生成AIが急速に進歩し、企業ではさまざまな仕事をAIに任せられるようになってきました。
情報を集める。
大量の資料を要約する。
文章の下書きを作る。
データを整理する。
会議の議事録を作る。
資料の構成を考える。
こうした仕事は、これまで若手社員や新人が担当することの多かった仕事でもあります。
AIに任せれば、短時間で処理できます。
企業にとっては大きな効率化です。
ところが、人材育成という視点から見ると別の問題が生まれます。
新人が担当してきた簡単な仕事には、
仕事を覚えるための練習
という役割もあったからです。
新人の仕事をAIに任せれば、仕事は速くなります。
しかし新人は、どこで経験を積めばよいのでしょうか。
AI時代には、これまで当たり前だった専門家の育て方そのものを見直す必要があります。
新人は簡単な仕事から始めてきた
多くの職場では、新人に最初から難しい仕事を任せません。
簡単な仕事から少しずつ経験させます。
例えばコンサルティング会社なら、情報収集や資料作成の補助などから始めることがあります。
経理部門なら、伝票の確認やデータ入力、勘定科目の確認などを経験します。
営業部門なら、顧客情報を調べたり、提案資料を準備したり、先輩の商談に同行したりします。
仕事そのものは比較的単純に見えるかもしれません。
しかし新人にとっては、その作業を通じて、
会社はどのように仕事をしているのか
何が重要なのか
どの程度の品質が求められるのか
を学んでいます。
簡単な仕事が、専門家への入口になっていたのです。
情報収集にも教育的な意味がある
例えば新人が、ある業界について調査する仕事を任されたとします。
インターネットや社内資料から情報を集めます。
最初は何が重要なのか分かりません。
大量の情報を集めて先輩へ提出します。
すると先輩から、
この数字は重要です
この情報は古いので使えません
この資料は一次情報を確認してください
この会社だけでなく競合企業も調べてください
と指摘されます。
新人は修正を繰り返しながら、
どの情報に価値があるのか
を学びます。
単なる検索作業をしているようでも、その過程で情報を評価する能力を身につけているのです。
資料作成も仕事を理解する訓練だった
若手社員が資料の下書きを作る仕事も同じです。
例えば上司から、
顧客向けにこの案件を説明する資料を作ってください
と言われます。
新人は20ページの資料を作りました。
しかし先輩から、
顧客が知りたいことが最初に書かれていない
数字が多すぎる
結論が分からない
と指摘されます。
そこで作り直します。
この経験を繰り返すことで、
相手は何を知りたいのか
何を削るべきなのか
どの順番で説明すればよいのか
を学んでいきます。
資料を作ること自体より、修正される過程に教育的な意味があったのです。
AIは新人が担当してきた仕事を得意としている
ところが生成AIは、こうした仕事を得意としています。
大量の文章を短時間で要約できます。
資料の構成案を作れます。
文章の下書きもできます。
データを分類することもできます。
情報収集の支援もできます。
企業から見れば、
新人が3時間かけて行う仕事をAIなら数分でできる
という場面が増えていくでしょう。
当然、
AIに任せた方が効率的ではないか
という判断になります。
短期的には合理的です。
しかし、そこには人材育成という別の問題があります。
効率化すると経験する機会がなくなる
例えばAIが最初から優れた資料を作ってくれるとします。
新人はAIが作った資料を確認して提出します。
仕事は速く終わります。
しかし新人自身は、
何を調べるべきなのか
どの情報を選ぶのか
どういう順番で説明するのか
を最初から考えていません。
AIの成果物を使うだけなら、完成品を見る経験はできます。
しかし完成品へたどり着くまでの試行錯誤を経験できません。
これは料理で、完成した料理だけを毎日見ているようなものです。
どれだけ完成品を見ても、自分で材料を選び、調理し、失敗しなければ料理の腕は上がりにくいでしょう。
仕事にも同じ問題があります。
失敗する機会までAIが奪う可能性がある
新人の仕事では、失敗にも教育的な意味があります。
資料を作ったら分かりにくかった。
調査したら重要な情報を見落としていた。
顧客へのメールを書いたら説明が不足していた。
こうした小さな失敗をします。
そして先輩から指摘されます。
なぜ間違えたのかを考えます。
次は修正します。
この繰り返しによって判断力が身についていきます。
AIが最初から正しい答えに近いものを出してしまうと、新人が安全な範囲で失敗する機会まで減る可能性があります。
効率化によって、
失敗から学ぶ時間
まで削ってしまう危険があるのです。
ベテランの仕事は新人時代の積み重ねでできている
経験豊富な社員を見ると、難しい判断を短時間で行っています。
例えばベテランのコンサルタントなら、大量の情報を見ても、
重要なのはこの数字だ
とすぐ判断できるかもしれません。
しかし最初からその能力を持っていたわけではありません。
新人時代に大量の資料を読みます。
重要でない情報も集めます。
先輩から何度も修正されます。
顧客の反応も見ます。
その経験が蓄積されて、
どこを見るべきか
が分かるようになっています。
現在のベテランが簡単に行っている判断の裏側には、過去の膨大な試行錯誤があるのです。
入口の仕事がなくなると成長の階段が途切れる
専門家の育成を階段に例えてみます。
最初の段階では簡単な情報収集をします。
次に資料を作ります。
その後、自分で分析します。
さらに顧客へ説明します。
最終的には難しい判断や交渉を担当します。
これまで新人は、一段ずつ階段を上ってきました。
ところがAIが最初の数段を担当すると、
新人はどこから階段に乗ればよいのか
という問題が生まれます。
いきなり顧客との難しい交渉を任せることはできません。
しかし基礎的な仕事はAIが行っています。
AI時代の人材育成では、この失われる入口をどのように作り直すかが重要になります。
AIの答えを評価するにも基礎知識が必要になる
AIが仕事をしてくれるなら、人間はAIの成果物を確認すればよいという考え方もあります。
しかし、
AIの答えが正しいかどうかを判断する
こと自体に知識や経験が必要です。
例えばAIが10ページの分析資料を作ったとします。
経験豊富な社員なら、
この前提がおかしい
この数字は確認した方がよい
この結論は強すぎる
と気づけるかもしれません。
新人には、それが分からない可能性があります。
基礎的な仕事を経験していない人に、
AIの仕事を監督してください
と言っても難しいのです。
AIを使いこなすためにも、人間側の基礎能力が必要になります。
新人にはあえて考えさせる必要がある
AI時代には、教育のためにあえて効率を落とす場面が必要になるかもしれません。
例えば資料を作るとき、
最初からAIに完成版を作らせない
という方法があります。
まず新人自身に構成を考えさせます。
その後AIの案と比較します。
なぜ違うのかを考えます。
AIの案にも問題がないか確認します。
最後に先輩からフィードバックを受けます。
仕事を最速で終わらせるだけなら遠回りです。
しかし教育という目的を考えれば意味があります。
企業は、
最も速く仕事を終える方法
と
最も人が育つ仕事の進め方
を分けて考える必要があります。
AIを練習相手として使う方法もある
AIは新人の仕事を奪うだけではありません。
使い方によっては、これまで以上に多くの練習機会をつくれます。
例えば営業担当者なら、AIを顧客役にして商談の練習ができます。
コンサルタントなら、架空の企業データを使って分析の練習ができます。
管理職候補なら、部下との面談を想定した会話を練習できます。
文章を書いた後にAIから改善点を指摘してもらうこともできます。
実際の顧客を相手に失敗する前に、AI相手に何度でも試行錯誤できます。
AIを仕事の代替手段としてだけではなく、
練習環境を大量につくる道具
として使う考え方です。
先輩の役割も答えを教えることから変わる
AIが基本的な知識を説明できるようになると、先輩社員の教育役割も変わります。
これまでなら新人から、
この制度は何ですか
と聞かれ、先輩が説明していました。
こうした一般的な知識はAIでも説明できます。
その代わり先輩には、
なぜこの案件ではこの判断をしたのか
AIの回答のどこに問題があるのか
この顧客では何に注意するのか
といった、経験に基づく指導がより重要になります。
知識を伝える人から、
判断の仕方を教える人
へ役割が変わっていく可能性があります。
人材育成を仕事の副産物にできなくなる
これまで企業では、実際の仕事をさせることで自然に若手が育つ部分がありました。
新人に情報収集を任せる必要がある。
資料を作ってもらう必要がある。
議事録を書いてもらう必要がある。
会社には仕事を処理してもらう必要があり、新人には経験を積む必要がありました。
両者の目的が一致していたのです。
AIがこうした仕事を処理すると、この関係が崩れます。
企業側には新人へ仕事を任せる必要がなくなります。
それでも将来の専門家を育てるには、意図的に経験を用意しなければなりません。
人材育成が、
仕事をさせていれば自然に起こるもの
から、
企業が設計しなければ起こらないもの
へ変わる可能性があります。
短期的な生産性と長期的な生産性は違う
AIを使えば、今日の仕事は速く終わります。
これは短期的な生産性の向上です。
しかし新人に何も経験させなければ、5年後や10年後に難しい仕事を任せられる人が不足するかもしれません。
これは長期的な生産性の問題です。
企業は、
今日の仕事を最も効率よく処理する方法
だけでなく、
将来のベテランをどう育てるのか
を同時に考える必要があります。
AIによる効率化で削減した時間や費用の一部を、人材育成へ再投資するという考え方も必要になるでしょう。
結論
AIが新人の仕事を代替することは、企業にとって大きな効率化につながります。
情報収集。
資料作成。
文章の下書き。
データ整理。
議事録作成。
こうした仕事をAIが短時間で行えば、社員はより高度な仕事へ集中できます。
しかし新人にとって、これらは単なる単純作業ではありませんでした。
仕事の基本を覚えるための練習でもあったのです。
調べて間違える。
資料を作って修正される。
重要な情報を見落として指摘される。
こうした小さな失敗を繰り返すことで、将来の専門家に必要な判断力が育ってきました。
AIが入口の仕事を代替すると、企業は新人に経験を与える仕組みを意図的につくらなければなりません。
新人自身に最初に考えさせる。
AIの回答と比較させる。
AIの間違いを探させる。
先輩が判断理由を説明する。
AIを使って何度も練習させる。
こうした新しい育成方法が必要になります。
AI時代の問題は、新人の仕事がなくなることだけではありません。
新人の仕事と一緒に、
新人が専門家へ成長するための階段
までなくしてしまう可能性があることです。
企業には仕事の効率化と同時に、次の世代の専門家をどのように育てるのかという視点がこれまで以上に求められるのです。
参考
日本経済新聞 2026年9月8日 朝刊 コンサル、若手に出社回帰促す AI普及、対人スキル重視