AIに任せない方がいいこと

できないことを知る生成AI 基本理解

タグ一覧を見る

最終判断や責任が残る領域を短く示し、過剰な期待を下げます。

楽になりたい一方で、任せすぎが怖い人向けです。生活の判断に使うときの「止まり木」を置きます。

得意なことの裏側に、苦手なことがある

ここまでのシリーズでは、AIの仕組み、間違えやすさ、データの扱いなど、使い方の注意点を見てきました。今回は少し視点を変えて、「AIそのものには何ができないのか」を整理します。

苦手を知ることは、得意を活かすことに直結します。道具の限界を知っている人は、その道具をもっとも効果的に使えます。

AIが苦手なこと：体験に根ざした判断

AIは感覚的な体験を持っていません。暑さ、痛み、美味しさ、居心地のよさ——こうした「感じること」の領域は、AIの外にあります。

「このレストランの雰囲気はどんな感じ？」と聞くと、AIはレビューデータの要約を返すことはできます。でもそれは「他の人がどう感じたかの集約」であって、AI自身の体験ではありません。したがって、「あなたの好みに合うかどうか」の判断は、結局あなたにしかできないのです。

身体的な感覚が求められる場面——料理の味見、服の着心地、部屋の温度感——おいて、AIの出力は参考情報にはなっても、最終判断にはなりません。

AIが苦手なこと：文脈の深い読み取り

AIは文章のパターンを読むのは上手いですが、「行間を読む」ことは苦手です。

たとえば、上司が「この案、面白いね」と言ったとき、文字通りの賞賛なのか、やんわりとした否定なのかは、表情、声のトーン、これまでの関係性、その場の空気など、多くの要素で変わります。AIにはこの判断ができません。

同様に、皮肉、冗談、暗黙の了解、場の空気といった非言語的なコミュニケーションの要素は、テキストだけで処理するAIの限界領域です。最近のAIは「皮肉の検知」などの能力も向上していますが、人間が日常的に行っている微妙なニュアンスの読み取りには、まだ遠く及びません。

AIが苦手なこと：「なぜそうすべきか」の倫理判断

AIは「こうしたほうがいい」と提案することはありますが、それは倫理的な判断に基づいているわけではありません。「多くの文章でそう書かれているパターン」を再現しているだけです。

たとえば、「友人がお金を貸してほしいと言っているが、前にも返してもらえなかった。どうすべきか」。AIは一般論としてのアドバイスを返せますが、「あなたのその友人との関係」を踏まえた判断はできません。倫理的・感情的な判断は人間の領域であり、AIに代替できない最たるものです。

AIが苦手なこと：「正確さ」が求められる計算

意外に思うかもしれませんが、言語モデルベースのAIは計算が得意ではありません。単純な四則演算でも間違えることがあります。

これは、AIが「計算をしている」のではなく「計算の結果に見える文字列を予測している」ためです。「25×37は？」と聞かれたとき、AIは掛け算をしているのではなく、「25×37は○○」という文章パターンとしてもっともらしい数字を出力しています。

最新のAIでは、専用の計算ツールを内部で呼び出すことで精度を上げているものもあります。しかし、複雑な数式や複数段階の計算を含む問題では、今でも誤りが出ることがあります。正確な計算が必要な場合は、表計算ソフトや電卓を使うのが確実です。

AIが苦手なこと：リアルタイムの情報

多くの対話型AIには、学習データの期限（カットオフ）があります。たとえば2024年半ばまでのデータで学習したAIに、2025年の出来事を聞いても、正確な答えは期待できません。

最近はインターネット検索機能を持つAIも増えてきましたが、検索結果の取り込みと要約にはまだ不安定さがあります。「今日の天気」「今の株価」「最新のニュース」のようなリアルタイム性の高い情報は、AIに頼るよりも専門のサービスを使うほうが確実です。

AIが苦手なこと：創造性の「本質」

AIは文章を書き、画像を生成し、音楽をつくることができます。一見すると「創造的」に見えますが、その内実は過去のパターンの組み換えです。

人間の創造性には、「自分の体験から、まだ誰も見たことのない形を生み出す」という要素があります。失敗、偶然、感情の揺らぎ、環境の制約——こうした「予定外の要素」が創造の源泉になることがありますが、AIにはこうした偶然が起きません。

大量に選択肢を出すことではAIは人間を上回りますが、「なぜその一つを選んだのか」の根拠に個人的な経験や価値観が含まれるのは人間だけです。この違いは、特に芸術やデザインの分野で重要になります。

AIに任せてよいこと、まだ任せないほうがよいこと

AIの限界を理解するときに役立つのは、「何ができないか」だけでなく、「だから何を任せると危ないのか」を具体的に見ることです。任せやすいのは、文章の下書き、論点の洗い出し、会議メモの整理、アイデアのたたき台、比較表のひな型づくりのような、後から人間が手を入れる前提の仕事です。

逆に、まだ任せないほうがいいのは、医療や法律の最終判断、対人関係の機微を読む判断、採用や評価のように人の人生に影響する判断、数値の正確さが絶対条件の計算、本人確認を伴う重要な手続きです。これらに共通するのは、「間違ったときに誰かが責任を引き受けなければならない」ことです。AIはここを引き受けられません。

最後に残るのは、「判断を引き受ける人」の仕事

AIが普及しても、人間の仕事がすべて消えるわけではないと言われるとき、その中心にあるのは能力のロマンではなく、責任の構造です。AIは案を出せます。分類もできます。候補も並べられます。でも、その中から何を選び、誰にどんな影響が出るかを引き受けるのは人間です。

この視点を持つと、「AIにできないこと」は、単なる欠点の一覧ではなくなります。むしろ、人間が最後まで持つべき役目が見えてきます。感じること、迷うこと、選ぶこと、関係の中で責任を持つこと。AIを使うとは、これらを手放すことではなく、周辺の作業を軽くしながら、最後の判断をより自覚的に引き受けることでもあります。

迷ったら、「間違えたときの重さ」で分ける

AIに任せてよいか迷ったとき、実用的な基準になるのが「間違えたとき、どれだけ重いか」です。間違ってもあとで直せる下書き、思いつきの列挙、比較のたたき台なら、AIはかなり使いやすい。一方で、間違いがそのまま誰かの不利益や信用の低下につながる場面では、人間の確認を厚くする必要があります。

この基準があると、AIの得意不得意を暗記しなくても判断しやすくなります。要するに、「直せる仕事は任せやすい。取り返しがつきにくい仕事は任せにくい」ということです。初心者のうちは、ここから外れないだけでも十分ですし、この線引きができるだけで、AIはずっと扱いやすい道具になります。

限界を知ることは、「人間の役目」を見直すことでもある

AIの限界を並べると、つい「では人間の価値は何か」という大きな話に行きがちです。ただ、日常レベルで大事なのはもっと具体的です。最後に決める、相手との関係を引き受ける、失敗の責任を負う、迷いを抱えたまま選ぶ。こうした仕事は、派手ではないですが、AIでは置き換えにくい部分です。

だからAIを使うときは、自分の役割を手放すのではなく、どこに集中するかを選び直すと考えるほうがいい。周辺作業を軽くして、判断と関係の部分に注意を戻す。その発想があると、限界の話は前向きな使い分けに変わります。

AIは「代わりに生きる」道具ではなく、「下ごしらえを手伝う」道具に近い

AIへの期待が大きくなりすぎると、「考えるのも決めるのも任せたい」という方向へ気持ちが傾きます。でも実際に相性がいいのは、その一歩手前です。情報を並べる、選択肢を増やす、下書きをつくる、抜け漏れを探す。こうした下ごしらえの仕事ではAIはかなり役に立ちますが、最後にどれを採るか、何を見送るかは人間の判断が必要です。

この位置づけで見ると、AIができないことは失望材料ではなくなります。むしろ、「では自分はどこに集中すればいいか」が見えてきます。感じる、迷う、引き受ける、相手との関係を考える。こうした部分までAIに肩代わりさせようとすると苦しくなりますが、周辺作業を軽くする相手だと考えると、かなり扱いやすい道具になります。

初心者のうちは、AIを「有能な部下」より「下ごしらえが速い補助役」くらいに見るのがちょうどいいかもしれません。期待が現実的になるほど、失望も過信も減っていきます。

この意味で、AIとの上手な付き合い方は「何でもやらせる」ことではなく、「人間が残すべき工程を雑にしない」ことだと言えます。補助として使うほど強く、代行として使うほど危うい。この感覚は、初心者が最初に持つ基準としてかなり有効です。