自分の価値を底上げするために、AIを覚える以外の選択肢がなかった

私はもともと、危ない流れを察知する感覚がかなり敏感な方です。仕事でも、まだ表面化していない問題や、このまま進めると壊れる流れに対して、早い段階で違和感を持つことが多くありました。

今回のAIも感覚的には全く同じ「危険」というワードが頭の中をよぎります。最初は便利な道具として見ていた部分もありますが、実際に2年間使い続けるうちに、AIの推論能力が日ごとに変わっていく感覚を目の当たりにしました。2年前、1年前、半年前、そして今では、返ってくる答えの深さも、作業を分解する力も、こちらの意図を読み取る力も明らかに変わっています。

これは単なるツールの進化ではありません。今の作業形態そのものが、思っているより早く崩れるかもしれない。今まで通りに働き、今まで通りに時間を売り、今まで通りに現場へ合わせているだけでは、もう稼げなくなるかもしれない。そう感じた瞬間がありました。

正直に言えば、その時は冷や汗が出ました。仕事が減るかもしれない、単価が下がるかもしれない、今まで積み上げてきた価値が一気に薄まるかもしれない。頭の中に、これまで本気で考えたことがなかった最悪の生活までよぎりました。

だから、AIを使い始めた理由は「便利そうだから」ではありません。出社回帰、承認依存、空気優先、低知識基準化に引き戻される働き方の中で、自分の時間価値と出力を守るには、AIがある前提で仕事の組み立て方を変えるしかないと感じたからです。

この時、切実に感じた感情は「使う側に回らなければ淘汰されてしまう」でした。

この話は、AIが便利そうだから触った話ではありません。出社回帰、承認依存、空気優先、低知識基準化に引き戻される働き方の中で、自分の時間価値と出力を守る手段としてAI学習が必要になった流れを整理する記事です。

なぜ今の働き方に強い違和感があったのか

このセクションでは、なぜAIの話へ入る前に、今の働き方そのものへの違和感を書いておく必要があるのかを整理します。問題だったのは単に出社が増えたことではありません。成果より統制、前進より保身、価値そのものより可視性が優先される働き方に引き戻されるほど、個人の出力は削られ、生産性は落ち、ストレスは増えていく。その構造が、自分にとって無視できないものになっていました。

成果より統制が優先されるほど生産性は落ちる

コロナ禍でようやくリモート作業が認知され、無駄な通勤や対面前提の非効率が見直される流れが出ました。ところが昨今は、また出社回帰の動きが強まっています。リモートでは進め方がわからない、孤立する、といった話も聞きますが、こちらから見ればそんな事情より、生産性の低い働き方へ全体が引き戻されることの方が問題でした。

出社していることと価値を出していることは同じではない

そもそも企業の役割は、顧客に価値を提供し、利益を生み、その状態を継続できる形で事業を回すことです。そこに「出社していること」そのものは本来含まれていません。出社はあくまで手段であり、成果や貢献そのものではないからです。にもかかわらず、現実には出社して席にいること、すぐ反応できること、顔が見えることが、働いている証明のように扱われる場面が少なくありませんでした。

可視性優先の働き方が強まるほど個人の出力は削られる

自分にとって強いストレスだったのはまさにそこです。リモートでも結果を出してきたし、会社側もそれは認識していました。それでも「出社だと生産性は7割減です」と言うと笑われる。その反応自体が、成果ではなく可視性で仕事を見ていることの表れにしか見えませんでした。企業が本当に見るべきなのは、どこにいたかではなく、何を進め、どんな価値を出したかのはずです。出社していることと貢献していることは同じではありません。そこが混同されたまま、また昔の働き方へ戻っていくことに、強い違和感がありました。

組織が変わらないなら自分の価値まで削られていく

この違和感は、単なる不満ではありませんでした。組織の進め方が変わらないなら、その中で消耗し続けるだけになる。その危機感の方が強かったです。成果より可視性、前進より統制、出力より足並みが優先される環境に合わせ続ければ、自分の価値まで一緒に削られていく。なら、外側が変わるのを待つだけでは足りないと思うようになりました。

退職代行3社比較

退職代行Jobs、弁護士法人みやび、弁護士法人ガイア法律事務所の3つを、SESエンジニアや客先常駐者の目線で比較します。

→ 退職代行3社比較！Jobs・みやび・ガイア

Beエンジニア

SESで退職を伝えられないときに見る退職代行サービス比較

https://www.pmi-sfbac.org/ses-retirement-agency-comparison

SESや客先常駐で働いていると、会社を辞めたいと思っても、すぐに動けないことがあります。退職の相手は所属会社です。けれど、毎日作業しているのは常駐先です。エージェント経由なら、さらに連絡先が増えます。契約更新、貸与PC、入館証、アカウント、引き継ぎ、退職届、離職票、源泉徴収票まで絡むため、「会社を辞めたい」だけでは話が終わりません。退職代行サービスを調べても、料金だけでは選びにくいです。弁護士対応なのか、労働組合と連携しているのか、会社との交渉が必要な話まで相談したいのか、まず退職の連絡だけを進め...

AIが初めて決定打に見えた理由

このセクションでは、これまでの違和感の先で、なぜAIが初めて現実的な突破手段に見えたのかを書きます。組織の進め方や評価軸がすぐ変わらないなら、外側に期待するより、自分の側の出力を引き上げる方が早い。そこでAIは、便利そうな新しい道具ではなく、生産性を落とさずに前へ進むための実戦手段として見えるようになりました。

AIは作業を速くする道具ではなく、出力を守る手段だった

AIに触れ始めた時、最初に見えたのは「文章を作れる」「要約できる」「コードを書ける」といった便利機能ではありませんでした。自分にとって大きかったのは、これまで人間側で抱えていた調査、整理、判断、下書き、確認を、工程として分けられる可能性が見えたことです。

組織の中では、作業が始まる前に会議が入り、判断が止まり、説明資料が増え、進めるための時間より止められる時間の方が大きくなることがあります。AIはそこに対して、少なくとも自分の手元では、調べる、整理する、比較する、書き出す、再確認する、という処理を高速に回せる手段になりました。

つまり、自分にとってAIは「楽をするための道具」ではありませんでした。古い働き方に引き戻されても、自分の出力を落とさないための処理基盤に近いものでした。

人間が全部を抱える前提を崩せるように見えた

これまでの知識労働は、調べる、考える、書く、確認する、残す、という作業を、同じ人間が頭の中でまとめて抱える前提でした。経験がある人ほど処理できますが、その分だけ負荷も集中します。詳しい人に質問が集まり、判断が集まり、確認が集まり、結果として本来進めるべき作業時間が削られます。

AIを使うと、この前提を少し崩せます。もちろん最終判断は人間が見ます。事実確認も必要です。公開してよい情報かどうかも人間が決めます。それでも、頭の中だけで抱えていた途中工程を一度外に出し、文字にし、比較し、再利用できる形に置けるようになります。

この変化は大きいです。作業が速くなるだけではなく、自分が何を考えていたのか、どこで迷っていたのか、どの判断を残すべきなのかが見えやすくなります。人間が全部を抱えて、疲れたら止まる働き方から、工程を分けて処理する働き方へ移れる可能性が見えました。

組織の承認待ちとは別に、自分の側の処理速度を上げられる

組織の承認待ちや会議文化は、個人だけではすぐに変えられません。承認ルート、報告書式、会議体、役職者の判断待ち。こうしたものは、自分がどれだけ生産性を上げても、組織側の仕組みとして残ります。

それでも、自分の側でできることはあります。作業前に論点を整理する。未確定事項を分ける。確認事項を一覧にする。過去の判断を残す。次に同じ作業をするときに、ゼロから説明し直さなくてよい形にする。AIは、この自分側の処理を速くする道具として使えます。

外側の組織が変わるのを待つだけでは、時間だけが削られます。なら、自分の側に処理基盤を持つ。会話、資料、判断、作業結果を、その場限りで流さず、次に使える形へ変える。AIが決定打に見えたのは、そこに現実的な手応えがあったからです。

実際にAIを使って変わったこと

このセクションでは、AIを使って実際に変わったことを整理します。大きく変わったのは、作業時間だけではありません。調査、判断、記録、再利用、確認という工程を分けて考えるようになったことです。ここが変わると、作業の進め方そのものが変わります。

調査と判断を同じ作業として扱わなくなった

以前は、調べながら考え、考えながら書き、書きながら確認していました。これは一見すると効率的に見えますが、実際には頭の中で複数の作業が混ざります。どこまでが事実確認で、どこからが自分の判断なのかが曖昧になりやすい状態です。

AIを使うようになってからは、調査は調査、判断は判断として分けるようになりました。まず材料を集める。次に分類する。さらに判断軸を作る。最後に人間が採用するかどうかを見る。この順番に分けると、AIに任せる範囲と自分が見る範囲がはっきりします。

これはブログ記事でも、業務整理でも同じです。いきなり文章を書かせるのではなく、まず何を扱うのか、読者がどこで止まるのか、どの情報を使うのかを分ける。AIを使うことで、作業そのものを分解して見る癖が強くなりました。

作業結果を次の作業に残すようになった

AIを使う前は、作業が終わると、その場の判断や迷いはほとんど残りませんでした。完成物は残りますが、なぜその構成にしたのか、なぜその判断を避けたのか、どの情報を使わなかったのかは消えやすい。あとから見返しても、結果だけが残り、判断過程が見えません。

AIを使うようになってからは、途中の判断も残す対象になりました。会話で出た違和感、採用しなかった案、修正した理由、停止した理由を、wikiや作業ログへ残すようになりました。これにより、次の作業で同じ説明を繰り返す量が減ります。

作業結果を次の入力にできるかどうかは、かなり重要です。その場限りの出力で終わると、AIを使っても毎回やり直しになります。逆に、判断理由や作業ログを残せば、AIは次回以降の作業でそれを参照できます。ここで初めて、AIは単発の道具ではなく、継続的な作業基盤になります。

過去資料の見え方が変わった

過去資料も見え方が変わりました。以前は、古い資料は保管データに近い存在でした。必要になったら探すもの、探しても読み返すのが大変なもの、案件が終わればそのまま埋もれていくもの。そういう扱いになりがちでした。

AIを使うと、過去資料から判断理由、設計意図、障害対応、運用手順、確認観点を抜き出せる可能性が見えてきます。資料そのものをそのまま使うのではなく、そこに含まれる判断や構造を取り出して、別の作業に使える形へ変えるという見方です。

これはかなり大きな変化です。過去にやってきた仕事が、単なる古いファイルではなく、再利用できる判断材料に見えるようになります。もちろん固有情報は除外しなければいけません。それでも、資料の中にある設計判断や運用判断を抽象化できれば、自分の経験そのものを資産に変えられます。

AIを使っても人間が見る場所は残る

このセクションでは、AIを使っても人間が見るべき場所を整理します。AIを使うほど、何でも任せられるように見えますが、実際には逆です。任せる範囲が広がるほど、どこを人間が確認するかを先に決めておかないと危険になります。

事実確認は人間が見る

AIの出力は、そのまま事実として扱えません。特に日付、仕様、料金、公式情報、製品名、制度、公開情報は、人間が確認する必要があります。AIは文章として自然にまとめることはできますが、その自然さと正確さは同じではありません。

ここを曖昧にすると、AIを使った作業は一気に危険になります。読みやすい文章が出たことで、確認した気になってしまうからです。自分の場合も、AIの出力をそのまま使うのではなく、確認対象を分けることが重要だと考えるようになりました。

AIに任せるのは、整理、比較、草案、観点出しです。事実確認、公開判断、最終採用は人間が見る。この線を曖昧にしないことが、AIを実務で使う前提になります。

公開してよい情報かどうかは人間が決める

過去資料や業務経験をAIで整理するときに、最も注意が必要なのは固有情報です。顧客名、個人名、内部構成、実IP、契約情報、障害の詳細など、外に出してはいけない情報は必ずあります。AIが整理できるからといって、そのまま公開してよいわけではありません。

ここは人間が見るしかありません。どこまで抽象化するか、どの情報を消すか、どの粒度なら再利用できるかを判断する必要があります。AIは候補を出せますが、公開可否の責任は持てません。

だからこそ、AIを使うほど、公開前の確認設計が重要になります。何を除外するのか。どの表現なら安全か。経験として語れる範囲はどこか。ここを決めずにAIへ資料を渡すと、便利さより危険の方が先に出ます。

最終的に何を採用するかは人間が決める

AIは案を出せます。構成も作れます。比較もできます。文章も整えられます。それでも、最終的に何を採用するかは人間が決めます。ここをAIに渡してしまうと、自分の判断が消えます。

AIを使う意味は、自分の判断を放棄することではありません。むしろ、自分が判断するための材料を早く揃えることです。複数案を出させる。抜けを見つける。違和感を言語化する。そこまではAIが強いです。その後に、何を選び、何を捨てるかは人間側の仕事です。

この線引きを持っていないと、AIに振り回されます。AIを使っているつもりが、AIが出したものを追認するだけになります。自分の仕事を守るためにAIを使うなら、最後の採用判断は必ず自分の側に残す必要があります。

AIで変わったのは道具ではなく働き方の組み立て方

このセクションでは、AIを使った結果として見えてきた働き方の変化を整理します。AIそのものが重要なのではなく、AIを使うことで作業の分け方、記録の残し方、判断の置き方が変わりました。ここが変わると、組織に引き戻される働き方とは別に、自分の側の処理基盤を持てるようになります。

作業をひとまとめに抱えない働き方へ変わった

AIを使う前は、作業をひとまとめに抱えがちでした。調べる、考える、書く、確認する、残す。これらを全部自分の頭の中で処理しようとすると、作業量が増えるほど限界が来ます。しかも、途中の判断は残りません。

AIを使うようになってからは、作業を工程として分けるようになりました。調査は調査として出す。構成は構成として作る。本文は本文として作る。確認は確認として分ける。記録は記録として残す。この分け方をすると、AIに渡せる部分と人間が見る部分が明確になります。

これは、単に作業が速くなったという話ではありません。作業の形が変わったという話です。人間が全部抱えるのではなく、工程ごとに分け、必要なところにAIを入れ、人間は判断と確認を見る。この組み立て方ができるようになったことが一番大きな変化でした。

自分の判断を外に出して再利用できるようになった

判断は、頭の中に置いておくと消えます。その時は覚えていても、数日後、数週間後、数か月後には薄れていきます。なぜその構成にしたのか。なぜその案を捨てたのか。なぜその表現にしたのか。結果だけが残り、理由は消えます。

AIを使うようになってからは、判断を外に出すことの重要性が強くなりました。会話で出た判断をwikiに残す。作業ルールをCLAUDE.mdやrulesに分ける。繰り返す作業をcommandsにする。こうした形にすると、自分の判断が次の作業で使える材料になります。

これは、自分の経験を仕事の資産に変える作業でもあります。過去に判断したことを毎回思い出すのではなく、再利用できる形で残す。AIはその補助としてかなり強いです。

組織の働き方に合わせるだけではなくなった

組織の働き方はすぐには変わりません。出社回帰、承認依存、会議優先、空気優先、資料優先。こうした流れに巻き込まれると、自分の出力は簡単に削られます。だからといって、毎回怒っていても状況は変わりません。

AIを使って変わったのは、組織の外側に自分の処理基盤を持つという考え方です。自分の作業を整理し、判断を残し、過去資料を抽象化し、記事やwikiに変え、次の仕事へ接続する。こうすると、組織の中だけで消費される働き方から少し離れられます。

これは楽観論ではありません。現実には確認も必要ですし、時間もかかります。それでも、何も残らない働き方に戻るよりは、自分の判断と作業を残す方がいい。AIは、そのための現実的な手段として見えるようになりました。

まとめ

この記事では、AIを便利な新ツールとしてではなく、自分の時間価値と出力を守る手段として見た理由を整理しました。

今の働き方への違和感は、出社そのものではなく、成果より統制、価値より可視性、前進より体裁が優先される構造にありました。そこに合わせ続けると、個人の出力も判断力も削られていきます。

AIが決定打に見えたのは、調査、整理、判断、下書き、確認、記録を工程として分け、自分の側の処理速度を上げられる可能性があったからです。AIは人間の判断を消す道具ではなく、判断するための材料を早く揃える手段として使うべきです。

実際に使って変わったのは、作業時間だけではありません。作業をひとまとめに抱えず、工程に分け、判断を残し、過去資料を再利用できる形に変えることでした。

AIを使っても、事実確認、公開判断、固有情報の除外、最終採用は人間が見ます。ここを渡してしまうと、自分の判断が消えます。AIを使うほど、人間が見る場所を先に決める必要があります。

自分にとってAIは、組織の古い働き方に戻される中で、自分の出力と判断を守るための処理基盤でした。道具が変わったのではなく、働き方の組み立て方が変わった。そこが一番大きな変化です。