仕事の未来|解説14本
AIに任せる仕事と、自分に残す仕事はどう決める?
「AIでなくなる仕事」に、自分の職種を探してしまう。そんなときは、毎日の作業を一つずつ見てみませんか。下書きを任せる、内容を確かめる、相手と話して決める。仕事を分けると、これから身につけたい力も見えてきます。

まず読む1本

AIで仕事はなくなる?何年後に、どの作業から変わるか
AIで仕事はなくなるのか、それは何年後なのか。2026年9月の労働経済白書は、AIで仕事が大きくへっている裏づけは、いまのところ示されていないと書きました。一方で、記録や入力などの作業はAIで変わりやすいとされています。だれがいつ何と予測したかと、今日できる一歩をまとめました。
自分の職種は、どうなる?

事務職はAIでなくなる?3つの事実・求人の数字・残る作業
事務職はAIでなくなるのか。事務で働く人はへっていません。でも求人は少なく、国際機関は事務をAIでいちばん変わりやすい仕事と見ています。今わかる3つの事実、求人の数字、AIに移りやすい作業と人に残る作業、今日5分でできる一歩をまとめました。

AIでなくなる仕事とは?職業名より作業で見分ける5つの特徴
AIでなくなるのは、職業まるごとではなく、その中の一部の作業です。移りやすい作業の5つの特徴、問い合わせ対応で人をへらした会社と採用をもどした会社の例、今日の作業を書き出して確かめるやり方をまとめました。

AI時代に生き残る仕事は?4つの役割と、求人の数字で確かめる
AI時代に生き残る仕事は、名前では言い切れません。残りやすいのは、目的を決める、人の事情を聞くなど4つの役割をふくむ仕事です。分野の例、仕事のまとまりごとの求人倍率、2040年の人手の見通し、今夜5分でできる一歩をまとめました。
これから、何を身につければいい?
そのほかの解説

AIの蒸留とは?小さなモデルへ何を学ばせ、何を確かめるのか
AIの蒸留は、別のモデルの出力などを手がかりに、学習させたいモデルを訓練する方法です。教師と生徒の意味、小型化を目指す理由、同じ能力が丸ごと移るわけではない点を、身近な分類の例で説明します。

AIの連合学習とは?データを集めずに学ぶ仕組みと、外へ送るもの
連合学習は、データを各端末や組織に置いたまま、学習で得た更新情報を持ち寄る方法です。典型的な流れ、端末でAIを使うこととの違い、プライバシーを別に確認する理由を説明します。

AIは長文の真ん中を読み落とす?Lost in the Middle研究の条件と限界
Lost in the Middleは、入力のどこに必要情報を置くかで言語モデルの成績が変わることを調べた研究です。2023年の二つの課題、入る長さと情報を使う力の違い、現在のAIへ結果を広げすぎない読み方を説明します。

AIベンチマークの点差はどこまで確か?問題数とばらつきの読み方
AIベンチマークで数点の差がついていても、その差の確かさは点数だけでは分かりません。同じ問題群での成績と、似た別の問題でも期待できる成績を分け、問題数・繰り返し・推定の幅を読む方法を架空例で説明します。

Anthropicの雇用調査で分かったこと|若手採用の比率と人の仕事
Anthropicが2026年10月に公表した社内雇用調査を解説。若手技術職の採用比率、AIの稼働時間、人の役割を分けて読み、数字だけでは分からないことと、自分の職場に引き寄せて考える視点を整理します。

RAGの資料を更新したのに答えが古い?検索への反映を確かめる順序
原本を更新しても、RAGの検索用データに反映されるまで時間がかかる構成があります。原本・取り込み・検索結果の版を分け、古い回答が出るときに何を確かめるかを架空の案内文で整理します。

ファインチューニングとは?AIの追加学習が役立つ場面とRAGとの違い
ファインチューニングは、学習済みのAIに追加のデータで学習させ、特定の仕事へ合わせる方法です。指示文やRAGとの違い、学習例と評価用の例を分ける理由、導入を考える前の確認点を説明します。

公開AIモデルは重みだけで動く?設定・入力の処理・実行環境の役割
公開されたAIの重みを取得しても、それだけで会話できるとは限りません。文章生成モデルを例に、重み・設定・トークナイザー・実行ソフトの役割と、読み込みで困ったときの確認箇所を整理します。

同じ質問なのにAIの答えが変わるのはなぜ?確率と再現性の話
同じ文で質問したのに、AIから違う答えが返ってきた。原因は言葉の選ばれ方だけでなく、会話履歴や参照資料などの条件にもあります。温度設定と再現性の限界、言い換えと事実の違い、条件をそろえて比較する方法を整理します。
