会計

AI時代、最後に残るのは無形資産としてのとがり

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を使えば、文章も企画書もデザイン案も、驚くほど速く形になる。

便利です。正直、使わない理由はほとんどない。けれど、その便利さの裏側で、静かに起きていることがあります。

みんなが同じような道具を使い、同じようなプロンプトを入れ、同じような答えを受け取る。すると、アウトプットは少しずつ似ていく。文章の温度、資料の構成、デザインの余白、提案の言い回し。どれもきれいだけど、どこか見覚えがある。読みやすいのに、記憶に残らない。

ここ、落とし穴です。

このブログで考えたいのは、AI時代に何を磨けばいいのか、という話です。AIを敵にする話ではありません。むしろ逆です。AIで平均点を一気に取りにいく。そのうえで、平均点では説明できない自分の偏り、経験、判断軸をどう資産化するか。

投資と会計の視点で見ると、これはかなりわかりやすい。

汎用スキルは、だんだん利益率が下がる商品に近い。誰でも作れるものは、価格競争に巻き込まれる。一方で、模倣しにくい視点や独自の切り口は、無形資産になる。貸借対照表には載らないかもしれない。でも、確実に将来キャッシュフローを生む源泉になる。

この文章を読むと、AI時代のキャリアや発信を、単なる根性論ではなく、投資判断として見られるようになります。何をAIに任せ、何を自分で握り続けるのか。どこを効率化し、どこに時間を投下するのか。普通でいる安心と、とがる怖さのどちらにリスクがあるのか。

答えは単純ではありません。

ただ、ひとつだけ言えます。これから価値が落ちるのは、人間そのものではない。平均的な答えだけで勝負する働き方です。

AIは人を消す前に、平均点を押し上げる

AIの脅威を考えるとき、多くの人は仕事が奪われるかどうかに意識が向きます。

もちろん、その論点は避けられません。けれど、もっと先に起こる現象があります。

平均点の上昇です。

普通にうまいの価値が下がっていく

生成AIの生産性効果を調べた研究では、文章作成タスクの時間が大きく短縮され、品質も上がりました。別の実務研究でも、カスタマーサポートの現場でAIを使うと、特に経験の浅い人の生産性が改善したと報告されています。

これはかなり大きい話です。

AIは、初心者を一気に中級者へ近づける。資料のたたき台、メール文、要約、比較表、調査メモ。以前なら経験者に頼っていた作業が、かなりの速度で作れるようになる。

すると何が起きるか。

普通にうまい、の希少性が落ちます。

きれいな文章を書けます。見やすい資料を作れます。要点をまとめられます。もちろん今でも必要な力です。ただ、それだけでは差がつきにくくなる。なぜなら、AIがそこまで連れていってくれるから。

会計で言えば、これは売上単価の下落です。

同じ品質のものを、より多くの人が、より短時間で出せるようになる。供給量が増えれば、価格は下がる。労働市場でも発信市場でも、同じことが起こる。

均質化は、便利さの副作用として生まれる

生成AIは個人の創造性を高める一方で、集団全体のアウトプットを似せてしまう可能性があります。小説作成の実験では、AI支援を受けた作品は個別には評価が上がる一方、作品同士の類似性も高まりました。

これ、すごく人間っぽい現象です。

困ったら、みんなが使う安全な型に寄る。失敗したくないから、無難な言い回しを選ぶ。上司に通りやすい構成、顧客に怒られにくいデザイン、SNSでそれっぽく見えるフレーズ。そこにAIが入ると、無難な型がさらに安く、大量に手に入る。

結果、世界は整います。

でも、整いすぎる。

企画書は読みやすい。LPはそれっぽい。投稿も悪くない。だけど、読み終わったあとに残る引っかかりがない。感情のささくれがない。人間が書いたときに出る変な余白が削られている。

ここで差が出ます。

AIが平均へ寄せるほど、平均から少し外れたものは目立つ。雑に外れるのではなく、意味のあるズレを持つものです。

P/Lだけ見ると、AI活用を読み間違える

企業でも個人でも、AIの効果はまずP/Lに出ます。

作業時間が減る。外注費が減る。資料作成の工数が圧縮される。これはわかりやすい。経費削減です。利益率も改善しやすい。

ただし、P/Lだけ見ていると危ない。

AIで効率化した結果、誰でも作れるものだけを量産していたら、将来の競争力はむしろ細ります。短期利益は出る。でも、B/Sに残る資産が育っていない。

発信で言えば、毎日投稿できるようになった。でも、誰の言葉かわからない。仕事で言えば、提案書は速くなった。でも、会社独自の仮説がない。これは、売上は立っているのにブランド資産が積み上がっていない状態です。

AIは販管費を下げる道具としては強い。

でも、それだけでは未来の稼ぐ力にはならない。稼ぐ力に変えるには、AIで浮いた時間を、模倣されにくい知識、経験、顧客理解、判断基準に再投資しないといけない。

AIは人間をすぐ消す魔法ではありません。

先に消えるのは、普通にうまいだけで安心していた余白です。平均点が上がる時代に、平均点を取れることは武器ではなく入場券になる。ここから先は、とがりをどう資産に変えるかで決まります。

とがりは才能ではなく、模倣困難な資産設計である

とがりという言葉は、少し誤解されやすい。

奇抜なことを言う。逆張りする。変わった肩書きをつける。派手な見た目にする。たしかに目立つかもしれません。でも、それだけだと弱い。すぐに飽きられるし、真似もされる。

本当に強いとがりは、資産です。

模倣困難性がない差別化は、すぐ陳腐化する

戦略論の資源ベース理論では、持続的な競争優位を生む資源には、価値があること、希少であること、模倣しにくいこと、代替されにくいことが求められます。

これを個人に置き換えると、かなり刺さります。

英語ができます。資料が作れます。AIを使えます。これらは便利なスキルです。ただし、単体では希少性が下がりやすい。みんなが学べば、すぐに標準装備になる。

では、模倣されにくいものは何か。

たとえば、ある業界で見てきた失敗のパターン。数字を作る側でしかわからない違和感。顧客の言葉にならない不安を拾う力。複数の領域をつなぐ編集力。安易な成功談にブレーキをかける判断軸。

こういうものは、短期間ではコピーできません。

なぜなら、表面ではなく履歴だからです。

独自性は、偏りを棚卸しして作る

自分にはとがりなんてない。そう感じる人は多いはずです。

でも、それは才能がないというより、棚卸しをしていないだけかもしれません。

会計で考えるとわかりやすい。会社の強みも、帳簿にきれいに出ているとは限りません。顧客との信頼、現場の改善力、独自の営業トーク、暗黙知。これらは目に見えにくい。でも、利益の源泉になっていることがある。

個人も同じです。

何に怒るのか。何に違和感を覚えるのか。どんな話なら何時間でも考えられるのか。どの失敗だけは二度としたくないのか。どの業界の言葉なら、表面ではなく裏側まで読めるのか。

この偏りを、ただの性格で終わらせない。

言語化する。繰り返し使う。発信や仕事に組み込む。すると、偏りはノイズではなく、識別可能な資産になります。

投資で言えば、これは自分だけのリサーチソースを持つことに近い。全員が同じニュースを見ている市場で、同じ解釈をしていたら超過リターンは出にくい。違いは、情報そのものより、読み方に宿る。

価値ある逸脱と、ただの悪目立ちは違う

ただし、とがれば勝てるという話ではありません。

ここも危ないところです。

独自性には最適な幅があります。経営学の最適独自性の議論では、差別化と正統性の両方が必要だとされます。違いすぎると理解されない。似すぎると埋もれる。

職場でも発信でも、同じです。

周りと違う意見を言うこと自体に価値があるわけではない。価値があるのは、場の成果を良くする逸脱です。組織行動論では、規範から外れていても、組織や周囲に利益をもたらす行動を建設的逸脱と呼びます。

つまり、強いとがりには相手がいます。

読者の見方を少し変える。顧客の意思決定を助ける。チームの盲点を見つける。会社の将来損失を減らす。そういう成果に接続して初めて、とがりは資産になる。

反対に、自分が気持ちよく目立つだけの尖りは、営業外費用です。短期的には注目を集めても、長期では信用を削る。

きついけど、ここで分かれます。

とがりは、生まれつきのキャラではありません。

偏りを見つけ、言語化し、相手の価値に接続し、模倣されにくい形に育てる。これは完全に資産形成です。派手さではなく、将来キャッシュフローを生むかどうか。そこまで見たとき、独自性は初めて投資対象になります。

AI時代の個人投資戦略

では、実際にどう動けばいいのか。

AIを使うな、ではありません。むしろ使ったほうがいい。平均点を取る作業に時間をかけすぎるのは、もう割に合わない。

問題は、浮いた時間をどこに投資するかです。

AIには作業を渡す。判断は渡し切らない

AIの得意領域では、生産性も品質も上がります。コンサルタントを対象にした実験でも、AIの得意な範囲では作業量、速度、品質が改善しました。一方で、AIの不得意な課題では、AIを使った人の正答率が下がる場面もありました。

ここが面白い。

AIは万能の部下ではなく、得意不得意の境界がギザギザした道具です。見た目はできそうなのに、実は外していることがある。だから、人間側に必要なのは、プロンプトの小技だけではありません。

任せていい作業と、握るべき判断を分ける力です。

文章なら、構成案や論点出しはAIに任せてもいい。でも、最後に何を言い切るかは自分で決める。資料なら、比較表は作らせていい。でも、どの数字を重く見るかは自分で決める。企画なら、アイデアの量産は任せていい。でも、どの違和感を拾うかは人間が決める。

AIに作業を渡すほど、自分の判断軸がむき出しになります。

自分の仕入れ勘定を持つ

AI時代に強くなる人は、アウトプットだけでなく、インプットの仕入れが強い人です。

全員が同じAIに聞けるなら、差は入力側に出ます。現場で聞いた言葉。読書で引っかかった一文。仕事で見た失敗。市場を見て感じた違和感。誰かとの会話で生まれた仮説。

こういう一次情報に近いものは、AIだけでは作れません。

ここを仕入れ勘定として持つ。

日々のメモ、読書ノート、仕事の振り返り、顧客の反応、自分が納得できなかった論点。地味です。めちゃくちゃ地味。でも、ここを持っている人の発信や提案は、AIで整えたあとも芯が残る。

逆に、仕入れが薄いままAIで加工すると、きれいな空箱になります。

見た目は整っている。でも、原価がない。原価がない商品は、長く売れません。

とがりはポートフォリオで育てる

とがると言うと、全部を捨てて一点突破しないといけない気がします。

でも、現実はもう少し柔らかく考えていい。

生活や仕事には、安定収益を生む汎用スキルも必要です。メールを書く、資料を作る、数字を読む、相手の意図を整理する。これは債券のようなもの。派手ではないけれど、土台になる。

一方で、自分だけの切り口、専門性の掛け算、独自の発信テーマは、株式やオプションに近い。短期では評価されないこともある。むしろ最初は空振りが多い。それでも、当たると大きい。複利も効く。

だから、個人のキャリアもポートフォリオで考える。

全部を汎用スキルに寄せると、安定しているようで、AIによる価格下落をまともに受ける。全部を奇抜な方向に振ると、収益化する前に資金ショートする。

大事なのは、生活を支える標準スキルを持ちながら、余剰時間をとがりの研究開発に回すことです。

会計で言えば、今日の費用で終わらせず、未来の資産になる支出を混ぜる。読書、発信、実務経験の振り返り、専門領域の深掘り、人と違う問いを持ち続けること。短期のP/Lだけでは赤字に見える時間が、将来のB/Sを厚くする。

AI時代の個人投資は、AIを覚えることだけでは終わりません。

AIで平均点を取り、浮いた時間を自分だけの仕入れに回し、模倣困難な判断軸へ変える。これができる人は、AIに置き換えられる側ではなく、AIを使って自分の無形資産を増やす側に回れます。

結論

AIは、世界をなめらかにします。

文章の角を取り、資料の穴を埋め、デザインを整え、答えを速く出してくれる。ありがたい。ほんとうにありがたい。疲れている日も、時間がない日も、AIは平均点まで連れていってくれる。

でも、人が何度も読み返したくなるものは、いつも少しだけなめらかではありません。

そこには、書いた人の迷いがある。経験の跡がある。数字だけでは割り切れない判断がある。誰かに嫌われるかもしれないけれど、それでも言うしかない一文がある。

その引っかかりが、記憶に残ります。

これからの時代、平均点を取れる人は増えます。だから、平均点を取れるだけでは埋もれる。けれど、それは悲しい話ではありません。むしろ、人間にしか積み上げられないものが、ようやく見えやすくなる時代でもあります。

自分が何を見てきたのか。何に違和感を持つのか。どんな問いを手放せないのか。どの失敗から逃げずに考えてきたのか。

それは、AIが代わりに生きてくれるものではありません。

とがりとは、派手な自己演出ではない。自分の履歴を、他人の役に立つ形まで磨いたものです。

貸借対照表には載らない。けれど、人生のどこかで必ず効いてくる。人から選ばれる理由になり、仕事の奥行きになり、発信の体温になり、苦しい局面で自分を支える背骨になる。

AIが平均を量産する時代に、最後に残る差は、うまく整えた答えではない。

自分だけの問いを、どれだけ大切に育ててきたかです。

平均点の安心から、少しだけ外に出る。怖いです。普通に怖い。でも、その一歩の先にしか、自分の名前で回収できるリターンはありません。

きれいに整った世界の中で、少しだけ引っかかる人でいよう。

その引っかかりが、未来の無形資産になる。

あわせて読みたい本

この記事のテーマをもう少し深く掘りたい人に向けて、参考になる本を5冊紹介します。
AI時代に必要なのは、単にAIを使いこなすことだけではありません。自分の考えを持つこと、違和感を言語化すること、価値を物語に変えること。そこまで踏み込んで初めて、AIに埋もれない自分の武器が育っていきます。

1. 『世界観をつくる 「感性×知性」の仕事術』水野学・山口周

AI時代に差がつくのは、正解を早く出す力よりも、意味をつくり、物語を描き、文脈を編む力です。
この本は、まさにその世界観をどうつくるかを考える一冊。情報があふれ、便利さも正解も過剰になった時代に、自分やブランドが選ばれる理由はどこに宿るのかを掘り下げています。

この記事で書いた無形資産としてのとがりを、感性と知性の両面から補強してくれる本です。
AIで整った答えは作れる。でも、この人にしか見えていない世界までは作れない。そんな感覚を持ち帰れるはずです。


2. 『AIを使って考えるための全技術』石井力重

AIを時短ツールとして使うだけなら、やがて差はつきにくくなります。
この本の面白いところは、AIを作業の代行ではなく、考えるための相棒として扱っている点です。問題解決、発想、アイデアの磨き込みなど、創造的な思考にAIをどう組み込むかが具体的に整理されています。

AIに答えを出させるのではなく、AIを使って自分の問いを深くする。
そこにピンと来る人には、かなり相性がいい一冊です。平均点を早く取るだけで終わらず、自分だけの切り口を育てたい人に向いています。


3. 『ひとことで整えるーー自分らしく売上とチーム力を上げる言葉の紡ぎ方』堤藤成

AIが普及すると、見える化や言語化だけでは埋もれやすくなります。
では、どうすれば自分らしさや会社らしさが伝わるのか。この本は、その答えとして、らしさを一言に凝縮するコピー化を扱っています。

これは単なるキャッチコピーの本ではありません。自分の価値がぼんやりしている人、やってきたことがバラバラに見える人、強みを説明しようとすると急に薄味になる人に刺さる内容です。

とがりは、持っているだけでは伝わりません。
相手の記憶に残る言葉に変えて、初めて資産になります。その変換作業を学びたい人におすすめです。


4. 『コンセプトの教科書 あたらしい価値のつくりかた』細田高広

何かを発信しても、なぜか刺さらない。
商品もサービスも悪くないのに、違いが伝わらない。
その原因は、コンセプトが弱いからかもしれません。

この本は、問い、視点、設計、言語化、最適化という流れで、コンセプトをどう作るかを具体的に学べる一冊です。感覚やセンスだけに頼らず、価値の芯をどう見つけ、どう一行に落とし込むかまで扱っています。

AI時代の差別化は、ただ奇抜なことを言うことではありません。
なぜそれをやるのか。誰にとって意味があるのか。どう伝えれば一瞬で届くのか。そこまで設計して初めて、とがりは武器になります。


5. 『世界は経営でできている』岩尾俊兵

この記事では、AI時代のキャリアや発信を、投資と会計の視点で見ました。
その延長で読むなら、この本はかなり相性がいいです。

経営を会社だけの話にせず、仕事、勉強、家庭、健康、人生全体の意思決定として捉え直している一冊です。価値創造とは何か、自分と他者を同時に幸せにするとはどういうことか。そんなテーマが、かなり身近な切り口で語られています。

とがることは、自分勝手に目立つことではありません。
自分の強みを、誰かの価値に変えることです。
その意味で、この本は自分の人生をどう経営するかを考えるための補助線になります。AI時代の個人戦略を、もう一段深く考えたい人に読んでほしい一冊です。


それでは、またっ！！

引用論文等

  1. Shakked Noy and Whitney Zhang, 2023, Experimental evidence on the productivity effects of generative artificial intelligence, Science. ChatGPT利用により文章作成タスクの時間が40%短縮され、品質が18%上昇したことを示した研究。
  2. Anil R. Doshi and Oliver P. Hauser, 2024, Generative AI enhances individual creativity but reduces the collective diversity of novel content, Science Advances. 生成AIが個人の創造性評価を高める一方、AI支援作品同士の類似性を高める可能性を示した研究。
  3. Erik Brynjolfsson, Danielle Li and Lindsey Raymond, 2025, Generative AI at Work, Quarterly Journal of Economics. 生成AI支援がカスタマーサポート業務の生産性を改善し、特に経験の浅い労働者への効果が大きいことを示した研究。
  4. Fabrizio Dell’Acqua et al., 2023, Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. AIの得意領域では成果が高まる一方、不得意領域では正答率が下がる可能性を示した実験研究。
  5. Jay B. Barney, 1991, Firm Resources and Sustained Competitive Advantage, Journal of Management. 価値、希少性、模倣困難性、代替困難性を持つ資源が持続的競争優位の源泉になると整理した資源ベース理論の代表的論文。
  6. Rishi Bommasani, Kathleen A. Creel, Ananya Kumar, Dan Jurafsky and Percy Liang, 2022, Picking on the Same Person: Does Algorithmic Monoculture lead to Outcome Homogenization? 同じモデルやデータを共有することで、意思決定結果が均質化するリスクを論じた研究。
  7. Ilia Shumailov et al., 2024, AI models collapse when trained on recursively generated data, Nature. AI生成データが再帰的に学習データへ混入すると、モデル崩壊が起こり得ることを示した研究。
  8. Karl Taeuscher, 2024, Optimal Distinctiveness, Oxford Research Encyclopedia of Business and Management. 差別化と正統性のバランスが競争優位に関係するという最適独自性の研究整理。
  9. Abhinav K. Vadera, Michael G. Pratt and Roderick M. Kramer, 2013, Constructive Deviance in Organizations, Journal of Management. 組織規範から外れつつも、組織や周囲に利益をもたらす建設的逸脱の概念を整理した研究。
  10. OECD, 2023, OECD Employment Outlook 2023. AIと雇用について、AIへの露出や自動化リスクを整理した報告書。
  11. World Economic Forum, 2025, The Future of Jobs Report 2025. AI・ビッグデータ、創造的思考、柔軟性、好奇心、生涯学習などのスキル需要の変化を整理した報告書。

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。