オラクル・クラウド・プラットフォームのデータ・AI担当チーフアーキテクト、エゴール・プシュキン氏。
この3年間、仕事に関する議論は「どの職種が消えるのか」という一点に集中してきた。しかし今わかっていることを踏まえれば、それは問うべき問いではない。
企業内部では、AIがタスクを変化させている—そしてそれに伴い、採用方法や組織構造も変わっている。管理された研究によると、定型的な認知作業（文章作成、要約、書式変更）で大幅な効率向上が見られる一方、計画立案、不確実性下での判断、または緻密な事実確認を要するタスクでは明確な限界がある。
言い換えれば、AIは認知の下位レベルを加速させ、上位レベルにおける人間の能力の価値を浮き彫りにしている。
過去の仕組み
従来、企業は役割と領域によって人員を配置してきた：マーケター、アナリスト、プロジェクトマネージャーなど。各役割には、資料の書式設定からロードマップの交渉まで、低・中・高負荷のタスクが混在していた。
生成AIは、これまで一体化していたパッケージを事実上「アンバンドル（分解）」した。444人のプロフェッショナルを対象とした無作為試験では、ChatGPTが作業時間を約0.8標準偏差（SD）短縮し、品質を約0.4SD向上させ、作業の重点が下書きから発想や編集へとシフトした—これは大きな役割内の小さなサブタスクの変化だ。
これは仕事の代替ではなく、タスクレベルでの仕事の再構築である。
AIの従業員化
現在新しいのは、AIチームメイトの言語とアーキテクチャだ。セールスフォースのAgentforceは、企業データを理解し、営業、サービス、マーケティングにわたって行動する「デジタル労働力」としてエージェントを位置づけている。リーダーたちは、組織図の中で一部のボックスを人間に、他のボックスをエージェントに割り当て、ライフサイクル管理、テスト、エスカレーションパスを設定している。
エンジニアリング側では、CognitionのDevinが「AIソフトウェアエンジニア」を売り出している。これは計画を提案し、コードを書き、テストを実行し、サンドボックス内で反復する—かつてジュニア開発者に割り当てられていた作業を担当する。誇張を除けば、その本質は明らかだ：かつてキャリアラダーに結びついていた能力が、サービスとしてパッケージ化され、ソフトウェア「同僚」に割り当てられている。
AIネイティブの無駄のない企業は、驚くほど少ない人員で収益を拡大している。例えばPerplexityは、報告によると、スタートアップのような体制を維持しながら9桁の年間経常収益（ARR）を達成しており、他のAI製品企業でも同様のパターンが見られる。
経営上の教訓は単一の「キラー職種」ではなく、エージェントが反復的な負荷を担うことで認知ノードあたりのARRが上昇していることだ。
役割定義の根本的な変化
実際に何が変わっているのか？3つの点がある：
1. 領域から認知機能へのシフト
「B2Bマーケター」を雇う代わりに、企業はますます移植可能な認知能力を求め、エージェント、データ、コンテキストで領域の足場を構築している。下位レベルのタスクは委任され、高次の認知が人間の領域となる。高次のタスクには以下が含まれる：曖昧さの中での問題設定、仮説生成、相互依存関係を考慮した計画立案、批判的検証、物語的統合。
758人のコンサルタントを対象とした実地実験の証拠は、モデルのフロンティア内のタスクで大きな向上（速度25%向上、品質40%向上、完了率12%向上）を示し、フロンティア外では低下を示している—つまり適切な組み合わせが重要だ。
2. モデルは計画と真実性でまだ躓いている
ハルシネーション（幻覚）はまだ解決されておらず、AIは自律的な計画立案でも弱点を示している。新しい「推論」モデルは多段階思考を改善しているが、自己評価や独立したテストでも、信頼性の高い計画立案への道のりはまだ完全ではない。
そのため、オーケストレーション、情報検索、人間による検証が企業AIの第一級市民となっている。
3. 能力フレームワークが認知とコーディネーションを中心に再構築される
世界経済フォーラムの最新のスキル展望では、分析的・創造的思考が雇用主の需要のトップを維持している—これはツールやセクターを超えて転用可能な持続的能力だ。採用基準は、静的なツールチェックリストよりも、曖昧さへの耐性、システム思考、評価技術を重視するようになる。
要するに：仕事の最小単位はもはや役割ではなく、認知機能だ。将来の職務記述書は認知契約のように読める：「あなたは曖昧な問題を分解し、相互依存関係を考慮して計画を立て、AI出力を厳しくテストし、現実に耐える決断を推進できますか？」
個人の認知を超えて
AI以前のナレッジワークは、個人、デスク、成果物という単独のスループットとして成功することが多かった。これがAIが最も加速させる部分だ。価値が高まるのは認知横断的なコラボレーション—チームが人間の判断とエージェントの能力をどれだけうまく組み合わせて、より速く明確さと正確さに到達できるかだ。
トーマス・マローンの「スーパーマインド」の枠組みが適切な比喩だ：知性の単位を個人ではなく、グループとして設計する。実際には、最も効果的なチームは「ケンタウロス」と「サイボーグ」モード—モデルとの労働分担を明示的に分けるか、人間とAIのステップを交互に組み合わせる—を採用し、引き継ぎ、レビューゲート、エスカレーションパスを明確にするだろう。
採用慣行もこの発展によって再構築されている。パズル面接に関する古い議論は新たな展開を見せている：私たちは可愛らしい謎解きを選別しているのではない。繰り返し可能な思考習慣を評価しているのだ。問題分解、確率的推論、批判的検証、そして重要なのは、モデルを使用すべきでない時を知ることだ。
「ギザギザのフロンティア」を考えると、最良の候補者はフロンティア外のタスクを検出し、それらを人間、ツール、またはより遅くても検証可能なワークフローに振り分ける計画を示す。
「私たちはあなたを考えるために雇います。」職務記述：「問題解決に認知能力を適用する能力。不確実性下での計画立案、人間とAIのチームのオーケストレーション、意思決定の質の測定可能な改善の実証。」
次は：物理的世界
同じパターンがビットから原子へと階段を下りている。
アマゾンは現在、100万台以上のロボットを業務全体に配備していると報告しており、新システム（Sequoia、Vulcan、Blue Jay）が反復可能で人間工学的に厳しいタスクを引き受け、人間は監督、統合、例外処理を担当している。これは認知シフトの物理的な対応物だ：自動化が下位レベルを登り、人間は計画、統合、安全性を担当する。
最先端では、汎用ロボットのマイルストーンベースの導入が実際の工場に入り始めている。BMWとFigureの契約は、自動車生産へのヒューマノイドの慎重な統合を示している—ここでも、人間が複雑なワークフローを振り付け、ロボットが限定的で反復的なステップを処理する。当面は周辺部での脆さが予想されるが、「自動化可能」な部分の着実な拡大も期待できる。
結論
AIは単に仕事を消滅させているのではなく、私たちが人々を雇う理由を書き換えている。役割は認知機能に分解され、個人は連携した思考ワークフローのノードとなり、高次思考とコーディネーションへのプレミアムが決定的にシフトする。
前段階では技能とツールスキルが優位性だった。次の段階で評価されるのは、ビジョン、システム分析、そして現実に耐える決断をもたらす人間とエージェントのワークフローを設計・統治する規律だ。その未来の設計者は、狭い専門家というよりも、実務家の本能を持つ哲学者のように見える。
