AIに熟練者を生む過程を壊させないために

よくできたソーシャルゲームには、反復の負担を軽くする仕組みがあります。単調な操作は短縮でき、自動化もできます。それでもプレイヤーが、いきなり最終盤へ到達することはありません。
小さな挑戦、結果のフィードバック、能力の解放、より難しい挑戦という順序は残されているからです。
短縮されているのは操作であって、経験が貯まる構造ではありません。

企業のAI導入は、同じ問いに直面しています。調査、集計、初稿、コード作成をAIへ渡すこと自体が問題なのではありません。問題は、その仕事を通じて得ていた判断基準、失敗経験、顧客理解、例外処理を、どこで学ばせるかが決まっていないことです。

この問いは、比喩ではなく実測から立てられます。
米国の公的統計を50年さかのぼると、技術が動かしてきたのは仕事の総量ではありません。総量の変化は、内訳の変化に比べてはるかに小さいものでした。減ったのは定型・事務の職、増えたのは判断を要する職です。
そして生成AIが圧縮しているのは、まさに専門職の入口にある定型工程です。次節から、この実測を順に確かめます。

記述の強さをどう示すか

本稿では、事実として確かめられていることと、まだ仮説にとどまることの差が大きく開いています。
そこで各節の見出しに、記述の出どころと強さを示すバッジを付けました。

米国の会計分野を、公的統計で15年さかのぼります。
会計ソフトが定型作業を置き換えたこの期間、記帳・経理事務は約38万人減り、会計士・監査人は約34万人増えました。
2つを合計すると、ほぼ動いていません。

減った側は、いつも定型職である

戻らなかった職を並べると、共通点がはっきりします。
会計とソフトウェア以外でも、2010年から2025年の間に、電話交換手は−84.4％（2.2万人→0.3万人）、タイピストは−68.0％、データ入力は−47.8％、製版工は−55.6％。いずれも定型工程を担う職です。
しかも製版工の置き換え先とされたグラフィックデザイナーは−1.5％で、減少を数の上で相殺していません。

相殺が働いた例も、技術の世代が変われば終わります。
「自動化しても雇用は減らない」の代表例とされる銀行窓口は、ATMが普及した時期には1支店あたりの人員が減った分を支店数の増加が上回り、窓口の雇用が保たれました。ところがモバイルバンキングの時期には支店の拡大そのものが止まり、窓口担当者は2010年から2025年に−42.9％（57.7万人→32.9万人）となりました。

産業用ロボットの研究も、同じ構造を別の角度から示します。
米国の通勤圏を単位にした推定では、ロボットが増えた地域で雇用率が下がりました（労働者1,000人あたり1台の増加で−0.18〜−0.34ポイント）。
一方、17か国×14産業を単位にした推定では、総雇用に有意な減少はありませんでしたが、低技能労働のシェアは下がっていました。やはり、総量を見れば「減っていない」、構成を見れば「定型側が削られている」。

工数を下げた技術と、その影響を受けた職業・産業の組み合わせを、16並べます。
増えた側には判断を担う職と拡大期の産業が、戻らなかった側には定型工程を担う職が集まります。

反対論——技術は仕事を増やしてきたのではないか

ここまでは、内訳が動いてきたという読み方です。同じ表を増えた側から読めば、「技術は仕事を増やしてきた」とも言えます。実際、それは確かに成立します。米国のITサービス産業（コンピュータシステム設計）の雇用は、1990年1月の40.9万人から2026年7月の236.6万人へ、＋478％。ドットコム崩壊で18.5％減ったときも、6年2か月で旧ピークへ戻りました。
インターネット、オープンソース、オフショア、クラウドは、いずれも開発や調査の必要工数を下げました。それでも、その分野の雇用は長期では増えました。工数の低下が需要の拡大を呼び、適用領域が広がったからです。
AIも同じ経路をたどる可能性があります。

そして、この反対論は、3段の連鎖でできています。①工数が下がる → ②需要が生まれ、適用領域が広がる → ③雇用が増える。①は複数の実験と現場研究で確認されていて、圧縮されているのが工程だという点も含めて4で見ます。
③は上の16事例のとおり、成立するときとしないときがあります。分かれ目は②です。

成立と不成立を分けるもの

分かれ目は、工数低下がどれだけ需要を呼ぶかという弾力性です。
米国の繊維・鉄鋼・自動車を約2世紀追った研究によれば、同じ産業でも、拡大期には需要が高弾力で生産性と雇用がともに増え、成熟して需要が飽和すると、生産性の上昇と雇用の減少が併存します。
つまり反対論の成立・不成立は、産業のライフサイクルのどこにいるかで符号が変わります。ATMの第1期と第2期の違いも、この形です。

そしてコンサルティング・監査・法律について、この弾力性を推定した現代の研究は見つかっていません。
「専門職でも需要拡大が省力化を相殺する」は、期待としては書けても、実証としては書けないのが現在地です。
同じ形が専門サービスにも当てはまるなら、飽和期に入った時点で生産性の上昇と雇用の減少が併存する側へ符号が変わります。当てはまるのか、いつ飽和期に入るのかを推定した研究は、本稿では見つかっていません。

では、生成AIが普及し始めた2022年以降、専門職の入口では実際に何が起きているのか。戦略コンサルティング、会計・監査、法律、ITサービスの18事例について、人員の動きと、その理由を企業自身がどう説明したかを、開示資料と職能団体の統計で確かめました。報道がAIと結びつけた事例は多くありますが、ここでは企業自身の言葉で分類します。

実数で見ても、動きは循環の形をしています。英国の大手監査法人の採用総数は、Deloitte UKで6,800人超（FY2023）→3,387人（FY2024）→3,160人（FY2025）。会社が挙げた理由は「厳しい市場環境」と「経済・地政学の不透明感」で、同じ発表の中でAIには年1億ポンド超の投資対象として触れています。米国のロースクール卒業生は逆で、2024年卒は就職率93.4％と過去10年で最高、大手事務所への就職は前年より2,260人増えました。経験者採用（lateral）は2022年−11.5％、2023年−35.0％、2024年＋13.9％と、案件の波で振れています。

逆方向の証拠も同じ強さで残ります。EY UKは、AI基盤に世界で14億ドルを投じた年に、英国の人員を18,962人から21,136人へ増やしました。TCSはAI案件のパイプラインを9億ドルから15億ドルへ伸ばした四半期に、新卒約11,000人を迎えています。Accenture自身も、AI・データ人材を4万人から7.7万人へ増やし、55万人超に生成AI研修を行った上での「スキル転換」でした。そして、AI導入を理由に入口の人数や課金構造を変えたと公式に説明した大手法律事務所の一次資料は、見つかりませんでした。

同じ技術が、逆の結果を生んでいる

同じ時期の日本の大手SIerでは、新卒採用が増えています（実数は6）。
使っている技術は同じです。違うのは、需要局面と、人材をどう作るかという設計です。

まず、AIが実際に何を圧縮しているのかを確かめます。

「下積み作業が減ると判断力が育たない」という説明は直感には合いますが、それを直接測った縦断研究は見つかっていません。公的統計は産業（総雇用）、職業（在職者数）、求人、学位授与に分かれていて、同じ個人を卒業から入口、そして熟練者まで追う系列がそもそも存在しません。

傍証は求人の側。民間の求人データ（Indeed）によれば、2025〜26年のソフトウェア開発求人の回復は71％がシニア向けで、2026年1〜3月期の構成はシニア69.3％に対して入口向けは4.5％でした。ただしこれは民間の求人フローであって、就業者数でも昇進確率でもありません。入口の経路が細っている可能性を示す弱いシグナルとして扱います。

一方で複数の実験は、逆の可能性——AIが学習をむしろ速める可能性——を示しています。

顧客サポートの現場導入研究（5,179人）では、AIが熟練者の応対パターンを初心者へ提示した結果、初心者・低スキル層の生産性が34％上がりました。処置群で勤続2か月の成績が、非処置群の勤続6か月超と同等になる結果も報告されています。著者らは、AIが暗黙知を伝播し経験曲線を短縮した可能性を指摘しています。

したがって、残すべきものは下積み作業そのものではありません。
本稿は、人的資本を生む最小単位を、若手が自分で問題を定義し、複数案を比べ、誤りを見抜き、選んだ理由を説明し、反応を受けて基準を更新するひと回り——以下「判断ループ」——として置きます。

2で見たとおり、判断職の需要は増え、定型の入口職は50年かけて減ってきました。そして判断職は経験を要するのに、その経験の積み場は入口の定型業務でした。市場は、記帳係を会計士に変えているわけではありません。
この変換を設計する場所は、企業の中にしか残っていません。

ここから先は、観測された事実ではありません。各社が個別には合理的な判断——空いた工数の分だけ入口を絞る——をした結果として、産業全体の能力供給が細るという条件付きの構造仮説です。
現時点の日本のデータでこのループが回っていることを、本稿は確認していません。

ループが回った場合に派生するもの

入口の1本は、すでに観測されている

ループの起点にあたる「育成投資の不足」については、国内調査に手がかりがあります。
AIを使う企業の労働者2,833人のうち、企業から訓練や資金援助を受けたのは25.3％でした。
一方でAI利用者1,854人の60.6％は「AIをもっと学びたい」と答えています。
育成の供給と需要のギャップは、すでに確認できます。

ただし、これはループの起点にあたる1本の観測であって、ループが回っていることの証拠ではありません。

国内の大手SIerでは、生成AIの普及期に新卒採用が減っていません。むしろ増えています。経験者採用も同時に増えており、新卒から経験者への一方向の置き換えにはなっていません。
これは内訳の移動が進む中で入口を維持する選択をした市場です。

開示の空白は、日本だけの問題ではない

「日本にデータがない」は、日本の遅れというより、この産業の開示構造の帰結です。英国には監査法人に法定の透明性報告書があり、毎年の人員関連の発表もあります。それでも、graduate・apprentice・intern・placementの含め方が年度ごと・法人ごとに違うため、同一定義のearly-career系列は、英国の大手4社ですら作れません（3）。

つまり「外部の公開データが揃うのを待つ」という選択肢は、どの国にもありません。次のファネルが、外部データではなく自社の人事・案件ログを単位にしているのは、このためです。

採用数だけでは足りない

採用数は最上流の必須指標です。ただし採用した若手が判断能力を獲得して中堅へ移る変換率まで見ないと、入口を維持したまま中身が空洞化する状態を見逃します。

冒頭の比喩に戻ります。よくできたゲームは、単調な操作を短縮しても、経験が貯まり、難度が上がり、新しい能力や役割が解放されるという順序までは消しません。
企業も同じように、作業の自動化と経験値の設計を、別々の意思決定として扱う必要があります。

2で見た「技術転換の後で雇用が増えるか」を分けた条件は、そのまま企業の設計変数に翻訳できます。
市場が決める側を嘆いても仕方がありません。自社で動かせる側だけを動かします。

制度側で踏まないほうがよい地雷

評価にAIの利用量を入れないことです。ある企業は2025年にAI利用を評価へ入れる方針を示したあと、2026年に撤回したと報じられています。理由は、AIを使うこと自体ではなく仕事の成果で評価すべきであり、AIが適さない場面でも利用を強いる結果になった、というものでした。
評価すべきは使用回数でも作業量でもなく、課題設定、検証、意思決定への寄与、再現可能な品質です。

もうひとつは、説明と参加を省かないことです。国内調査では、AI導入時に労使の対話があったのは全体で15.6％、職場でAIを使う2,042人に限っても32.0％でした。AI導入が満足度と定着を上げるか、不安を強めるかは、本人が能力の拡張と感じるか、監視・代替のシグナルと感じるかで分かれます。導入の内容よりも、説明・訓練・参加の設計が効きます。

育成の再設計そのものは、すでに始まっています。
英国のある大手監査法人は2025年、新規入社約1,500人の導入研修に自社の生成AI基盤を組み込みました。米国のある大手法律事務所は同年、400人超の1年目弁護士へ2日間の必修AI研修を実施したと報じられています。ただし後者は報道に基づく二次情報で、効果測定は公表されていません。

本稿が捨てた主張

ここでは根拠が弱かったため本稿の中で捨てた主張を記載しておきます。

出典一覧