S3-03.誰もが「AIの管理職」になる。作業する人から、任せて見抜く人へ
2026年7月21日38分
出演
ゆと生成AIフル活用な1人起業家大学院で物理を学んだ工学修士。新卒でベネッセの進研ゼミづくりに携わり、その後ITへ転身。現在は音声コンテンツと生成AIを中心に活動する1人起業家兼会社員です。
しみ生成AI系の新規事業担当某国立大学の数学系学科を卒業。長らく教育系大企業で新規事業を担当していたが、生成AIの新規事業担当に転職。音声コンテンツよりもYouTubeやマンガ派です。
各見出しの シェアボタン（（↗）で個別にシェア）でシェア
AIに仕事を任せられるようになるほど、人間の仕事は「作業すること」から「どう任せ、どう確かめるか」へ移っていきます。CoworkでExcel分析を任せた実体験から、AIのミスの見抜き方、そして誰もが「AIの管理職」になる未来まで、かなり具体的に掘り下げました。
「間違ってるじゃん」と思ったら、人間のほうが間違っていた
2:33 からこの部分を聴く
Coworkに複数のExcelを渡して分析を任せたしみ。出てきた結果を疑って照合してみると、予想外の答えが返ってきます。
「複数のExcelファイルを渡して、関係性を見て分析してほしいと頼んだら、列や項目を自分で確認して、どうまとめるべきかまで考えてくれたんですよ。」
「細かく手順を指示したわけじゃないのに、そこまでやるんだ。」
「そう。しかも、出てきた結果を見て『ここ違うんじゃない？』って、自分が手作業したものと照らし合わせたんですよ。」
「お、間違い見つけた？」
「ぼくが間違ってた」
「AI側が合ってたんだ。それはすごいな。」
人なら1〜2時間。毎回違うExcel作業を「一発で納品」してくる
6:59 からこの部分を聴く
驚きは精度だけではありません。人間なら地味に時間を取られる、定型化しづらい作業まで丸ごと任せられていました。
「ざっくり1000行くらいのデータが入ったファイルが5個あって、それぞれのブレや平均、基準になるデータとの近さを見たいんですよ。」
「人間だったら、まず1個のExcelに集めて、VLOOKUPとかで揃えていく感じか。」
「そう。それをやったら、たぶん1〜2時間かかる。しかも毎回列の数が変わるから、単純にマクロを作れば終わりでもないんですよね。」
「毎回ちょっと違うから、結局人が作業せざるを得ないやつね。」
「それをCoworkは、分析したファイルも途中の作業ファイルも含めてまとめて返してくれる。これを一発でやってくれるの、結構すごいんですよ」
「おれはClaude Codeを使ってるから『まあ、できるよね』って思っちゃってたけど、非エンジニアが普通に使えるのは確かにでかいね。」
精緻なプロンプトより、「3問くらいの逆質問」で仕事が始まる
12:34 からこの部分を聴く
さらに面白いのは、人間側が完璧な指示書を作らなくても、AIのほうから足りない情報を取りに来ることでした。
「これだけ複雑な作業だから、最初は『ミスってるんじゃない？』って思ったんですよ。だって、こっちはそんなにちゃんと指示してないから。」
「前に話してた、要件をものすごく細かく書いて渡す感じじゃないんだ。」
「全然。『分析して、まとめて、示唆を出して』くらいから始めても、Cowork側から3問くらい確認してくるんですよ。」
「選択肢を出して、方針を確認してから進む感じ？」
「そうそう。それに答えると作業を始める。こっちが全部決めなくても、必要なところは向こうから聞いてくれるんですよね」
「Claude Codeも、方針を決める段階で『進む前に確認です』って聞いてくる。そこは一緒だね。」
AIに任せたのに、チェックで1〜2時間？「正しさをどう確かめるか」問題
14:15 からこの部分を聴く
成果物が高度になるほど、「AIが作ったものを人間が全部チェックする」という方法そのものが苦しくなってきます。
「正しいかどうか確認しようと思って、自分でチェックし始めたんですよ。でも元の作業が1〜2時間かかる仕事だから、チェックするほうが時間かかる可能性もある。」
「そもそも、間違ってたらどれくらいヤバいの？」
「普通にヤバいですね。1000行くらいあると、どこか1か所ズレていても、縦に見ただけじゃなかなかわからない。」
「そう考えると、間違えたときの影響の大きさと、自分にその仕事の勘どころがあるかは重要そうだよね。」
「そうなんですよ。全部を自分で見直す前提だと、AIに任せた意味が薄くなっちゃう」
「PowerPointみたいに見た瞬間に良し悪しがわかって、自分で直せるものとは、また違う難しさがあるね。」
AIの出力は、人間が全部見るんじゃない。「AIにチェックさせる」
20:53 からこの部分を聴く
では、人間が全部チェックできないならどうするのか。ここで、「チェックする作業そのものもAIに任せる」という考え方が出てきます。
「おれが未知の領域でやるときは、まずAIに評価軸やチェックリストを作ってもらうんだよね。それで、別のAIにフィードバックさせたりする。」
「なるほど。AIの出力を、人間が一個一個チェックするんじゃないんだ。」
「そう。どういう観点なら正しさを確かめられるかもAIに出させて、人間は『もっとここを見るべきじゃない？』って突っ込む。」
「人間は「全部見る人」じゃなく、AIが正しく点検できる仕組みをつくる側になる」
「そのうえで、人間が判断できるレベルまで結果をわかりやすく翻訳してもらって、最後の○×は自分で判断する感じだね。」
管理職じゃなくても、みんな管理職になる——手元のAIをどう監督するか
23:22 からこの部分を聴く
人間が見るべきなのは全部の作業ではなく、「どこを確認すれば事故を防げるか」。それは、これまで管理職が人に対してやってきたこととよく似ています。
「AIから成果物が出たとき、全部を細かく見られないなら、重要なチェックポイントを抜き出す力が必要ですよね。」
「そのチェックポイントって、どうやって作るんだろうね。」
「まず、何を外したらヤバいかを理解すること。もうひとつは、相手がどういうミスをしやすいかを知ることだと思う。」
「Claude Codeも『こういうところ、よくやらかすな』ってだんだんわかってくるもんね。AIの特性を知るっていう。」
「管理職も、人に何を報告させるか、どの頻度で報告させるか、どこを見るかを考えてるはずなんですよ。」
「監督責任を持って、ポイントで判断する。これ、もう管理職じゃん」
「管理職じゃなくても、みんな手元のAIの管理職になるって感じですね」
職務経歴書より「AIとの1時間のログ」？ 採用も入試も変わるかもしれない
31:40 からこの部分を聴く
任せ方や確かめ方にその人の思考が出るなら、AIとのやり取りそのものを評価材料にできる。話は新入社員研修から、採用や大学入試へ広がっていきます。
「新入社員研修でCoworkに仕事を任せてもらったら、マネジメントの癖がめっちゃ出そう。不安で全部自分でチェックする人も、何も見ずに出しちゃう人もいそうじゃん。」
「それ面白いですね。管理するときに無意識でやってることが、そのまま出そう。」
「採用でも、職務経歴書を見るよりClaude Codeとの1時間のやり取りを見せてもらったほうが、仕事の進め方がわかる気がする。」
「半日くらい課題を渡して、AIとのやり取りを全部採点対象にしたら、どう進める人なのかめちゃくちゃ見えそうですね。」
「質問の角度とか、どこでエビデンスを取りに行くかとか、どこまで到達できるか。思考のプロセスが出るよね。」
「AI面接官と話すより、実務に近い能力が見える可能性もありますよね」
「大学入試でも、難しい課題とAIツールを渡して、半日後にプレゼンしてください、とかありそう。」
「主流になるかはわからないけど、実際にやるところは出てきそうですね」
親友はAIラジオ のエピソードです。番組トップページへ