AIを使いこなす人は、外から探すより社内で育てる方が早い――現場を知る人に「問いの力」を

AI 社内育成 

ここ何年も、どこへ行っても「人が足りない」という話を聞いてきました。ところが最近、その言葉をあまり聞かなくなった気がしています。

きっかけは二つありました。一つは、知り合いから聞いた話です。大手のエンジニア派遣会社が、人を余らせているというのです。少し前まで、エンジニアはどこも取り合いだったはずです。

もう一つは、私自身の仕事です。AIエージェントを使うようになってから、一人で三人分くらいの仕事をこなせている感覚があります。

最近はさらに、AIの方が全てにおいて優秀なので、常にAIが裏で仕事をしていて、AIの手の届かないところだけを、私が下働きとしてお手伝いさせてもらっている。そんな感覚になってきています。

あれ、これ、人がいらなくなっていくんじゃないか。私はAIと毎日仕事をしていて、人手不足は解消の方向に向かうのでは、と感じています。

商工会議所のセミナー準備をきっかけに、気になっていた数字を調べてみました。国の統計ではまだ裏付けられていないものの、私なりにそう考える理由があります。

この見方は、中小企業のAI人材確保にも関わる重要なテーマだと考えています。

目次

数字の上では、人手不足は続いている

全体で見れば、人はまだ足りていません。厚生労働省の発表では、2026年9月の有効求人倍率は1.19倍。仕事を探す人1人に対して、1件を超える求人がある状態が続いています。帝国データバンクの調査では、正社員が足りないと答えた企業は2026年7月の時点で51.3%。人手不足が原因の倒産は2026年度の上半期(4〜9月)で225件あり、上半期として過去最多でした。

ただ、求人の勢いは少しずつ落ちています。有効求人倍率の年度平均は、2022年度の1.31倍から2025年度は1.20倍まで下がりました。私が「人手不足と聞かなくなった」と感じたのは、このあたりの空気かもしれません。

そして職種別に見ると、景色がまるで違います。同じ2026年9月の数字で、建設の躯体工事は8.41倍、介護サービスは3.94倍です。1人の求職者を、何社もが取り合っています。一方で、一般事務は0.30倍。求人は、仕事を探す人の3分の1もありません。

一般事務の倍率が低いのは、いまに始まったことではありません。事務の仕事はもともと、求人よりも希望する人の方が多い職種です。変わってきたのは、現場との差です。現場の倍率は1年前より上がり、事務の倍率は下がりました。足りないところはますます足りなくなり、そうでないところとの差が開いています。

AIが得意なのは、机の上で完結する仕事です。ですから私は、この差はこれからも広がると見ています。

それでも、解消に向かうと推測する理由

AIのせいで仕事が減ったという証拠も、国の統計を見るかぎり、まだありません。厚生労働省の2026年の労働経済白書も、AIが大きな雇用の減少をもたらしている証拠は確認されていない、としています。

ただ、現場で聞く話は、少し先を行っているように感じます。

マイナビが2026年の秋に企業1,667社に聞いた調査では、AIの普及で新卒採用が減ると答えた企業は、全体の6.3%でした。9割の企業は、変わらないと答えています。ところが事務・管理系の職種に限ると、およそ2割の企業が採用を減らすと答えました。ソフトウェア・通信の業界でも、17.1%が減ると答えています。

米国では、もう一歩進んだ研究が出ています。ノースイースタン大学の研究者らが米国の求人を調べたところ、ChatGPTが公開されてからの1年間で、経験の浅いソフトウェア開発者向けの求人は、経験者向けに比べておよそ15%減っていました。日本で同じことが起きているというデータは、まだありません。

全体で見れば、まだ小さな動きです。統計は起きたことを後から数えるものなので、現場の空気より遅れて出てくるのだろうとも思います。ただ、それは私の見立てで、証拠ではありません。

私が感じているのは、こういうことです。机の上で完結する仕事では、一人でこなせる量が増えて、人手不足は解消の方向に向かう。現場の仕事では、人手不足が続く。当たるかどうかは、まだ分かりません。

ただ、この推測が当たっても外れても、気になることが一つあります。採用を減らすと答えているのは、事務やプログラミングといった、これまで若手が下積みをしてきた職種だということです。

育つ場所がなくなる

事務業務や、システム開発におけるプログラミング・テストなどの業務は、これまで若手が経験を積む場所でした。伝票を1枚ずつ入力しながら、会社のお金の流れを覚える。先輩の書いた仕様どおりに作りながら、システム全体の形を覚える。業務全体を見て考えられる人は、そうやって下積みの中から育ってきました。

その下積みをAIが担うようになると、業務全体を見られる人が育つ場所もなくなります。では、AIに何を任せるかを決められる人は、これからどこで育つのか。

道は二つあると思います。
ITに強い人に、自社の業務を覚えてもらう。
あるいは、自社の業務を知っている人に、AIを使う力を付けてもらう。

私は、後者の方が早いと見ています。そう考えるのは、私自身が後者の道で来たからです。

私はエンジニアではありませんでした

私はいま、システムの導入支援やAIを使った開発の仕事をしていますが、もともとエンジニアではありません。プログラムを書く下積みで開発を覚えた、という経験もありません。

私がやってきたのは、会計、人事、労務、情報部門といった、手を動かす側の仕事です。経理処理も、税務調査の対応も、勤怠管理も、給与計算も、採用も、就業規則の策定も、人事施策の企画立案も、バックオフィスの実務はほぼ全部やりました。

それぞれの業務を効率化するためのシステム選びから、導入の設定作業、ノーコードでの構築、ネットワークやサーバーの管理運用といったインフラまで携わりました。インフラやシステム開発は業者さんと進めましたが、管理は自分でしていました。

そのおかげで、会社の中の仕事が頭の中で一本につながっています。経費の入力ルールを一つ変えたら、月次の締めにどう響いて、給与にどう響くか。一つの部署にとっての正解ではなく、全体として正しいかで判断する癖は、このときにつきました。

開発の進め方を覚えたのは、発注する側のプロジェクトリーダーとして開発プロジェクトを引っ張ったときです。受託会社の方々の進め方を間近で見て、開発には型があることを学びました。いま私が、業務とシステムの合うところ・合わないところを洗い出す「フィットギャップ」で導入支援をしているのも、AIの開発をしているのも、このとき学んだ型が土台になっています。

SaaSに初めて触れたのは、社保や労保の電子申請システムが世の中に出てきたときです。それまでは手続きのたびに、労基署との往復に4時間くらい取られていました。それが、ボタン一つで完結する。感動しました。

それから、いろいろなSaaSを触ってきました。このシステムはここが得意で、ここは苦手で、こういう癖がある。そういう肌感覚が、導入支援でも開発でも効いていると感じます。

振り返ると、私はコードを書けるようになったから上流の仕事ができるようになったわけではありません。現場の仕事を知っていたところに、開発の型を後から足しただけです。

なぜ、現場を知る人の方が早いのか

AIを仕事で使いこなすには、三つの力が要ります。

一つ目は、AIの答えが正しいかどうかを見分ける力です。AIも間違えます。ただ私は、AIが間違う理由のほぼ全ては、人が渡す情報に不足があっただけだと感じています。「この数字はおかしい」と気づいて、何を渡し忘れていたのかまで分かるのは、その業務を何年もやってきた人だけです。

二つ目は、人から本当の困りごとを聞き出す力です。お客様や同僚が口にする要望と、実際に困っていることは、たいてい少しずれています。そのずれに気づけるのは、日々その人たちと話している人です。

三つ目は、頼みたいことを言葉にして、分けて渡す力です。私はこれを「問いを投げる力」と呼んでいます。「いい感じにまとめて」ではAIは動けません。何を集めて、どう並べて、どうなっていれば完成なのか。そこまで言葉にして初めて、AIは仕事をしてくれます。

現場を知る人は、一つ目と二つ目をすでに持っています。足りないのは三つ目だけです。

ITに強い人はその逆で、三つ目は得意でも、一つ目と二つ目を身につけるには、その業務を何年も経験してもらうしかありません。業務の知識と現場の勘には、近道がないからです。

三つ目の力は、後からでも身につきます。しかも、AIに頼んでみて、思ったものが返ってこなくて、頼み方を直す。この繰り返しそのものが練習になります。年単位はかかりません。

実は、この三つ目の力に名前が付いたのは、私にとってもつい最近のことです。

セミナーの内容をAIと相談していたとき、「参加者に、自分の業務を動詞に分けてもらうワークをやったらどうか」とAIに提案されました。それを読んで、気づきました。まさしく、自分がずっとやってきたのはこれだ、と。

私は昔から、業務を切り出して人に任せる、ということを習慣にしてきました。仕事を丸ごと抱えるのではなく、ここからここまでを切り出して、こうなっていれば完成、と伝えて渡す。相手が部下でも、外注先でも、やることは同じです。AIに仕事を頼むようになってからも、特別なことを覚えた感覚はありませんでした。渡す相手がAIに変わっただけだったからです。

人に仕事を任せたことのある現場の人は、問いを投げる力の入口に、もう立っているのだと思います。

問いを投げる力は、こうやって身につく

特別な勉強は要りません。私が研修でお伝えしているのは、次のようなことです。

頼む前に、「どうなっていれば完成か」を自分で書いてみる。これが書けないときは、AIに頼んでもうまくいきません。人に頼むときと同じです。

自分の業務を、動詞に分けてみる。「請求書を処理する」ではなく、「集める」「写す」「確かめる」「書く」。分けてみると、AIに任せられる作業と、自分がやるべき作業が見えてきます。

AIが作ったものを確かめて、どこが違うのかを言葉にする。「なんか違う」ではなく、「取引先名が正式名称になっていない」と言えるようになると、頼み方が一段うまくなります。

そして、小さな仕事を一つ選んで、AIと一緒に最後までやり切ってみる。途中まで試して終わりにしない、というのが大事なところです。

現場の人だけでは、できないこともある

ここまで現場の人を持ち上げてきましたが、現場の人だけで全部できるとは思っていません。

システム同士をどうつなぐか、セキュリティをどう守るか、会社のデータをAIにどこまで見せてよいか。こういう部分は、専門家が要ります。ここを現場の工夫だけで乗り切ろうとすると、あとで大きな事故になりかねません。

もう一つ、現場の人は忙しいです。業務をいちばん知っている人は、たいてい社内でいちばん手が空いていない人です。その人に「AIも勉強しておいて」と言うだけでは、何も始まりません。学ぶ時間をつくり、どこまで任せるかを決めるのは、経営者の仕事だと思います。

現場の人が考え、専門家が支える。中小企業には、この形が合っていると私は見ています。

中小企業の方が、有利かもしれない

大きな会社では、業務を知る人と、決める人の間に何層もあります。中小企業は、そこが近い。社長が「この業務はあの人がいちばん詳しい」と顔を思い浮かべられます。誰に学んでもらうかを、今日決められます。

最初の一歩は、小さくて構いません。業務をよく知っている人を一人選ぶ。その人に、自分の業務を動詞に分けてもらう。その中から、AIに任せる作業を一つ選んでもらう。

AIを使える人を外から探すのは、どの会社にとっても難しくなっています。けれど、自社の業務を知っている人は、もう社内にいます。私はそこから始めるのが、いちばん早いと考えています。

当社のAI研修では、参加される方がご自身の業務を持ち寄り、どこをAIに任せるかを考えて、アクションプランにまとめるところまで行います。社内の誰に学んでもらうかを考えるときの参考に、ご覧いただければと思います。

AIと仕事のこれからについては、こちらのコラムにも書いています。

出典

  • 厚生労働省「一般職業紹介状況(令和8年9月分)」(2026年10月30日公表)。有効求人倍率1.19倍は季節調整値。年度平均と職種別の倍率は実数で、職種別は参考統計表6(常用・パート含む)(出典ページ)
  • 帝国データバンク「人手不足に対する企業の動向調査(2026年7月)」(出典ページ)
  • 帝国データバンク「人手不足倒産の動向調査(2026年度上半期)」(法的整理、負債1000万円以上)(出典ページ)
  • 厚生労働省「令和8年版 労働経済の分析」(2026年9月)(出典ページ)
  • マイナビ「2027年卒企業新卒内定状況調査<新卒採用とAI>」(2026年11月10日公開、調査期間2026年9月7日〜10月4日、有効回答1,667社)。採用の実績ではなく、企業の意向を聞いた調査です(出典ページ)
  • Westby, Modestino, Cheng “Generative AI and the Redefinition of Entry-Level Software Work” IZA DP No. 18723(2026年6月)。米国の求人データ。経験3年以下の求人と4年以上の求人を比較(出典ページ)

この記事を書いた人

株式会社 ai-soumu(エーアイソウム)
代表取締役 上瀬戸研次
中小企業診断士

事業会社にて18年に渡り経理・総務・人事・情報部門といったバックオフィス業務に従事。
会社設立後はバックオフィスの業務改善・DXの専門家として、IT導入補助金を活用してクラウド会計をはじめ、各種SaaSの販売および導入支援を行う。

目次