AI時代のキャリア論
身体性・経験の差と、ビギナーの伸ばし方
「AIに仕事を奪われるのではないか」——多くの人が抱えるこの不安は、問いの立て方を変えると、まったく違って見えてきます。鍵になるのは、いまのAIに決定的に欠けているものと、そこから生まれる人間の価値です。
このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。
出発点 ― 今のAIには「身体性」がない
まず土台に置きたいのは、ひとつの事実です。今のAIには「身体性（embodiment）」がない。
これは「ロボットの体を持たない」という意味ではありません。もっと本質的に、世界と身体で相互作用しながら学ぶ経路を、まったく持っていないということです。人間は、転んで痛みを覚え、道具の手応えを感じ、場の空気を読みながら「わかる」を体に刻んできました。現在のLLMは、その過程をまるごと飛ばして、世界について書かれたテキストからパターンを学んでいます。だからAIは、世界の「記述」を大量に知っていても、世界を「経験」してはいません。
この帰結は、実務ではっきり表れます。AIは、自分の作業に何時間かかるかも、どれだけメモリを消費するかも気にしない。指示に「わかったふり」はしても、その業界の暗黙のルールや、「この設計はいずれ破綻する」という失敗由来の勘は持っていない。教科書に載らない、ドメイン（領域）に身を置いて初めて身につく知——これがAIには欠けています。
分かれ目は「人間 対 AI」ではなく「経験の差」
ここから、不安の立て方そのものを問い直せます。「AIに奪われるか」という問いは、知らず知らず 「人間 対 AI」 という構図を前提にしています。しかしAIは、経験を持つ人間の手の中でこそ力を発揮する道具です。
経験のない人がAIに丸投げすると、もっともらしいが的外れな成果しか出てきません。一方、ドメインの経験を持つ人がAIを使うと、結果は一変します。何を任せ何を握るかを正しく切り分け、出力の「どこがおかしいか」を現場感覚で見抜き、自分の暗黙知を言語化して渡し、何十倍もの速度で形にできる。つまりAIは経験を代替せず、経験を持つ人間の手の中で初めて驚異的になるのです。
だから本当の分かれ目は、「人間 対 AI」ではありません。同じようにAIを使える人どうしの中にあります。もう知識量では差がつかない。効いてくるのは、AIの使い方と、それを支える経験の厚みです。
ビギナー ―「一緒に失敗する」で最速に伸びる
では、まだ経験の浅い駆け出しはどうすればいいのか。ここで、よくある誤解をほどく必要があります。
「AIが何でも答えてくれるなら、初心者は経験を積めないのでは」。これはコピペを前提にした誤解です。むしろ逆で、初心者こそAIで最速に経験を積める時代になりました。
AIは、これまで初心者を足止めしてきた「最初のハードル」——環境構築でつまずく、エラーの意味が分からず何時間も溶かす、何から手をつけるか分からない——を劇的に下げます。経験を積むまでの距離が、短くなったのです。
コツは、AIを「答えの供給源」ではなく 実験の加速装置 として使うこと。新しい言語の環境構築、ビルド、コンテナやVMなど、一人だと詰まりがちな題材を、AIと一緒に手を動かし、一緒に失敗する。うまくいくことより、一緒にハマって一緒に抜け出す過程が、そのまま経験になります。1回試すのに1日かかっていたことが1時間で10回試せる——試行回数こそ経験の量そのものです。さらに、AIにあえてたくさん失敗させて観察すれば、落とし穴や勘所が失敗の山から浮かび上がり、自分一人でやるより多くの情報が得られます。
大切なのは「答えをもらう」で止まらないこと。答えをもらったら必ず自分で動かし、少し変え、壊してみる。「AIに答えをもらう」から「AIと一緒に手を動かす」へ比重を移す——この移行が、初心者を「伸びる人」に変えていきます。
まとめ
出発点は「今のAIには身体性がない」。だから価値の源泉は、AIに渡せる経験にある
本当の分かれ目は「人間 対 AI」ではなく、AIを使える人どうしの経験の差
初心者こそ、AIと一緒に失敗する反復（イテレーション）で、最速に経験を積める
AIが知識と一次的な答えを無限に供給する時代に、人間の側に残るのは「経験」です。そしてその経験は、AIと一緒に手を動かし、一緒に失敗する回数だけ、確実に厚みを増していきます。
ここまでお読みいただき誠にありがとうございました。
このSubstackは読者の皆さんのご支援によって成り立っています。新しいポストを受け取り、私の活動を応援していただくには、無料または有料の購読者になることをご検討ください。