マイページ
成果を分ける「5つの仕事スキル」
有意だった項目を並べ直して整理しなおすと、以下のような五つの要素が浮かびあがった（図表4）。
出所＝パーソル総合研究所「AI環境における人材とマネジメントに関する定量調査」
優先順位を決める。事前に情報を構造化する。フィードバックを求める。改善のループを回す。これらはいずれも、タスクそのものを実行する能力ではなく、中心となるタスクの「前」と「後」に位置する作業である。そのため、筆者はこれらをAI時代のメタ・スキルと呼んでいる。
筆者作成
なぜ、上流の設計フェーズと下流の最適化フェーズにばかりメタ・スキルの価値が集まるのか。理由は単純である。
中間の工程、すなわち具体的な作業と試行は、いまやAIが主役だからだ。実行が自動化されれば、成果を決めるのは「AIに何をどう作業させるかの精度（設計フェーズ）」と、「出てきた出力をリアルと照らし合わせる検証と蓄積（最適化フェーズ）」になる。残った両端に、人の仕事が凝縮されるのである。
AIの性能が上がっても解決しない壁
これらのメタ・スキルは、この両端で起きるAI活用のボトル・ネックの裏表でもある。
たとえば、設計フェーズでは「固有の文脈や事前情報が不足している」「何から手を付けるか決められない」「前提が浅いので出力の質が低い」といったことがしばしば起こる。最適化フェーズでは「AIの一般的出力で差別化ができない」「組織・会社の現状や文脈と合わない」「個人のノウハウ止まり」ということがAI活用の大きな壁になる。
これらのボトル・ネックは、AIの技術的アップデートでは解決されず、人の「使い方」に依存するものだ。
