AI時代に本当に問われるのは技術ではなく、役割を言語化する力だ

便利な道具が増えるほど、仕事の定義は曖昧になる

生成AIや周辺ツールが一気に増えたことで、私たちは不思議な逆説に直面している。道具はどんどん賢くなっているのに、人間の仕事の輪郭はむしろ曖昧になっているのだ。できることが増えると、何を任せ、何を自分で担い、どこで責任を持つのかが見えにくくなる。

この曖昧さをそのままにしておくと、組織は二つの方向に崩れる。ひとつは、何でもAIに任せたつもりになって品質が落ちること。もうひとつは、AIを使える人だけが局所的に速くなり、全体の役割分担が壊れることだ。つまり問題は「どのツールを使うか」ではなく、役割をどう再設計するかにある。

ここで重要なのは、AIツールの導入は単なる効率化ではなく、仕事の境界を引き直す行為だという点だ。たとえば、検索、要約、下書き、分析、実行のどこまでを機械に渡すのか。以前は暗黙だった境界が、いまは明示されなければならない。便利さの裏側で、私たちはより厳密に「人間の責任」を定義し直している。

AI時代の競争力は、最新ツールを知っていることではない。ツールに仕事を渡しながら、なお責任の中心を保てることだ。

---

MCPが示すのは、接続技術ではなく「責任の配線」

MCPのような仕組みは、表面的には「AIと外部サービスをつなぐための規格」に見える。だが本質はもっと深い。これは単に接続を簡単にする技術ではなく、AIにどこまで文脈を与え、どこまで行動権限を渡すかを設計するための配線だ。

ここで思い出したいのは、優れた道具ほど、使い手に「何を自動化し、何を判断させるか」を問い返すということだ。たとえば、経費精算の確認をAIに任せるとして、領収書の読取は自動化できても、曖昧な支出の判断は誰が持つのか。営業日程の調整を任せるとして、候補日時の提案はできても、重要顧客との優先順位付けは誰の責任なのか。

この「責任の配線」は、技術の問題であると同時に、組織設計の問題でもある。MCPのような規格が価値を持つのは、ただ便利だからではない。AIが組織の中でどの席に座るのかを決めやすくするからだ。秘書なのか、実行担当なのか、参照係なのか、共同編集者なのか。席が決まらないまま能力だけが上がると、組織はすぐに混乱する。

ここに、プロダクトマネジメントの等級要件を見直す話と深い接点がある。等級要件とは、単なる評価表ではない。人にどのレベルの判断、抽象化、調整、説明責任を期待するかを言語化したものだ。つまりそれは、役割を階層として可視化する装置である。

AI接続の規格と等級要件。一見すると片方は技術、片方は人事制度だが、どちらも本質は同じだ。複雑な仕事を成立させるには、能力そのものより先に、責任の境界を明文化する必要がある。

---

良い等級要件は、能力表ではなく「判断の地図」

多くの等級要件がうまく機能しない理由は、スキルや成果物を列挙するだけで終わってしまうからだ。たとえば「コミュニケーション能力が高い」「主体的に動ける」「影響範囲を広げられる」といった表現は、一見わかりやすい。しかし、実際には評価する側によって解釈がばらつき、本人にとっても次に何を伸ばせばよいのかが見えにくい。

本当に強い等級要件は、能力ではなく判断の質を定義する。何を見て、どこまで自分で決め、何を他者に委ねるのか。未知の状況でどう優先順位をつけるのか。複数の制約が衝突したとき、何を軸に意思決定するのか。こうした問いに答えられるとき、等級要件は初めて「実務の地図」になる。

ここで役立つのが、仕事を四つの層に分けて考える視点だ。

1. 入力の層: 情報を集める、整える、要約する
2. 判断の層: 何が重要かを見極め、優先順位をつける
3. 調整の層: 関係者を揃え、制約を調整する
4. 責任の層: 結果を引き受け、学びを制度に返す

AIは1と一部の2を急速に強くする。だからこそ、人間の価値は3と4に寄っていく。しかし、ここで誤解してはいけないのは、AIが強くなるほど人間が単に上位層だけを担当すればよい、という話ではないことだ。むしろ上位層の仕事を全うするために、下位層との接続を設計し直す必要がある。

たとえばプロダクトマネージャーなら、AIに競合調査の初稿を作らせることはできる。でも、その情報から「今うちが賭けるべき仮説は何か」を選ぶのはPMの仕事だ。AIが提案した仕様案をそのまま採用するのではなく、ユーザー価値、実装コスト、運用負荷、法務リスクの衝突をどう解くかを決めるのが人の役割になる。

良い等級要件とは、できることの一覧ではなく、どのレベルの曖昧さを引き受けられるかを示す地図である。

---

AI導入が失敗する会社は、ツールではなく「昇格の基準」がない

多くの企業はAIを入れると、生産性が上がるかどうかばかりを気にする。しかし本当に問うべきなのは、AIが入った後に、人は何を学び、何を評価されるべきかだ。基準が古いままでは、たとえ個々の作業が速くなっても、組織としての成長は止まる。

たとえば、以前は「手早く丁寧に資料を作る人」が高く評価されていたとする。ところがAIが下書きを一瞬で作れるなら、価値の中心は資料作成のスピードではなくなる。必要になるのは、何を主張すべきか、誰を巻き込むべきか、どこで反対意見を先に潰すべきかを見抜く力だ。ここで評価制度が昔のままだと、組織は速くなった作業を過大評価し、重要な判断を軽視してしまう。

これは、道具が変わるたびに評価制度を変えろという短絡的な話ではない。むしろ逆で、評価制度は、技術変化の波の中で一番遅くまで残るべき原則を見極める装置だ。変えるべきものは成果物の形であり、変えてはいけないものは責任の所在だ。

この観点から見ると、MCPのような仕組みと等級要件の更新は、まったく別の話ではない。どちらも、AI時代における「委任の設計」を扱っている。前者はシステムに何を任せるかを決め、後者は人に何を任せるかを決める。両者が噛み合わないと、組織は次のような歪みを起こす。

• AIに任せられる作業まで人が抱え込み、速度が出ない
• 人にしかできない判断をAIに渡し、品質が落ちる
• 評価基準が古く、重要な役割を担う人が報われない
• 権限だけが拡張され、責任の説明ができない

つまり、AI導入の成否は技術力ではなく、委任の成熟度で決まる。

---

これからの優秀さは、実行力より「翻訳力」で測られる

AI時代の優秀な人材を一言で表すなら、私は翻訳者だと思う。ここでいう翻訳とは、言語の置き換えではない。曖昧な目的を具体的な作業に落とし込み、技術的な可能性を事業の判断に変換し、個別の成果を組織の標準に戻す力のことだ。

たとえば、経営は「コストを下げたい」と言う。現場は「もっと早くやりたい」と言う。AIツールは「この手順なら自動化できる」と言う。優れたPMやリーダーは、その三つの言葉を互いに接続し、どこを標準化し、どこを例外扱いにし、どこに人の判断を残すかを決める。これは単なる調整役ではなく、価値と制約の間を往復しながら、組織の意思決定を形にする仕事だ。

この翻訳力は、AIが進化するほど重要になる。なぜならAIは情報を生成できても、組織の文脈そのものは持たないからだ。AIは速く、広く、一定の品質で候補を出せる。しかし「この会社が今ほんとうに困っていることは何か」「この打ち手は誰にどんな負担を生むか」「その負担を引き受ける価値があるか」といった問いは、人間が責任を持って翻訳しなければならない。

ここで等級要件の意義が再び立ち上がる。良い等級要件は、翻訳力を曖昧な美徳としてではなく、具体的な成長段階として定義する。初級では、与えられた問いを正確に扱えるか。中級では、前提の違いを整理して合意できるか。上級では、組織横断のトレードオフを構造化できるか。さらに上では、再現可能な意思決定の型を作れるか。

未来の仕事は、作ることよりも、つなぐことよりも、意味を移し替えることに価値が宿る。

---

Key Takeaways

• AI導入の第一歩は自動化ではなく、責任分界の明文化です。何を機械に渡し、何を人が決めるかを先に定義してください。
• 等級要件は能力表ではなく判断基準表として作ると機能します。成果物よりも、どのレベルの曖昧さを引き受けるかを書き出しましょう。
• 評価制度はツールの進化に合わせて再設計する必要がある一方で、責任の所在は曖昧にしてはいけません。
• AIが強くするのは入力と下書きであり、人間の価値は優先順位づけ、調整、説明責任に移ると考えると役割設計がしやすくなります。
• 優秀さの定義を翻訳力で捉えると、技術、事業、組織の接続が見えやすくなります。

---

結論: 問うべきは「何ができるか」ではなく「誰が引き受けるか」

AIが便利になるほど、私たちはつい「何ができるか」に目を奪われる。しかし本当に難しいのは、できることが増えたあとに、誰がそれを引き受けるかを決めることだ。技術は能力を拡張するが、組織を強くするのは責任の設計である。

MCPのような接続の考え方と、等級要件の見直しは、実は同じ問いに答えようとしている。機械と人間のあいだに、どんな文脈を渡し、どんな判断を残すのか。どの仕事を自動化し、どの仕事を人の成長に結びつけるのか。その設計が雑なら、AIはただの便利な混乱装置になる。

逆に言えば、ここを丁寧に設計できる組織は強い。なぜなら、道具が変わっても揺らがないのは、ツールではなく役割の言語だからだ。これから問われるのは、AIを使えるかどうかではない。AIに仕事を渡しながら、なお組織の責任を言語化できるかである。そこにこそ、これからのプロフェッショナリズムがある。