場所がなくなる、という書き方。
二つ目が、ストラーダ教育財団の調査です。
神田昌典さらに、ストラーダ教育財団が同年3月に約1500人の経営・人材責任者に実施した調査では、3分の1の企業が、若手社員の技能形成につながっていた基礎的な仕事がAIによってすでに減少したと答えている。
ストラーダの公開ページ（2026年5月19日）も確認しました。約1,500人の経営者・人材責任者への調査で、全業種の数字はこうでした。
AIツールで、若手（新卒レベル）の仕事はどう変わったか（全業種）
- 分析や判断を伴う責任が増えた：42%
- 定型・事務作業が減った：41%
- 基礎的な、技能を育てる仕事が減った：33%
- 意味のある変化はない：20%
出典：Strada Education Foundation「Entry-Level Hiring in the AI Era」2026年5月19日 の図「AI Impact on Entry-Level Job Tasks by Industry」より
33%、ちょうど3分の1です。で、私が引っかかったのは、その上の42%のほうでした。若手に任せる「分析や判断を伴う責任」は、増えているんです。下積みは減った。でも、判断の出番は早く来る。練習場が減ったまま、本番だけが前倒しになっている、と私は読みました。
数字は他にもあります。スタンフォード大学のデジタル経済ラボは、AIの影響を受けやすい職種で、22〜25歳の雇用が伸び悩んでいると報告しています。
スタンフォード大学 デジタル経済ラボEmployment among workers ages 22–25 in highly AI-exposed occupations now stands about 19% below where it would be if it had kept pace with employment among similarly aged workers in less-exposed occupations.
（拙訳）AIの影響を強く受ける職種で働く22〜25歳の雇用は、影響の小さい職種の同年代と同じペースで伸びていた場合に比べ、約19%低い水準にある。
Stanford Digital Economy Lab「Canaries in the Coal Mine?」2026年8月改訂
ただ、同じ報告は「経済全体で広く仕事が置き換わっている様子は見えない」とも書いています。若手の入口が細っている。でも、仕事全体が消えたわけではない。ここは分けて読みたいところです。
下積みは作業ではなく「勘の練習場」だった。資料・議事録・同行で育つもの
神田さんは、作業が減ること自体は問題ではない、と書いています。問題は、その作業が何を育てていたか。
神田昌典もちろん作業が減ることは問題ではない。しかし、それらは若手が判断力や仕事の勘を身につける練習場でもあった。
そして、具体例が続きます。ここが、この号でいちばん好きなところです。
神田昌典資料を作るから、数字の違和感に気づく。議事録を取るから、誰の一言で会議が動いたかを見る。上司に同行するから、教科書にはない「なぜ今は話さないのか」を知る。
資料、議事録、同行。どれも、AIが一番得意そうな仕事です。資料はAIが作れるし、議事録はAIが取れる。でも、その作業の途中で拾っていた「あれ、この数字おかしくない？」は、作業ごとAIに渡ると、誰も拾わなくなる。
神田昌典つまり、AIが下積み仕事をなくすとき、企業は作業と一緒に、育成の回路まで捨ててしまう危険がある。
日本でも、同じ指摘が出ています。三菱総合研究所は、問題は仕事量ではないと書きました。
三菱総合研究所問題は、若手の仕事量が減ることではなく、仕事を学ぶ経験が順序をもって積み上がらなくなることである。
正直に書くと、私も「数字の違和感」を取りこぼしかけたことがあります。以前、自分の会社の経理まわりをAIに手伝ってもらっていた時のことです。数字を放り込むと、きれいな分析と次の一手まで返ってくる。完璧に見えたので、そのまま自分の判断として使いそうになりました。
送信する直前で、手が止まったんです。「これ、自分の言葉で説明できるか？」って。できませんでした。なんでこの仕訳になるのか。なんでこの異常値をこう扱うのか。AIの結論はなぞれても、その手前の「なぜ」を語れなかった（この話は「だから私は“判断”だけは手放さないと決めた」に書きました）。
資料をAIに作らせると、数字の違和感に気づく練習をしないまま、判断だけを求められる。神田さんの例を読んで、あの日の自分はまさにそこにいたんだと分かりました。
昔の雑用に戻すのではなく「下積みの再設計」。意思決定の隣に連れていき「なぜ」を聞く
じゃあ、昔のように若手に雑用をやらせればいいのか。神田さんは、そうは言いません。
神田昌典もちろん、昔の雑用を復活させればいいわけではない。必要なのは「下積みの再設計」だ。
神田昌典AIに任せる仕事は任せる。その代わり、若手を意思決定の現場に連れていく。
そして、連れていった後にやることまで書いてあります。
神田昌典商談が終わったら「なぜ、あそこで引いたんですか」と聞かせる。会議の後に「何を見て危ないと思ったんですか」と話す。お悔やみの場なら、帰り道に「なぜ、あの一言だけにしたんですか」と振り返る。
ポイントは、帰り道です。同行させるだけでは足りない。終わった後に「なぜ」を言葉にして返す。ここまでがセットなんですね。
マッキンゼーの記事にも、同じ形の工夫が出てきます。名前は「答え合わせモデル（answer-key model）」。
マッキンゼーCall this the answer-key model: The employee attempts first, the AI grades the attempt, and the employee sits down with a manager, who discusses the differences.
（拙訳）これを答え合わせモデルと呼ぼう。社員がまず自分でやってみる。AIがその答えを採点する。そして社員は上司と一緒に座り、違いについて話し合う。
McKinsey Quarterly「Building expertise in the age of AI: Who trains the next generation?」2026年7月14日
ある不動産会社では、AIが若手より詳しい市場評価を作れるようになった。それでも若手には、街を歩き、地形や交通の流れを見て「手で」評価を作らせ、AIの評価と見比べさせたそうです。
AIに任せる。でも、若手が自分で考える一回と、上司との「なぜ」の対話は残す。神田さんの「帰り道の振り返り」と、同じ骨組みです。
神田さんは、これが研修動画で代わりにならない理由も書いています。
神田昌典こうした問いへの答えは、会社ごと、顧客ごと、人ごとに違う。だからこそ、一般的な研修動画では代替しにくい。仕事の勘とは、知識の量ではなく、状況に応じて知識を使い分ける力だからだ。
ここを読んで思い出したのが、実家の厨房です。小学生のころ、実家の惣菜屋で料理を手伝っていました。おじいちゃんが作る鶏チャーシューを味見して、好きな料理に触れながらお金を稼いで、そのお金でゲームを買う。
あの厨房では、仕事と味と人が、分かれていなかったんです。本物の営みの真ん中で、おじいちゃんの鶏チャーシューを味見していた。神田さんの言う「意思決定のそばに立つ」は、私にとってはあの厨房の景色に近い、と読みました。
一人社長の私は、分身AIを判断の隣に立たせている。206件の答え合わせ
ここからは、私の運用の話です。私は一人社長なので、同行させる若手社員はいません。そのかわり、私の判断の隣には、分身AIがいます。
今の私の仕組みはこうです。私にしか答えられない問いが来たら、いきなり私に聞かない。先に分身AIが答えを出します。私はそれを見て、合っていればそのまま採用する。違っていたら直して、どこが違ったかを一行で残す。
マッキンゼーの答え合わせモデルを、逆向きにやっている形です。若手がまずやってみて、上司と違いを話す。私の場合は、分身AIがまずやってみて、私が違いを返す。
記録を数えてみました。2026年3月11日から今日9月30日までで、分身AIの答えは206件。そのまま採用できたのが124件。一致率は60.2%です。4割は、まだ私が直しています（分身AIの名誉のために言うと、直す理由を書き残すたびに、学習済みのパターンは増えて今42件です）。
で、ここからが大事なところで。直す時に「なぜ違うのか」を一行で書く。これがそのまま、私の勘の言語化になっているんです。
神田さんの「帰り道の振り返り」は、若手のためだけのものじゃない。「なぜ、あの一言だけにしたんですか」と聞かれた社長も、そこで初めて自分の判断を言葉にします。私も、分身AIに直しを返すたびに、自分が何を大事にしているかに気づかされています。
マッキンゼーの記事には、こんな一文もありました。
マッキンゼーThe gap between an employee’s independent attempt and the AI model’s output is observable, and a gap that narrows over time is direct evidence that judgment is forming
（拙訳）自分で試みた答えとAIの出力との差は、目に見える。その差が時間とともに縮まっていくことは、判断力が育っている直接の証拠だ。
McKinsey Quarterly「Building expertise in the age of AI: Who trains the next generation?」2026年7月14日
60.2%が、この先どう動くか。分身AIの「かばん持ち」がうまくいっているかを見る物差しになりそうです。
ただ、分かれ目もはっきり書いておきます。
実装済み：分身AIが先に答え、私が採用か修正かを返し、修正理由が学習パターンに足される仕組み。
提案です・未実装です：直した理由を月に一度読み返して、私自身の「判断の癖」の棚卸しに使うこと。これはまだやれていません。
若手社員がいる会社なら、今日の一手はこれで十分だと思います。
今週の自分の判断を一つ選んで、一人だけ隣に座らせる。終わったら3分、「なぜ、あそこでそうしたか」を話す。
一人社長なら、分身AIやAIに先に答えさせて、直した理由を一行だけ書き残す。
AIに作業を任せて空いた時間は、判断の隣に誰かを立たせる時間に回す。私は、そう受け取りました！
よくある質問
AI時代の「かばん持ち」とは何ですか？
神田昌典さんの定義では「かばんを持つ仕事ではない。意思決定のそばに立つ仕事」です。AIに任せられる作業は任せたうえで、若手を商談や会議の場に同席させ、終わった後に「なぜ、あそこで引いたのか」を言葉にして返す。同行と振り返りをセットで設計することです。
AIに下積み仕事を任せると、若手の判断力は本当に育たなくなりますか？
マッキンゼーは、調査・文書作成・データ整理などが「若手が勘と判断力を育ててきた活動そのもの」だと指摘しています。ストラーダの約1,500人調査でも33%が「技能を育てる基礎的な仕事が減った」と回答。一方で42%は「分析や判断を伴う責任が増えた」と答えていて、練習の場を意図して作り直す必要がある、というのが今回の論点です。
若手社員がいない一人社長は、どうすればいいですか？
私は分身AIを判断の隣に置いています。分身AIに先に答えさせ、違っていたら直して、直した理由を一行残す。2026年3月からの206件で一致率は60.2%です。直す理由を書くこと自体が、自分の勘を言葉にする練習になります。
まとめ
AIは、若手の下積みを吸収し始めています。マッキンゼーはそれを「勘と判断力を育ててきた活動そのもの」と書き、ストラーダの調査では3分の1の企業が、技能を育てる基礎的な仕事が減ったと答えました。
神田さんの処方は、雑用の復活ではなく「下積みの再設計」です。AIに任せる仕事は任せる。そのかわり、若手を意思決定の現場に連れていき、帰り道に「なぜ」を聞く。
神田昌典これからのかばん持ちは、かばんを持つ仕事ではない。意思決定のそばに立つ仕事である。
私は、その隣に分身AIを立たせています。分身AIが先に答え、私が直し、直した理由を残す。これまで206件、一致率60.2%。その差が縮まっていく過程が、分身AIの育ち方で、同時に私の勘の言語化でもあります。
かばん持ちは、かばんを持つ仕事じゃない。AIに下積みを任せたら、空いた時間で人を判断の隣に立たせる。この号から私が持ち帰った答えは、これです。
コラムの最後の問いを、そのまま置いておきます。
神田昌典新人研修の項目を増やす前に、考えてみたい。わが社では今、その勘を誰が、どこで育てているだろうか。
IF塾 ASHURA
AIを“使う”側から“創る”側へ。
自分だけの専門特化AIツールを、自分の手で。
プログラミング未経験でもOK。毎月の開発講座＋グループコンサル＋AI賢者への24時間相談つき「AI開発コミュニティ アシュラ」
▶ 無料モニターに申し込むCOLUMN
結論ではなく「俺がやった時はこうだった」を渡す
神田さんの「帰り道の振り返り」を読んで、家のことを考えていました。
私は息子に、選択と経験を委ねています。安心安全な家庭と、愛情を込めた料理は帰る場所として残す。そのうえで、親が渡す判断材料は結論ではない。経験に基づく知恵を、ストーリーで語ることです。
「俺がやった時はこうだった」
同じ結論を選ばせたいわけじゃないんです。息子が自分らしく動いた時に、あ、届いたんだなと分かる。
これって、かばん持ちの帰り道と同じ形だと思いました。「なぜ、あの一言だけにしたんですか」に、正解を教えるんじゃなくて、自分がその時に何を見ていたかを話す。答えは会社ごと、人ごとに違う、と神田さんが書いたとおりです。
料理や子育てで腑に落ちた知恵は、考えなくても体が動くところまで沈んでいます。だから、言葉にしないと渡せない。AIが答えを出せる時代だからこそ、隣にいる人に「私はこう見ていた」を渡す時間を、意図してつくりたいと思っています。
分身AIにも、息子にも、仲間にも。渡すのは結論じゃなく、判断の手前にあった景色です。
分身AIに直しを返しながら育てている話は、分身AI.comの日記「AI秘書が失敗したとき、分身AIは育つ」にも書いています。
👉 分身AIについてもっと知りたい方は分身AI.comもチェックしてね！
関連記事
今日公開した姉妹編。承認する側の判断力が落ちないか、という話。
経理をAIに任せて「なぜ」を語れなかった日の話。
委ねて出た違和感を教えると、自分の判断軸に気づく。朝LIVEの回。
神田昌典さん 8月24日号の回。
神田昌典さん 8月10日号の回。
参考リンク
この記事で引用したコラムの公式再掲。全文はこちらで。
若手の下積みがAIに吸収される現状と、答え合わせモデル・シミュレーション・コーチングの4本柱。英語。
約1,500人の経営者・人材責任者調査。42%・41%・33%・20%の図はここ。英語。
AIの影響を受けやすい職種で、22〜25歳の雇用が約19%低い水準という分析。英語。
若手の仕事量より「学ぶ経験が順序をもって積み上がらなくなること」が問題、という日本からの指摘。
新人向けの職務は「判断がどう形成されるのかを学べる場だった」とする記事。
※コラム本文の転載はしていません。引用は出典を明記した必要な範囲にとどめています。英語の引用は拙訳です。
🎁 無料プレゼント
Aiport（ClaudeCode AIエージェント実践会）
ClaudeCodeでAI秘書＋分身AI＋AIカンパニーが無料で作れるキット＆解説動画をプレゼント！
▶ 無料で入会してキットを受け取る🤖 AI生成コンテンツについて
この記事はAIツール（Claude Code）を活用して制作しています。構成・文章生成・画像制作にAIを使用し、最終的な内容の確認・編集・公開判断はひろくん（田中啓之）本人が行っています。「分身AIひろくん」（bunshin-ai.com）とは別のコンテンツです。
