想像力格差の時代 − AIを使える人より、問いを作れる人に富が集まる

みなさん、おはようございます！こんにちは！こんばんは。Jindyです。 　

AIの話になると、どうしてもツールの話に寄っていく。

どのAIが速いか。
どのモデルが賢いか。
どんなプロンプトを入れれば、それっぽい文章が出るか。

もちろん、それも無視できない。仕事で使うなら、道具の性能は見たほうがいい。電卓の時代にそろばんだけで戦うのはきついし、Excelがあるのに紙で集計するのも苦しい。

でも、ここに大きな落とし穴がある。

AI時代に本当に差がつくのは、AIを使えるかどうかではない。
AIで何をするかを決められるかどうかだ。

このブログを読むと、AI時代の格差がどこで生まれるのかが見えてくる。単なるスキル格差ではない。問いを立てる力、違和感を拾う力、意味を設計する力、実験の責任を引き受ける力。このあたりが、これからの個人の市場価値を左右する。

しかも、これはビジネスパーソンだけの話ではない。投資にも、会計にも、キャリアにも直結する。

投資家目線で見れば、AIを導入している会社より、AIで何を変えるのかが見えている会社のほうが強い。会計目線で見れば、AIツール代は費用に見えるが、本当に価値を生むのは帳簿に出にくい無形資産だ。データ、業務知見、顧客理解、現場の暗黙知、意思決定の速さ。ここに差が出る。

そして個人も同じ。

AIを触っているだけでは、たぶん勝てない。
AIに作業を任せたあと、自分はどんな問いを持つのか。
ここで決まる。

この話は少し怖い。
でも、同時にかなり希望もある。

想像力は、天才だけの持ち物ではない。日々の違和感を放置しない人、現場で起きている小さなズレに気づく人、常識の裏側を見ようとする人は、ちゃんと鍛えられる。

問題は、その鍛え方を学校でも会社でもあまり教えてくれないことだ。

だから今回は、AI時代の想像力格差を、労働市場、企業価値、個人のキャリアの3つから深掘りする。

これからの時代、作業が速いだけの人は危ない。
正解を待つ人も危ない。

価値が上がるのは、正解がまだない場所に名前をつけられる人だ。

作業能力の価値は下がり、問いの価値が上がる

AIが広がると、仕事がなくなるのか。
この問いはよく出てくる。

ただ、少し雑だと思う。仕事が丸ごとなくなるというより、仕事の中身がバラされる。資料作成、要約、調査、翻訳、メール文面、コードの下書き。これまで人間が時間をかけていた作業の一部が、AIによってかなり安くなる。

すると何が起きるか。

作業そのものの値段は下がる。
その代わり、作業の前にある判断の値段が上がる。

できることが増えるほど、何をやるかが問われる

LLMの研究では、米国労働者のかなり広い範囲のタスクが影響を受ける可能性があるとされている。ここで勘違いしてはいけないのは、これは即失業という意味ではないことだ。タスクが変わるという話である。

たとえば、昔なら企画書を作るだけで半日かかった。今はAIに壁打ちさせれば、たたき台はすぐ出る。調査も、要約も、比較表も、以前より速い。

でも、そこで止まる人が多い。

AIに作らせた資料を見て、なんとなく満足する。
それっぽい文章が出てきて、仕事をした気になる。

ここ、落とし穴です。

AIが下げるのは、作業の摩擦だ。
摩擦が下がったからこそ、雑な問いも大量生産される。

誰に向けた資料なのか。
相手の意思決定をどう変えたいのか。
この企画はなぜ今やるのか。
やらない場合の機会損失は何か。

ここを詰めないままAIを使うと、きれいな紙くずが増える。見た目は整っている。でも、誰も動かない。

AIは下位層を底上げするが、上位層の差も広げる

面白いのは、AIが格差を必ず広げるわけではない点だ。生成AIを使った実験では、文章作成や顧客対応の現場で、未経験者や低スキル層の生産性が大きく改善した研究がある。これは希望がある。

つまり、AIは平均点を取りやすくする。

新人でも、それなりのメールを書ける。苦手な人でも、資料の骨子を作れる。知識が浅くても、初歩的な調査なら進められる。

これはかなり大きい。
仕事の入口でつまずく人を救うからだ。

一方で、平均点が取りやすくなると、平均点そのものの価値は下がる。ここから先が厳しい。

みんなが70点を取れるようになる。
すると、70点では選ばれない。

差がつくのは、70点を100点にする力ではなく、そもそも採点表を変える力だ。ありものの問いに答える人より、まだ誰も問うていない問いを持ち込む人が強くなる。

これは投資にも似ている。誰でも見られる決算短信、誰でも聞ける決算説明会、誰でも読めるアナリストレポート。情報アクセスが平等になるほど、差がつくのは情報そのものではなく、解釈だ。

同じ数字を見て、何を読むか。
同じAIを使って、どんな仮説を立てるか。

ここが勝負になる。

正解処理の人から、仮説設計の人へ

会社で評価されやすかったのは、長く正解処理ができる人だった。ミスなく処理する。期限を守る。上司の期待に合わせる。これは今でも必要だ。会計なら、数字を間違えないことは最低条件である。

ただ、それだけで市場価値が伸び続けるかというと、かなり怪しい。

AIは、正解処理が得意だ。形式が決まっていて、過去データがあり、評価基準が明確なものほど強い。

では、人間側に残るものは何か。

仮説を立てることだ。

この商品はなぜ売れないのか。
この部署はなぜ毎月残業が膨らむのか。
この会社はなぜ利益率が伸びないのか。
この市場はなぜ過小評価されているのか。

こういう問いには、現場感がいる。数字だけでは足りない。人の動き、組織のクセ、顧客の不満、業界の空気。AIが拾える情報もあるが、最後に仮説へ束ねるのは人間の仕事になる。

AI時代の第一の変化は、作業が安くなることだ。

作業が安くなると、人間は楽になる。
でも同時に、作業だけで食べるのは苦しくなる。

これから価値が上がるのは、答えを速く出す人ではない。
どの問いに答えるべきかを決める人だ。

想像力は無形資産になる

会計の目線で見ると、AI時代はかなり面白い。

AIツールを契約すれば、費用はすぐPLに出る。月額利用料、外注費、システム費、教育費。数字として見える。

でも、本当に会社の価値を上げるものは、そこではない。
むしろ、BSに載りにくいところにある。

データ。
業務プロセス。
人材の学習速度。
組織内の暗黙知。
顧客を理解する力。
失敗を次の実験に変える文化。

これらは会計上、きれいに資産計上されにくい。でも、投資家はそこを見るべきだ。AI時代の企業価値は、見えない資産の差が前より露骨に出る。

AI導入企業ではなく、AI変換企業を見る

AIを導入しました。
この一言だけでは、投資判断としてかなり弱い。

導入は誰でもできる。問題は、何が変わったかだ。

問い合わせ対応が速くなったのか。
営業の成約率が上がったのか。
在庫回転が改善したのか。
開発サイクルが短くなったのか。
管理部門の月次締めが前倒しになったのか。

数字に変換されているかを見る。
ここが投資家目線だ。

生成AIと企業価値の研究では、生成AIにさらされる仕事を多く抱える企業の価値に市場が反応し、特にデータ資産を持つ企業で効果が強いという分析がある。これは直感にも合う。

AI単体では薄い。
データと業務知見が乗ると強い。

料理でいえば、AIは高性能な包丁だ。包丁だけ買っても料理はうまくならない。良い食材、段取り、味覚、レシピを改良する経験があって、初めて速くうまく作れる。

企業も同じ。
AIを入れた会社ではなく、AIで業務の利益構造を変えた会社が強い。

想像力は費用ではなく、将来キャッシュフローの源泉

会計では、保守的に見ると多くの支出は費用になる。人材育成も、試行錯誤も、組織文化づくりも、簡単には資産にならない。

でも投資家は、費用の中にある未来の資産を見にいく。

たとえば、AIを使った新規事業の試行錯誤は、短期的にはコストだ。失敗も出る。無駄に見える会議もある。検証で終わるプロジェクトもある。

ただし、その失敗が組織の学習として蓄積されるなら、話は変わる。

どの業務はAI化できるか。
どこは人間が見ないと危ないか。
顧客はどこまで自動対応を許すか。
現場はどの画面なら使うか。
どのKPIに効くか。

この知見は、帳簿に載りにくい。
でも、将来キャッシュフローには効く。

ここに会計の面白さがある。会計上の費用と、経済的な投資は必ずしも一致しない。想像力も同じだ。短期では遊びに見える。雑談に見える。余白に見える。

でも、未来の事業の芽は、だいたいそこにある。

似たアウトプットが増えるほど、違和感の価値が上がる

生成AIの創造性研究では、AIは個人の創作を助ける一方で、アウトプット同士が似やすくなるリスクも指摘されている。

これ、実感がある人は多いはずだ。
AIに文章を書かせると、きれいにまとまる。でも、どこか同じ匂いがする。角が丸い。言い回しが整いすぎる。人間の引っかかりが消える。

ビジネスでも同じことが起きる。

競合各社が同じAIで市場調査をする。
同じようなペルソナを作る。
同じような広告文を出す。
同じような改善案を並べる。

すると、差別化したつもりで、全員が同じ方向へ寄っていく。

ここで価値を持つのが違和感だ。

なんか変だ。
顧客は本当はそこに困っていない。
この数字、表面は良いけど中身が弱い。
この効率化、現場の反発を甘く見ている。
この市場、誰も見ていないけど伸びる匂いがする。

こういう一言は、AIから自然には出にくい。なぜなら、それはデータの平均ではなく、観察と経験のズレから出てくるからだ。

AI時代の想像力は、ふわふわした才能ではない。

会計的に言えば、すぐには資産計上されない無形資産。
投資家的に言えば、まだ市場が織り込んでいない将来キャッシュフローの源泉。

見える数字だけを追う人には見えない。
でも、見える人には見える。

だから、面白い。

頭のネジを外すとは、無責任になることではない

ここで一つ、誤解を潰しておきたい。

想像力が大事だと言うと、突飛なことを言えばいい、常識を壊せばいい、リスクを取ればいい、という話になりがちだ。

違う。

頭のネジを外すとは、無責任になることではない。
常識を疑いながら、損失の範囲を管理することだ。

ここを間違えると、ただの暴走になる。

無謀ではなく、小さく壊す

新しいことをやる人は、全部を賭けているように見える。だが、うまい人ほど小さく試している。

いきなり全社導入しない。
まず一部署で試す。
全顧客に出さない。
まず一部の顧客に当てる。
大金を投じない。
まず手作業とAIの混合で検証する。

これは投資と同じだ。
全力一点買いはロマンがある。でも、再現性は低い。

本当に強い人は、損切りラインを持っている。仮説が外れたら撤退する。小さく負けて、学びを残す。

AI時代の実験も同じである。
失敗しない人が強いのではない。
失敗を安く買える人が強い。

責任を取れる人に機会が集まる

AIは便利だ。けれど、AIが出した結果の責任はAIには取れない。

間違った資料を出したら、出した人の責任。
雑な分析で投資判断を誤れば、判断した人の責任。
顧客に不利益を与えれば、会社の責任。

ここから逃げる人は、AI時代に見えにくくなる。AIを使っているようで、実はAIの後ろに隠れているだけだからだ。

一方で、AIを使いながらも、最後に自分で判断する人は強い。

この仮説で行く。
この顧客に試す。
この数字はまだ信用しない。
この表現は人を傷つける可能性がある。
この自動化は現場の逃げ場を奪う。

そう言える人に仕事が集まる。

責任とは、根性論ではない。
判断の所在を明確にすることだ。

誰が決めたのか。
何を根拠にしたのか。
外れたらどう直すのか。

ここまで持てる人が、AIを道具として使える。

想像力は、日々の違和感から鍛えられる

では、想像力はどう鍛えるのか。

特別な才能はいらない。
ただ、違和感を捨てないことだ。

会議で、なぜこの資料は誰にも読まれないのかと思う。
月次で、なぜ毎月同じところで遅れるのかと思う。
店で、なぜこのオペレーションは客を不安にさせるのかと思う。
ニュースを見て、なぜ市場はこの材料に反応しないのかと思う。

その小さな疑問を、面倒くさいからと流さない。

AIに聞く前に、自分で仮説を置く。
そのあとでAIにぶつける。
違う視点を出させる。
反論させる。
数字を探させる。
文章にさせる。

順番が大事だ。
AIに考えさせる前に、自分の違和感を置く。

これを続けると、AIは答えをくれる機械ではなく、思考を広げる相棒になる。逆に、自分の問いがないままAIを使うと、ただの便利なコピペ装置になる。

頭のネジを外す人とは、変なことを言う人ではない。

普通なら見逃す違和感を拾う人。
小さく試して、失敗を学習に変える人。
最後の判断から逃げない人。

AI時代に機会が集まるのは、こういう人だ。

結論

AIが進化すると、人間の価値は下がる。
そう感じる瞬間は、たしかにある。

自分が時間をかけて書いた文章を、AIが数秒で出す。
半日かけた調査を、一瞬で要約する。
苦労して作った資料のたたき台を、軽々と作る。

正直、少し悔しい。
自分の積み上げてきたものが、薄くなるように見えるからだ。

でも、そこで終わらない。

AIが奪うのは、作業の一部だ。
AIが奪えないものもある。

何に怒るのか。
何に違和感を持つのか。
どんな未来なら見てみたいのか。
誰の困りごとを放っておけないのか。
そのために、どこまで責任を持つのか。

ここは、人間に残る。

想像力格差という言葉は、冷たく聞こえる。
でも、その正体は才能の格差だけではない。

問いを持つ習慣の格差だ。
違和感を拾う回数の格差だ。
失敗を学びに変える回数の格差だ。
自分の言葉で意味を作る覚悟の格差だ。

だから、まだ間に合う。

AIを覚えるだけでは足りない。
でも、AIを恐れる必要もない。

自分の中にある小さな違和感を、捨てないこと。
それを問いにすること。
問いを小さな実験に変えること。
実験の結果を、自分の言葉で語ること。

それが、これからの時代の資本になる。

貸借対照表には載らない。
でも、人生の資産には残る。

AIがどれだけ賢くなっても、最初の問いを置くのは人間だ。
そして、その問いに人生を少しだけ賭けられる人から、未来は動き出す。

あわせて読みたい本

『部下としてのAI 世界一流エンジニアの進化術』牛尾剛

AIを単なる便利ツールではなく、一緒に働くメンバーとして扱うための本です。

このブログで書いた想像力格差を、かなり実務寄りに落とし込むならこの一冊。AIに何を任せ、どこで人間が介入し、どこから先は自分で判断するのか。その線引きが見えてきます。

AIを使っているのに、なぜか成果が薄い。
指示は出しているのに、思ったほど仕事が進まない。
そんな人ほど読んでおきたい本です。

これからは、AIを使える人ではなく、AIに仕事を任せられる人が強くなる。その感覚をつかむには、かなり相性がいい一冊です。

部下としてのAI 世界一流エンジニアの進化術 [ 牛尾 剛 ] 価格：1,870円（税込、送料無料) (2026/6/8時点) 楽天で購入

『AIを使って考えるための全技術』石井力重・加藤昌治

AIで作業を減らす本ではなく、AIで発想を広げる本です。

このブログのテーマである問いを作る力を鍛えたいなら、かなり実践向き。アイデアは才能ではなく、異なるものを組み合わせる技術だとわかります。

AIに答えを出させるだけでは、みんな似たような場所に着地します。
でも、問いの投げ方、視点のずらし方、組み合わせ方を変えると、AIはかなり面白い壁打ち相手になる。

AIをコピペ装置で終わらせたくない人に向いています。
仕事の企画、ブログのネタ出し、新規事業、資料作成。使える場面はかなり広いです。

AIを使って考えるための全技術 「最高の発想」を一瞬で生み出す56の技法 [ 石井 力重 ] 価格：2,970円（税込、送料無料) (2026/6/8時点) 楽天で購入

『AIエージェント革命 「知能」を雇う時代へ』シグマクシス

AIエージェントを、ビジネスと経営の視点から理解するための本です。

このブログでは、AI時代に価値が上がるのは作業ではなく、問い・判断・責任だと書きました。その流れを、企業や組織の変化として見たい人にはこの本が合います。

AIが自律的に動くようになると、人間の役割はかなり変わります。
細かく手を動かす人ではなく、目的を決める人。
作業を抱える人ではなく、知能を配置する人。
ここに仕事の重心が移っていく。

AI時代のキャリアを考えるうえでも、投資家としてAI企業を見るうえでも、読んでおくと視野が広がります。

AIエージェント革命 「知能」を雇う時代へ [ シグマクシス ] 価格：2,310円（税込、送料無料) (2026/6/8時点) 楽天で購入

『生成AI時代の言語論』大澤真幸

AI時代の人間らしさを、言葉から考える本です。

AIは文章を書く。要約する。説明する。会話もする。
では、人間の言葉には何が残るのか。

この問いは、かなり深いです。

想像力格差の本質は、単に面白いアイデアを出せるかどうかではありません。自分の違和感を言葉にできるか。まだ名前のない不安や欲望を、他人にも届く形にできるか。そこにあります。

AI時代の文章、発信、思考、企画に関心がある人には刺さる一冊です。
効率化の話だけでは物足りない人におすすめです。

生成AI時代の言語論 （大澤真幸THINKING　O） [ 大澤真幸 ] 価格：1,980円（税込、送料無料) (2026/6/8時点) 楽天で購入

『生成AIで世界はこう変わる』今井翔太

生成AIが仕事、暮らし、文化をどう変えるのかを広くつかめる入門書です。

AIの話は、細かいツール名を追いかけるだけだと疲れます。しかも、すぐ古くなる。だからこそ、まずは大きな地図を持っておきたい。

この本は、生成AIの仕組みや社会への影響を、専門家でなくても読める形で整理してくれます。

AIで仕事はどう変わるのか。
クリエイターの価値はどうなるのか。
人間にしかできない価値創造とは何か。

このブログを読んで、もう少しAI時代の全体像を押さえたいと思った人には、最初の一冊として手に取りやすい本です。

生成AIで世界はこう変わる （SB新書） [ 今井翔太 ] 価格：1,100円（税込、送料無料) (2026/6/8時点) 楽天で購入

それでは、またっ！！

引用論文・参考文献

Stanford HAI, The 2025 AI Index Report。AI推論コストの低下、AI性能向上、社会実装の進展に関する背景として参照。

Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock, GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models。LLMが労働タスクへ与える影響範囲の整理に使用。

Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work。生成AIが顧客対応業務の生産性を高め、特に未経験者・低スキル層に大きな効果を与える点の根拠として使用。

Shakked Noy, Whitney Zhang, Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence。文章作成タスクでAIが時間短縮・品質向上・格差縮小をもたらした研究として参照。

Anil R. Doshi, Oliver P. Hauser, Generative AI enhances individual creativity but reduces the collective diversity of novel content。AIが個人の創造性を高めつつ、アウトプットの類似化を招くリスクの根拠として使用。

World Economic Forum, The Future of Jobs Report 2025。分析的思考、創造的思考、レジリエンスなど、今後求められるスキルの整理に使用。

OECD, PISA 2022 Results Volume III: Creative Minds, Creative Schools。創造的思考が測定対象となり、創造性は学習可能な能力として扱われている点の背景として参照。

Prasanna Tambe, Lorin Hitt, Daniel Rock, Erik Brynjolfsson, Digital Capital and Superstar Firms。企業価値におけるデジタル資本、組織能力、無形資産の視点として使用。

Andrea L. Eisfeldt, Gregor Schubert, Miao Ben Zhang, Generative AI and Firm Values。生成AIへの労働力エクスポージャーと企業価値、データ資産の関係を考える材料として参照。

McKinsey & Company, The State of AI: Global Survey 2025。AIで価値を出す企業に必要な戦略、タレント、オペレーティングモデル、データ、導入・拡張管理の整理に使用。