「生成AIで仕事がなくなる」と聞くと、職種そのものが消えるイメージを持ちがちです。
ただ、実際に起きやすいのは、職種の一括置換というより、仕事の中のタスク配分の変化です。ILOは、生成AIの影響を全面的な雇用破壊ではなく、仕事の質や役割の変化として捉えています。また、IMFも、AIは一部の仕事を代替しつつ、別の仕事では人を補完すると述べています。
（参考：ILO 仕事奪うのでなく「補完」する 生成AIで報告書、IMF AIで世界経済が変わる。人類が恩恵を受けるようにすべきだ。）
そのため本記事では、「自分の職種が残るかどうか」ではなく、「自分の仕事のどのタスクが代行されやすく、どこが加速され、どこで人の判断や責任がむしろ重くなるのか」を見る視点で整理します。
AIでなくなる仕事は「職種」より「定型タスク」
生成AIによって「仕事（職種）が丸ごと消える」というより、まず起きやすいのは、仕事の中の一部タスクが自動化されたり、人の補助に回ったりすることです。
実際、ILOは、ほとんどの仕事や産業では自動化の影響は部分的であり、生成AIは人に取って代わるより補完する可能性が高いと報告しています。
さらに、生成AIの影響は「雇用が消えるかどうか」だけでなく、仕事の質、つまり働き方の中身にも表れやすいとされています。
（参考：ILO 仕事奪うのでなく「補完」する 生成AIで報告書）
そのため本記事では、「職種がなくなるか」ではなく、仕事の中のどのタスクが変わりやすいのかに注目して整理します。
AIで仕事がなくなると言われる理由：職種よりタスクが変わる
職種は、複数のタスクの集まりです。たとえば同じマーケティング担当でも、集計、レポート作成、施策判断、関係者への説明では、求められる力が同じではありません。
生成AIが入り込むと、この中の一部はそのまま代行され、一部は人がやるままでも作業がかなり速くなり、一部はむしろ人の判断や説明の重みが増します。つまり、変わるのは「職種があるかないか」より、職種の中の仕事の配分です。
AIで仕事はどう変わる？3つのタスクで整理する
ただし、「AIは定型業務だけに効く」と単純化しすぎると実態を外します。従来の自動化は定型業務に影響しやすい傾向がありましたが、IMFは、AIは高技能職にも影響すると述べています。（参考：IMF AIで世界経済が変わる。人類が恩恵を受けるようにすべきだ。）
そこで、自分の仕事を次の3つに分けて考えると見えやすくなります。
① 代行：AIがそのまま担いやすいタスク
② 加速：人がやるが、AIを使うとかなり速くなるタスク
③ 説明責任：AIを使う前提で、人の判断・検証・説明がより重要になるタスク
ここで見るべきなのは、「AIに奪われるかどうか」だけではありません。自分の仕事のどこが代行され、どこが加速され、どこで人の責任がむしろ重くなるのかを見ることが重要です。
ではまず、代行されやすいタスクにはどんな特徴があるのかを具体的に見ていきます。
AIに奪われやすい仕事の特徴：置き換わりやすいタスクとは
AIに置き換わりやすいのは、手順が決まっていて、出力の形や正しさの判定もある程度そろっている作業です。
たとえば、定型メールの下書き、会議メモの要約、毎週同じフォーマットで作る報告書、列の追加や並べ替えが中心のデータ整形などは、ルール化しやすく、AIが入りやすい部類です。
ここでいう「奪われやすい」は、仕事そのものが消えるという意味ではありません。人が手でやる時間が減りやすく、作業としての差がつきにくくなるという意味です。
奪われやすいタスクの例
定型メール・定型返信の作成
会議メモ→要約→共有の流れ
いつも同じ形のレポート作成（テンプレを埋めるだけ）
データの整形（列を足す／並べ替え／結合などを作業としてやっているだけ）
調べ物をして、それっぽくまとめるだけの作業（一次情報に当たらず、チェックもしない場合）
共通しているのは、手順も正しさの判定も比較的そろっていて、人ごとの差が出にくいことです。
これらのタスクが代行されやすい理由は、主に次の3つです。
オペレーション化しやすい
正しさの判定が比較的単純
文脈（会社固有の事情や判断基準）にあまり依存しない
逆に言えば、ここだけを主な価値にしている状態は、生成AIの影響を受けやすいとも言えます。
では次に、AIが入っても人の役割が残りやすいタスクは何かを見ていきます。
AI時代に価値が上がる仕事：最後に人が判断するタスク
一方で、AIが入っても人の役割が残りやすい仕事があります。前のセクションでは、代行されやすいタスクの特徴を見ました。ここでは逆に、AIを使う前提でも人の判断や責任が重くなりやすいタスクを見ていきます。
たとえば、マーケティングで「広告の成果が良くなったので、来月も予算を増やしたい」となったとします。この判断では、数字を見るだけでは足りません。何を成功とみなすかを決め、数字の妥当性を確かめ、その結論を関係者が動ける形に整える必要があります。
このように、人に残りやすい仕事は主に次の3つです。
問題定義：問いを決めること
何をもって成功とするか、何と比べるか、いつまでを見るかを決める仕事です。AIは候補を出せても、会社の制約や評価基準まで踏まえて問いを置くことはできません。
検証：数字や結論を確かめること
CV（コンバージョン。問い合わせや購入などの成果）の増加が本当に施策の効果なのか、計測条件や流入の変化、集計の前提にズレがないかを見ます。AIは観点出しやSQLのたたき台には使えても、その数字を判断材料として採用してよいかを決める責任は持てません。
説明責任：相手が動ける形に整えること
結論だけでなく、根拠、前提、次に決めることまで整理して伝える仕事です。ダッシュボードも、グラフを並べるだけでなく、結論から次のアクションまで迷わず追える構成にしたほうが使われます。
前の整理に戻すと、これらは「判断」に当たるタスクの中でも、AIを使うほど人の価値がむしろ重くなる部分だと言えます。
自分の仕事はなくなる？代行されやすい部分と伸ばす部分を分ける
ここまで見てきたように、生成AIの影響は「仕事がなくなるかどうか」だけでは見えません。自分の仕事の中で、どこが代行されやすく、どこが加速され、どこで人の責任が重くなるのかを分けて見たほうが実態に合います。
整理するときは、次の3ステップで考えると見えやすくなります。
自分の仕事を10〜20個のタスクに分ける
例）集計、資料作成、会議運営、分析、改善提案、関係者調整
各タスクを3つの軸で見る
定型度：毎回同じ形で進むか
判定の単純さ：正しいかどうかを機械的に決めやすいか
文脈依存：会社固有の事情や判断基準が必要か
3つに整理する
・代行：AIがそのまま担いやすいタスク
・加速：人がやるが、AIを使うとかなり速くなるタスク
・説明責任：AIを使う前提で、人の判断・検証・説明がより重要になるタスク
この整理をしておくと、先にAIへ任せるべき作業と、自分が今後伸ばすべき力が見えやすくなります。
仕事で価値を示す方法：成果物で見せる
ここまで見てきたように、生成AI時代に差がつきにくくなるのは、手順が決まった作業を速くこなすことだけを価値にしている部分です。逆に、何を問いにするか、どう検証するか、どう説明するかは、人が担う重みが残りやすい部分です。
そのため、学習だけで終わらせず、仕事に近い成果物を作って見せられる状態にしておくことが重要です。大事なのは、見栄えのよいアウトプットを作ることではありません。「何を判断したいのか」「どの前提で数字を見ているのか」「どこまでを信用しているのか」が成果物の中に表れていることです。
作りやすい成果物の例
KPI定義書（指標名／計算式／除外条件／更新頻度）
ダッシュボード（意思決定の問い→必要指標→見せ方）
運用メモ（誰が／いつ／どう更新し／どこまで信用できるか）
自身の立場ごとに見ると、作るべき成果物の置き方も少し変わります。
ビジネス職：社内の小さな改善テーマで成果物を作る
例）施策の振り返り、営業数字の見える化、定例報告の整理
若手エンジニア：データ基盤・定義・可視化の橋渡し役に寄せる
例）数字の定義をそろえる、運用の前提を残す、作って終わりにしない設計にする
生成AI時代に差がつきやすいのは、単に作業が速いことではありません。何を決めるかを定義し、正しさを検証し、それを相手に伝わる形で説明できることです。
まとめ
生成AIでまず変わりやすいのは、職種そのものより、仕事の中の定型タスクです。特に、手順が決まっていて、正しさの判定も比較的そろっている作業は、AIに代行させやすくなっていきます。
一方で、何を問いとして立てるか、数字や結論をそのまま信じてよいかを確かめること、関係者が動ける形に整えて説明することは、人の役割として残りやすい部分です。AIを使うほど、こうした仕事の重みはむしろ増すとも言えます。
だから見るべきなのは、「自分の仕事は残るか」ではありません。「自分の仕事のどのタスクが代行されやすいのか、どこが加速されるのか、どこで人の判断・検証・説明がより重要になるのか」です。
まずは、今日やった仕事を10個ほど書き出してみてください。それぞれを「代行」「加速」「説明責任」の3つに分けてみると、先にAIへ寄せるべき作業と、自分が伸ばすべき力が見えやすくなります。