会計士・税理士への質問と回答

質問文（版 5）

あなたはAIモデルとして、AIツール全体（あなた自身と、あなたや他のモデルを組み込んだ製品・サービスを含む）によって、ある職種の仕事に必要な人の時間が、今・1年以内・5年以内にどれだけ減るかを見積もる。日本の読者向けの職業情報サイトに、あなたの回答がそのまま、あなたのモデル名と回答日付きで掲載される。読者はこの職種で働く人で、自分の仕事のどこがどれだけ変わるかを知りたい。

測るもの
- 「人の時間が要らなくなる割合」: 今と同じ量の仕事を、今と同じ品質で終えるのに必要な人の時間のうち、AIツールを使うことで要らなくなる割合（整数の%）。AIの結果を人が確認・手直し・承認する時間は、人の時間として残す。例: 100分かかっていた仕事が、AIの結果を5分確認するだけになれば95%。
- 「今」は今あるAIツールを、この職種の職場が十分に使った場合の値。まだ使っていない職場が多いことは、この値を下げる理由にしない。「1年以内」「5年以内」はその時点であると見込むツールを十分に使った場合の値。
- 仕事の量（需要）の増減はこの割合に入れない。別の問いで答える。
- 業務ごとに、仕事時間に占める比重（全業務の合計を100）と、その業務で人の時間が要らなくなる割合を出す。職種全体の割合は比重で重みづけした合計にする。業務の数で割る計算はしない。

見立ての立て方
- 人に残るとする部分にも、AIに移るとする部分にも、同じ基準で理由を書く。理由の種類は両側とも「技術」「制度・契約」「費用」「相手の受け入れ」の4つ。人に残る側なら、技術が足りない／制度や契約が人を求める／AIに任せると高くつく／顧客や相手が人を求める。AIに移る側なら、技術が足りている／制度や契約が妨げない／AIに任せると安い／顧客や相手が受け入れる。
- どちらの見立てにも、それが崩れる条件を書く。人に残るとした部分がAIに移る条件と、AIに移るとした部分が人に残る条件の両方を書く。
- 人が最終的な責任を負うことは、それだけでは人の時間がどれだけ要るかを決めない。責任を負うために、誰が何をどれだけ確かめるかで見積もる。逆に、AIが成果物を出せることは、それだけでは人の時間がなくなることを意味しない。確認・手直し・例外への対応にかかる時間を数える。
- 業務の中で人に残る部分は、次の5つの層で示す。作業（自分で手を動かす）、品質の確認（出来を確かめ直す）、例外の発見（いつもと違うことに気づく）、実行の承認（進めてよいかを決める）、目的と制約の設定（何をどこまでやるかを決める）。並びに順序や難易度の意味はない。どの層も人に残ることがあり、どの層もAIに移ることがある。残る層には、その層に人の時間がはっきり残るものだけを挙げる（5つ全部が残るのは、本当にそうである業務だけ）。その層で人が何をするかは、要点の文に書く。
- 根拠は下の資料と、あなたが知っている今のAIツールの機能、あなたが見込む今後の進歩。今できることと将来の見込みを分け、業務ごとに確信の度合い（高・中・低）を添える。人に残る時間が少ないという答えも、ほとんど変わらないという答えも認める。仕事の量の見立ては「不明」でもよい。
- 言い切れるところは言い切り、根拠の弱いところは弱いと書く。確信の度合いは項目で示し、「推定である」「統計値ではない」のような断り書きは文章に書かない（掲載時にあなたの見立てとして示す）。
- 研究や統計の数字、企業が公表した効果の数字を引用しない。人名を挙げない。ツールや製品の名前は挙げてよいが、企業の意図や方針を推測しない。
- 文章は日本語。業務を指すときは、番号や記号ではなく業務の内容を書く（読者は番号付きの一覧を見ない）。
- この会話にある情報と、あなた自身の知識だけで答える。ウェブを検索しない。過去の会話、保存された記憶、他のAIモデルの回答を参照しない。
- 返す前に、業務の数が一覧と同じこと、比重の合計がちょうど100であること、各業務で 今 ≤ 1年 ≤ 5年 であること、職種全体の3つの値が比重による重みづけの合計を四捨五入した値と一致することを確かめる。
- JSONだけを返す。

職種: 会計士・税理士（米国の職業分類では 会計士・監査人、SOC 13-2011）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 記録を調べ、担当者に聞き取り、取引の記録と法令の順守を確かめる
2. 勘定科目の体系を定め、取引を適切な科目に割り当てる
3. 最新のコンピュータ技術を使い、記録と会計の仕組みを作り、導入し、修正し、文書にする
4. データを集めて分析し、不十分な統制、重複した作業、浪費、不正、法令や方針への違反を見つける
5. 会計記録・財務諸表・財務報告を作成・検査・分析し、正確さ、網羅性、報告と手続きの基準への適合を評価する
6. 事業の活動・傾向・費用・収益・財務上の約束と義務を分析し、将来の収益と費用を予測し、助言する
7. 監査の結果について詳しい報告書を作る
8. 請求書を支払いのために処理する
9. 勘定の不一致を調べ、差異を突き合わせる
10. 納税額を計算して申告書を作り、納付・報告などの税務上の要件を満たす

この職種で使われているAIツール（各社の公式ページの説明。判断材料の一部）:
- freee会計 × AI（freee）: 集まった証憑からの仕訳作成やデータ処理をAIが進め、人は最終確認をする。PDFの請求書からの仕訳登録や入力ミスのチェック。
- TaxGPT（TaxGPT）: 会計事務所向け。AIのエージェントが事務所の税務ソフトの中で申告書を作成し、提出の前に担当者が確認して承認する。
- マネーフォワード クラウド会計（AI-OCR）（マネーフォワード）: アップロードした証憑をAI-OCRで読み取り、仕訳の候補を作る。候補は確認して登録する。

問い
1. 上の一覧のすべての業務について、一覧の順に次を答える。
   a. 比重: この職種の仕事時間に占める割合（整数の%。全業務の合計を100にする）。
   b. 今・1年以内・5年以内に、その業務で人の時間が要らなくなる割合（整数の%。今 ≤ 1年 ≤ 5年）。
   c. 5年後もこの業務で人の時間がはっきり残る層（作業／品質の確認／例外の発見／実行の承認／目的と制約の設定 から。層の名前だけを配列で。何も残らなければ空）。
   d. 5年後も人の時間が残る理由の種類（技術／制度・契約／費用／相手の受け入れ から、当てはまるものすべて。人の時間が残らなければ空）。
   e. 5年後にAIに移る理由の種類（同じ4つから、当てはまるものすべて。何も移らなければ空）。
   f. 5年後の見立ての要点と、それが崩れる条件（150字以内。人に残る部分がAIに移る条件と、AIに移る部分が人に残る条件を1文ずつ）。
   g. 確信の度合い（高／中／低）。
2. 職種全体で人の時間が要らなくなる割合（今・1年以内・5年以内）。1の比重で重みづけした合計を、整数に四捨五入する。
3. 2の理由。どの業務のどの層がAIに移り、どの種類のツールが引き受けるか（200字以内）。
4. 5年で、この職種への仕事の量（需要）はどう変わるか（増える／ほぼ同じ／減る／不明）と、その理由（150字以内）。
5. この職種は5年でどう変わるか。次の3つにそれぞれ答える（各200字以内）。
   a. 何が残るか: 人が担う業務と層。残るとした理由と、それが崩れる条件に触れる。
   b. 誰が残るか: 4の仕事の量の見立てと合わせて、担当者の人数・構成・経験の変化。
   c. 求められる力: 残る人に新たに求められる力。

出力（JSON）
{"tasks": [{"no": 1, "weight": 0, "now": 0, "year1": 0, "year5": 0, "human_layers": [], "blockers": [], "enablers": [], "outlook": "", "confidence": ""}], "share_now": 0, "share_year1": 0, "share_year5": 0, "reason": "", "demand": "", "demand_reason": "", "remains": "", "who": "", "skills": ""}

Claude Fable 5.1

Claude のモデル名の表示は「Claude Fable 5.1」。回答日 2026年10月21日。取得の条件: Claude Code のサブエージェントが回答（アプリではない）。職種ごとに新しい文脈で、入力は質問文のファイル1つだけ。ウェブ検索と他のファイルの読み込みを禁じた。他の職種・他モデル・版4の回答、モックの数値は渡していない。Claude Code の既定のシステム指示とプロジェクトの AGENTS.md が文脈に入る。検査に落ちた回答は新しい文脈で聞き直した（経理・財務と金融専門職の各1回。research/opinions/v5-2026-10-21/rejected/）。

仕事の量（5年）: ほぼ同じ。申告と監査は制度で義務付けられ、件数は事業者数に連動するため急には変わらない。作業の単価が下がり小規模事業者が依頼しやすくなる一方、助言や内部統制、AI出力の検証の需要が増え、記帳代行の需要減を相殺する。

{"tasks": [{"no": 1, "weight": 12, "now": 15, "year1": 25, "year5": 45, "human_layers": ["作業", "品質の確認", "例外の発見"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "帳簿の照合と規程との突合はAIが先に済ませ、人は担当者への聞き取りと現場で感じた違和感の追求に集中する。AIの質問記録が監査証拠として認められ、電子証跡が全取引を覆えば聞き取りも減る。相手が記録の提供を渋り証跡が紙に残る職場では人の調査が増える。", "confidence": "中"}, {"no": 2, "weight": 8, "now": 50, "year1": 60, "year5": 75, "human_layers": ["品質の確認", "例外の発見", "目的と制約の設定"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "相手の受け入れ"], "outlook": "科目の割当は証憑の読み取りと過去仕訳の学習でほぼ自動になり、人は新規取引や特殊な契約の科目判断と体系の設計に残る。取引の類型が安定し基準の解釈もAIが根拠付きで示せれば設計も減る。組織再編や新事業が続く会社では人の判断が増える。", "confidence": "高"}, {"no": 3, "weight": 6, "now": 25, "year1": 35, "year5": 55, "human_layers": ["品質の確認", "実行の承認", "目的と制約の設定"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "設定の変更と手順書の作成はAIが下書きし、人は要件の決定、導入の承認、権限と統制の検証に残る。会計ソフトがAIによる設定変更を監査証跡付きで許すようになれば承認も軽くなる。基幹システムとの接続が複雑で担当部門との調整が多い会社では人の時間が減らない。", "confidence": "中"}, {"no": 4, "weight": 8, "now": 30, "year1": 40, "year5": 60, "human_layers": ["例外の発見", "実行の承認", "目的と制約の設定"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用"], "outlook": "全件の異常検知と重複の検出はAIが担い、人は検知結果の優先順位付けと、統制の弱さを経営に伝える判断に残る。不正の手口まで学習した検知が実務で信頼されれば人の精査も減る。データが分散して整形に手がかかる職場や誤検知が多い場合は人の確認が増える。", "confidence": "中"}, {"no": 5, "weight": 16, "now": 30, "year1": 40, "year5": 60, "human_layers": ["品質の確認", "例外の発見", "実行の承認"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "試算表から財務諸表と注記の下書きまでAIが作り、人は基準適合の確認、見積項目の妥当性判断、開示の承認に残る。基準の適用判断まで根拠付きで示すAIが監査側にも受け入れられれば確認はさらに薄くなる。制度変更の直後や複雑な会計処理が多い会社では人の検討が増える。", "confidence": "中"}, {"no": 6, "weight": 10, "now": 20, "year1": 30, "year5": 45, "human_layers": ["作業", "例外の発見", "目的と制約の設定"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "数値の集計と予測モデルの作成はAIが担い、人は経営者との対話で前提を引き出し、提言の是非を判断する部分に残る。経営者がAIの提言を直接受け取ることに慣れれば人の仲介は減る。前提が頻繁に変わる事業や経営者の意向が強く絡む助言では人の時間が残る。", "confidence": "中"}, {"no": 7, "weight": 5, "now": 35, "year1": 45, "year5": 65, "human_layers": ["品質の確認", "実行の承認"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "調書からの報告書の草案はAIが作り、人は指摘事項の表現と結論の確認、署名前の承認に残る。様式が標準化され、AIの草案が品質管理の審査を通る実績が積めば確認も短くなる。指摘が重大で表現に法的な影響がある案件では人の推敲が増える。", "confidence": "高"}, {"no": 8, "weight": 5, "now": 65, "year1": 75, "year5": 85, "human_layers": ["例外の発見", "実行の承認"], "blockers": ["技術", "制度・契約"], "enablers": ["技術", "費用", "制度・契約", "相手の受け入れ"], "outlook": "請求書の読み取り、仕訳、支払データの作成はAIが担い、人は承認権限者の確認と不審な請求の見抜きに残る。社内規程が電子承認とAIの一次審査を認めれば承認も最小になる。取引先が紙や独自形式の請求書を続ける場合は人の処理が残る。", "confidence": "高"}, {"no": 9, "weight": 8, "now": 45, "year1": 55, "year5": 70, "human_layers": ["品質の確認", "例外の発見"], "blockers": ["技術", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "入出金と帳簿の自動照合で大半の差異は消え、人は原因不明の差異の追及と相手先への問い合わせに残る。取引先との照合データの交換が標準化されれば残りも減る。手入力の多い相手先や現金取引の多い業種では人の調査が増える。", "confidence": "高"}, {"no": 10, "weight": 22, "now": 40, "year1": 50, "year5": 65, "human_layers": ["品質の確認", "例外の発見", "実行の承認"], "blockers": ["技術", "制度・契約", "相手の受け入れ"], "enablers": ["技術", "費用", "制度・契約"], "outlook": "申告書の作成と税額計算はAIが担い、人は適用関係の最終確認、争いになり得る論点の見極め、署名前の承認に残る。税理士法の責任の整理が進み、税務当局がAIの作成記録を受け入れれば確認はさらに減る。制度改正の直後や複雑な組織再編の申告では人の検討が増える。", "confidence": "中"}], "share_now": 34, "share_year1": 44, "share_year5": 61, "reason": "請求書の処理、勘定の突き合わせ、科目の割当、申告書と財務諸表の下書きで「作業」の層が、AI-OCRと会計・税務ソフトに組み込まれたエージェント（freee会計、マネーフォワード クラウド会計、TaxGPTのような製品）に移る。異常検知と予測の集計も分析ツールが引き受ける。人には品質の確認、例外の発見、承認が残るため、全体では6割前後の減少にとどまる。", "demand": "ほぼ同じ", "demand_reason": "申告と監査は制度で義務付けられ、件数は事業者数に連動するため急には変わらない。作業の単価が下がり小規模事業者が依頼しやすくなる一方、助言や内部統制、AI出力の検証の需要が増え、記帳代行の需要減を相殺する。", "remains": "聞き取りと現場の違和感の追求（作業、例外の発見）、財務諸表と申告書の基準適合の確認と承認（品質の確認、実行の承認）、助言の前提設定と経営者との対話（目的と制約の設定）が残る。理由は監査基準と税理士法が人の署名と責任を求め、相手が人との対話を望むこと。AIの作成記録が証拠や署名の代替として制度に認められ、経営者がAIの提言を直接受け取るようになれば残りは薄くなる。", "who": "入力と照合に当たる補助者やスタッフの人数は減り、確認と承認を担う有資格者と、AIの出力を検証できる中堅の比率が上がる。入口の仕事が減るため若手が経験を積む場が減り、育成を意識的に設計した事務所に人が集まる。仕事の量はほぼ同じでも、一人当たりの担当件数が増え、小規模事務所の統合と大手の少人数化が同時に進む。", "skills": "AIの出力を検証するための会計基準と税法の体系的な理解、データの出所と統制の流れを読む力、数字の並びから異常を疑う感覚。依頼者と経営者に前提を問い、提言を対話で伝える力。ツールの設定、権限、監査証跡を自分で設計し、何をAIに任せ何を人が確かめるかを決める力。"}

GPT-6 Astra

ChatGPT のモデル名の表示は「GPT-6 Astra」。回答日 2026年10月21日。取得の条件: Codex のタスク（gpt-6-astra 指定）が回答。ChatGPT アプリの一時チャットではなく、1つのタスク内で35職種をファイル名順に逐次処理（職種ごとの新しい文脈ではない）。そのタスクの文脈には版4の確認、版5草案の批評、Claude の取得記録と回答例の読み取りが含まれ、他モデルの回答を見せないという条件を満たさない。実行時のモデル名は独立に確認されていない。ウェブ検索はしていない。保存後に研究開発と映像・動画制作の「何が残るか」の文章を同じタスクが1語ずつ直した（数値の変更なし。research/opinions/v5-2026-10-21/astra-2026-10-21/corrections.json）。

仕事の量（5年）: ほぼ同じ。決算、申告、監査の対象は処理時間が減っても残る。安価な分析や助言への依頼は増えうる一方、定型の作成業務は顧客側でも行いやすくなる。両方を踏まえ、専門職に持ち込まれる仕事量はほぼ同じとみる。

{
  "tasks": [
    {
      "no": 1,
      "weight": 15,
      "now": 20,
      "year1": 30,
      "year5": 48,
      "human_layers": [
        "作業",
        "品質の確認",
        "例外の発見"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "資料照合と質問案はAIに移り、人は聞き取りで実態を確かめるが、証拠の真正性と取引背景を独立に検証できれば調査も減る。隠された取引や説明の矛盾を見抜けなければ、形式が整った記録も人が追う。",
      "confidence": "低"
    },
    {
      "no": 2,
      "weight": 7,
      "now": 40,
      "year1": 50,
      "year5": 70,
      "human_layers": [
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "科目の割当案はAIが作り、人は事業に合う体系を定めるが、特殊取引を含め分類の整合が確認できれば設定も縮む。契約の意味や経営管理の目的を取り違えると、定型取引の分類まで人が修正する。",
      "confidence": "中"
    },
    {
      "no": 3,
      "weight": 8,
      "now": 30,
      "year1": 42,
      "year5": 65,
      "human_layers": [
        "品質の確認",
        "実行の承認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "会計の設定案と文書化はAIに移り、人は統制と導入手順を決めるが、既存業務への影響を検証できれば設計確認も減る。旧システムや権限との不整合があれば、自動設定にも人の調整が必要になる。",
      "confidence": "中"
    },
    {
      "no": 4,
      "weight": 12,
      "now": 25,
      "year1": 38,
      "year5": 60,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "異常候補の抽出はAIが担い、人は不正か事情のある例外かを調べるが、証拠を横断して原因を確認できれば調査も減る。正常取引への誤警告や巧妙な偽装の見逃しが増えれば、抽出段階から人が点検する。",
      "confidence": "低"
    },
    {
      "no": 5,
      "weight": 18,
      "now": 35,
      "year1": 45,
      "year5": 65,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "財務諸表の作成と整合検査はAIに移り、人は網羅性と基準の適用を確かめるが、原資料まで追える検証が整えば確認も縮む。帳簿外の義務や複雑な取引を把握できなければ、表の作成にも人が介入する。",
      "confidence": "中"
    },
    {
      "no": 6,
      "weight": 10,
      "now": 25,
      "year1": 35,
      "year5": 50,
      "human_layers": [
        "品質の確認",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "傾向分析と予測案はAIが作り、人は事業条件を聞いて助言を選ぶが、条件変更を扱う評価が信頼されれば検討も減る。経営の転換や契約の制約がデータに表れなければ、分析の前提から人が組み直す。",
      "confidence": "低"
    },
    {
      "no": 7,
      "weight": 7,
      "now": 45,
      "year1": 58,
      "year5": 78,
      "human_layers": [
        "品質の確認",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "監査報告の下書きはAIに移り、人は証拠と結論の対応を確かめるが、各記述を証拠で検証できれば編集確認も減る。重要な留保を落としたり調査範囲を誤解させたりすれば、文案も人が練り直す。",
      "confidence": "中"
    },
    {
      "no": 8,
      "weight": 5,
      "now": 60,
      "year1": 72,
      "year5": 88,
      "human_layers": [
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "請求書の入力と突合はAIに移り、人は不一致と支払条件を判断するが、承認基準と取引情報が連携すれば処理も縮む。架空請求や条件変更を検知できなければ、支払候補も人が原資料に戻って確認する。",
      "confidence": "中"
    },
    {
      "no": 9,
      "weight": 8,
      "now": 30,
      "year1": 42,
      "year5": 65,
      "human_layers": [
        "作業",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "差異の抽出と原因候補はAIに移り、人は相手方への照会を担うが、証憑と訂正履歴が共有されれば調査も減る。原因が記録外の合意にある場合は、自動で示した修正案も人が確かめ直す。",
      "confidence": "中"
    },
    {
      "no": 10,
      "weight": 10,
      "now": 40,
      "year1": 52,
      "year5": 70,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "実行の承認"
      ],
      "blockers": [
        "技術",
        "制度・契約"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "税額計算と申告書案はAIが作り、人は事実関係と適用条件を確かめるが、資料の網羅性と判断根拠を検証できれば確認も減る。制度変更や特殊な取引に追随できなければ、計算の前提から人が修正する。",
      "confidence": "低"
    }
  ],
  "share_now": 33,
  "share_year1": 44,
  "share_year5": 63,
  "reason": "現在は会計AIや申告支援で入力、照合、計算、報告書の下書きが短くなる。1年では証憑と処理手順の連携が進み、5年では監査の異常候補や申告上の論点整理まで広がる。会計記録が整っていても取引実態や帳簿外の義務は自動では分からない。人による聞き取り、基準の適用判断、証拠と結論の品質確認を残し、書類を生成できるだけで業務全体の時間が消えるとは数えない。",
  "demand": "ほぼ同じ",
  "demand_reason": "決算、申告、監査の対象は処理時間が減っても残る。安価な分析や助言への依頼は増えうる一方、定型の作成業務は顧客側でも行いやすくなる。両方を踏まえ、専門職に持ち込まれる仕事量はほぼ同じとみる。",
  "remains": "取引実態の聞き取り、不正や重要な欠落の調査、会計・税務上の適用判断が残る。人は記録の品質を確かめるだけでなく、何を調べるかを決め、証拠が足りない場合に結論を保留する。顧客や監査対象との調整、重要な報告の承認にも時間を使う。記録外の情報まで取得でき、判断の妥当性を独立に検証する仕組みが整えば、これらの調査や確認もさらに縮む。",
  "who": "仕事量がほぼ同じなら、資料の転記や定型の申告書作成を担当する人数は減り、一人が受け持つ顧客や案件は増える。専門家には複雑な取引、紛らわしい証拠、顧客への説明が集まる。若手にも調査の範囲を決めて根拠を確かめる経験が必要になり、単純作業を経て自然に判断力が育つとは限らない。事務所では経験者の確認時間を確保しながら案件を配分する必要がある。",
  "skills": "会計・税務・監査の知識を、資料の不足やAIの判断の誤りを見つけるために使う力が要る。結論から原資料までたどれる記録を整え、どの条件なら自動処理でき、何を人へ戻すかを決める。異常な数値を見つけるだけでなく、現場に質問して原因を確かめる力も重要になる。制度や事業条件の変更を処理へ反映し、判断の根拠と調査の限界を相手に説明する力が求められる。"
}