生成AI時代に育てるべきスキル｜消える業務・残る業務から考える
生成AIの普及で「うちの仕事はどこまで残るのか」「何を学ばせればよいのか」と悩む経営者・人事責任者は少なくありません。ここで押さえたいのは、AIが置き換えるのは職業そのものではなく、その中の個々の「業務（タスク）」だという点です。消える業務・残る業務を切り分けて考えれば、人材育成の軸は驚くほど明確になります。本記事では、国際調査や国内の公的資料をもとに、これからの数年で育てるべきスキルと、自社でスキルシフトを進める手順を整理します。
なぜ「職業」ではなく「業務」で考えるのか
「AIに仕事を奪われる」という言い方は、議論を大雑把にしてしまいます。実際には、一つの職業は複数の業務（タスク）の束でできており、生成AIが得意なのはその中の一部です。たとえば経理担当の仕事には、伝票の突合や定型的な集計もあれば、異常値の解釈や関係部署との調整もあります。前者は自動化しやすく、後者は人が担い続けます。だからこそ「職業がなくなるか」ではなく、「どの業務が置き換わり、どの業務が残るか」で捉えるのが実務的です。
この変化のスピードは、国際的な調査でも示されています。世界経済フォーラム（WEF）の「仕事の未来レポート2025」は、2025年から2030年にかけて労働者の既存スキルの約39%が変容または陳腐化すると見込んでいます。これは大きな数字ですが、2023年版の44%からは鈍化しています。同レポートは、100人の労働者のうち59人が2030年までに何らかの学び直しを必要とすると試算しています。
消える業務・縮む業務の見取り図
WEFのレポートは、需要が下がると見込まれるスキルとして、手先の器用さ、読み書き・計算といった基礎的処理、そして事務・管理系の作業を挙げています。共通するのは、手順が定型化しやすく、入力と出力の関係が明確な業務だという点です。生成AIやソフトウェアによる自動化が進むほど、これらを「人の時間で行うこと」の相対的な価値は下がっていきます。
自動化されやすい業務の特徴
- 手順がマニュアル化でき、判断のばらつきが少ない（定型的な集計・転記・分類）
- 大量の文章やデータを要約・整形・下書きする（議事録の草案、メール文面、一次調査）
- 過去の型に沿って生成すれば足りる（定型書類のドラフト、FAQの初稿）
ただし「消える」という言葉には注意が必要です。これらの業務が丸ごと不要になるのではなく、AIが下書きや一次処理を担い、人は確認・修正・判断に回るという役割の移動が起きます。むしろ、AIの出力をうのみにせず品質を担保する力が、これまで以上に問われます。
残る業務・伸びる業務と、必要になるスキル
では、人に残るのはどんな業務でしょうか。WEFが今後重要性を増すと位置づけるスキルには、AI・ビッグデータの活用、ネットワーク・サイバーセキュリティ、テクノロジーリテラシーといった技術寄りのものに加え、創造的思考、分析的思考、レジリエンス・柔軟性、好奇心と生涯学習の姿勢が並びます。技術を使いこなす力と、変化に適応し問題を解く人間的な力の両輪が求められている、と読み取れます。
国内でも方向性は重なります。経済産業省が2024年6月に公表した「生成AI時代のDX推進に必要な人材・スキルの考え方2024」は、DXを推進する人材に求められる力として「問いを立てる力」「仮説を立て・検証する力」「評価する・選択する力」を挙げ、答えを出すこと以上に問いを深める目的志向のアプローチの重要性を指摘しています。生成AIが答えの候補を大量に出せる時代だからこそ、何を問い、どの答えを選ぶかを決める力が人の側に残るということです。
技術スキルも「使う側」から求められる
技術スキルはエンジニアだけのものではありません。情報処理推進機構（IPA）が2026年4月に公表した「デジタルスキル標準ver.2.0」では、AIの実装・運用に関するスキルや、データマネジメントに関する類型が新設されました。全社員がモデルを開発する必要はありませんが、生成AIに適切に指示を出し、出力の限界を理解し、業務に組み込む「使う側」のリテラシーは、職種を問わず基礎教養になりつつあります。
見落としがちな盲点：若手のOJT空洞化
スキルシフトを考えるとき、多くの企業が見落とすのが「経験を積む入口」の問題です。議事録作成、資料の下書き、一次リサーチといった業務は、これまで若手が仕事を通じて基礎を身につける通り道でもありました。これらを生成AIが担うようになると、若手がOJTで経験を蓄積する機会が減り、数年後に判断業務を任せる段階で経験のギャップが表面化する、という懸念が国内の研究機関でも指摘されています。
対策は「AIに任せない業務をあえて残す」ことではなく、経験の積ませ方を再設計することです。たとえば、AIが作った下書きを若手に批判的にレビューさせ、なぜその修正が必要かを言語化させる。AIの一次調査をたたき台に、自分なりの仮説を立てさせる。AIを使うからこそ、判断や検証のプロセスを意図的に若手に経験させる設計が要ります。
自社でスキルシフトを進める5つのステップ
抽象論を自社の施策に落とすには、業務の棚卸しから始めるのが確実です。次の順序で進めると、育成の対象と内容が具体化します。
- 業務の棚卸し：職種ごとに仕事をタスク単位まで分解し、一覧化する
- 仕分け：各タスクを「AIに任せる／人とAIで協働する／人が担う」に振り分ける
- 必要スキルの定義：残る業務・伸びる業務から逆算し、部署・階層ごとに求めるスキルを言語化する
- 学習設計：座学だけでなく、実務での試行とレビューを組み込んだ学びの機会を設計する
- 効果測定：行動変容や成果への接続を評価し、対象と内容を更新し続ける
重要なのは、これを一度きりの研修で終わらせないことです。WEFが指摘するとおりスキルの陳腐化は続くため、棚卸しと学習設計は定期的に回し続ける「運用」として組み込む必要があります。全社一律ではなく、AIの影響が大きい業務・部署から優先的に着手すると、投資対効果を見極めやすくなります。
まとめ：育てる軸は「問い・判断・学び続ける力」
生成AIは業務をタスク単位で置き換え、定型的な処理の価値を下げる一方で、問いを立てる力、答えを評価・選択する判断力、変化に適応し学び続ける姿勢の価値を高めます。技術を使いこなすリテラシーはその土台です。まずは自社の業務をタスクに分解し、消える業務・残る業務を見極めることから始めれば、育てるべきスキルの輪郭は自ずと見えてきます。
この記事のまとめ
- AIが置き換えるのは職業ではなく個々の業務（タスク）。まず仕事をタスク単位に分解して仕分ける
- 定型的な事務・処理は縮小し、問いを立てる力・評価/選択の判断力・技術リテラシーの価値が高まる（WEF・経産省・IPA）
- 若手がOJTで経験を積む入口が細るため、AIの下書きを批判的にレビューさせるなど経験の積ませ方を再設計する
- 棚卸し→仕分け→スキル定義→学習設計→効果測定を、一度きりでなく運用として回し続ける
よくある質問
生成AIで自社の仕事はなくなりますか？
職業が丸ごとなくなるより、職業を構成する業務（タスク）の一部が自動化され、役割が移動すると考えるのが実務的です。人はAIの出力の確認・修正・判断に回る形が増えます。まず仕事をタスク単位に分解し、任せる部分と担う部分を仕分けることをおすすめします。
これから特に育てるべきスキルは何ですか？
国際調査や公的資料では、問いを立てる力、仮説を立て検証する力、答えを評価・選択する判断力、創造的思考、変化への適応力や学び続ける姿勢が重視されています。加えて、生成AIに適切に指示し出力の限界を理解して使う技術リテラシーが、職種を問わず土台になります。
スキルシフトはどこから着手すればよいですか？
全社一律ではなく、生成AIの影響が大きい業務・部署から優先するのが効率的です。業務の棚卸しでタスクを洗い出し、AIに任せる／協働する／人が担うに仕分けたうえで、残る業務から逆算して必要なスキルを定義し、学習設計と効果測定につなげます。
自社の業務をどうタスク分解し、どのスキルを優先して育てるか——組織開発・人材育成の観点から伴走します。スキルシフトの進め方でお悩みの際は、お気軽にご相談ください。