AI時代の新スキル：問題を“解決”するスキルから、問題を“定義”するスキルへ

こんにちは、ワークスアイディの奥西です。

AIを活用している方は多いですよね。プライベートでも仕事でも、今や“AIなし”では困る場面が増えました。

AIの急速な普及により、情報収集、文書作成、データ分析、さらにはコード生成までが、プロンプト一つで高いレベルでこなせるようになりました。かつて“仕事ができる人”の象徴だったスキルは、次々と自動化されています。

その中でも現場では、AIをうまく使いこなすコンサルタントやエンジニアの引き合いが増えています。それはなぜか。

AIは「問題を解く」ことに長けている一方で、「何を問うべきか」は、まだ人間にしか決められないからです。問題解決の多くをAIが担い始めた今、人に残された最大の付加価値は“問題を定義する能力”へとシフトしています。

本日は、問題“解決”から問題を“定義”するスキルについて、一緒に考えていきましょう！

AI導入企業に生まれた“差分”

この2年間、企業のAI導入を伴走支援する中で、活用の進捗に明確な差が生まれる理由が見えてきました。

ツールは同じ、予算規模も大差なし。それでも、劇的に効率化を実現した企業と、「なんとなく使ってはいるが効果が見えない」企業に分かれています。その差は単に“使いこなせているかどうか”ではありません。

大きな違いは、“AIに何を問うか”という視点です。

“AIで何ができるか”を探す企業と、“自社の何が課題か”を先に言語化できている企業。この違いが、AI活用のインパクトに影響していると感じています。

「解決する力」はAIが代替しはじめた

情報収集、競合分析、議事録作成、提案書ドラフト、コード生成、翻訳、要約など。いずれも、これまで『優秀なビジネスパーソン』に求められてきたスキルです。しかし今や適切なプロンプトさえあれば、数秒から数分で出力できます。

つまり、「問題を解く」価値は構造的に下がり始めているということです。特に、情報処理や事務処理を強みにしてきた中堅層は影響が大きく、「PC作業はAIで代替できるのでは？」という空気が広がっています。

ただし、本質はここからです。

AIは“問題を与えられなければ動けない”。

現段階では優れた解答者であっても、出題者にはなれません。

“何を解くべきか”を決めること。ここに人の価値が高まっています。

「問題を定義する」とは何か

「問題を定義する」とはどういうことか。
抽象的に聞こえるかもしれませんが、私の実体験から3つのシーンをご紹介します。

要件定義の現場

製造業のお客様からのご依頼。

最初に挙がったのは「今のシステムが使いにくい」「検索が遅い」「UIが古い」という不満でした。

しかしヒアリングを重ねると、情報の属人化により、退職したベテランの業務ノウハウが消えかかっていることが判明。本質課題は『システムのUI改善』ではなく『暗黙知の組織的継承』でした。最初の要望どおりに開発を進めていれば、本質的な課題は何も解決しなかったでしょう。

問題を定義し直すことで、プロジェクトの価値は一変します。

AI導入支援の現場

しかし私が最初に確認するのはツール選定ではなく、「その背景にある経営課題は何ですか？」という問いです。

多くは「生産性向上」と返ってきますが、深掘りすると「残業が多い」「新人が育たない」「会議が多すぎる」など多岐にわたります。課題が違えば、ツールの選び方も導入の優先順位も社員への展開方法も変わってきます。

だからこそ、ツールを選ぶ前に問題を設定する。この順番を誤ると、良いツールを導入しても成果につながりません。

社内会議・承認プロセスの現場

AIで会議のアジェンダの自動生成や議事録作成を高速化する取り組みが進んでいます。これ自体は大きな効率化ですね。

しかし、精緻なアジェンダと綺麗な議事録が揃っているのに、毎回「結局、今日は何を決めるべきだったのか」と混乱が生じていました。AIがアジェンダを作っても、「この会議で本当に決めるべき論点は何か」を定めるのは人の役割。

会議設計そのものが、問題定義の重要なポイントですね。

問題定義力を構成する3つの要素

私が現場で観察してきた、問題を定義する力に必要な要素を整理しました。

（1）現状と理想のギャップを観察し構造化する力

数字やデータだけでは本質は見えないことが多いですよね。現場の「なんとなくうまくいっていない」という違和感を拾い上げ、定量データと定性情報を掛け合わせて、「本来どうあるべきか」という理想と現状のギャップを描く。

要は、観察力が問題定義の出発点です。

（2）問いを言語化・構造化する力

曖昧な不満を『解ける問題』の形に変換する力です。

例えば、「なんとなく非効率」を「どのプロセスで、誰が、どんなコストを払っているか」という具体的な問いへ落とし込む。

AIに渡すインプットの質がアウトプットの質を決めます。

（3）ステークホルダーの合意形成力

結局のところ、鍵を握るのは巻き込み力です。

問題を定義しても組織に認められなければ進みません。「この問題こそが本質だ」と経営層から現場まで納得感を持ってもらう。それは、突き詰めればコミュニケーション能力や熱量と言い換えられるかもしれません。

ここは当面、AIが代替しにくい領域と言えるでしょう。

まとめ

これまでの人事評価は「良い答えを出せるか」に重きが置かれてきました。資格や知識量、処理スピード、成果物クオリティ…。これらは重要の指標でしたが、AIが『解く力』を代替し、評価の軸は変わりつつあります。

“答えを出せる人”から“問いを立てられる人”へ。

この転換には育成の時間軸が必要です。問題定義力は一朝一夕では身につきませんよね。経験を積み、失敗から内省し、現場のコンテキスト理解を重ねることで磨かれる、時間のかかる能力です。AIが進化し、解決能力の自動化が進むほど『問いを立てる力』の希少性は高まります。

AIを使いこなす人材はもちろん必要ですが、AIを活かすための問いを設計できる人材も目指していきたいですね。

ぜひ、皆さまの会社でも『問題を定義するスキル』について議論してみてください。

それでは、本日もGOOD JOB！！

▼こちらもおすすめ

リスキリングの本質は『役割転換』 – AI時代に求められる人材投資とは –
リスキリングの本質はスキル習得ではなく「役割転換」。AI時代に求められる人材投資と、研修を事業変革につなげるポイントを解説します。
 

AI活用は「技術」と「課題」の往復運動から生まれる ―トップダウン×ボトムアップで成果を最大化する方法
AI活用を成功させる鍵は「技術」と「課題」の往復運動。トップダウンとボトムアップをつなぐトランスレーター人材が成果を生む理由を解説します。