職業単位の心配よりタスク単位の地図が優れている理由
AIは私の仕事を奪うのかは、解像度を間違えた問いです。職業は一つの塊ではなく、性質が大きく異なるタスクの束です。米国の職業情報データベースO*NETが職業を記述する方法がまさにそれで、別々のタスクと活動のリストとして書きます。AIへの露出は、同じ職業の中でもタスクごとに異なります。定型メールの下書きと、怒っている顧客をなだめることは、同じ役割の中にありながら、まったく異なる圧力を受けます。職業単位の答えは、これらを平均してしまい、役に立たないものにします。
タスク単位の地図は、答えを使ってできることも変えます。職業単位の予測は不安だけを残し、引けるレバーを与えません。タスク単位の地図は、一週間のうちどの時間が自動化の圧力を受け、どの時間が拡張され、どの時間に長持ちする価値が集中しているかを示します。国際労働機関(ILO)の生成AI研究もこの枠組みを裏づけています。大半の職業について、丸ごとの消滅ではなくタスク構成の変容を見込んでいます。だとすれば、行動につながる問いは、職業が生き残るかではなく、どのタスクが移っていくかです。
自分の仕事の一週間を地図にする方法
普通の勤務一週間、簡単な記録をつけます。している仕事が変わるたびに、何をしているかを普通の動詞で書き、だいたいどれくらいかかるかを書きます。まだ分類せず、記録だけします。週末には二十から四十のタスク項目がたまります。重複をまとめ、項目ごとに週あたりの時間を見積もります。ほとんどの人は二度驚きます。一度も意識していなかったタスクにどれだけ時間が行っているかに驚き、職名が示唆する仕事にどれだけ時間が行っていないかに驚きます。
次に、各タスクを二つの軸で採点します。第一は、現在のAIの能力です。今のAIツールは、このタスクの成果物の使える初稿を作れるか。第二は、検証コストです。確認にどれだけ費用がかかり、見逃した誤りはどれほど深刻か。初稿が作れて検証が安いタスクが、最も強い自動化圧力を受けます。初稿は作れるが検証が高くつくなら拡張の側で、そこであなたはレビュアーになります。初稿が難しく、物理的な現場、人間関係、責任が必要なタスクが、長持ちする核です。採点の時は、慰めではなく正直さを選んでください。
完成した地図で何をするか
地図は判決文ではなくポートフォリオとして読みます。ゾーンごとに週あたりの時間を合計します。高圧力ゾーンに時間が集中していることは、失業の予測ではありません。状況が代わりに時間を再配置してしまう前に、自分で意図的に再配置すべき場所を教えてくれる信号です。実行方法は具体的です。初稿が作れるタスクには自分でAIツールを導入して効率の利得を自分のものにし、判断と人間関係のゾーンの時間を増やす仕事に手を挙げます。
地図は数か月ごとに描き直します。タスク構成とAIの能力の両方が変わるので、去年の露出の地図は静かに判断を誤らせることがあります。地図は計画にも直結します。何かのスキルを鍛えるべきだと決めたなら、高価値ゾーンがどれを鍛えるかを教えてくれ、地図は焦点の定まった転換計画の証拠基盤になります。不確実性は依然として現実のものです。この作業は未来を予測しません。答えられない一つの問いを、答えられる複数の問いに置き換えるだけです。
