生成AI時代には、「正しい努力をすること」の難易度がハネ上がる。

「努力すれば、いつかは結果が出る」。
なかなか美しいことばですが、しかしそれも“生成AI”と呼ばれるものによって、私たちの「努力」は従来とはまったく異なる意味合いを帯び始めています。

例えばライティングのスキルを一生懸命磨いたとしましょう。ところが、最新の言語モデルに文章作成を一任すると、短時間で自分が「数日かけて書くはずだった文章」が出来上がってしまうかもしれません。

あるいはプログラミングでも、「自分がコードを書くより、AIに依頼した方が早い」と感じる人が少なからず、出てきています。

こうした状況では
「自分がこんなに努力しているのに、あっさりとAIに抜かれてしまうかもしれない」という不安と
「AIを上手く利用できれば、自分の仕事や学習はもっと効率化するのでは」という期待が入り混じっています。

そこで本記事では、生成AIが当たり前となる社会で
「努力とは何か」そして、「私たちがどのように“正しい努力”を見極めればよいのか」、さらに「ホワイトカラーの価値はどこにあるか」について、書きたいと思います。

そもそも「努力」の意味が変わった

「努力とは何か」
この問いは、特に生成AI時代においては、従来と全く異なる解を持つようになったと感じます。

従来の努力の概念は、時間や労力をかけて何かを成し遂げることを意味していました。というのも、人間の能力やスキルは、一朝一夕に得られる性質のものではないからです。

「学習」「検証」「練習」を繰り返してようやく身につく、それらは、長い時間を「努力」に投じて得られるものでした。
しかも、人類の知識が増えれれば増えるほど、むしろ「努力」が必要となったのです。


しかし、生成AIが登場した後の私たちの考え方は大きく変わります。
生成AIは私たちの代わりに知識を行使し、多くの知的作業を効率的にこなすことができるため、単純に時間をかけていることが、努力の証明にはならなくなりつつあります。

むしろ「どこに時間を投じるべきか」の判断なしには、時間を使うこと自体が大きなリスクとなったのです。

今後10年で確実に、努力の「量」ではなく「質」が問われる時代となるでしょう。正しい努力をすることが、AI時代における成功の鍵となるのです。

例えば海外の大手広告代理店では、クリエイティブ・ディレクターがAIツールを使って数十種類ものコンセプト案を瞬時に生成し、その中から「どれが顧客のブランドに最適なのか」を人間が吟味する体制を取っています。

結果、一度に大量のアイデアを得ることで確かにスピードは上がるのですが、最終的に選ばれるアイデアは「人間の洞察や経験がブレンドされたもの」になりやすいとの報告があります。

この場合、時間を投じるスキルは「案を作る」ものではなく、「AIが生み出したものを吟味する能力」でしょう。

あるいは「一流の料理人」といえば、自分で料理を作るスキルが問われます。
しかし、「指示したとおりに調理を行う機械」が登場すれば、人間の努力はむしろ「味を創り出すこと」にフォーカスすることが可能です。

逆に言えば「一度生み出されたもの」は、すぐにAIの学習対象になりますから、それらはコモディティとなります。
「模倣」のスピードは、現代に比べてはるかに速くなるでしょう。

それゆえに、人間は「学習されていない情報」を生み出すことに、多くの時間を使わねばなりません。つまり、これからの「努力」とは、「現在まで生み出されていない」コンテクストや美的感覚、独自性などを盛り込む行為を指します。

具体的な正しい努力の方法

では「正しい努力」をするために、どのように自分の努力を設計すればよいかをまとめてみます。

１．量より質を優先する
アウトプットへの評価は、「どれだけ長時間取り組んだか」ではなく、「AIが既に生成できる領域を飛び越えた価値」を作り出せているかが評価基準になります。

２．“学習されていない”部分を探求する
既存のデータからパターンを導くのが得意なAIには、まだ表現しきれない要素が必ず存在します。そこを突き詰めることで、後からAIを用いて参入する人々と差別化できるオリジナリティが生まれます。

３．自己理解を深める
AIが何を得意としているのかを把握するだけでなく、自分がどんな領域に興味を持ち、どんな強みを発揮できるのかを明確にすることで、無駄な努力を省きつつ“正しい努力”に集中できます。

４．積極的にフィードバックを求める
周囲の人、あるいはコミュニティの反応から学びを得ることで、自分の盲点や改善点が浮き彫りになります。
あるいは時には、AIからもフィードバックを受けることも有効でしょう。
とくに失敗から得られる学びはAIが蓄積していないケースも多いので、自分の体験を活かす余地は十分にあるでしょう。

５．学びを循環させる
「学ぶ→試す→フィードバックを得る→また学ぶ」というプロセスを回し続けることが、日々進化する技術に対応するうえでの必須条件です。

いうなれば、“自分の知識や創造力を上乗せする”実践こそが、真の意味での努力であり、生成AI時代の「正しい努力」となります。
努力の方向性を誤らないために、常にフィードバックや失敗を糧にしながら、「努力を設計する」ことが要求されるようになるでしょう。

「正しい努力をすること」の難易度はハネ上がった

……というのは簡単なのですが、多くの人にとって、これらの行為は困難を伴うでしょう。
というのも、「従来の学校教育」では、これを教えることが困難だからです。

実際、多くの教育機関が、生徒に対して「努力すれば報われる」といったメッセージを伝え続けてきました。
しかし、生成AIの進化に伴い、努力の質が問われる時代においては、ただ「与えられたカリキュラムに対して達成度を判定する」といった努力だけでは不十分です。

生成AI後の「努力」は、理解というよりも実践に重きが置かれる、いわば「スポーツ競技」のようなもの。

適切な理解も重要ですが、それ以上に「相手をよく見て動く」「競争のポイントを押さえる」といった、フィールドの状況に応じて、自分の動きを柔軟に変えることが問われるからです。

あるいは大学における研究者の仕事に似ているでしょうか。
「新規性」「オリジナリティ」「インパクト」が、すべてのホワイトカラーに要求されるのであれば、ホワイトカラーの仕事を遂行できる人は、現在のところ極めて少数となります。

したがって、企業でも同様に、従業員が「正しい努力」をできるようにするためのトレーニング方法の見直しが必要です。
トレーニングは、従業員が「生成AI以上の価値」を生み出すにはどのように振舞うべきかを教えねばなりません。また、生成AIを忌避するのではなく、AIとの協働によって生まれる新しい価値を探求することが重要となります。

結局のところ、生成AI時代における「正しい努力」は、個々の判断力や創造性を試されるものです。それは、単なる作業の繰り返しではなく、常に新しい方法を模索し、既存の枠を超えた価値を生み出すことを意味します。この行為の難易度は、言うまでもありません。
「AIとの競争」は、困難な道のりとなるでしょう。

ホワイトカラーの価値はどこにあるか

こうした状況を鑑みると、「ホワイトカラー」の生き残りはかなり難しいようにも思えます。

もちろん、「ホワイトカラー」がすべて消え去るわけではありませんが、これまで比較的安定した職域とされていたオフィスワークや知的労働が、生成AIの急速な進化と普及によって大きな転換点に立たされていることは間違いないでしょう。
なぜなら、ホワイトカラーの多くが取り扱ってきた「情報の整理・分析」「定型的な文書作成」「システマチックな判断業務」の相当部分が、AIの強みと直接競合しているからです。

では人間に残された価値は何か。知的作業をするホワイトカラーの価値とは何か。明確な物が一つあります。