AI時代に必要な能力とは？ これから何を学び、どんな力を伸ばすべきか

eye 3

SHARE

この記事には広告を含む場合があります。
記事内で紹介する商品を購入することで、当サイトに売り上げの一部が還元されることがあります。

AIが多くの作業を実行できるようになった今、私たちは何を学べばよいのか？

「AI時代に必要な能力」で検索すると、だいたい同じようなリストが出てきます。

どれも大事です。
たぶん、間違ってはいません。
でも、明日から何を伸ばすかまでは、決まらない。

先に、いまの私の答えを書いておきます。

AI時代に必要な能力に、全員に共通する正解のリストはありません。
同じAIでも、使う人の元の力や課題の種類によって、効き方が逆になるからです。

だから伸ばす能力は、「AIにできないこと」で選ぶより、自分の仕事に問いを当てて選ぶ。
育て方は、AIを使うかどうかより、使っている途中で自分が考え、理解し、判断しているかに目を向ける。

この記事は、2026年6月に書いた記事のリライトです。

6月に挙げた「外に出し続ける6つの力」を過去の仮説として扱い、仕事と学習についての調査や研究に当て直しました。

私もAIと一緒に作っている側で、正解を持っている側ではありません。

AIで初案や下書きが速く出るようになった人に向けて、Web制作・デザイン・プログラミングを例に書いています。

職種を問わず使える考え方にしたつもりです。

この記事でわかること
  • 「AIにできないこと」だけで能力を選ぶと、何がずれるのか
  • 研究を踏まえて私が考えた、伸ばす能力を選ぶための4つの問い
  • AIを使うと能力は伸びるのか、衰えるのか（研究で分かっていることと、その限界）

記事を書いている人

profile

R（アール）

ソロプレナー。精密栄養カウンセラー。
Web制作の現場で長く手を動かしてきました（いまも現役）。

個人開発でいくつものアプリを並行して作りながら、AIと「作る・届ける」を実験しています。

うまくいったことも、月収2,000円みたいな冴えない数字も、隠さず公開中。

教える人ではなく、少し先で転んで戻ってきた人として、あなたと同じ目線で現在地を観測していけたらと思います。


AIと「作る・届ける」の実験は、メルマガにも不定期で書いています。→ のぞいてみる（限定特典つき無料）

AI時代に必要な能力とは？
今回調べた研究の中にも、全員に共通する正解のリストはありませんでした。
目安になるのは、AIと組んだときに自分の側に残る役割です。
問題を見つける、何を実現するか構想する、選んで判断する、実験して確かめる、AIの出力を見分けて直す、それを支える専門の理解。
どれを伸ばすかは、自分の仕事のどこでその役割を担っているか、そしてこれから何に挑戦したいかで決めます。
ただし、今回調べた範囲（2026年10月時点）では、こうして能力を選んで伸ばした人を長く追った研究は見つかりませんでした。

目次

「AIにできないこと」を探すだけでは、伸ばす力は決まらない

AIにできないことを伸ばせばいい。

私もどこかで、そう思っていました。

世界経済フォーラム（WEF）が2025年1月に出した「Future of Jobs Report 2025」に、この物差しが揺らぐ数字があります。

手先の器用さ、持久力、精密さ。

この3つは、身体を使う人間的な要素があるので、いまのところ生成AIで代わりがきく見込みはない、とされていました。

ところが同じ報告書の雇用主の調査では、この3つははっきり需要が下がる側でした。

回答者の24%が、重要性が下がると見ています。

AIに代わりがきかないことと、伸ばす価値があることは、別の話でした。

時間の問題もあります。

同じ報告書では、2025〜2030年のあいだに、働く人がいま持っているスキルの39%が変わるか古くなる、と雇用主が見ています。

「いまAIにできないこと」のリストは、たぶん長くはもちません。

仕事の中身の変わり方は、消えるのは職業より工程、という見方にも書きました。

では、AIが入った仕事で、能力の価値は実際にどう動いているのか。

AI時代に、能力の価値はどう変わるのか

AIで初案が速く出るようになると、仕事の中で、AIに渡せる部分と自分に残る部分が分かれてきます。

能力の値打ちが動くのは、その分かれ目です。

大手のフリーランス仲介サイトの求人を、2021年1月から2023年9月まで追った研究があります（Teutloff ほか・2025）。

スキルを「代わられる」「補い合う」「影響なし」に分けて、ChatGPTの公開の前後を比べたものです。

「代わられる」の定義は、専門家でない人が大規模言語モデルを使えば、専門家の助けなしに同じくらいの質でこなせる作業。

この群の求人は、影響なしの群と比べて25%減りました。

一方、補い合う群は、群全体としては統計的に有意な変化がありませんでした。

価値が下がったのは、専門でない人がAIで同じ質にできる作業でした。

ただ、補い合う側にいれば求人が伸びた、とまでは言えません。

では、人とAIが組むと、どんなときに良くなるのか。

人とAIの組み合わせを調べた実験をまとめたメタ分析（Vaccaro ほか・Nature Human Behaviour・2024）では、組み合わせは平均すると、人かAIの良いほうが単独でやるより少し悪く、人だけでやるよりは良い結果でした。

研究者は、組んで良くなる条件を、作業のある部分では人が、別の部分ではAIが上手で、それぞれを上手なほうへ振り分けられること、と書いています。

ここからは私の考察です。

能力の価値は、能力の名前より、その作業でAIと組んだときに自分がどの部分を担っているかで動いている。

同じ「コードを書く力」でも、よくある処理を書く部分は、専門でない人がAIを使っても同じ質に届きやすい。

どこで壊れそうかを見抜く部分は、専門の理解が無いと、たぶん届きません。

だとしたら、能力のリストを眺めるより、自分が担っている部分を見たほうが早い。

では、自分はいま、どの部分を担っているのか。

AI時代に必要な能力は、自分の仕事に4つの問いを当てて選ぶ

今回読んだ研究の中に、「AI時代に必要な能力の正解」を決めたものはありませんでした。

むしろ見えてきたのは、正解を借りにくい理由のほうです。

カスタマーサポート5,179人の研究（Brynjolfsson ほか・2023）では、AIのツールを使うと、1時間あたりに解決した問い合わせの数が、経験の浅い人や習熟度の低い人で34%増え、経験の長い人や習熟度の高い人にはほとんど影響がありませんでした。

ところが、ケニアの小規模事業者640人にGPT-4の助言を届けた実験（Otis ほか・Management Science・2026）では、もともと成績の低かった人が、AIの助言で10%近く悪くなりました。

成績の高かった人は伸びた可能性がありますが、統計的にはっきりした差とまでは言えません。

研究者によると、この差は、AIへの質問や受け取った助言の違いから生じたものではないようで、どの助言を実行したかから生じていました。

経験の浅い人を助けたAIが、別の場面では、成績の低い人の足を引っぱった。

誰かの正解を借りられないのは、たぶんこのせいです。

ここからは考察です。

これから挙げる4つの問いは、研究で確かめられた方法ではありません。

ここまでの研究を踏まえて、私が考えた提案です。

問い1：この作業で、自分はいまAIより上手か

さっきのメタ分析では、組んで良くなるのは、人のほうが上手な部分があるときでした。

Web制作なら、ページを組む速さはAIに譲っても、サイトに来る人がどこで迷うかの見立ては、まだ自分のほうが上手かもしれない。

この答えは、AIが変わるたびに動きます。

問い2：専門の理解が無いと、AIを使っても質が落ちる作業か

フリーランスの研究の「代わられる」の定義を、裏返した問いです。

落ちるなら、そこは専門の理解と、AIの出力を見分けて直す力が要る場所。

ただ、残る役割だからといって、求人が増えるとは限りません。

問い3：AIの案から自分の状況に合うものを選び、実行して結果で確かめる場面があるか

ケニアの実験で差が生じていたのは、どの助言を実行したかでした。

P&Gの社員が商品開発の課題に取り組んだ現場実験（Dell’Acqua ほか・Organization Science・2026）の抄録にも、AIはおもにアイデアの質を高め、人の判断は評価して選ぶところで価値を保つ、とあります。

指すのは、選んで判断する力と、実験して確かめる力です。

問い4：何を問い、何を実現するかを、自分で決めているか

BCGのコンサルタント200人超のAIとの働き方を観察した研究は、3つの型を挙げています（原論文は開けておらず、ハーバード・ビジネス・スクールのAI研究所の解説記事による）。

「何をするか」は人が決めて「どうやるか」の多くをAIが担うCyborgs（60%）。

「何を」も「どうやるか」も人が決めて、分担がはっきりしたCentaurs（14%）。

成果物を、AIと一緒にというより、AIに仕上げてもらうSelf-Automators（27%）。

指すのは、問題を見つける力と、何を実現するかを構想する力です。

ただ、今回調べた範囲では、生成AIを使う仕事でこの2つの力を測り、成果との関係を示した研究は見つかりませんでした。

4つの問いが指す力を並べると、こうなります。

  • 問題を見つける
  • 何を実現するか構想する
  • 選んで判断する
  • 実験して確かめる
  • AIの出力を見分けて直す
  • それを支える専門の理解

どれも、AIと組んだときに自分の側に残る役割です。

どれを伸ばすかは、自分の仕事のどこでその役割を担っているかで選ぶ。

中心を1つに決めなくていい、と私は考えています。

私の場合は、AIに任せた工程・戻ってきた工程・まだ渡せない工程の実例に書いています。

6月の私は、AIで作れることが特別ではなくなったと見て、外に出し続ける6つの力（オリジナリティ、発信力、商品力、行動力、継続力、信用）を選びました。

「私の場合は、長いこと発信のところで止まっていました。」と書いたとおり、自分の詰まりから選んだ力です。

研究に当て直すと、オリジナリティなど一部は支持されました。

一方、今回調べた範囲では、発信力、商品力、継続力を直接確かめた研究は見つかりませんでした。

間違いだと分かったわけではありません。確かめられていない、です。

とりさん
とりさん

結局どれを伸ばせばいいか、誰か決めてくれないかな。

R
R

それ、すごく分かります。私も6月は、答えのリストを出す側にいました。ただ、同じAIで逆の結果が出るなら、誰かのリストはその人の仕事の答えなんですよね。

問い2には、気になる続きがあります。

AIで専門でない人も同じ質に届くなら、専門知識や制作経験は、もう要らないのか。

専門知識や制作経験は、まだ必要なのか

AIで差が縮む場面は、確かにあります。

カスタマーサポートの研究で伸びたのは経験の浅い人でした。

P&Gの実験では、商品開発が本業でない社員が1人でAIを使うと、本業の社員が少なくとも1人いるチームと同じくらいの成果になっています。

でも、AIの得意な範囲の外に出ると、逆のことが起きます。

BCGのコンサルタント758人を、AIなし・GPT-4あり・GPT-4ありでプロンプトの手ほどき付き、の3つの群に無作為に分けた実験があります（Dell’Acqua ほか・Organization Science・2026）。

AIを使った人は、AIを使わなかった人と比べて、AIの得意な範囲の課題では12.2%多くのタスクをこなしました。

ところが範囲の外の課題では、AIを使わなかった人と比べて、正しい答えを出す見込みが19%低くなりました。

論文の題にある「Jagged Technological Frontier（でこぼこの技術の境界）」です。

境界は、課題を見ただけでは分かりにくい。

外に出たと気づけるかどうか。

そこで効くのが、その分野の理解です。

主にジュニアのエンジニア52人で、AIの手を借りて新しいライブラリを覚えた人と、手で書いて覚えた人を比べた実験でも、あとのテストで差が一番大きかったのは、バグを見つけて直す問題でした（Shen & Tamkin・2026・査読前・Anthropic自身の研究）。

研究から言えるのは、覚えた直後のテストでこの差が出た、までです。

そこから私は、作って、詰まって、直した経験が、AIの出力を直すときの材料になると考えています。

6月に「土台」と書いた制作力は、作る作業としてはAIで出来が上がる側でした。

それでも、AIが組んだ画面のどこが崩れているかに気づくには、組んだ経験が要る。

制作の経験は、AIの出力を見張る材料として残る、と私は見ています（フロントエンドの手を動かす工程がどう変わったかにも書きました）。

ただ、AIに作らせるほど、自分で作って詰まる回数は減ります。

AIに任せると、力は衰えるのか。

AIで思考力は低下する？ 能力が伸びるか衰えるかの分かれ目

Yahoo!知恵袋に、「システムエンジニアですが、ChatGPTがいないと仕事が全然できない…」という質問がありました。

本文には「完全に依存してます。」とあります。

「AI 思考力 低下」「AI 頼りすぎ」と調べる人もいて、関連する言葉には「論文」「研究」が並びます。

先に、本人の感じ方はあまり当てにならない、という研究を1つ。

経験のあるオープンソース開発者の実験（METR・2025年7月）では、AIを使うと作業に19%長くかかったのに、開発者たちは終わったあとも、20%速くなったと感じていました。

この結果自体は、METRがいま「古くなっている」としていますが、感じたことと測った結果がずれた記録は残ります。

このリライトを始めるとき、私は4つの問いを立てていました。

「AIが作ったデザインを選ぶだけでも、審美眼は鍛えられるのか。」

「AIが書いたプログラムをレビューするだけでも、設計能力は向上するのか。」

「AIが書いた文章を編集することで、文章力は伸びるのか。」

「AIによって大量の試行錯誤が可能になる一方、自分で試行錯誤する機会が減ることにはどんな影響があるのか。」

今回調べた範囲では、この4つにまっすぐ答える研究は見つかりませんでした。

近い研究なら、あります。

約1,000人の高校生が数学を学んだ実験（Bastani ほか・PNAS・2025）では、ふつうのChatGPTと同じ形のAI（GPT Base）と、学習を守るようにプロンプトを設計したAI（GPT Tutor）を比べました。

AIを使える練習中は、どちらの群も成績が上がっています（48%と127%）。

ところがAIを外すと、GPT Baseを使っていた生徒は、AIを一度も使わなかった生徒より成績が17%低くなりました。

GPT Tutorの群では、この落ち込みが大部分和らいでいます。

ライブラリを覚えたエンジニアの実験でも、あとの確認テストの平均は、AIを使った群が50%、手で書いた群が67%でした。

ここからは考察です。

分かれ目は「AIを使ったか」より、使っている途中で、自分が考え、理解し、判断していたかにありそうです。

任せる工程と自分でやる工程を、きれいに2つに分ければ済む話でもない。

同じ「AIに解かせる」でも、途中で何を考えていたかで、あとに残るものが変わります。

ただ、この研究たちで言えることには限りがあります。

対象は高校生と、主にジュニアのエンジニア。

測ったのは、学んだ直後か、短い期間のうちの成績まで。AIは2023〜2025年のモデルです。

今回調べた範囲では、数か月〜数年たってからの変化や、熟練したデザイナー、エージェント型のAI、日本の職場を対象にした学習の研究は見つかりませんでした。

だから、「自分で考える部分を残せば、必ず伸びる」とは言えません。

とりさん
とりさん

じゃあ、AIはなるべく使わないほうがいいってこと？

R
R

研究はそこまで言っていないんです。使い方で残るものが変わる、まで。私も明日からAIを手放す気はないです。変えるのは、使っている途中と、閉じたあとの数分くらいでいいと思っています。

では、選んだ能力を、AIを使いながらどう育てるか。

選んだ能力を、AIを使いながら育てる

AIで浮いた時間を、選んだ力を育てるほうに回せているか。

デンマークの調査（Humlum & Vestergaard・ワーキングペーパー）では、チャットボットを使う人の85%が、浮いた時間をほかの仕事のタスクに回したと答えています。

学習に回すなら、自分で決めて取りにいくしかない。

育てるときに目を向けたいのは、AIを使っている途中の自分です。

自分の考え方を点検して調整するやり方をよく使う人ほど、生成AIで創造性が上がった、という現場実験もあります（Sun ほか・Journal of Applied Psychology・2025・自己申告を含む）。

この「点検して調整する」力については、メタ認知の本の書評にも書きました。

今週やれる形にすると、こうなります。

  1. 今週AIと一緒に進めた作業を1つ選び、4つの問いに1行ずつ答える
  2. 答えから、その作業で自分の側に残る役割を1つ選び、次に伸ばす能力の候補として書き出す
  3. 次にその作業でAIを使うときは、出力を見る前に自分の見立てを1行書き、どこを採ってどこをなぜ直したかを残し、あとでAIなしで要点を説明できるか試す

3つ目の「AIなしで説明できるか」には、AIとは別の研究ですが、裏付けがあります。

Roediger & Karpicke（2006）の実験では、5分後は読み直したほうが成績が良かったのに、2日後と1週間後は、思い出すテストを受けたほうがよく残っていました。

しかも、読み直しを繰り返すと、覚えているという自信のほうは高まっていました。

感じ方が当てにならないのは、ここでも同じです。

判断の理由を書き残すことも私の提案で、今回調べた範囲では、これを確かめた研究は見つかりませんでした。

1回やると、能力のリストを前に迷う時間が、自分の作業の跡を見る時間に変わります。

続けるほど、伸ばす能力を、誰かのリストより自分の仕事の中から選べるようになっていくはずです。

自分が何を学ぶかは、自分で決めて、ときどき選び直す

AIの得意な範囲は動きます。

4つの問いの答えも、AIが変わるたびに少しずつ動く。とくに問い1は。

だから、一度選んだら終わりにしなくていい。

それに、4つの問いは、いまの仕事に当てる問いです。

伸ばす力を選ぶ理由は、いまの仕事の中だけにはありません。

これから挑戦したいことや、育ててみたい力も、十分な理由になります。

問いを、いまの仕事の代わりに、これからやってみたい仕事に当ててもいい。

私も、6月に選んだ6つの力を、今回選び直しました。

今回調べた範囲では研究で確かめられていない発信力や商品力も、手放してはいません。

いまの仕事に要るからというより、自分の商品を作って届けたい、というこれからの挑戦に要る力だからです。

AI時代に、何を学ぶか。

その答えは、どこかのリストより、AIと作ったあとの自分の手元と、これから向かいたい先の両方にあります。

どこを自分で決めて、どこを見分けられて、どこはAIのまま出したか。

それが、いまの自分の現在地です。

自分の側に残る役割は、自分の言葉や商品をつくるときの材料にもなります。

作れる人から、届けられる人へ。

その一歩目は、AIと組んだときに自分が担う場所を、自分で選ぶことだと思っています。

作りながら学ぶやり方は、作りながら観測して学ぶ方法にまとめています。

確かめられていないところは、自分の仕事で確かめていくしかありません。

メルマガ「いいものをつくる。その先へ｜届ける・売る・続けてもらうためのメルマガ」で届くもの:

  • 本編：つながっていなかった場所を、ひとつ。数字と一緒に。
  • はじめの7日間：現在地を整理するためのメール5通（登録直後・1日後・3日後・5日後・7日後）
  • おまけ：登録直後に、書き込み式のPDFを2つお渡しします（AI時代の構造整理シート／問いの技術 100の問い）

メルマガに登録して、書き込み式のPDFを2つ受け取る

参考資料

前の記事

eye 2
Webデザイナーはやめとけと言われる理由｜AIで消える仕事と残…

次の記事

ドーパミンデトックスのやり方｜意志でなく”触れさせ…
eye 4