最初に目に留まったのは、量の偏りだった。文章を「整える」「短くする」「角を取る」系の依頼が、ざっくり半分以上を占めていたのである。逆に、「これを判断してくれ」「これが正しいか決めてくれ」という依頼は、数えるほどしかなかった。
公開されたリストは、つまり職員たちが手探りで描いた「ここまでなら任せられる」という境界線の集積だった。机上のガイドラインではなく、816回ぶんの実地の手つき。これは中小企業の現場にも、ほぼそのまま転用できる地図になる。
「下書きを作る」と「決める」のあいだに線がある
816例を業務の中身でざっくり仕分けると、よく使われていたのは次のような作業だった。
定型文の言い換え。固い役所言葉を、住民が読みやすい表現に直す。長文の議事録を3行に縮める。アンケートの自由記述をテーマ別にざっくり分類する。Excelで「この条件のとき色を変える」関数の書き方を尋ねる。研修の挨拶文や、お知らせのたたき台を出させる。
並べてみると、共通点がはっきりしてくる。「正解が一つに決まらない」「間違っても人間が一目で気づける」作業に、依頼が集中しているのだ。
挨拶文のたたき台がいまいちでも、読めば分かる。すぐ直せる。議事録の要約が一行抜けていても、元の録音と照らせば取り戻せる。つまり、AIが外したときの被害が、その場で回収可能な範囲に収まっている。職員たちは指示書を読んでこの線を引いたわけではない。やってみて、痛い目を見ない範囲を体で覚えていった結果が、この偏りなのだと思う。
任せてはいけない側に共通する「ひとつの匂い」
逆に、816例のなかでほとんど見かけなかった依頼がある。
「この申請は受理していいか判断して」。「この数字が法令上正しいか確認して」。「この住民への最終回答を確定して」。要するに、間違いが後から発覚し、しかもその時には手遅れになっているたぐいの仕事だ。
ここに生成AIの一番やっかいな性質が絡む。AIは「分かりません」とは言わず、それらしい嘘を、自信たっぷりの文体で差し出してくる。専門用語ではハルシネーション（AIが事実でない内容をもっともらしく生成する現象）と呼ばれる。Medium上のAI論考でも、AIを「魔法」や「エージェント」と過度に修辞化する言語表現が、その不確かさを覆い隠している、という指摘が出ている（medium.com、2026-06確認）。
文章の言い換えなら、嘘をついても語尾が変わる程度で済む。だが「この補助金は適用される」とAIが断言し、それを信じて住民に伝えてしまえば、回収できない。同じAI、同じ自信、結果は正反対。違いは、AIの性能ではなく、人間が間違いに気づける速さのほうにある。
中野信子ふうに言えば、人は「自信のある声」を「正しさ」と取り違える脳の癖を持っている。AIの流暢な文体は、その癖をピンポイントで突いてくる。だから「任せてはいけない仕事」の本質は、難しさではなく、人間が騙されやすいかどうかにある。
だから判断は「正解の数」と「気づける速さ」で仕分ける
ここまでを整理すると、同僚に説明できる物差しが二つ出てくる。
一つ目。正解が一つに決まる仕事ほど、AIに任せると危ない。直感に反するが、816例はそう語っている。法令の解釈、数値の正誤、申請の可否——正解が一つということは、外したら「間違い」が確定するということだ。一方、挨拶文や言い換えのように正解が無数にある仕事は、多少ずれても「別案」で済む。
二つ目。間違いに気づくまでの時間が短い仕事ほど、任せていい。要約は元資料と照らせばその場でばれる。分類はざっと眺めれば外れが分かる。逆に、何ヶ月も先の監査で初めて露見するような作業は、AIに最終判断をさせてはいけない。
この二軸で見ると、世間でよく言われる「単純作業はAI、創造的な仕事は人間」という区分けが、実はあまり役に立たないことも分かる。挨拶文を書くのは創造的だがAIが得意で、申請の可否判定は単純作業に見えてAIに任せられない。創造的か単純か、ではない。回収可能か不可逆か、なのだ。
「効くはずの道具」が現場で重荷になる瞬間
ここに、もう一段ややこしい話を足しておきたい。
AI業界の本流は、いま「エージェント化」に向かっている。Salesforceは「APIが新しいUI」と宣言し、AIが人間の確認を挟まず自律的に作業を進める方向へ舵を切った（the-decoder.com、2026-06確認）。Stanfordの「AI Index 2026」では、トップモデル間の性能差はわずか2.7%まで縮まっている（2026-06確認）。性能はもう、横並びの天井に近い。
ここで注意したいのは、自律性が上がるほど、816例の教訓は重くなるということだ。AIが勝手に判断して走り出すなら、「間違いに気づける速さ」という安全弁が外れる。便利になるはずの自律化が、不可逆な仕事に踏み込んだ瞬間、回収不能の事故装置に変わりかねない。
中小の現場でやってみると分かるのだが、ここで起きるのは技術トラブルではなく「人間の引き際」の問題だ。賢くなったAIに、つい判断まで委ねたくなる。性能が上がるほど、人は確認をサボりたくなる。816例の職員たちが体で引いた線は、AIが賢くなった分だけ、引き直す必要が出てくる。
並びが教えてくれたこと
816という数字を、別の角度から見ておく。これは「AIが何でもできる」という証明ではない。むしろ逆で、職員たちが816回かけて『ここから先は触らせない』を学習した記録である。リストの偏りは、成功例の山ではなく、警戒線の地図だった。
同僚に「これはAIに向いてる、これは向いてない」と説明するとき、性能や流行りのツール名を持ち出す必要はない。問いはたった二つでいい。間違えたとき、正解は一つに決まるのか。そして、その間違いに、自分はその場で気づけるのか。
便利な道具が現場で空回りするのは、たいてい性能が足りないからではない。回収できる仕事と、できない仕事の境目を、誰も口にしないまま配ってしまうからだ。816例が静かに示していたのは、たぶんそういうことだった。
本記事はAI編集を経たのち、編集長が事実確認と品質チェックを実施しています。