文中のマーカーつき太字（末尾に ⓘ）は、クリック（タップ）すると意味の解説がポップアップで開きます。専門用語は、その場で確かめながら読み進められます。
00🧭 ここまでのおさらい — 現実と、衝撃
この第3部は、シリーズの完結編です。まだの方は第1部「現実編」・第2部「衝撃編」からどうぞ。ここでは要点だけ、ふり返ります。
第1部・第2部で分かったこと
第1部（現実）：AIが奪うのは「職業」ではなく「タスク」。若手の生産性は上がるのに雇用は減り、判断できるベテランの価値が上がった。第2部（衝撃）：もしAGI（人間並みのAI）が来れば、GDPは爆発するのに賃金は“AIの使用料”水準まで下がりうる。経済は太るのに、給料は痩せる——それが「AI大格差」のいちばん鋭い形でした。
——ここまで読むと、未来はかなり暗く見えます。でも、第2部の終わりにこう書きました。「数字は絶望を指していた。でも、ここで終わらせない」と。 この第3部は、その約束を果たすパートです。技術的に何でもできる時代に、人間に残るものは何か。そして、わたしたちは何をすればいいのか。各章のおわりの紫の囲み「 起こりうる未来」も引き続き、「自分ごと」を考える手がかりにどうぞ。
09⚖️ 「できる」と「やらせたい」は、別 — ノスタルジック・ジョブ
ここから、未来の暗いトンネルを抜けます。仮に技術的にAIが何でもできるとして——本当に、すべてをAIにやらせたいでしょうか？ ここに、人間の逆襲の入口があります。
見通し ある経済学者は、という考え方を示しています。 技術的にはAIが担えても、人間が意思を持って、あえて人間に残す仕事のことです。効率だけでは割り切れない領域がある、というわけです。
「AIにやってほしくない」が、価値になる
たとえば——裁判の判決を、AIに下してほしいでしょうか。学校の先生は、すべてAIでいいでしょうか。あるいは、自分の葬儀でお経をあげるのが、AIだったら？ 技術的には可能でも、多くの人が「そこは人間に」と感じるはずです。倫理・ルール・心に関わる仕事は、「できるか」ではなく「人間にやってほしいか」で残る。そして、それを決めるのは技術ではなく、私たち人間自身です。
ここが、決定的に重要なポイントです。AIにどこまで任せ、どこを人間に残すか——その線を引く権限は、最後まで人間の側にある。 AIは、勝手に「ここから先は人間の領分」と決めてはくれません。決めるのは、いつも私たちです。
「できる」けれど、「やってほしい」だろうか
多くの人が、どこかで「そこは人間に」と感じるはずです。その「AIにやってほしくない」という気持ちそのものが、人間に仕事を残す力になる。何を残すかは、効率ではなく、私たちの意思で決められます。
→ だから、いま：「効率では測れない、人間に残したいもの」を、自分の言葉で一つ挙げてみる。それがあなたの“譲れない軸”になる。
10✨ 人間の最後の強み — 「憧れ」
では、AIがどれだけ賢くなっても、人間にしか残らないものとは何でしょう。意外な、けれど深い答えがあります。
ひとつ、問いを立ててみます。AIは、あなたより速く、賢く、たくさんの言語を操り、世界中の知識を持っているかもしれません。では——あなたは、AIになりたいですか？ 多くの人が、たぶん「なりたくない」と答えます。ここに、見落とされがちな人間の強みが隠れています。
人は、何に「憧れ」を抱くか？
見通し 憧れは、人から人へ向かう
「あの先生みたいになりたい」「あのアーティストは素敵だ」——人は、他の“人間”に憧れ、感情を重ねます。では、AIに同じ憧れを抱くでしょうか。いまの段階では、多くの人がAIを「優秀な道具」と見ても、「憧れの存在」とは見ない。この非対称こそ、人間に残る強みです。
研究データ 価値は「目に見えないもの」へ移る
作業の速さ・正確さでは、AIに分があります。だからこそ、人間の価値は数字で測れないもの——憧れ、空気感、信頼、倫理観、その人らしさ——へと移っていく。経済学者たちが口をそろえるのは、「より人間らしいもの」「目に見えないもの」が、これからの人間の領分になるという見立てです。
AIに、なりたいか？
「なりたくない」が、答えになる。
子どもが憧れた相手は、AIか、人か
作業の速さや正確さでAIに勝つのは難しい。でも、人が人に抱く「憧れ・信頼・その人らしさ」は、数字で測れないからこそAIに奪われにくい。あなたの価値は、これからそこへ移っていく可能性があります。
→ だから、いま：スキルだけでなく、「あなたらしさ・信頼・佇まい」という見えない資産を、仕事の真ん中に置いてみる。
11🌐 各国は、どう身構えているか — 日本と世界の政府方針
この「AIと仕事」の論争は、世界共通です。けれど、政府の構えは国ごとに大きく違う。人口の事情、価値観、産業戦略——それぞれの“お国柄”が、AIへの向き合い方に表れます。日本を軸に、米・欧・中と並べてみましょう。
研究データ ざっくり言うと、対立軸は「規制で守る」か「推進で伸ばす」か、そして「労働者をどう支えるか」です。同じ技術を前にして、各国は次のように身構えています。
JP 日本
規制：中心の推進型。罰則より、柔軟なガイドラインで促す。
労働：人口減・人手不足を背景に、AIを脅威より「足りない働き手の助っ人」と位置づけ。支援に力点。
US 米国
規制：市場主導で連邦の規制は最小限。近年は規制よりイノベーション優先・推進を一段と強める方向。
労働：働き手の移行は市場に委ねる色が濃い。AIと雇用をめぐる経済学の論争の“本場”でもある。
EU 欧州
規制：世界初の包括的なハードロー。
労働：採用・人事などの“職場で使うAI”を高リスクに分類。人間中心・労働者の権利・透明性・人間の関与を重視。
CN 中国
規制：国家主導の戦略。生成AI等に個別ルール（管理と振興の両建て）で、2030年のAI先進国化を目指す。
労働：自国も少子高齢化が進む中、AIを産業の高度化・労働力の補完に活用。社会の安定を優先し、移行を上から管理。
日本の立ち位置 — 「脅威」より「担い手不足の、助っ人」
世界でいち早く人口が減る日本では、AIを「仕事を奪うもの」というより「足りない働き手を補うもの」と捉える色が濃いのが特徴です。だから、強い規制で縛るより、指針（ソフトロー）で促し、リスキリングで人を移す——という設計になりやすい。国際面でも、日本は「広島AIプロセス」でG7の緩やかな国際ルールづくりを主導しました。EUの「まず規制」と、米国の「まず市場」の、ちょうど中間に立つ構えだ、と整理できます。
どの構えが“正解”？ 一長一短で、まだ答えは出ていない。
研究データ トレードオフ（あちらを立てればこちらが…）
推進重視（米・日）は普及が速く成長を取りに行ける反面、格差や弊害への備えが後手に回りやすい。規制重視（欧）は労働者を守りやすい反面、普及やイノベーションが遅れうる。国家主導（中）は資源を集中できる反面、柔軟さや多様性を欠きやすい。万能の正解は、いまのところ存在しません。
見通し 日本路線の“勝ち筋”と“落とし穴”
日本のソフトロー＋リスキリング路線は、人手不足という追い風がある分、AIを前向きに受け入れやすい土壌があります。一方で落とし穴は、第1部で見た「移行の痛み」を本当に和らげられるか。リスキリング支援が“絵に描いた餅”で終われば、若手の入口（はしごの一段目）が消えた現実に追いつけません。「促す」だけでなく「移れる仕組み」まで作れるかが、当サイトの見る分かれ目です。
同じ仕事でも、どの国の制度の下にいるか
AI時代の“安心”は、個人の努力だけでなく、どの国・どの会社の制度の下にいるかにも左右されます。これは他人事ではなく、あなたの転職や働き方の選択に、じわじわ効いてくる話です。
→ だから、いま：自分の国・会社のリスキリング支援や再就職の制度を、一度調べておく。使える追い風は、知っているだけで差がつく。
12🧭 AI大格差時代の、サバイバル術
ここまでの“現実”と“未来”をふまえて、では私たちは何をすればいいのか。個人・企業・社会の3つのレイヤーで、具体的な手を整理します。この旅の、結論です。
① 問いを立てる力
AIを“操作”する側でなく、AIに“何を解決させるか”を決める側へ。「いちばんの問題は何か」を見極め、最初の課題を設定する。答えはAIが出せても、問いを立てるのは人間です。
② 責任を取る力
AIの出した答えを評価し、採用するか決め、結果に責任を負う。この「最終決裁」は人間にしかできない。第1部の“ボトルネック”は、裏返せば人間に残る役割でもあります。
③ 経験を積む／積ませる
AIの出力の良し悪しを見抜くには経験が要る。だが基礎作業をAIが奪うと、経験の場が減る。だからこそあえて若手に経験を積ませる“人的投資”が、社会の宿題になります。
④ 何を作りたいかを問う
道具は揃った。残るは「どんな世界にしたいか」。1日8時間で済ませて自由を増やすのか、新しい価値を生むのか。目的から逆算してAIを使うのが、いちばんの差になります。
社会・政策のレイヤー
個人の努力だけでは、第1部の「消える“はしごの一段目”」問題は解けません。だから社会の側にも宿題があります。① シナリオを想定して、起きる前に備える（事が起きてからでは遅い）。② 若手が経験を積める仕組みへ、あえて投資する。③ AIの進化スピードをどこまで許容するかを、人間がコントロールする。そして何より——社会全体の仕組みを、必要なら作り直す覚悟を持つことです。
最後に、いちばん大事な一文を。技術的に「何でもできる」時代だからこそ、問われるのは「AIに、何をやらせるか」です。そしてそれを決めるには、その手前で 「私たちは、どんな世界を作りたいのか」「何が人間にとって幸せなのか」を考えるしかありません。AIをどう使うかは、結局、私たちが何を大切にするかの鏡なのです。
AIに何をさせるか、は
「どう生きたいか」と同じ問い。
分かれ道は、才能ではなく“今日の習慣”
この記事で見てきたことは、遠い未来の他人事ではありません。タスクの棚卸し、問いを立てる練習、判断の経験、見えない強みを磨くこと——どれも、今日から始められます。未来は予言するものではなく、少しずつ選び取っていくものです。
→ だから、いま：今日、AIに「作業」を一つ任せて、空いた時間を「問いを立てる・学ぶ・人と会う」に使ってみる。それが10年後への最初の一歩。
全3部・完結 — 長い旅に、おつきあいありがとうございました
第1部で“いまの格差”を、第2部で“AGIの衝撃”を、そして第3部で“生き残り方”を見てきました。結論はシンプルです——未来は予言するものではなく、私たちが今日から少しずつ選び取っていくもの。AIに何をさせるかは、結局、私たちがどう生きたいかの鏡。怖がるためではなく、選ぶために、この記事を使ってもらえたら嬉しいです。
FAQ❓ よくある質問（第3部）
第3部でよく出てくる疑問を、本文からまとめました。タスクベース論や現場のデータは第1部、AGIと賃金の話は第2部で扱っています。
ノスタルジック・ジョブって？
技術的にはAIが担えるのに、人間があえて人間に残す仕事のこと。裁判・葬儀・学校の先生など、倫理や心に関わる仕事が例です。「できるか」ではなく「人間にやってほしいか」で残り、決めるのは人間自身です。→ 09 残す仕事
各国の政府は、AIと雇用にどう向き合っているの？
国によって構えが大きく異なります。日本は人口減・人手不足を背景にAIを「助っ人」と捉え、ソフトロー（指針）中心の推進＋リスキリング支援が中心。米国は市場主導で連邦規制は最小限。欧州は世界初の包括的な「EU AI法」で、採用・人事など職場のAIを高リスクとして規制し労働者の権利を重視。中国は国家主導で、産業高度化と労働力補完にAIを戦略的に活用しつつ社会の安定を優先します。→ 11 各国の政府方針
個人として、何を大事にすればいい？
①問いを立てる力（何を解決させるか決める）②責任を取る力（採用を決め責任を負う）③判断できる経験を積む——の3つが軸です。加えて「どんな世界にしたいか」という目的から逆算してAIを使うことが、いちばんの差になります。→ 12 サバイバル術
※ 本ページ（第3部）は、労働経済学・マクロ経済学の公開研究や各国の公的情報・各種シミュレーションのレポートを横断的に調べ、要点を整理した内容を土台に、AIで仕事はどう変わるのかをAI探検隊が中立的に再構成した解説記事です。 将来像や各国の政策評価は見通し（不確実な解釈）を含み、特定の未来を予言・保証するものではありません。特定の投資・転職・進路を推奨するものでもありません。情勢は2026年6月時点の概況です。