AIを学ぶ目的は、ChatGPTを上手く使うことだけではありません。G検定の学習から見えてきたのは、AIに任せる仕事、人が担う仕事、周囲を巻き込む仕事の違いでした。AI時代に成果を最大化する働き方を、実体験から考えます。
みなさんこんにちは！
サラリーマンの大樹です！
みなさんは、仕事でAIを使っていますか？
メールの下書き。
情報の整理。
資料の構成。
企画のアイデア出し。
生成AIは、少し前まで人が時間をかけていた仕事を、数秒で形にしてくれます。
私も現在、ChatGPTを毎日のように使っています。
営業の仮説を整理するとき。
ブログの企画を考えるとき。
頭の中にある考えを、言葉へ変えるとき。
AIは、すでに仕事を進めるうえで欠かせない存在です。
一方で、便利になればなるほど、別の不安も生まれます。
自分の仕事は、AIに奪われないのか。
これから人間は、どこで価値を出せばいいのか。
ChatGPTを使っているだけで、AI時代へ対応できていると言えるのか。
私も、最初から答えを持っていたわけではありません。
AIが好きだったわけでもありません。
食品メーカーで営業をしていた頃、AIは自分の仕事から遠い存在に見えていました。
それでも、新聞を開けばAIの話題が増えていく。
世の中では大きな変化が始まっている。
しかし、自分の目の前の仕事は、昨日とほとんど変わらない。
その差が、少しずつ怖くなりました。
分からないまま働き続けていたら、気づいたときには大きな差がついているかもしれない。
そこで手に取ったのが、
『徹底攻略 ディープラーニングG検定 ジェネラリスト問題集』
でした。
ただし、この記事はG検定の試験内容や勉強法を紹介する記事ではありません。
ChatGPTの便利な使い方を並べる記事でもありません。
この本を通じてAIの仕組みを学んだことで、私が考えるようになったのは、むしろ人間の仕事についてでした。
AIには、何を任せるのか。
人は、どこで価値を加えるのか。
一人では作れない成果を、誰と作るのか。
この記事で伝えたいことは、一つです。
AIを理解すると、人がやるべき仕事と、AIに任せる仕事が見えてくる。
そして、成果を最大化する人は、AIに勝とうとする人ではありません。
AIと人、それぞれの強みを理解し、必要な力を巻き込める人です。
![[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]](https://hbb.afl.rakuten.co.jp/hgb/2cee0e1c.8d66cd7a.2cee0e1d.ca70dd30/?me_id=1213310&item_id=21227392&pc=https%3A%2F%2Fthumbnail.image.rakuten.co.jp%2F%400_mall%2Fbook%2Fcabinet%2F4814%2F9784798184814_1_92.jpg%3F_ex%3D128x128&s=128x128&t=picttext "[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]")
AIを学ぼうと思った理由は、AIが好きだったからではない。
私が食品メーカーで営業をしていた頃、AIを知らなくても仕事は進みました。
顧客と商談する。
商品を提案する。
社内の関係部署と調整する。
売上や在庫の数字を確認する。
目の前の仕事だけを見れば、AIを学ぶ必要性は感じにくい環境でした。
食品業界は、人の生活を支える重要な業界です。
一方で、新しい技術が日々の営業現場へ届くまでには、時間がかかることもあります。
少なくとも、当時の私の周囲では、AIによって仕事が大きく変わっている実感はありませんでした。
昨日と同じように商談へ行く。
昨日と同じように資料を作る。
昨日と同じように社内調整をする。
しかし、新聞を開くと、AIに関する記事は増えていました。
企業がAIを導入した。
人が行っていた仕事を自動化した。
AIが人間を上回る精度を出した。
詳しい仕組みは分かりません。
それでも、社会のどこかで仕事の前提が変わり始めていることは感じました。
自分の仕事は変わっていない。
しかし、世の中では変化が進んでいる。
その差に危機感を持ちました。
変化が目の前に見えていないから、安全なのではない。
見えていないからこそ、気づいたときには取り返せない差が生まれているかもしれない。
私を動かしたのは、AIへの好奇心よりも、
分からないまま取り残されたくない
という気持ちでした。
何かを学び始める理由は、憧れや興味だけではありません。
「このままではいけない気がする」
という危機感も、一歩を踏み出す理由になります。
私にとってG検定の勉強は、AIを好きになるためのものではありませんでした。
分からないものを、分からないままにしないための行動でした。
G検定で学んだのは、AIの使い方ではなく、学ぶ仕組みだった。
G検定の勉強を始める前、私はAIについて曖昧なイメージしか持っていませんでした。
大量の情報を処理できる。
人間より速く答えを出せる。
将来的に、多くの仕事を自動化する。
その程度です。
しかし、実際に問題集を開くと、単純な話ではありませんでした。
人工知能の歴史。
機械学習。
ニューラルネットワーク。
ディープラーニング。
教師あり学習。
教師なし学習。
強化学習。
評価方法。
AIが抱える課題。
最初は、用語を追いかけるだけで精いっぱいでした。
問題を解く。
間違える。
解説を読む。
理解したつもりになる。
しかし、似た問題が出ると、また間違える。
問題集を解いたことで、自分が理解していない部分が見えました。
読むだけなら、
「何となく分かった」
で終わっていたかもしれません。
しかし、問題として答えを求められると、曖昧な理解では通用しません。
この経験は、後の仕事観にもつながっています。
説明を聞いたことと、実際にできることは違う。
教えたことと、相手が理解したことも違う。
行動して初めて、理解できていない部分が見える。
G検定の問題集は、AIの知識だけでなく、
理解したつもりと、本当に理解していることの違い
も教えてくれました。
そして、勉強を続ける中で、AIは魔法ではないと分かりました。
AIは、何もない場所から突然、正しい答えを生み出すわけではありません。
どのようなデータを使うのか。
どのような方法で学ぶのか。
結果をどのように評価するのか。
その設計によって、出力が変わります。
教師あり学習では、正解の付いたデータを使います。
教師なし学習では、正解を与えず、データの特徴やまとまりを見つけます。
強化学習では、行動と結果を繰り返しながら、より良い選択を学びます。
この記事で、技術を詳しく説明するつもりはありません。
仕事へつながったのは、
AIは、与える情報、学習の方法、評価の仕方によって結果が変わる。
という構造でした。
AIを学ぶほど、人が育つ仕組みまで見えてきた。
AIは大きく整理すると、
学習データ
↓
学習
↓
アウトプット
↓
評価
↓
改善
という流れを繰り返します。
この構造を学んだ後、仕事で人へ何かを教える場面を見る目が変わりました。
人も、最初から仕事ができるわけではありません。
経験や知識を受け取る。
理解する。
実際に行動する。
上司や先輩からフィードバックを受ける。
次の行動を変える。
大きく整理すると、
経験・知識
↓
理解
↓
行動
↓
フィードバック
↓
成長
という流れです。
もちろん、AIと人間が同じだと言いたいわけではありません。
人には感情があります。
意思があります。
仕事への納得感もあります。
相手との信頼関係によっても行動は変わります。
AIの学習と、人間の成長をそのまま同一視することはできません。
ただし、情報を受け取り、行動し、結果から改善するという構造には、似た部分があります。
この視点を持つようになってから、
「後輩が期待どおりに動けない」
と感じたとき、相手だけを見ないようになりました。
必要な前提を渡しただろうか。
求める成果を具体的に伝えただろうか。
良い例や悪い例を見せただろうか。
実際に行動してもらった後、次へつながるフィードバックを返しただろうか。
以前は、説明した時点で、
「伝えた」
と思っていたこともありました。
しかし、説明したことと、相手が理解して動けることは違います。
問題集を読んだだけでは理解したつもりになるように、人も説明を聞いただけでは、本当にできるか分かりません。
一度やってもらう。
結果を見る。
どこが良かったのかを伝える。
次に何を変えるのかを決める。
そこまで行って、初めて成長へつながります。
もちろん、本人の努力や姿勢に課題がある場合もあります。
すべてを教える側の責任にする必要はありません。
それでも、
「後輩が育たない」
という一言で思考を止めず、
自分の教え方に改善できる部分はなかったか
を考えるようになりました。
良い指示だけでは、人もAIも期待どおりには動かない。
AI活用では、
「良いプロンプトを書くことが重要」
と言われます。
もちろん、指示は重要です。
曖昧な依頼より、目的や条件を具体的に伝えた方が、求める答えに近づきます。
しかし、実際にAIを使っていると、一度の良い指示だけでは足りないことが分かります。
背景を伝える。
目的を共有する。
参考情報を渡す。
出てきた答えを確認する。
不足を伝える。
もう一度考えてもらう。
この往復が必要です。
例えば、AIへ、
「この顧客へ刺さる提案を作ってください」
と依頼したとします。
顧客が置かれている状況。
これまでの商談内容。
社内の意思決定構造。
過去に失敗した施策。
今回の予算や期限。
その情報を渡していなければ、一般的な提案しか作れません。
これは、人へ仕事を任せるときも同じです。
上司の頭の中には、完成形が見えている。
しかし、目的や背景を伝えず、
「良い資料を作って」
と頼んでも、部下には上司の頭の中までは見えません。
期待した成果が出なかったとき、
AIの性能が低い。
部下の能力が足りない。
そう考える前に、渡した情報や評価方法も見直す必要があります。
仕事を任せるとは、指示して手放すことではありません。
目的を共有する。
判断に必要な情報を渡す。
実際に動いてもらう。
結果を確認する。
次の行動が変わるフィードバックを返す。
つまり、
仕事を任せるとは、成果が出るまでの環境を設計すること
です。
AIが得意なのは、仕事の60点を速く作ることだった。
現在、私はChatGPTを毎日のように使っています。
ブログの企画。
営業の仮説整理。
資料の構成。
メールの下書き。
頭の中にある考えの言語化。
何もない状態から一人で考えるより、圧倒的に速いからです。
例えば、ブログの記事を作るとき、本の情報や実体験を渡せば、
読者の悩み。
記事構成。
タイトル案。
仕事への応用。
抜けている視点。
さまざまな案を短時間で出してくれます。
営業でも、顧客情報を渡せば、
想定される課題。
追加で確認する質問。
提案の仮説。
次回商談の進め方。
などを整理できます。
私は、この状態を、
AIは60点を作れる
と表現しています。
もちろん、AIの性能を客観的に60点と評価しているわけではありません。
ここでいう60点とは、
そのまま完成品にはできない。しかし、ゼロから自分で作るより圧倒的に速く、考える土台として使える状態。
という意味です。
この60点には、大きな価値があります。
仕事では、白紙の状態から考え始めるまでに時間がかかります。
何から考えればよいのか分からない。
論点が多く、頭の中で整理できない。
構成が決まらず、手が止まる。
AIは、その白紙を埋めてくれます。
たたき台がある。
比較できる案がある。
すると人は、
「ここは違う」
「この視点は使える」
「もっと深掘りしたい」
と考えられます。
AIの価値は、完成品を作ることだけではありません。
人間が本当に考えるべき地点まで、一気に連れていくこと
にあります。
最後の20点は、相手を理解し、責任を負う人が作る。
AIが作った60点を、80点まで高める。
そのとき人が加えるのは、
相手への理解。
仕事の文脈。
これまでの経験。
違和感。
優先順位。
最終判断。
責任。
です。
ブログの企画をAIへ相談すれば、それらしい案が出てきます。
今回の記事でも、最初の企画は、
「AI時代は判断力が重要」
というものでした。
間違ってはいません。
しかし、別のAI本でも書けます。
ChatGPTの活用本でも成立します。
このG検定問題集を通して書く理由がありませんでした。
次に出てきたのが、
「AIを理解すると、人がやる仕事が見えてくる」
という方向です。
最初よりは良くなりました。
それでも、
「人がやる仕事とは何か」
が曖昧でした。
そこで、企画を考え続ける中で、
「AIを学ぶことは、人を学ぶことにも似ている」
という視点が出ました。
さらに、
「AIが60点を作る」
「人が80点へ高める」
「100点は一人では作らない」
という結論へ進みました。
AIの最初の答えをそのまま採用していたら、一般論の記事で終わっていました。
AIが作った答えを見る。
違和感を持つ。
なぜ違うのかを考える。
問いを変える。
必要な情報を追加する。
その往復によって、企画は深くなりました。
営業でも同じです。
AIは、顧客情報から提案仮説を作れます。
しかし、顧客が口にした悩みと、本当に解決したい問題が同じとは限りません。
表面上はコスト削減を求めていても、
本当は現場の疲弊を止めたいのかもしれない。
経営層へ改革の成果を示したいのかもしれない。
過去の失敗を繰り返すことを恐れているのかもしれない。
その背景を理解するには、人が相手の話を聞く必要があります。
そして、AIが出した答えを採用するかどうかを判断するのも人です。
AIは案を作れます。
しかし、その案を採用した結果について、責任までは負ってくれません。
ドラえもんのひみつ道具は、とても便利です。
しかし、道具を持てば必ず良い結果になるわけではありません。
結果を左右するのは、のび太が何のために、どう使うかです。
AIも同じです。
高性能であることと、価値を生むことは同じではありません。
誰が、何のために、どのように使うか。
それによって結果は変わります。
AIが60点を作る。
人が相手への理解と責任を加え、80点へ高める。
それが、AIと人の役割分担です。
100点は、一人で作ろうとしない人が生み出す。
AIが60点を作り、人が80点へ高める。
しかし、自分一人の経験にも限界があります。
知らない業界がある。
詳しくない技術がある。
自分では気づけない思い込みもある。
だから私は、100点を一人で作ろうとは考えていません。
ここでいう100点は、絶対に失敗しない完璧な成果ではありません。
その時点で使える知識、経験、技術、人間関係を活用し、目的に対して最も良い成果へ近づけた状態です。
AIへ情報整理を任せる。
上司へ、経営や組織の視点を聞く。
同僚へ、別の案件で得た知見を聞く。
部下へ、現場に近い視点を聞く。
顧客へ、社内事情や本当の課題を確認する。
専門家へ、自分では判断できない領域を相談する。
一人で答えを作るのではありません。
答えを作るために、必要な力を集めます。
現在のコンサル営業でも、この考え方を強く感じます。
営業が、顧客のすべての課題を一人で解決することはできません。
すべての業界知識を持っているわけでもありません。
すべての技術を説明できるわけでもありません。
営業の価値は、何でも一人で答えることではありません。
顧客が何に困っているのかを理解する。
必要な社内の知見を探す。
専門家へつなぐ。
顧客と社内の認識を合わせる。
関係者を巻き込み、議論を前へ進める。
その役割にあります。
分からない質問を受けたとき、曖昧な知識で答えるより、
「正確に確認します」
と伝え、詳しい人へ聞いた方が顧客にとって価値があります。
重要なのは、自分が何でも知っているように見せることではありません。
顧客の課題を解決するために、必要な力を連れてこられることです。
AIも、そのチームの一員です。
敵ではありません。
すべてを任せる相手でもありません。
得意な仕事を任せるチームメンバーです。
AI時代に価値があるのは、AIに勝つ人ではない。
AIが文章を書く。
AIが情報を整理する。
AIが仮説を出す。
このような話を聞くと、人間はAIに何で勝てばいいのかを考えたくなります。
AIより速く書く。
AIより多く覚える。
AIより多くの案を出す。
しかし、人間はAIと同じ仕事で勝負する必要はありません。
AIが速くできることは、AIへ任せればいい。
大量の情報整理。
下書き。
比較。
仮説づくり。
そこへ人が時間を使い続ければ、人にしかできない仕事へ使う時間が減ります。
人が担うべきなのは、
何を作るべきかを決めること。
誰のために作るのかを考えること。
相手が本当に困っていることを理解すること。
複数の案から何を選ぶか判断すること。
結果に責任を持つこと。
必要な人を巻き込むことです。
G検定を学び始めた頃、私はAIについて知ることを、新しい技術へ追いつくための行動だと考えていました。
しかし、AIがどのように学び、何を得意とし、どこに限界があるのかを知るほど、人間の役割も見えるようになりました。
AIができることが増えるほど、人間の価値が小さくなるわけではありません。
人間が担うべき仕事が、より明確になります。
AIによって生まれた時間を、相手理解へ使う。
一人で案を考えていた時間を、顧客との対話へ使う。
資料の体裁を整えていた時間を、提案の本質を考える時間へ変える。
AIは、人間の価値を奪う存在ではありません。
使い方次第で、人間が価値を発揮する時間を作ってくれる存在です。
AI時代に価値がある人とは、AIに勝つ人ではない。
AIと人、それぞれの強みを理解し、成果を最大化できる人です。
明日から、仕事を「誰がやるか」で分けてみる。
この記事を読んだ後、すぐに新しい資格の勉強を始める必要はありません。
明日の仕事から変えられることがあります。
それは、一つの仕事を、
- AIへ任せる部分
- 自分が担う部分
- 人へ頼る部分
に分けることです。
例えば、顧客への提案書を作るとします。
AIへ任せるのは、
顧客情報の整理。
業界課題の仮説。
提案構成の候補。
質問項目の作成。
抜け漏れの確認。
ただし、機密情報や個人情報の取り扱いには注意し、会社のルールを守る必要があります。
自分が担うのは、
提案の目的。
顧客が本当に困っていること。
どの課題を優先するか。
何を伝え、何を伝えないか。
どの案を採用するか。
最終的な責任。
周囲へ頼るのは、
自分では判断できない専門知識。
過去の案件で得られた知見。
上司が持つ経営視点。
顧客本人しか知らない社内事情。
仕事を一つの塊として見ると、
「自分でやるか、AIへ任せるか」
という二択になります。
しかし、仕事は細かく分けられます。
一部はAIへ任せる。
一部は自分が担う。
一部は周囲へ頼る。
その組み合わせによって、仕事の速さも質も変わります。
明日の仕事を一つ選び、メモへ三つの欄を書いてみてください。
AIへ任せること。
自分が担うこと。
人へ頼ること。
そして、自分へ問いかけてみてください。
今、一人で抱えている仕事は、本当にすべて自分がやるべき仕事だろうか。
まとめ｜AIを学ぶことは、人間の役割を知ることだった。
私がG検定を学び始めた理由は、AIが好きだったからではありません。
分からないまま、仕事の変化に取り残されたくなかったからです。
問題集を解き、間違え、解説を読み直す中で、AIは魔法ではないと分かりました。
AIは、与えられた情報から学ぶ。
結果を出す。
評価を受ける。
改善する。
その構造を知ったことで、人の成長や仕事の任せ方を見る目も変わりました。
そして、現在はChatGPTを毎日使っています。
AIは仕事の60点を速く作れます。
人は、相手への理解、文脈、経験、判断、責任を加えて80点へ高めます。
さらに、AI、上司、同僚、部下、顧客、専門家を巻き込み、100点へ近づけます。
AIを学ぶ意味は、ChatGPTを上手く操作することだけではありません。
AIに何を任せるのか。
自分は何を担うのか。
誰の力を借りるのか。
成果の作り方そのものを変えることです。
AIは敵ではありません。
人間の代わりでもありません。
成果を作るチームの一員です。
だから大切なのは、
AIに何ができるかを知ることだけではありません。
AIに何を任せ、自分は何を担い、誰を巻き込むかを決めること。
AI時代に価値がある人とは、AIに勝つ人ではありません。
AIと人、それぞれの強みを理解し、成果を最大化できる人です。
コメント