先日、ある生成AIコンサルの選抜試験を受けた。
課題は、架空の町工場にAIをどう導入するかの提案を組むこと。受注処理の自動化を、実際に動く形まで設計する。そして特徴的だったのが、AIの使用がOKだったことだ。ChatGPTでもClaudeでも、好きなだけ使っていい。その条件で、提案書とAIの設定を仕上げる。
受ける前、私は正直こう思っていた。「AIを使っていいなら、みんな同じような綺麗な答えになるんじゃないか」。AIに聞けば、それらしい提案書はいくらでも出てくる。差なんてつくのか、と。
ところが、やってみて確信した。逆だ。AIを使っていい試験ほど、人間の地力が丸裸になる。
この体験は、「AIで誰でも綺麗な資料が出せる時代に、コンサルや専門家の価値はどこに残るのか」という問いに、はっきり答えをくれた。今回はその話を書く。法人にAIを入れる仕事をしている人にも、AI時代に自分の価値をどう作るか悩んでいる人にも、たぶん効く。
「AI使用OK＝みんな同じ答え」は、なぜ外れるのか
AIを使っていい試験で、なぜ差がつくのか。
理由はシンプルだ。AIは、使い手の問いの質をそのまま映す鏡だからだ。
同じClaudeに、同じ課題を投げても、出てくる答えは人によってまるで違う。なぜなら、AIへの問いの中に、その人が課題をどう読んだかが全部入ってしまうからだ。
- 課題のデータを浅く読んだ人は、浅い問いしか投げられない。だから浅い答えが返る
- 現場の例外に気づいた人は、その例外を踏まえた問いを投げられる。だから深い答えが返る
AIは、問いより上手な答えは返してくれない。雑な問いには、それらしいけれど的を外した答えを、堂々と返してくる。しかも見た目は綺麗なので、問いが雑だったことに本人も気づきにくい。
だから、AI使用OKの試験は「AIの性能テスト」ではなく「人間の問いの質テスト」になる。AIを解禁すればするほど、答えの差は、使い手の地力の差にきれいに置き換わる。
多数派が落ちる罠──「素直に聞く」と逆を選ぶ
今回の試験で、これがいちばん効いた。
課題には、自動化の「型」をいくつかから選ぶ場面があった。問題文を素直に読んでAIに聞けば、多くの人は完全自動の型を選ぶ。受注を受けて、システムが処理して、人の手を介さず完結する。いちばん「AIっぽくて」「進んでいて」「効率的」に見える。問題文の流れも、そっちに誘導しているように読める。
でも、私は逆を選んだ。人の確認を残す型だ。
なぜか。配布されたデータを自分で深く読み込むと、完全自動を選んではいけない理由が、いくつも転がっていたからだ。
- 受注に使われている書類が、手書きでかなり汚い。読み取りを完全にAI任せにしたら、誤読が必ず混じる
- 在庫や納期に、例外的な処理がいくつもある。「この客だけは別ルール」のような、データの注記に小さく書かれた現実
- そもそもこの工場は、過去に2回、システム導入に失敗している。ベテランの現場が新しい仕組みに強い警戒を持っている
これらを踏まえると、答えははっきりする。ここで完全自動を入れたら、現場で必ず事故るし、また「3回目の失敗」になる。だから、要所に人の確認を残し、AIは下処理と提案に徹する型のほうが、この工場では正解だ。
ここが分かれ目だった。
AIに素直に聞いて、問題文に素直に従うと、多数派は完全自動を選ぶ。逆を選べるのは、データを自分で深く読んだ人だけだ。
AIは「一般論として効率的な型」は教えてくれる。でも、「この工場の、この汚い書類と、この警戒している現場には、その型は合わない」とは教えてくれない。それを言えるのは、データの注記を自分の目で拾い、現場の人間の心理を想像できる人間だけだ。
AIを使っていいからこそ、ここで差がついた。みんなAIに聞ける。でも、AIの答えを現場の現実で疑えるかどうかは、地力でしか決まらない。
コンサルが残る条件＝「業務理解 × AI × 伴走」の掛け算
この試験を通して、AI時代に専門家・コンサルが残る条件が、くっきり見えた。
ひとつのキーワードに削ぎ落とすと、こうだ。業務理解 × AI × 伴走。足し算ではなく、掛け算。どれか一つが欠けると、価値がゼロに近づく。
① 業務理解──AIに丸投げできない「分解」と「判断」
7つの業務データを渡されて、「どれから・なぜ手を付けるか」を決める。配布資料の汚さや、在庫の例外に気づく。社長の本音──ベテランの抵抗、過去の失敗、予算への不安──を提案に織り込む。
これは、AIに丸投げできない。AIは目の前のデータをきれいに整理してはくれるが、「現場で本当に効くのはどこか」「人がどこで抵抗するか」という判断は、業務を分解した経験と、人間相手の経験からしか出てこない。
私の場合、それは営業として現場を回ってきた経験と、人に伴走して教えてきた年月から来ている。AIツールに詳しいだけの人は、ここで詰まる。データは読めても、「どの順番で・なぜ」が判断できない。
② AI──手を動かして、実際に動く形まで持っていく
業務を理解しているだけでも足りない。提案を、実際に動くAIの設定まで落とせるか。
今回の試験でも、提案書を書くだけでなく、自動化の仕組みを実装する課題があった。「こうすればいいと思います」で止まる人と、「実際にこう動かしました」まで持っていける人の差は大きい。AIを道具として手に馴染ませて、現場で動く形まで仕上げられること。これが2つ目の掛け算だ。
③ 伴走──現場の人間が動く形に落とし、隣で並走する
最後がいちばん見落とされがちだ。提案が正しくても、現場の人が動かなければ、何も変わらない。
過去2回失敗した工場に、3つ目の正論を置いて帰っても、また失敗するだけだ。ベテランの警戒をほぐし、小さく始めて成功体験を作り、現場が自分で回せるところまで隣で並走する。この伴走がなければ、どんなに賢い提案も、絵に描いた餅になる。
業務理解で「何を」を決め、AIで「動く形」を作り、伴走で「現場が動く」まで持っていく。この3つの掛け算が、AIで誰でも綺麗な資料が出せる時代に、人間に残る価値の正体だ。
AI解禁の試験が教えてくれた、価値の在りか
少し引いて考えると、この試験そのものが、いまの仕事の縮図だった。
中小企業のデータを渡されて、本質と勝ち筋を抜き、現場が動く形に落とす。これは、私が法人にAIを入れる仕事でやっていることと、まったく同じ構造だ。だから、この試験は私にとって「AI内製化コンサルのデモ」でもあった。
そして気づいたのは、「AIに詳しい」だけでは、もう価値にならないということだ。AIに詳しい人は、これからどんどん増える。誰でもClaudeに聞ける。誰でも綺麗な提案書を出せる。
そんな時代に値がつくのは、AIの答えを現場の現実で疑える人だ。データの注記から例外を拾い、社長の本音を読み、現場が動く順番を設計できる人。AIが進めば進むほど、皮肉なことに、この人間にしかできない部分の希少性が上がっていく。
AIが下働きを引き受けてくれるから、人間は「判断」と「伴走」という、いちばん難しくて、いちばん価値の高い部分に集中できる。これは脅威ではなく、追い風だと思っている。
現場で落ちる3つの失敗パターン
AI時代に「AIに詳しいだけ」で止まってしまう、よくある詰まり方を3つ書く。法人にAIを入れる側も、自分の価値を作る側も、同じ罠にハマる。
失敗1：AIの答えを、現場で疑わずにそのまま出す
AIが出した提案は、見た目が綺麗だ。論理も通っている。だから、つい「これでいいか」とそのまま採用したくなる。
でも、AIは目の前の現場の例外を知らない。汚い書類も、ベテランの警戒も、過去の失敗も、AIの視界には入っていない。AIの答えを、現場の現実で一度疑う。この一手間を飛ばすと、一般論として正しいけれど、この会社では事故る提案になる。
失敗2：「進んでいる方」を、無条件に選ぶ
完全自動のほうが、人の確認を残すより「進んでいて」「効率的」に見える。AIっぽい。だから、つい新しくて派手なほうを選びたくなる。
でも、現場にとっての正解は、たいてい地味なほうにある。いちばん効率的に見える型が、この会社にいちばん合うとは限らない。進んでいるかどうかではなく、この現場で本当に回るかどうかで選ぶ。これができるのは、データを深く読んだ人だけだ。
失敗3：提案して終わり、で「伴走」を抜く
正しい提案を出せば、仕事は終わりだと思ってしまう。けれど、現場が動かなければ、提案の価値はゼロだ。
特に、過去に導入を失敗している会社では、正論を置いて帰るのがいちばん危ない。現場が自分で回せるところまで並走して、はじめて変化が残る。伴走を抜いた提案は、4回目の失敗の種になる。
AI時代に、自分の価値を作りたい人が今日から試せること
法人にAIを入れる人にも、自分のキャリアを考えている人にも効く、今日からの3つを書く。
① AIの答えを、必ず一度「現場の現実」で疑う癖をつける AIが出した提案を見たら、「この現場の、どんな例外でこれは崩れるか」を1つ考えてみる。疑える数だけ、あなたの問いは深くなる。
② 自分が深く知っている「業務・現場」を1つ言葉にしておく AIに詳しいだけでは差がつかない。あなたが現場で見てきた業務、人の動き、例外──AIが知らない一次情報を1つ、棚卸ししておく。それが掛け算の「業務理解」になる。
③ 「提案」で止めず、「動く形」と「並走」まで意識する 何かを提案するとき、「実際に動く形まで作れるか」「相手が自分で回せるまで付き添えるか」を自問する。この2つを足せるかどうかで、AI時代の価値が決まる。
まとめ──AIが進むほど、人間の地力が値を持つ
AIで誰でも綺麗な提案書が出せる時代。だからこそ、AI使用OKの試験は、人間の地力が丸裸になる場になっていた。
- AIは、使い手の問いの質を映す鏡。雑な問いには、的を外した綺麗な答えを返す
- AIに素直に聞いて問題文に従うと、多数派は完全自動を選ぶ。逆を選べるのは、データを深く読んだ人だけ
- AI時代にコンサルが残る条件は、業務理解 × AI × 伴走の掛け算。どれか一つが欠けると価値がゼロに近づく
「AIに詳しい」だけの人は、これから増える一方だ。値がつくのは、AIの答えを現場の現実で疑い、現場が動く形まで落とせる人。AIが進むほど、この人間にしかできない部分の希少性は上がっていく。
これは、AIに仕事を奪われる話ではない。AIが下働きを引き受けてくれるぶん、人間が「判断」と「伴走」という、いちばん難しくて価値の高い部分に集中できるようになる話だ。
AIを使っていい時代に、最後に問われるのは、AIの性能ではなく、それを使うあなたの地力のほうだ。今日、AIの答えを一度だけ、現場の現実で疑ってみるところから始めてほしい。
