ある経済学教授が、専門外の大学院生から研究の評価を頼まれた。その学生は経済学をほとんど学んでいないにもかかわらず、AIを組み合わせて1年かけて仕上げた論文を持ってきた。教授はその内容を「フィールドトップの学術誌に挑戦できる水準」と感じた一方、専門訓練を受けていない人がここまでの成果を出すことに、頼もしさと同時に自分の専門性が揺らぐような感覚を覚えたという。
この話は、研究の世界だけの出来事ではない。職場で後輩や他部署の人がAIを使って自分と同じ成果を出してきたとき、あるいは自分の積み上げてきた知識が「もう必要ないのかもしれない」と感じたとき、多くの人が似た不安を抱える。ここでは、そうした場面で選べる対応と、自分の仕事や人間関係を守るための考え方を整理する。
まず起きているのは「評価を頼まれた」という対人場面
教授の元に来た学生は、AIとの対話の中で「国際的に通用する水準」と評価されたものの、自分には経済学の素養がないため、その評価が正しいのか分からなかった。そこで、専門家である教授に意見を求めた。学生の目的は、論文を発表することではなく、AIの判断が正しいかどうかを確かめることだった。
この場面で教授が感じたのは、単に学生が優秀だという驚きではない。長年かけて培ってきた専門性が、AIを使う人によって短期間で追いつかれるかもしれない、という不安だった。仕事に置き換えると、自分が「これだけやってきたから」と思っていた根拠が揺らぐ瞬間と言える。
選べる対応は一つではない
相手がAIで高い成果を出してきたとき、反射的に距離を置きたくなるのは自然な反応だ。しかし、対応はいくつかある。状況や関係性によって選び方が変わる。
- 距離を置いて様子を見る：相手の成果が本当に持続可能なのか、自分の仕事にどう影響するのか、判断がつくまで評価や協力を急がない。焦って反応しないことで、冷静に情報を集められる。
- 好奇心を持って質問する：どうやってAIを使ったのか、何を確かめたかったのかを聞く。相手を否定せず、自分の学びに変える。教授の例では、学生のプロセスを知ることで、AIの可能性と限界が見えてくる。
- 自分の専門性を再定義する：AIが得意な作業と、自分にしかできない部分を分ける。たとえば、最終的な判断の責任、対人調整、倫理的な確認、経験に基づく文脈理解などは、すぐには置き換わりにくい。
- 感情を認めてから動く：恐怖や焦りをなかったことにせず、「自分の価値が揺らいでいる」と自覚する。その上で、今日できる小さな行動を一つだけ決める。
ただし、相手との関係や安全面によっては、評価を断ることも選択肢になる。教授と学生のように権力差がある場合、無理に協力する必要はない。また、AIの成果を鵜呑みにせず、内容を確認する責任は、評価する側に残る。
専門性を支えてきた三つの壁
専門職が専門職として成り立ってきた背景には、時間、学歴、言語という三つの壁があると言われる。長い修行期間、特定の教育機関を通ること、専門用語や英語の習得。これらが、その分野に入れる人を限ってきた。AIは、この壁を低くする可能性がある。実際、海外の大学や研究機関からは、AIを使った未経験者が大学院レベルの成果を出したという報告が一部で話題になっている。
しかし、これは「専門性がなくなる」ということではない。知識の量や作業速度の面ではAIが追いつく場面が増えても、判断の責任、人間関係の調整、倫理的な判断、組織の中での合意形成などは、依然として人が担う部分が大きい。また、仕事は奪われるのではなく、別の形に変わることが多いという見方もある。産業革命のとき、農業から工場労働へ、そして現在のホワイトカラーへと仕事の中心が移ってきた。その変化を「すべてを失った」と捉えるか、「別の選択肢が生まれた」と捉えるかで、次の行動は変わる。
AIを「使う人」から「組み込む人」へ
教授の元に来た学生は、アイデア出し、レビュー、モデル構築、データ収集、分析、解釈まで、複数のAIツールを連携させて研究を進めた。このように、AIを単発の道具として使うのではなく、仕事の流れの中に組み込む人は、これから増えていくかもしれない。ただし、それが誰にでも合うわけではない。職種や業務内容、自分の得意不得意によって、向き不向きがある。
無理にAIを使いこなそうとして疲弊するより、自分のペースで試すことが大切だ。たとえば、今の仕事の中で「ここはAIに任せても問題ない」と思える部分を一つ選び、小さく試す。結果を見てから、次の範囲を決める。このサイトのテーマである「がんばりすぎない」視点で言えば、AI導入も一気にやろうとしないことが、長く働くためのコツになる。
同僚や後輩がAIで成果を出したとき
職場で、自分より経験の浅い人がAIを使って高い成果を出したとき、嫉妬や焦りを感じるのは自然なことだ。それを「器が小さい」と責める必要はない。むしろ、その感情に気づくことが、自分の仕事の意味を問い直すきっかけになる。
相手を敵視するのではなく、協力できる部分と、自分の領域を守る部分を分ける。たとえば、相手の成果を評価する立場なら、内容を確認した上でフィードバックする。もし自分が評価される側なら、AIを使ったことを隠さず、プロセスを説明できるようにしておく。透明性があると、周囲の理解を得やすくなる。
ただし、相手がAIの成果を自分の実力として過大に主張している場合は、その点を冷静に指摘することも必要だ。逆に、自分がAIを使うときは、どこまでが自分の判断で、どこからがAIの出力なのかを明確にしておくと、信頼を失いにくい。
結論：問いにすぐ答えを出さなくていい
専門性が揺らぐ感覚は、自分の仕事の意味を問い直すきっかけになる。しかし、その問いにすぐ答えを出す必要はない。「研究とは何か」「研究者とは何か」という問いを、教授自身もすぐには解決できなかったように、私たちも時間をかけて考えていい。
まずは、目の前の相手とのやり取りで、自分が何を守りたいか、何を学びたいかを小さく決める。AIを使うかどうかは、その後の判断でいい。無理に追いつこうとせず、自分のペースで選ぶことが、結果的に長く働くための土台になる。
