2025年5月19日
AI時代の専門性とは何か：知識の深さと批判的思考の重要性
AIの急速な進化は私たちの社会や仕事のあり方に変化をもたらしています。特に生成AIの登場により、テキストや画像の作成、データ分析、プログラミングといった多岐にわたる領域で、AIの活用が増えつつあります。こうした技術革新の中で、専門家の役割や価値とは何か、AIとどのように協働していくべきかという問いが浮かび上がってきます。
本対談では、ビジネスリサーチラボ 代表取締役の伊達洋駆とチーフフェローの能渡真澄が、AIの現在の能力をどう評価するか、専門タスクにおけるAIの得意分野と限界は何か、そしてAI時代における専門家の学習のあり方について語ります。さらに、専門家がAIと協働することで生み出せる新たな価値や、今後のAIの進化を見据えた専門性のあり方についても掘り下げています。
AIを単純な脅威としてではなく、専門家の業務を高度化させるパートナーとして捉える視点を示しながらも、AIに依存することで失われかねない専門性の本質についても警鐘を鳴らします。テクノロジーが加速度的に進化する時代において、知識の深さと批判的思考の重要性が一層高まることを示唆する対話は、AI時代を生きる様々な専門家にとって示唆をもたらすのではないでしょうか。
AIの進化と能力の評価
能渡：
最近のAIの能力の高さと進化について、どう評価されているかというところからお話したいと思います。いかがでしょうか。
伊達：
私たちのような業務から考えると、とりわけ生成AIの登場と普及はインパクトが大きいですね。テキストやビジュアルを作成できるようになって、AIが民主化される段階に入りつつあると感じています。生成AIを使った方が生産性が高まるという検証もされていますが、それは実感するところでもあります。
もう一つ、調べものの深さと速さが大幅に進化していて、自分たちが仕事を始めた頃では想像できなかったほどの水準に達しています。今後も性能が上がっていくことが予想されるわけですから、様々な仕事に影響を与えていくでしょう。
能渡：
私がビジネスリサーチラボに入社したのは2020年頃でしたが、当時のAIを思い返すと、翻訳がギリギリ使えるといったレベルでした。それが今や翻訳は当たり前にできますし、質問に対する解説を作成するなどの文章作成、要求に応じたプログラミングや画像生成、さらには自然な会話もできたりするようになっています。過去に夢見ていたAIがまさに現実になってきている、未来が目の前にあるというような現状に、感動と恐ろしさを感じます。
伊達：
ここまで到達するまでの期間は、少なくともユーザー側から見ると非常に短く、急激な変化に見えます。ナレッジワーカーにとっては脅威であることは間違いないですし、同時に大きなチャンスでもあるでしょう。AIの進展を通じて専門家の役割は岐路に立っていると思います。
専門タスクにおけるAIの得意分野
能渡：
専門家が行うタスクに関連したAIの話をしましょう。例えば、AIがうまくやれると感じられる専門タスクにはどういったものがありますか。
伊達：
まず、情報を処理する系統のタスクですね。AIは人間より疲れを知らず、速度も優れています。一般的な情報をもとにして何らかの処理を行うようなタスクにおいては、非常に高いパフォーマンスを発揮していると思います。
例えば、ファイルの内容を要約する、与えられた条件をもとに情報を整理する、一般的な知見を引き出す、調べ物をするといったタスクについては、AIの方がうまくやれる場面が増えているのではないでしょうか。
能渡：
情報の検索や情報収集、整理を素早く行う能力については、高いものを感じています。普段私たちもAIを活用する場面がありますが、一般論を集めるときにはとても素早くアウトプットを出してもらえて、良い仕事をしてくれる実感があります。
私の得意分野に関連して特に驚いたのは、データ分析プログラミングのアシストです。分析ツールを使う際にプログラミングを行うのですが、ネットで調べてもうまくヒットしない事柄についてAIはうまく回答してくれますし、プログラムの改良方法や活用できそうなマイナーなパッケージ・関数についても教えてくれます。
伊達：
プログラミング分野の進歩は目覚ましいですね。
能渡：
「プログラミングそのものを学ぶ時間よりも、AIにうまくプログラミングをさせる方法を学ぶ時間をより多く取った方が効率的」という話を見たことがあります。プログラミングのあり方自体が変わりつつあるのかもしれません。
専門タスクにおけるAIの限界
能渡：
専門タスクにおいてAIがうまくやれるところがあるのは感じるところですが、逆に専門タスクにおけるAIの限界や、現状は難しいと感じる部分はありますか。
伊達：
クライアントワークに限定すれば、大変だと思う仕事はAIが代替してくれないという感覚があります。特に、様々な利害を調整しなければならない部分はなかなか使いにくいですね。
もう少し具体的に挙げると、一つは「個別の文脈に適合させること」です。例えば、あるクライアントの状況やパーソナリティを踏まえて内容を取捨選択したり、出し方や表現を調整したりすることは、AIには簡単ではありません。何を出すのか、それをどう出すのかというところで、個別の文脈にフィットしようとすると限界を感じます。
もう一つは「政治的な調整」です。利害が異なっていたり、意見が違っていたりする場合に、うまく調整していく必要がありますが、これはAIがあまり助けになりません。もちろん複雑な状況をAIにインプットすれば一般的な方針案は出してくれますが、どれを選んでいくかという判断や、先に述べたような個別の文脈への調整は人間がやらざるを得ない状況です。
能渡：
その理由の一つは、そういった調整が必要な場面においてAIにデータを入力する方法が限られている点かと思っています。例えば、ウェブ会議でカメラに写っている相手の動きや様子、音声などから情報を得てAIにデータ入力して解析し適切な反応案を出力するといったことは、今でもある程度可能な技術でしょう。しかし、よく用いられる一般的なツールにそのレベルのAIが実装されるのは、まだまだ先のことかと思うところです。
また、政治的調整に関して特にそうかもしれませんが、おそらくAI出力の参照となる学習データ、特に「良い政治的調整を意味する成果指標のデータ」が不足しているのではないでしょうか。最新のAI設計はもう違っているかもしれませんが、「これが正解、良い政治的調整だ」といった細かな正解データがないとAIはうまく対応できないと、私は理解しています。そもそも政治的調整は人間にとっても難しい課題ですし、そういうやりとりはたいていクローズドな環境で行われますから、調整に関する正解データ情報が蓄積せず不足しているのは当然かもしれません。
伊達：
政治的な調整は責任とも関わる部分で、蓋を開けてみないとわからないという不確実性があります。このような不確実性の高い状況に対して、うまくいかないこともあり、継続的な調整が不可欠です。
能渡：
話の切り口が変わりますが、心理学における私の専門領域では、AIは「半可通」な説明をしてくることが散見され、現状の限界を感じています。表面的な説明はできても、概念の本質的な説明になると怪しくなってくることが大半です。これは学会発表を聞いているときなどに感じる、「この人はご自身の研究の始まりにあたる古典的知見やそこから発展してきた研究史が置いている想定・前提を知らず、表面的な理解で説明している」という感触に似ています。
伊達：
例えば、ある専門領域では「使ってはいけない表現」が暗黙のうちにあります。しかしそれを「使ってはいけない」ということが明示されていないので、AIが使ってしまう可能性があります。ある前提を持つ理論において、その前提を揺るがすような表現を使ってしまうことがあります。自分の専門領域に近い話題になると、表現レベルでの違和感を覚えることが増えます。
能渡：
「使ってはいけない表現」については、分析系の文章をAIに書かせると、そういった表現が用いられることはよくあります。統計的な表現などで、その分野の専門家ならピンとくるような問題に対して、AIは注意を十分に向けられていないという印象です。
また、データ分析に関するプログラミングでは、私が求めるレベルで完成されたものをうまく出力してくれたことはありません。AIは単純な基礎統計であればできますが、複雑な分析では何かしら問題が生じます。例えば、一見うまく動いて分析結果が得られるようなプログラムでも、細かく中身を見ると、分析を理解している人でないと判断できないレベルの誤りがあったり、分析に必要な検証プロセスを省略していたり、指示入力を微妙に捉え間違えていたりします。
私が恐ろしく感じるのは、分析結果を見ただけでは気づきにくい誤りが多いことです。現状、AIのプログラミングを信頼しきって出力を任せると、誤りが潜在的に残り続けて分析結果の解釈を間違え続ける懸念があります。そのため、私が分析に関連してAIを用いる際は、実装したい分析で利用可能なパッケージなどをピンポイントに尋ねるか、ある程度まとまったプログラミングを任せるなら書かれた内容を必ずひとつひとつレビューしています。
AI時代の専門家の学習と成長
伊達：
人間が学習していこうとすると、基本的なところから始めて徐々に熟達していくものです。ところが簡単な部分がAIに代替されると、人間の学習プロセス自体が難しくなるのではないでしょうか。人間の学習には積み上げによって高度な理解が深まるという構造があるのに、簡単な部分が代替されると一体どうなるのでしょうか。
能渡：
人間が知識を持たずとも、AIがあらゆることを考えて助言してくれるようになりました。それに応じて、「自分で深く考えずにAIに質問して得られた回答で判断していく、そのためにAIをうまく使う技術を高めていく」という発想が少しずつ増えてきたかと思っています。
このような戦略は、AIが登場する前から似たものがあったかもしれません。いわゆる「自分自身がそんなに詳しくなくても、知識のあるブレーンを複数名抱えて結果を出す」というスタイルの仕事は、かねてより存在していました。自分が専門スキルを持っていなくても、専門スキルを持つ人々とつながりを持ちチームを組めば、高い成果が挙げられるということです。そのチームメイトの役割をAIが担い始めている現代では、もしかすると、個々の人間が専門性を持つ必要性を見失う未来があるかもしれませんね。
伊達：
長期的に考えると、壁にぶつかるのではないでしょうか。人間の学習プロセス自体に劇的に変化が起きているわけではないので、基礎的なところから積み上げていかないと応用に入っていくのは困難です。四則演算がわからない人が確率分布について理解することは難しいように、ある段階で指示ができなくなったり、出てきたアウトプットを理解できなくなったりする可能性もあります。
能渡：
技術の発展により積み重ねが失われることに関しては、データ分析において同じような歴史が繰り返されている部分があるように感じます。あるベテランの先生は、統計解析を手計算でやっていた時代を生き抜いてきた方で、多変量解析などを自動で分析できる分析ツールが登場したことに感動したとおっしゃっていました。しかし、それと同時に、「分析が自動化される中で、分析をしっかり学び、その内容について深く理解して使いこなそうと奮起する学生が減った」と憂いていました。
AIの台頭で同じような状況が生まれてきていますが、先に述べた通り、AIを信用して分析をすべて任せてもわかりにくい形で誤りが残っている可能性があります。そういった問題に気づいたり、AIが提案するより高度な分析手法をよく理解して使いこなすには、基礎からしっかり学び直す必要が出てきたのではないかと私は感じているところです。
伊達：
そのことに危機感を持って勉強する人と、そうでない人の差は広がっていくのかもしれません。
AI時代における専門家の価値提供
能渡：
AIの強みと限界を踏まえて、AI時代において専門家はどのような価値を提供できるのでしょうか。
伊達：
私自身の考えですが、「問いの精度」が重要だと思います。何を明らかにするのか、何を出力して欲しいのかを人間が考える必要があります。うまくインプットしなければ、望むアウトプットは得られません。インプットの質が問われます。
インプットしてアウトプットが出てきた後の「修正の精度」も大事です。「そういう意味ではなく、こういう観点を追加して、もう一度出して欲しい」といった軌道修正を図る必要があります。この「問いの精度」と「修正の精度」が専門家の価値になるでしょう。
ただし、そのためには人間側が相応の知識を持っていなければなりません。知識を持っている人と持っていない人では、AIをうまく使えるのは知識を持っている人です。むしろこれまで以上に知識が求められるという言い方もできます。皮肉なことに、大量の知識を持つAIをうまく使いこなすためには、人間の側にも知識が必要になるのです。
能渡：
専門家が価値を提供するためには、「問いの精度」と「修正の精度」を少し細分化して、良い質問を構成する力とアウトプットを批判的に見る力も、専門家の価値になると感じています。洗練された問いを意図が伝わるような質問に仕上げて伝えるスキルと、その返答としてのアウトプットに対して「ここは合っているが、これは違う」と判別する眼力を持っていること、これらは深い専門知識と判断力がなければ実行できず、まさに専門家のスキルだと思います。
伊達：
専門性こそがAIを使う鍵になるということですね。間違いに気づけないといけません。入門的な知識では気づけないレベルの問題もありますから。雰囲気的な理解では不十分で、より深い知識が必要になってきます。
専門家とAIの協働
能渡：
専門家はAIとどのように協働していけるものでしょうか。
伊達：
前提として、AIを使わなければ話にならない時代になってくるでしょう。私たちが普通にPCを用いるように。むしろ現在も、専門的なタスクを行う上では使った方が効率的な場面も多いですよね。使い続けていかなければ付いていけなくなるという危機感さえあります。
先ほどの通り、情報処理系のタスクについてはAIを活用していくのが良いでしょう。それ以外の観点で言うと、専門家の知識を更新する「ラーニングプロセス」においてもAIを活用できると思います。
例えば、学習の支援といった面でAIを活用していくことができます。自分が疑問に思ったことを調べる際に、イチから自分で調べるより早く情報を得られるというのは、学習の高速化につながります。専門家とAIの協働の一つの観点になり得ます。
能渡：
専門家が学ぶためにAIを使うという点には賛成です。ただ、AIのアウトプット自体が専門性として精度が高くない場合もあるので、そこからの学びには注意が必要であるとも感じています。
専門家としては、AIのアウトプットを利用する際、それが参照した情報源を確認するよう心がけたいところです。AIが「この資料には、こういった記述があります」と出してくる際には出典をチェックし、出力が適切かどうかを確認しながら、さらに自分の理解を深めることが重要でしょう。
伊達：
学習プロセスも一方的なものではなく、批判的に考えながら進めていく必要がありますね。AIに対して「この論文にはそんなこと書いていません」とか「この議論とは矛盾していますが、どういう違いがあるのですか」などと問いかけながら、批判的に学びを深められます。こうしたことは一人でやろうとすると相当な時間を要します。
能渡：
私もAIを「正解を教えてくれるもの」というよりは「アイデアを教えてくれるもの」として使っています。AIの出力が正解、正しい知識だと鵜呑みにせず、いくつかのアイデアとして受け取り、参照された出典から自分で必要・有用な事柄を探ります。そうして得た知識をAIにフィードバックしながら質問し、新たなアイデアをもらうという繰り返しができます。このように、AIを用いた学習は効率的になっていると感じます。
AIとの協働における別観点として、AIは専門的な文章をわかりやすく修正する能力が高く、助けられることが多いです。専門家の書く文章は形式ばっていて厳密性を追求した表現になりがちで、一般の方にとっては難解に感じられることがあります。AIはそれをわかりやすい表現に置き換える技術に優れているため、そこは普段の仕事や研究でも重宝しています。ただし、わかりやすさを優先するあまり専門的な精度を犠牲にしないよう、その表現が適切かどうかは専門家が判断する必要なことは言うまでもありません。
伊達：
「知識の呪い」、すなわち、専門家が初学者の理解を想像できなくなる現象に対処する助けになります。「こういう人にこの内容を伝えるにはどう表現すれば良いか」を教えてくれる点は価値がありますね。
今後のAIの進化と専門家の役割変化
能渡：
最後に、今後のAIの進化を見据えながら、専門家との協働の仕方や専門性のあり方はどう変わっていきそうでしょうか。
伊達：
専門家について言えば、概念、原理、理論といった、いわば根源的な理解が一層求められるようになるのではないでしょうか。他方で、手続き的な知識については徐々に代替が進むかもしれません。専門家の仕事は知識をもとに作業をすることですが、知識の部分がさらに重要になり、作業の部分はAIが補完するようになることが予想できます。
かつては「手を動かす」ことも重視されましたが、今後は深い知識を持っていないと太刀打ちできなくなることもあるでしょう。例えば、データ分析であれば、数理的な側面も把握しなければ良質な指示ができなくなる可能性があります。
能渡：
専門性を発揮するために求められる知識量や判断能力がどんどん高まっているのは、今まさに実感しているところです。同時に、専門知識を深めつつも柔軟性を持つ意識も大事になってくるかもしれません。専門家として知識を深めていくと、自領域への意識が向きすぎて視野が狭まり、厳密性にこだわりすぎて定まった表現や解釈しか認めなくなるところもあります。それをいくらか緩めて、「この程度の言いかえ表現や解釈の仕方であれば、知見の援用において大きな誤りや深刻な齟齬はないだろう」と判断する柔軟性がある方が、専門家として一般向けに力を発揮しやすいと思います。AIが浸透してわかりやすい知識がすぐ手に入れられる現代において、そういった柔軟性はますます必要になるでしょう。
伊達：
個別の文脈に適用していこうとすると、様々な条件下で何をどこまで妥協できるかを考える必要があります。それを判断するためにも相応の知識が求められるということですね。
能渡：
加えて、非専門家の方々に専門性の高さの意義を感じてもらうことはより重要になってくるでしょう。今後AIが普及してその精度も高まる中で「AIの出力が正解だ」と信じ切る人は増えてくるかもしれません。そうやってAIに頼る中でも、アウトプットの怪しい部分や考えるべき部分に気づくための知識を共有していくことも、これからの専門家の役割になるのではないでしょうか。
伊達：
「どういう場面で専門家のスキルが必要とされるのか」を伝えていく必要がありますね。例えば、「職業人生がかかるような意思決定をデータで行いたい場合は、専門家に相談した方がいい」といった具合に、場面や状況に応じた線引きも考えなければなりません。
能渡：
将来、AIの精度が高まって確実性の高い知識が提供されるようになっても、その場その場で判断し責任を負うのは人間だと思います。そこで各々が考え抜き意思決定していくためには、AIのアウトプットを基に検討を重ねていき、納得できる水準を見定め決断することが重要となります。
そのサポートには、より個々のクライアントの関心や課題意識、事情に合った研究知見の知識とその適用可否を精査する能力、そしてそれを堅実に検証し考察するスキルが不可欠でしょう。そしてそれらの土台にあるのは、高い専門性と批判的思考能力、それらに基づいた判断力です。
その価値と有効性を人々に伝えて有効なサポートを提供できる専門家であり続けるよう、今後もAIと協働しつつ、一層の研鑽に励みたいですね。
プロフィール
伊達 洋駆 株式会社ビジネスリサーチラボ 代表取締役
神戸大学大学院経営学研究科 博士前期課程修了。修士（経営学）。2009年にLLPビジネスリサーチラボ、2011年に株式会社ビジネスリサーチラボを創業。以降、組織・人事領域を中心に、民間企業を対象にした調査・コンサルティング事業を展開。研究知と実践知の両方を活用した「アカデミックリサーチ」をコンセプトに、組織サーベイや人事データ分析のサービスを提供している。著書に『60分でわかる！心理的安全性 超入門』（技術評論社）や『現場でよくある課題への処方箋 人と組織の行動科学』（すばる舎）、『越境学習入門 組織を強くする「冒険人材」の育て方』（共著；日本能率協会マネジメントセンター）などがある。2022年に「日本の人事部 HRアワード2022」書籍部門 最優秀賞を受賞。東京大学大学院情報学環 特任研究員を兼務。
能渡 真澄 株式会社ビジネスリサーチラボ チーフフェロー
信州大学人文学部卒業、信州大学大学院人文科学研究科修士課程修了。修士（文学）。価値観の多様化が進む現代における個人のアイデンティティや自己意識の在り方を、他者との相互作用や対人関係の変容から明らかにする理論研究や実証研究を行っている。高いデータ解析技術を有しており、通常では捉えることが困難な、様々なデータの背後にある特徴や関係性を分析・可視化し、その実態を把握する支援を行っている。
