Harvard Business Review（HBR）は2026年7月8日（現地時間）、生成AIの普及が知識労働者の雇用基準を変化させているとの調査結果を公表した。AIの台頭は決して従来の専門性を不要にするわけではない。むしろ、これまでの専門知識に「AI活用力」「批判的判断力」、そして「全体設計の視点」を掛け合わせるよう企業に求めるものだ。
調査対象は銀行・金融、経営コンサルティング、テクノロジー・メディア・電子商取引の30組織
同調査では、銀行・金融や経営コンサルティング、テクノロジー・メディア・電子商取引に属する30の組織を調査した。その結果、これからの新規採用者が成果を上げられるかどうかは、「職務範囲の拡張」「部門を超えた知識の統合」、そして「AIエージェントを組み込んだ業務工程の再設計」という3つの能力にかかっていることが明らかになった。
商品管理から工程設計まで：AIで変わる職種の仕事
調査の背景には、職場における生成AI利用の急拡大がある。大手多国籍銀行の幹部は、3年前には部門内で利用者がいなかったが、現在は全員が毎日、数時間使うと説明した。AIは定型的で基礎的な作業時間を縮め、少数人数や個人が担える役割を広げている。
その結果、職種に求められる役割は、個別分野の作業者から、工程全体を見渡す「総合技術者」に収斂されつつある。工学や金融、統計など個別分野の知識は引き続き必要だが、それだけでは足りない。基礎作業が減る分、企業は事業環境と技術の双方を理解し、構想から実現までの道筋や障害を読める人材を求めている。
ソフトウェア開発：3職種が融合し、プロトタイプまで作成
例えばソフトウェア企業の商品開発では、商品管理と利用者体験設計、開発の三職種が接近している。従来の商品管理で実施されていた作業簿の追跡や分析、報告は自動化され、担当者は「Claude」や「Figma」「Lovable」「GitHub Copilot」などを使い、指示文から画面案や初期コード、動く試作品（プロトタイプ）を作るところまでをAIと共に担う。オンライン市場の顧客対応をAIエージェント化する場合も、人材の教育より、顧客課題を分析して機能全体や学習データ、制御操作までを設計する能力が重視される。
製造業：数カ月かけたデータ分析を「AI群」が代行
この変化は製造業の商品開発でも同様だ。従来は設計や工学、調査、資材などの専門家が数カ月をかけて情報を集め、分析していた。しかし、社内データから商品案を作成・実験し、過去の原価から費用を予測し、仮想顧客でテストする「AI群」の導入が進んでいる。
AIエージェントの役割は、各部門に散在する未整理データから必要な素材を取り出すことだ。持続可能性の条件を満たす供給業者の候補作成、競合商品の顧客意見を使った案の検証が短時間で可能になる。設計分野は、ニューラルネットワークが従来の物理モデルや数理計算手法の代替手段となる。人の中心業務は図面作成から、入力情報の品質確認、実験条件の設計、AI出力への厳格な検証、設計の補正へ移る。社内と供給網のデータ全体を分析し、性能を左右する要因や顧客理解の欠落を見破る力も欠かせない。AIが作り出したペルソナが、実際の顧客の多様性を十分に反映できているかを検証する責任も、人間に残されている。
ツール導入に留まらない「仕事の組み直し」
AI導入による最大の変化は、業務工程の再設計だ。情報収集や分析、報告をAIが担えば、従来の作業時間は削減されるが、モデルの学習や監視といった新作業が生じる。既存手順に道具を追加するだけでは効果が限られ、どの作業を自動化し、どこを人が担い、何を新設するかを組み直す必要がある。各作業に必要な資源や教育、指示、制御操作、情報を点検し、仕事の周期も短縮する。会議数は減り、数週間かかった作業が1日未満となり、必要人員も少なくなる場合がある。
金融技術企業OKXでAPI商品部門を率いるキャスリン・ジャオ氏は、AIエージェントによってAPIの設計や開発、テスト、更新、公開の周期を30〜60%短縮したと語った。商品管理担当者は、利用条件に合う情報探し、仕様の詰め、テスト項目作成から離れ、要件定義や構想設計、AI案の妥当性判断、例外条件のテストが十分か、公開時のリスクを許容できるかどうかの判断に軸足を移した。AIに公開作業まで任せると小さな誤りが生産環境の大きなリスクに広がるため、効率だけでなく監視と制御操作が必要になる。
調査対象企業の幹部は、既存の中堅従業員をAIに訓練する教育へ投資し、AIに慣れた新人へ置き換える方針ではないと述べた。職能知識や意思決定、蓄積した経験は今後も価値を持つ。ただ、3職種で就職を目指すMBA取得者には、経営の基礎知識に加え、AIで事業課題を解いた実績と、出力を批判的に試す力が求められる。
