【2026年7月版】

【第1回】AIにキャリアを奪われないためには？ ― AI時代のキャリアパス論

公開日: 2026/07/07
読了時間: 約 11分

シリーズ「AI時代のキャリアとスキル」（全5回）

AIにキャリアを奪われないためには？ ― AI時代のキャリアパス論（本記事）

ビギナーこそAIで経験を積む

AIを生徒にして脱・中級

AIチームでリーダー・マネージャーを育てる

AIを育てる人が勝つ ―「使う人」ではなく「育てる人」へ

出発点 ― 今のAIには「身体性」がない

私がAIを使っていて、つくづく痛感するのが「身体性のなさ」です。

具体的に挙げると、きりがありません。

自分の作業が何時間かかっているか、わかっていない
何時に何をすべきか、してはいけないかに、まったく関心を持てない
処理にどれくらい時間がかかるかを予想しない
その処理でどれくらいメモリを消費するかを考慮しない
どれくらいの量のログを出しているか、把握していない
指示に対して「わかったふり」をするが、そのドメインの専門知識は持っていない
コマンドは使えても、失敗したときのリカバリはまったくできない

そして、説明すべき「コンテキスト」が膨大にあります。細かい作業であればあるほど、こちらが事細かに指示しなければなりません。つまり、まだまだ人間がやるべきことは多い——というより、今のAIとコンテキスト量では、到底まともな成果物は生成できない、というのが正直な実感です。自分の専門分野であればあるほど、そう感じるのではないでしょうか。

これを一言でまとめると、今のAIには「身体性（embodiment）」がない、ということです。

「身体性がない」とは、単に「ロボットの体を持たない」という意味ではありません。もっと本質的に、世界と身体で相互作用しながら学ぶ、という経路をまったく持っていないということです。人間は、転んで痛みを覚え、道具の重さや手応えを感じ、相手の表情や場の空気を読みながら、少しずつ「わかる」を体に刻んできました。現在のLLMは、その過程をまるごと飛ばして、世界について書かれたテキストからパターンを学んでいます。

だからAIは、世界の「記述」を大量に知っていても、世界を「経験」してはいません。現場での試行錯誤も、手を動かした痛みも、責任をともなう判断も、長い時間をかけて積み上げた経験も持っていない。一言でいえば、「世界を知っているが、世界を経験していない」のです（身体性AIの研究動向は Embodied AI Paper List（GitHub）や A Survey of Embodied AI で追えます）。

AIには「ドメインの経験」がない

もう一段、具体的にしましょう。人間が仕事をするとき、私たちは膨大な前提を、意識せずに使っています。

その業界で「当たり前」とされる暗黙のルール
顧客がなぜそれを求めるのか、という背景
「この設計はいずれ破綻する」といった、失敗から得た勘
チームや現場の空気、力関係、これまでの経緯

これらは、教科書には書かれていません。そのドメイン（領域）に身を置き、経験することでしか身につかない知です。AIは、このドメインの経験を持っていません。だからAIの出力は、しばしば「もっともらしいが、現場感覚とズレている」ものになります。

そして、ここにこそ人間の価値があります。知識ではなく、ドメインに根ざした経験。それは今も昔も、専門家を専門家たらしめてきたものです。

経験を持つ人間がAIを使うと、驚異的になる

見落としてはいけないのは、AIの登場でこの価値が消えるどころか、むしろ増幅されるという点です。

経験のない人がAIに丸投げすると、もっともらしいが的外れな成果しか出てきません。一方、ドメインの経験を持つ人がAIやエージェントを適切に使うと、結果は一変します。

何をAIに任せ、何を自分で握るかを、経験から正しく切り分けられる
AIの出力の「どこがおかしいか」を、現場感覚で見抜ける
自分の暗黙知を言語化してAIに渡し、何十倍もの速度で形にできる

つまりAIは、経験を代替しません。経験を持つ人間の手の中で、初めて驚異的な力を発揮する道具です。しかもこれは未来の話ではなく、今まさに起きていることです。

このシリーズは、この一点から出発します。AIが身体と経験を持たないからこそ、人間はどこで価値を出し、どうAIと組めばいいのか——それを、キャリアの段階ごとに掘り下げていきます。

「AIに仕事を奪われる」という不安

その前に、多くの人が抱える不安から入りましょう。生成AIが一気に普及し、いま同じ声があちこちで聞かれます。

このままだと、AIに仕事を奪われるのではないか。

コードも文章も、そこそこの品質で一瞬で出てくる。調べものも要約も任せられる。だとすれば、自分の仕事の価値はどこにあるのか——そう感じるのは、ごく自然なことです。

この不安は自然です。ただ、その問いの立て方には見落としがあります。「AIに奪われるか」という問いは、知らず知らずのうちに 「人間対 AI」 という構図を前提にしています。けれど前半で見たとおり、AIは経験を持つ人間の手の中でこそ力を発揮する道具です。だとすれば、本当の対立軸は「人間対 AI」ではありません。

本当の分かれ目は「経験の差」

分かれ目は、同じようにAIを使える人どうしの中にあります。

AIは使えるが、経験の浅い人: AIの答えをそのまま受け取り、成果として出す。もっともらしいが、現場感覚とズレたものになりがち
AIも使え、経験も豊富な人: 何を任せ何を握るかを判断し、AIの誤りを見抜き、自分の暗黙知を渡して何十倍もの速度で形にする

もう知識量では差がつきません。差がつくのは、AIをどう使うかと、その使い方を支える 経験の厚み です（価値が上がるのは「知っていること」より、判断・適応・協働・批判的思考だという指摘もあります: Microsoft Education Blog）。

だからこのシリーズが描くのは、「AIに勝つ方法」ではありません。AIを使える人が経験を積み、AIとの組み方を磨いて、前者から後者へと登っていく——そのスキルアップの道筋です。その道は、キャリアの段階によって姿を変えます（AI時代のキャリア形成については Sundeep Teki が継続的に発信しています）。ビギナー、中級者、リーダー——次回から、段階ごとに具体化していきます。

まとめ

「AIに奪われるのでは」という不安は自然。だが本当の対立軸は「人間対 AI」ではない
分かれ目は、AIを使えるが経験の浅い人と、AIも使え経験も豊富な人の差
もう知識量では差がつかない。効いてくるのは、AIの使い方と、それを支える経験の厚み
本シリーズは、その差を埋めるスキルアップの道筋を、ビギナー・中級者・リーダーの段階で描く

次回はまず、いちばん不安が大きい ビギナー（初心者） から。AI時代に、初心者はどう学び、何を武器にすればいいのかを掘り下げます。

👉 次回: ビギナーこそAIで経験を積む