マスログ

AIデスキリングとは？｜AIに任せる仕事と、自分で練習を続ける仕事

公開日

2026年9月5日

更新日

2026年10月16日

AIデスキリング（AI deskilling）とは、AIに仕事を任せるなかで、自力で行う技能が低下する問題を指します。たとえば、文章の構成を毎回AIに任せ、自分で考える機会が減ると、AIなしでは何から書けばよいか迷うようになるかもしれません。

ただし、AIを使ったというだけで技能が落ちたとは判断できません。AIの助けで新しい考え方を学ぶ使い方もあります。大切なのは、AIに任せる工程と、自分で理解し、練習を続ける工程を分けることです。

この記事では、身近な仕事の例からその分け方を考えます。後半では、研究で分かっていることと限界、人の確認をすり抜ける誤りについての簡単な計算を紹介します。

この記事のポイント

  • 自力で書く・計算する・判断する技能と、AIの出力を確認する技能の両方を考えます。
  • 練習を残す対象は、仕事の目的や、AIが使えないときに必要な対応から選びます。すべての作業を手作業に戻す必要はありません。
  • 研究には、実際の業務成績を調べたもの、本人の認識を聞いたもの、小規模な実験があります。それぞれが測った対象を区別して読みます。
  • AIの誤り率と人の見抜く確率から、確認をすり抜ける割合を計算できます。ただし、技能が低下する速さを予測する式ではありません。

文章・計算・判断で考える、AIに任せる工程と残す練習

次は、仕事の分け方を考えるための例です。AIの利用にあたっては、所属先のルールや情報管理の決まりも確認してください。

仕事 AIに手伝ってもらう工程の例 自分で練習を残す工程の例
文章を書く 表現の候補を出す、下書きを比較する、誤字を探す 誰に何を伝えるかを決める、構成を作る、根拠を確かめる
数字を扱う 集計方法や表計算の式の候補を出す、グラフを作る 割合や単位を理解する、概算する、元データと結果を照合する
調べて判断する 調査の切り口や選択肢を挙げる、資料整理を補助する 一次資料を読む、前提を比べる、選んだ理由を自分で説明する

たとえば、売上の増減を報告する仕事なら、AIにグラフ作成を手伝ってもらいながら、「何と何を比べているか」「増加率の分母は何か」は自分で確認します。AIが出した結果を仕事で使うには、その結果の意味を理解する必要があるからです。

維持したい技能は人によって異なります。文章を学ぶ新人なら構成から書く練習が重要ですし、数字を確認する担当者なら割合・単位・概算が土台になります。自分の役割で必要な技能を選び、その練習機会を確保するという考え方です。

自分で考える機会を、普段の仕事にどう残すか

まずは、よく行う仕事を一つ選び、短い練習を組み込みます。次の方法は実務向けの提案で、すべての職種に同じ効果や頻度を保証するものではありません。

最初の見立てを自分で作る

文章なら見出し、数字なら概算、判断なら候補と理由を、AIに聞く前に短く書きます。その後でAIの案と比較し、どこが同じで、どこが違うかを確認します。最初から完成品を作る必要はありません。

AIの答えを、自分の言葉で説明し直す

計算結果なら、使った数字・式・単位を説明します。文章なら、結論と根拠がどうつながっているかを説明します。説明できない箇所は、そのまま採用せず、教材や元の資料に戻って確かめます。AIの説明自体にも誤りがあり得るため、「AIが説明してくれた」ことだけを確認の完了にはしません。

練習用の課題で、AIなしの状態も確かめる

過去の資料や練習問題を使い、AIを使わずに取り組む機会をつくります。難しさが近い課題で、所要時間、正確さ、説明できる範囲を記録すると、変化を捉える手がかりになります。

頻度は技能の重要性や使用頻度に応じて決めます。「月1回なら十分」と一律に決めることはできません。医療や安全に関わる実務では、練習のために必要な支援を外すのではなく、承認された訓練環境やシミュレーションを利用します。

見つけた誤りを、次の練習に使う

数値の桁、割合の分母、出典の取り違えなど、実際に見つけた誤りを記録します。正解と理由を添えておけば、同じ種類の誤りを見抜く練習に使えます。

ただし、見つけた件数が少ないからといって、確認する力が低いとは限りません。そもそも含まれていた誤りの件数が少ない可能性もあるためです。確認の力を測るには、正解や誤りの位置が分かっている課題も役立ちます。

数字の確認には、平均、割合、分散、サンプルサイズなどの基礎が役立ちます。学習に使う時間や費用を考える際は、50歳で30万円のAIスクールは元が取れるかも参考にしてください。

研究では何が分かっているのか

AIデスキリングを考えるときは、「AIを使う前後で技能を測ったのか」「本人の認識を聞いたのか」「限られた課題で実験したのか」を確認します。異なる測定結果を、すべて技能低下の証拠としてまとめることはできません。

内視鏡の観察研究：AIを使わない検査での変化

2025年に発表された研究では、ポーランドの4つの大腸内視鏡センターで、AI導入前後の検査成績を調べています。比較の中心は、AIを使わずに行った検査です。

指標は腺腫発見率（ADR）で、少なくとも一つの腺腫が見つかった検査の割合を表します。

比較した時期・条件 腺腫発見率 腺腫が見つかった検査数／検査総数
AI導入前の3か月・AI非使用 28.4% 226／795件
AI導入後の3か月・AI非使用 22.4% 145／648件

低下幅は6.0ポイントで、導入前に対する相対的な低下は約21%、およそ2割です。AIを使っているときの成績だけでは、自力で行う技能の変化を捉えにくい可能性を考える材料になります。

ただし、この比較は後ろ向き観察研究で、AIが技能低下を引き起こしたと確定するものではありません。導入前後の患者集団や診療状況など、別の要因の影響も考える必要があります。また、この結果を一般の文章作成や事務作業へそのまま当てはめることはできません。

知識労働者の調査：考える努力についての自己申告

Microsoftとカーネギーメロン大学の研究チームがCHI 2025で発表した調査では、319名の知識労働者から936件の業務での生成AI利用例を集めています。

AIへの信頼が高いことは、批判的思考を行う程度や努力が少ないという回答と関連していました。一方、自分の能力への自信が高いことは、より多くの批判的思考と関連していました。AIの利用に伴い、思考の内容が情報の検証、回答の統合、仕事全体の管理へ移ることも報告されています。

これは本人の認識や経験を調べた調査です。同じ人の技能をAI利用前後の能力テストで測り、低下を実証した研究としては扱えません。

小論文の実験：限られた課題での脳波や記憶の違い

MITメディアラボの研究者らによるプレプリントでは、小論文を書く際にLLM、検索エンジン、外部ツールなしの条件を比較しています。最初の3回には54名、条件を入れ替えた4回目には18名が参加しました。

LLMを使う群では、脳波から見た領域間の結合が弱いことや、自分の文章を正確に引用しにくいことなどが報告されています。ただし、小規模で特定の執筆課題を扱った研究です。脳波の指標を、そのまま一般的な知能や仕事の技能の低下と読み替えることはできません。ここではプレプリントの報告として紹介します。

国内調査：自分で判断する機会の変化

マイナビが2026年9月18日に公表した「派遣社員における生成AI活用の実態調査（2026年）」は、20〜59歳の派遣社員1,400名を対象に、同年7月に実施したWebアンケートです。

業務で生成AIを利用している人は49.8%。その利用者に業務の変化を聞くと、自分で判断する機会が「減った」という回答が30.0%、「AIがないと業務に支障が出る」という回答が25.5%でした。

これも技能テストではなく自己申告です。AIがないと困る理由には、作業量や業務の仕組みも関わり得るため、回答だけで技能低下とは判断できません。

確認をすり抜ける誤りを、簡単な計算で考える

自力で作業する技能に加えて、AIの出力を確認する技能も重要です。ここでは、AIの誤りと人の確認がどう関係するかを、説明用の仮定で考えます。

1,000件の出力のうち、AIが誤る割合を5%とすると、誤りは50件と見込まれます。その誤りの80%を人が見抜けるなら、40件を発見し、10件が見つからずに残ります。全出力に対する見逃された誤りの割合は1%です。

AIが誤る確率をe、AIが誤ったときに人がそれを見抜く条件付き確率をqとすると、次の式になります。

AIが誤り、人の確認でも見つからない割合 ＝ e ×（1 − q）

先ほどの例なら、0.05×（1−0.8）＝0.01、つまり1%です。この式は、AIの誤りと人の確認を二つの段階に分けて考えるために使えます。

誤りを見抜く確率q AIの誤り率e＝5%の場合 AIの誤り率e＝2%の場合
90% 見つからずに残る割合0.5% 見つからずに残る割合0.2%
50% 見つからずに残る割合2.5% 見つからずに残る割合1.0%
30% 見つからずに残る割合3.5% 見つからずに残る割合1.4%

たとえば、e＝5%・q＝90%なら0.5%、e＝2%・q＝30%なら1.4%です。仮にこの二つの状態を比較すれば、AI自体の誤り率が低い後者でも、人の確認をすり抜ける割合は大きくなります。

ただし、この表はqが90%から30%へ低下すると予測するものではありません。qは技能だけでなく、確認時間、注意の向け方、誤りの難しさなどにも左右されます。AIの性能が変われば、残る誤りの種類も変わり得ます。

また、式が扱うのは「AIの誤りが確認で見つからない割合」です。人が修正時に新たに持ち込む誤り、発見した誤りを直せたかどうか、誤りごとの損失などは含みません。仕事全体の品質や、技能が低下する速さを、この式だけで表すことはできません。

誤りに出会う件数と、練習の量も分けて考える

年間1,000件を確認する仕事なら、AIの誤り率が5%のときは50件、0.5%のときは5件の誤りが含まれると見込まれます。これは「確認件数×誤り率」で求めた期待件数で、人が実際に発見できる件数とは異なります。

この計算から、必要な練習量や技能の低下速度までは分かりません。日常業務だけでは特定の誤りに触れる機会が少ない場合に、過去事例や練習問題を補うか検討する材料になります。

背景にある、技能と自動化の問題

デスキリング（脱技能化）はAI以前から使われてきた概念です。ハリー・ブレイヴァマンの1974年の著書『労働と独占資本』などで、仕事の分業や機械化と技能の関係が論じられてきました。

リザンヌ・ベインブリッジの1983年の論文「Ironies of Automation（自動化の皮肉）」も、自動化されたシステムで人が異常時の対応を引き受けることの難しさを論じています。

AIを活用する仕事でも、人に何を任せるか、そのための知識や練習をどう確保するかを一緒に考える必要があります。普段はAIが補助してくれる工程でも、担当者に説明や対応が求められるなら、その土台となる技能を学ぶ機会を残します。

よくある質問

AIデスキリングと、AIによって仕事が減ることは同じですか

扱っている問題が異なります。仕事の数や役割が変わることは雇用や業務配分の問題で、デスキリングは人が持つ技能の変化です。仕事が手元に残っていても、自力で行う機会が減る場合があります。

どのくらいの期間で技能は落ちますか

この記事で紹介した研究から、すべての職種に共通する期間は示せません。技能の種類、経験、練習量、AIの使い方などで条件が変わります。期間を決めつけるより、必要な技能を選び、難しさが近い練習課題で変化を確かめます。

AIを使いながら技能を伸ばすには、どうすればよいですか

自分で考えた案とAIの案を比べ、違いの理由を確かめる使い方が考えられます。説明を読んだあとに、類似の問題を自力で解いたり、自分の言葉で説明したりすると、理解できた部分を確認できます。AIの説明は、教材や元の資料とも照合してください。

部下や新人の学習では、何を決めればよいですか

まず、身につけてほしい技能と、評価する課題を決めます。そのうえで、AIを使う練習と自力で取り組む練習を組み合わせます。AIを使わないこと自体を目的にせず、理解や説明ができているかを確認します。生成AI法人研修・企業研修でも、出力の検証を含む学び方を扱っています。

個人で始めるなら、何から取り組めばよいですか

よく行う仕事を一つ選び、AIに任せている工程を書き出します。その中で、自分にも理解や説明が求められる工程を、短い練習課題にしてみてください。AIに任せてよい仕事、いけない仕事では、仕事の分け方や検算の考え方をマンツーマンで扱っています。

本文の誤り率の計算は、説明用に仮定した条件に基づくものです。紹介した研究の実測値や、特定のAI製品の性能を表すものではありません。

参考・出典

監修／和から株式会社 堀口智之

Xでシェア Facebookでシェア LINEで送る

ぴったりの講座を探す ぴったりの講座を探す

同じことを生成AIに頼むなら、どう書けば思ったとおりに返ってくるのか。そのまま貼って使える「話しかけ方」を30個、A4・7ページにまとめました。資料づくり・メール・数字の整理・学び直しの、4つの場面別です。

和からのメルマガに登録すると、この資料を含む３本をまとめてお送りします。登録はメールアドレスだけ、30秒で終わります。

３つのPDFを無料で受け取る

メール登録で３つのPDFを無料プレゼント
記事一覧はこちら

新着記事

同じカテゴリーの新着記事

同じカテゴリーの人気記事

この記事に関連する教室： 数学教室 →   社会人の学び直し講座 →

CONTACTお問い合わせ

遠方に在住の方や自宅で講義を受けたい方はオンライン講座をご用意しております。よくある質問はこちら