AIに消えにくい仕事の共通点は「毎回状況が違う」こと|オフィスと現場の評価はなぜ逆転したのか
仕事とAI

AIに消えにくい仕事の共通点は「毎回状況が違う」こと|オフィスと現場の評価はなぜ逆転したのか

読了目安:約5分
文字サイズ

AIに仕事を奪われるのではないかと不安になったとき、最初に知りたいのは「では、何が残るのか」という問いです。この問いに対して、よく挙げられる答えはシンプルです。同じ入力・同じ処理・同じ対応を繰り返す仕事は置き換わりやすく、毎回条件が変わる仕事は残りやすい。ただし、これは白か黒かを決める法則ではありません。同じ職種でも、担当する業務の中身によって事情は変わります。

「涼しいオフィスのほうが上」という前提が揺れている

日本では長いあいだ、現場仕事よりオフィスワークのほうが格上だという感覚がありました。同じ勤続年数でも、汗をかかずに座って働く側が評価される。その序列意識が、いま少しずつ崩れています。

背景にあるのは、経理やデータ入力、書類作成といった事務の中心業務が、生成AIと相性がいいことです。パターンを覚えて再現する作業は、AIがもっとも得意とするところだからです。

一方で、電気工事や建設設備の分野では人手不足が続いていると指摘されます。有効求人倍率が3倍台という数字が挙げられることもあります。数字は時期や地域で動くので絶対視はできませんが、「人が足りない現場」と「人が余り始めた事務所」という方向の違いは、求人票を見ても感じ取れる部分があります。

消えやすい仕事に共通する「マニュアル1冊で教えられる」こと

一般事務、経理、コールセンター、レジ、銀行の窓口。職種としては別々ですが、共通点があります。手順が決まっていて、判断の幅が狭く、マニュアル1冊で教えられることです。

コンビニのセルフレジが増えたこと、ネットバンキングで窓口に行く用事が減ったことは、多くの人がすでに体感しているでしょう。導入率が5割を超えたという調査結果も紹介されています。変化は未来の話ではなく、ここ数年で起きたことです。

ただし、これらの仕事が丸ごと消えるわけではありません。件数が減る、人の数が減る、仕事の中身が変わる。そのほうが実際の姿に近いと思います。

現場の技能が残りやすいと言われる理由

配管や電気、空調の修理は、毎回条件が違います。築年数が違い、配管の傷み方が違い、天井裏の狭さも違う。手を当てて振動や水温から漏れを探るような判断は、いまのAIやロボットが苦手とするところです。

介護も同様に挙げられます。体に触れて、その場で判断を変える仕事は、機械だけでは置き換えにくいという見方があります。

ただし「現場なら安全」と単純化するのは危険です。ロボットは階段も登れるようになり、工場では24時間働いています。自動化が進む現場の作業もあります。残りやすいと言われているのは、あくまで「毎回条件が変わる部分」であって、職種そのものではありません。

年収を比べて落ち込むとき、何が起きているか

同い年の友人と年収を比べ、自分より高い数字を見て、今の仕事を急にみすぼらしく感じる。その感情自体は自然なものです。問題は、そこで「自分の仕事は底辺だ」と結論づけてしまうことです。

たとえば、設備管理の仕事に不満を感じて事務職への転職を考えた人が、いざ応募書類を書こうとして手が止まる。自己PRが1文字も書けない。これは書く力の問題ではなく、自分の仕事を過小評価していたことの表れかもしれません。

反対に、事務職で15年働き、簿記も英語も学んできた人が、AI導入による配置転換を言い渡されることもあります。これは努力不足の結果ではありません。努力の方向と、自動化が進む方向が重なってしまったという話です。

自分の仕事を「同じ部分」と「違う部分」に分けてみる

具体的に試せることとして、いまの仕事を書き出し、二つの欄に分ける方法があります。「毎回同じ手順でできること」と「毎回判断が変わること」。前者はAIやツールに任せられる候補、後者は自分の価値として残りやすい部分です。

もう一つは、AIツールを一度触ってみることです。実際に使うと、得意なことと苦手なことがはっきりします。記事を読むより、自分の業務のどこが自動化できて、どこができないかの見当がつきます。

資格の勉強を始めることも選択肢です。ただし、資格を取れば安心という保証はありません。学ぶ過程で「毎回違う判断」の引き出しが増えることに意味があります。

この見方が当てはまらない人もいる

体を使う仕事に戻りたくても、体力や年齢、家庭の事情で難しい人はいます。すでに現場を離れて久しい人にとって、現場は「残りやすい仕事」ではなく「戻れない仕事」かもしれません。

また、10年前の予測が外れた例もあります。当時は残るとされた作曲家やデザイナーの仕事が、生成AIの登場で大きな影響を受けたと言われます。予測は外れるものだという前提で読むほうが安全です。

不安が強くて眠れない、仕事のことを考えると動悸がするという状態が続くなら、キャリアの問題としてだけで抱えず、相談窓口や専門家を頼ってください。

まとめ

AIに消えにくい仕事の共通点は「毎回、状況が違う」こと。覚えておいて損のない見分け方ですが、絶対の答えではありません。大事なのは、自分の仕事の中の「毎回違う部分」を、自分で言葉にできるかどうかです。

自己PRが書けなかったのは、書く力がなかったからではなく、自分の仕事を過小評価していたからかもしれません。まずは1週間、自分の仕事で「昨日と今日で違ったこと」をメモしてみる。それが、転職するにしても残るにしても、判断の材料になります。

シェアする

気になる記事から、別の視点も見つけてみませんか。

AIで専門外の人が一流の成果を出したとき、仕事と自分をどう守るか
仕事と人間関係2026年10月23日

AIで専門外の人が一流の成果を出したとき、仕事と自分をどう守るか

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...

記事を読む
スティーブ・ジョブズ「点と点をつなぐ」スタンフォード演説の三つの物語
生き方・哲学2026年10月23日

スティーブ・ジョブズ「点と点をつなぐ」スタンフォード演説の三つの物語

2005年、スタンフォード大学の卒業式でスティーブ・ジョブズは「人生で大切なこと」として三つの物語を語った。点と点をつなぐこと、愛と喪失、そして死。それぞれの物語は、不確実な未来を生きる私たちに、静かな指針を与えてくれる。 第一の物語:点と点をつなぐ 「点と点を将来に向かってつなぐことはできない。振り返っ...

記事を読む
「勉強しても報われない」と感じたとき、学ぶ意味をどう捉え直すか
学びの意味2026年10月21日

「勉強しても報われない」と感じたとき、学ぶ意味をどう捉え直すか

「勉強は無駄」と決めつける前に 勉強が無駄かどうかは、ひとつの結果だけでは決められません。何のために学ぶのか、どんな方法で学ぶのか、どのような環境にいるのかによって、意味は変わります。学んだ知識がすぐ収入や地位に結びつく保証はありません。一方で、「どうせ無駄だ」と学び全体を閉じてしまうと、後から選べ...

記事を読む
「優秀な普通の人」がAI時代に最初に揺らぐ理由と、周囲の「大丈夫」への向き合い方
仕事と人間関係2026年10月21日

「優秀な普通の人」がAI時代に最初に揺らぐ理由と、周囲の「大丈夫」への向き合い方

大手企業の事務職で働く人が、AI導入のニュースを見て「自分の仕事はどうなるんだろう」と不安になったとします。上司や家族に相談すると「高学歴なんだから大丈夫だよ」と言われ、安心できるどころか、むしろモヤモヤが残る。こうした場面は、これから増えていくかもしれません。 この記事では「仕事がなくなるか、なくな...

記事を読む

気になるテーマを、次も。

フォローしたテーマの新着記事をホームに表示します。登録は不要です。