「AIを入れたら人は要らない」は間違いだった——Fordが350人のベテランを再登用した理由と、中小企業が今設計すべき「人とAIの役割分担」

2026-07-01 2026-07-01

phenogen

公開日： 2026年06月29日
カテゴリ： AI人材・組織

この記事の要点

AIを導入しても、人の役割はなくならない。むしろ「より高度な判断を求められる役割」に変わる
Fordは350人のベテラン技術者を再登用し、AIを人の知見で「再教育する」体制に転換した
中小企業でも同じことが起きる。AI導入後に「誰が判断するか」を決めていない会社は成果が出ない
「人とAIの役割分担」を先に設計してからツールを選ぶ順番が、AI活用を定着させる
「フィノジェン式・人とAI役割分担チェック」で自社の現在地を5分で確認できる

「AIを入れれば、人の手は要らなくなる」——この前提が、2026年6月に世界最大級の自動車メーカーFordの意思決定によって覆された。

Fordは品質管理の現場でAIや自動化システムを積極的に導入していた。しかし期待していた品質水準には届かず、同社は元社員を含むベテラン技術者350人を再び現場に投入する決断を下した。注目すべきは「AIをやめた」のではないという点だ。Fordが選んだ方向は、人の現場知識でAIを再学習・再設計するというものだった。

「AIか人か」ではなく、「AIと人をどう組み合わせるか」——この問いが、今すべての会社に突きつけられている。

この記事は、AIツールの導入を検討中、または導入したものの「思ったより使えていない」と感じている中小企業の経営者・推進担当者の方に向けて書きました。専門知識は不要です。自社で今日から動ける内容だけをお伝えします。

この記事で解決すること

AIを入れた後に「結局、誰が何をするのか」が決まっていない状態を整理できる
「人の役割をどう再定義するか」の考え方と、具体的な手順がわかる
自社の「人とAIの役割分担」が今どの段階にあるかを自己診断できる

ステップ1：「AIに任せる仕事」と「人が判断する仕事」を棚卸しする

（所要時間：約20分）

最初にやるべきことは、ツールを選ぶことでも、試しに使ってみることでもありません。「うちの仕事の中で、AIに任せていい部分はどこか」を可視化することです。

やり方はシンプルです。

普段の業務を思い浮かべながら、「毎日繰り返しているルーティン作業」を5〜10個書き出す
それぞれに対して「これはパターンが決まっているか？」を問いかける（業務カテゴリーやタスク、作業、工数、頻度、属人性など項目を設けるとベスト）
パターンが決まっているものは「AIに任せる候補」、例外や判断が必要なものは「人が関わる仕事」に仕分ける

たとえば、「競合調査」はパターン化しやすい。一方、「お客さんの要望をくみ取って提案内容を決める」は人の判断が必要な仕事です。

この仕分けがなければ、AIツールを使い始めても「何をどこまで任せていいかわからない」まま止まってしまいます。Fordの事例でも、AIが苦手だったのは「現場の経験則に基づく例外処理」でした。それはどの会社でも同じです。

フィノジェン現場から
「まずツールを入れてみよう」という順番で動いた会社では、数ヶ月後に「結局、誰が確認するか決まっていなかった」という声をよく聞きます。先に仕事の仕分けをしておくだけで、その後の定着度が大きく変わります。

ステップ2：「AI担当者」ではなく「AI接点を持つ人」を業務ごとに決める

（所要時間：約30分）

「AI推進担当者を1人置く」という発想は、規模の大きい会社ならともかく、中小企業では機能しにくいことが多い。現実的なのは、「この業務のAI結果を各々が判断できるようになる」ことです。

手順はこうです。

ステップ1で「AIに任せる候補」になった業務を1つ選ぶ
その業務のアウトプットを「最終的に確認・判断する人」を1人決める
その人が「AIの出力が使えるかどうかをどう判断するか」の基準を、一言でいいので書いておく

たとえば「AIが作った議事録の下書き」を確認する担当者を決め、「事実と異なる部分が1カ所でもあれば修正する」というルールを設ける。これだけで、「AIに任せたけど誰も確認していなかった」という状態を防げます。

Fordの再登用したベテラン技術者が担った役割も、同じ構造です。AIの出力を見て「これは正しいか」「どこを修正すべきか」を判断できる人を、業務の傍に置いた。中小企業でも、その発想は使えます。

AIを入れる前に「うちの仕事を言葉にする」ことが最初の壁——中小企業がAI導入で失敗しない準備の3ステップもあわせてご覧ください。

フィノジェン現場から
「AIの結果が正しいかどうか、判断できる人がいない」という状況が、AI導入後に最も多く出てくる詰まりポイントです。技術的なスキルよりも「この業務を一番よく知っている人」をAIの接点に置くことが、現場では有効です。

ステップ3：小さな業務1つで「人とAIの役割分担モデル」を完成させる

（所要時間：約1週間）

いきなり全社の業務をAI化しようとすると、必ず途中で止まります。最初は「1つの業務」で完結したモデルを作ることに集中してください。

具体的な進め方を示します。

ステップ2で決めた業務に対して、実際にAIツールを使って出力を出してみる。ツールは何でも構いません。Microsoft Copilot（マイクロソフトが提供するAI支援機能）でも、Notion AI（文書管理ツールNotionに組み込まれたAI機能）でも、Perplexity（検索型AIツール）でも、まず1つを無料プランで試す
担当者がその出力を確認し、「使えた部分」「使えなかった部分」をメモする
1週間後に担当者と5分だけ話し合い、「どこまでAIに任せられそうか」の見立てをアップデートする

この1サイクルを回すことで、自社にとって「AIが得意な仕事」「人が必要な仕事」の感覚が現実に即したものになります。ここで積み上げた知見が、次の業務に展開するときの「自社のAI活用基準」になっていきます。

「試しに使ってみた」で止まるAI、現場に根付くAI——中小企業が今すぐ見直すべき「業務フローへの組み込み方」3つの視点も参考にしてください。

ステップ4：「AIが出した結果を誰も疑わない」状態を防ぐルールを1行で決める

（所要時間：約10分）

AIツールが現場に定着してきたとき、次に起きやすい問題があります。「AIが言っているから正しいだろう」という思い込みです。

これはFordの事例とも重なります。自動化に任せきりにしたことで、AIが判断できない例外や、データに含まれていない現場の経験則が抜け落ちた。結果として品質水準が下がった。人の目による検証が、AIの精度を担保する仕組みとして必要だったのです。

対策は簡単です。次の1行ルールを社内で共有してください。

「AIの出力は、必ず担当者が一度目を通してから使う」

これだけです。チェックする内容や精度を細かく決める必要はありません。「誰かが必ず目を通す」という文化があるだけで、AIの出力を鵜呑みにするリスクを大きく下げられます。

「AIに任せすぎ」で判断力が落ちる前に——中小企業の現場でAIと思考力を両立させる3つの使い方もあわせてご覧ください。

ステップ5：半年後の「理想の役割分担」を1枚の図にしてみる

（所要時間：約30分）

ここまでのステップで「今の自社の役割分担」が見えてきたら、最後に「半年後にどうなっていたいか」を絵にしてみます。難しく考える必要はありません。

紙に「AIがやること」「人がやること」「人とAIが一緒にやること」の3つの欄を作り、業務の名前を書き入れるだけです。

この作業の目的は、精度の高い計画を立てることではありません。「うちはどこに向かいたいのか」を経営者と推進担当者が同じ絵を見て話せるようにすることです。この共通認識がなければ、ツールを追加するたびに「誰が何をするか」をゼロから決め直すことになります。

Claude Codeを使ったエンジニア組織の事例では、実装スピードが上がった結果、今度は「何を作るべきか」という判断力を持つ人材が不足するという課題が生まれました（VentureBeat報告）。AIが得意なことを担うほど、人には「判断・構想・関係構築」という高次の役割が求められます。その未来を先に描いておくことが、今のツール選びの質を上げます。

よくある失敗とその対処

失敗①： ツールを導入したが、誰も使い方を共有していなかった → 対処： 最初の1ヶ月は「このツールはこの業務に使う」という用途を1つに絞り、担当者を1人決めてから始める
失敗②： AIの出力をそのまま使い続け、誤りが蓄積された → 対処： 「週に1回、AIの出力を振り返る5分」を業務の中に組み込む。鵜呑みにせず確認する習慣が精度を保つ
失敗③： 「AI担当者」に任せきりにして、現場に定着しなかった → 対処： 業務に一番近い人を「その業務のAI接点担当」として関わらせる。AI専任者を置くより現場に分散させる方が定着しやすい

読む前に確認しておきたい言葉

言葉	一言で言うと	身近な例え
AI再学習	AIに正解を教え直すこと	新入社員に間違いを指摘して覚え直してもらう作業
役割分担設計	誰が何をするかを先に決めること	店舗でレジ・接客・在庫管理の担当を決めるのと同じ
プロンプトインジェクション	AIへの悪意ある命令の埋め込み	伝言ゲームの途中で意図的に内容を書き換えられること

フィノジェンの見解：フィノジェン式・人とAI役割分担チェック

自社のAI導入が「人とAIの適切な組み合わせ」になっているかどうかを、以下の項目で確認してください。

⬜︎ AIに任せている業務に対して「確認する人」が決まっている。あるいは各々で判断できるようリテラシー教育を定期開催している
⬜︎ AIの出力を確認する基準（「ここが違ったら修正する」等）が言葉になっている
⬜︎ 「AIが得意な仕事」と「人が判断する仕事」を区別して説明できる
⬜︎ AIツールを導入した業務で、1ヶ月以内に成果（時間短縮・ミス削減等）を確認した
⬜︎ 半年後に「どの業務でAIを使っていたいか」を経営者と担当者が共有している

〇が4つ以上： 人とAIの役割分担の基盤が整っています。次のステップとして、AIの出力品質を定期的に見直す仕組みを加えると、さらに安定した運用になります。

〇が2〜3つ： 部分的には動いていますが、「確認する人」か「基準」のどちらかが抜けていることが多い状態です。ステップ2〜4を参考に、抜けている部分を1つ補いましょう。

〇が1つ以下： まだ役割分担の設計が始まっていない段階です。ステップ1の「仕事の仕分け」から始めると、全体が動き出しやすくなります。焦らず1業務から始めてください。

よくある質問

Q. AIを入れたら、今いる社員の仕事がなくなりませんか？
現時点では、AIの導入によって仕事が丸ごとなくなるケースは中小企業ではほとんど見られません。実際にFordも、AIを入れた後に人を再び必要とする場面が生まれました。変わるのは「何をするか」の中身であり、ルーティン作業が減る分、判断・確認・関係構築といった仕事の比重が高まる方向に変化します。

Q. ベテラン社員がいない中小企業でも同じ考え方が使えますか？
使えます。Fordのケースでは「現場の経験知」を持つ人がAIを補完しましたが、中小企業では経験年数よりも「その業務を一番よく知っている人」を接点に置くことが重要です。ベテランでなくても、担当業務を1年以上経験している人であれば、AIの出力を確認する役割を担えます。

Q. 役割分担を設計するのに、外部の専門家やコンサルタントは必要ですか？
最初の仕分け（ステップ1）は、社内の会議1回・20分で始められます。専門家が必要になるのは「設計した役割分担を実際のツール選定・導入手順に落とし込む段階」です。まず自社だけでステップ1〜2を試してみて、詰まった段階で相談するのが最も無駄のない進め方です。

Q. どのAIツールを最初に使えばいいですか？
業務の種類によって向き不向きがあります。文書の要約・下書き作成にはMicrosoft CopilotやNotion AI、情報収集・調査にはPerplexity、資料作成にはCanva AIやGammaが使いやすい入口です。いずれも無料プランがあります。「まず1つの業務で1つのツール」という絞り込みが、定着への近道です。ツール選びの前に役割分担の設計を済ませておくと、選択基準が明確になります。

Q. フィノジェンに相談するとどうなりますか？
まず無料の相談から始められます。「どの業務から手をつけるか」「社内の誰をAI接点担当にすべきか」といった役割分担設計の具体的な壁打ちに対応しています。ツールの選定・導入支援も含めて、自社の状況に合わせた進め方を一緒に整理することができます。

行動プラン

今週中にできること（コストゼロ・1時間以内）
- 普段の業務を5〜10個書き出し、「パターンが決まっている仕事」と「判断が必要な仕事」に仕分けてみる
- 仕分けた中から1つを選び、「この業務のAI出力を確認するのは誰か」を決める

今月中にできること
- 無料プランのAIツール（Microsoft CopilotまたはPerplexity等）を1つ選び、決めた業務で実際に使ってみる。出力の「使えた部分・使えなかった部分」をメモして担当者と5分共有する

3か月後の理想像
1つの業務で「AIが下書きを作り、担当者が確認・修正して使う」という流れが習慣になっている状態。その業務にかかる時間が週2〜3時間程度減り、その分を別の判断業務に使えるようになっている。

参考文献

Ford Rehires Gray-Beard Engineers After AI Falls Short - TechCrunch
https://techcrunch.com/2026/06/28/ford-rehires-gray-beard-engineers-after-ai-falls-short/
└ 今回の記事の起点となったFordのベテラン技術者350人再登用の一次報道。AI導入後に人の役割が高度化する事例として参照
Claude Code Turned Every Engineer Into Three — Now Companies Need More Product Thinkers - VentureBeat
https://venturebeat.com/infrastructure/claude-code-turned-every-engineer-into-three-now-companies-need-more-product-thinkers
└ AI活用で実装効率が上がった結果、判断力を持つ人材が不足するという構造的変化を示す事例として参照
Prompt Injection Is Exploiting Enterprise AI's Biggest Design Flaws - VentureBeat
https://venturebeat.com/security/prompt-injection-is-exploiting-enterprise-ais-biggest-design-flaws-by-targeting-agents-rag-pipelines-and-model-routers
└ AIの出力を人が確認する仕組みの重要性を、セキュリティ観点から補強するために参照
China's Z.AI GLM-5.2 Claims Mythos-Level Cybersecurity Performance - The Verge
https://www.theverge.com/ai-artificial-intelligence/958804/chinas-z-ai-glm-52-mythos-cybersecurity
└ AIモデルの多様化・地政学的リスクが高まる中で、ツール依存よりも社内の役割設計が重要になることの背景として参照
孫正義氏、東電出資に意欲——国内AIインフラ拡張の構想 - ITmedia ビジネスオンライン
https://www.itmedia.co.jp/business/articles/2606/27/news024.html
└ AIの競争軸がモデル性能からインフラ・運用設計に移りつつある国内の文脈として参照
「AIをたくさん使った」は成果ではない——中小企業が今すぐ設定すべきAI評価の3つの軸 - フィノジェン
https://phenogen-jp.com/?p=1458
└ AI導入後の評価軸の設計について、本記事の役割分担設計と連動する考え方として参照
「AIを禁止する」より「AIを見える化する」が正解——中小企業がエージェント時代に整えるべき社内管理の仕組み - フィノジェン
https://phenogen-jp.com/?p=1464
└ 人とAIの関係を管理する社内の仕組みについて、役割分担設計の実装段階として参照
DX推進のための中小企業向けIT導入ガイドライン - 独立行政法人情報処理推進機構（IPA）
https://www.ipa.go.jp/digital/dx/index.html
└ 中小企業のデジタル化・AI活用における基本的な考え方と推進ステップの背景として参照

著者より

Fordの事例を読んだとき、私が最初に感じたのは「これは他人事ではない」という感覚でした。AIを入れることに注力し、「入れた後に何をするか」を設計していない会社は、規模を問わず多い。「人の役割が高度化する」というのは理想論ではなく、設計をしなければ起きない現実です。まず1業務、30分の仕分けから始めてみてください。