※本稿は2026年7月時点の技術、制度、経済動向をもとにした未来分析である。未来予測は事実の断言ではなく、現在確認できる変化から複数のシナリオを組み立てる試みとして読んでほしい。
ここ数年、AIの未来はいつも極端な言葉で語られてきた。
AIが人間の仕事をすべて奪う。
一人で何百人分もの仕事ができるようになる。
医者も教師も不要になる。
人型ロボットが家庭に入ってくる。
あるいは、AIが人間の制御を離れて暴走する。
そのどれも、完全な空想とは言い切れない。
実際、AIの能力は、少し前までなら現実味がなかった速度で伸びている。文章を書く、画像を作る、コードを書くという段階を越えて、画面を操作し、複数のツールを行き来し、長い仕事を預かって実行するところまで来た。
ただ、僕が日々AIエージェントを仕事で動かし、ゼミで多くの人がそれを使い始める瞬間を見ていて、もっと強く感じる未来は少し違う。
これから3年で、世界が一気にAI一色へ塗り替わるわけではない。
むしろ起きるのは、
AIだけが先に進み、会社、法律、教育、社会保障、道路、農地、電力網が遅れて追いかける未来
だと思う。
ソフトウェアの世界では、数か月で前提が変わる。
しかし、会社の採用制度や評価制度は、そう簡単には変わらない。
法律や社会保障はさらに遅い。
工場、病院、物流網、発電所、住宅といった物理的な世界は、もっと長い時間を必要とする。
AIの能力そのものより、この変化速度の差が、これから3年間の仕事と社会を大きく揺らす。
AIは「答える存在」から「動く存在」へ変わった
この連載でいうAIエージェントとは、単に質問に答えたり、文章を生成したりするAIではない。
人間から目的を受け取り、必要な作業を分解し、データやツールを使い、実際に行動し、その結果を確認しながら仕事を進めるAIを指す。
たとえば、従来のAIに、
来月のセミナー企画を考えて
と依頼すれば、企画案の文章が返ってきた。
AIエージェントに同じ目的を渡すと、
過去の参加データを調べ、テーマ候補を比較し、登壇者の空き日程を確認し、企画書を作り、告知文を準備し、タスク管理ツールに登録するところまで進めようとする。
つまり、成果物を一つ作る存在から、仕事の流れそのものを預かる存在へ変わり始めている。
この変化は、ベンチマークにも表れている。実際のパソコン操作に近い課題を解かせるOSWorldでは、AIエージェントの成功率が約12％から66.3％まで伸びた。ただし、裏返せば、構造化された評価環境でもまだ約3回に1回は失敗する。
一方で、企業におけるAI利用はすでに広い。2025年には、調査対象企業の88％が何らかの形でAIを利用し、70％が少なくとも一つの業務機能で生成AIを使っていた。しかし、AIエージェントを実際の業務へ展開している企業は、ほぼすべての業務領域でまだ一桁台だった。
この二つの数字が、2026年の現在地をよく表している。
AIはかなり動けるようになった。
しかし、社会はまだ本格的に仕事を任せていない。
能力は急速に伸びている。
けれど、信頼、権限、責任、セキュリティ、業務設計が追いついていない。
だから、これから3年の大きな変化は、「さらに賢いモデルが出ること」だけではない。
AIに実際の仕事を渡すための社会的な準備が進むことにある。
なぜ10年後ではなく、3年後なのか
10年後のAIについては、何とでも言えてしまう。
ほぼすべての仕事が自動化されているかもしれない。
人型ロボットが街を歩いているかもしれない。
AIによって科学研究が桁違いに加速しているかもしれない。
どれも可能性はあるが、変数が多すぎる。
一方、3年後であれば、現在の技術、企業導入、政策、インフラ投資の延長線上として、ある程度具体的に考えられる。
それでも、AIにとって3年は長い。
METRは、人間の専門家なら一定時間かかるソフトウェア課題を、AIがどの程度の確率で完遂できるかを「タスク完遂時間」という指標で測定している。その研究では、AIが50％の確率で完遂できる課題の長さが、2019年以降、およそ7か月ごとに倍増してきたと報告されている。
ただし、ここは慎重に見る必要がある。
対象は主に、ソフトウェア開発、機械学習、サイバーセキュリティなど、成功条件が比較的明確な課題だ。過去の伸びがそのまま未来へ続く保証もない。また、50％の成功率は、企業がお金や契約を安心して任せられる水準とは言いにくい。
それでも、少なくとも一つ分かることがある。
現在のAIの能力を固定したまま、3年後を考えてはいけない。
今日できないからといって、2029年にもできないとは限らない。
同時に、モデルの能力が伸びたからといって、翌日から社会全体が変わるわけでもない。
この二つを同時に持つ必要がある。
未来は、同じ速度ではやってこない
AIの未来を考えるとき、最も見落とされやすいのが、領域ごとの速度差だ。
| 領域 |
変化の速度 |
主な制約 |
| 文章、画像、広告、ソフトウェア |
非常に速い |
モデル性能、コスト |
| 企業の事務、営業、カスタマーサポート |
速い |
データ、権限、責任 |
| 採用、評価、組織構造 |
中程度 |
社内制度、文化、労使関係 |
| 行政、教育、医療、金融 |
比較的遅い |
法律、安全性、説明責任 |
| 工場、倉庫、物流 |
限定環境から進む |
設備投資、保守、安全性 |
| 建設、農業、一般家庭 |
遅い |
物理環境の複雑さ、価格 |
| 社会保障、税、国際ルール |
かなり遅い |
政治的合意、利害調整 |
ソフトウェアの中では、正解に近い結果を出せればすぐに利用できる。
しかし、物理世界はそうはいかない。
Stanford AI Indexによると、ロボットはシミュレーション上の操作課題では89.4％の成功率に達している一方、現実の家庭内作業では成功率が12％にとどまる。整った工場と、床に物が落ち、家具の配置も家族の行動も毎日変わる家庭では、難易度がまるで違う。
エネルギーにも同じ速度差がある。
データセンターは2〜3年で建設できる場合があるが、発電所や送電網の増強には、より長い計画と工事が必要になる。国際エネルギー機関は、世界のデータセンター電力消費が2024年の約415TWhから、2030年には約945TWhへ倍増すると予測している。日本でも約80％の増加が見込まれている。
AIは数か月で進化する。
電力網は数年から十数年かかる。
法律や教育制度は、その間で揺れる。
これから3年間の混乱の多くは、AIが突然暴走するからではない。
一部だけが先に未来へ到達し、残りが古い仕組みのまま取り残されること
によって起きる。
3年後を分ける4つの変数
では、2029年までの未来を決めるものは何か。
僕は、大きく4つあると思っている。
1．AIは、長い仕事をどこまで確実に終えられるか
一つ目は、能力というより信頼性だ。
AIが一度だけ素晴らしい成果を出せることと、毎日、安定して仕事を終えられることは違う。
アイデアを100個出す仕事なら、多少の失敗は問題にならない。
メールの下書きなら、人間が確認すればいい。
しかし、送金、契約、採用、医療判断、インフラ制御では、一度の失敗が大きな損害につながる。
AIエージェント時代に重要なのは、平均的な賢さだけではない。
- 途中で迷ったときに止まれるか
- 自分に与えられた権限を越えないか
- 不明点を人間に確認できるか
- 失敗しても元に戻せるか
- 何をしたか記録できるか
- 同じ条件で安定して再現できるか
こうした能力が、実際の導入速度を決める。
2029年までの本命は、何でも完全放置できるAIではない。
低リスクの仕事は自動実行し、高リスクの判断では人間に承認を求める半自律型
だと思う。
2．AIに、どこまで権限を与えるか
二つ目は、AIの知能ではなく権限だ。
同じモデルでも、
- 公開情報しか読めないAI
- 社内資料を読めるAI
- メールを送れるAI
- 顧客情報を書き換えられるAI
- 商品を発注できるAI
- お金を動かせるAI
- 契約を締結できるAI
- ロボットや機械を操作できるAI
では、社会に与える影響がまったく違う。
AIエージェントの実際の力は、
モデルの能力 × アクセスできるデータ × 与えられた権限
で決まる。
そして、権限が増えるほど便利になる一方、攻撃や誤作動の被害も大きくなる。
2026年、米国のNISTはAIエージェント向けの標準化イニシアチブを開始した。そこでは、エージェント同士の相互運用性だけでなく、本人確認、認証、権限管理、安全性評価などが主要テーマになっている。
これは、AIエージェントが単なるチャットサービスではなく、人間の代理として社会のシステムへ接続される存在になり始めたことを示している。
これから企業に必要になるのは、社員アカウントの管理だけではない。
「このAIは誰の代理なのか」
「何を読むことができるのか」
「いくらまで支払えるのか」
「誰の承認が必要なのか」
「問題が起きたとき、誰が停止できるのか」
を設計する必要がある。
3．会社や行政が、業務そのものを作り替えられるか
三つ目は、組織の再設計速度だ。
AIを導入しても、古い仕事のやり方をそのまま残せば、大きな変化は起きない。
人間が作っていた資料をAIに作らせ、その資料を別の人間が確認し、会議で読み上げ、さらに別の人間がシステムへ転記する。
これでは、一部の作業が速くなるだけだ。
本当に大きな変化が起きるのは、
そもそも、この資料は必要なのか。
会議を開かず、エージェント同士で情報を同期できないか。
人間は例外と最終判断だけを担当できないか。
と、業務工程そのものを作り直したときだ。
現在、AIを使っている企業は多いが、エージェントを本格的に業務へ組み込んでいる企業はまだ少ない。この差は、モデル性能よりも、データ、業務フロー、権限、責任の整理が難しいことを示している。
日本政府でも、2026年度中に全府省庁約18万人の職員が生成AIを利用できるガバメントAI「源内」の大規模実証が進んでいる。単にチャット画面を配るだけでなく、政府共通データセット、利用状況の可視化、業務別アプリケーション、導入支援まで含めて整備されている。
これは象徴的だと思う。
AI導入の本番は、「モデルを契約した瞬間」ではない。
組織が、自分たちの仕事の意味と流れを問い直し始めた瞬間
に始まる。
4．AIが生んだ余剰を、誰が受け取るか
四つ目が、最も重要かもしれない。
AIによって生産性が上がったとき、その余剰はどこへ行くのか。
企業の利益になるのか。
株主へ還元されるのか。
商品の価格が下がるのか。
従業員の賃金が上がるのか。
労働時間が短くなるのか。
新しい事業への投資に使われるのか。
教育、医療、行政サービスの改善に使われるのか。
技術は、生産性を上げることはできる。
しかし、生産性の果実をどう分けるかまでは決めてくれない。
IMFが2026年に発表したAIのシナリオ分析でも、普及が急速に進んだ場合、生産性と経済成長が高まる一方で、仕事の代替、資本所有者への利益集中、若く経験の浅い労働者への影響、地域間格差、金融市場の不安定化などが同時に進む可能性が示されている。結果を分けるのは、技術だけでなく、労働制度、規制、技能、インフラ、社会的受容だ。
つまり、AIによって全員が豊かになる未来もあり得る。
同時に、
少人数の企業と資本所有者だけが大きな利益を得て、残りの人は仕事と交渉力を失う未来
もあり得る。
この分岐は、モデル企業だけでは決められない。
企業経営、税制、社会保障、教育、労働法、競争政策、そして僕たち自身が何を求めるかによって決まる。
2029年、世界は4つの未来に分岐する
AIの普及速度と、制度・分配が機能するかどうか。
この二つの軸で考えると、未来は大きく4つに分けられる。
|
制度・分配が機能する |
制度・分配が遅れる |
| 普及が緩やか |
堅実な人間拡張社会。人間承認付きで生産性が上がり、雇用や教育も徐々に適応する |
まだらな停滞と格差。一部企業だけが恩恵を受け、中小企業や地方が取り残される |
| 普及が急速 |
分配された高生産性社会。労働時間短縮、公共サービス改善、科学研究の加速が進む |
AI寡占・大量再編社会。短期失業、富の集中、監視、詐欺、政治的不安が同時に進む |
もちろん、世界全体がこのどれか一つになるわけではない。
ある企業では、AIによって残業が減る。
別の企業では、人員削減だけが進む。
ある国では、AI家庭教師が教育格差を縮める。
別の国では、高価なAIを使える家庭だけが先へ進む。
ある病院では、医師が患者と話す時間が増える。
別の病院では、コスト削減のために人間が減らされる。
2029年の世界は、四つの未来が地域、産業、企業、家庭ごとに混在する、まだらな未来になる可能性が高い。
だから重要なのは、「AIは良いのか、悪いのか」と問うことではない。
どの条件がそろうと、どの未来へ進むのか
を見ることだ。
これから3年で起きること
ここからは予測になる。
大きく分けると、3年間は次のように進むと思う。
2026〜2027年：接続の時代
最初に進むのは、AIと社内データ、ツール、業務システムをつなぐことだ。
AIエージェントにIDを持たせ、閲覧権限と実行権限を分け、行動を記録し、重要な操作では人間の承認を挟む。
企業の主な課題は、「どのモデルが一番賢いか」から、
何を見せるのか。
何をさせるのか。
どこで止めるのか。
へ移っていく。
行政や規制も動き始めている。EUでは、AI生成物の表示などに関する透明性規則が2026年8月から適用され、雇用、教育、重要インフラなどの高リスク領域についても段階的に規則が適用される。
2027〜2028年：再設計の時代
次に起きるのは、AIを既存業務へ追加する段階から、AIがいる前提で業務を作り直す段階への移行だ。
一人ひとりの仕事を少し速くするだけではなく、複数のエージェントが調査、制作、確認、記録を分担する。
人間は、目的設定、顧客との関係、例外処理、最終判断へ移る。
この段階で、組織図、採用人数、中間管理職の役割、新人へ任せる仕事が変わり始める。
そして、かなり大きな問題が出てくる。
AIに任せた方が速い仕事を、誰が新人に経験させるのか。
仕事の自動化より先に、人間が仕事を覚えるための工程が失われる可能性がある。
2028〜2029年：分配と政治の時代
最後に表面化するのは、技術問題ではなく社会問題だ。
AIによって利益を伸ばす企業と、導入できない企業。
AIを使って高い成果を出す個人と、仕事の入口を失う個人。
データセンターを誘致できる地域と、電力や通信環境が不足する地域。
企業間、個人間、地域間の差が大きくなる。
そこで初めて、
- AIによる利益へどう課税するのか
- 失業や転職をどう支えるのか
- 若手をどう育てるのか
- 労働時間を短くできないのか
- 社会保障を雇用から切り離すべきか
- AI企業の独占をどこまで許すのか
という問いが、政治の中心に入ってくる。
2029年までに完成した答えが出るとは思わない。
むしろ、技術が先に社会へ入り、制度の議論が後から本格化する可能性の方が高い。
AIは暴走しなくても、社会は壊れる
AIの最悪の未来として、多くの人は超知能の暴走を想像する。
しかし、これから3年で起き得る、より現実的な最悪の未来は、もっと地味だ。
一つひとつは合理的な判断から始まる。
AIを導入した方が効率的だから導入する。
利益を上げるために採用人数を減らす。
新人へ任せていた仕事をAIへ渡す。
人を育てる余裕がなくなる。
経験を積めない若者が増える。
所得が不安定になる。
税収や社会保険料が弱くなる。
詐欺や偽情報によって社会的な信頼が低下する。
不満を利用する政治が強くなる。
大きな事故をきっかけに、過剰な規制が導入される。
AIが悪意を持つ必要はない。
企業、個人、政府が、それぞれ目の前では正しい判断を積み重ねた結果、社会全体では悪い未来になる。
それが、最も警戒すべきシナリオだと思う。
逆に、良い未来も連鎖で生まれる。
AIによって事務作業が減る。
人間が顧客、患者、生徒と向き合う時間が増える。
小さな企業や個人にも専門能力が届く。
労働時間が短くなる。
学び直しに時間を使える。
医療、教育、行政の供給力が上がる。
これまで挑戦できなかった人が、新しい事業や表現を始められる。
技術だけを見れば、どちらも可能だ。
違いを作るのは、AIの知能ではない。
AIが生んだ余剰を、何のために使うか
である。
AI時代、人間に残るものは何か
AIの未来を考えると、最後は必ず人間の話に戻ってくる。
AIに何ができないかを探し、人間の価値をそこに置こうとする議論は多い。
AIには感情がない。
身体がない。
創造性がない。
責任を取れない。
人間関係を作れない。
現時点では正しい部分もある。
ただ、「AIにできないこと」を人間の価値にすると、AIが進化するたびに、人間の価値が縮んでいくことになる。
だから、問いを変えた方がいい。
AIに何ができないかではなく、何をAIだけに決めさせてはいけないのか。
何を目指すのか。
何を大切にするのか。
誰の痛みを優先するのか。
どの失敗を受け入れるのか。
何を効率化しないのか。
結果の責任を誰が引き受けるのか。
こうした問いには、唯一の正解がない。
そして、正解がないからこそ、人間が意思を持って選ぶ必要がある。
AIエージェント時代に人間へ残る中心的な役割は、単なる「AIの監視」ではないと思う。
目的を決めること。
他者と信頼を作ること。
結果を引き受けること。
何を最適化してはいけないかを判断すること。
AIによって人間性が不要になるのではない。
あらゆる手段が強力になるからこそ、人間の価値観が今まで以上に露骨に問われる。
この連載で考えていくこと
この第0章は、未来全体の地図だ。
ここから、仕事、会社、経済、政治、教育、医療、人間関係、ロボット、物流、農業、エネルギー、犯罪、そして人間の価値を、一つずつ掘り下げていく。
すべての章で、次の六つを分けて扱う。
| 区分 |
扱うこと |
| 現在地 |
すでに起きている変化 |
| 確度が高い未来 |
技術進歩が多少鈍化しても起きること |
| 条件付きの未来 |
制度、価格、精度、社会受容で分岐すること |
| 期待したい未来 |
技術が人間の選択肢や時間を増やす場合 |
| 最悪の未来 |
悪用だけでなく、合理的判断が悪い連鎖を生む場合 |
| 観測指標 |
どの未来へ進んでいるかを判断する兆候 |
未来を一つに断言するための連載ではない。
複数の未来を持ち、変化の兆候を観測し、自分の仕事や生活で今どこに張るべきかを考えるための連載にしたい。
これから3年は、人間が試される
2029年の社会を決めるのは、AIが人間を超えたかどうかではない。
AIが誰の代理として動くのか。
どこまでの権限を持つのか。
誰が利益を受け取るのか。
失敗したとき、誰が責任を負うのか。
そして、どこに人間を残すのか。
AIエージェントは、個人が使う便利な道具から、複数体で動く組織の一員へ変わっていく。
やがて、会社、行政、家庭、工場、病院、農地、物流網の中で、人間とAIが一緒に意思決定することになる。
そのとき必要なのは、AIより速く作業することではない。
何を任せ、何を任せず、AIが生んだ力をどんな社会のために使うのかを決めること。
これから3年は、AIがその能力を証明する期間ではない。
僕たち人間が、責任と利益を分配し、どんな未来を選びたいのかを設計できるか。
それを試される期間になる。
次章
AIが最初に奪うのは仕事ではなく、「仕事を覚える機会」かもしれない
新人が担当してきた調査、資料作成、議事録、一次対応、簡単な実装をAIが引き受けるとき、人間はどこで経験を積み、どうやってプロになるのか。
次章では、AI失業よりも先に起きるかもしれない、人間の技能継承の危機について考える。
主な参考資料
Stanford Institute for Human-Centered AI, The 2026 AI Index Report: Technical Performance / Economy / Responsible AI.
METR, Task-Completion Time Horizons of Frontier AI Models／Measuring AI Ability to Complete Long Tasks.
National Institute of Standards and Technology, AI Agent Standards Initiative.
International Monetary Fund, Global Economic and Financial Implications of Artificial Intelligence: Lessons from a Scenario Planning Exercise.
International Energy Agency, Energy and AI.
デジタル庁「ガバメントAI『源内』」。
European Commission, AI Act: Regulatory Framework for Artificial Intelligence.