AIは人間を丸ごと代替しない。「工程を切り出す」自動化が現実解になる

AI導入で見るべきなのは、人を何人減らせるかではなく、どの工程なら、人間から切り離して任せられるかどうか。

Meta、ExxonMobil、Anthropicの事例を並べると、この違いがはっきりと見えてきます。

AIに仕事全体を渡す方法と、工程を限定して自動化する方法。

この二つでは、実装の難しさが大きく異なります。

Metaで起きたのは「生成量」と「成果」のズレ

Metaでは2026年、AIエージェントを前提とした組織再編が進められ、社内ではAIを使った大幅な人員削減も検討されていたようです。

5月には約10％の人員削減が実施されたのですが、その後に想定されていた追加の大規模削減は見送られたようです。

問題は、AIがコードを書けなかったことではなく、コードなどの生成量を増やしても、それが製品改善や安定性にそのまま結びつくわけではないようで、そもそも企業の仕事には、コードを書く前後にも行うべき作業があるんです。

仕様を決め、関係者と調整し、例外を処理する。そして完成した機能を検証し、問題が起きれば原因を探して修正。

AIが一つの工程を高速化すると、別の工程がボトルネックになる場合があり「AIが何件処理したか」だけでは、組織全体の生産性は測れず、Meta自身も別の領域では、対象を絞ったAIエージェントを導入しています。

インフラの性能問題を発見・修正する仕組みにおいては、調査時間を数時間から数分へ短縮されたようで、同じMetaでも、自動化する範囲によって結果は変わっているのです。

ExxonMobilは危険な工程をロボットへ渡す

工程を限定する考え方は、ソフトウェア以外でも運用されており、ExxonMobilは、米Permian Basinの掘削現場で自動化を進めています。

同社は30基以上の掘削リグを運用しており、そのうちの2基には、すでにロボット設備が導入されていて、2028年までに約半数を自動化する計画となっています。

対象の一つが、重量約2,000ポンドの鋼管を動かす作業で、従来は人間が事故リスクの高いリグ床で対応していたようですが、ロボットアームなら人を危険区域から分離させることができます。

ここでは「掘削作業員をAIで丸ごと代替する」という設計ではなく、危険で、動作を定義できる工程を機械へと渡していて、人間は次の作業計画など別の役割へ移る形となっています。

これは人員代替を先に決める方法と比べて、自動化する対象と評価基準が明確となっていますね。

AnthropicもAIと機械の間に「決められた操作」を置く

Anthropicが2026年8月に公開した「Model Hardware Standard（MHS）」も、工程単位の自動化を考える材料になり、MHSは、AIエージェントが顕微鏡や液体処理装置、ロボットアームなどを操作するための共通仕様となっていて、重要なのは、AIに機械を自由に触らせる仕組みではないこと。

機器の状態を読み取る操作や設定を書き込む操作などを共通化し、Anthropicが紹介した実証では、液体処理装置、ロボットアーム、測定装置をClaudeが連携させているようです。

別の事例では、実験設備の統合作業を短縮しており、ここでも、自動化される対象は具体的で、実験設計や結果の解釈まで含めた研究者の仕事と、機器を動かして実験を実行する工程は同じではありませんので、AIが研究者そのものになる話とは分けて考える必要があります。

自動化しやすい仕事には共通条件がある

Meta、ExxonMobil、Anthropicでは、使われるAIも目的も違いますが、自動化する工程には共通点があります。

入力を定義でき、実行できる操作を決められ、結果を確認できる。

この条件がそろうほど、工程を人間から切り離しやすくなり、反対に難しいのは、途中で前提が頻繁に変わる仕事。

顧客との交渉や複数部署との調整がその典型ともいえ、例外が発生するたびに判断基準が変わるなら、AIに渡す範囲を広げるほど管理も難しくなります。

その場合は、人間を完全に外す設計よりも「AIが処理し、人間が承認する」形のほうが現実的ですし、エラー時に誰へ戻すのかも決めておく必要があります。

この分野はAIの性能だけでは解決できない部分といってもいいでしょう。

「何人減らせるか」より「どこを渡せるか」

AIによる仕事の代替を考えると、大規模な人員削減が目立ちますが、企業が実際に自動化を進めるなら、先に見るべき場所は業務フローです。

一人の仕事を丸ごとAIへ渡す必要はありませんし、むしろ無理な話といってもいいでしょう。

資料の下書きだけを渡す。コード生成だけを渡す。設備の監視を渡す。決められた機械操作を渡す。

残った承認、例外処理、調整、最終確認は人間が担当すべき業務であり、この設計なら、AIの担当範囲と失敗時の責任範囲を区別することができます。

働く側にとっても同じで「自分の職業がAIに消されるか」だけを見ると、実際の変化を捉えにくくなりますから、まずは自分の仕事を工程に切り分けてみましょう。

その中で、入力、手順、合否判定を明確にできる工程はどこか？そこが、最初にAIへ渡る可能性が高い仕事となります。