AIが日々進化し、仕事の中でも当たり前のように使われるようになったことで、仕事への意識や幸福感にはどのような変化が生まれているのでしょうか。その実態を明らかにするため、NECでは企業・団体で働く人へアンケート調査を実施しました。対象は、従業員数50名以上、年間売上高10億円以上の企業・団体に所属する22歳から59歳の男女513名です。業務におけるAIの活用状況や、組織としての導入・ルール整備の実態、AI活用による幸福感の変化、AI時代の働きかたなどを調査し、「働く人のAIとウェルビーイングに関する意識調査」として2026年10月20日に公開しました。

　本連載ではその調査結果を踏まえて、AIと共に生きるこれからの社会で、人がより自分らしく豊かに働いていくためのヒントを、5人の有識者へのインタビューを通じて探ります。

　今回お話を聞いたのは、これまでに570社以上の経営やマーケティング支援を手がけてきた西口一希氏です。AI時代における人間とAIの役割分担や「問いを立てる力」、そして主体性を持ってAIと協働するための「高い視座」についてお聞きしました。

1.歓喜か絶望か。　—AI普及がもたらす光と影

─AIというIQ150で体力無限の部下たちをどう扱うか

──今回の調査では、AIによる「業務の効率や成果」への満足が66.9％である一方、「働く幸福感・充実感」を感じる人は49.7％でした（図1参照）。経営とマーケティング支援において多数のご相談を受けてこられた西口さんから見て、この隔たりを、どのように受け止めていますか。

　これまで約9年間にわたり570社以上の経営やマーケティング支援を続けてきた中で、私自身、AIが普及していく圧倒的なスピード感を日々実感しています。最高モデルのClaudeやGPT、Geminiを使い分け、毎日平均5時間以上生成AIを活用していますが、その進化のスピードには日々圧倒されるばかりです。現場で触れている範囲でさえその進化は目覚ましく、開発側のスピード感を含めれば「驚愕」以外の何ものでもありません。この状況に対して私が抱く思いを一言で表すなら、「驚愕するほどの歓喜と絶望」です。月3〜4万円程度でIQ150相当の部下を従えられる環境は、純粋な「歓喜」と言えます。彼らの体力は無限であり、むしろ指示やレビューを行う人間側がボトルネックになるほどです。誰もがこの無限の力を手にできる時代になり、善用・悪用を含めた活用の可能性は無限に広がっています。

　一方で、特定の分野において人間の出る幕が急速になくなりつつある現実は、大きな「絶望」ともいえるでしょう。従来人間が担い、そこに喜びを感じていた領域がAIに代替されていく様は、視点によってはディストピアと捉えることもできます。

　ただ、AIによって作業から解放された分、自分自身の身体・時間・思考力を「どの領域に注ぐか」へとシフトできる点は、非常に大きなチャンスにもなり得ます。置かれた状況をどう捉えるかによって、絶望は歓喜へと変わり得るからこそ、この両側面を理解した上で主体的にAIを活用していく姿勢が求められているのではないでしょうか。

2.「0→1」は人間、「10→∞」はAIへ　—N1分析から紐解く人間の価値

─個の洞察から拡げる「N1分析」と帰納的思考の実践

──今、人間の出る幕がないというお話もありましたが、AIと人間の分業についてどのようにお考えでしょうか。西口さんが提唱されている「N1分析＝実際の一人のN1が持つ矛盾だらけの本音を掘り下げていく行為」の観点から、お聞かせください。

　そもそも「N1」という考え方は、本来AIとは無関係に生まれた顧客理解の手法です。一般的な経営やマーケティングでは、市場やマスといった定量的なくくりでターゲットを設定するため、クライアントや顧客を集団の「塊」として捉えがちです。しかし、事業をゼロから立ち上げる際、創業者は最初のお客様の存在を決して忘れることはありません。

　例えばソニーの創業期も、最初は中古ラジオの修理から始まり、その後の電気炊飯器の開発は非常に苦戦しました。しかし、次に開発した速記録音機が、裁判の速記など特定の深いニーズを持つ人々に強く刺さったことで、初めて真の顧客が見つかったのです。これこそがN1の発想と言えます。

　ビジネスにおいて、自社プロダクトを圧倒的に支持してくれる特定の顧客（N1）が見つかれば、あとは「同様の悩みやニーズを持つ人々が他にどのくらい存在するのか」を検証するフェーズへと移行します。個の深い観察からスタートし、そこから全体像を探っていくこの「帰納法的なアプローチ」こそが、すべての商売の原点なのです。

─解像度を高める顧客理解と、宴会の店選びの共通点

　一方で、世の中の多くの経営やマーケティングは、一定規模へ成長した後の「10→∞」を対象としていることが多いように思われます。つまり、従業員を増やし、営業拠点を広げ、海外進出や商品数の拡充、事業の拡大を目指す中で、企業は「費用を投入してより多くの顧客に売る」というマス的・拡大志向の発想に傾斜していく流れにあるということです。N1が「0→1」で帰納法的アプローチだとするなら、この「10→∞」のフェーズは市場全体を定義した上で不特定多数をセグメントに分解していく「演繹法的アプローチ」です。しかし、BtoB・BtoCを問わず、どこまでいっても購買を決めるのは常に「個人の人間」です。市場を大枠から分解し、ニーズを平均化してしまうと、顧客理解の解像度が薄まってしまうことになりかねません。

　これは「忘年会の店選び」で考えてみるとわかりやすいと思います。100人規模の宴会では当たり障りのない居酒屋が選ばれがちなのに対し、3人の会食であれば個人の嗜好や事情に合わせた最適なお店を選択できるのと同じです。大枠から分解する演繹的発想では平均値しか見えませんが、特定の1人を深く理解するN1発想があって初めて、真に価値ある提案が可能となります。

─マーケティングの歴史的偏重とイノベーションのジレンマ

　昔からビジネスの基本は、「顧客や現場、現実・現物からスタートせよ」と言われてきたものの、1970年代以降に体系化・形式知化されたマーケティングは、産業革命以降の広域販売（隣町、隣国、地球の裏側への拡大）の歴史と連動しており、本質的には「既に売れている仕組みをさらに拡大させる手法」として発展してきました。

　その結果、最も重要な「創業時に事業がどう立ち上がったか」という「0→1」のノウハウは言語化・形式知化されず、創業者の暗黙知にとどまり続けました。一方で、損益分岐点を超えて事業を利益化する「1→10」や、規模を世界へ拡張する「10→∞」の領域ばかりが形式知化され、書籍やセミナーで流通するようになったのです。

　この知識体系の偏りが、企業における「イノベーションのジレンマ」を引き起こします。本来「0→1」であるべき新規事業の立ち上げにおいて、社内に創業時の志や体験・ノウハウを持った人がいないため、初日から「10→∞」の評価軸である「本当に儲かるのか」という問いを無意識に投げかけてしまい、革新的な事業の芽を自ら摘んでしまうことになるのです。

─日本企業のDX・AI活用を阻む2つの構造的要因

　AIが台頭する時代において、まず自動化・省人化されるのは、すでに形式知化・データ化された領域です。ヒット商品、市場トレンド、出版物や事例データなど、世に出ている大量の情報はAIが一瞬で網羅・処理するため、「10→∞」の拡大フェーズにおいてAIは圧倒的な威力を発揮します。一方、個人の心の内実や特殊な事例、言葉になっていない潜在ニーズといった「暗黙知」や「未統合のデータ」を読み解くことはAIにはできません。だからこそ、そうした非データ化領域を洞察し、事業の種を見出す「N1」のアプローチにこそ、人間が担うべき相対的な価値が存在するのです。なお、現状でAI活用が期待ほど成果を上げられない背景には、DXの停滞と同じ2つの構造的問題があります。

　第一に、「データ基盤の未整備」です。資材調達、生産計画（PSI）、営業売上、財務経理、マーケティング投資といった各種データがデジタル化されていないか、あるいは部門ごとに分断されて統合されていません。第二に、「事業目的の不定義と部門最適の壁」です。全社的な事業目的（どの顧客にどんな独自の便益を届けるか）が曖昧なため、各部門がCPAの低減や処理速度向上といった目先の個別最適にAIを使ってしまい、企業全体の競争力強化につながっていないのが実情です。

3.なぜオーナー企業はAIトランスフォーメーション（AX）に強いのか？「問い」の経営実装に必要なこと

─大企業ではなく、オーナー企業でイノベーションが起きやすい理由

──「DXやデジタル化は手段であって、目的が定まっていないからできない。目的に対して、組織や基盤がきちんと動いていないからできない」という話は非常に共感するところです。

　これまで経営支援を行う中で気づいたことがひとつあります。それは、私が今までお会いしてきた中では、DXやAI活用で成功している企業はオーナー企業が多いということ。活用がうまくいかない最大の理由は、経営トップの当事者意識と関与の不足にあります。現場の中間層に委ねたり、安易に「AI担当」を設置して任せきりにしたりする体制では、経営目的そのものが形骸化してしまいます。実際、変革に成功している企業の多くはオーナー経営者であり、数年で交代するサラリーマン経営者の下では推進が停滞しやすい傾向にあります。

　一方で、非オーナーでありながら優れた成果を上げている経営者、例えば商社などで手腕を振るうリーダーも存在します。そうした人々に共通する仮説として、若手時代からPL（損益計算書）、BS（貸借対照表）、キャッシュフローの財務3点セットを自らの責任として直視してきた経験が挙げられます。事業の全責任を自分ごととして捉えているからこそ、リスクに敏感であり、好機を見逃さず過敢に投資できます。投資家からの短期的な要求に応えつつも、短期と長期の双方で納得のいく財務成果を自ら語り、責任を持って仕事を組み立てられるかどうかが、30年以上の実務経験から見えてきた「大きな成果の差」を生み出す根本的な要因なのです。

─AI時代の経営変革と全社データ戦略

──今後、我々も含めて日本企業は、DXと同じ道をたどらないようにすべきだと考えていますが、5年、10年というスパンでAIの進化が待ってくれるわけではありません。このAI時代において経営者・従業員はどう変わるべきか、そのポイントについて教えていただけますか。

　経営者と従業員では、直面する問いや出すべき答えが本質的に異なります。特に経営領域においては、何を優先すべきかという意志決定の根幹をAIが強力に支援できる段階に達しています。自社の財務データや事業実績、社内報告などを統合してAIに入力すれば、経営者がすべての細部を把握していなくても、「どの事業を守り、どの分野から撤退すべきか」といった仮説を即座に抽出可能です。その上で「強化・継続すべきもの」と「終了・新設すべきもの」を仕分けし、人間が議論を重ねて判断を下すプロセスは、AIダッシュボードなどを活用して今すぐ実行できます。

　優れたオーナー経営者は、AIの有無にかかわらず、この選択と集中のプロセスを脳内で24時間365日回し続けています。環境が目まぐるしく変化する中で長期的生存を果たすため、常にアンテナを張り、得られたインプットをもとに「やること・やめること」の選択肢を刻々と更新しているのです。この思考プロセスはAIの仕組みそのものであり、鍵となるのは「AIに正しく判断させ得る情報やデータを提示できるか」という点にあります。

──そうなるとやはり、AI活用の前提としては大胆に投入できるデータを入れられるか、そのデータを整理できるかがポイントになりますか？

　AI導入の第一ステップとして、セキュリティや情報漏洩のリスクを懸念する声は根強く存在します。そのため、大企業（エンタープライズ）を中心に完全分離された社内専用サーバーで運用するケースが増えており、今後はローカル環境ベースでより軽快かつ安全に扱える技術も普及していくでしょう。しかし、リスクを理由に全面排除するのではなく、AIを活用するならば全社戦略として思い切って舵を切るべきです。各部署が個別最適のまま場当たり的に使っていては、トークンコストがかさむ上に無駄な業務を増やす結果に終わります。

　欧米企業、例えばP&Gのような先進企業の動きは極めて迅速です。彼らは1980年代以前からファクトとエビデンス、そしてデータを徹底的に重視する文化を醸成し、全社員が最終的な利益（PL）まで意識して行動してきた背景があります。だからこそ、70期連続増配という実績を残しつつ、AIとの高い親和性を発揮できているのです。データに基づく経営基盤を構築し全社で活用する姿勢は、今後あらゆる企業が目指すべき必須のアプローチと言えます。

─F1マシンに学ぶ人間ならではの勘所とビジネス構造の把握

　経営層がなすべき最も重要な役割は、自社ビジネスの構造を理解し、「何を目的に、どのような仕組みで売上と利益を生み出しているのか」を完全に把握することです。その上で初めて、正しい経営判断ができます。ビジネスにおける意思決定プロセスには以下の階層が存在します。 第一に「実現したい目的と社会的意義の設定」、第二に「課題を特定する問いの設定」、第三に「何を選び何を捨てるかという優先順位」、第四に「結果を可視化する評価基準」、第五に「人への負荷や法令を守る倫理観と制約条件」、第六に「現実での実行と検証」、そして最後に「結果に対する最終責任を引き受ける意思決定」です。AIが読み取れない顧客の深層心理や複雑な現場の文脈に軸足を置き、構造を理解した上で仮説を検証し、最終的な結果責任を負うこと。これこそが、人間に求められる本質的な役割ではないでしょうか。

　これは「F1マシンの構造理解」に例えるとわかりやすいかもしれません。F1マシンの設計をAIに依頼したと仮定しましょう。エンジン、タイヤ、シャーシ、ハンドル、コックピットなど無数の部品が複雑に絡み合う構造データをすべて入力すれば、AIは優れた設計案を「理論上」は提示できます。しかし、「スピード向上」や「コーナーでの安定性」といった目的を定義し、「その上で、サスペンションの構造をどう変えるべきか」という見立てや判断力は、人間側でしかできません。「何かを改善して」のような漠然としたプロンプトを投げかけてもAIは機能しませんが、「スピードを保ちながらコーナリングを安定させる構造や力学」などを理解した上で背景データを具体的に与えれば、精度の高い解決策を導き出すことができるかもしれません。「構造を深く理解して最適解を出す」という意味では、ビジネスもモノづくりも、根本的には同じではないでしょうか。

─問いを立てることは、構造と仕組みを理解することから。

──顧客の深層心理や本音、感情的な部分を暗黙知、あるいは定性化されたものとして捉え、しっかり形式知化してAIに渡せるようにすることが、まずインプット面で必要だということですね。そのうえで、プロセスの中では修正や問いを立てること、最後のアウトプットでは責任をもって何をするか決断することが、人間に求められる役割だと理解しました。

　AI時代に必要な能力としてもう一つ入れておきたいのは、「問いを立てる能力」です。AIを使っている方をたくさん見ていますが、意外と問いを立てられないことが多いように思います。「売上を20％アップするにはどうしたらいいか」というのは問いではありません。もともとの目的に対して、今のビジネスがどうなっていて、構造的な理解や仕組みのどこに機会があるのか、どこに問題やボトルネックがあるのか、それをどう解決するのか。それが問いの本質です。目的と、目的に対してどういうビジネスをしているかという構造と仕組みの理解がなければ、問いは立てられません。例えば、家族全員が50年間幸せに生きていくことを目的にした場合、それぞれの家族の特性、病気の有無、性格などを理解していなければ、自分が何をすべきかという問いは立てられません。構造や解像度が高いほど、問いは立てやすくなります。

4.AI時代を生き抜く「一つ上の視座」と主体性の回復

─便利さと引き換えに、人がAIに「従う側」になる危うさ

──AI時代を生き抜くためには、ウェルビーイングの観点がより重要になってくると思います。働く人の観点からみたAI時代のウェルビーイングについて大切なこととはどんなことでしょうか？

　AIによって経営や事業運営の高度化が進むのは確かです。一方で、AIに任せられることが増えるほど、人間側に新たな課題が生まれるのも事実です。今回の調査では、「AIを5〜10年使い続けることで、記憶力・批判的思考力・問題解決能力が低下すると思う」と回答した割合が3割を超えています。この結果は、利便性の裏にある「自身の能力低下に対する強い懸念」を物語っています。

　ウェルビーイングという点で言うと、これは心理学における「自己決定理論」の話だと思います。自己決定理論では、人間が自発的かつ健全に生きる上で不可欠な要素として「3つの基本欲求」を定義しています。1つ目は自らの意思で選択・決定する「自律性」、2つ目は能力を発揮して成長を実感する「有能感」、3つ目は周囲とつながり他者に貢献していると感じられる「関係性」です。

　しかし現代において、AIの急激な台頭はこれら3つの欲求を脅かしています。なぜなら、今の仕事の多くは作業であり、AIに代替されないことをしている人は少数だからです。AIに作業を任せると、これまで自分の意思でやっていると思っていたことがなくなり、自分が磨いてきたスキルによる成長感も失われる。さらに「あの人に頼めばやってくれる」という存在感も、AIが全部やってしまえば失われます。見方を変えると、主従が逆転するんです。AIの能力があまりにも高く、AIが出したものをそのまま受け入れると、AIが主で人間が従となり、人間がAIの言うことを実行する立場になる。これはディストピアですよね。『1984』や『マトリックス』のように、AIが支配し、人間が従属する関係になってしまう。特に個別最適でAIを使っている人は、そちらに向かいやすいと思います。

─ 一つ上の視座を持つ重要性

　だからこそ、何の目的でやっているのかを一段上げて考える必要があります。自分の視座を上長や経営のレベルに上げ、その目的に対してどんな構造があり、どこに問題があるのかを考え、問いを立てる。間違っていてもいいのです。それをAIに聞くことはAI自身にはできないため、ここでは人間が主であり、主体になれます。逆に、単に「このデータを全部自動化してください」と頼むだけだと、その時点で主がなくなります。問いが解決され、毎日やっておきます、レポートも出しておきます、という関係になる。完全に従です。この位置に行くと、ウェルビーイングは大きく損なわれる可能性があると思います。

　では、私たちはどのようにして主体性を取り戻すべきでしょうか。私自身の以前いた消費財メーカーでの実体験が一つのヒントを与えてくれます。入社した当時、2ヶ月ごとに届く分厚い市場調査データをパソコンへ手入力する作業に丸2日を費やしていました。入力の早さを競う日々に疑問を感じ、上司に「これは人間の仕事ではない」と訴えたところ、やがてデータが電子媒体で納品されるようになり、長時間の入力作業は一瞬で消滅。作業から解放されたことで、私は本来行うべきデータ分析へ没頭できるようになったのです。相関関係の検証や潜在的な売上規模（サイズ・オブ・プライズ）の算出を行い、無数のデータの中から「どの課題が最も重要で、すぐに売上につながるか」を自ら判断して上司に提案する。この思考のプロセスに大きな充実感を覚え、マーケターとしての主体性を確立できたのです。もし集計結果をそのまま渡すだけなら、単なる作業員として淘汰されていたでしょう。

　現在、AIの進化によって当時と同じ構造の変化が急速に起こっています。作業が自動化された際、ただ出力結果に従うのか、それとも創出された時間で本質的な分析や意思決定に挑むのか。手入力が消えた時代に分析で主体性を取り戻したように、AI時代においても自ら問いを立て、思考の主体を手放さない姿勢こそがビジネスにおける真の価値を生み出すのだと思います。

─AIに代替されない「大寺院を作る」思考法

──今回の調査外の話でも、空いた時間に同じ作業を増やされるだけで、仕事が増えただけだという人も結構いました。そういう人は別に幸せではないし、給料も変わらない。結局、その中で自分が何をするかという決定権、主体を取り戻せるかどうかで変わってくるのだと思います。

　ピーター・ドラッカーの『現代の経営』で書かれていた「石切り職人の寓話」が、例えとしてはわかりやすいかもしれません。石切り職人に「何をしているのか」と聞くと、3つの答えがある。一人目は「石を切っています。食べるためです」と答える。二人目は「世界一、あるいはこの国一番の石切りの技術を磨いています」と答える。三人目は「大寺院を作るために石を切っています」と答える。モチベーションが最も高いのは当然、最後の三人目です。これは、自分がやっていることが何につながるかという目的意識と、全体の構造や仕組みを理解しているからです。だから楽しい。

　一人目の「食べるためにやっています」という人は、どんな世界でも必ず発生します。お金をもらえれば何でもやりますという生き方自体が悪いわけではありませんが、これは主従の関係で言うと従です。二人目の人は自己研鑽が目的になっていて、それはそれで楽しいのですが、経営にとってはリスクでもあります。組織を大きくし、いろいろな機能に分け、それぞれにKPIと専門性を持たせると、この二番目の人が増えます。AI時代に必要なのは、まさにこの三人目の視座です。自分でその視座を持とうとし、上長の視界に入り、構造と仕組みを理解したうえで問いを立てようとする努力が必要です。経営レベルの人たちは、従業員の皆さんにこの視座を持ってもらうようにビジョニングしていかなければならないと思います。AIのプロンプトを覚えたとか、最速でデータを分析する技術があるとか、そういうものは石切りの技術を磨いているだけに近い。たくさんありますし、私もやっていますが、それは多分いずれ消えると思います。なぜなら、プロンプトの書き方100選のように形式知化されたものは、AIに入れれば全部やってくれるようなるからです。理解しておくことは必要です。ただ、理解もせずに、「どうせAIが全部やるから勉強するのをやめよう」と思う人が増えるのは良くない。構造も仕組みもわからないままでは、AIに対して従になってしまいます。ビジネスの観点で言うと、そういう人たちを社内にたくさん置いておく余裕はいずれなくなると思います。AIがここまで発達すると、DXと違って、利益やキャッシュフローを圧倒的に最大化できます。無駄を省けるからです。投資家もそこに気づき始めています。AI導入率、AI活用率、AIによるリターンはどうなっているのかと問い始めている。そうなると、「食べるためだけで何でもやります」という人たちは、これまでは置いておけたかもしれませんが、これからは人員削減でカットされるようになるかもしれません。二番目の技術志向の人たちも機械などに代替される可能性があるため、立場が危うくなっていきます。だから全員が三番目の視座に上がっていく必要があります。三番目に上がれる人は少ないのではないかと思うかもしれませんが、そこに上がれば新しい事業が増えるはずです。社内でこの流れが出てくる企業は、事業が広がり、イノベーションのジレンマを乗り越え、大きな企業でも新しいサービスやプロダクトを作っていけるのではないか。これが現時点での私の整理です。

企画・制作・編集：
NEC ブランドエクイティマネジメント室（鈴木章太郎、若山拓巳）、コーポレートブランド＆エクスペリエンス統括部（浅井恵美、権田麻実）