生成AIで職務境界はどう変わる？OpenAIの80万件超のメッセージ分析を読み解く

財務担当ではない社員が生成AIで計算案を作り、マーケティング担当者がシステム障害の原因を調べる。少人数の事務所では、このように従来は別の担当者へ依頼していた業務に着手する場面が生まれています。
そこで迷うのが、「どこまで本人に任せ、誰が内容を確認するのか」という線引きです。専門外の作業に着手できることと、正確な成果物を完成させられることは同じではありません。
本記事では、OpenAIによる80万件超の仕事関連メッセージの分析を読み解き、生成AIを使う業務を「準備・確認・承認」に分ける方法を整理します。

OpenAIの調査で分かった「職務横断利用」とは

分析対象は80万社ではなく、80万件超の仕事関連メッセージ

OpenAIは2026年7月27日、「How AI is expanding what people do at work」を公開しました。基礎となった報告書「Work at the Frontier: How AI is expanding what people do at work」では、米国ユーザーの個人用ChatGPTアカウントから抽出された、仕事関連と分類される80万件超のメッセージを分析しています。

ここで注意したいのは、「80万件」が企業数や利用者数、完了した業務数ではないことです。分析単位は、選択されたユーザーメッセージ1件です。分類時には、同じ会話内の先行メッセージが最大9件まで文脈として使われています。

対象となった職種群は、次の8つです。

• カスタマーエクスペリエンス
• デザイン
• エンジニアリング
• 財務
• 人事
• 法務
• マーケティング
• 営業

ユーザーの職種は、ChatGPT Businessへの登録時に自己申告されたDepartmentまたはRoleの情報から特定されています。職種情報を登録していない利用者や、単一の対象群へ対応づけられない利用者は分析から除外されました。したがって、この結果をあらゆる職種やChatGPT利用者全体の傾向として扱うことはできません。

分類の基準には、米国の職業情報データベースであるO*NETが使われました。O*NETは職種別のタスクや業務活動を整理しており、Detailed Work Activity（DWA）は具体的な業務活動を表す分類です。OpenAIは各メッセージを主な内容に最も近いDWAへ対応づけ、歴史的な職務の区分と照らして職務境界を分析しました。

16.8％と43.5％では分母が異なる

OpenAIは仕事関連メッセージを、次の3区分に分類しています。

一般的業務には、文章作成、要約、日程調整などが含まれます。表示値は丸められているため、合計は100％をわずかに超えます。

全仕事関連メッセージを分母にすると、他職種に関連する業務は16.8％でした。一方、一般的業務を除いた「職種固有メッセージ」だけを分母にすると、他職種に関連する業務の割合は43.5％です。

この2つの数値は、同じ対象を別の角度から集計したものですが、分母が異なります。43.5％を「全メッセージの43.5％」や「利用者の43.5％」と言い換えることはできません。また、いずれもAIを使って業務を完了できた割合ではありません。

職種固有メッセージに占める他職種業務の割合は、カスタマーエクスペリエンスで77％、デザインで75％、人事で69％、法務で56％、マーケティングで53％でした。ただし、これは各職種の正式な担当範囲が変わったことや、専門外の業務を正確に処理できたことを示す数値ではありません。

財務計算やシステム対応は複数の職種で観測された

報告書では、財務データの計算と、コンピューターアプリケーション・システムのトラブル対応が、それぞれ本来の職種以外の全7職種群で関連業務の上位3項目に入りました。

非財務職ユーザーによる財務関連メッセージのうち、9.8％は財務データの計算に関するものでした。また、非エンジニアリング職ユーザーによるエンジニアリング関連メッセージのうち、6.1％はコンピューターアプリケーションまたはシステムのトラブル対応に関するものでした。

マーケティング領域でも職務横断利用が見られます。非マーケティング職ユーザーによるマーケティング関連メッセージでは、販促物の開発が25％、マーケティング資料の作成が9.3％、マーケティング計画・戦略の策定が6.5％でした。

例えば、営業担当者が顧客データの分析を試みたり、マーケティング担当者がウェブサイトのトラブル対応について質問したりする状況です。ただし、これらはメッセージの内容として観測された例です。調査対象の全企業で同じ状況が起きたわけではなく、回答の正確性や問題解決の成否も確認されていません。

「少人数ほど職務を越える」と断定できない理由

比較されたのは従業員数ではなくワークスペース席数

メッセージ量が中間50％に当たる「典型的利用量」のユーザーでは、他職種業務に分類されたメッセージの割合が、2～5席のChatGPTワークスペースで18.9％、101席以上で16.3％でした。いずれも一般的業務を含む全仕事関連メッセージを分母とした数値であり、職種固有メッセージを分母とする43.5％とは直接比較できません。

2～5席と101席以上の差は約2.5ポイントです。2～5席を基準にすると、報告書では相対的に約13％の差と説明されています。

ただし、「ワークスペース席数」は会社全体の従業員数ではありません。会社の一部門だけがChatGPTを契約している場合もあれば、従業員数より少ない席数で運用している場合も考えられます。調査から、2～5席のワークスペースをそのまま小規模企業とみなすことはできません。

正確には、「典型的利用量のユーザーでは、少人数ワークスペースほど職務横断メッセージの割合が高かった」と表現する必要があります。

高頻度ユーザーでは一貫した傾向が確認されていない

メッセージ量が上位25％に当たる高頻度ユーザーでは、ワークスペース席数が増えるほど他職種業務の割合が一貫して下がる傾向は確認されませんでした。

また、今回の結果は記述的な相関です。ワークスペース席数が少ないことや生成AIの利用が、職務横断を引き起こしたという因果関係を示すものではありません。

ワークスペース席数は、専門分化の程度、業種、職種、組織の成熟度、同僚や専門担当者へのアクセスなど、複数の要因を間接的に表している可能性があります。しかし、どの要因が結果に影響したかは調査から特定できません。

日本の中小企業への適用には追加検証が必要

調査対象は米国ユーザーであり、日本企業や日本固有の資格業務は対象外です。対象ユーザー数や企業数、業種構成、各社の従業員数、職種群別の標本数、推定値の信頼区間も公表資料からは確認できません。

そのため、16.8％や43.5％といった数値を、日本の中小企業、行政書士事務所、中小企業診断士の支援先へそのまま当てはめることは適切ではありません。

一方、専任部署が限られる組織において、担当者が生成AIを介して周辺業務へ着手する可能性を点検する材料にはなります。編集部では、今回の調査を日本企業の実態を示す統計ではなく、自社の業務分担や確認手順を見直すための仮説として使うことが現実的だと考えます。

職務横断利用と「業務を完了できること」は別である

調査で測定されていない項目

今回の調査では、ChatGPT上でどのような仕事関連メッセージが送られたかを分析しています。次の項目は測定されていません。

• AIの出力が実際の業務で採用されたか
• 出力や最終成果物が正確だったか
• 作業時間や費用がどの程度減ったか
• 生産性が向上したか
• 利用者がAIなしでも業務を完了できたか
• 専門家や管理者が内容を確認したか
• 職務記述や正式な担当範囲が変更されたか

したがって、職務横断メッセージが多いことを根拠に、「生成AIによって人員を削減できる」「外注が不要になる」「非専門職だけで業務を完結できる」と結論づけることはできません。

生成AIへの相談が増えていても、回答が採用されず、専門担当者が最初からやり直している可能性もあります。反対に、事前整理が役立ち、確認の往復が減っている可能性も考えられます。どちらであるかは、各組織が実際の業務記録を取らなければ判断できません。

専門外の草案作成と専門判断を混同しない

生成AIを使うと、担当者は専門外の業務についても下調べや草案作成を始めやすくなります。しかし、着手できる工程と、専門的な判断を伴う工程は分けて考える必要があります。

例えば、行政書士へ相談する前に、申請の目的、現在の状況、保有資料、未確認事項をAIで整理することは検討できます。一方、個別案件の要件該当性や提出内容の最終判断まで、AI出力だけで完結できるとの根拠はありません。

同様に、財務データの整形と計算案の作成、労務相談の経緯整理、契約に関する質問事項の抽出、登記相談に必要な資料の一覧化は、専門家へ渡す前の準備になり得ます。ただし、税務、労務、法務、許認可、登記などの個別判断は、必要に応じて資格者や権限を持つ担当者へ確認する必要があります。具体的な資格業務や日本法上の業務範囲は、本調査では検証されていません。

システム対応についても同じです。エラーメッセージや発生条件を整理する工程と、本番環境の設定やデータを変更する工程ではリスクが異なります。変更権限を持つ技術担当者が、安全性や影響範囲を確認する手順が必要です。

職域拡大が担当者の負担増加につながる可能性

生成AIで対応できる作業が増えると、担当者の職域を広げたくなるかもしれません。しかし、従来の担当業務に加えて、専門外の情報収集、出力の検証、他部署との調整まで求めれば、担当者の負担が増える可能性があります。

特に危険なのは、「AIがあるから担当できるはず」と考え、訓練や相談先を用意しないまま責任だけを広げることです。職務横断利用を認める場合は、対応してよい範囲だけでなく、対応しない範囲、確認を求める条件、判断に迷ったときの相談先も決める必要があります。

生成AIを使う業務は「準備・確認・承認」に分ける

報告書は、AIによって専門外の業務を試みやすくなっても、専門家による高度な判断やレビューが引き続き重要になり得ると指摘しています。また、専門外のAI支援業務を評価するための訓練と、明確なレビュー・責任分担の手順が必要になる可能性にも触れています。

編集部では、この示唆を実務へ落とし込む方法として、業務を「AIによる準備」「担当者や専門家による確認」「権限者による承認」の3段階に分けることを提案します。

第1段階：AI利用者が下調べ・草案・整理を行う

最初の段階では、AI利用者が判断材料を準備します。対象として検討しやすいのは、次のような作業です。

• 文書、社内案内、説明資料の初稿を作る
• 原資料を要約し、論点や質問事項を整理する
• データを整形し、計算案や確認項目を抽出する
• 問い合わせ内容や障害の発生状況を整理する
• 販促物やマーケティング資料の草案を作る
• 専門家へ相談するために経緯や資料を一覧化する

この段階では、AI出力を完成品と扱わないことが重要です。使用した原資料、入力条件、AIが作成した箇所、分からなかった点を残し、次の確認者が検証できる状態にします。

顧客情報、従業員情報、財務情報、契約情報などを入力する場合は、利用するサービスの条件と組織の情報管理ルールを先に確認します。入力してよい情報か判断できない場合は、匿名化や情報の省略を検討し、組織内の情報管理責任者へ確認します。

第2段階：担当部署または外部専門家が確認する

確認者は、AIがもっともらしい文章を作れているかではなく、業務上必要な条件を満たしているかを点検します。

具体的には、次の項目を確認します。

• 原資料と出力内容が一致しているか
• 入力条件や計算式が適切か
• 重要な情報や例外条件が欠けていないか
• 法令、資格業務、社内規程との整合が取れているか
• 技術上またはセキュリティ上の問題がないか
• AIが作成した箇所と担当者が確認した箇所を区別できるか
• 未確認事項が明示されているか

中小企業診断士が導入支援を行う場合、生成AIの操作方法だけでなく、「どの条件になったら財務担当、技術担当、経営者、外部専門家へ渡すか」を業務フローに書き込む支援が考えられます。

第3段階：権限を持つ責任者が最終承認する

提出、公開、契約、支払い、システム変更などの実行前には、その行為について権限を持つ責任者が最終判断します。

承認時には、少なくとも作成者、確認者、承認者を記録します。誤りが判明したときに、誰が利用を停止し、どの原資料へ戻って修正するのかも決めておくと、責任の所在が曖昧になりにくくなります。

すべての業務に同じ重さの三段階を設ける必要はありません。社内会議の議題案と、行政機関へ提出する文書では、求められる確認水準が異なります。対外的な影響、法令・契約との関係、金額、機密性、システムへの影響を基準に、確認者と承認者を設定します。

自社の職務横断利用を小さく棚卸しする方法

生成AIの利用を3区分で整理する

まず、直近1～2週間の生成AI利用履歴や業務日報を確認し、利用事例を次の3区分へ整理します。

1. 複数職種に共通する一般的業務
2. 本人の担当職種内の業務
3. 他職種にまたがる業務

一般的業務は、文章の整形や要約などです。担当職種内の業務には、自分の担当領域に関する資料作成や分析が該当します。他職種にまたがる業務は、営業担当者による財務計算案の作成や、総務担当者によるシステム障害の切り分けなどが例になります。

他職種にまたがる事例については、「何に使ったか」だけで終わらせず、入力した情報、出力の利用先、確認者、最終判断者まで記録します。確認者が空欄の事例は、業務境界より先にレビュー手順を見直す候補です。

引き継ぎ時に残す8項目

AIで準備した成果物を担当部署や外部専門家へ渡す際は、次の8項目を添えると確認範囲を共有しやすくなります。

1. 依頼の目的
2. 使用した原資料
3. AIへの主な入力条件
4. AIが作成した箇所
5. 担当者が確認した箇所
6. 未確認事項
7. 専門家に判断を求める事項
8. 最終承認者

例えば、許認可に関する相談準備であれば、「制度上の要件は未確認」「顧客から受領した資料名のみ整理済み」「個別案件への適用可否を行政書士へ確認したい」と記載します。確認済みの部分と判断を求める部分を分けることで、AI利用者と専門担当者の責任範囲が見えやすくなります。

小規模な試行で測定する指標

最初から全社へ展開するのではなく、文書の初稿、情報整理、問い合わせの切り分けなど、最終確認者が明確な業務を1つ選んで試行します。

試行前後では、次の指標を記録します。

• 作業時間
• 修正回数
• 誤りや不足の件数
• 専門家や管理者の確認時間
• 出力を採用できたか
• 担当者の追加負担

作業者の時間が減っても、確認者の修正時間が大幅に増えていれば、業務全体として有用とは限りません。反対に、初稿作成の時間があまり変わらなくても、必要資料や未確認事項が整理され、専門家との往復が減る場合も考えられます。

今回のOpenAI調査は、時間短縮、品質、生産性、費用削減を測定していません。自社で導入可否を判断するときは、調査の数値ではなく、自社の試行記録を根拠にする必要があります。

まとめ

OpenAIの調査では、米国ユーザーによる全仕事関連メッセージの16.8％が他職種に関連する業務へ分類されました。一般的業務を除く職種固有メッセージを分母にすると、その割合は43.5％です。ただし、これらは利用者や完了業務の割合ではなく、生成AIが職務変更や生産性向上を引き起こしたことを示す数値でもありません。

典型的利用量のユーザーでは、2～5席のワークスペースで職務横断メッセージの割合が18.9％、101席以上では16.3％でした。しかし、席数は会社の従業員数ではなく、高頻度ユーザーでは一貫した傾向も確認されていません。「小規模企業ほど職務境界を越える」と一般化しないことが重要です。

実務で必要なのは、担当者の職域を無条件に広げることではありません。AI利用者が下調べや草案を作る「準備」、担当部署や専門家が内容を検証する「確認」、権限を持つ責任者が利用を決める「承認」の境界を明確にすることです。

今日からできる行動として、直近1～2週間の生成AI利用から「他職種にまたがる業務」を3件選んでください。各事例について、利用履歴や業務日報を見ながら、原資料、AIが作成した箇所、未確認事項、確認者、最終承認者を記入します。確認者または承認者が決まっていない事例があれば、その業務を次回使う前に、誰へ渡し、何を基準に確認するかを業務手順へ追加しましょう。

出典一覧

1. OpenAI「How AI is expanding what people do at work」（2026-07-27）
2. OpenAI「Work at the Frontier: How AI is expanding what people do at work」（2026-07）
3. O*NET Resource Center「O*NET Database」（確認日：2026-07-31）

この記事はAIが生成し、編集長のチェックを受けて公開しています。