『AI大格差』（宮本弘曉・著）を読みました。AIと仕事の関係を経済学の知見から整理した一冊ですが、読み終えての率直な感想は「これは経理・財務の担当者こそ読んだほうがいい」です。
先に本書の結論的なメッセージをまとめると、次の3点です。
- AI時代の格差は「使う／使わない」の差ではなく、AIの出力を評価し、意思決定に落とし込めるかどうかの差で決まる
- 経理・簿記などの定型業務は自動化されやすいが、歴史を振り返ると技術は仕事を「消す」のではなく「中身を変える」
- だから鍛えるべきは、AIより速く作業する力ではなく、AIの出力を評価・判断し、責任を引き受ける力
以下、印象に残った箇所を実務者目線で紹介します。
本書の中心テーゼ：格差は「使う／使わない」では決まらない
タイトルにある「AI大格差」は、AIを使える人と使えない人の格差ではありません。本書の整理では、格差は3つの層で生まれます。
| 層 | 内容 |
|---|---|
| タスクの変化 | 仕事の中身（タスク）の構成が変わる |
| 評価・判断・責任 | AIの出力を見抜き、判断し、責任を持って意思決定に落とし込めるかで差がつく |
| 学び直し・移動 | 変化に合わせて学び直し、職を移れるかで差が開く |
特に強調されるのが2層目です。生成AIがたたき台を一気に出すようになると、仕事の重心は「評価、最終判断、責任」に移る。AIの出力のどこが筋よく、どこが危ないかを見抜けなければ、使っていてもむしろ「負ける」——本書はここが分かれ目だと繰り返し述べています。
経理は「減る職業」に挙げられている
読んでいて他人事でなかったのがここです。本書で紹介されている国際機関等のレポートでは、減少が予測される職業として、データ入力、経理、簿記、事務手続き、窓口業務などが並びます。繰り返しが多く、ルールベースで処理できる業務ほど自動化されやすい、という理屈です。
日本に関する数字も出てきます。本書によれば、オックスフォード大学のフレイ&オズボーンと野村総合研究所の共同分析（2015年）では、日本の労働人口の約49%が従事する職業が「自動化される可能性が高い」とされました。学校法人の経理でいえば、伝票の転記や定型のチェック作業は、まさにこのゾーンに含まれます。
歴史が示すのは「仕事が消える」ではなく「中身が変わる」
ただし本書は悲観論の本ではありません。むしろ面白いのは、技術と雇用の歴史を丁寧に振り返る部分です。
| 出来事 | 当時の懸念 | 実際に起きたこと |
|---|---|---|
| ラッダイト運動（19世紀初頭） | 機械が織物職人の仕事を奪う | 短期の痛みはあったが、長期では新たな産業と雇用が生まれた |
| ケインズの予測（1930年） | 技術的失業。「100年後は週15時間労働で十分」 | 労働時間はそこまで減らず、仕事の中身が変わり続けた |
| ATMの普及（1970年代〜） | 銀行員が不要になる | 1支店あたりの人件費が下がった分、銀行は支店を増やし、雇用の総量はむしろ増えた |
こうした歴史から本書が導くのは、技術は雇用を「消す」のではなく「中身を変える」という整理です。一つの職業の中にも「AIに任せられる部分」と「人にしかできない部分」が混じっている。経理という職業がまるごと消えるというより、経理の中のタスク構成が組み変わっていく、と読むのが正確なのだと思います。
使い方の実証研究：ケンタウロス型とサイボーグ型
個人的に一番刺さったのは、AIの使い方に関する実証研究の紹介です。
本書によれば、AIは得意なことと苦手なことが入り混じっていて、その境界が外から分かりにくい。研究者はこれを「ギザギザの技術フロンティア」と呼んでいます。そのうえで、AIをうまく使う人のスタイルとして2つの型が観察されたといいます。
- ケンタウロス型：人間とAIで役割を分担する
- サイボーグ型：対話を重ねながらアウトプットを一緒に磨き上げる
共通するのは、AIを「自動で答えを出してくれる魔法の杖」と思っていないことです。
効果の数字も具体的です。コールセンターの実験では生成AI導入で1時間あたりの対応件数が約15%向上、ソフトウェア開発の実験では週あたりのタスク完了数が約26%増加。しかも、いずれの研究でも経験の浅い人ほど恩恵が大きかったと紹介されています。AIは「できる人をさらに伸ばす」より「経験の浅い人を助ける」方向に働きやすい——若手の育成やチームの底上げを考える立場には、朗報として読める知見です。
日本に関する手厳しい数字
一方で、日本に関する数字は耳の痛いものが並びます。本書で紹介されている調査では、「勤務先以外での学習や自己啓発を何もしていない」と答えた日本人は52.6%で、調査対象国の中で最も高い割合でした。また、日本で生成AIを利用したことのある個人は26.7%（2024年度調査）にとどまります。
格差の3層目である「学び直し、職を移れるか」の面で、日本は構造的に弱い。個人のキャリアとしても、組織の人材育成としても、重く受け止めるべき指摘だと感じました。
経理・財務の実務者はどう受け止めるか
本書は「AI大格差」の正体を、AIに任せてよい部分と人間が判断すべき部分の境界を見極める力の差、と表現します。経理・財務の仕事に当てはめると、次のような整理になります。
| AIに寄っていく業務 | 人間に残る業務 |
|---|---|
| 数値の転記・集計 | 会計処理の判断（見積り・区分・例外対応） |
| 定型の一次チェック | 経営層・監査人への説明と合意形成 |
| 資料のたたき台作成 | 最終判断と、その結果への責任 |
だとすれば、鍛えるべきは「AIより速く転記する力」ではなく、「AIの出力を評価し、判断し、責任を引き受ける力」です。このテーマは、noteに書いた別記事「「AIがこう言っているんですけど」がイケてない理由」でも実体験ベースで書いたので、合わせてご覧ください。
まとめ：こんな人におすすめ
- AIで自分の仕事がどうなるのか、漠然と不安な事務系・経理系の人
- 「AIを使え」と言われるものの、何をどう変えればいいか掴めていない人
- 技術と雇用の話を、煽りではなく経済学の裏付きで読みたい人
新書的な読みやすさで、経済学の予備知識がなくても通読できます。AIの本でありながら、結局は「人間の仕事の価値とは何か」を考えさせられる一冊でした。
ポチップ
関連記事
本書と同じ「評価・判断・責任」という結論に、認知科学・責任論の側からたどり着く『ヒトとAI』の書評はこちらです。2冊を並べて読むと、結論が立体的になります。
Claude Codeを実際に使って感じた「今はまだ早い、でも避けられない」という見立ては、こちらの記事にまとめています。
「業者に任せるしかない」と思っていた領域にAIで踏み込んだ実践記はこちらです。
