AIによる自動化は、人間の仕事を単純に代替するとは限らない。放射線医療では、AIによって画像診断のコストが下がる一方、需要拡大とともに、人間による判断・責任・最終承認の価値がむしろ高まった。
同様にソフトウェア開発でも、コード生成の効率化とシステムを構築・評価する能力は別物である。短期的な人員削減を優先すれば、企業は将来必要となる判断力と人材育成の仕組みを失う。
AI時代に重要なのは、自動化を進めながら、人間による責任・検証・育成を意図的に残すことである。
1. 放射線科医がAIに代替されなかった理由
2016年には、AIの進化によって放射線科医は不要になるとの予測があった。しかし実際には、放射線科医への需要はむしろ拡大した。
背景には2つの経済原理がある。
- 誘発需要
- AIによって画像診断が安価・迅速になる
- 利用量そのものが増加する
- 結果として放射線科医への需要も増える
- 補完性
- AIによる予測が安価になるほど、人間の判断や責任の価値が高まる
- 医療では、最終的な診断に責任を持ち承認する人間が必要である
つまり、AIが代替したのは「画像を読む作業」の一部であり、放射線科医という職務全体ではなかった。
2. 最終承認には「育成」という価値もある
人間による最終承認は、単なる確認作業ではない。
放射線医療では、
- 若手医師が画像を読む
- ベテラン医師が確認する
- 判断の理由を共有する
- 最終的に責任を持って承認する
というプロセス自体が人材育成の仕組みになっている。
したがって、効率化だけを目的にレビュー工程を削減すると、品質管理と人材育成を同時に失うことになる。
3. テック企業も同じ誤りを犯す可能性がある
ソフトウェア業界では、AIによってコード生成のコストが急速に低下している。
その結果、
- AIでコードを書ける
- 1人当たりの生産性が上がる
- 必要なエンジニア数を減らせる
という判断が広がっている。
しかし、ここには重要な混同がある。
「コードを書くこと」と「信頼できるシステムを構築すること」は同じではない。
顧客が必要としているのは大量のコードではなく、問題を解決し、安全かつ持続的に利用できるシステムである。
4. AIでは代替しにくいエンジニアの価値
エンジニアがコードを書く過程では、コードそのもの以外にも多くの価値が生み出される。
例えば、
- どの設計が将来の拡張に耐えられるか
- どのコードが技術的負債になるか
- 顧客の本当の課題は何か
- セキュリティや運用上のリスクは何か
- AIが生成したコードを採用してよいか
といった判断である。
AIがコードを高速生成できても、そのコードが長期的に良質かどうかを判断する能力まで自動的に得られるわけではない。
5. ソフトウェアではAIの誤りが蓄積しやすい
医療と異なり、ソフトウェアの問題はすぐに表面化しないことが多い。
不具合が発覚するのは、
- システムを変更する時
- 他システムと統合する時
- セキュリティ対策を強化する時
- 大規模に拡張する時
など、数年後になる場合もある。
その時には、コードを作成した人や判断した人がすでに組織を離れている可能性もある。
このため、AIによる短期的な生産性向上の裏側で、長期的な技術的負債が見えないまま蓄積するリスクがある。
6. 企業が抱える2つの「見えない負債」
AIを理由に人員削減を進めれば、企業には2種類の負債が蓄積する。
能力の負債
若手を育てる機会が失われることで、将来必要な専門人材が育たなくなる。
判断の負債
ベテラン自身も実務から離れることで、コードやシステムの良し悪しを判断する感覚を失っていく。
これらは会計上の負債としては現れないが、将来の競争力や品質を徐々に毀損する。
7. リーダーが導入すべき3つの仕組み
① AI利用と責任の履歴を残す
ソフトウェアごとに、
- どのAIを利用したか
- 誰がレビューしたか
- 誰が最終承認したか
を記録する。
AIによる開発プロセスの来歴を可視化し、責任を追跡できる状態にする。
② 人間による最終承認を義務づける
AI生成コードについても、責任を持つ人間を明確にする。
さらに、
- ベテランと若手を組ませる
- レビューを教育機会として活用する
ことで、品質確保と人材育成を両立させる。
③ AI関連の不具合を責任とコストに結びつける
AIに起因する問題が続いた場合には、
- レビュー基準を厳格化する
- 上位責任者の承認を求める
- ポストモーテムを実施する
- 再発防止策を制度化する
といった仕組みを導入する。
重要なのは処罰ではなく、AIの利用に伴うリスクを経済的・組織的に内部化することである。
8. 「意図的な非効率性」を残す
AI導入では、レビューや承認、人材育成は一見すると非効率に見える。
しかし、
- 人間による確認
- 二重チェック
- 若手への指導
- 最終承認
- 障害後の検証
といった工程は、組織の能力を長期的に維持するために必要である。
したがって、AI時代にはすべてを効率化するのではなく、持続可能性を守るための「意図的な非効率性」を設計することが重要になる。
結論
AIの普及によって希少になるのは、単純なアウトプット能力ではない。AIの成果を評価し、責任を引き受け、次世代に判断力を継承できる人間の能力である。企業が短期的な生産性向上だけを追求して人材を削減すれば、将来必要となる専門性、判断力、育成機能まで失いかねない。
AIを競争力に変える企業とは、人間を排除する企業ではなく、AIによって人間の専門性を拡張し、その判断力を組織に残し続ける企業である。
詳細は下記参照。定期購読登録が必要です。
“Big Tech’s Looming Capability Crisis,” HBR.org, June 02, 2026.