AI時代、無駄に見える仕事が価値になる – 論破とコスパの先にある、人間の稼ぎ方

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。

仕事ができる人ほど、少し落ち着かない話かもしれません。

筋の通った説明をする。最短ルートを見つける。費用対効果を比較する。私たちが長く鍛えてきた能力を、AIが手伝うようになってきました。それなら、人間は何をして価値を生むのか。

その手がかりが、今の物差しでは矛盾している、無駄だ、非合理だと見える行動にあります。ただし、会議を増やせば未来が開ける、という話ではありません。それでよければ日本企業はとっくに最先端です。

この記事では、削っていい無駄と、削ると未来まで失う無駄を分けます。経理なら予算の見方、投資家なら企業の成長性の見方、働く人ならAIに任せた後の時間の使い方が変わるはずです。

先に私の見立てを言うと、人間の仕事の重心は、まだうまく説明できない価値を見つけ、試し、誰かが受け取れる形にするほうへ移っていく。ただ、それが全員の仕事になると証明されたわけではありません。ここからは、研究で分かったことと、その先の考察を分けて進めます。

正解を作る力だけでは差がつきにくくなる – AIの得意不得意より、何を問うか

同じ条件なら、より速く、安く、正確に。それは仕事の基本です。ただ、みんながその能力を手に入れたとき、勝負する場所まで同じになるとは限りません。

合理的な仕事を丸ごと任せるのは、まだ早い

AIは合理、人間は非合理。この分け方は分かりやすい。けれど、実際の境界はそんなにきれいではありません。

BCGのコンサルタント758人を対象にした実験では、当時のGPT-4が対応しやすい課題で、AIを使う人の作業量や速度が改善しました。一方、対応が難しい課題では、AIを使うことで正答にたどり着きにくくなった。研究者たちは、このでこぼこした能力の境界を論じています。［1］

分析だから安全、創作だから苦手、と職種や印象だけで線を引けないわけです。この実験から、今のあらゆるAIの性能を決めつけることもできません。

経理に置き換えてみましょう。差異分析の文章を整える作業と、そもそも比較対象の予算が妥当なのかを判断する作業は別です。文章がきれいでも、比較する範囲が違えば結論はずれる。AIに任せる範囲は、言葉にできるかだけでなく、入力がそろっているか、結果を確かめられるか、間違えた場合の影響まで含めて決めたいところです。

創造性も、人間専用の安全地帯ではない

では、発想力で勝負すれば安心でしょうか。ここも少し厄介です。

DoshiとHauserの研究では、英国在住の参加者が書いた293の短い物語を分析しています。AIからアイデアを得られる条件では、作品の新規性や有用性の評価が高まる一方、作品同士は似やすくなりました。創作の助けになることと、全体の多様性が下がることが、同時に起きたのです。［2］

短編執筆の実験を、そのまま経営全体へ広げることはできません。それでも、各自が出来のいい案を作った結果、全員の案が近づいてしまう可能性は気になります。

ここからは私の考察です。提案書の完成度が上がるほど、提案の出発点に差が出るかもしれない。どの客の困り方を見たか。何に腹が立ったか。誰も気にしない不便になぜ引っかかったか。AIへの指示文を磨くだけでなく、その指示の材料になる現実を持っているかが効いてくる、ということです。

もちろん、AIに異なる立場から案を出させたり、自分の思いつきの弱点を探させたりする使い方もできます。AIが必ず平均へ寄せ、人間だけが新しさを生むと固定してしまうと、道具の使い方まで狭くなる。発想の入口も出口も、共同作業でよいのです。残したいのは、何を良しとするかを無自覚に外へ渡さない姿勢です。

論破で勝てるのは、共有された前提の中

たとえば、ある店について、座席を増やせば売上を伸ばせるという議論があるとします。でも店主は、席を減らしてでも一人ひとりとゆっくり話せる店にしたい。

この二人は、計算力の勝負をしていません。目指す店が違う。

席を減らすと売上が必ず上がる、と言うなら検証が必要です。一方、どんな時間を客に届けたいかは、計算だけでは決まりません。その願いを具体的なサービスにして、実際に来てくれる人がいるか試す段階が要ります。

論破は、前提の矛盾や事実の誤りを見つける場面で役に立つ。ただ、相手の構想を既存の物差しで打ち負かしても、新しい需要を見つけたことにはならない。答案の採点が上手な人と、まだ存在しない試験の科目を作る人では、必要な仕事が違うのです。

AIの利用が広がるほど、整った答えを提出できることは、差別化の条件から参加の条件へ近づく場面が増える。少なくとも、その可能性を前提に仕事を組み直す意味はあります。

その先で問われるのは、どんな目的を置き、どんな現実を拾い、何を引き受けるかです。人間が合理性から逃げる必要はない。合理性を使って、何を実現したいのかを持つ必要がある。

無駄は、物差しが変わると投資に見える – 非合理の中に眠る価値の見つけ方

同じ行動でも、誰が、何のために、いつまでを見るかで評価は変わります。無駄という言葉には、思っている以上に採点者の都合が入っています。

矛盾・無駄・非合理を、ひとまとめにしない

矛盾には、単なるつじつまの合わなさもあれば、二つの大事なものが衝突している状態もあります。接客を標準化したい。でも、客ごとの事情にも応えたい。これは、片方を論破して終わると困る種類の矛盾です。どの対応を共通にし、どこで裁量を残すかという設計の仕事になる。

無駄にも違いがあります。誰も読まない資料を毎月作る時間と、すぐ売れるか分からない試作品を客に触ってもらう時間。両方とも今月の売上には直結しないかもしれない。でも後者には、次の判断を変える情報が残る可能性があります。

非合理に見える行動も、目的を聞くと見え方が変わります。最短の移動より寄り道を楽しみたい人に、移動時間の短さだけを売っても響かない。相手の目的を聞かずに非合理と呼ぶと、こちらが需要を見落とします。

ただし、本人が好きだからというだけで、仕事として採算が合うわけでもありません。個人の満足と、他人がお金や時間を払う価値。その間には、もう一つ橋が必要です。

会社の中で無駄に見える理由が、負担と利益の持ち主が違うから、という場合もあります。営業が客に約束した特別対応を、裏側の担当者が毎回残業で埋めている。その顧客は喜んでいても、負担を見ないまま価値があるとは言えません。手間を残す判断なら、誰が担い、料金や人員にどう反映するかまで一緒に決める必要があります。

今日の効率が、明日の選択肢を消すことがある

組織学習を研究したJames Marchは、既に分かっていることを磨く活動と、新しい可能性を探す活動の配分を論じました。前者は成果が早く見えやすい。後者は、結果が不確かで、時間もかかる。そのため、目先の成果を積み重ねる仕組みだけでは、探索が押し出されやすい。［3］

これは、AIが登場する前からある問題です。AIによって改善が速くなれば、この偏りまで速まる可能性がある。ここは研究結果そのものではなく、この記事の問題提起です。

架空の会社で考えます。顧客との雑談を減らせば、一件あたりの対応時間は短くなる。ただ、その雑談でしか出てこなかった不満があるかもしれない。対応時間だけを測ると、改善の種を拾わなくなったことには気づきにくい。

だから雑談を全部残そう、でもない。何を拾うための時間なのかを決める。聞けた困り事が、実際に商品や業務の変更につながったかを見る。余白を守るにも、仕事が要るのです。

アービトラージの正体は、価値を翻訳する手間

みんなが無価値と見ているところに、自分だけ価値を見つける。そこには確かにチャンスがありそうです。

ただ、この場面のアービトラージは比喩です。金融でいう価格差を利用した裁定取引と同じ意味で、利益を確保できるわけではありません。見落とされている需要が本当にあるかも、価値を届けられるかも未確定です。

たとえば、手間のかかる個別対応に、一部の客が強く喜んでいるとする。その手間をなくすと離れるのか。追加料金を払ってでも使いたいのか。紹介につながるのか。ここを観察して、継続できるサービスへ作り替える必要があります。

他人と違うことを言うだけなら、逆張りです。違いを誰かの便益に変え、便益を対価へつなげて、届ける費用まで引き受ける。そこまで進んで、ようやく事業になる。

変なアイデアを出す人だけが不足しているとは限りません。そのアイデアを使える形にする人が、足りていないこともあるのです。

そして、そこで生まれた価値のすべてを売上に変える必要もありません。友人との遠回りや、誰にも見せない趣味には、それ自体の意味がある。生活まで事業計画書で審査し始めると、無駄を大事にする話が、新しいコスパ競争に戻ってしまう。市場で稼ぐ話と、人が何を大切にして生きるかは、接点を持ちながらも分けて考えたいところです。

価値のある無駄は、外見では判別しにくい。会議室で説明が下手だった企画が、客の前では強いこともあれば、立派な未来の話が一円の需要にもつながらないこともある。

だから、過去の物差しで即座に切らず、未来という言葉で無期限に守らない。小さく現実に触れさせる。この一手間が、空想と探索を分けます。

経理の出番は、無駄をゼロにすることでは終わらない – 探索を続けられる数字の作り方

新しい挑戦を応援したい。でも、お金には限りがある。この板挟みは、経理や管理部門にとって他人事ではありません。ここで必要なのは、夢に甘い予算より、試して学べる予算です。

探索費に、既存事業と同じ説明を求めすぎない

既に売れている商品の改善なら、原価や販売数量から効果を見積もりやすい。一方、まだ客の使い方も分からない試作に、同じ精度の売上予測を求めるとどうなるか。

予測の精度が上がる前に、説明資料の完成度だけが上がるかもしれません。未来を当てる仕事のはずが、承認される数字を作る仕事になる。経理屋としては、ここが気になります。

この記事で提案したいのは、探索費を管理上は区分して見ることです。会計上の処理は適用される基準に従う。そのうえで、経営判断では、今期の利益への貢献に加えて、何の不確実性を減らしたかを追う。

たとえば、試作品のテストで、誰が欲しがるか、何に払うか、提供にどれだけ手間がかかるかが分かった。それなら、売上がなくても次の判断材料は得ています。逆に資料だけ増えて、判断が何も変わらないなら、探索という名前でも見直しが必要です。

ここでは、失敗の報告にも意味があります。事前に見込んだ需要がなかったと分かり、次の大きな支出を止めたなら、管理上は判断に役立ったと評価できる。ただ、失敗した後に何でも学びと呼ぶのは違います。何を確かめる予定だったかと、実際に何が分かったかを残す。この二つがないと、学習という便利な勘定科目に、あらゆる支出が入ってしまいます。

小さく試すにも、先に決めることがある

例として、部署で新サービスの試作に一か月、追加支出十万円までを使うとします。これは推奨額でも実績でもなく、管理の考え方を説明するための仮定です。

着手前に、どの客の何を確かめたいかを書く。テスト後に、使いたいという感想だけでなく、実際に申し込む、再び使う、対価を払うといった行動を観察する。そして、結果を見て、続ける、変える、やめるを決める。

回数や金額を先に区切るのは、可能性を小さくするためというより、外れたときにも次を試せるようにするためです。撤退できない実験は、いつの間にか会社の生活習慣病になります。

AIには、反対仮説を出してもらう、見積もりを比較する、記録を整理する、といった仕事を頼めます。ただ、顧客の反応を都合よく解釈していないか、責任を誰が持つかは残る。説明を自動化しても、現実から逃げるところまで自動化しては困ります。

個人の仕事なら、もっと小さくできます。読み手が困っていそうな論点で短い解説を一本作り、実際に使えたかを聞く。文章を何本作ったかより、誰のどんな判断を助けたかを確かめる。AIで生まれた余力を、追加の資料作りだけに使わないことです。手を速く動かす工夫が、そのまま仕事の目的になっていないか。そこは時々、立ち止まって見たい。

投資家は、変わった会社より学び方を見る

投資の場面で、この話を取り違えると危険です。常識から外れている企業を買えばよい、とはなりません。

独自の取り組みが、継続利用や支払意思に結びついているか。売上が増えたとき、提供する手間も同じだけ増えてしまわないか。挑戦を続ける現金はあるか。会社の説明と、その後の結果がつながっているか。こうした問いで、物語を数字に接続します。

研究開発費が多いという一項目だけでも、判断はできません。企業ごとに事業構造や会計処理の違いがあるからです。何を費やし、何を得て、次にどう配分を変えたのか。数字を点で眺めるより、その動きを追いたい。

さらに、事業が面白いことと、株価が割安であることも別です。期待が既に高く織り込まれていれば、良い結果でも投資の利益につながらないことがある。見落とされた価値を探すなら、他人と違う物語だけでなく、その物語にいくら払っているかまで見る必要があります。

仕事でも投資でも、非合理に見えるものへ無制限にお金を流すのは、探索とは呼びにくい。損失を引き受けられる範囲を決め、現実の反応で判断を変えられることが、挑戦を続ける土台になります。

コスパを見る力は、むしろここで生きる。既知の作業を効率化して、まだ答えがない問いに使える時間と現金を残す。節約した分を何へ回すかまで考えて、効率化は経営の仕事になります。

結論　説明できないものに、どれだけ席を残せるか

私たちは、説明できるものを高く評価しがちです。予算を通せる。会議で勝てる。数字で示せる。その能力には、これからも価値があります。

でも、説明の上手さと、世界に必要なものを見つける力は一致しません。既にある言葉で簡単に説明できるものだけを選び続けると、まだ名前のない困り事や、本人も言葉にできない欲しさは、いつまでも議題に上がらない。

人間の仕事を矛盾・無駄・非合理へ向かうものとして捉えるなら、私は、そこに一つ条件を添えたい。自分のこだわりを、他人が受け取れる形にすることです。その翻訳には、観察も、論理も、計算も、やり直しも要る。

明日から大げさに人生を変える必要はありません。AIで一つ作業が早く終わったら、いつもなら切り捨てる疑問を一つだけ残してみる。その手間は、誰を助けているのか。誰も欲しがらないと決めたのは、本当に客なのか。

今の採点表で満点を取る力と、採点表からこぼれたものを拾う力。両方を持てる人には、まだ仕事がある。未来のために残す余白は、誰かが先に予算を付けてくれるとは限らないのです。

合理性の先にある仕事を考えるための5冊

1．『増補新版 センスは知識からはじまる』水野学

AIが候補を大量に作れるなら、何を選べばいいのか。その疑問から入りたい人に向いています。センスを生まれつきの才能として片づけず、知識を蓄え、普通を知り、判断を磨くという方向で捉える本です。増補部分では、AI時代の選択や意味、意志、身体知も扱っています。この記事で触れた、何を良しとするかを無自覚に外へ渡さないという姿勢を、日々の仕事へ引き寄せる入口になります。奇抜さを競うより、自分が何を見て、なぜそれを選ぶかを鍛えたい人向け。経営組織を扱う次の本よりも、個人の判断や企画、表現に近いところから考えられる一冊です。

増補新版　センスは知識からはじまる [ 水野　学 ] 価格：1,760円（税込、送料無料) (2026/10/25時点) 楽天で購入

2．『両利きの経営（増補改訂版） 「二兎を追う」戦略が未来を切り拓く』チャールズ・A・オライリー、マイケル・L・タッシュマン

既存事業を回しながら、新しい事業を育てる。口で言うほど簡単ではないこの問題を、組織とリーダーシップの側から考える本です。探索を大事にしようという掛け声だけでは、既存事業の評価基準や文化に押し戻される。その難しさと、両方に取り組む経営を、企業事例とともに扱っています。この記事の探索費をどう管理するかという問いを、組織全体の設計へ広げたい人に合います。経理や経営企画の立場から、挑戦を承認するだけで終わらず、続けられる仕組みを考えたいときに。個人の発想法では埋められない、予算配分、文化、幹部の関わり方という論点を補う役割です。

両利きの経営（増補改訂版） 「二兎を追う」戦略が未来を切り拓く [ チャールズ・A・オライリー ] 価格：3,520円（税込、送料無料) (2026/10/25時点) 楽天で購入

3．『失敗の科学 失敗から学習する組織、学習できない組織』マシュー・サイド

失敗すれば自動的に学べるわけではありません。何が起きたかを隠したり、後から都合のいい物語に変えたりすれば、同じ場所でつまずき続けます。本書は、さまざまな分野の事例を通して、失敗への向き合い方と学習の仕組みを扱います。この記事で、何でも学びと呼べばよいわけではないと書いた部分を、もう少し掘りたい読者向けです。論破に勝つことや責任を避けることが優先されると、現実を確かめる作業がどう歪むのか。試作や改善活動を進める人はもちろん、結果の報告を受ける管理職にも接点があります。探索の意義より、探索した後に何を残すかへ焦点を当てて読むと役立ちます。

失敗の科学 失敗から学習する組織、学習できない組織 [ マシュー・サイド ] 価格：2,530円（税込、送料無料) (2026/10/25時点) 楽天で購入

4．『多様性の科学 画一的で凋落する組織、複数の視点で問題を解決する組織』マシュー・サイド

優秀な人を集めたはずなのに、全員で同じものを見落とす。そんな盲点を、認知的な多様性から考える本です。同じ著者の『失敗の科学』が失敗への反応と学習に目を向けるのに対し、こちらは集団にどんな視点が入っているかを考えるために選びました。AIで各自の提案が整うほど、出発点まで似ていないかが気になる。その問題意識とつながります。単に違う意見を並べることと、違いを判断の改善に使うことは同じではありません。チームの会議、企画の審査、顧客の理解を見直したい人に向いています。自分が合理的だと思っている物差しを、他人の視点から点検するための一冊です。

多様性の科学 画一的で凋落する組織、複数の視点で問題を解決する組織 [ マシュー・サイド ] 価格：2,530円（税込、送料無料) (2026/10/25時点) 楽天で購入

5．『ゼロ・トゥ・ワン 君はゼロから何を生み出せるか』ピーター・ティール、ブレイク・マスターズ

他人と違う意見を持てば、それで事業になるのか。そこを厳しく考えるために置きたい本です。既存のものを増やすことと、新しいものを生み出すことを分け、競争、隠れた真実、販売、人間と機械などを扱う起業論です。この記事の、見落とされた価値を誰かの便益と対価につなげるという話を、事業づくりの側から考えられます。常識に反する主張を正当化するための本として使うより、独自性をどう持続する事業にするかを問う読み方が合います。企業を見る投資家にも接点はありますが、これ一冊で銘柄選びができるわけではありません。面白い構想と、成り立つ商売の間を詰めたい人向けです。

ゼロ・トゥ・ワン 君はゼロから何を生み出せるか [ ピーター・ティール ] 価格：1,760円（税込、送料無料) (2026/10/25時点) 楽天で購入

自分の判断力から始めるなら『センスは知識からはじまる』。会社の仕組みを変えたいなら『両利きの経営』、試した結果を学びに変えたいなら『失敗の科学』が入口です。会議の盲点が気になる人は『多様性の科学』、独自の価値を事業へつなげたい人は『ゼロ・トゥ・ワン』からどうぞ。

それでは、またっ！！

引用論文・参考文献

• ［1］Dell’Acqua, F. et al.（2026）. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science. 原論文。当時のGPT-4によるコンサルタント実験。
• ［2］Doshi, A. R. & Hauser, O. P.（2024）. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10, eadn5290. 公開本文。短い物語を作成する実験。
• ［3］March, J. G.（1991）. Exploration and Exploitation in Organizational Learning. Organization Science, 2(1), 71–87. 論文。組織学習の理論・モデル研究。