人工知能（AI）は仕事のあり方を変えており、高等教育はもはやそれを主として技術の問題として扱うことはできなくなっている。十数か国の約1万2000人の従業員を対象にしたボストン・コンサルティング・グループ（BCG）の2026年「AI at Work」調査によれば、回答者の72%が「AIによってスキルへの期待が変化した」と答え、67%が「AIが比較的単純な業務を担うようになり、人にはより複雑な仕事が残された」と述べた。また60%が「十分とみなされる仕事の基準が引き上げられた」と回答し、約半数がAIのアウトプットの確認・修正や、AIの管理・指示により多くの時間を費やしていると答えている。
この結果は高等教育に差し迫った課題を突きつける。これまで何世代にもわたり、卒業生は比較的定型的な業務から組織に入り、徐々に曖昧さ、判断、より大きな責任へと進んでいった。しかし今やAIは、かつて新人に割り振られていた多くの業務を担うことで、この発達の道のりを圧縮してしまう可能性がある。AIが定型業務を吸収していく中で、大学は学生に対し、より早期から複雑さに対処できるよう準備させ、独立した思考を育てるために必要な生産的摩擦を保ち、AIの使用を単に禁止したり無条件に受け入れたりするのではなく、AIとともに判断を下すことを教える必要がある。
AIは人間に求められるパフォーマンスの最低水準を引き上げている
BCGの調査結果が示す最も重要なメッセージは、AIリテラシーの範囲を超えている。回答者の41%が意思決定に費やす時間が増えたと報告しており、AIのアウトプットの確認やAI対応業務の管理に費やす時間も大幅に増加していることが分かっている。卒業生はキャリアのはるかに早い段階で、複雑な問題、重大な意思決定、機械が生成した成果物の評価といった責任に直面する可能性がある。
従来のキャリアパスでは、多くの新入社員は比較的定型的な責任から始め、経験を通じて知識を身につけ、より複雑な業務へと進んでいった。しかしテクノロジーが新人向けの業務の一部を担うようになると、この構造は変わる。雇用主は、これまで経験豊富な従業員に任せられてきた業務を、若手にも求めるようになるかもしれない。
この変化は「複雑さへの備え（complexity readiness）」の必要性を生む。すなわち、AIがより多くの定型業務を担い、人間はますます曖昧な問題、例外、検証、重大な意思決定を扱うようになる職場に入っていく力である。したがってキャリアレディネスは、専門知識、コミュニケーション、チームワークにとどまらず、問題のフレーミング、批判的思考、検証、適応力、意思決定へと広がる。
生産性の向上はこの変革をさらに重要なものにしている。BCGの調査では、AIを日常的に使う現場従業員の42%が週に少なくとも8時間の節約を実現していると報告する一方、66%はその節約時間の使い方について指針をほとんど、あるいはまったく与えられていないという。半数以上はその時間を戦略的な業務に振り向けられておらず、テクノロジーが生み出した余剰のキャパシティをどこに向かわせるかというリーダーシップ上の課題を浮き彫りにしている。
理想的には、この余剰は分析、イノベーション、人間関係、問題解決、判断へと向かう。いずれも、より高度な人間の能力を要する業務である。したがって高等教育は、AIが定型活動を減らしつつ、同時に人間に求められるパフォーマンスの水準を引き上げる職場に、強い関心を向ける必要がある。
消えゆく「徒弟制度」の問題
効率性の向上は第二の問題を生む。定型的なエントリーレベルの業務は歴史的に2つの役割を果たしてきた。組織に価値を生み出すことと、経験の浅い従業員にその職業の仕組みを教えることである。繰り返し、失敗、観察、フィードバックを通じて、新人は徐々に専門性を身につけ、より大きな責任を担うようになっていった。
若手の会計士は複雑な財務状況を解釈する前に勘定の照合を行い、新人マーケターは戦略を立てる前に定型資料を作成した。アナリストは経営陣に助言する前にスプレッドシートを組み立て、エンジニアは重大な設計に責任を持つ前に基本的な計算をこなした。これらの経験は、新人から経験豊富な専門家へと至る発達の道筋を形づくっていた。
AIは業務を取り除くと同時に、その業務に埋め込まれていた学びをも取り除くことができる。組織は定型活動を自動化することで効率を得るが、新人が熟達者へと成長する経験を意図せず失う可能性もある。従来そうした判断力を育ててきた道筋の一つが消え始めても、職場には依然として経験に裏打ちされた判断が必要とされる。
これが「消えゆく徒弟制度」の問題だ。雇用主が専門職の下層業務を自動化していくなら、新人がより複雑な責任を担うのに必要な能力を育てる経験は、なお誰かが設計しなければならない。大学はこの発達責任の一部をますます引き受けることになるかもしれない。
最近の国際的研究はこの懸念を別の方向から裏づける。ライアン・クレイグがForbesの最近の記事「大学はなぜ教室の外に目を向けるべきなのか」で論じているように、スイスで200以上の職業を対象に行われた研究では、実践的スキルが経済的成果の特に強い予測要因であり、授業の成績評価とは弱い相関しかないことが示された。研究者らは、実際の労働条件下での本物の職業的業務が、実践的能力を育てる重要な環境であると強調している。
AIによってこうした経験の重要性はさらに増している。体系化された知識を機械がより容易に生み出すようになるにつれて、大学はシミュレーション、インターンシップ、徒弟制度、プロジェクトベース学習、本物の問題解決にいっそう重点を置く必要があるかもしれない。学生は、職場での結果が現実のものとなる前に、曖昧さに向き合い、失敗し、フィードバックを受け、判断を下す機会を必要としている。
したがってAIに対する教員の懸念は、技術変化に抵抗する教授という描き方以上に、真剣に受け止める必要がある。2026年のエロン大学とAAC&Uによる1057人の教員を対象とした調査では、95%が生成AIが学生の過度な依存を増やすと考え、90%がその使用が批判的思考力を損なうと考えていた。この非科学的な調査では、59%が「自分の所属機関は、学生の将来に備えて生成AIを効果的に使う準備が十分にできていない」と答えた。
カレッジボードが3000人以上の大学教員を対象に行った調査はさらなる証拠を提供している。教員の74%が学生がAIを使ってエッセイや論文を書いていると報告し、67%が内容の言い換えや書き直しに使っていると報告している。したがって教員の懸念は学問的誠実性を超えて、学生が独立した能力を育てるのに十分な知的作業を今なお行っているのか、というより大きな問いへと及んでいる。
ここに中心的なパラドックスがある。学生は仕事のためにAIを使う力を必要とするが、大学時代の過度なAI支援は、雇用主がますます必要とする能力を弱めかねない。したがって高等教育は、学生がAIと協働できるよう備えさせると同時に、AIを監督できるように備えさせるための独立した知的作業を十分に保つ必要がある。
生産的な摩擦とAIを扱う判断力
学習には努力が必要だ。学生は、難解な文章を読み、議論を組み立て、不慣れな問題を解き、相反する証拠を評価し、不確実な状況下で意思決定を行うことで知的能力を育てる。難しさを取り除きすぎれば、教育はより効率的になるかもしれないが、職場で待ち受ける複雑さに対する備えは乏しくなる。
この緊張関係は、筆者の以前のForbes記事「AIをいつ使うべきかを知ることが、次のリーダーシップ課題である理由」で論じた「摩擦のパラドックス」に直結する。AIはパフォーマンスを制限する不要な摩擦を取り除くことができる一方、人が学び、練習し、前提を問い、能力を育てるための生産的な摩擦をも取り除いてしまう可能性がある。高等教育は、教育的意義のほとんどない難しさと、人間の成長に不可欠な難しさとを見分ける必要がある。
したがって課題は、学生がAIを使うべきかどうかを決めることにとどまらない。大学は、学生がいつ独立して考えるべきで、いつAIが思考を補強すべきかを定める必要がある。学生には今なお、難しい問題と格闘し、失敗し、推論を修正し、AIが生成した答えが不十分であることを認識できるだけの専門知識を身につける機会が必要だ。
国際的な証拠はこの課題がいかに広がっているかを示している。デジタル・エデュケーション・カウンシルの「AI in Higher Education Global Survey 2026」は、35か国から4万5398件の回答を集めており、そのうち学生が2万7284人、教員が1万8114人である。このグローバルな規模は、急速に進化するAIを統合しつつ、大学が本来育てるべき人間的能力を保とうとする高等教育セクターの姿を示している。
答えは、AIリテラシーを超えて「AI判断力」へと進むことにある。AIリテラシーが知的システムを理解し使う力であるとすれば、AI判断力はそれをいつ使うか、いつ疑うか、いつ覆すか、そしていつ人間の推論が主導すべきかを知ることである。AIが磨き抜かれた要約、分析、プレゼン、提言をますます生み出すようになるにつれて、この区別はいっそう重要になる。
従来の評価は、学生が正解を出せるかどうかを問うことが多い。大学はますます、学生が問題をフレーミングでき、プロセスのどこにAIが相応しいかを判断でき、AIを効果的に方向づけ、そのアウトプットを評価し、誤りを特定し、結果を改善し、意思決定を行い、自らの推論を擁護できるかどうかを見極める必要がある。アウトプットそのものと同じくらい、アウトプットを取り巻く思考が重要になるかもしれない。
この転換は議論を一巡させる。AIは、雇用主が人に期待する複雑さの水準を引き上げている。まさにその時に高等教育は、学生がどれほどの知的作業をAIに委ねるべきかを議論している。したがって大学は、学生を職場に備えさせるために十分積極的にAIを活用しつつ、職場がますます求めることになる思考に備えさせるために十分な生産的摩擦を保つ必要がある。
結論
高等教育はパラドックスに直面している。雇用主はAIと協働できる卒業生をますます必要とする一方、教育者は過度なAI支援がAIを監督する能力を弱めかねないと懸念している。したがって大学は、学生がAIを使うべきかを決めるという課題を超えた、より大きな課題に直面している。すなわち、学生をより早期に複雑さに備えさせ、専門性が育つ経験を保ち、AIが人間の思考を支援すべき時といつ人間の推論が主導すべき時かを判断するために必要な判断力を養う、という課題である。
AIが職場から定型業務を取り除くほど、大学は教育の中に発達的な学びを取り戻していく必要があるかもしれない。なぜならキャリアレディネスの未来は、学生にAIの使い方を教えること以上に、AIが残していくますます複雑な人間の仕事に備えさせることにこそかかっているからだ。
自己省察のための問い
- 新人が専門職としての判断力を育てる経験を提供している定型的なエントリーレベルの業務には、どのようなものがあるか。
- AIが定型業務をますます担うようになる中で、卒業生はそうした経験をどのように得ていくのか。
- 独立した思考を育てるために不可欠な生産的摩擦を含む大学の課題はどれか。
- 知的な格闘を保ちつつ、AIが取り除ける価値の低い摩擦はどこにあるか。
- AIが生成した成果物を評価し、問いただす学生の能力を、大学はどのように評価すべきか。
- 学生がキャリアの早期からより高い複雑さに備えられるよう、大学はどのように本物の経験を提供すべきか。
- 「AI判断力を備えている」と機関が自信をもって言えるために、卒業生は何を示すべきか。
