日本経済新聞が報じた数字は、かなり印象的です。ChatGPTに投げる仕事の指示のうち、なんと43％が「自分の専門分野以外のタスク」のために行われているというのです。根拠となっているのは、OpenAIが7月27日に発表した新レポート「Work at the Frontier」です。ChatGPT Businessのユーザーから集められた80万件以上の実際の業務メッセージを分析した結果です。職種特有の依頼の中で、43.5％が歴史的に別の職位に属していたタスクを指していました。つまり、マーケティング担当者がWebサイトの修正を行い、営業担当者が顧客データを分析し、人事担当者が契約書を読み解くといった光景が、すでに日常化しているという話です。
OpenAIはこの現象を「タスクの横断（task crossover）」と呼んでいます。ここで日本の読者にとって興味深いのは、日本が実は数十年にわたって、この「横断」を組織の仕組みとして実践してきたという点です。それが「ジョブローテーション」であり、この経験がAI時代において予想外の強みになることがわかってきました。
調査が示したこと
OpenAIのレポートでは、各メッセージを米国の公式職業データベース「O*NET」と照合し、タスクと職種のマッピングを行いました。得られた数字は以下の通りです。
- 全業務メッセージの16.8％が他職種のタスクを含んでいました。さらに、メール作成や要約など一般的に誰もが行う作業を除いて計算すると、この数は43.5％に跳ね上がります。
- 横断率が最も高かったのは、カスタマーサポート（77％）、デザイン（75％）、人事（69％）、法務（56％）、マーケティング（53％）でした。
- 特に遠くまで移動するタスクは、財務計算やITのトラブルシューティングで、ほぼすべての職種で「専門外タスク」として出現しています。マーケティング素材の作成も広く活用されています。
- 小規模チームほどその傾向が強く、2〜5人のワークスペースでは18.9％の横断率を示しました（101人以上のチームは16.3％）。隣に専門家がいない環境では、問題に最も近い人物が対応します。欠けている部署の役割を、AIが代わりに担っているのです。
レポート自体が正直に付け加えている注意点もあります。これは「試行（ATTEMPTS）」を計測したものであり、実際の成果や品質を保証するものではありません。出力が本当に良かったのか、専門家がレビューしたのかは誰も検証していません。この点は、後述する「黄金律」を理解する上で非常に重要です。
日本企業の現場にとっての意味
欧米の職場は職務記述書（ジョブディスクリプション）に基づいており、 Narrowで専門特化型、「それは私の仕事ではありません」という姿勢が比較的多いです。一方、日本のメンバーシップ型雇用は異なります。ジェネラリストキャリア、部門間のローテーション、隣接する業務を学ぶことが前提とされています。つまり、OpenAIが米国のデータで測定した「専門化の逆転」現象は、日本企業が長年制度化してきたものと非常によく似ています。
これが日本の強みです。日本人の労働者は文化的にタスクの境界を越える訓練を受けています。AIによって変わるのは、仕事の品質のベースラインです。以前は他部門の業務を任されると、時間がかかり粗雑な仕上がりになりがちでした。しかし現在、契約書の要約、財務計算、マーケティング文案の一次ドラフトは、かつて専門部署に相談して初めて得られていた水準で出力されます。AIを味方につけたジェネラリストの能力は、劇的に向上しているのです。
ただ、日本でもおなじみのリスクもあります。それが無給の業務範囲の拡大（スコープクリープ）です。三人分の業務を吸収しながら評価されないという光景は、日本のオフィスでは決して珍しいものではありません。AIはそれを単に加速させているに過ぎません。搾取と昇進を分けるのは、その横断業務が「可視化され、評価されているか」かどうかです。
意図的に取り込んでおきたい「他職種タスク」5選
レポートで最も活用頻度が高かった横断ルート5つと、それぞれ使えるスタータープロンプトを紹介します。（プロンプトは英語で入力する方が精度が高いですが、最後は「日本語で回答してください」と指示すると安心です。）
- データ分析（営業ルート）。CRMからスプレッドシートをエクスポートし、以下を依頼します。「最も重要なパターン3つ」「前四半期と比較して最も数値が変化した項目とその理由」「アナリストが次に確認すべきポイント」を、各結論を裏付ける具体的な行番号も併せて提示してください。
- 一次ドラフトのデザイン。デザイナーを置き換えるのではなく、レイアウトのコンセプト、見出しの選択肢、そしてプロフェッショナルが必ず尋ねるであろう3つの質問を用意した状態でAIに依頼します。曖昧な指示ではなく、具体的な起点を作りましょう。
- 契約書の事前精査：
Read this contract: [paste]. In plain language:
1. Summarize what each party promises.
2. Flag the 5 clauses most worth a closer look (payment,
termination, liability, IP, non-compete) and say why.
3. List the questions I should ask a lawyer before signing.
Do not tell me it's fine to sign — that's not your call.
Answer in Japanese.
- ITのトラブルシューティング。エラーメッセージを貼り付け、「最も可能性が高い原因3つ、それぞれの安全な確認手順、そしてIT部門にエスカレーションする具体的な判断基準」を求めてください。
- 簡易財務チェック。利益率、損益分岐点、コスト構造を計算させます。必ず計算式や根拠の表示を求め、自分で検証できるようにしてください。
評価に結びつける3つの原則
第一に、意図的に選ぶことです。チームがいつもボトルネックになっているタスクを一つ選び、AIを使ってそれを「可視化された強み」にしてください。
第二に、成果を可視化することです。「3月から四半期レポートの一次分析を担当し、外部委託に要するX時間分を削減しました」——この一文は、評価面談で堂々と話すための素材です。沈黙するのではなく、口に出すのです。可視化された業務範囲は役割と昇給につながり、見えないままの業務範囲は、新しい形態の有給外残業に化けます。
第三、そして黄金律です。「検証する人が、最も安全である」。AIが出力した一次ドラフトと、専門家が仕上げた完成品の差こそが、専門家のキャリアの正体です。一次ドラフトは引き取り、最終的な責任は取りません。AI支援で計算した数値に誤りがあった際、「AIがやりました」は、誰も受け入れない防衛策になります。
このデータが示さないこと
このデータは、あなたが即座に「専門家」になることを意味していません。43.5％は試行回数を測ったものであり、品質を保証するものではありません。また、これだけで自動的に給与が上がるわけではありません。前述した「可視化」と「評価」の連携が不可欠です。さらに、この現象がすべての職種に均等に当てはまるわけでもありません。これは知識労働のデータであり、医師や弁護士、会計監査など資格が関わる専門職は、適切な理由を持って業務の境界線を変化させています。
自分の役割を段階的に広げ、AIのドラフトをいつ信頼して良いかを見極める判断力を養うために役立つのが、コースChatGPT仕事術です。最初の2レッスンは無料で公開されています。
