会計

AIが答えを作る時代、人間は何を引き受けるのか – 身体・責任・物質から読み解く、仕事の未来

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、議論はすぐに二択へ寄っていく。

この仕事は消えるのか。
自分は生き残れるのか。

気持ちはわかる。けれど、この問い方では少し粗い。会社の決算書を見て、売上が伸びたか減ったかだけで企業価値を判断するようなものだ。大事なのは、その売上をどの事業が作り、どのコストが利益を削り、どこに将来のキャッシュが残るかである。

仕事も同じだ。

職業名ではなく、仕事を構成するタスクを分解しなければならない。経理という看板の中にも、証憑を読む作業、仕訳を起こす作業、会計論点を見つける仕事、監査人と交渉する仕事、経営者へ数字の意味を説明する仕事が混ざっている。AIが触れるのは、この束の一部だ。

本稿では、AIに代替されにくい要素として挙げられる生命性、法的責任、物質性を、少し厳しめに検証する。

この3つをそのまま信じるのではない。どこまで正しく、どこから雑になるのかを切り分ける。そのうえで、働く人には自分の仕事を再設計する物差しを、投資家にはAI時代に利益を残す企業を見抜く視点を、経理・会計に関わる人には作業者から判断者へ移る道筋を持ち帰ってもらいたい。

結論を先に言えば、身体があるから安全、資格があるから安全、物を扱うから安全、ではない。

残るのは、AIが出した答えを現実につなぎ、例外を処理し、結果を引き受ける仕事だ。

ここを押さえると、AIへの見え方が変わる。怖い巨大な何かではなく、自分の仕事のどこを明け渡し、どこを握るべきかが見えてくる。

AIが奪うのは職業ではない。人間が機械化した部分だ

技術は、職業を丸ごと消すとは限らない。

労働経済学のタスク・アプローチでは、技術が代替するのは職業名ではなく、職業の中にある個別タスクだと捉える。Autorは、労働者の技能と仕事上のタスクを分けて考えなければ、技術変化の影響を見誤ると整理した。生成AIの登場で、この見方はさらに効いてくる。文章を書く仕事でも、情報収集、構成、初稿、事実確認、最終判断では代替可能性が違うからだ。

危ないのは、画面の中だけで完結する仕事

AIが入りやすい仕事には共通点がある。

入力がデジタルで、出力もデジタル。手順を言葉にでき、過去の正解例が大量にあり、成果物を短時間で採点できる。要するに、現実世界との摩擦が少ない。

ILOの2025年研究は、世界の雇用の約4分の1が何らかの生成AI曝露を持つと推計した。ただし、曝露は即時の失業を意味しない。中心にあるのは職業の消滅より、仕事の構成変更である。特に事務職は曝露が高い。

ここで見落としやすいのが、知的に見える仕事ほど安全とは限らないことだ。

定型的な報告書、過去資料の要約、標準契約の比較、決められた観点での分析。難しそうに見えても、入力と評価基準が整っていればAIには扱いやすい。逆に、現場で壊れた設備を前にしながら原因を探る仕事は、文章にすると単純でも自動化しにくい。

知的か肉体的かではない。
閉じた仕事か、現実に開かれた仕事か。

分岐はそこにある。

身体性の本質は、手足ではなく例外処理にある

身体を使う仕事はAIに強い。これは半分正しい。

OECDはAI能力を、言語や推論だけでなく、社会的相互作用、視覚、物体操作、ロボット知能など九つの領域に分けている。現実空間で物を扱う能力は、生成AIの文章能力とは別物だ。形、重さ、摩擦、人の動き、事故の可能性。現場はノイズだらけである。

ただし、工場の搬送や溶接のように、環境を整理し、動作を繰り返しにできれば、身体労働も自動化される。産業用ロボットが雇用と賃金へ与えた影響を分析したAcemogluとRestrepoの研究も、物理作業だから安全という見方を否定する。

つまり、身体性の価値は筋力ではない。

予定外のことが起きる場所で、見て、触れて、相手の反応を読み、動きを変えることにある。介護、保育、設備保全、建設、営業、マネジメント。これらが残りやすいのは人間味が尊いからではなく、例外処理の塊だからだ。

ここ、少し身もふたもない。でも本質だ。

情動は残る。ただし、優しい文章はもう聖域ではない

人の感情を扱う仕事も残りやすい。

Demingの研究では、米国で社会的相互作用を多く必要とする仕事の比率が長期的に上昇し、認知能力と社会的スキルの両方を使う仕事で雇用と賃金の伸びが強かった。

ただ、ここでも誤解がある。

共感的な文章を書くことと、相手の感情を引き受けることは違う。患者への回答を医師とチャットボットで比較した研究では、チャットボットの文章が品質と共感性で高く評価された。ただし、オンライン上の回答比較であり、診察や治療責任まで代替できる証拠ではない。

人間に残るのは文章の温度ではない。

言った後の関係を背負うことだ。

部下へ厳しい評価を伝える。取引先へ条件変更を頼む。家族へ難しい判断を説明する。言葉の正しさだけでは終わらない。その後の沈黙、反発、不安、信頼の揺れまで受け止める必要がある。

感情は生成できる。
関係は生成して終わりにできない。

AIに代替されやすいのは、人間が機械のように働いている部分だ。

決められた入力を受け、決められた形式に変え、例外は他人へ渡す。その仕事は、人間がやっている時点ですでに機械化されている。

だから悲観する必要はない。ただし、安心もできない。

自分の仕事の中に、画面だけで閉じる作業がどれだけあるか。現場、関係、例外へ触れている時間がどれだけあるか。まずはそこを棚卸しした方がいい。

責任と物質性は、AI時代の利益率を決める

AI時代に残る仕事を考えるとき、責任という言葉は強い。

医師、弁護士、会計士、取締役。資格や役職があり、最終的に名前を出す仕事は消えにくい。現行の制度も、AIそのものを責任主体とするより、AIを提供・導入・利用する組織や人へ責任を配分する方向にある。

だが、責任があるだけで価値が残るほど甘くない。

責任者ではなく、拒否できる人が残る

EUのAI規則は、高リスクAIについて、人間がシステムの限界を理解し、出力を監視し、必要に応じて介入・停止できる仕組みを求めている。NISTのAIリスク管理枠組みも、組織内の役割、責任、説明可能な統治を重視する。

注目したいのは、承認ボタンではない。停止ボタンだ。

AIの提案を理解できず、検証する時間もなく、反対する権限もない。それでも最後に人間が承認する。これは人間中心の統治ではなく、責任だけを人へ戻す装置になる。

人間による監督を求める政策についても、監督者が実際にアルゴリズムを評価できるのかという批判がある。形式的な人間関与は、かえって問題のある仕組みに安心感を与えるとの指摘だ。

残るのは、名前を貸す人ではない。

前提を問い、証拠を求め、違うと言え、止められる人だ。

会計の価値は、仕訳ではなく数字を否定できること

会計の現場で考えるとわかりやすい。

証憑の読み取り、定型仕訳、残高照合、開示文案の初稿、差異コメントの作成。こうした仕事はAIと相性がいい。ルール、過去例、データがそろっているからだ。ILOの職業別分析でも、経理・記帳を含む事務系タスクは高い曝露を示す。

一方で、決算の本当の難所は別にある。

この取引の経済的実態は何か。
見積りの前提は楽観的すぎないか。
営業の説明と契約書は一致しているか。
減損の兆候を見ないことにしていないか。
数字は合っているが、経営判断として間違っていないか。

AIは候補を出せる。だが、不都合な論点を会議へ持ち込み、予定していた利益を崩し、関係者へ説明し、修正を通すところには摩擦がある。

経理の価値は、正しい数字を作るだけではない。
都合のいい数字を止めることにある。

ここを手放すと、経理は高速な資料作成部門になる。ここを握れば、AIを使うほど経営に近づく。

投資家が見るべきは、AI導入件数ではなく現実化の能力

投資の視点では、AIを導入した企業という言葉にあまり価値はない。

導入件数、利用人数、生成回数。これらは活動量であって、利益ではない。会計で言えば、費用を使った事実を成果と呼んでいるだけだ。

見るべきは、AIの出力がどこでキャッシュへ変わるかである。

顧客対応AIの実証研究では、生成AIの導入により平均生産性が14％上がり、経験の浅い労働者ほど改善幅が大きかった。これはAIが熟練者の知識を広げる可能性を示す。

ただし、生産性向上がそのまま企業価値になるわけではない。

処理件数が増えても価格競争で顧客へ還元されれば、利益率は上がらない。人員を減らしても品質事故が増えれば、将来の損失を先送りしただけだ。AI投資が固定費を膨らませ、売上が追いつかなければ、見栄えのいいDX赤字になる。

投資家が確認すべきは三つだ。

AIで単位当たりコストが下がったか。
品質と解約率は悪化していないか。
浮いた時間を、新しい売上か判断品質へ振り向けたか。

AIは魔法ではない。P/Lとキャッシュフローに落ちたところで、初めて経営になる。

責任と物質性は、資格や肉体の話ではない。

責任とは、誤りを見つけたときに止められること。
物質性とは、AIの出力を契約、製品、資金、人の行動へ変えること。

この二つを持つ人は、AIに仕事を奪われにくいだけではない。AIが作った速度を、現実の利益へ変えられる。

企業も同じだ。AIを使える会社より、AIを利益と統制へ変換できる会社の方が強い。

人間は何を握り、何を手放すべきか

ここまで読むと、身体を使う仕事へ移ればいい、資格を取ればいい、責任者になればいい、と考えたくなる。

残念ながら、そこまで単純ではない。

身体労働も標準化されれば機械化される。資格業務も作業部分は削られる。責任者でも、判断材料と権限がなければただの防波堤だ。

必要なのは、職業選びより仕事の設計である。

真ん中の作業をAIへ渡し、上流と下流を握る

仕事には上流、真ん中、下流がある。

上流は、何を解くか決める。
真ん中は、情報を処理し成果物を作る。
下流は、現実へ実装し結果を確かめる。

生成AIが最も強いのは真ん中だ。

問いが与えられ、資料があり、形式が決まっている。ここでは速い。逆に、そもそも何が問題なのかを見つける上流と、出力を現場で動かして修正する下流には、人間の余地が大きい。

だから、作業を守ろうとしない方がいい。

経理なら、資料作成を守るより論点設定と説明を握る。営業なら、提案書作成を守るより顧客の本音と契約実行を握る。企画なら、スライドを守るより資源配分と検証を握る。

AIに渡すべき仕事を抱え込むと、忙しさだけが残る。
握るべき仕事まで渡すと、存在理由が消える。

キャリアの資産は、知識量より現実との接点になる

AIは知識の価格を下げる。

調べれば出る知識、整えれば作れる文章、過去例から引ける処理。これらは消えないが、希少性は下がる。知っているだけで差がつく期間は短くなる。

代わりに価値が上がるのが、現実との接点だ。

顧客がなぜ迷っているか。
工場で何が詰まっているか。
経営者が口にしない前提は何か。
数字の裏で誰が無理をしているか。
契約どおりなのに、なぜ現場が回らないか。

こうした情報は、データベースにきれいには入らない。

OECDがAI能力を言語だけでなく、社会的相互作用や物体操作まで分けて測ろうとしているのも、仕事が知識処理だけではないからだ。

資格や専門知識は土台として残る。だが、それだけでは薄い。知識を現場の違和感と結びつけ、判断へ変えるところまで行って、ようやく資産になる。

自分の仕事を、七つの質問で棚卸しする

では、何を変えればいいのか。

職業を捨てる前に、自分の仕事へ七つの質問を当ててみる。

  • 入力と出力は、すべて画面の中で完結するか
  • 手順を文章にすれば、他人でも再現できるか
  • 成果物を短時間で採点できるか
  • 例外が起きたとき、自分で判断しているか
  • 相手との信頼関係が結果を左右するか
  • AIの提案を拒否・修正できるか
  • 成果が現実に出るところまで追っているか

上の三つに多く該当し、下の四つが少ないなら、かなり危ない。仕事が悪いのではない。自分の担当範囲がAIの得意な真ん中へ寄りすぎている。

対策は、派手な転職だけではない。

会議で論点を一つ増やす。
現場へ確認しに行く。
作った資料がどう使われたか追う。
AIの回答へ反証を当てる。
承認ではなく判断理由を残す。

地味だ。だが、キャリアはこういう地味な移動で変わる。

AI時代に強い人は、AIを使わない人ではない。

AIに任せる範囲を決められる人だ。

作業は任せる。判断材料は集める。前提は疑う。現場へつなぐ。結果は追う。そして、違うと思ったら止める。

この一連を握っている限り、AIは競争相手ではなく、レバレッジになる。

結論　人間に残るのは、答えではなく引き受けること

AIは、これからもっと上手に文章を書き、数字を分析し、画像を作り、提案を出すだろう。

だから、人間らしさを優しさや創造性だけに置くと苦しくなる。そこにもAIは入ってくる。

人間に残るものは、もっと地味で、もっと重い。

誰も気づいていない問題を拾うこと。
都合の悪い数字を出すこと。
相手の顔を見ながら言葉を選ぶこと。
決めたことを現場へ運ぶこと。
間違えたときに逃げず、やり直すこと。

生命性、責任、物質性という三つの言葉が指しているのは、結局ここだ。

生きた身体で現実に触れ、他人との関係の中で決め、その結果を引き受ける。

AIが答えを大量に作る時代になるほど、答えを出した人より、その答えで何を動かし、何を守り、何を背負ったかが問われる。

仕事の未来は、AIに何ができるかだけでは決まらない。
私たちが、何を機械へ渡し、何だけは自分の名前で引き受けるかで決まる。

作業が減ることを、存在価値が減ることと混同しなくていい。

むしろ逆だ。

人間が機械のふりをしなくてよくなった先に、ようやく人間の仕事が始まる。

AI時代の仕事を、もう一段深く考えるための5冊

AIと仕事の関係は、便利なプロンプトを覚えるだけでは見えてこない。

何をAIへ渡し、何を人間が握るのか。
企業はAIをどう利益へ変えるのか。
自分の経験や判断は、これからも資産になるのか。

ここから先を考えるために、あわせて読みたい5冊を紹介する。

1．AI時代に仕事と呼べるもの / 三浦慶介

このブログと最も近い問題意識を持つ一冊だ。

AI時代に人間が生み出せる価値を、経験知、決断と責任、レビュー、フィジカルという具体的な仕事へ落とし込んでいる。

特に面白いのは、AIにできない能力を精神論で語っていないところだ。

現場で経験を積む。
AIの出力を確認する。
最後は自分で決める。
決めた結果に責任を持つ。

どれも派手ではない。だが、実際の仕事はこの泥臭い部分で動いている。

AIを使えば仕事が速くなる。でも、速く作れることと、仕事として価値があることは同じではない。その違いを、自分の働き方に引き寄せて考えたい人に向いている。

何から読めばいいか迷ったら、まずこの本でいい。本文で触れた生命性、責任、物質性を、仕事の現場まで近づけてくれる。


2．日本経済AI成長戦略 / 冨山和彦／松尾豊 監修

AIを個人の仕事術ではなく、企業経営と産業構造の変化として捉えたい人におすすめしたい。

本書の中心にあるのは、AIを導入するかどうかではない。

AIを使って、誰が問いを立て、誰が意思決定し、誰が現場を動かすのか。その経営構造まで変えられるかを問うている。

特に注目したいのが、ホワイトカラーだけでなく、現場を持つ企業や中堅・中小企業、フィジカルな仕事に光を当てている点だ。

AI時代には、デジタル企業だけが勝つ。
そんな単純な話ではない。

現場、設備、顧客接点、専門人材を持つ企業がAIで武装すれば、むしろ大きな成長余地が生まれる。これは投資先を考えるうえでも見逃せない視点である。

決算説明資料にAIという文字が何回出てくるかではなく、意思決定の速度、現場の生産性、顧客への提供価値がどう変わるのかを見る。この本を読むと、AI関連銘柄の見方が少し厳しくなる。そこがいい。

[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]

日本経済AI成長戦略 [ 冨山 和彦 ]
価格：1,870円（税込、送料無料) (2026/7/12時点)


3．AIエージェント仕事術 / 佐藤傑

AIに仕事を奪われるか考える前に、現在のAIがどこまで仕事を代行できるのかを知っておきたい。

この本は、文章を作らせるだけの生成AIから、自ら複数の工程を進めるAIエージェントへの変化を、実務に近いところから解説している。

書く。
調べる。
データを分析する。
企画を考える。
資料を作る。
タスクを管理する。

これまで人間が細かく指示していた作業が、どこまで一連の流れとして任せられるのかが見えてくる。

ここを知らないまま人間にしかできない仕事を語ると、数年前のAI像を前提にしてしまう。AIは答える道具から、動く道具へ変わりつつあるからだ。

だからこそ、実際に任せられる部分を知り、その外側にある問いの設定、確認、判断、責任へ時間を移す必要がある。

AIを触ってはいるが、メールの下書きや要約で止まっている。そんな人にとって、次の段階へ進むきっかけになる一冊だ。


4．生成AI時代 あなたの価値が上がる仕事 / 田中道昭

自分の職業が残るかではなく、自分の価値をどう上げるかに焦点を当てた本だ。

生成AIによって消える仕事、生まれる仕事、人間に残る能力を、企業や産業の変化と結びつけながら整理している。

AIの議論では、職業名を並べた未来予測が目立つ。

経理はなくなる。
コンサルタントは危ない。
営業は残る。

だが、同じ職業でも仕事内容は人によってまったく違う。定型資料だけを作る人と、経営上の論点を見つけて意思決定を支える人を、同じ経理として扱うことはできない。

この本は、生成AIがビジネスの地図をどう塗り替え、その中でどんな能力が評価されるのかを考える入口になる。

難しい技術解説より、自分のキャリアへ引き寄せて読みたい人に合う。今の仕事を続けるか迷っている人ほど、転職サイトを開く前に読んでおきたい。


5．The Work of the Future　AI時代のよい仕事を創る / デヴィッド・オーター／デヴィッド・A・ミンデル／エリザベス・B・レイノルズ

AIと雇用について、煽りではなく研究とデータから考えたい人に薦めたい一冊だ。

AIの話は、極端になりやすい。

大量失業が起きる。
いや、新しい仕事が増えるから問題ない。

どちらも未来を断定しすぎている。

本書はMITの研究プロジェクトを基に、技術進歩、労働市場、教育、企業制度、雇用の質を幅広く検討する。AIが何人の仕事を奪うかだけでなく、技術の利益を誰が受け取り、どのような仕事を社会に残すのかまで視野に入れている。

企業がAIで人件費を削れば、短期的には利益が増えるかもしれない。だが、顧客の購買力や従業員の技能、社会全体の需要が弱れば、長期の企業価値には跳ね返ってくる。

AIをコスト削減装置としてだけ見るのではなく、よい仕事と生産性を同時に作れるか。この視点を持つと、経営者にも投資家にも、数字の見え方が変わる。

少し骨太だが、流行が変わっても残る一冊である。


一冊だけ選ぶなら、AI時代に仕事と呼べるもの。

このブログの問題意識を、そのまま実務へつなげやすい。

企業経営や投資まで視野を広げたいなら、日本経済AI成長戦略。AIを実際の仕事へ組み込みたいなら、AIエージェント仕事術が入りやすい。

キャリアの不安を整理したい人は、生成AI時代 あなたの価値が上がる仕事。雇用問題をデータと制度から深く考えたい人は、The Work of the Futureを選びたい。

AI時代に必要なのは、不安をあおる未来予測を集めることではない。

自分は何を機械へ渡し、何を引き受けるのか。
その答えを、自分の仕事に合わせて作ることだ。

本は答えを代わりに決めてくれない。
ただ、自分の仕事を見直すための、かなり優秀な鏡にはなる。

それでは、またっ！！

引用論文・資料

  1. Autor, D. H.（2013）The Task Approach to Labor Markets: An Overview.
  2. Gmyrek, P. et al.（2025）Generative AI and Jobs: A Refined Global Index of Occupational Exposure, ILO Working Paper 140.
  3. OECD（2025）Introducing the OECD AI Capability Indicators.
  4. Deming, D. J.（2017）The Growing Importance of Social Skills in the Labor Market.
  5. Acemoglu, D. and Restrepo, P.（2020）Robots and Jobs: Evidence from US Labor Markets.
  6. Brynjolfsson, E., Li, D. and Raymond, L. R.（2025）Generative AI at Work.
  7. European Union（2024）Regulation (EU) 2024/1689, Artificial Intelligence Act.
  8. NIST（2023）Artificial Intelligence Risk Management Framework 1.0.
  9. Green, B.（2022）The Flaws of Policies Requiring Human Oversight of Government Algorithms.
  10. Ayers, J. W. et al.（2023）Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions.

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

RECOMMENDこちらの記事も人気です。