AI時代に価値が上がる人の特徴

作業の速さではなく、決める力が評価される時代へ

AIに任せられる作業が増えるほど、評価されるのは作業そのものではなくなる。この記事を読むと、AI時代に価値が上がる人が持つ4つの特徴と、それが「AIに任せる工程」と「人が判断する工程」のどこに現れるかが分かる。

---

目次

---

全体の流れ

この記事で扱う4つの特徴は、バラバラの能力ではない。

ひとつの仕事の流れの中で、それぞれ違う位置に現れる。

何を作るか決める
↓                    ← 特徴① 目的を言語化できる
AIに渡せる形に切る
↓                    ← 特徴③ 工程に分解できる
AIが生成する
↓
出てきたものを判定する
↓                    ← 特徴② 出力を評価できる
次も使える形で残す
↓                    ← 特徴④ 仕組みとして残せる
次の仕事へ

見てのとおり、AIが担っているのは真ん中の1工程だけである。

その前後を人が挟んでいる。

そして挟んでいる4箇所が、そのまま4つの特徴になる。

つまりこの記事が扱うのは、AIをどう使うかではない。

AIに任せる工程と、人が判断する工程の分かれ目をどこに引くかである。

---

第1章　価値の基準が入れ替わった

1-1. 速く作れることが、価値ではなくなった

少し前まで、仕事の価値は作業量と速さで測れた。

文章を速く書ける人、資料を速く作れる人、コードを速く書ける人が評価された。

作れる人の数が限られていたため、作れること自体が希少だったからである。

しかし生成AIが広まったことで、この前提が崩れた。

文章も、資料も、コードも、条件さえ渡せば数十秒で出てくる。

もちろん、出てきたものがそのまま使えるわけではない。

だが「ゼロから形にする」という工程にかかっていた時間は、明らかに短くなった。

ここで起きたのは、作業の価値が下がったことではない。

作業の価値が、誰にでも手が届く場所まで移動したことである。

希少でなくなったものは、価値の基準として使えなくなる。

1-2. 残ったのは、何をするか決める工程

では何が残ったのか。

AIに渡す前と、AIから受け取った後に人がやっていることを並べると分かりやすい。

AIが担当しているのは1行だけである。

残りの4行は、いずれも決めるという行為で共通している。

何を作るか決める。条件を決める。合格か決める。何を残すか決める。

作業能力ではなく、決める能力が問われる場所に仕事が寄っている。

1-3. 差がつくのは、使うかどうかではない

よく「AIを使う人と使わない人で差が開く」と言われる。

これは半分だけ正しい。

実際に差が開いているのは、使うかどうかではなく、使って何が起きたかを判断できるかどうかである。

同じツールを同じだけ触っていても、結果は分かれる。

• 出てきたものをそのまま使い、後から問題に気づく人
• 出てきたものを疑いすぎて、結局すべて自分で作り直す人
• どこが使えてどこを直すか切り分けられる人

3人とも同じようにAIを使っている。

分かれているのは、判断できるかどうかだけである。

この記事で扱う4つの特徴は、この3人目になるために必要なものを分解したものだと考えてほしい。

---

第2章　特徴① 目的を言語化できる

2-1. AIは、言われていない目的を推測できない

AIに何かを頼んだとき、出てきたものが的外れだったことは誰にでもある。

このとき、多くの場合はAIの性能の問題ではない。

渡した指示の中に、目的が入っていなかっただけである。

人に仕事を頼むときは、目的を言わなくても伝わることがある。

同じ職場にいれば、その資料が何に使われるか、誰が読むか、いつまでに要るかを相手が知っているからだ。

AIはこの前提を持っていない。

前回の会話も、今抱えている案件も、読ませる相手の顔も知らない。

そのため、書かれていない条件はすべて一般的な値で埋められる。

「読みやすい文章にして」と頼めば、一般的に読みやすいとされる文章が出てくる。

自分が想定していた読者にとって読みやすいかどうかは、指示に入っていない以上、考慮されない。

ここが分かれ目である。

的外れな出力は、AIが間違えた結果ではない。

書かなかった部分が、一般的な値で埋まった結果である。

つまり目的の言語化とは、AIのための作業ではない。

自分が何を作りたいのかを、自分がまだ言葉にできていないことを見つける作業になる。

2-2. 「いい感じに」をやめて、条件を3行書いた

このサイトの記事を書き始めたころ、AIへの指示は「この内容で記事を書いて」だった。

出てくるものは、読める文章ではあった。

だが自分のサイトに載せるものとは、どこか違った。

違う理由を説明できないまま、指示を少しずつ変えて何度も生成し直していた。

あるとき、指示ではなく前提のほうが抜けていると気づいた。

そこで、記事を書かせる前に3行を渡すようにした。

• 誰が読むか(生成AIを触ったことはあるが、副業の工程に組み込めていない人)
• 読み終えたあと何ができるようになるか
• この記事で扱わないこと

3行目が特に効いた。

扱わないことを書いていなかったため、それまでのAIは関連する話題を親切に足してきていたのである。

範囲を書いた瞬間に、記事の輪郭が安定した。

このとき変わったのは、AIへの頼み方ではない。

自分が記事の範囲を決めていなかったことに、指示を書く過程で気づいただけである。

この3行は、扱う対象が変わっても同じ形で使える。

どれも専門知識ではない。

3つ目の「やらないこと」を書く欄が共通してあることに注目してほしい。

目的を言語化できていない指示は、たいてい範囲が書かれていない指示である。

---

第3章　特徴② AIの出力を評価できる

3-1. 整った文章は、正しさの証明にはならない

AIの出力は、間違っていても文章として整っている。

誤字がなく、構成が揃い、断定的な語尾で書かれている。

そのため、内容の正しさと、見た目の完成度が切り離せなくなる。

自分が詳しくない領域ほど、この傾向は強く出る。

判断材料を持っていないため、読みやすさを正しさの代わりに使ってしまう。

評価できないまま作業を続けると、行き着く先は2つしかない。

出てきたものをそのまま採用して後から破綻に気づくか、AIを疑いすぎて結局すべて自分で書き直すかである。

丸投げか、全部自前か。

その中間、つまり「ここは使える、ここは直す」という切り分けができない。

評価できる人だけが、AIを部分的に使える。

そして評価に必要なのは、専門知識ではない。

生成させる前に、これでは不合格という条件を決めておくことである。

出力を見てから基準を考えると、目の前の出力に引きずられる。

整った文章を読んだ後では、「まあこれでいいか」に流れる。

3-2. 3つの条件を先に渡したら、作り直しが修正に変わった

このサイトの記事を書くとき、最初は出来上がった文章を読んで判断していた。

読むと、たいてい良く見えた。

構成が整っているため、直すところが思いつかない。

それでも公開する気になれず、理由を説明できないまま何度も作り直していた。

途中で、順番が逆だと気づいた。

そこで、記事を書かせる前に条件を決めて渡すようにした。

• 抽象的な話の後に、必ず具体例が来ているか
• 自分の実体験が入っているか
• 他の副業へそのまま持っていける形になっているか

この3つを先に決めてから生成させると、判断が一瞬で終わるようになった。

「2つ目が無い」と言えば、直す場所が特定できる。

作り直しではなく、修正になった。

変わったのはAIへの指示ではなく、自分が先に基準を決めたことだけである。

同じ形は、扱う対象が変わっても使える。

どれも、専門知識ではなく不合格の条件である。

持っていくのは基準の中身ではなく、「生成させる前に、不合格の条件を一文で決めておく」という順番のほうになる。

---

第4章　特徴③ 仕事を工程に分解できる

4-1. 丸投げが失敗するのは、渡す単位が大きすぎるから

「AIに丸投げすると失敗する」とよく言われる。

ただ、失敗の原因は丸投げという態度ではない。

渡した単位が大きすぎて、途中で判断が必要になる場所が中に埋もれてしまうことである。

例として、記事を1本作る仕事を考える。

これを「記事を書いて」と一度に渡すと、次のような判断がすべてAIの側に渡る。

• どの読者に向けるか
• どこまでを扱い、どこからを扱わないか
• どの順番で説明するか
• どんな例を使うか
• どこで終わらせるか

このうち何が採用されたのかは、出来上がった文章を読んでも分からない。

判断した形跡が、文章の中に溶けているからである。

そのため直したいと思っても、どこを直せば変わるのかが特定できない。

結果として「もう一度書いて」としか言えなくなる。

これが丸投げの正体である。

工程に分解するというのは、この埋もれた判断を外に出す作業になる。

読者と範囲を決める      ← 人が判断
構成を作る              ← AIが案を出し、人が選ぶ
各章を書く              ← AI
例を差し込む            ← 人が自分の経験を渡す
不合格の条件で判定する  ← 人が判断
整える                  ← AI

同じ仕事でも、6つに切ると人が判断する場所が3箇所はっきり見える。

丸投げのときも、この3箇所の判断は発生していた。

見えないままAIに渡っていただけである。

4-2. 記事作成を6工程に切り、渡せる場所を見つけた

この分解を最初にやったのは、記事作成ではなくX投稿の作業だった。

毎回ゼロから投稿文を考えていて、時間がかかるわりに出来が安定しなかった。

AIに「投稿を作って」と頼んでも、自分が書きそうにない文章が出てくる。

そこで、自分が実際にやっている手順を書き出してみた。

書き出すと、投稿を作る前に素材を選ぶ工程があることに気づいた。

過去の失敗や判断のログを見返して、今週どれを使うか決めていたのである。

そしてこの工程こそが、出来を左右していた。

素材の選択を自分でやり、文章化だけをAIに渡すようにしたところ、出てくるものが一気に自分のものになった。

工程を分けたことで分かったのは、AIが苦手だったのは文章化ではないということだった。

どの素材を使うかという判断を、材料なしでやらされていただけである。

この切り分けは、他の副業でも同じ位置に現れる。

左の列に並んでいるのは、いずれも選ぶ工程である。

分解するときの目印は、ここになる。

自分の仕事を工程に切ってみて、選ぶという動詞が出てきた場所が、人が持つべき工程になる。

---

第5章　特徴④ 一度の成果を仕組みとして残せる

5-1. 毎回説明し直している限り、成果は積み上がらない

AIとのやり取りで、良い出力が得られることがある。

条件を丁寧に伝え、何度か直させ、ようやく納得できるものになる。

問題はこの後である。

次に同じ種類の仕事をするとき、また同じ説明を最初からすることになる。

AIは前回のやり取りを覚えていないからだ。

これが続くと、作業のたびに同じ時間がかかる。

一度うまくいったことが、次に生きていない状態である。

しかもこの状態は、自覚しにくい。

毎回それなりの成果は出ているため、困っているという感覚が薄い。

積み上がっていないことに気づくのは、数か月たって「前にも同じことを説明した気がする」と思ったときになる。

ここを抜けるのに必要なのは、記憶力でも根気でもない。

判断の結果を、次に読める形で外に置くことである。

置く場所は、AIに渡せるところであればどこでもよい。

3行目まで行くと、作業の性質が変わる。

毎回渡していた前提が、渡さなくても効いている状態になるからである。

5-2. 判断基準をルール文書にしたら、説明が消えた

このリポジトリでは、記事を書くときの判断基準を文書として置いている。

最初からそうしていたわけではない。

はじめは会話の中で毎回説明していた。

文体は常体にすること、抽象的な話の後には必ず具体例を置くこと、目次は表にすること。

同じ説明を何度か繰り返したところで、これは説明ではなくルールだと気づいた。

そこで判断基準のほうを文書に書き、AIが最初に読む場所へ置いた。

変わったのは、指示の長さである。

それまで毎回20行ほど書いていた前提が、不要になった。

さらに効果が大きかったのは、自分の判断がぶれなくなったことだった。

会話の中で説明していたころは、その日の気分で微妙に基準が変わっていた。

文書にすると、前回と違う判断をしたときに自分で気づける。

つまりこの残し方は、AIのための準備であると同時に、自分の判断を安定させる仕組みでもあった。

残す対象は、成果物そのものではない。

左の列は、次の仕事でもそのまま効く。

右の列は、その1回にしか効かない。

次も効くほうだけを残すというのが、この特徴の中身になる。

---

第6章　明日からどこを鍛えるか

6-1. 4つのうち、どれが欠けているかは症状で分かる

4つを同時に鍛える必要はない。

今の自分に欠けているものは、AIを使っているときの症状で見当がつく。

3行目と4行目は、①②ができるようになった後に出てくることが多い。

順番としては①→②→③→④に進むのが自然である。

ただし厳密な順序ではない。

今いちばん頻繁に起きている症状から手を付けてよい。

6-2. どれも、作業の外側に持ち出せる

ここまで4つの特徴を、記事作成や投稿作成という自分の作業を例にして書いてきた。

だが4つとも、扱う対象が変わっても形が変わらない。

そのまま他の副業へ持っていける。

持っていくのは、それぞれの節で作った表の中身ではない。

どれも領域の知識を含んでいない。

動画編集でも、デザインでも、データ整理でも、そのまま同じ手順で使える。

移せるのは中身ではなく順番のほうだというのが、4つに共通している点になる。

だから新しい副業を始めるときも、最初にやることはツール選びではない。

この4つを、その領域の言葉で書き直すことになる。

---

まとめ

AI時代に価値が上がる人の特徴として、4つを挙げた。

目的を言語化できること。出力を評価できること。仕事を工程に分解できること。一度の成果を仕組みとして残せること。

4つとも、AIの知識ではない。

そしてどれも、AIが担う工程の前か後ろにある。

作業そのものが速くなったからこそ、その前後で何を決めたかが結果を分けるようになった。

これは新しく生まれた能力ではない。

もともと仕事の中にあったが、作業に時間を取られて見えていなかった部分である。

作業が短くなったことで、そこが露出しただけだと考えている。

そう捉えると、鍛える対象ははっきりする。

AIの使い方を覚えることではなく、自分が何を決めているのかを毎回言葉にすることである。