第5章　昼を乗り切る――仕事の判断と段取りを助ける技術

この章の問いはこうである。
仕事の時間は、なぜこれほど人を消耗させるのか。そして、予定どおりには進まない仕事の現場で、生成AIは判断・段取り・説明の負担をどこまで軽くできるのか。

朝を立ち上げることができたとしても、一日はまだ長い。
家を出て、職場に着き、机に向かい、あるいは現場に入り、ようやく仕事が始まる。だが、ここで待っているのは、単純な作業の連続ではない。仕事の現場には、いつも「わからないこと」がある。優先順位が曖昧なこと。依頼の意図がはっきりしないこと。急ぎなのか重要なのか判断しにくいこと。関係者の期待がずれていること。思ったより時間がかかること。途中で別の用件が差し込んでくること。

つまり仕事とは、与えられた作業をこなすことだけではない。
曖昧さと変化に対処し続けることでもある。

この「わからなさ」こそが、仕事を疲れさせる。
やることが多いから疲れるのではない。
何から手をつけるべきか、どこまでやればよいのか、どう伝えればよいのか、その都度判断しなければならないから疲れるのである。

ここで生成AIが役に立つ。
ただし、それは仕事を丸ごと代わりにこなすからではない。
そうではなく、仕事の中に埋め込まれた

• 優先順位づけ
• 入口づくり
• 下書き
• 比較
• 説明の整理
• 相手に合わせた言い換え
  といった部分を支えられるからである。

この章では、昼の仕事時間を、単なる「業務処理の時間」としてではなく、判断と段取りの連続として見ていく。
そしてその中で、生成AIをどのように使えば、仕事を壊さず、仕事に飲み込まれず、現実的に前へ進めるかを考えていきたい。

5-1　仕事とは「わからないことへの対処」である

仕事をしていると、人は「ちゃんとわかってから動きたい」と思う。
何を求められているのか。
どこまでやればよいのか。
誰のための仕事なのか。
期限はどれくらい厳密なのか。
何に気をつけるべきなのか。
そうしたことが最初から全部明確なら、仕事はずっと楽になるだろう。

しかし現実の仕事は、たいていそうではない。
依頼は曖昧である。
会議の目的がぼんやりしていることもある。
「この件、少し見ておいてください」と言われても、どの程度まで見ればよいのかわからない。
新しい業務に入ると、そもそも用語からわからないこともある。
しかも、それをいちいち「何もわかりません」とは言いづらい場面も多い。

つまり仕事とは、知っていることを処理するだけではなく、わからないことに対して仮説を立て、確認し、前に進めることなのである。

このとき人を疲れさせるのは、無知そのものではない。
むしろ、「わからないまま止まっていること」である。
何から調べればよいかわからない。
誰に聞けばよいかわからない。
どういう形にまとめればよいかわからない。
その状態が長く続くほど、仕事は重く感じられる。

生成AIは、ここで最初の足場になりうる。
特に役立つのは、「わからない」を放置しないための入口を作ることだ。

たとえば、新しい業務を急に振られたとする。
「来週の会議で、業界動向を簡単に整理しておいて」と言われたが、自分はその業界に詳しくない。何をもって「業界動向」と言えばよいのかも曖昧である。こういうとき、人はつい手が止まる。

こんなふうに相談できる。

AIへの相談例

「仕事で『来週の会議用に業界動向を整理してほしい』と言われました。
私はこの業界にあまり詳しくありません。
まず何を調べるべきか、どんな観点で整理すると会議で使いやすいか、初心者向けに入口を作ってください。
5つの観点と、最初に読むべき情報の種類を教えてください。」

AIは、おそらく

• 市場規模
• 主要プレイヤー
• 最近の制度変更
• 顧客ニーズの変化
• 今後の注目領域
  といった観点を出し、業界団体資料、企業決算資料、ニュース、官公庁資料などの見方を提案してくるだろう。

AIの返答をどう使うか

ここでの使い方は明確である。AIの返答を「正確な業界分析」として使うのではなく、調べ始めるための地図として使う。何を見ればよいか、どこから入ればよいかが見えれば、人は動き始めやすい。AIの役割は、未知を既知に変えることではなく、未知に踏み出すための最初の枠組みを与えることにある。

人間が最終判断すべき点

実際に何を会議で重視すべきか、どの情報が信頼できるか、上司や顧客が求めている水準は何かは、人間が判断する必要がある。AIは入口は作れるが、その仕事の目的までは本当には知らない。

やってはいけない使い方

AIの返答だけで業界理解が済んだと思い込み、そのまま会議資料に流し込むのは危険である。事実誤認や古い情報が含まれることもあるし、その仕事の現場にとって重要な論点が抜けることもある。AIは調査の代わりではない。

仕事ができる人というのは、すべてを知っている人ではない。
むしろ、わからないことを放置せず、仮の足場を作って前に進める人である。
生成AIは、その仮の足場を作るうえで非常に相性がよい。
だからこそ、仕事におけるAI活用は、「自動化」だけでなく、「わからなさへの対処」として考える必要がある。

5-2　今日の仕事を組み替える

仕事の時間帯でもっともよく起きることの一つは、予定どおりに進まないことである。
朝の時点では、今日はこれをやろうと思っていた。
だが、実際には急な依頼が入り、会議が長引き、連絡が来て、確認事項が増え、誰かに呼ばれ、気づけば午前中が終わっている。
仕事が苦しいのは、やることが多いからだけではない。
組んだ段取りが何度も崩れるからである。

このとき必要なのは、予定を守り抜く意志の強さではない。
むしろ、崩れた予定を素早く組み替える力である。
仕事ではしばしば、「最初に立てた計画」よりも、「途中で立て直せるかどうか」のほうが重要になる。

生成AIは、この立て直しに役立つ。
とりわけ有効なのは、頭の中で一塊になっている仕事を、

• 締切が近いもの
• 重要度が高いもの
• 短時間で前進させられるもの
• 誰かに先に返答だけしたほうがよいもの
  に分けて見えるようにすることである。

たとえば、こんな状況がある。
10時から会議、13時までに提出する資料、返信が必要なメール3件、しかも午前中に別件の相談が入ってきた。どれも無視できない。こういうとき、人は「全部やらなければ」と思って止まりやすい。

こんなふうに相談できる。

AIへの相談例

「今日の仕事が崩れています。
いま11時で、

• 13時までに提出する資料
• 返信が必要なメール3件
• 午後の会議準備
• 別件の相談対応
  があります。
  全部が頭の中で一塊になっていて、何から手をつけるべきかわかりません。
  締切、重要度、短時間で前に進められるものに分けて、午前中残り1時間の使い方を整理してください。」

AIは、たとえば

1. 13時締切の資料を最優先
2. メール3件のうち急ぎだけ短く返す
3. 会議準備は最低限の確認項目だけ洗い出す
4. 別件相談は「少し後で返します」と先に一言返す
   といった整理を返してくるだろう。

AIの返答をどう使うか

この返答の価値は、「最適な一日」を作ることではなく、崩れた一日を立て直すための仮の順番を見せることにある。人は焦っていると、重要な仕事も、気になっているだけの仕事も、頭の中では同じ重さになりやすい。AIに並べてもらうことで、「いま本当にやるべきこと」と「先に返事だけしておけばよいこと」が分かれ、動きやすくなる。

人間が最終判断すべき点

資料の完成度をどこで切り上げるか、誰への返信を先にすべきか、どの会議をどこまで重く見るかは人間が判断しなければならない。AIは整理はできても、仕事上の責任の重みづけまでは決められない。

やってはいけない使い方

AIに優先順位を出してもらったからといって、それをそのまま絶対視するのは危うい。たとえば、数値上は軽そうに見えるメールでも、相手との信頼関係の面では先に返すべきこともある。AIの整理は、責任ある判断の代わりではなく、判断をしやすくする下準備にすぎない。

また、仕事を組み替えるときは、「今日やらないこと」を明確にすることも重要である。
これもAIに手伝わせることができる。

AIへの相談例

「今日中に全部は無理そうです。
この状況で、今日やること、今日は着手だけでよいこと、明日に回してよいことに分けて整理してください。」

この問いは、一見すると弱気に見えるかもしれない。
だが実際には、仕事を前に進めるうえで非常に現実的である。
全部を抱えたまま潰れるより、何を今日進め、何を明日に送るかを明確にしたほうが、仕事は回る。

仕事の段取りとは、理想どおりに進めることではない。
現実の変化に応じて、仕事の形を何度でも組み替えることである。
生成AIは、その組み替えのたたき台を出す道具として、かなり有効である。

5-3　新しい仕事の入口をつくる

仕事の中でも、人がもっとも止まりやすいのは、「新しいこと」に出会ったときである。
初めて扱う業務。
初めて会う相手。
初めて触れる制度や業界。
経験のないテーマで資料を作るとき。
会議で話題になった言葉の意味がわからないとき。
ここで人は、わからないことそのものよりも、何から学べばよいかわからないことに困る。

仕事が進む人は、最初から知っている人ではない。
むしろ、「知らないことに入っていく技術」を持っている人である。
生成AIは、この入口づくりにとても向いている。

たとえば、急に「サプライチェーンのリスクについて簡単にまとめて」と言われたとする。なんとなく意味はわかるが、どの程度の深さで整理すればよいかが見えない。そこでこう聞ける。

AIへの相談例

「仕事で『サプライチェーンのリスクを簡単に整理してほしい』と言われました。
私はこの分野に詳しくありません。
初心者向けに、

1. まず理解すべき基本概念
2. よく出る論点
3. 仕事の資料にするときの見出し案
   を整理してください。」

AIは、供給網、調達先、物流停滞、地政学リスク、在庫、代替調達先などの基本概念を挙げ、論点としてコスト、安定供給、災害、国際情勢などを出し、さらに資料の骨組みまで示してくれるかもしれない。

AIの返答をどう使うか

ここでは、AIを「教師」として盲信するのではなく、最初の理解の足場として使うのがよい。つまり、「これで全部わかった」と思うためではなく、「これなら次に何を読めばよいかわかる」という状態を作るために使う。入口ができれば、人は本当に必要な情報へ進みやすくなる。

人間が最終判断すべき点

その仕事で求められている深さ、相手が知りたい論点、業界固有の事情は人間が見極める必要がある。AIは一般的な整理はできても、「この会議ではどの角度が必要か」までは決められない。

やってはいけない使い方

AIの説明をそのまま鵜呑みにし、専門用語の定義や制度の内容を確認しないまま使うのは危険である。特に法務、会計、医療、技術仕様のような正確性が必要な分野では、必ず一次情報や社内資料、専門家確認が必要になる。

新しい仕事に入るとき、もう一つ大事なのは「誰に何を聞けばよいか」を見つけることである。
これもAIに相談できる。

AIへの相談例

「新しい業務を担当することになりました。
自分で調べる前に、社内の関係者に何を確認すべきか整理したいです。
この業務の引き継ぎを受ける初回面談で聞くべき質問を10個挙げてください。
目的、流れ、注意点、よくある失敗がわかるようにしてください。」

このように聞けば、AIは質問リストを出してくれる。
その質問リストは、相手にそのまま投げるためというより、自分が何を知らないかを見えるようにするために使える。

仕事で新しいことに入るときに必要なのは、勇気だけではない。
入口の設計である。
生成AIは、その入口を速く作ることができる。
だからこそ、AIは「詳しい人の代わり」ではなく、「詳しくなるための最初の足場」として使うのがよい。

5-4　会議・説明・報告を整える

仕事の時間の中で、多くの人を消耗させているものの一つが、「伝えること」である。
会議の準備。
上司への報告。
顧客への説明。
同僚への引き継ぎ。
資料の構成。
口頭で話すべきことと、文書で残すべきことの切り分け。
仕事のかなりの部分は、実は「作業」そのものより、どう伝えるかを整えることに使われている。

人は、自分の中でわかっていることを、他人にもわかる形に変えるところで詰まりやすい。
話が広がりすぎる。
要点が定まらない。
どこから説明すればよいかわからない。
相手が何を知っていて、何を知らないのかも曖昧である。
ここに生成AIは非常に相性がよい。

たとえば、午後に上司へ進捗報告をしなければならないが、どこまで詳しく話せばよいかわからない。そんなとき、こう相談できる。

AIへの相談例

「上司に進捗報告をする必要があります。
内容は、新規案件の状況、遅れている理由、今後の対応です。
細かく話しすぎると長くなりそうですが、簡単すぎると不安です。
口頭で3分以内に報告する想定で、

1. 結論
2. 現状
3. 課題
4. 次の対応
   の順で話す骨組みを作ってください。」

AIは、話す順番や要点の整理を返してくるだろう。
これにより、人は「何をどの順番で言えばよいか」をつかみやすくなる。

AIの返答をどう使うか

AIの返答は、報告そのものとして使うより、頭の中の整理シートとして使うのがよい。会議や報告で重要なのは、言葉を美しくすることより、相手に必要な順序で伝わることだからである。AIが出した骨組みを見て、「上司には先に遅れの理由よりも対応策を言ったほうがいい」と調整すればよい。

人間が最終判断すべき点

相手が何を気にするか、どこまで率直に話すべきか、何を先に言うと安心されるかは人間が判断する必要がある。報告は情報の整理であると同時に、関係の中でのコミュニケーションだからである。

やってはいけない使い方

AIが作った報告文をそのまま読み上げることが目的になってしまうと、本質を外しやすい。報告は相手に応じて変わる。上司、顧客、チームメンバーでは、必要な粒度も語り口も違う。AIの整えた言葉を、自分の仕事の文脈に通し直さないまま使ってはいけない。

会議準備にも、AIはよく効く。
会議が苦しいのは、会議そのものより、何を持っていけばよいかわからないことであることが多い。資料なのか論点なのか、結論なのか相談事項なのか、それが曖昧だと準備が重くなる。

AIへの相談例

「明日の会議は、顧客提案の方向性を相談する場です。
決定会議ではなく、選択肢を絞るための議論の場です。
この会議に持っていくべきものを、

• 事実情報
• 判断が必要な論点
• 相手に確認したいこと
  に分けて整理してください。」

こうした問いに対し、AIは会議の目的に合わせた準備物を整理してくれる。
これもまた、資料作成の代行というより、準備の観点を明確にすることに価値がある。

また、報告書や説明文の下書きもAIは得意である。
ただし、ここでも大切なのは白紙を埋めるために使うことであって、完成文をそのまま採用することではない。
仕事では、ゼロから書く負担が大きい。
AIはその最初の「無」から「たたき台」へ移すのを手伝ってくれる。
それだけでも、前に進みやすくなる。

5-5　メール、チャット、依頼、断り方

仕事をしていると、一日のかなりの時間が「短い言葉をどう送るか」に使われる。
メール。
チャット。
依頼。
催促。
確認。
断り。
お礼。
この短いやりとりは、一見すると小さな仕事に見えるが、実際にはかなり神経を使う。
なぜなら、短い言葉ほど、関係性がむき出しになるからである。

返信が遅れていることをどう詫びるか。
依頼するときに失礼がないようにするにはどう書くか。
断ると角が立つのではないか。
催促したいがきつく見えないか。
忙しいときほど、こうした細かな言い回しに迷う。

生成AIは、この「言い方の負担」をかなり軽くできる。
特に強いのは、

• たたき台を作る
• 文体を調整する
• 強すぎる／弱すぎるを中和する
• 相手別に言い換える
  といった使い方である。

たとえば、他部署に資料提供を依頼したいが、急ぎである一方、相手にも負担をかける。こんなときに聞ける。

AIへの相談例

「他部署の担当者に資料提供をお願いしたいです。
こちらの締切が近く、本当は明日までに欲しいのですが、相手にも急なお願いになります。
失礼になりすぎず、でも急ぎでお願いしたいことが伝わるメールのたたき台を作ってください。
件名案も3つください。」

AIは、丁寧さを保ちながら、依頼の背景、必要な資料、期限、難しい場合の相談余地を含めた文章を作ってくれるだろう。

AIの返答をどう使うか

そのまま送るのではなく、「この言い方は少し硬い」「自部署ではもう少しくだけた表現でよい」「相手との関係上、もう少し短くてよい」と調整しながら使うのがよい。AIは文面を整えるが、その場の空気まではわからない。だから、下書きとして使うことが基本である。

人間が最終判断すべき点

誰にどこまで踏み込んで頼めるか、どのくらい急ぎを前面に出すべきか、断られたときにどう受けるかは人間が判断しなければならない。メールは言葉の問題であると同時に、関係性の問題でもある。

やってはいけない使い方

社外秘や個人情報を含む内容をそのまま入力するのは避けるべきである。また、AIが整えた結果、丁寧だが長すぎる、あるいは無難すぎて要点が伝わらない文になることもある。見た目の丁寧さだけで送ってはいけない。

断り方にもAIは役立つ。
仕事では、引き受けられない依頼にどう返すかが難しい。
完全に断るのか、条件つきで応じるのか、別の形で協力するのか。
ここには感情と責任が絡む。

AIへの相談例

「同僚から資料作成の手伝いを頼まれましたが、自分も締切が重なっていて難しいです。
関係は悪くしたくありません。
完全に拒否するのではなく、できる範囲を示しつつ断る返信文を2案ください。」

AIは、

• 今週は難しいが来週なら見られる
• 全体は無理だが一部なら協力できる
• まずドラフトを見せてほしい
  などの含みを持たせた文面を作ってくれるかもしれない。

こうしたやりとりにおいてAIが果たす役割は、単に文章をうまくすることではない。
言いづらいことを、言える形に変えることである。
仕事では、この変換がとても重要である。
言いたいことがあるのに、言い方が見つからないために止まってしまうことが多いからだ。

5-6　「わからない」を放置しない壁打ち相手としてのAI

仕事が進まなくなる最大の理由の一つは、「わからない」が長く放置されることである。
質問したいが、こんな初歩的なことを聞いてよいのか迷う。
考えがまとまらないが、まだ人に相談するほどでもない気がする。
何か違和感はあるが、どこが問題なのかうまく言えない。
こうした状態は、表面には見えにくいが、仕事の速度を大きく落とす。

ここで生成AIは、非常に有効な壁打ち相手になる。
壁打ちとは、答えをもらうことより、自分の考えを外に出して整えることである。
相手がAIである利点は、初歩的なことでも聞きやすいこと、何度でも聞き直せること、言い換えてもらえることにある。

たとえば、資料を作っているが、論点がぼやけている。
そんなとき、人にいきなり見せる前にこう相談できる。

AIへの相談例

「提案資料を作っていますが、論点が散っている気がします。
伝えたいのは、現状の課題、改善案、期待効果です。
でも、現状の説明が長くなり、結論がぼやけています。
この資料の構成上の問題点を、厳しめに指摘してください。
あわせて、3ページ構成にするならどう絞るべきか提案してください。」

AIは、現状説明が冗長、結論が後ろにある、相手にとってのメリットが弱い、などの指摘を返してくるかもしれない。これは非常に有益である。なぜなら、人は自分の資料の中にいると、どこが過剰でどこが不足かを見失いやすいからだ。

AIの返答をどう使うか

AIの指摘は、絶対評価として受け取るのではなく、自分の資料を見直すための観点として使う。たとえば、「確かに課題の説明に寄りすぎていた」と気づければ、それだけで大きい。壁打ちの価値は、完成品をもらうことではなく、自分の思考のズレを見つけることにある。

人間が最終判断すべき点

提案の本当に伝えるべき核心、社内政治や顧客事情、誰に何を優先して見せるべきかは人間が判断する必要がある。AIは論理構成の整理はできても、仕事の現場にある力学までは十分にはわからない。

やってはいけない使い方

AIの評価を過信し、「AIがこう言ったから」と自分の判断を放棄してしまうのは危うい。また、相談内容に社外秘情報や未公開の事業情報をそのまま含めるのも避けるべきである。壁打ちは有効だが、守秘と責任の線引きは必要である。

AIが壁打ち相手として強いのは、「たたき台」「仮説」「言い換え」を何度でも返せるからである。
たとえば、会議前に「この説明だと相手にどう見えるか」を確認したり、企画の骨組みを何案か出してもらったり、自分の理解が合っているかをチェックしたりできる。

AIへの相談例

「この業務理解が合っているか確認したいです。
私はこの案件を、『顧客の要望をそのまま実現する』より、『顧客の本当の課題を整理して提案し直す』仕事だと理解しています。
この理解で考えるべき論点を挙げてください。」

こうした問いは、まさに壁打ちである。
AIは結論を出すというより、考えるべき観点を返してくれる。
それによって、自分の理解の浅い部分や抜けを見つけられる。

仕事では、「わからない」を早く言葉にできる人ほど強い。
生成AIは、その言葉にするプロセスを支える。
だからこそ、AIを使うことは単なる省力化ではなく、思考を停滞させないための実務でもある。

5-7　ケーススタディ――仕事の現場での具体的活用

ここまで、仕事時間における生成AIの使い方を見てきた。
最後に、職種や立場ごとに、どういう使い方が特に有効かを見てみたい。
重要なのは、どの仕事でもAIが同じように働くわけではないということだ。
しかしどの仕事でも共通することがある。
それは、AIが最も役立つのは、仕事そのものを代行するときではなく、仕事を前に進めるための判断と整理を助けるときだということである。

1　事務職の場合

事務職では、確認、整理、連絡、段取り、文書作成が多い。
一つひとつは定型に見えても、実際には

• どの順番で処理するか
• 誰にどう連絡するか
• どの粒度で報告するか
  といった判断が頻繁に発生する。

生成AIは、

• メールや文書の下書き
• タスク整理
• イレギュラー対応時の段取り案
• わかりにくい依頼内容の言語化
  に向いている。

AIへの相談例

「午前中に処理する事務作業が多く、優先順位が崩れています。
請求確認、社内連絡、来客準備、資料修正があります。
締切と重要度の観点で整理してください。」

ここでの価値は、作業自体を代行することではなく、頭の中の順番を見えるようにすることにある。

2　営業職の場合

営業では、提案そのもの以上に、

• 相手の状況整理
• 説明の組み立て
• 面談前後の要点整理
• 次回アクションの明確化
  が重要である。

生成AIは、面談準備や提案骨子、議事メモ整理、フォローアップ文面のたたき台に強い。

AIへの相談例

「明日の顧客面談に向けて準備したいです。
相手はコストに厳しい一方で、業務負担の軽減には関心があります。
こちらの提案の伝え方として、

• 相手の関心に沿った話の順番
• 想定される懸念
• こちらが用意すべき補足資料
  を整理してください。」

AIは、面談の論点整理を助けてくれる。
ただし、顧客との関係性や温度感の見立ては、営業本人が持つべきである。

3　管理職の場合

管理職の仕事は、自分で手を動かすこと以上に、

• 誰に何を任せるか
• どう伝えれば動きやすいか
• どこを確認し、どこを任せるか
• チームの詰まりをどこでほどくか
  を考えることである。

ここでAIは、

• 依頼文の整理
• 1on1の論点整理
• チーム課題の仮説出し
• 報告のまとめ直し
  などに有効である。

AIへの相談例

「チームメンバーに新しい業務を依頼したいです。
丸投げに見えず、でも細かく指示しすぎない伝え方を考えたいです。
目的、期待する成果、相談してほしいポイントが伝わる依頼の骨子を作ってください。」

管理職にとってAIは、命令文を作る道具というより、伝え方のバランスを整える道具として使うとよい。

4　フリーランスの場合

フリーランスは、自分で仕事をするだけでなく、営業、見積、提案、進行、請求まで一人で抱えることが多い。
そのぶん、仕事の本体以外の判断負荷が大きい。
生成AIは、

• 提案文の下書き
• 見積の説明文
• スケジュール整理
• 初回相談時の質問整理
  などに向いている。

AIへの相談例

「新規相談が来ましたが、まだ要件が曖昧です。
見積を出す前に確認すべき点を整理したいです。
目的、納期、成果物、修正回数、予算感がわかるよう、初回ヒアリングの質問リストを作ってください。」

フリーランスにとってAIは、「孤独な判断」を少し外に出せる相手でもある。
一人で抱え込むより、ずっと進めやすくなる。

5　非デスクワークの補助活用

現場仕事や接客、医療・福祉・教育など、机に向かってばかりいられない仕事でも、AIは使える。
ただしその場合は、現場そのものを代行させるのではなく、

• 事前準備
• 申し送りの整理
• 説明文のたたき台
• 振り返りの言語化
  といった形が向いている。

AIへの相談例

「現場での申し送りを簡潔にまとめたいです。
重要事項、注意点、次の担当者が見るべきことが伝わるよう、箇条書きの型を作ってください。」

このように、現場を支える裏側の整理でAIを使うことは十分可能である。

この章のまとめ

仕事の時間を苦しくするのは、単なる作業量ではない。
わからないこと、決めなければならないこと、伝えなければならないことが多いことが、人を消耗させる。
曖昧な依頼にどう入るか。
崩れた予定をどう組み替えるか。
新しい仕事の入口をどう作るか。
会議や報告をどう整えるか。
短いメールでどう関係を保つか。
これらはすべて、仕事に埋め込まれた判断と段取りの問題である。

生成AIは、その仕事の責任を取るわけではない。
正解を保証するわけでもない。
だが、

• 入口を作る
• 仮の順番を出す
• 下書きを作る
• 比較する
• 言葉にしにくいことを整理する
  という点では、非常に強い。

その意味で、生成AIは仕事を奪う道具というより、仕事の詰まりを減らす道具として見るべきである。
仕事が止まるのは、能力がないからではなく、わからなさと曖昧さの中で足場を失うからである。
生成AIは、その足場を作り直す役に向いている。

ただし、最終判断、責任、現場の空気、相手との関係は、人間が持つべきである。
AIは補助線にはなれても、仕事の当事者にはならない。
だからこそ、うまく使えば、人の仕事を空洞化するのではなく、むしろ人が人として判断すべき部分を支えることができる。

次章では、仕事の時間を終えて家庭へ戻るころ、再び立ち上がる「第二の仕事」――家事、買い物、送迎、家族との調整――のなかで、生成AIがどのように役立つかを見ていく。
仕事が終われば問題解決が終わるわけではない。
むしろ多くの人にとっては、そこから別の種類の段取りが始まる。
生成AIと生きる技術は、まさにその往復の中で試されるのである