データ入力ばかりの事務職がAIに仕事を奪われないためにすべきこと

先進国では3人に1人が失業する

マッキンゼーグローバルインスティチュートが2017年に発表したワールドレポートによると、2030年までに世界中の8億人の勤務者（ワーカー）が自動化により仕事を失うという。先進国から途上国まで、80カ国を調査した結果、アメリカやドイツ、日本などの先進国では3人に1人が失業するため、新しいスキルを習って転職準備に備えるべきだ、と書かれている。

AI技術を搭載した協働ロボットや自動化プロセスなどの影響をもろに受けると言われているのは、機械作業を行う人や工場作業員。そしてもう1つ、事務職である。

事務職といっても様々だが、弁護士事務所で判例などを調査するパラリーガルのような専門的知識を要する事務職でさえも、フィナンシャルタイムズによると、あと20年で11万人以上が仕事を失うと予想されている。

ならば、専門的知識をあまり必要としない、顧客情報などを基幹システムに入力する担当者、いわゆる「単純労働」タイプの事務職は、AI化によりもっと仕事を奪われてしまうのではないか。そう考えるのも当然だ。しかし、私の考えはまったく違う。

私が代表を務めるパロアルトインサイト社は、シリコンバレーに本社を持ち、最先端のAI戦略と技術をクライアント企業に導入する事業を展開している。

そして、何百社という優良企業の現場を見てAI化を進めてきてわかったのが、「現場の人間ほど、企業のAI化プロジェクトに適している人間はいない」ということだ。

「現場の人間」がAI化に不可欠なワケ

例えば、私がGoogle本社で機械学習（AIエンジンに、人間が自然に行っている学習能力と同様の機能を再現させようとする技術・手法）のプロジェクトを担当していたときのことだ。

最初は単純に「教師データ」（機械学習のモデルが学習するときに使う、事前に与えられたデータ）を仕分ける作業だけを繰り返ししていた。

機械学習を行うクラシファイアー（分類器）というエンジンに大量の画像データを学ばせて、「これは犬」「これは猫」のような識別ができるようにするのが私の仕事。しかし、その画像データにはゴミデータ（ノイズ）が含まれている。それを取り除き、きれいな教師データだけが残るように、ただただ画像チェックをしていたのだ。

一連の行為だけを見れば、「単純労働」にも思える。私も最初の数週間はシステムを理解することなどで精一杯で、「単純労働」を回すことに必死だった。しかし数ヶ月もしたら、大局的なことが見えてくるし、その先が見たくなってくる。

「なぜ、教師データにノイズが含まれているのか？」「もっと効率的なプロセスはないのか？」「この構造自体に改善点があるのでは？」

そこでエンジニアチームを集めて、片っ端から既存システムの説明をしてもらい、改善点を洗い出し、新しくプロジェクト化した。

現場の人間が培ったノウハウ（この情報はこの項目にデータ入力をする、というようなものも含めて）は、いわばAIエンジンの肥やしのようなものだ。

例えば、サンフランシスコ発のファッションテックベンチャー、スティッチフィックス社では、AIが消費者それぞれの好みに合わせた洋服を選ぶ。それを支えているのが3000人を超えるバイトのスタイリストたちの目利き能力、チェック作業だ。

スタイリストのインプットがAIエンジンをさらに学習させ、より精度の高いレコメンデーションを出力できるようにしている。また、流行りの変化に伴ってレコメンド内容を変えたりするのも、スタイリストとAIエンジンの二人三脚で行っている。

現在、私たちの会社が抱える案件の中にも、単純労働を自動化したい、AI技術を使って効率化したい、というものは多くある。

私たちはクライアントのビジネス課題を解決することが目的なので、課題抽出から行い、一番ベネフィットが多いエリアに技術投資を提案し、実装している。

その課題抽出プロセスの中で、実はキーパーソンの1人となるのが、その効率化しなければいけない作業を日々繰り返している人たちなのだ。

彼らのインプットがなければ、効率化は始まらない。インプットとは、超細分化、具体化した形で、どういう作業工程で仕事をしているかを言語化し、作業における判断基準を明確にする行為のことだ。

では、なぜこの立場の人たちがいなければAI化できないのだろうか？　

理由は簡単。現場の人間は、AI化したシステムを使う「エンドユーザー」であり、エンドユーザーの声を反映せずにシステムは作れないからである。

生き残りのための5つのスキル

現場の人間がその立場を使って会社で存在感を高める。それこそ「AIプロジェクト推進室」を立ち上げたりするには、どう考えを変え、どのように行動すればよいだろうか？　筆者が考える5つのスキルセットはこれである。

（1）全体像を理解する
自分の作業は全体の一部分（＝木、または枝）であり、その木の集合体である森はなんなのかを理解しなければいけない。これは例えば、データがどこから入ってきて、どこに移動して、どんな形で自分が手入力する工程になり、その後どこにいくかを把握し、どんな価値を生んでいるかを漠然とでもよいので理解することである。

（2）進んで「教師データ」作成を行う
データのラベル付け作業、テーブル作成、名寄せ作業など自分の現場の知識が大きく貢献できるところで、教師データ作成に寄与する。地道な作業をすることが大きな結果につながるのだ。

（3）作られたAI技術の検証を目視でもいいから行う
AIがちゃんと正しい出力をしているか、正しい仕分けをしているか、検査をしているか、そこの検証が一番うまくできるのも、現場で色々な判断基準を「ノウハウ」や「勘」で貯蓄してきた単純労働の人間だ。AIをチェックする立場になることで、AIの改善点の提言ができるようになる。

（4）技術チームと仲良くなる
企業がAI技術を導入する際に、ITチームなどのリソースが割かれることになるだろう。教師データを持っている唯一の存在としてITチームとのパイプ作りに励み、組織横断的なコミニュケーションを取れる立場になることが大事だ。

（5）他に似たような問題を抱えている部署を見つける
「AI推進室」のようなプロジェクトを立ち上げて、意見発信する立場になるには他の部署も巻き込まなければならない。

もちろん、一朝一夕で上記のようなスキルを身につけるのは簡単ではないし、日々の作業に追われていてそんな暇がないと思う人もいるだろう。

しかし、儲かっている企業ほど今後どんどんAI化に投資していくと予想される中、企業の中で本当にROI（投資利益率）が出せるAIプロジェクトを成功させるには、現場の人間のインプットが必要不可欠なのである。

企業の命運をかけて投資するAI活用新事業において、あなたの意見が本当に尊重されるこのチャンス、ぜひ上昇志向でキャリアップをする機会と捉えてみてはいかがだろうか。