ビクター・ファン博士 CEO、ANCHAIN.AI Inc. - カリフォルニア州サンフランシスコ
最近、AnthropicのProject Glasswingがサイバーセキュリティ業界に衝撃を与えた。同社のAIが、セキュリティに特化したオペレーティングシステムとして専門家から広く信頼されているOpenBSDにおいて、27年前から存在する脆弱性を特定したのだ。
これは通常、発見するまでに何年もの経験を要する、深層的かつ低レベルの問題だった。
その1週間前、サンフランシスコで開催されたRSAカンファレンスで、私は「スキル、脱スキル化、そして暗号資産調査のAGI時代の未来」について講演した。当社では、AIエージェントが専門家レベルに近い暗号資産調査を実行している様子を目の当たりにしている。複雑なマルチチェーン取引の追跡、エンティティの相関分析、実用的なインテリジェンスの生成を、従来のワークフローよりも高速かつ一貫性を保ちながら、100分の1のコストで実現しているのだ。
パラダイムシフトが起きていると私は考えている。AIは単に人間の仕事を加速させているだけでなく、かつてその仕事を定義していた専門知識そのものを吸収し始めている。何年もの訓練と経験を必要とする業務が、自動化され、コモディティ化されつつあるのだ。
これは生産性における画期的な進歩のように見える。しかし同時に、業界がまだ完全には直面していない、より深い構造的な問いを露呈させている。それは、AIが専門家レベルの仕事を実行できるようになった今、人間はどのようにして専門家になるのか、という問いだ。
この問いは、見過ごされがちなAIによる脱スキル化現象を反映している。
脱スキル化：今回は異なる
脱スキル化（De-skilling）とは、テクノロジーが業務遂行に必要な人間の専門知識のレベルを低下させ、時間の経過とともにより深いスキルを開発または保持する必要性を排除するプロセスである。
脱スキル化は、あらゆる大きな技術変革の波に伴ってきた。RSAカンファレンスでの講演中、私は聴衆にシンプルな質問を投げかけた。「自分で狩りをして肉を手に入れたり、自分で野菜を育てたりしている人はいますか」。手を挙げた人は一人もいなかった。
カール・マルクスは、産業機械が熟練した職人技を反復的な労働へと縮小させた過程を最初に記述した。その後、ハリー・ブレイバーマンは、現代のシステムが思考と実行を分離し、労働者から制御を奪っていると主張した。1983年、リザンヌ・ベインブリッジは「自動化の皮肉」を提唱した。システムが日常的な業務を引き継ぐにつれ、人間はシステムが故障した際に介入するために必要なスキルを失うというものだ。
今日、AIはこのパターンを、手作業や反復作業を超えて、認知的専門知識そのものにまで拡張している。
学術界と産業界の両方からの証拠は、同じ方向を示している。マイクロソフト・リサーチによる調査では、生成AIツールへの依存が批判的思考の努力の減少と相関していることが示されている。一方、「認知的オフローディング」に関する数十年にわたる認知科学研究は、業務がツールに委任されると人間の理解が低下することを実証している。Anthropicによる最近の調査結果は、この効果をさらに定量化し、AI支援を使用する開発者の間で理解度が17%低下していることを示している。
最前線：サイバーセキュリティと金融犯罪
サイバーセキュリティと金融犯罪調査は、AIによる脱スキル化が最初に顕在化する領域であり、これは私が実際に予測していたことだ。
私は過去数年間のサイバーセキュリティとマネーロンダリング対策（AML）の求人情報、特に主要な労働力を構成するセキュリティオペレーションセンター（SOC）とAMLアナリストの求人を調査した。これらの領域は、複雑性、敵対的行動、現実世界への影響を組み合わせており、通常は高給である。業務は一般的に3層構造に従っている。
• L1（トリアージ）：アラートのフィルタリング
• L2（調査）：パターンの分析
• L3（専門家）：重要度の高い意思決定
このモデルは、米国立標準技術研究所（NIST）とMITRE Corporationのフレームワークと整合しており、企業全体で広く使用されている。
当社では、エージェント型AIが暗号資産調査においてこの構造をどのように再構築しているかを目の当たりにしている。かつては何時間もの手作業による追跡を必要とした業務、つまり複数のブロックチェーンにわたる取引の追跡、エンティティの相関分析、レポートの作成などが、今ではAIエージェントによって数分で完了できるようになった。
しかし、この変革は不均等である。L1の業務はほぼ自動化されている。L2の業務はますますAI支援が進んでいる。L3の業務は依然として人間が担当しており、これまで以上に重要になっている。
この不均衡こそが、脱スキル化が始まる場所である。
消えゆく専門性への道
専門性は、業界のキャリアパスにおける反復、失敗、改善を通じて培われる。
L1は親しみを築く。L2は直感を育てる。L3は判断を適用する。L1が消失し、L2が圧縮されると、その道筋は侵食される。
Anthropicの2026年労働市場調査は、このシフトの初期兆候を示しており、AI関連職種の若年労働者の雇用が16%減少している。エントリーレベルの機会が最初に縮小しているのだ。一方、世界経済フォーラムは、2030年までに中核的な職務スキルの39%が変化すると推定しており、エントリーレベルの職種が自動化圧力に最もさらされている。これらの傾向を総合すると、AIは単に仕事を変革しているだけでなく、専門性がどのように培われるかを再構築しており、その過程で脱スキル化が起こることを示唆している。
その結果は構造的なパラドックスである。組織は短期的には効率性を獲得するが、長期的なレジリエンスに必要な専門知識の深さを失うリスクを抱えている。サイバーセキュリティはその予兆であり、ソフトウェアエンジニアリングはAI生成コード、支援デバッグ、AI駆動設計によってその後を追っている。
脱スキル化させてはならないスキル
エージェント型AI時代において、実行は自動化されつつある。しかし判断は自動化されておらず、されるべきでもない。
サイバーセキュリティ、AML、ソフトウェアの各分野において、おそらく不可欠であり続ける専門家は、機械と並んで動くのではなく、機械の上で動ける人々である。彼らの価値は、仕事を実行することではなく、それを理解し、指示し、検証することにある。
これには新たな中核的能力が必要となる。
• 不確実性下での批判的推論とは、不完全なデータと敵対的環境において意思決定を行うことを意味する。
• AIエージェントのオーケストレーションには、自律システムを調査チームまたはエンジニアリングチームのスケーラブルな拡張として指揮することが求められる。
• 厳格な出力検証には、トランスフォーマーベースのモデルに固有の幻覚、矛盾、微妙なエラーを特定することが含まれる。
これらは新しいスキルではないが、基礎的なものになりつつある。これらは、信頼できるAIシステムの構築に不可欠な評価、検証、ガバナンスを強調するNISTのガイダンスと密接に整合している。
脱スキル化のリスク管理
テクノロジー楽観主義者として、脱スキル化はテクノロジーの失敗ではない。それはテクノロジーの予測可能な結果である。
組織が犯す過ちは自動化ではなく、意図のない自動化である。
このシフトを管理するために、リーダーは3つの領域で意図的に行動しなければならない。
• ワークフローの再設計。AIが実行するものと人間が決定しなければならないものを明確に分離する。
• 実践的経験の保持。チームが出力だけでなく、システムと深く関わり続けることを確保する。
• 検証の制度化。説明、検証、説明責任を交渉の余地のないものにする。
これらの保護措置がなければ、結果は脆弱性である。スケールするが、ストレス下で失敗するシステム、そして生産はするが診断できないチームである。
AGIの未来
サイバーセキュリティと金融犯罪の最前線から、私のようなシリコンバレーのテクノロジストは、AIがソフトウェア業界をどこへ導いているかをすでに目の当たりにしている。
AGI時代において、私たちが脱スキル化させる余裕のない最も重要なスキルは、それらの答えが真実かどうかを判断し、それに対して責任を負うことである。
