%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink"){kind=logo}
この記事の結論
AI時代に必要なスキルは、AIを操作する技術ではなく、AIの出力を成果に変える力です。プロンプト設計力・批判的思考力・問題定義力・対人コミュニケーション力・学習敏捷性の5つを、AIに任せる範囲と人が判断する範囲の線引きとセットで身につけることが出発点になります。
AI時代に必要なスキルは、AIを操作する技術ではなく、AIの出力を成果に変える力です。プロンプト設計力・批判的思考力・問題定義力・対人コミュニケーション力・学習敏捷性の5つを、AIに任せる範囲と人が判断する範囲の線引きとセットで身につけることが出発点になります。
AI時代には、AIに任せる工程と人が確認・判断する工程を業務ごとに決める力が重要です。要約・定型文の下書き・集計・翻訳はAIを試しやすい一方、意思決定の責任や対人関係、前例のない問題、倫理的な判断には人の関与を明確にします。
世界経済フォーラム（World Economic Forum）の「Future of Jobs Report 2025」でも、技術革新を含むマクロトレンドによって消える仕事と新しく生まれる仕事の両方が予測されています。AIは仕事を「奪う」というより、仕事の中身を「変える」ものと捉えるほうが実態に近いと考えています。AI活用完全ガイドで、AI活用の全体像を把握できます。このテーマの全記事はAI組織変革ガイドでご覧いただけます。
なお、AI人材の採用・選考プロセスの設計そのものは「AI採用プロセスの設計ガイド」で解説しています。
この記事でわかること
AI時代のキャリア設計やスキルアップに関心があるビジネスパーソン全般に向けた記事です。読み終えるころには、自分がどのスキルから着手すべきかが決まるように構成しています。
- AIにできること・できないことの線引き — 「正解がデータの中にあるか」という判断軸で、業務シーン別にAIと人間の分担を整理します。
- AI時代に必要な5つのコアスキルと習得方法 — プロンプト設計力から学習敏捷性まで、それぞれの構成要素と日々の業務での鍛え方を解説します。
- スキルを個人技で終わらせない仕組み化 — 一部の人だけがAIを使いこなす状態から、引き継げて新人でも回る状態へ移す方法を紹介します。
- キャリア別・職種別の適応戦略 — 若手・中堅・管理職、営業・マーケティング・管理部門ごとに、スキルの重心がどう移るかを示します。
AIにできること・できないことの線引きはどこにある？
線引きを考える際は、必要な情報がそろっているか、誤りを検出できるか、結果に誰が責任を負うかを確認します。既存データを使う下書きや整理はAIを試しやすく、前例の少ない判断や責任を伴う決定は人が主導します。ここではAI（特にAI）が得意な業務と苦手な業務を、実際のビジネスシーンに即して整理します。
判断の軸は「正解がデータの中にあるか」
AIを使う工程を選ぶ際は、必要な文章・数値・事例が手元にあるかを確かめます。議事録の要約や定型メールの下書きは試しやすい例ですが、元資料との照合や送信前の確認が必要です。
一方で「この顧客を優先するか」「この表現は社会的に受け入れられるか」といった問いには、データの外にある文脈や価値観が入り込みます。AIは選択肢を並べることはできますが、どれを選ぶかを決め、その結果を引き受けるのは人間の役割です。
| 判断の問い | Yesの場合 | Noの場合 |
|---|---|---|
| 答えの材料がすでにデータとして手元にあるか | AIに下書き・処理を任せる | 人間が問いを立て直す |
| 過去に似た事例やパターンがあるか | AIの提案を叩き台にする | 人間が主導して考える |
| 結果に対して誰かが責任を負う判断か | 最終判断は人間が行う | AIの出力を確認して使う |
AIが得意な4つの業務領域
AIが特に力を発揮するのは、次の4つの領域です。いずれも「材料がそろっていて、形を整える作業」である点が共通しています。
| 領域 | 具体的な業務例 | 人が担う部分 |
|---|---|---|
| 情報の要約・構造化 | 長い報告書の要約、顧客アンケートの傾向抽出、議事録からのアクションアイテム抽出 | 要約の正確性の確認 |
| 定型的な文章作成 | メール定型文、報告書テンプレート、FAQ回答、製品説明文 | 相手や状況に合わせた最終調整 |
| データの集計・可視化 | 数値の集計、グラフ作成、傾向分析 | 分析結果の解釈と打ち手の判断 |
| 多言語翻訳・ローカライゼーション | ビジネス文書の翻訳 | 専門用語・社内用語の確認 |
情報の要約・構造化では、大量のテキストから要点の候補を作る工程を補助できます。ただし、要約の正確性は人が確認することを前提に組み立ててください。確認の担い手や体制づくりについては「AI推進組織の作り方」で解説しています。
定型的な文章作成では、HubSpotのBreezeが、CRM上の顧客情報や取引の状況をもとに営業担当者向けのフォローアップメールの下書きを生成できます。データの集計・可視化では、ChatGPTにCSVファイルをアップロードすれば傾向分析やグラフの自動生成が可能です。翻訳では、DeepLやGoogle翻訳に加え、ChatGPTやClaudeが文脈を踏まえた自然な翻訳を行えます。
AIが苦手な4つの業務領域
一方、現在のAIには明確な限界があります。次の4つの領域は、人間が主導する業務として設計しておくことをおすすめします。
- 1つ目：最終的な意思決定と責任の引き受け ── AIはデータに基づく提案や選択肢の提示はできますが、「新規事業に参入するか否か」「どの顧客を優先するか」「社員をどう評価するか」を決め、その結果を引き受けることはできません。
- 2つ目：対人関係の構築と共感 ── 顧客との信頼関係づくり、チームのモチベーション管理、パートナー企業との交渉は、「この人なら信頼できる」「この会社と一緒に仕事がしたい」という感情の動きを伴います。AIは対話の準備を助けられますが、相手の反応を受け止めて関係を築く担当は人が担います。
- 3つ目：未知の問題への創造的な対応 ── AIは過去のデータからパターンを生成するため、「業界で誰もやっていないビジネスモデルを考える」「前例のないトラブルに対処する」といった問題では、叩き台以上の役割を期待しにくくなります。
- 4つ目：倫理的・文化的な判断 ── 「この広告表現は倫理的に問題がないか」「この顧客への対応は公正か」という問いには、社会的な文脈や倫理観が関わるため、AIだけに判断を委ねるのは避けてください。
ただし、この線引きは固定されたものではありません。昨日まで「AIにはできない」とされていた作業が、ツールのアップデートで可能になることも珍しくないため、半年に一度など期間を決めて、自社の業務の分担表を見直すことをおすすめします。
業務シーン別に見る「AI×人間」の分担
線引きの軸がわかったら、次は自分の業務に当てはめて分担を決めます。同じ「提案書の作成」でも、調査・構成・下書きはAIに、課題の見極めとストーリー設計は人間に、と工程単位で分けると判断しやすくなります。ここでは代表的な業務シーンの分担と、手作業の延長でAIを使うときにつまずきやすい点を整理します。
業務シーン別の分担マップ
具体的な業務シーンごとに、AIと人間の分担を整理すると次のようになります。
| 業務シーン | AIの役割 | 人間の役割 |
|---|---|---|
| 営業提案書の作成 | 企業調査、構成案作成、下書き | 顧客課題の本質的理解、ストーリー設計、最終調整 |
| マーケティング施策の企画 | 市場データの分析、競合調査、コピー案の生成 | 戦略の方向性決定、ブランドトーンの判断、最終承認 |
| 人事評価 | 評価データの集計、評価基準の一律適用 | 個別事情の考慮、フィードバック面談、育成方針の決定 |
| カスタマーサポート | FAQ対応、問い合わせの分類、定型回答 | クレーム対応、例外処理、関係修復 |
| 経営戦略の策定 | 市場分析、シナリオ生成、データに基づく選択肢提示 | ビジョンの策定、リスク判断、最終意思決定 |
どのシーンでも、AIが担うのは「材料を集めて形にする」工程で、人間が担うのは「何を目指すかを決め、結果を引き受ける」工程です。表を見ながら、自分の業務を工程に分解して、どの列に入るかを書き出してみてください。
手作業の延長でAIを使うと成果が出にくい理由
顧客情報がExcelやスプレッドシート、メール、チャットに分散したままだと、AIに渡す文脈を毎回人が探して貼り付けることになります。その結果、AIを使っても「情報集め」の時間が減らず、使う人と使わない人の差が広がるだけになりがちです。
| 観点 | 手作業の延長（Before） | 仕組みに組み込んだ状態（After） |
|---|---|---|
| AIに渡す情報 | 担当者がファイルやチャットから都度コピー | 顧客・取引の記録が1か所にまとまっている |
| 出力の品質 | 渡した情報の量で担当者ごとにばらつく | 同じ記録を参照するため一定に保ちやすい |
| 引き継ぎ | やり取りの経緯が個人の手元に残る | 過去のやり取りを誰でも一覧で追える |
AIの出力は、渡した文脈の質に左右されます。スキルを磨くのと同じくらい、AIが参照できる場所にデータをそろえておくことが成果を分けると考えています。
分担の線は自社の業務と体制で決める
StartLinkでも、AIに任せる作業と人が判断する範囲を業務ごとに切り分けたうえで運用しています。どこまでAIに任せるかの線引きは、業種と体制によって最適解が変わるため、自社の業務に当てはめて決めていただくことが要点になります。
決め方の手順は、①業務を工程に分解する、②各工程を先ほどの「判断の問い」の表に当てはめる、③AIに任せる工程について出力を誰が確認するかを決める、の3段階です。③で確認者が決められない工程は、まだAIに任せる段階にないと判断して、人間の担当に残してください。
AIを使いこなすスキル：プロンプト設計力と批判的思考力
AI時代に必要なスキルは、プロンプト設計力・批判的思考力・問題定義力・対人コミュニケーション力・学習敏捷性の5つです。このうち前の2つは、AIへの指示と出力の評価という「AIとのやり取りの質」を決めるスキルです。まず5つの全体像を示したうえで、この2つを詳しく解説します。
5つのコアスキルの全体像
5つのスキルは、いずれも「AIを操作する技術」ではなく「AIの出力を使って成果に変える力」である点が共通しています。
| スキル | 一言でいうと | 主に効く場面 |
|---|---|---|
| プロンプト設計力 | AIへの指示力 | 業務課題をAIへの指示に翻訳する |
| 批判的思考力 | AIの出力を評価する力 | 事実確認、論理の矛盾やバイアスの発見 |
| 問題定義力 | 何を解くべきかを見極める力 | 課題の再定義、根本原因の特定 |
| 対人コミュニケーション力 | 人を動かす力 | 交渉、提案、チームマネジメント |
| 学習敏捷性 | 学び直す速さ | 新しいツールや手法への適応 |
スキル1：プロンプト設計力（AIへの指示力）
AIの出力品質は、入力するプロンプト（指示）の品質に大きく依存します。同じAIツールを使っていても、書き方一つで出力は大きく変わります。
プロンプト設計力は、次の4つの要素で構成されます。
- 業務課題をAIへの指示に「翻訳」する能力
- AIに必要な文脈情報（コンテキスト）を過不足なく提供する能力
- AIの出力形式を具体的に指定する能力
- AIの回答を評価し、追加の指示で品質を上げる能力（反復的プロンプティング）
Claudeの公式ドキュメントでも、明確かつ直接的に指示する、例を示す、役割を与える、複雑なタスクを複数のプロンプトに分けてつなげる、といった手法が整理されています（出典：Prompt engineering overview）。
次の画面は、StartLinkが自社のYouTube企画で実際に使っている例です。AIが出したタイトル案から1本を選び、「これで行きます」と決定を伝えたうえで、続けて説明欄を書かせています。
1回の指示で完成品を狙うのではなく、選ぶ・決める・次を指示するという往復で精度を上げているのが要点です。判断軸を人間の側で握っておけば、AIには「案を出す・形にする」に専念させられます。
習得方法としては、まず毎日の業務で1つ以上のタスクにAIを使う習慣をつけてください。「このタスクをAIに任せるなら、どう指示すればよいか」を毎日考えることで、プロンプト設計力は着実に伸びていきます。具体的なテンプレートは「業務別プロンプト設計ガイド」で紹介しています。
スキル2：批判的思考力（AIの出力を評価する力）
AIの出力を鵜呑みにせず、正確性・妥当性・バイアスの有無を評価する力は、AI時代の土台になるスキルです。AIは存在しない論文を引用する、事実と異なる統計を示すなど、「もっともらしい誤り」（ハルシネーション）を出すことがあります。
批判的思考力は、次の要素で構成されます。
- AIの出力内容の事実確認（ファクトチェック）
- 論理の飛躍や矛盾の発見
- データの解釈が妥当かどうかの判断
- 情報の出典の信頼性評価
- AIのバイアス（偏り）の認識
Claudeの公式ドキュメントでは、ハルシネーションを減らす方法として、わからないときは「わからない」と答えてよいと伝える、回答の根拠となる引用を示させる、といった手法を挙げています（出典：Reduce hallucinations）。
実務での判断の分かれ目は、出力に何が含まれているかです。数値データや固有名詞（企業名、人名、法律名など）が含まれていれば一次情報にあたり、一次情報が見つからない数値はその場で削ります。
意見や構成案だけであれば、「根拠は何か」「別の解釈はないか」を自分に問いかけたうえで採否を決めてください。この確認を個人の注意力ではなく業務の手順として組み込む考え方は、「HubSpot Breeze Copilotの活用ガイド」のようなCRM側のAI機能を前提にすると整理しやすくなります。
AIにできない価値を生むスキル：問題定義力・対人コミュニケーション力・学習敏捷性
残りの3つは、AIが苦手な領域で人間の価値を厚くするスキルです。AIが定型業務を担うほど、「何を解くか決める」「人を動かす」「学び直す」力の比重は相対的に高まります。いずれも一朝一夕には身につかないため、日々の業務の中で鍛える方法とあわせて紹介します。
スキル3：問題定義力（何を解くべきかを見極める力）
AIは「与えられた問題を解く」ことには優れていますが、「解くべき問題を見極める」ことは人間の役割です。
例えば「売上が下がっている。AIで分析してくれ」と指示すれば、AIはデータの傾向分析を行えます。しかし「そもそも売上減少の本質的な原因は何か」「売上ではなく利益率に注目すべきではないか」「市場全体が縮小しているのに売上維持にこだわるべきか」といった問題の再定義には、業界知識と経験に基づく人間の判断が欠かせません。
習得方法としては、「なぜ？」を5回繰り返すトヨタの「なぜなぜ分析」の思考法を実践してください。表面的な問題で止まらず根本原因までたどる訓練が、問題定義力を高めます。AIに分析を頼む前に「この分析で何を決めたいのか」を1文で書き出すと、指示の質も同時に上がります。
スキル4：対人コミュニケーション力
AIが定型業務を代替するほど、人間の対面コミュニケーション力の価値は相対的に高まります。特に重要になるのは次の4つです。
- 交渉力 — 顧客、パートナー、サプライヤーとの交渉には感情・信頼関係・文化的背景の理解が関わるため、AIで資料や論点を準備しても、相手との対話と最終判断は担当者が担います。
- プレゼンテーション力 — データや分析はAIが準備できますが、それを聴き手の心に響くストーリーとして伝えるのは人間の仕事です。
- 共感力 — チームメンバーや顧客の話を聞き、文脈を確かめながら課題を捉える力です。AIが対話の記録を整理する場合も、相手への確認は人が行います。
- フィードバック力 — 建設的なフィードバックを適切なタイミングと表現で伝える力は、AI時代のマネジメントで一層重要になります。
AIに調査や資料作成を任せて生まれた時間を、商談や面談といった対面の場に振り向けることが、このスキルを伸ばす近道だと考えています。
スキル5：学習敏捷性（ラーニングアジリティ）
AI時代のビジネス環境は、従来以上のスピードで変化します。少し前の「最先端」が今日の「当たり前」になり、「ベストプラクティス」がすぐに古くなる世界では、学んだことを手放し、新しいことを素早く学び直す力が求められます。
学習敏捷性は、次の要素で構成されます。
- 新しいツール・技術を素早く習得する適応力
- 過去の成功体験に固執せず、新しいアプローチを試す柔軟性
- 失敗を学びに変え、次のアクションにつなげる回復力
- 異分野の知識を取り込み、自分の専門領域に応用する越境力
習得方法としては、慣れた領域（コンフォートゾーン）の外に意図的に出る経験を定期的に積んでください。新しいAIツールを毎月1つ試す、異業種の勉強会に参加する、専門外の書籍を読むなど、小さな越境の繰り返しがラーニングアジリティを鍛えます。
スキルを個人技で終わらせない「仕組み化」
5つのスキルを個人が磨くだけでは、得意な人が異動・退職したときに成果が元に戻ってしまいます。AI活用を組織の力にするには、うまくいったやり方を型にし、確認の手順を業務フローに組み込み、AIが参照するデータを一元化することが欠かせないと考えています。ここでは、引き継げて新人でも回る状態をつくるための3つの方法を紹介します。
うまくいったプロンプトを型にして共有する
プロンプト設計力は個人差が出やすいスキルです。成果の出た指示文を「目的・渡す情報・出力形式」の3項目に分けてテンプレートとして残すと、経験の浅いメンバーでも同じ水準の出力から始められます。
テンプレートは、使った人が改善点を書き足せる場所に置き、四半期ごとなど期間を決めて、使われていないものを整理してください。
ただし、テンプレートが効くのは定型業務までで、前例のない問題には型が当てはまりにくいため、その場合は問題定義から人間が組み立てます。組織でナレッジを蓄積・共有する仕組みについては「AIで組織のナレッジ共有を強化する方法」もあわせてご覧ください。
AIの出力を確かめる工程を業務フローに組み込む
批判的思考力も、個人の注意力に頼ると抜け漏れが出ます。「AIが作った文書は、数値と固有名詞に出典が付いているものだけ次工程に回す」「顧客に送る文面は担当者が読んでから送信する」のように、確認のルールを工程として決めておくと、新人でも同じ基準で判断できます。
| 観点 | 個人任せ | 仕組み化 |
|---|---|---|
| 指示の出し方 | 各自の工夫に依存 | テンプレートから始めて改善を書き足す |
| 出力の確認 | 気づいた人だけが確認 | 数値・固有名詞・送信前の確認を工程に組み込む |
| ノウハウの行き先 | 個人の手元に残る | 共有の場所に蓄積され、引き継げる |
CRMの中でAIを使い、業務全体の流れにつなげる
AIをチャットツール単体で使うと、出力が業務の記録と切り離され、次の担当者に経緯が伝わりません。HubSpotのようにコンタクト・会社・取引がひも付いたCRMの中でAIを使えば、Breezeが顧客情報や取引の状況を参照して下書きを作れます。
この下書きは、コンタクトの獲得から取引の前進、受注後の顧客対応、請求までつながる流れのうち、「取引を前に進める」段の作業を軽くするものです。送信の判断は担当者が行い、送ったメールをコンタクトや取引の記録に残しておけば、後から担当が変わっても経緯を追えます。
ただし、Breezeが参照するのはCRMに記録された情報なので、商談メモや活動履歴が入っていない取引では下書きも薄くなります。AI活用とデータ入力の習慣はセットで整えることをおすすめします。CRMとAIをつなぐ設計はHubSpot×AIの支援内容でも紹介しています。
AI時代に求められる人材とは？キャリア別の適応戦略
AI時代に求められる人材とは、AIを使える人ではなく、AIに任せる範囲と自分が判断する範囲を設計できる人です。同じ「AIを使いこなす」でも、若手・中堅・ベテランで求められる動き方は変わります。ここでは年齢層・キャリアステージ別に、具体的な戦略を紹介します。
若手（入社1〜5年目）：AIネイティブを目指す
入社5年目までの若手は、AIを日常の道具として自然に使いこなすAIネイティブを目指してください。
具体的なアクションは次のとおりです。
- 毎日の業務でAIを使い、プロンプト設計力を鍛える
- AI活用の成果を定量的に記録し、評価面談で伝える
- AIでは代替できない対人スキルを意識的に磨く（商談への同行、プレゼンの機会を積極的に取りに行く）
- AIに関する情報を継続的にキャッチアップし、チーム内の「AI相談役」になる
中堅（入社6〜15年目）：AI×専門性の掛け合わせ
業務の専門性が深まる中堅層は、「自分の専門領域×AI」の掛け合わせで価値を発揮してください。
具体的なアクションは次のとおりです。
- 自分の専門領域の業務プロセスにAIを組み込む（調査・資料作成をAIに任せ、空いた時間を顧客との対話に再配分する）
- 部門内のAI推進リーダーとして、メンバーのAI活用を支援する
- AIが出した分析結果に「専門家としての解釈」を加え、付加価値を出す
- 後輩にAI活用を教えることで、自分自身の理解も深める
ベテラン・管理職（入社15年以上）：AI活用の設計者になる
豊富な経験と業界知識を持つベテラン・管理職は、「AIを使う人」ではなく「AIの活用を設計する人」を目指してください。AIによる経営データの可視化にも、こうした考え方は応用できます。
具体的なアクションは次のとおりです。
- 組織全体のAI活用方針を定め、リソース配分を決める
- AIの限界を理解したうえで、「AIに任せる業務」と「人間に任せる業務」の線引きを設計する
- AI活用で生まれた時間を、メンバーの育成や顧客との関係構築に再投資する
- AI活用の倫理面・コンプライアンス面の社内ルールを整える
AIリスキリングの具体的な計画策定については「AIリスキリング計画の作り方」で詳しく解説しています。
営業・マーケ・管理部門でAI時代に必要なスキルはどう変わる？
3職種に共通するのは、必要なスキルが「作業を実行する力」から「設計し判断する力」へ移ることです。営業は質問力と関係構築へ、マーケティングは戦略設計とブランド構築へ、管理部門はプロセス設計と例外判断へ重心が移ります。以下の3つの表で、従来のスキルとAI時代のスキルを対比します。
営業職のスキルシフト
AIで「調査・準備・報告」の一部を補助できる場合があります。営業職では、出力を検証する力に加え、顧客への質問や関係構築をどう進めるかが重要です。
| 従来の重要スキル | AI時代の重要スキル |
|---|---|
| 企業調査・業界分析 | 顧客の本質的課題を引き出す質問力 |
| 提案資料の作成 | ストーリーテリングとプレゼン力 |
| 活動報告・CRM入力 | 顧客との長期的な関係構築 |
| 競合情報の収集 | 自社の価値を文脈に応じて伝える力 |
ただし、「CRM入力」が不要になるわけではありません。先に触れたとおり、AIの下書きや要約はCRMの記録を材料にするため、記録を残す習慣があるチームほどAIの恩恵を受けやすくなります。
マーケティング職のスキルシフト
コンテンツ制作と分析の実行はAIが担い、マーケターの役割は「戦略設計」と「ブランド構築」に移ります。AIを使ったSEOコンテンツ制作の進め方は、Claude CodeによるSEOコンテンツ制作で紹介しています。
| 従来の重要スキル | AI時代の重要スキル |
|---|---|
| コピーライティング | ブランド戦略とトーン・オブ・ボイスの設計 |
| データ集計・レポート作成 | データに基づく戦略的意思決定 |
| SNS投稿・メルマガ作成 | チャネル横断のキャンペーン設計 |
| SEOの技術的対策 | 顧客インサイトの発見と施策への反映 |
管理部門のスキルシフト
定型業務の自動化が進む管理部門では、「処理する人」から「設計する人」への移行が求められます。
| 従来の重要スキル | AI時代の重要スキル |
|---|---|
| データ入力・集計 | 業務プロセスの設計・自動化 |
| 定型レポートの作成 | データに基づく経営支援 |
| マニュアルの整備 | ナレッジマネジメントの設計 |
| 問い合わせ対応 | 例外処理の判断とエスカレーション設計 |
何から始めるか：スモールスタートで身につける順番
5つのスキルを一度に鍛えようとすると、どれも中途半端になりがちです。まずは1つの業務でAIを使い、振り返りながら任せる範囲を広げていく段階的な進め方をおすすめします。ここでは、各段階で何ができていれば次へ進むかの目安とあわせて紹介します。
1つの業務から始める
最初は、毎日繰り返していて、答えの材料が手元にそろっている業務を1つ選びます。議事録の要約や定型メールの下書きなど、「AIが得意な4領域」に入る業務が向いています。
| 段階 | やること | 次へ進む目安 |
|---|---|---|
| 1. 試す | 1つの業務で毎日AIを使う | 指示文を見直さなくても使える出力が出るようになった |
| 2. 型にする | うまくいった指示文をテンプレートとして残す | 他のメンバーがテンプレートから同じ水準の出力を出せた |
| 3. 広げる | 同じ領域の別業務に範囲を広げる | 確認の手順を決めたうえで運用できている |
振り返って任せる範囲を広げる
1つの業務で手応えが出たら、どの工程で時間が減り、どの工程で手直しが多かったかを書き出します。手直しが多い工程は、指示文に渡す文脈が足りていないか、そもそもAIに向かない工程かのどちらかです。
指示文を2〜3回改善しても手直しが減らない工程は、AIに向かない工程と判断して人間の担当に戻してください。この振り返りの繰り返しが、プロンプト設計力と批判的思考力を同時に鍛えます。
AIに任せない領域を先に決めておく
範囲を広げる前に、AIに任せない領域を先に決めておくと、判断がぶれにくくなります。例えば、顧客への最終的な送信判断、大型案件の提案内容、人事評価の結論、倫理的な判断を伴う表現のチェックは、人間が担う領域として明文化しておくことをおすすめします。
こうした線引きがあることで、メンバーは「どこまでAIを使ってよいか」で迷わずに済み、問題定義力や対人コミュニケーション力といった人間側のスキルに時間を振り向けられます。
よくある質問
Q1. AIに仕事を奪われないために、今すぐやるべきことは何ですか？
まず、毎日の業務でAIツール（ChatGPT、Claudeなど）を1つ以上のタスクで使い始めてください。AIを脅威として見るのではなく、調査や下書きを任せられる相手として使いこなす側に回ることが出発点です。使った工程と確認にかかった時間を記録すれば、自分の仕事で効果があったかを判断できます。
Q2. プログラミングスキルはAI時代に必要ですか？
プログラミングの専門スキルは必須ではありませんが、論理的思考、手順の分解、条件分岐の設計といったプログラミングの「考え方」は非常に役立ちます。GitHub Copilotなどのコーディング支援AIの登場により、プログラミング経験が浅い人でも業務自動化のスクリプトを書けるようになっています。コードを書くこと自体よりも、「何を自動化すべきか」「どんなロジックで処理すべきか」を設計する力が重要です。
Q3. AI時代にキャリアチェンジを考えるべきですか？
データ入力、単純な翻訳、定型的なライティングなど、AIの影響が大きい業務が中心の場合は、スキルシフトを検討してください。ただし、職種の変更だけでなく、同じ職種の中で顧客理解や判断を要する業務へ役割を広げる選択肢もあります。ライターであれば「記事を書く」から「コンテンツ戦略を設計する」へ、データ分析者であれば「データを集計する」から「データに基づく意思決定を支援する」へ移ることをおすすめします。
Q4. 50代以上のビジネスパーソンがAI時代に活躍するにはどうすればよいですか？
年齢だけで強みを決めず、これまでの経験のうち、顧客対応・例外判断・業界固有の知識として言語化できるものを洗い出します。AIで資料の下書きを作る場合も、その知識を使って内容を確認し、相手に合わせて説明する役割を担えます。
Q5. AI時代に人間力（対人スキル）はどれくらい重要になりますか？
相対的には、これまで以上に重要になります。AIが調査・資料作成・報告といった定型業務を担うほど、交渉力、プレゼンテーション力、共感力、フィードバック力の比重が上がるためです。営業職であれば、重心は「企業調査・業界分析」から「顧客の本質的課題を引き出す質問力」へ移ります。
まとめ
AI時代に必要なスキルは、AIの操作技術ではなく、AIを活用して人間の価値を高めるスキルです。
- AIを使う工程は、必要な情報・検証方法・責任の所在で選び、要約・定型文書・集計・翻訳も人が確認し、意思決定や倫理的判断は人が担います
- 必要なスキルは、プロンプト設計力、批判的思考力、問題定義力、対人コミュニケーション力、学習敏捷性の5つです
- スキルを個人技で終わらせないために、指示文のテンプレート化、確認工程の組み込み、CRMでのデータ一元化を進めると、引き継げて新人でも回る状態に近づきます
- 線引きはツールの進化とともに動くため、特定の操作技術よりも「変化に適応し、学び続ける力」が長く効きます
まずは、明日の業務から1つを選んでAIと一緒に進めるところから始めてください。
- 毎日繰り返している業務を1つ選び、工程に分解して「AIに任せる工程」と「自分が判断する工程」を書き出す
- AIに任せる工程で1週間使い続け、うまくいった指示文をテンプレートとして残す
- 手直しが多かった工程を振り返り、任せる範囲を広げるか人間の担当に戻すかを決める
CRMを活用した業務効率化やAIとの連携に関するご相談は、StartLinkまでお気軽にお問い合わせください。
あわせて読みたい
- AIリスキリング計画の作り方｜全社員をAI活用人材にする段階的研修プログラム ── 5つのコアスキルを体系的に習得するための研修プログラム設計
- AIチェンジマネジメント実践ガイド ── AI導入時の組織的な抵抗を乗り越えるための変革管理手法
- AIで組織のナレッジ共有を強化する方法 ── AIスキルのノウハウを組織全体で共有する仕組みの構築
- 業務別プロンプト設計ガイド ── プロンプト設計力を鍛えるための実践的テンプレート集
記事の内容を、そのまま実務に落とし込みたい方向け
HubSpotゴールドパートナーのStartLinkが、HubSpot導入・AI活用・CRM整備・業務効率化までをまとめて支援しています。記事で気になったテーマを、そのまま相談ベースで整理できます。
次に読む
株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。 サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、無料のお問い合わせページより、お気軽にご連絡くださいませ。
著者情報
