AIが日常の手段になると、仕事はどう変わるのか。―「なくなる職・残る職」では見えない変化を図解10枚で公開
PR TIMES
組織行動科学(R)︎
仕事の進め方・担い方・学び方を、ビフォー／アフターで整理。公開研究と生成AIとの共働経験をもとに、作業の速さだけでなく、確認・判断・役割分担・経験の残り方を考える。
980社・33.8万人の働く人のデータを基盤に、組織行動科学(R)の研究・教育開発を行うリクエスト株式会社（本社：東京都新宿区、代表取締役：甲畑 智康）は、「AIが日常の手段になると、仕事はどう変わるのか。」をテーマに、仕事の変化を考える図解10枚を公開します。
本資料では、職業名だけで将来を断定するのではなく、一つの仕事の進め方、担い方、学び方に着目します。仕事のビフォー／アフターを八つの観点で整理し、会議資料づくりの例、組織が整える条件、変化を確かめる観点を示します。
公開研究と当社の生成AIとの共働経験を踏まえた実務提案です。新たな雇用予測や、AI導入効果を実証した調査結果ではありません。
全体像。図中の流れは固定的な手順ではなく、必要に応じて目的や前提へ戻る実務上の整理です。
職業名だけでは、明日から何を変えるかは見えてこない
職業別の研究は、教育や雇用政策を検討するための重要な材料です。ただし、「AIの影響を受ける可能性」と「実際に職業や雇用が失われること」は区別する必要があります。ILOとNASKによる2025年の分析も、潜在的な影響を評価した指標であり、実際の雇用喪失を示すものではないと説明しています。
当社が今回提案するのは、その研究を否定することではなく、職場で確かめる単位を具体化することです。技術的にできる作業があっても、どの情報を使い、何の品質を満たし、誰が確認・判断するかによって、任せられる範囲は変わります。
作業の一部が変わったとき、その前後にある確認、分担、実行まで含めて、仕事全体がどう変わるかを見る。
技術的な可能性、職場で任せる条件、仕事の再編、雇用への影響を区別します。左側は避けたい読み替えを示し、職業研究全体を評価したものではありません。
「考えがまとまってからつくる」以外の進め方を選べる
当社は、実際の出来事や違和感を起点に、AIと文章や図の構成をつくり、その形を見ながら問いや前提を見直す共働を重視しています。AIに最初の考えを説明するだけでなく、その考え自体も検討の対象にします。
こうした往復は、AI以前からある実践です。本資料で着目するのは、AIを使うことで、仮の形をつくる手間、比較できる範囲、修正を試せる回数が変わりうることです。制作を、決まった内容を表現する工程だけでなく、何をつくる必要があるかを検討する工程にも位置づけます。
ただし、AIとの対話で筋の通った説明ができても、現実で確かめられたとは限りません。元の資料、記録、当事者の反応、実行結果に照らす確認は、別に行います。
共働経験から整理した進め方の例。AIの利用で必ずこの変化が起きるという意味ではなく、従来の実践を一律に直線的なものと捉える比較でもありません。
仕事の変化を、八つの観点で見比べる
ビフォー／アフターは、仕事の始め方、情報の扱い方、取り組める範囲、選択肢の検討、仕事の順序と分担、時間と負担の所在、専門性の使い方、経験の残し方の八つの観点で整理しました。
以下の比較は、AIを使う人と使わない人の優劣を示すものではありません。また、すべての職場が同じ状態へ移行するという予測でもありません。自分の仕事のどこで新しい進め方を選べるかを考えるための、条件付きの想定です。
始め方・情報・範囲・選択肢。アフターは、必要な情報、確認、相談、実行の条件が整う場合に検討できる選択肢であり、実測した改善効果ではありません。
従来は着手しにくかった比較表や説明資料を試作できても、それだけで、その分野の仕事を最後まで引き受けられるとは限りません。試作で論点を明らかにし、必要な専門家や当事者と、より具体的に関わるという使い方も含みます。
一人で試せる範囲が広がっても、責任の範囲は別に確かめる
AIを組み込む際には、誰が成果物をつくるかだけでなく、どの段階で確認し、どの条件で次の担当者へ渡し、何が起きたら見直すかも検討します。個人の作成時間が減った場合にも、その分の確認や修正を別の人へ移していないかを確かめます。
また、専門性を「AIの誤りを見つける力」だけに狭めることもしません。何を対象にし、どの根拠を重視し、誰と協働し、どの条件で採用するかを考える場面にも、知識や経験を使います。AIに検討を補助させる場合でも、必要な確認と役割分担を明らかにします。
分担・負担・専門性・経験。制作が短縮される場合にも、仕事全体への効果を別に確認します。担当範囲の拡大を、一人に無条件で求める提案ではありません。
「早く終えたい」を、仕事の進め方を見直す入口にする
会議資料の作成に時間がかかる理由は、文章を書くこととは限りません。比較条件がそろわない、必要な数字が分からない、提出後に用途の違いが分かるなど、別の理由も考えられます。図解では、過去の依頼文や修正内容から、作り始める前に何を確かめるかを見直す例を示します。
会議資料づくりの説明用の場面例。実際の顧客事例や、効果を測定した改善実績ではありません。
この例で、本人の「早く終えたい」という目的を捨てる必要はありません。その目的を実現するために、作成だけでなく、確認と修正まで含めた進め方を検討します。
新しい業務への挑戦や社会貢献を、全員に共通する目的として求めるものでもありません。必要な品質を保ちながら、残業ややり直しを減らすことも、大切な選択肢です。
アフターは一つではなく、仕事ごとに結果が異なる
公開研究も、異なる種類の変化を示しています。66社・7,137人を対象とした実験の2025年11月改訂版では、AIを実際に使った人についてメール業務などの時間短縮が推定されました。一方、個人へのAI提供による、担当作業の量や構成の変化は検出されませんでした。
P&Gの791人を対象とした実験では、初期の商品開発課題で、AIを使う個人がAIを使わない二人チームに匹敵する提案品質を示しました。ただし、商品化後の成果や、専門家・チームの不要化を実証したものではありません。
BCGの758人を対象とした別の実験では、AIが成績を改善する課題がある一方、正しい解答を得る割合が低下する課題もありました。2023年当時のモデルを用いた結果であり、現在のすべてのAIに同じ能力の境界があるとは扱いません。
公開研究を踏まえた当社の整理。三つは成長段階や網羅的な分類ではなく、同じ職場でも併存しうる方向です。図中のグラフ形状は説明用で、測定値ではありません。
完成したことと、本人に力が残ったことを分ける
AIを使えば学べなくなる、とも、成果物ができれば能力も育つ、とも一律には言えません。顧客支援担当者5,172人を対象とした研究では、経験の浅い担当者などで生産性の改善が大きく、学習を示唆する証拠も報告されています。
一方、プログラミング経験者52人が未習熟のライブラリを学ぶ短期実験では、AI利用群の直後の理解度評価が低くなりました。参照したのはプレプリントであり、小規模・短期・特定課題の結果です。両研究は対象や測定内容が異なり、長期的な能力形成を一括して結論づけることはできません。
支援を受けた状態での達成と、本人に残る理解・判断の区別。四つの視点は当社の実務提案であり、妥当性が確立された能力評価尺度ではありません。
育成を伴う仕事では、完成物に加え、採用した根拠や、判断を変える条件を確かめます。説明できることだけで能力が証明されたとせず、別の事例や条件でも、役割に必要な判断や相談ができるかを見ます。
確認を求めるなら、確認できる仕事にする
「AIを使って速く進めること」と「最後は人が確認すること」を指示するだけでは、役割分担は十分に決まりません。何を見るか、どの基準で判断するか、不明点が残るときに誰へ相談するかを具体化する必要があります。
NISTの生成AI向けリスク管理資料も、人による監督の役割と責任、出力中の出典・引用の検証、継続的な監視を扱っています。 当社は、こうした確認を担当者個人の注意力だけに委ねず、情報、時間、権限、相談先と一緒に整えることを提案します。
個人の使い方と併せて検討する組織の条件。必要な確認の深さは、誤りの影響、不確実性、修正可能性などに応じて変えます。
生まれた余力を、追加業務だけに充てる必要はありません。負担軽減、品質の安定、育成、新しい試行など、何に使うかを検討します。AIを使わない方法や、従来の方法へ戻す判断も含めます。
職業が残っても、採用や育成の入口は変わりうる
職業の消滅予測を慎重に読むことは、雇用への影響を軽く見ることではありません。職業名が残っていても、担当する仕事、必要人数、採用、賃金や労働時間、若手が経験を積む機会は、分けて確かめる必要があります。
米国の給与記録を用いた研究の2026年8月改訂版は、AIの影響を受けやすい職業における若年者の雇用・採用の相対的な弱さを報告しています。ただし、著者らは因果効果を確定した推定ではなく、初期の記述的な兆候としています。
デンマークの研究では、2024年末までの観察期間に、仕事の再編が見られる一方、所得や記録上の労働時間への平均的な影響は検出されませんでした。対象国、期間、指標が異なるため、両者を同じ条件の比較とは扱えません。
雇用への影響を含め、何が、誰にとって変わったかを確認します。六つの観点は実務上の整理であり、一度の前後比較だけでAIの因果効果を判定するものではありません。
次の一仕事で、変えたことと結果を残す
本資料は、新しい帳票を増やすためのものではありません。既存の依頼文や業務記録に、今回何を実現したかったか、AIに何を任せたか、順序や分担のどこを変えたか、実際に何が起きたかを、必要な範囲で残します。
評価する際は、情報の準備、確認、修正、調整まで含めた総時間と、品質、周囲の負担を確かめます。仕事の範囲を広げた場合は、総時間が増えたという理由だけで失敗とせず、何を新たに試せたかも見ます。仕事の難しさ、担当者の経験、支援、使用したAIなど、結果に関わる条件も併せて残します。
同じ成果を少ない負担で得たいのか。これまでできなかった仕事を試したいのか。何を目指した比較なのかを明らかにしてから、結果を見る。
既公表の「人間とAIの協働原則」とのつながり
当社は2026年9月14日、「私たちは、AIと何をつくっていくのか。」を中心の問いとして、自分の目的と経験から始める「人間とAIの協働原則」を図解11枚で公表しました。［2］ 今回は、そこで示した対話と確認の実践を土台に、仕事の進め方・分担・負担・専門性・経験の変化を、比較して検討できる形に整理しています。
代表取締役 甲畑智康 コメント
私たちが伝えたいのは、「この職業なら安心」「この職業はなくなる」という新しい断定ではありません。AIと仕事を進める中で、形になったものを見て、自分の問いや前提を考え直し、実際の事実に戻って確かめる。その往復を重視しています。
仕事を早く終えたい人も、経験を生かしたい人も、新しいことを試したい人もいます。それぞれの目的を尊重しながら、何がよくなり、誰に負担が生じ、何が次の仕事に残ったかを確かめたいと思います。
AIで何の作業を置き換えられるかだけでなく、AIを使うことで、仕事全体をどう組み直せるのか。私たちは、AIと何をつくっていくのか。この問いを、実際の仕事の中で考えるための資料として公開します。
本資料の位置づけと留意点
本資料は、文章作成、調査、分析、企画、対話などに用いる生成AIと、検索・業務システムとの連携を主な対象とします。ロボットを含むあらゆるAI技術や、すべての職業の将来を一括して予測するものではありません。
公開研究・公的資料、当社の既公表の提案、代表者の共働経験を区別して参照しています。比較表、変化の方向、組織条件、確認の観点は、当社による実務上の整理です。これらの効果を独立した実験で実証したものではなく、参照した研究機関が本提案を承認したことも意味しません。
文献参照は探索的なものであり、網羅的な系統的レビューではありません。査読論文とワーキングペーパー・プレプリント等を区別し、対象、課題、使用モデル、期間、指標の違いを踏まえて解釈しています。差が検出されなかったことは、あらゆる条件で効果がないという証明ではありません。
図解中の場面、人物・棒グラフなどのアイコンは説明用であり、実際の顧客事例や改善実績を示すものではありません。本文・図解の制作に生成AIの支援を利用していますが、生成内容そのものを独立した事実根拠とは扱っていません。資料確認日：2026年9月15日。
全文資料はこちら
「AIが日常の手段になると、仕事はどう変わるのか。」
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
こうした往復は、AI以前からある実践です。本資料で着目するのは、AIを使うことで、仮の形をつくる手間、比較できる範囲、修正を試せる回数が変わりうることです。制作を、決まった内容を表現する工程だけでなく、何をつくる必要があるかを検討する工程にも位置づけます。
ただし、AIとの対話で筋の通った説明ができても、現実で確かめられたとは限りません。元の資料、記録、当事者の反応、実行結果に照らす確認は、別に行います。
共働経験から整理した進め方の例。AIの利用で必ずこの変化が起きるという意味ではなく、従来の実践を一律に直線的なものと捉える比較でもありません。
仕事の変化を、八つの観点で見比べる
ビフォー／アフターは、仕事の始め方、情報の扱い方、取り組める範囲、選択肢の検討、仕事の順序と分担、時間と負担の所在、専門性の使い方、経験の残し方の八つの観点で整理しました。
以下の比較は、AIを使う人と使わない人の優劣を示すものではありません。また、すべての職場が同じ状態へ移行するという予測でもありません。自分の仕事のどこで新しい進め方を選べるかを考えるための、条件付きの想定です。
始め方・情報・範囲・選択肢。アフターは、必要な情報、確認、相談、実行の条件が整う場合に検討できる選択肢であり、実測した改善効果ではありません。
従来は着手しにくかった比較表や説明資料を試作できても、それだけで、その分野の仕事を最後まで引き受けられるとは限りません。試作で論点を明らかにし、必要な専門家や当事者と、より具体的に関わるという使い方も含みます。
一人で試せる範囲が広がっても、責任の範囲は別に確かめる
AIを組み込む際には、誰が成果物をつくるかだけでなく、どの段階で確認し、どの条件で次の担当者へ渡し、何が起きたら見直すかも検討します。個人の作成時間が減った場合にも、その分の確認や修正を別の人へ移していないかを確かめます。
また、専門性を「AIの誤りを見つける力」だけに狭めることもしません。何を対象にし、どの根拠を重視し、誰と協働し、どの条件で採用するかを考える場面にも、知識や経験を使います。AIに検討を補助させる場合でも、必要な確認と役割分担を明らかにします。
分担・負担・専門性・経験。制作が短縮される場合にも、仕事全体への効果を別に確認します。担当範囲の拡大を、一人に無条件で求める提案ではありません。
「早く終えたい」を、仕事の進め方を見直す入口にする
会議資料の作成に時間がかかる理由は、文章を書くこととは限りません。比較条件がそろわない、必要な数字が分からない、提出後に用途の違いが分かるなど、別の理由も考えられます。図解では、過去の依頼文や修正内容から、作り始める前に何を確かめるかを見直す例を示します。
会議資料づくりの説明用の場面例。実際の顧客事例や、効果を測定した改善実績ではありません。
この例で、本人の「早く終えたい」という目的を捨てる必要はありません。その目的を実現するために、作成だけでなく、確認と修正まで含めた進め方を検討します。
新しい業務への挑戦や社会貢献を、全員に共通する目的として求めるものでもありません。必要な品質を保ちながら、残業ややり直しを減らすことも、大切な選択肢です。
アフターは一つではなく、仕事ごとに結果が異なる
公開研究も、異なる種類の変化を示しています。66社・7,137人を対象とした実験の2025年11月改訂版では、AIを実際に使った人についてメール業務などの時間短縮が推定されました。一方、個人へのAI提供による、担当作業の量や構成の変化は検出されませんでした。
P&Gの791人を対象とした実験では、初期の商品開発課題で、AIを使う個人がAIを使わない二人チームに匹敵する提案品質を示しました。ただし、商品化後の成果や、専門家・チームの不要化を実証したものではありません。
BCGの758人を対象とした別の実験では、AIが成績を改善する課題がある一方、正しい解答を得る割合が低下する課題もありました。2023年当時のモデルを用いた結果であり、現在のすべてのAIに同じ能力の境界があるとは扱いません。
公開研究を踏まえた当社の整理。三つは成長段階や網羅的な分類ではなく、同じ職場でも併存しうる方向です。図中のグラフ形状は説明用で、測定値ではありません。
完成したことと、本人に力が残ったことを分ける
AIを使えば学べなくなる、とも、成果物ができれば能力も育つ、とも一律には言えません。顧客支援担当者5,172人を対象とした研究では、経験の浅い担当者などで生産性の改善が大きく、学習を示唆する証拠も報告されています。
一方、プログラミング経験者52人が未習熟のライブラリを学ぶ短期実験では、AI利用群の直後の理解度評価が低くなりました。参照したのはプレプリントであり、小規模・短期・特定課題の結果です。両研究は対象や測定内容が異なり、長期的な能力形成を一括して結論づけることはできません。
支援を受けた状態での達成と、本人に残る理解・判断の区別。四つの視点は当社の実務提案であり、妥当性が確立された能力評価尺度ではありません。
育成を伴う仕事では、完成物に加え、採用した根拠や、判断を変える条件を確かめます。説明できることだけで能力が証明されたとせず、別の事例や条件でも、役割に必要な判断や相談ができるかを見ます。
確認を求めるなら、確認できる仕事にする
「AIを使って速く進めること」と「最後は人が確認すること」を指示するだけでは、役割分担は十分に決まりません。何を見るか、どの基準で判断するか、不明点が残るときに誰へ相談するかを具体化する必要があります。
NISTの生成AI向けリスク管理資料も、人による監督の役割と責任、出力中の出典・引用の検証、継続的な監視を扱っています。 当社は、こうした確認を担当者個人の注意力だけに委ねず、情報、時間、権限、相談先と一緒に整えることを提案します。
個人の使い方と併せて検討する組織の条件。必要な確認の深さは、誤りの影響、不確実性、修正可能性などに応じて変えます。
生まれた余力を、追加業務だけに充てる必要はありません。負担軽減、品質の安定、育成、新しい試行など、何に使うかを検討します。AIを使わない方法や、従来の方法へ戻す判断も含めます。
職業が残っても、採用や育成の入口は変わりうる
職業の消滅予測を慎重に読むことは、雇用への影響を軽く見ることではありません。職業名が残っていても、担当する仕事、必要人数、採用、賃金や労働時間、若手が経験を積む機会は、分けて確かめる必要があります。
米国の給与記録を用いた研究の2026年8月改訂版は、AIの影響を受けやすい職業における若年者の雇用・採用の相対的な弱さを報告しています。ただし、著者らは因果効果を確定した推定ではなく、初期の記述的な兆候としています。
デンマークの研究では、2024年末までの観察期間に、仕事の再編が見られる一方、所得や記録上の労働時間への平均的な影響は検出されませんでした。対象国、期間、指標が異なるため、両者を同じ条件の比較とは扱えません。
雇用への影響を含め、何が、誰にとって変わったかを確認します。六つの観点は実務上の整理であり、一度の前後比較だけでAIの因果効果を判定するものではありません。
次の一仕事で、変えたことと結果を残す
本資料は、新しい帳票を増やすためのものではありません。既存の依頼文や業務記録に、今回何を実現したかったか、AIに何を任せたか、順序や分担のどこを変えたか、実際に何が起きたかを、必要な範囲で残します。
評価する際は、情報の準備、確認、修正、調整まで含めた総時間と、品質、周囲の負担を確かめます。仕事の範囲を広げた場合は、総時間が増えたという理由だけで失敗とせず、何を新たに試せたかも見ます。仕事の難しさ、担当者の経験、支援、使用したAIなど、結果に関わる条件も併せて残します。
同じ成果を少ない負担で得たいのか。これまでできなかった仕事を試したいのか。何を目指した比較なのかを明らかにしてから、結果を見る。
既公表の「人間とAIの協働原則」とのつながり
当社は2026年9月14日、「私たちは、AIと何をつくっていくのか。」を中心の問いとして、自分の目的と経験から始める「人間とAIの協働原則」を図解11枚で公表しました。［2］ 今回は、そこで示した対話と確認の実践を土台に、仕事の進め方・分担・負担・専門性・経験の変化を、比較して検討できる形に整理しています。
代表取締役 甲畑智康 コメント
私たちが伝えたいのは、「この職業なら安心」「この職業はなくなる」という新しい断定ではありません。AIと仕事を進める中で、形になったものを見て、自分の問いや前提を考え直し、実際の事実に戻って確かめる。その往復を重視しています。
仕事を早く終えたい人も、経験を生かしたい人も、新しいことを試したい人もいます。それぞれの目的を尊重しながら、何がよくなり、誰に負担が生じ、何が次の仕事に残ったかを確かめたいと思います。
AIで何の作業を置き換えられるかだけでなく、AIを使うことで、仕事全体をどう組み直せるのか。私たちは、AIと何をつくっていくのか。この問いを、実際の仕事の中で考えるための資料として公開します。
本資料の位置づけと留意点
本資料は、文章作成、調査、分析、企画、対話などに用いる生成AIと、検索・業務システムとの連携を主な対象とします。ロボットを含むあらゆるAI技術や、すべての職業の将来を一括して予測するものではありません。
公開研究・公的資料、当社の既公表の提案、代表者の共働経験を区別して参照しています。比較表、変化の方向、組織条件、確認の観点は、当社による実務上の整理です。これらの効果を独立した実験で実証したものではなく、参照した研究機関が本提案を承認したことも意味しません。
文献参照は探索的なものであり、網羅的な系統的レビューではありません。査読論文とワーキングペーパー・プレプリント等を区別し、対象、課題、使用モデル、期間、指標の違いを踏まえて解釈しています。差が検出されなかったことは、あらゆる条件で効果がないという証明ではありません。
図解中の場面、人物・棒グラフなどのアイコンは説明用であり、実際の顧客事例や改善実績を示すものではありません。本文・図解の制作に生成AIの支援を利用していますが、生成内容そのものを独立した事実根拠とは扱っていません。資料確認日：2026年9月15日。
全文資料はこちら
「AIが日常の手段になると、仕事はどう変わるのか。」
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
また、専門性を「AIの誤りを見つける力」だけに狭めることもしません。何を対象にし、どの根拠を重視し、誰と協働し、どの条件で採用するかを考える場面にも、知識や経験を使います。AIに検討を補助させる場合でも、必要な確認と役割分担を明らかにします。
分担・負担・専門性・経験。制作が短縮される場合にも、仕事全体への効果を別に確認します。担当範囲の拡大を、一人に無条件で求める提案ではありません。
「早く終えたい」を、仕事の進め方を見直す入口にする
会議資料の作成に時間がかかる理由は、文章を書くこととは限りません。比較条件がそろわない、必要な数字が分からない、提出後に用途の違いが分かるなど、別の理由も考えられます。図解では、過去の依頼文や修正内容から、作り始める前に何を確かめるかを見直す例を示します。
会議資料づくりの説明用の場面例。実際の顧客事例や、効果を測定した改善実績ではありません。
この例で、本人の「早く終えたい」という目的を捨てる必要はありません。その目的を実現するために、作成だけでなく、確認と修正まで含めた進め方を検討します。
新しい業務への挑戦や社会貢献を、全員に共通する目的として求めるものでもありません。必要な品質を保ちながら、残業ややり直しを減らすことも、大切な選択肢です。
アフターは一つではなく、仕事ごとに結果が異なる
公開研究も、異なる種類の変化を示しています。66社・7,137人を対象とした実験の2025年11月改訂版では、AIを実際に使った人についてメール業務などの時間短縮が推定されました。一方、個人へのAI提供による、担当作業の量や構成の変化は検出されませんでした。
P&Gの791人を対象とした実験では、初期の商品開発課題で、AIを使う個人がAIを使わない二人チームに匹敵する提案品質を示しました。ただし、商品化後の成果や、専門家・チームの不要化を実証したものではありません。
BCGの758人を対象とした別の実験では、AIが成績を改善する課題がある一方、正しい解答を得る割合が低下する課題もありました。2023年当時のモデルを用いた結果であり、現在のすべてのAIに同じ能力の境界があるとは扱いません。
公開研究を踏まえた当社の整理。三つは成長段階や網羅的な分類ではなく、同じ職場でも併存しうる方向です。図中のグラフ形状は説明用で、測定値ではありません。
完成したことと、本人に力が残ったことを分ける
AIを使えば学べなくなる、とも、成果物ができれば能力も育つ、とも一律には言えません。顧客支援担当者5,172人を対象とした研究では、経験の浅い担当者などで生産性の改善が大きく、学習を示唆する証拠も報告されています。
一方、プログラミング経験者52人が未習熟のライブラリを学ぶ短期実験では、AI利用群の直後の理解度評価が低くなりました。参照したのはプレプリントであり、小規模・短期・特定課題の結果です。両研究は対象や測定内容が異なり、長期的な能力形成を一括して結論づけることはできません。
支援を受けた状態での達成と、本人に残る理解・判断の区別。四つの視点は当社の実務提案であり、妥当性が確立された能力評価尺度ではありません。
育成を伴う仕事では、完成物に加え、採用した根拠や、判断を変える条件を確かめます。説明できることだけで能力が証明されたとせず、別の事例や条件でも、役割に必要な判断や相談ができるかを見ます。
確認を求めるなら、確認できる仕事にする
「AIを使って速く進めること」と「最後は人が確認すること」を指示するだけでは、役割分担は十分に決まりません。何を見るか、どの基準で判断するか、不明点が残るときに誰へ相談するかを具体化する必要があります。
NISTの生成AI向けリスク管理資料も、人による監督の役割と責任、出力中の出典・引用の検証、継続的な監視を扱っています。 当社は、こうした確認を担当者個人の注意力だけに委ねず、情報、時間、権限、相談先と一緒に整えることを提案します。
個人の使い方と併せて検討する組織の条件。必要な確認の深さは、誤りの影響、不確実性、修正可能性などに応じて変えます。
生まれた余力を、追加業務だけに充てる必要はありません。負担軽減、品質の安定、育成、新しい試行など、何に使うかを検討します。AIを使わない方法や、従来の方法へ戻す判断も含めます。
職業が残っても、採用や育成の入口は変わりうる
職業の消滅予測を慎重に読むことは、雇用への影響を軽く見ることではありません。職業名が残っていても、担当する仕事、必要人数、採用、賃金や労働時間、若手が経験を積む機会は、分けて確かめる必要があります。
米国の給与記録を用いた研究の2026年8月改訂版は、AIの影響を受けやすい職業における若年者の雇用・採用の相対的な弱さを報告しています。ただし、著者らは因果効果を確定した推定ではなく、初期の記述的な兆候としています。
デンマークの研究では、2024年末までの観察期間に、仕事の再編が見られる一方、所得や記録上の労働時間への平均的な影響は検出されませんでした。対象国、期間、指標が異なるため、両者を同じ条件の比較とは扱えません。
雇用への影響を含め、何が、誰にとって変わったかを確認します。六つの観点は実務上の整理であり、一度の前後比較だけでAIの因果効果を判定するものではありません。
次の一仕事で、変えたことと結果を残す
本資料は、新しい帳票を増やすためのものではありません。既存の依頼文や業務記録に、今回何を実現したかったか、AIに何を任せたか、順序や分担のどこを変えたか、実際に何が起きたかを、必要な範囲で残します。
評価する際は、情報の準備、確認、修正、調整まで含めた総時間と、品質、周囲の負担を確かめます。仕事の範囲を広げた場合は、総時間が増えたという理由だけで失敗とせず、何を新たに試せたかも見ます。仕事の難しさ、担当者の経験、支援、使用したAIなど、結果に関わる条件も併せて残します。
同じ成果を少ない負担で得たいのか。これまでできなかった仕事を試したいのか。何を目指した比較なのかを明らかにしてから、結果を見る。
既公表の「人間とAIの協働原則」とのつながり
当社は2026年9月14日、「私たちは、AIと何をつくっていくのか。」を中心の問いとして、自分の目的と経験から始める「人間とAIの協働原則」を図解11枚で公表しました。［2］ 今回は、そこで示した対話と確認の実践を土台に、仕事の進め方・分担・負担・専門性・経験の変化を、比較して検討できる形に整理しています。
代表取締役 甲畑智康 コメント
私たちが伝えたいのは、「この職業なら安心」「この職業はなくなる」という新しい断定ではありません。AIと仕事を進める中で、形になったものを見て、自分の問いや前提を考え直し、実際の事実に戻って確かめる。その往復を重視しています。
仕事を早く終えたい人も、経験を生かしたい人も、新しいことを試したい人もいます。それぞれの目的を尊重しながら、何がよくなり、誰に負担が生じ、何が次の仕事に残ったかを確かめたいと思います。
AIで何の作業を置き換えられるかだけでなく、AIを使うことで、仕事全体をどう組み直せるのか。私たちは、AIと何をつくっていくのか。この問いを、実際の仕事の中で考えるための資料として公開します。
本資料の位置づけと留意点
本資料は、文章作成、調査、分析、企画、対話などに用いる生成AIと、検索・業務システムとの連携を主な対象とします。ロボットを含むあらゆるAI技術や、すべての職業の将来を一括して予測するものではありません。
公開研究・公的資料、当社の既公表の提案、代表者の共働経験を区別して参照しています。比較表、変化の方向、組織条件、確認の観点は、当社による実務上の整理です。これらの効果を独立した実験で実証したものではなく、参照した研究機関が本提案を承認したことも意味しません。
文献参照は探索的なものであり、網羅的な系統的レビューではありません。査読論文とワーキングペーパー・プレプリント等を区別し、対象、課題、使用モデル、期間、指標の違いを踏まえて解釈しています。差が検出されなかったことは、あらゆる条件で効果がないという証明ではありません。
図解中の場面、人物・棒グラフなどのアイコンは説明用であり、実際の顧客事例や改善実績を示すものではありません。本文・図解の制作に生成AIの支援を利用していますが、生成内容そのものを独立した事実根拠とは扱っていません。資料確認日：2026年9月15日。
全文資料はこちら
「AIが日常の手段になると、仕事はどう変わるのか。」
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
P&Gの791人を対象とした実験では、初期の商品開発課題で、AIを使う個人がAIを使わない二人チームに匹敵する提案品質を示しました。ただし、商品化後の成果や、専門家・チームの不要化を実証したものではありません。
BCGの758人を対象とした別の実験では、AIが成績を改善する課題がある一方、正しい解答を得る割合が低下する課題もありました。2023年当時のモデルを用いた結果であり、現在のすべてのAIに同じ能力の境界があるとは扱いません。
公開研究を踏まえた当社の整理。三つは成長段階や網羅的な分類ではなく、同じ職場でも併存しうる方向です。図中のグラフ形状は説明用で、測定値ではありません。
完成したことと、本人に力が残ったことを分ける
AIを使えば学べなくなる、とも、成果物ができれば能力も育つ、とも一律には言えません。顧客支援担当者5,172人を対象とした研究では、経験の浅い担当者などで生産性の改善が大きく、学習を示唆する証拠も報告されています。
一方、プログラミング経験者52人が未習熟のライブラリを学ぶ短期実験では、AI利用群の直後の理解度評価が低くなりました。参照したのはプレプリントであり、小規模・短期・特定課題の結果です。両研究は対象や測定内容が異なり、長期的な能力形成を一括して結論づけることはできません。
支援を受けた状態での達成と、本人に残る理解・判断の区別。四つの視点は当社の実務提案であり、妥当性が確立された能力評価尺度ではありません。
育成を伴う仕事では、完成物に加え、採用した根拠や、判断を変える条件を確かめます。説明できることだけで能力が証明されたとせず、別の事例や条件でも、役割に必要な判断や相談ができるかを見ます。
確認を求めるなら、確認できる仕事にする
「AIを使って速く進めること」と「最後は人が確認すること」を指示するだけでは、役割分担は十分に決まりません。何を見るか、どの基準で判断するか、不明点が残るときに誰へ相談するかを具体化する必要があります。
NISTの生成AI向けリスク管理資料も、人による監督の役割と責任、出力中の出典・引用の検証、継続的な監視を扱っています。 当社は、こうした確認を担当者個人の注意力だけに委ねず、情報、時間、権限、相談先と一緒に整えることを提案します。
個人の使い方と併せて検討する組織の条件。必要な確認の深さは、誤りの影響、不確実性、修正可能性などに応じて変えます。
生まれた余力を、追加業務だけに充てる必要はありません。負担軽減、品質の安定、育成、新しい試行など、何に使うかを検討します。AIを使わない方法や、従来の方法へ戻す判断も含めます。
職業が残っても、採用や育成の入口は変わりうる
職業の消滅予測を慎重に読むことは、雇用への影響を軽く見ることではありません。職業名が残っていても、担当する仕事、必要人数、採用、賃金や労働時間、若手が経験を積む機会は、分けて確かめる必要があります。
米国の給与記録を用いた研究の2026年8月改訂版は、AIの影響を受けやすい職業における若年者の雇用・採用の相対的な弱さを報告しています。ただし、著者らは因果効果を確定した推定ではなく、初期の記述的な兆候としています。
デンマークの研究では、2024年末までの観察期間に、仕事の再編が見られる一方、所得や記録上の労働時間への平均的な影響は検出されませんでした。対象国、期間、指標が異なるため、両者を同じ条件の比較とは扱えません。
雇用への影響を含め、何が、誰にとって変わったかを確認します。六つの観点は実務上の整理であり、一度の前後比較だけでAIの因果効果を判定するものではありません。
次の一仕事で、変えたことと結果を残す
本資料は、新しい帳票を増やすためのものではありません。既存の依頼文や業務記録に、今回何を実現したかったか、AIに何を任せたか、順序や分担のどこを変えたか、実際に何が起きたかを、必要な範囲で残します。
評価する際は、情報の準備、確認、修正、調整まで含めた総時間と、品質、周囲の負担を確かめます。仕事の範囲を広げた場合は、総時間が増えたという理由だけで失敗とせず、何を新たに試せたかも見ます。仕事の難しさ、担当者の経験、支援、使用したAIなど、結果に関わる条件も併せて残します。
同じ成果を少ない負担で得たいのか。これまでできなかった仕事を試したいのか。何を目指した比較なのかを明らかにしてから、結果を見る。
既公表の「人間とAIの協働原則」とのつながり
当社は2026年9月14日、「私たちは、AIと何をつくっていくのか。」を中心の問いとして、自分の目的と経験から始める「人間とAIの協働原則」を図解11枚で公表しました。［2］ 今回は、そこで示した対話と確認の実践を土台に、仕事の進め方・分担・負担・専門性・経験の変化を、比較して検討できる形に整理しています。
代表取締役 甲畑智康 コメント
私たちが伝えたいのは、「この職業なら安心」「この職業はなくなる」という新しい断定ではありません。AIと仕事を進める中で、形になったものを見て、自分の問いや前提を考え直し、実際の事実に戻って確かめる。その往復を重視しています。
仕事を早く終えたい人も、経験を生かしたい人も、新しいことを試したい人もいます。それぞれの目的を尊重しながら、何がよくなり、誰に負担が生じ、何が次の仕事に残ったかを確かめたいと思います。
AIで何の作業を置き換えられるかだけでなく、AIを使うことで、仕事全体をどう組み直せるのか。私たちは、AIと何をつくっていくのか。この問いを、実際の仕事の中で考えるための資料として公開します。
本資料の位置づけと留意点
本資料は、文章作成、調査、分析、企画、対話などに用いる生成AIと、検索・業務システムとの連携を主な対象とします。ロボットを含むあらゆるAI技術や、すべての職業の将来を一括して予測するものではありません。
公開研究・公的資料、当社の既公表の提案、代表者の共働経験を区別して参照しています。比較表、変化の方向、組織条件、確認の観点は、当社による実務上の整理です。これらの効果を独立した実験で実証したものではなく、参照した研究機関が本提案を承認したことも意味しません。
文献参照は探索的なものであり、網羅的な系統的レビューではありません。査読論文とワーキングペーパー・プレプリント等を区別し、対象、課題、使用モデル、期間、指標の違いを踏まえて解釈しています。差が検出されなかったことは、あらゆる条件で効果がないという証明ではありません。
図解中の場面、人物・棒グラフなどのアイコンは説明用であり、実際の顧客事例や改善実績を示すものではありません。本文・図解の制作に生成AIの支援を利用していますが、生成内容そのものを独立した事実根拠とは扱っていません。資料確認日：2026年9月15日。
全文資料はこちら
「AIが日常の手段になると、仕事はどう変わるのか。」
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
NISTの生成AI向けリスク管理資料も、人による監督の役割と責任、出力中の出典・引用の検証、継続的な監視を扱っています。 当社は、こうした確認を担当者個人の注意力だけに委ねず、情報、時間、権限、相談先と一緒に整えることを提案します。
個人の使い方と併せて検討する組織の条件。必要な確認の深さは、誤りの影響、不確実性、修正可能性などに応じて変えます。
生まれた余力を、追加業務だけに充てる必要はありません。負担軽減、品質の安定、育成、新しい試行など、何に使うかを検討します。AIを使わない方法や、従来の方法へ戻す判断も含めます。
職業が残っても、採用や育成の入口は変わりうる
職業の消滅予測を慎重に読むことは、雇用への影響を軽く見ることではありません。職業名が残っていても、担当する仕事、必要人数、採用、賃金や労働時間、若手が経験を積む機会は、分けて確かめる必要があります。
米国の給与記録を用いた研究の2026年8月改訂版は、AIの影響を受けやすい職業における若年者の雇用・採用の相対的な弱さを報告しています。ただし、著者らは因果効果を確定した推定ではなく、初期の記述的な兆候としています。
デンマークの研究では、2024年末までの観察期間に、仕事の再編が見られる一方、所得や記録上の労働時間への平均的な影響は検出されませんでした。対象国、期間、指標が異なるため、両者を同じ条件の比較とは扱えません。
雇用への影響を含め、何が、誰にとって変わったかを確認します。六つの観点は実務上の整理であり、一度の前後比較だけでAIの因果効果を判定するものではありません。
次の一仕事で、変えたことと結果を残す
本資料は、新しい帳票を増やすためのものではありません。既存の依頼文や業務記録に、今回何を実現したかったか、AIに何を任せたか、順序や分担のどこを変えたか、実際に何が起きたかを、必要な範囲で残します。
評価する際は、情報の準備、確認、修正、調整まで含めた総時間と、品質、周囲の負担を確かめます。仕事の範囲を広げた場合は、総時間が増えたという理由だけで失敗とせず、何を新たに試せたかも見ます。仕事の難しさ、担当者の経験、支援、使用したAIなど、結果に関わる条件も併せて残します。
同じ成果を少ない負担で得たいのか。これまでできなかった仕事を試したいのか。何を目指した比較なのかを明らかにしてから、結果を見る。
既公表の「人間とAIの協働原則」とのつながり
当社は2026年9月14日、「私たちは、AIと何をつくっていくのか。」を中心の問いとして、自分の目的と経験から始める「人間とAIの協働原則」を図解11枚で公表しました。［2］ 今回は、そこで示した対話と確認の実践を土台に、仕事の進め方・分担・負担・専門性・経験の変化を、比較して検討できる形に整理しています。
代表取締役 甲畑智康 コメント
私たちが伝えたいのは、「この職業なら安心」「この職業はなくなる」という新しい断定ではありません。AIと仕事を進める中で、形になったものを見て、自分の問いや前提を考え直し、実際の事実に戻って確かめる。その往復を重視しています。
仕事を早く終えたい人も、経験を生かしたい人も、新しいことを試したい人もいます。それぞれの目的を尊重しながら、何がよくなり、誰に負担が生じ、何が次の仕事に残ったかを確かめたいと思います。
AIで何の作業を置き換えられるかだけでなく、AIを使うことで、仕事全体をどう組み直せるのか。私たちは、AIと何をつくっていくのか。この問いを、実際の仕事の中で考えるための資料として公開します。
本資料の位置づけと留意点
本資料は、文章作成、調査、分析、企画、対話などに用いる生成AIと、検索・業務システムとの連携を主な対象とします。ロボットを含むあらゆるAI技術や、すべての職業の将来を一括して予測するものではありません。
公開研究・公的資料、当社の既公表の提案、代表者の共働経験を区別して参照しています。比較表、変化の方向、組織条件、確認の観点は、当社による実務上の整理です。これらの効果を独立した実験で実証したものではなく、参照した研究機関が本提案を承認したことも意味しません。
文献参照は探索的なものであり、網羅的な系統的レビューではありません。査読論文とワーキングペーパー・プレプリント等を区別し、対象、課題、使用モデル、期間、指標の違いを踏まえて解釈しています。差が検出されなかったことは、あらゆる条件で効果がないという証明ではありません。
図解中の場面、人物・棒グラフなどのアイコンは説明用であり、実際の顧客事例や改善実績を示すものではありません。本文・図解の制作に生成AIの支援を利用していますが、生成内容そのものを独立した事実根拠とは扱っていません。資料確認日：2026年9月15日。
全文資料はこちら
「AIが日常の手段になると、仕事はどう変わるのか。」
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
評価する際は、情報の準備、確認、修正、調整まで含めた総時間と、品質、周囲の負担を確かめます。仕事の範囲を広げた場合は、総時間が増えたという理由だけで失敗とせず、何を新たに試せたかも見ます。仕事の難しさ、担当者の経験、支援、使用したAIなど、結果に関わる条件も併せて残します。
同じ成果を少ない負担で得たいのか。これまでできなかった仕事を試したいのか。何を目指した比較なのかを明らかにしてから、結果を見る。
既公表の「人間とAIの協働原則」とのつながり
当社は2026年9月14日、「私たちは、AIと何をつくっていくのか。」を中心の問いとして、自分の目的と経験から始める「人間とAIの協働原則」を図解11枚で公表しました。［2］ 今回は、そこで示した対話と確認の実践を土台に、仕事の進め方・分担・負担・専門性・経験の変化を、比較して検討できる形に整理しています。
代表取締役 甲畑智康 コメント
私たちが伝えたいのは、「この職業なら安心」「この職業はなくなる」という新しい断定ではありません。AIと仕事を進める中で、形になったものを見て、自分の問いや前提を考え直し、実際の事実に戻って確かめる。その往復を重視しています。
仕事を早く終えたい人も、経験を生かしたい人も、新しいことを試したい人もいます。それぞれの目的を尊重しながら、何がよくなり、誰に負担が生じ、何が次の仕事に残ったかを確かめたいと思います。
AIで何の作業を置き換えられるかだけでなく、AIを使うことで、仕事全体をどう組み直せるのか。私たちは、AIと何をつくっていくのか。この問いを、実際の仕事の中で考えるための資料として公開します。
本資料の位置づけと留意点
本資料は、文章作成、調査、分析、企画、対話などに用いる生成AIと、検索・業務システムとの連携を主な対象とします。ロボットを含むあらゆるAI技術や、すべての職業の将来を一括して予測するものではありません。
公開研究・公的資料、当社の既公表の提案、代表者の共働経験を区別して参照しています。比較表、変化の方向、組織条件、確認の観点は、当社による実務上の整理です。これらの効果を独立した実験で実証したものではなく、参照した研究機関が本提案を承認したことも意味しません。
文献参照は探索的なものであり、網羅的な系統的レビューではありません。査読論文とワーキングペーパー・プレプリント等を区別し、対象、課題、使用モデル、期間、指標の違いを踏まえて解釈しています。差が検出されなかったことは、あらゆる条件で効果がないという証明ではありません。
図解中の場面、人物・棒グラフなどのアイコンは説明用であり、実際の顧客事例や改善実績を示すものではありません。本文・図解の制作に生成AIの支援を利用していますが、生成内容そのものを独立した事実根拠とは扱っていません。資料確認日：2026年9月15日。
全文資料はこちら
「AIが日常の手段になると、仕事はどう変わるのか。」
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
仕事を早く終えたい人も、経験を生かしたい人も、新しいことを試したい人もいます。それぞれの目的を尊重しながら、何がよくなり、誰に負担が生じ、何が次の仕事に残ったかを確かめたいと思います。
AIで何の作業を置き換えられるかだけでなく、AIを使うことで、仕事全体をどう組み直せるのか。私たちは、AIと何をつくっていくのか。この問いを、実際の仕事の中で考えるための資料として公開します。
本資料の位置づけと留意点
本資料は、文章作成、調査、分析、企画、対話などに用いる生成AIと、検索・業務システムとの連携を主な対象とします。ロボットを含むあらゆるAI技術や、すべての職業の将来を一括して予測するものではありません。
公開研究・公的資料、当社の既公表の提案、代表者の共働経験を区別して参照しています。比較表、変化の方向、組織条件、確認の観点は、当社による実務上の整理です。これらの効果を独立した実験で実証したものではなく、参照した研究機関が本提案を承認したことも意味しません。
文献参照は探索的なものであり、網羅的な系統的レビューではありません。査読論文とワーキングペーパー・プレプリント等を区別し、対象、課題、使用モデル、期間、指標の違いを踏まえて解釈しています。差が検出されなかったことは、あらゆる条件で効果がないという証明ではありません。
図解中の場面、人物・棒グラフなどのアイコンは説明用であり、実際の顧客事例や改善実績を示すものではありません。本文・図解の制作に生成AIの支援を利用していますが、生成内容そのものを独立した事実根拠とは扱っていません。資料確認日：2026年9月15日。
全文資料はこちら
「AIが日常の手段になると、仕事はどう変わるのか。」
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
―「なくなる職・残る職」では見えない、仕事の進め方・担い方・学び方の変化
全35ページ／図解10枚収録
d68315-252-4aac3b26bcd5ae708b211f11b213c1dd.pdf
組織行動科学(R)について
組織行動科学(R)は、組織で働く人の思考と行動が「なぜ起こり、なぜ続くのか」を、事業環境、歴史、経験から明らかにし、より善く再現するための研究・実践体系です。
リクエスト株式会社は、980社・33.8万人の働く人のデータを基盤に、企業で働く成人の研究と教育開発を行っています。
リクエスト株式会社について
リクエスト株式会社は、組織行動科学(R)を基盤に、企業で働く人の行動、判断、経験形成、組織学習に関する研究と実践支援を行っています。
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
代表取締役の甲畑智康は、2003年に東京藝術大学美術学部を卒業後、企業の人材育成・組織開発に20年以上携わってきました。芸術における創造の過程と、企業における判断形成の双方を背景に、AI時代の「判断デザイン」「判断経験設計」「判断構造設計Pro」の体系化を進めています。
会社名：リクエスト株式会社
代表者：代表取締役 甲畑 智康
所在地：〒160-0022 東京都新宿区新宿3丁目4番8号 京王フレンテ新宿3丁目4F
公式サイト：https://requestgroup.jp
会社概要：https://requestgroup.jp/corporateprofile
お問い合わせ：https://requestgroup.jp/request
本記事はアフィリエイトプログラムによる収益を得ている場合があります