管理職への質問と回答

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: 管理職（米国の職業分類では 事業・業務の統括管理者、SOC 11-1021）

この職種の業務（米国 O*NET の業務記述の日本語訳）:
1. 財務諸表や販売・活動の報告書などの実績データを確認し、生産性や目標の達成度を測り、費用削減や改善が要る領域を見つける
2. 広告キャンペーンや販促を含む、製品のマーケティング戦略を立てて実行する
3. 製品の生産・価格設定・販売・流通に関わる事業や部門の活動を指揮・調整する
4. 製品の生産やサービスの提供に直接関わる管理業務を指揮する
5. 職員の勤務予定を作り、担当の業務を割り当てる

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）:
- HiManager（ハイマネージャー）: 目標の添削、1on1の支援、1on1の記録や目標の達成度をもとにした評価の下書きの作成をAIがする。
- Lattice AI（Lattice）: 1on1・フィードバック・目標・進捗をまとめて評価の下書きを作り、管理職に部下の状況と助言を出す。

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。管理職の人数は組織の規模と階層で決まり、作業時間の減少より企業が階層を減らすかどうかに左右される。報告や調整の負担が減れば一人当たりの管轄範囲が広がり中間層は減るが、AI導入の判断と責任を負う役割は増え、全体では大きく動かないとみる。

{"tasks": [{"no": 1, "weight": 25, "now": 30, "year1": 40, "year5": 55, "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": "集計・差異分析・要改善領域の候補出しはBIやLLM搭載の分析ツールに移り、人は異常の見抜きと費用削減の判断、目標の設定に残る。会計監査や取締役会への説明をAIの分析だけで済ませられる慣行ができれば人の時間はさらに減る。逆に、AIの分析に重大な誤りが見つかり再検算が常態化すれば人に戻る。", "confidence": "中"}, {"no": 2, "weight": 15, "now": 25, "year1": 36, "year5": 50, "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": "市場分析・企画案・広告文や配信運用はAIが担い、人はブランドに合うかの確認と予算の承認、狙う市場の設定に残る。生成物の品質が顧客や媒体に受け入れられ、承認が形式化すれば人は減る。逆に生成コンテンツへの反発や広告規制が強まれば人の確認が増える。", "confidence": "中"}, {"no": 3, "weight": 25, "now": 10, "year1": 15, "year5": 25, "human_layers": ["作業", "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", "相手の受け入れ"], "enablers": ["技術", "費用"], "outlook": "数値の整理や会議準備はAIに移るが、部門間の交渉・利害の調整・方針決定は人に残る。AIエージェントが部門横断の計画と調整を自律的に回し、相手側も受け入れれば人の時間は大きく減る。逆にAI間の調整で責任の所在が曖昧になる事故が起きれば人の会議が増える。", "confidence": "中"}, {"no": 4, "weight": 20, "now": 10, "year1": 15, "year5": 25, "human_layers": ["作業", "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"], "outlook": "進捗や品質の監視と報告の作成はAIに移り、現場での判断、異常の察知、人への指示と承認は人に残る。現場のデータと接続したエージェントの判断を従業員が受け入れれば人は減る。逆に安全や労務の規制がAIの判断を認めなければ現在の水準にとどまる。", "confidence": "中"}, {"no": 5, "weight": 15, "now": 40, "year1": 50, "year5": 65, "human_layers": ["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", "相手の受け入れ"], "outlook": "予定表の作成と業務の割当案はスケジューリングツールが担い、人は本人の事情や急な欠員への対応と最終承認に残る。従業員が自動割当を受け入れ、労働法規への適合をツールが保証すれば人はほぼ要らない。逆に不公平感や労使協定への抵触が問題になれば人の調整が戻る。", "confidence": "高"}], "share_now": 22, "share_year1": 30, "share_year5": 42, "reason": "実績データの確認では集計・差異分析・改善候補の抽出がBIとLLM搭載の分析ツールに、マーケティングでは企画と制作の作業が生成AIと広告運用ツールに、勤務予定では作成と確認がスケジューリングツールに移る。部門の指揮や現場管理は交渉・判断・人への指示が人に残り、会議準備や報告作成だけがAIアシスタントに移るため減り方は小さい。", "demand": "ほぼ同じ", "demand_reason": "管理職の人数は組織の規模と階層で決まり、作業時間の減少より企業が階層を減らすかどうかに左右される。報告や調整の負担が減れば一人当たりの管轄範囲が広がり中間層は減るが、AI導入の判断と責任を負う役割は増え、全体では大きく動かないとみる。", "remains": "残るのは、実績の異常に気づき費用削減や投資を決める承認と目的の設定、部門間の交渉と利害調整、現場での指示と異常への対応。理由は、責任を伴う判断を制度や相手が人に求めること、交渉相手が人を求めること。AIエージェントが調整を自律的に回して相手も受け入れ、監査や規制がAIの判断を認めるようになれば、これらも大きく減る。", "who": "仕事の量はほぼ同じとみるが構成は変わる。報告や予定作成を主にしていた中間の管理職は減り、一人が広い範囲を見る。残るのは現場と経営の両方を知り、AIの出力の妥当性を判断できる経験者。人を管理するために必要だった層が減り、AIと人の混成チームを運営する少数に寄る。", "skills": "AIの分析や提案が正しいかを業務知識で見抜く力、AIに目的と制約を正確に伝えて部門横断の計画を組ませる力、AIが扱えない交渉・合意形成・人への動機づけ、AIの判断に対する責任の線引きと説明責任。加えて、AIで減った時間を新しい事業や改善に振り向ける企画力。"}

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。生産、販売、サービスを調整する仕事は組織の活動に伴って続く。自動化で確認できる範囲は広がるが、管理対象が同じなら基本的な調整の量は大きく変わらない。新しいサービスや組織再編が増える場合は別に需要が増える。

{
  "tasks": [
    {
      "no": 1,
      "weight": 25,
      "now": 40,
      "year1": 52,
      "year5": 72,
      "human_layers": [
        "品質の確認",
        "例外の発見",
        "目的と制約の設定"
      ],
      "blockers": [
        "技術",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "実績の集計と改善候補はAIに移り、人は指標と現場の事情を確かめるが、施策の効果を検証できれば評価も減る。数字の操作や見えない負担があれば、報告の分析から人が調べ直す。",
      "confidence": "中"
    },
    {
      "no": 2,
      "weight": 15,
      "now": 30,
      "year1": 42,
      "year5": 62,
      "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": "販促案と効果の比較はAIに移り、人は事業の狙いを選ぶが、長期の影響と顧客の反応を評価できれば判断も減る。短期指標の改善が利益を損なえば、運用の調整にも人が戻る。",
      "confidence": "低"
    },
    {
      "no": 3,
      "weight": 25,
      "now": 20,
      "year1": 30,
      "year5": 48,
      "human_layers": [
        "作業",
        "例外の発見",
        "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": "部門間の情報整理と配分案はAIが作り、人は利害と制約を調整するが、合意した基準で実行できれば協議も減る。想定外の供給不足や対立があれば、定例の計画から人が関わる。",
      "confidence": "低"
    },
    {
      "no": 4,
      "weight": 20,
      "now": 25,
      "year1": 38,
      "year5": 58,
      "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": "管理手順と進捗確認はAIに移り、人は例外と現場の対応を決めるが、実態を把握し安全に実行できれば調整も縮む。記録だけ整って品質が落ちる場合は、日常の確認にも人が時間を使う。",
      "confidence": "低"
    },
    {
      "no": 5,
      "weight": 15,
      "now": 40,
      "year1": 52,
      "year5": 75,
      "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",
        "相手の受け入れ"
      ],
      "enablers": [
        "技術",
        "費用"
      ],
      "outlook": "勤務と担当の割当案はAIに移り、人は技能と本人の事情を確かめるが、負担と制約を反映できれば調整も減る。欠員や非公式な役割を把握できなければ、標準的な予定も人が組み直す。",
      "confidence": "中"
    }
  ],
  "share_now": 31,
  "share_year1": 42,
  "share_year5": 62,
  "reason": "現在は実績の集計、評価の下書き、勤務予定の案出しで時間が減る。1年では部門の記録と目標がつながり、5年では資源配分や進捗管理の定型部分まで広がる。人には目的の設定、部門間の調整、例外の判断、実施後の品質確認が残る。評価文や予定表を作れるだけで管理が完了するとはせず、現場の負担と本人の事情を確かめ、必要なら計画を変える時間を含めて見積もる。",
  "demand": "ほぼ同じ",
  "demand_reason": "生産、販売、サービスを調整する仕事は組織の活動に伴って続く。自動化で確認できる範囲は広がるが、管理対象が同じなら基本的な調整の量は大きく変わらない。新しいサービスや組織再編が増える場合は別に需要が増える。",
  "remains": "目標と制約を決め、部門や人の間の利害を調整する仕事が残る。人は記録に現れない負担や対立を確かめ、例外が起きたときに計画と優先順位を変える。実績の数字が良くても品質や意欲が落ちていないかを見る役割も続く。現場の状況と本人の意向を把握でき、関係者がAIの配分を受け入れるなら、承認と調整に要る人の時間も減る。",
  "who": "管理する仕事量がほぼ同じなら、報告の取りまとめと定型承認に使う人数は減り、一人の管理職が見る範囲は広がる。難しい対立、例外、方針変更を扱える人の比重が上がる。管理階層が必ず減るとは限らないが、情報を上へ渡すだけの役割は縮む。次の管理職を育てるには、AIの評価文を読むだけでなく、現場に聞き、配分の結果を振り返る経験が必要になる。",
  "skills": "目標を具体的な判断条件にし、指標と現場の状態を突き合わせる力が要る。AIの評価や配分では、記録の偏り、本人の事情、部門間の依存を確かめる。反対意見を聞いて論点を整理し、誰が何を決めるかを明確にする力も重要になる。計画を実行した後に品質、負担、成果を見直し、続けるか修正するかを判断して関係者へ説明することが求められる。"
}