増幅が起きる職場では、人に求められるものの質が変わる。AI曝露の大きい職種では、共感や判断や創造性といった人間特有のスキルを要求するペースが、曝露の小さい職種の二倍半に達している。さらに目を引くのは初級職の変質である。AI曝露度の高い初級ポジションでは、従来は上級職に割り当てられていたリーダーシップや戦略的思考が、曝露の小さい初級職に比べて七倍要求されやすくなっている。雑務を担う入口の職が、判断を担う職へとせり上がっている。基礎業務をAIに委ねた分、人に残るのは判断と方向づけになり、その負荷が初級の段階から前倒しされる。
ここに、職務をどう設計するかという分岐が現れる。同じAIを導入しても、企業の手つきは二つに分かれる。基礎業務をAIに委ね、人を高度な判断や創造へ集中させる設計を、PwCは専門職化と呼ぶ。逆に、複雑な業務までAIに委ねて人の役割を簡素化し、代替可能にしていく設計が民主化である。両者の帰結は対照的だ。専門職化された職種は賃金の伸びが速く、2021年以降、民主化された職種より賃金成長が四割超高い。民主化された側は賃金成長が鈍り、コモディティ化のリスクを抱える。そして現実の求人は、まだ民主化に大きく傾いている。全求人に占める割合は専門職化が二割強、民主化が五割強である。設計の選択が、その職に就く人の数年後の賃金を分けている。
この分岐は、賃金プレミアムのセクター差にも投影される。AIスキルを持つことの賃金上乗せは、業種をまたいでU字を描く。最もデジタル集約的なテクノロジー・メディア・通信で二割超、専門サービスで一割台後半と高く出る一方、ヘルスケアでは唯一マイナスとなり、需要の弱さが導入の遅れを映す。プレミアムが高い領域は、専門職化が進み、AIを使いこなす判断に値がついている領域でもある。
日本に目を移すと、この分岐はより緊張をはらんだ形で立ち上がる。日本のAI採用は2025年に変曲点を迎えた。AIスキルを求める求人は前年比3.6倍、純増にして約24.2万件に達し、全求人に占めるAI求人の割合は4.2%から4.8%へ上がった。需要の中心は、AIを開発する人材ではなくAIを使う人材にある。開発者の純増が約2.0万件にとどまるのに対し、AIユーザー職は約22.7万件増えた。求人量はエネルギー・資源・公益で四分の一、製造で二割弱を占め、重厚長大産業のAI化が雇用に及ぼす影響は大きい。
ただし日本の特異さは、求人の急増がAI曝露の高い職種に限られない点にある。人手不足を背景に、低曝露職種でも求人が著しく伸びている。AIによる代替が進むより速く、構造的な人手不足が労働需要を押し上げているのだ。これは宮本弘暁『AI大格差』が説く格差の機序と重ねると見通しがよくなる。同書によれば、AIがもたらす格差は「使う／使わない」の差ではない。どのタスクがAIに切り出されるかというタスク構造の組み替え、AIの出力を見抜いて責任ある意思決定に落とせるかという判断の回路、そして組み替えの後へ自分を移せるかという移行の可否、その三層で格差は生まれる。人手不足ゆえに低曝露職の求人が膨らむ日本では、判断の回路を鍛えられた層と、量的需要に吸収されるだけで移行の機会を得ない層とに、労働市場が二層化していく恐れがある。同書が指摘する低スキル層へのAIの恩恵という逆説は、設計を誤れば二層化を覆い隠す麻酔にもなりうる。求人が埋まること自体は、専門職化が進んでいることを意味しない。
専門職化の中核に座るのは、結局のところ判断と方向づけの力である。深津貴之ら『メタスキル』は、特定のツールや手順といった高周波帯の技能は陳腐化するが、構造を見る力や文脈を読む判断といった低周波帯のスキルは時代を超えて効くと述べた。PwCが人間特有のスキルと呼ぶものの正体は、この低周波帯にある。そして低周波帯のスキルが効くのは、AIがいくらでも選択肢や案を生成できる一方で、何に注意を向け、どこへ向かわせるかという方向づけを外部化できないからだ。委任が増えるほど、何を委任しないかの判断が希少になる。専門職化とは、この希少な判断へ人を寄せる設計にほかならない。スキルの中身が固定的でない点も、この見立てを補強する。AI曝露の高い職種ほど求められる能力は速く広く変わり、最高曝露層では一職業あたり年間六百を超える新規スキルが現れる。固定的な資格ではなく、絶えず刷新される束として捉えるなら、効くのは個別技能の習得速度よりも、何を学ぶかを選ぶ判断の質になる。
ここから人事が持ち帰るべき含意は、人員数の算盤からは出てこない。私見では、CHROが最初に決めるべきは「自社の職務を専門職化と民主化のどちらへ寄せるか」という設計方針そのものである。専門職化を選ぶなら、初級職を削るべきコストとしてではなく、判断を早くから担わせる育成の入口として扱う必要がある。初級職に上級スキルが七倍要求される世界では、雑務を通じて学ぶ従来のOJTは前提から崩れており、AI協働を組み込んだ早期育成のパスを設計し直さねばならない。報酬は、U字の高い側でAIスキルにプレミアムが立つ現実を等級に反映させ、獲得競争の激しい領域では戦略的に手当を置く。スキルが流動的な束である以上、固定的な職務記述ではなく、誰の判断がAIとの協働を改善させているかを見る評価へ重心を移す。そして専門人材の採用に閉じず、全社員がAIを使いこなす力を底上げすることが、ユーザー職主導の需要構造とも整合する。
PwCのバロメーターが示すのは、AIが雇用を奪うか守るかという二択ではない。AIは雇用を再設計する。その再設計を専門職化へ寄せるか民主化へ流すかは、技術が決めるのではなく、職務をどう組むかという人事設計の選択が決める。日本のように人手不足と自動化が並走する市場では、求人が埋まる安心が二層化の進行を覆い隠しやすい。設計を意図して選ばないかぎり、市場は放っておけば民主化の側へ滑っていく。専門職化は、選び取らなければ手に入らない。
proxy reviewer 評価（iter 2、2026-06-18、辛口）
残る改善余地: 日本のセクター偏在（エネルギー資源公益24.8%・製造18.9%）の段落がやや事実紹介寄りで、二層化の機序へもう一歩接続すれば argument 4.4 圏。結語の決め台詞調を崩せば voice はさらに上。3軸とも 4.0+ を確保しており proxy 判定では公開可水準。