仕事の未来とは何か：予言ではなく、証拠に基づく定義

著者: Victor Hoang · 更新日: 2026年9月22日

仕事の未来とは、人がどのタスクを担うか、そのタスクにどのスキルが必要か、組織がどう構成されるか、そして成果がどう生み出されるかという点で進行している、測定可能な変化のことです。現在は主にAIが牽引しています。それは単発の出来事でも、決まった期日でも、どの仕事がなくなるかについての確定した結論でもありません。労働データ、導入調査、組織図にすでに表れている一連のトレンドであり、その大半は部分的で、中には互いに矛盾するものもあります。

この定義は、カンファレンスで売られているものより狭いものです。10人のコンサルタントに「仕事の未来」の意味を尋ねれば、10通りの予測が返ってきますが、その多くは特定のベンダーのロードマップを延長したものです。このコレクションは、この言葉を違う形で扱います。スライド1枚で済むスローガンではなく、出典、方法、日付が必要な主張として扱うのです。

「仕事の未来」が実際に意味すること

マーケティングの飾りを取り除くと、実際に動いているものは4つあり、それぞれに固有の証拠と時間軸があります。

タスクの構成。 既存の仕事の中で、人がどの具体的なタスクに時間を使うかが変わりつつあります。採用担当者は今も採用を行いますが、最初のアプローチメッセージの下書き、履歴書のスクリーニング、通話の要約は、ますますAIツールが先に行うようになっています。職種名は変わりません。その下にあるタスクの一覧は変わっているのです。

スキル要件。 役割の中で何が価値ある専門性とみなされるかは、機械がその定型的な部分をこなせるようになると変わります。AIの出力を評価すること、誤った回答に気づくこと、いつツールを信用してはいけないかを知ることは、その仕事がもともと求めていたものに加えて、それ自体が独立したスキルになります。

組織構造。 誰が誰を監督するか、マネージャーが何人を見るか、現場の担当者と経営幹部の間に何層あるかは、いずれも静かな圧力を受けています。ただし、ホワイトボードに描かれたほとんどの組織図が示唆するよりも、はるかにゆっくりと、ばらつきを伴って進んでいます。

仕事が生み出される方法。 人の労力、ソフトウェア、そして今ではAIエージェントが組み合わさって、1件のアウトプット（クローズしたサポートチケット、リリースされた機能、締結された契約）を生み出す、その配分は、人員数のレベルで目に見える何かが変わるより前に、個々のワークフローの内部で変わりつつあります。

この4つのどれも、「AIが仕事を奪う」が真実であることを前提としていません。4つとも、その主張なしですでに測定可能です。だからこそ、実際には起きていない大量失業という見出しの数字よりも、現実の意思決定を行うリーダーにとって有用なのです。これら4つの変化の裏づけとなる測定済みの研究を、どの主張が成り立ち、どの主張がまだ成り立たないのかを含めて詳しく知りたい方は、AIは仕事をどう変えているのか、証拠が示すことをご覧ください。

導入と成果のギャップ

2026年に仕事の未来に関するコンテンツを読む経営者にとって、最も重要な事実は次のとおりです。AIの導入とAIの事業成果は同じ曲線ではなく、両者の間のギャップは現在、非常に大きいのです。

McKinseyの2025年State of AI調査（約2,000組織が対象）では、88%の組織が少なくとも1つの事業部門でAIを利用していました。これはほぼ全面的な導入です。ところが、そのAI利用によるEBITへの測定可能な影響があると答えた組織は39%にとどまり、そのうちの大半は、影響は利益の5%未満だと答えています。McKinseyが「AIハイパフォーマー」と呼ぶ、大きな価値と意味のあるEBITへの貢献の両方を報告している組織は、わずか6%でした。この上位グループを分けた要因は、どのモデルを使ったかではありません。変わらないプロセスにチャットボットを後付けするのではなく、土台となるワークフローを実際に再設計していたことでした。

MITのProject NANDAは、2025年の調査「State of AI in Business」で、このギャップを別の角度から調べました。300超のイニシアチブ、数十件の経営者へのインタビュー、ビジネスリーダー向けの調査をもとにしたもので、その結論はもっと率直でした。生成AIのパイロットのおよそ95%は、損益に測定可能な影響を示しませんでした。うまくいったパイロットにはある共通点がありました。プレスリリースで発表されるような幅広く野心的な展開ではなく、責任者が明確で、フィードバックのループが短い、範囲を絞ったバックオフィス業務だったのです。

Gartnerは、現在の野心の波のかなりの部分がどこに行き着くかを予測しています。エージェント型AIプロジェクトの40%超が、2027年末までに中止されると見込んでおり、その理由としてコストの上昇、不明確な事業価値、そもそも組み込まれていなかったリスク管理を挙げています。

ギャップが存在する理由

これは、AIが機能しないという意味ではありません。大半の組織がパイロット段階で止まっており、プロセスをAIを中心に再設計するのではなく、変わらないプロセスの横でAIを動かしているということです。人がすべてのステップを順番にこなすことを前提に作られたワークフローは、1つのステップが速くなっただけでは速くなりません。ボトルネックが、再設計されていない次の引き継ぎに移るだけです。これはワークフロー設計の失敗であり、技術が過大評価されている証拠ではありません。そして、有望なパイロットがP&Lに届かない最も一般的な理由です。同じ不均一さは、企業間だけでなく、1つの企業の内部にも現れます。AIを軸にワークフローを組み直した従業員と、まったく手をつけていない従業員を実際に分けているものについては、AI導入格差をご覧ください。

仕事全体の置き換えではなく、タスク単位の変化

この分野で最も持続的な知見であり、見出しの報道で最もよく飛ばされるのは、変化が仕事ではなくタスクの単位で起きているということです。

MITの経済学者David AutorとMITのコンピューターサイエンティストNeil Thompsonは、専門性と自動化に関する研究で、この点を直接論じました。彼らの主張はこうです。あるタスクが自動化されたとき、その仕事に残った労働者にとってそれが有利か不利かは、その自動化されたタスクが、その特定の職業の中で相対的に専門的だったか、そうでなかったかによって決まります。日常的なメールを書くのか、法的な書面を書くのかというように、同じタスクでも、ある仕事では低スキル、別の仕事では高スキルになりえます。そのため、「同じ」活動を自動化しても、ある職業では賃金が上がり有資格者の層が狭まる一方、別の職業では賃金が下がり層が広がることがあります。結果を実際に予測するのは、「AIは仕事のX%を置き換える」という一括りの数字ではなく、タスク単位の詳細です。

世界経済フォーラムの「Future of Jobs Report 2025」は、純減による崩壊を予測することなく、この入れ替わりの規模を数値化しています。世界中の10億超の雇用を代表する雇用主を対象にした調査では、2030年までに既存の9,200万の雇用が置き換えられる一方、1億7,000万の新しい雇用が生まれ、差し引き7,800万の雇用の純増になるものの、構造的な入れ替わりは現在の正規雇用全体のおよそ22%に相当すると予測しています。この2つの数字を合わせて読むと、率直な結論は「AIは安全だ」でも「AIは雇用の黙示録だ」でもありません。労働市場のタスク構成の5分の1が同時に組み替えられているということであり、全体の計算では差し引きプラスになるとしても、個々の労働者やチームのレベルでは混乱を伴います。

証拠が示していないこと

この分野の多くは、測定ではなく推論で動いているため、実際に分かっていることの限界を明示しておくことが重要です。

証拠は、経済全体にわたる大規模な雇用破壊がすでに起きたことを示していません。企業レベルでのAI導入が、企業レベルの利益を確実に生み出すことも示していません。McKinsey自身のデータは、導入企業の大半について逆のことを示しています。「Y年までにタスクのX%が自動化可能」という予測が、いずれも正確さの実績を持つことも示していません。それらの数字は、名前の挙がった研究者が特定の前提で導いたモデルの出力であって、測定された結果ではなく、常に手法を添えて読むべきものです。そして、組織図のフラット化、週4日勤務、大規模な再配置プログラムが、現時点で例外ではなく標準になっていることも示していません。そのそれぞれが、すでに標準であるかのように語られているにもかかわらずです。

重要なポイント

• WEF Future of Jobs Report 2025：雇用主は、2030年までに9,200万の雇用が置き換えられ、1億7,000万の雇用が生まれると予測しています。差し引き7,800万の純増で、調査対象の正規雇用約12億のうち約22%に相当する構造的な入れ替わりです。出典：World Economic Forum
• McKinsey State of AI 2025：88%の組織が少なくとも1つの事業部門でAIを利用していますが、EBITへの影響があると答えたのは39%のみで、EBITへの影響が5%以上の「AIハイパフォーマー」に該当するのはわずか6%です。出典：McKinsey
• MIT Project NANDA「State of AI in Business 2025」：生成AIのパイロットのうち、測定可能な収益への影響を実現するのは約5%で、残りは損益に測定可能な影響を示していません。出典：Fortune
• Gartnerの予測（2025年）：エージェント型AIプロジェクトの40%超が、コスト、不明確な価値、弱いリスク管理を理由に、2027年末までに中止される見込みです。出典：Gartner forecast, reported by RCR Wireless
• Stanford Digital Economy Lab「Canaries in the Coal Mine?」（2026年）：AIの影響を最も受けやすい職業における22歳から25歳の雇用は、影響の少ない同世代の動きに沿っていた場合と比べて約19%低くなっていますが、研究者は、経済全体にわたる広範な置き換えは確認していません。出典：Stanford Digital Economy Lab
• Microsoft Work Trend Index 2025：リーダーの82%が、今年は戦略と運営を見直す転換の年だと答えています。自らを「Frontier Firm」と位置づける企業の従業員は、自社が成長していると答える割合が世界平均のおよそ2倍です。出典：Microsoft WorkLab
• AutorとThompson（MIT）「Expertise」：タスクを自動化すると、そのタスクが専門レベルだった場合は賃金が上がり有資格者の層が狭まり、そうでなかった場合は逆の結果になります。同じ活動でも、職業によってどちらにもなりえます。出典：MIT FutureTech

誰も避けられないスキルの入れ替わり

上記のタスク単位のシフトは、スキルに直接影響します。全体の雇用の計算が問題なさそうに見える場合でも、個人のキャリアにとっては、おそらくこの全体像の中で最も混乱をもたらす部分です。

世界経済フォーラムの同じ2025年の調査では、雇用主は2030年までに中核的な職務スキルのほぼ40%が変化すると見込んでおり、その結果生じるスキルギャップを、AI関連の変革を実行するうえで最大の障壁として挙げました。これは遠い先の予測ではありません。転職するかもしれない仕事ではなく、現在すでに就いている仕事に必要なスキルセットについての話なのです。

最も早い段階の犠牲は、エントリーレベルに現れています。2026年までの給与データを追跡したStanfordのDigital Economy Labは、AIの影響を最も受けやすい職業における22歳から25歳の雇用が、AIの影響が少ない同世代と歩調を合わせていた場合を明らかに下回っていることを突き止めました。同じ職業の経験豊富な労働者の雇用全体は横ばいか増加していたにもかかわらずです。見出しよりも重要なのはそのメカニズムです。減少は、若手が最初に割り当てられていた、定型的で見習いとして力をつける仕事をAIが代替する役割に、特に集中しています。これは人員数の問題である以前に、人材パイプラインの問題であり、全体の失業率には何年も現れません。

組織構造は変わりつつあるが、語られている物語よりもゆっくり

マイクロソフトがこの時代を表す言葉として使う「Frontier Firm」、つまり人間の従業員とAIエージェントを組み合わせて構築した企業は、本当に存在するトレンドを指す業界の略語になりました。より多くの労働者が、中核的な業務の一部として、AIの出力を指揮し、確認し、修正することを求められており、マイクロソフト自身の調査は、この役割を「エージェントボス」と呼んでいます。私たちの姉妹コレクションでは、そのアイデンティティと、それが生み出す規範を、Frontier Firmとエージェントボスおよび人間とエージェントのチームと文化で、より詳しく扱っています。

データがまだ裏づけていないのは、管理職の階層が丸ごと消え、組織図があらゆる場所でフラットになるという、より劇的な見方です。タスクの自動化が進んだ一部の機能ではフラット化が進んでいますが、大半はそうではなく、トレンド記事が示唆する規模にはまだ達していません。組織設計は、ここでは動きの遅い手段の1つです。法的な構造、報告ライン、単純な組織の慣性に阻まれており、タスク単位のAI導入にはそのような制約はありません。

日常会話で「AIが仕事を奪っている」と呼ばれるものの大半は、実際には1行目の拡張が、3行目と読み違えられたものです。この2つを混同すると、避けられたはずのパニックと、避けられたはずの油断の両方が数多く生じます。中央の行、つまり人が例外を担い続ける自動化が、最も注意して見るべきものです。そこではヒューマンインザループが意味のあるものであり続けるか、いつの間にか形だけの承認印になるかが分かれるからです。

人間が中心であり続ける領域

上で引用した信頼できる研究は、懐疑的なものも含め、すべてがある1点で一致しています。この証拠のどれも、人間の労働者が中心にいない近い将来を指してはいません。指しているのは、人間が何のためにいるのかの再配分です。

曖昧さの中での判断、つまり過去のデータのパターンに還元できない意思決定の部分は、人間のものであり続けます。AIシステムは既存のパターンを拡張するように作られており、本当に新しいものを生み出すようには作られていないからです。説明責任も人間のものであり続けます。誰かが、システムにはできない形で結果を引き受けなければならないからです。これは、基盤となるモデルがどれほど高性能になっても、規制当局、裁判所、取締役会のいずれもが現時点で一致している事実です。そして信頼、つまり顧客や直属の部下が特定の人に時間をかけて寄せるような信頼は、エージェントが人間の代わりに積み上げられるものではなく、その人と並んでしか積み上げられません。

そうした「AIに備えた人間の中核」を築くことは、それ自体が1つの専門分野であり、このコレクションは、その規範と行動の側面についてはビジネス文化のライブラリーに委ねています。AIネイティブな文化とは実際にどのようなものか、AIに備えた文化の構築、AI時代の文化のリーダーシップ、AIチームにおける心理的安全性をご覧ください。省略された規範や定義されない行動という負債が積み重なると、のちにそのライブラリーがAIカルチャルデットと呼ぶものとして表面化します。このコレクションは、そのコストを、ここで扱うスキルや役割の問題を構造面で映した鏡像として捉えています。

目にする仕事の未来についての主張の読み方

この分野の多くが、調査結果の顔をした予測で動いていることを考えると、取締役会向け資料や戦略メモで統計を繰り返す前に、短いチェックリストがあると役立ちます。

リーダーが今、何をすべきか

上記の研究のどれも、立ち止まることを勧めてはいません。勧めているのは、証拠が見返りをもたらす領域に労力を注ぐことです。変わらないワークフローの上にAIを重ねるのではなくワークフローを再設計すること、若手の役割がかつて担っていたエントリーレベルのパイプラインを再構築すること、そしてタスク、スキル、構造、成果のうち、どの変化を前提に実際に計画しているのかを従業員に明確に伝えることです。

そうした作業の一部は、戦略の問題である前にデータの問題です。自社に現在どのような役割、スキル、ワークフローがあるかを把握することは、これらすべての意思決定の土台になる基準であり、Peopleプラットフォームが提供することを目的とする、従業員データの基盤にあたります。ワークフローの中での人とAIエージェントの引き継ぎを標準化することは、プロセスをその場で自動化するだけでなく再設計した後の、Work Opsの問題です。

このコレクションの残りは、それぞれの論点を個別に取り上げます。導入と成果のギャップの背景にある生産性パラドックスと、それによって解放された時間を実際に誰が得るのかから、エントリーレベルのキャリア、中間管理職の変化、そして今年それを構築する経営チームにとって、人員の目標数ではなくタスクを軸にした従業員戦略がどのようなものかまで扱います。