言語化できない人ほど、AIに追い抜かれていく
業務フロー設計という、見えていなかったリテラシー
社内でCopilotの使い方を教える立場になって、半年が経った。研修をやって、ツールを渡して、事例を紹介する。それをやってきて、少し嫌な気づきがある。
同じツールを同じように渡したのに、使いこなす人と使わない人の差が、思っていたより早く開いた。
しかも、差がつく場所がプロンプトの技術じゃなかった。
「なんか違う」を繰り返す人の共通点
CopilotやほかのAIを渡してすぐに詰まる人を観察していると、引っかかっている場所がほぼ同じだった。
「何を頼めばいいかわからない」
頼み方のテンプレートを渡しても、しばらくするとやはり「なんか違う」が出る。出てきたものを直すのに自分で時間を使って、結局「これだったら自分でやったほうが速い」という結論になる。
これはAIが悪いのではない。
依頼の前に必要な作業がある。「自分が何をしようとしているのか」を、相手に伝わる言葉で書き出す作業だ。
製造業でいうと、作業指示書だ。何を、どういう順序で、どの基準で判断して進めるか。これがないと、熟練者でも新人でも、再現性のある仕事はできない。AIへの依頼も、これと同じ構造をしている。
言語化とは何か
「言語化」というと、文章が上手いことだと思われがちだ。違う。
「この仕事は何を目的に、どういう手順で、何を判断しながら進めるのか」を、相手が動けるレベルの具体さで書き出せる力のことだ。
「メールを書いて」という依頼と、「先方への提案承認依頼メール。相手は技術系でコスト感度が高い。要点を3行以内で先に書き、詳細は添付に逃がす構成で」という依頼では、AIが返してくるものが変わる。
後者が書けるかどうかは、プロンプト術ではない。「自分が何をやっているか」を理解して言葉にできているかどうかだ。
言語化が難しい人は、自分の仕事を「なんとなくやっている」ことが多い。やり方は頭の中にある。でもそれが言葉になっていないので、他人に教えられないし、AIにも渡せない。
品質保証の仕事をしていると、これが製造業特有の問題ではないと気づく。どんな職種でも、「言葉になっていない判断基準」を大量に抱えて仕事をしている人は多い。
業務フロー設計という新しい仕事力
もうひとつの格差の核は、自分の仕事を「工程」として見られるかどうかだ。
「AIに何をやってもらうか」を、業務の中で位置づけて設計できるかどうか。ぼくはこれを業務フロー設計と呼んでいる。
たとえば月次レポートを作るなら、こう分解できる。
①Excelから先月の数字を集計する ②前月比・前年比を計算する ③コメントと分析を考える ④上司に提出して承認をもらう
①と②は構造化した作業なのでAIに任せられる。③は自分の現場判断が必要なので人間が持つ。④は責任の問題なので当然人間だ。
この割り当てを意識してやるかやらないかで、AIと仕事をする速さが変わる。
設計できていない人の典型は、①〜④をまとめて「月次レポートを作って」と頼むことだ。AIはそれなりに返してくれる。でも「なんか違う」が起きる。判断が必要な部分をAIに委ねてしまっているから、確認コストが上がる。結局、自分でやるより遅い。
数字で見える格差の規模
Deloitteが2026年に出したレポートに、少し刺さる数字があった。
人間とAIがどう協働するかを「本当に設計できている」と答えたリーダーは、全体の6%だった。
DataCampの調査では、82%の企業がAI研修を何らかの形で提供しているにもかかわらず、59%がいまだにスキルギャップがあると回答している。
これが意味しているのは、ツールを渡すだけでは変わらないということだ。
研修をして、ライセンスを付与して、事例を共有する。それをやっても、3ヶ月後に現場を見ると、日常的に使っているのは「もともと使う気があった人」だけ、という現象が起きている。ぼくの職場でも同じだった。正直、想定よりもはっきりとその差が出た。
同じ測定器でも、熟練者と新人では差が出る
品質の仕事をしていると、同じ測定器を使っても計測結果のばらつきが人によって違うという場面が出てくる。
機器の精度の問題ではない。何を測っているのか、どこに当てるべきか、どういう状態が正常なのかを理解しているかどうかの差だ。
AIも同じ構造をしている。
同じCopilotを渡されても、使い方の深さは人によって全然違う。違いは、自分の仕事を言語化できているか、どこをAIに任せるかが設計されているかどうかだ。測定器の話と同じで、ツール側の問題ではない。
今日できる、最初の一手
難しい話をしているようで、最初の一手は単純だ。
今日やっている仕事のひとつを、工程として書いてみる。
「①情報を集める ②整理する ③判断する ④人に伝える」——このくらい荒くていい。
書いてみると、どこが「AIに任せられる作業」で、どこが「自分の判断が必要な部分」なのかが見えてくる。その見え方が、業務フロー設計の出発点だ。
プロンプトを工夫することより、まずこれをやったほうがいい。
AIが普及するほど、格差は開く
AIは、これからほぼすべての職場に入ってくる。ツール自体の格差は小さくなっていく。
でも言語化の格差と、業務フロー設計の格差は、おそらく広がる。
言語化が得意な人はAIと組むほど速くなる。苦手な人はAIを渡されるほど「自分には使えない」という感覚を積み上げていく。この構造は、ツールの性能とは関係がない。
取り残されていくのは、AIを持っていない人ではなく、AIに何を任せるかを言葉にできない人だ。
ぼく自身、自分の業務フローをちゃんと書き出したことがあるかと振り返ると、正直まだ曖昧な部分が多い。この記事を書きながら、それを改めて感じた。
あなたの職場で、「AIに何をやってもらうか」を設計できている人は、何人いるだろうか。ぼくのチームでも、まだそこに手がついていない。
参照情報源
AI Transformation Predictions 2026（Deloitte US） — 人間とAIの協働を設計できているリーダーは6%
Close Your Workforce’s AI Skills Gap by Designing an Adaptive Organization（HBR / Slalom, 2026-02） — ワークフローを再設計せずにAIを導入しても価値が出ない
AI Skills Gap 2026: Statistics, Causes & How to Close It（iternal.ai） — 82%が研修提供、59%はまだスキルギャップあり