AI時代キャリア6象限マップ｜33歳・5職種別生存戦略

PR ※この記事にはアフィリエイト広告が含まれます

「同じ営業職でも、AIに仕事を取られる人と、AIで仕事が増える人がいる」——通勤電車のスマホで、田中健一さん（仮名・33歳・営業7年目・年収520万円・子1人）はそんな記事をスクロールしていた。1年前、同期の1人は提案書をChatGPTで量産し評価を上げて課長代理になった。別の1人は「AIは怖い」と言い続け、今春の組織再編で受発注グループへ異動になった。同じ会社・同じ職種・同じ世代で、なぜ結果が分かれたのか。

答えは「世代」では説明できない。30代という年代も、営業という職種も、2人とも同じだったからだ。違ったのは「自分が握っている業務のうち、AIに渡せる範囲と、AIで2倍速にできる範囲と、AIに監督役として乗っかる範囲の見立て方」だった——本記事はこの違いを構造化するために、AI時代のキャリアを**「代替リスク × 拡張余地」の6象限マップ**で測る。

世代別の視点で同じテーマを論じたピラー記事はこちら。両方を併読すると、AI時代のキャリア戦略は「世代の戦略（時間・経験・変化耐性の3資本）」と「職種の戦略（6象限上での自分の位置）」の立体構造として立ち上がる。本記事は後者のハブを担う。

最終章では、田中さんが「今週からできる行動」と「3カ月後の到達点」を6象限マップ上で示す。リスキリング給付金の併用シミュレーション（年収500/600/700万円ケース）まで踏み込むので、「学費が高くて無理」と諦めていた人にこそ最後まで読んでほしい。

なぜ「AI時代職種別キャリア」を6象限で考えるのか — 既存「世代別」議論の限界

結論: 世代別の議論は「いつ何をするか」のタイミングを示すが、同じ世代内で発生する勝敗の差は説明できない。職種別×AI影響度の6象限マップを重ねると、初めて「自分は今どこにいて、どこに動けば1段上に行けるか」が見える。

世代別議論の限界 — 同じ30代でなぜ結果が分かれるのか

世代別のキャリア論は有効だ。20代は時間資本を学習に投じ、30代は既存ドメインにAIを掛け算し、40代は監督役へシフトする——この枠組みは間違っていない。既存のピラー記事でも、3つの資本（時間・経験・変化耐性）の構成比が世代で異なることを軸に戦略を提示した。

しかし、世代論には1つの盲点がある。同じ世代・同じ職種でも、勝敗が分かれるという現実だ。30代営業職という同一カテゴリ内で、AIで提案書を量産する人と、AIを怖がって異動になる人が同時に発生する。世代論はこの差を説明しない。説明できるのは「業務の構造」——つまり職種内の業務をAI影響度で分解する視点だ。

経産省「2040年の就業構造推計（改訂版）」（2026年3月公表）は、事務職で約440万人の余剰、AI・ロボット利活用人材で約339万人の不足、現場作業者で約260万人、専門職で約180万人の不足が2040年までに同時進行すると推計した。重要なのは、これが**「職種が消える」のではなく「職種内のタスクが再分配される」**という現象だという点だ。同じ事務職の中でも、データ入力は440万人余剰側に、業務プロセス設計は180万人不足側に、それぞれ吸い込まれていく。

Anthropic Economic Indexが示した「三重ギャップ」

Anthropic Economic Index（2026年3月）は、ホワイトカラー職のタスクのうち理論上94.3%が自動化可能だが、実際に自動化されているのは約**33%で、さらにNBER Working Paper #34836では89%の経営者が「従業員1人当たり売上に変化なし」**と回答したことを示した。

理論94%→実際33%→組織効果ゼロ89%。この三重ギャップは、職種単位で「消える／残る」を議論する不毛さを示している。理論的にAIが代替できるタスクは大半だが、実際に組織が変わるには時間がかかる。その時間差の中で、個人は何を握って、何を手放し、何を新しく取りに行くかを設計できる。

ここから導かれるのは、「AI時代のキャリアは職種単位ではなく業務単位で考える」という結論だ。そしてその業務を6象限マップに配置することで、初めて自分の現在地と次の一手が見える。

既存「世代別」論と本記事「職種別」論の併読をすすめる理由

世代論と職種論は対立しない。両者は「縦軸（時間軸）」と「横軸（業務軸）」の関係にある。世代論は「3年後・5年後・10年後にどう進化するか」のロードマップを描き、職種論は「今この瞬間に何の業務を握っているか」のスナップショットを描く。両者を重ねると、自分の現在地（職種×象限）と、自分が向かう先（世代×資本）の両方が見える。

本記事の主役は職種論だが、各セクションで世代論への接続点を残す。田中さん（33歳）が6象限マップ上のA象限からC象限へ移動するとき、彼が動員する資源は世代論で扱った「時間資本×経験資本」の組み合わせになる。詳細は既存のピラー記事を参照してほしい。

AI影響度6象限マップ — 代替リスク×拡張余地で職種を測る

結論: AI影響度6象限マップは『縦=代替リスク3段階（高／中／低） × 横=拡張余地2段階（広い／狭い）』で6マスを構成する。各マスに「AIに渡す業務」「AIで増幅する業務」「監督役として握る業務」が異なるパターンで現れる。自分の業務をこの6マスのどこに置くかで、戦略が決まる。

6象限マップの定義

縦軸の「代替リスク」は、その業務がAIにより自動化される確率を3段階で示す。

高: 2026年時点で大規模言語モデル＋RPA／ワークフロー自動化で95%以上代替可能（データ入力、伝票転記、定型FAQ対応）
中: 部分的に代替可能だが、最終判断・例外処理・関係者調整に人間が必要（仕訳一次振分け、広告コピー初稿、議事録要約、コード初稿）
低: 暗黙知・組織横断調整・規制対応・対面交渉が必要で、2030年時点でも代替が困難（顧客の暗黙課題の構造化、アーキテクチャ設計、法務監査、対面クロージング）

横軸の「拡張余地」は、その業務にAIを組み合わせたとき、生産性・付加価値がどれだけ伸びるかを2段階で示す。

広い: AI活用により1人あたり生産性が2-10倍に伸ばせる（広告運用、コンテンツ制作、提案書作成、コード実装）
狭い: 業務量自体が固定的で、AIを使っても効率化以上の付加価値拡張が起きにくい（給与計算、規制対応監査、定型契約手続き）

この2軸を交差させると、6マス（A-F象限）が立ち上がる。

6象限の全体像

象限	代替リスク	拡張余地	代表業務	代表職種	推奨アクション
A	高	狭い	データ入力、伝票転記、定型FAQ	一般事務、受付、コールセンター（スクリプト対応）	AIに完全に渡し、自分は別象限へ移動
B	高	広い	御用聞き営業、定型提案、一次マーケ施策	営業（御用聞き）、マーケ（運用代行）、CS	渡せる部分はAIに渡し、残りの時間で右下C/F象限へシフト
C	中	狭い	仕訳一次振分け、給与計算、定型契約事務	経理（仕訳）、人事（給与）、法務（定型契約）	AIで2倍速にして、規制対応や監査側（F象限）の比重を増やす
D	中	広い	広告運用、コンテンツ制作、コード初稿、議事録要約	マーケター、SE（実装）、ライター、コンサルアシスタント	AIで生産性2-10倍にし、職種内ポジションを上げる主戦場
E	低	狭い	規制対応監査、法務最終判断、税務最終署名	公認会計士、税理士、弁護士、内部監査	AIを補助として使い、最終判断者・署名者として握り続ける
F	低	広い	アーキテクチャ設計、営業提案リード、組織横断調整、教育・コーチング	エンジニアリングマネージャー、コンサル、シニア営業、HRBP	AIをチームに導入する立場（監督役）として組織内の希少ポジションを取りに行く

6象限の使い方 — 3つの問い

自分の業務を6象限に配置するときは、以下の3つの問いを順に当てる。

問い1: その業務は週に何時間使っているか 時間配分を把握しないと、どの象限を強化すべきかが見えない。週40時間のうち、A象限に20時間使っているなら、その20時間をAIで圧縮し、別象限に振り替える余地がある。

問い2: その業務はAIに渡したとき、誰が品質を保証するか AIに渡すだけでは終わらない。AI出力の品質を保証する人が必要だ。自分が品質保証側に立てば、それはF象限（監督役）の業務として握り直せる。

問い3: その業務が組織内で評価される基準は何か 評価基準が「処理件数」ならA-C象限、「企画立案数」ならD象限、「組織横断調整数」ならF象限が主戦場になる。組織の評価基準と自分の業務象限が噛み合っていないと、いくらAIを使っても評価に結びつかない。

田中さん（33歳営業）の現在地

田中さん（仮名・33歳・営業7年目）の業務を6象限に置くと、こうなる。

A象限（高×狭い）: メール返信、議事録、案件管理ツールへの転記 — 週12時間
B象限（高×広い）: 既存顧客への定例提案、定型ヒアリング — 週10時間
D象限（中×広い）: 新規提案書の作成、競合分析資料、社内稟議書 — 週12時間
F象限（低×広い）: キーパーソンとの関係構築、クロージング、後輩への指導 — 週6時間

田中さんの戦略はシンプルだ。A+B象限の22時間をAIで圧縮し、D+F象限へ振り替える。3カ月後にD+F象限が28時間まで増えれば、職種内ポジションは確実に上がる。

詳細な職種別タスク分析は『生成AI 仕事影響ピラー記事』、職種別の影響度合いは事務職のAI影響・営業のAI影響を参照してほしい。

5職種クロス分析① 営業職 — 提案型は監督役、御用聞きは代替

結論: 営業職は2026年時点で6象限のうち4つに分散する。A・B象限の業務はAIに渡し、D象限を主戦場にしてF象限のクロージング・関係構築を価値の源泉として握る。御用聞き営業は左上に集中し、提案型営業は右下に集中する——同じ営業職でも置かれる象限は対極に近い。

営業職8業務×6象限マトリクス

田中さん（33歳）の業務を含む、営業職の典型業務8つを6象限に配置すると、以下のようになる。

業務	象限	AIの関与	推奨アクション
メール返信（定型）	A	95%代替	テンプレ＋AIで即時返信化
議事録作成	A	90%代替	Zoom/Teams録音→AI要約→次アクション抽出
案件管理ツール転記	A	95%代替	CRM連携で自動化
既存顧客への定例提案	B	80%代替	顧客データ＋商品マスタ→AI下書き
新規提案書作成	D	60%増幅	構成案AI生成→対面ヒアリング深掘り
競合分析資料	D	70%増幅	公開情報＋自社データをAIに統合させる
キーパーソン特定	F	30%補助	LinkedInデータ等を補助として使う
クロージング交渉	F	10%補助	AIは前段の論点整理のみ

ここから読み取れる構造は明確だ。営業職の業務時間のうち、A+B象限（代替リスク高）が50-60%を占めているケースが多い。この50-60%をAIで圧縮できれば、残りの40-50%（D+F象限）に時間を集中させられる。

御用聞き営業と提案型営業の二極化

営業職内部での二極化は、6象限上で明示的に観察できる。

**御用聞き営業（左上集中型）**は、定型案件の処理量で評価される営業スタイルだ。週次のルート訪問、定例発注、定型提案、見積処理——これらは全てA+B象限に集中する。AIによる代替が最も進む象限であり、組織再編で「営業事務」「カスタマーサクセス」へ吸収される確率が高い。

**提案型営業（右下集中型）**は、顧客の暗黙の課題を発見・構造化することで評価される営業スタイルだ。新規提案、競合分析、キーパーソンとのリレーション、クロージング——これらはD+F象限に集中する。AIによる代替が困難で、むしろAIを補助として使うことで生産性が2-3倍に伸びる主戦場になる。

田中さんが目指すべきは後者だ。営業7年目で蓄積した顧客データ・業界知識・社内ネットワークは、D+F象限の業務でこそ最大限活用される。

営業職の今週からのアクション

「営業10年目。AIで仕事なくなるって記事を見るたびに不安になる。でも何すればいいかわからない。資料作成はChatGPTで半分終わるのに、社内では誰も使ってない」 ——複数のキャリア相談から編集部が構成した典型例（実在の個人を特定しない）

この声に対する具体的な答えは、業務時間を6象限上で再配分することだ。1週目: A象限の3業務（メール、議事録、CRM転記）をAIで自動化／半自動化する。2週目: B象限の定型提案にAIテンプレを導入する。3週目: 浮いた時間をD象限の新規提案に投じる。4週目: F象限のキーパーソン1名を選び、月1回の1on1を仕込む。

営業職向けにAI×営業の体系学習を進めるなら、職種特化のカリキュラムが効率的だ。DMM 生成AI CAMP 営業コースは、提案書生成・議事録要約・CRM連携などの実務シナリオに沿った構成になっている。

5職種クロス分析② 事務職 — 拡張余地狭い×代替リスク高の象限

結論: 一般事務はA象限（代替リスク高×拡張余地狭い）に最も集中する職種で、AIによる業務量縮小の影響を直接受ける。生き残り戦略は2つ——E象限（規制対応・監査）かF象限（業務プロセス設計）への象限ジャンプ。みずほFGの「事務グループ→プロセスデザイングループ」改称は、この方向を象徴している。

事務職8業務×6象限マトリクス

業務	象限	AIの関与	推奨アクション
データ入力	A	95%代替	RPA＋OCRに完全移管
伝票転記	A	95%代替	RPA＋ERPでフロー自動化
定型メール対応	A	90%代替	テンプレ＋AI返信
受発注処理	A	80%代替	EDIシステム連携
社内問い合わせ一次対応	B	80%代替	FAQボット＋AI
業務マニュアル作成	D	70%増幅	業務観察→AI下書き→現場確認
業務プロセス再設計	F	20%補助	AI調査＋現場ヒアリング
内部監査・コンプライアンス対応	E	30%補助	規制更新→AI要約→最終判断は人間

事務職の業務時間のうち、70-80%がA+B象限に集中する。これは5職種のなかで最も代替リスクが高い構造だ。経産省推計で事務職に440万人の余剰が見込まれるのは、このマトリクスの帰結に他ならない。

みずほFGの「事務グループ→プロセスデザイングループ」改称が示す方向性

2026年4月、みずほフィナンシャルグループは「事務グループ」を「プロセスデザイングループ」に改称した。これは単なる名前の変更ではない。事務を処理する部門から、業務プロセスを設計・改善する部門への組織アイデンティティの転換を意味している。

事務職の生き残り戦略は、まさにこの方向だ。A+B象限の業務をAIに渡したあと、自分はF象限（業務プロセス設計）かE象限（内部監査・コンプライアンス）へ象限ジャンプする。F象限へジャンプするには「業務の流れを構造化して図解できるスキル」が、E象限へジャンプするには「規制・ルール・例外パターンの体系理解」が必要になる。

事務職の今週からのアクション

1週目: 自分の業務時間を1週間記録し、A象限・B象限・その他の比率を可視化する。2週目: A象限の中で「自動化可能だが社内ルールで未着手」のものを1つ選び、上長に提案する。3週目: 浮いた時間でF象限の準備として「自部署の業務フロー図」を1枚作る。4週目: 内部監査・業務改善・プロセスデザインの社内公募／社外資格（ITコーディネータ等）の情報収集を始める。

事務職のキャリアチェンジ全体像は事務職のAI影響と次の一手、20代事務職の選択肢は事務職のAI 9つのサインも参考になる。

5職種クロス分析③ 経理職 — 規制業務が監督役を生む

結論: 経理職はC象限（代替リスク中×拡張余地狭い）が主戦場で、AIによる仕訳・給与計算の自動化が進む一方、E象限（監査・最終署名・規制対応）が「絶対に人間が握り続ける業務」として残る。AI時代の経理は「仕訳係」から「規制対応の最終判断者」「業務設計者」へシフトする。

経理職8業務×6象限マトリクス

業務	象限	AIの関与	推奨アクション
仕訳一次振分け	C	80%代替	AI仕訳＋確認フロー
経費精算チェック	A	90%代替	領収書OCR＋AI
月次決算（定型部分）	C	60%増幅	AI＋ERPで圧縮
給与計算	C	85%代替	給与システムで自動化済み
月次・四半期管理会計分析	D	70%増幅	AIで集計＋人間の解釈
税務申告（最終署名）	E	20%補助	AIは下調べ、署名は税理士／会計士
内部統制・J-SOX対応	E	30%補助	規制更新→AI整理→最終判断は人間
経営層への業績報告・改善提案	F	40%増幅	AIでデータ整理、判断・提言は人間

経理職の業務時間のうち、**C象限（代替リスク中×拡張余地狭い）が40-50%**を占める。ここはAIで2倍速にできる象限だが、業務量自体は固定的なので「時間を浮かす」効果が主だ。

注目すべきは**E象限（監査・最終署名）とF象限（経営報告・改善提案）**だ。E象限は規制が業務を保護する構造で、AIによる代替が法的・倫理的に困難。税務申告書には税理士の署名が必要、有価証券報告書には公認会計士の監査証明が必要——この「人間の署名」がある限り、E象限の業務は残り続ける。

F象限は、経理データを経営判断に翻訳する業務だ。「売上が前年同月比12%減」というデータをAIが出すのは簡単だが、「だから来月の広告投資を15%減らし、原材料の備蓄水準を1.2倍にすべき」という提言は、経営状況・人間関係・暗黙のコンテキストを織り込んだ判断になる。ここはAIだけでは詰めきれない。

簿記2級経理の象限ジャンプ戦略

簿記2級レベルの一般経理は、C象限が主戦場だ。ここから先、E象限へジャンプするなら税理士・公認会計士・USCPA等の専門資格、F象限へジャンプするなら経営企画・FP&A・管理会計の社内異動や転職が選択肢になる。

「経理10年目。AIで仕事なくなるって記事を見るたびに不安になる。でも何すればいいかわからない」 ——複数のキャリア相談から編集部が構成した典型例（実在の個人を特定しない）

この声に対する2026年の答えは、「仕訳の量で評価される働き方から、規制対応の判断者・経営層への翻訳者で評価される働き方への移行」だ。具体的な経理AI活用の手順はChatGPTで経理業務を進める具体手順、簿記2級保持者の価値再定義は簿記2級×AI時代の価値も参考にしてほしい。

経理職の今週からのアクション

1週目: 仕訳・経費精算のうちAI支援ツールが導入されている範囲を社内で確認する。2週目: 月次管理会計分析の出力フォーマットを、AIで2倍速で作成できるテンプレ化する。3週目: E象限（規制対応）の社内研修・外部研修に1つ申し込む。4週目: 経営層への業績報告で「提言1つを必ず付ける」運用に切り替える。

経理職の年収レンジ・転職市場感はジャスネットキャリアやMS-Japan等の経理・会計特化エージェントで把握できる。

5職種クロス分析④ マーケター — 増幅象限の代表格

結論: マーケターはD象限（代替リスク中×拡張余地広い）が主戦場で、AIによる生産性増幅効果が5職種中最大になる。広告コピー・LP草案・SNS投稿・A/Bテスト案——これら全てがAIで2-10倍に量産できる。一方、F象限（戦略設計・予算配分・顧客理解）は人間が握り続ける価値の源泉になる。

マーケター8業務×6象限マトリクス

業務	象限	AIの関与	推奨アクション
広告コピーA/B案生成	D	80%増幅	ChatGPT/Claudeで10案/日
LP草案作成	D	70%増幅	構成案AI生成→人間が深化
SNS投稿スケジュール作成	D	70%増幅	テーマ→AI→人間の最終調整
競合分析（公開情報）	D	75%増幅	公開データ→AI整理
GA4データ集計レポート	D	70%増幅	Looker Studio＋AI解釈
顧客インタビュー実施	F	20%補助	AIは質問設計の補助のみ
キャンペーン戦略立案	F	30%増幅	データ→AI→人間の判断
予算配分・KPI設定	F	20%補助	数字はAI、判断は人間

マーケター業務の70-80%がD象限に集中する点が、他職種との決定的な違いだ。これは「マーケターはAIで一番得をする職種」とも言い換えられる。広告コピーを1日10本書いていた業務が、AIで1日100本のA/B案生成に変わる。検証サイクルが10倍に上がれば、学習速度も10倍になる。

ただし、注意点がある。「AIで量産できる」ことは「AIで成果が出る」ことを意味しない。100本のコピーがあっても、それが顧客の心理を捉えていなければCVには結びつかない。F象限（顧客理解・戦略設計）の質が、D象限（量産）の成果を決める。

営業からマーケへの転換パス

田中さん（33歳営業）がマーケへの転換を考えるとき、営業経験は「顧客の購買心理の言語化」「ヒアリングと提案の構造化」というマーケ職の根幹と地続きで活きる。ゼロからの未経験転職とは難度が大きく異なる。

必要スキルは4階層に分けられる。第一にデータ基盤：GA4（Google Analytics 4）の基本指標とイベント設計、SQLのSELECT/JOIN/GROUP BYまで。第二に広告運用：Google広告／Meta広告の入稿・最適化、CV計測の基礎。第三にコンテンツ生成：ChatGPT・Claudeで広告コピー／LP草案／SNS投稿のA/Bテスト素案を量産。第四にワークフロー自動化：Difyやn8nでメール対応・レポート集計の半自動化。

想定年収レンジは、求人サイト・転職エージェント各社の公開データを総合すると、**マーケ職30代で500〜650万円（事業会社）／600〜800万円（広告代理店・SaaS）**が中央値帯（出典: 厚労省 jobtagマーケティング・リサーチャー平均年収611万円ほか、求人ボックス／レバテック等2026年5月時点公開データ）。

職種特化の体系学習はDMM 生成AI CAMP マーケティングコースでカリキュラム概要が確認できる。

マーケターの今週からのアクション

1週目: 担当キャンペーンの広告コピーを、ChatGPT/ClaudeでA/B案を10本生成して2本選ぶ運用にする。2週目: GA4で「コンバージョン経路の3秒解釈」をAIに任せ、判断と次アクションを人間が決める。3週目: 顧客インタビュー1本を実施し、AIに頼らない一次情報を月1で必ず取る。4週目: 予算配分の意思決定を「データ＋仮説」で言語化する習慣をつける。

5職種クロス分析⑤ SE/エンジニア — 拡張余地最大、ただし監督役は別スキル

結論: SE/エンジニアはD象限（コード実装）とF象限（アーキテクチャ設計・チーム監督）の両方を持つ職種で、AIによる拡張余地は5職種中最大。GitHub CopilotやClaude Codeでコード実装が劇的に効率化される一方、アーキテクチャ設計・セキュリティ評価・組織横断調整はF象限に強く残る。「コード実装の達人」から「AIを使うチームの設計者」への移行が、シニアの主戦場になる。

SE/エンジニア8業務×6象限マトリクス

業務	象限	AIの関与	推奨アクション
定型実装（CRUD、フォーム）	D	70%増幅	GitHub Copilot＋AIで2-5倍速
単体テスト作成	D	75%増幅	AIでテストケース網羅
バグ修正（ログ解析含む）	D	60%増幅	AIでスタックトレース整理
既存コードのリファクタリング	D	65%増幅	AIで提案→人間の判断
仕様書・設計書作成	D	70%増幅	構成案AI→人間が深化
アーキテクチャ設計	F	30%補助	AIは選択肢の整理、判断は人間
セキュリティ評価	F	20%補助	AIは脆弱性候補、最終評価は人間
後輩・チームメンバー指導	F	10%補助	AIは事例検索の補助

SE/エンジニアの業務時間は、D象限が50-60%、F象限が20-30%という構成が典型だ。GitHub OctoverseのデータではコードのAI関与率が約51%に達しており、D象限の生産性は確実に上がっている。一方、F象限はAnthropic Economic Indexが示すように、人間の関与が必須の領域として残る。

シニアエンジニアの2つの選択肢

シニアエンジニアの選択肢は2つに分かれる。

選択肢A: D象限の達人として極める コーディングAI（GitHub Copilot、Claude Code、Cursor等）を駆使し、1人で従来5人分の実装を回せるスーパーエンジニアになる道。フリーランス・副業・スタートアップでの単価上昇が見込める。

選択肢B: F象限へシフトする アーキテクチャ設計、セキュリティ評価、チーム監督、AIツール導入のリーダーとして組織内ポジションを取る道。エンジニアリングマネージャー、CTO、技術顧問への道筋になる。

注意点は1つ。選択肢Bは選択肢Aとは別スキルセットを要求するということだ。コードを書くスキルと、人を動かし組織を設計するスキルは独立した能力で、後者は実務経験とコーチング・経営知識の学習が必要になる。

SE/エンジニアの今週からのアクション

1週目: GitHub CopilotまたはClaude Codeを実務に導入し、定型実装の時間を計測する。2週目: AIで生成したコードを、自分のスタイルで書き直す比率を記録し、何が「自分のスタイル」なのかを言語化する。3週目: アーキテクチャ設計のドキュメント1本を読み、自社プロダクトのアーキテクチャを1枚図で書く。4週目: 後輩・チームメンバー1名と1on1を設定し、AIツールの導入支援・コードレビューを通じて「自分の知識を渡す」運用を始める。

エンジニアの体系的学習はDMM 生成AI CAMP 生成AIエンジニアコース、SE全般のAI影響度の整理はSEのAI影響と将来性も参考になる。

役割再定義3パターン — 代替・増幅・監督の使い分け

結論: AI時代の業務は「代替（AIに渡す）」「増幅（AIで2倍速）」「監督（AIの品質保証）」の3パターンで再定義される。同じ業務でも、自分が3パターンのどれを選ぶかで、評価・年収・組織内ポジションが変わる。5職種それぞれで、3パターンの最適配分を設計することが、6象限マップを実際の行動に落とし込む鍵になる。

3パターンの定義

代替（Replace）パターン その業務を、AIに渡して完全に任せる。自分は最終チェックだけ行い、空いた時間を別象限の業務に振り替える。代表例: メール返信、議事録作成、伝票転記。

増幅（Amplify）パターン その業務にAIを組み合わせ、1人あたりの生産性を2-10倍に伸ばす。AIは下書き・素案・選択肢生成を担当し、人間が判断・選別・深化する。代表例: 広告コピー、提案書作成、コード実装、月次レポート。

監督（Supervise）パターン AIが量産する業務の品質を保証する役割を引き受ける。AIが生成したコード／コピー／レポートに対し、人間が最終判断・署名・組織内合意形成を行う。代表例: コードレビュー、税務最終署名、戦略レビュー、部下のAI活用指導。

3パターン×5職種マトリクス

職種	代替パターン	増幅パターン	監督パターン
営業	メール、議事録、CRM転記	新規提案書、競合分析、社内稟議	クロージング、後輩指導、AI営業ツール導入リード
事務	データ入力、伝票転記、定型メール	業務マニュアル、社内問い合わせFAQ	業務プロセス再設計、内部監査、AI導入推進
経理	経費精算、給与計算（定型部分）	月次決算、管理会計分析	税務最終署名、内部統制、経営報告
マーケター	レポート自動集計	広告コピー、LP草案、SNS投稿、競合分析	キャンペーン戦略、予算配分、顧客理解
SE/エンジニア	定型実装、テストコード	仕様書、リファクタリング、設計書	アーキテクチャ、セキュリティ、後輩指導

このマトリクスから読み取れる原則は3つだ。

原則1: 代替パターンは「時間を作る」 代替パターンの目的は、業務時間を浮かすこと。浮いた時間を増幅・監督に振り替えることで、年収・評価・組織内ポジションが上がる。代替だけで終わると「効率化＝業務量増」になり評価には結びつかない。

原則2: 増幅パターンは「成果を伸ばす」 増幅パターンの目的は、1人あたり成果を伸ばすこと。広告コピー10案を100案にしても、最終的に1案を選ぶ判断力が伴わなければ意味がない。判断力と組み合わせて初めて成果が伸びる。

原則3: 監督パターンは「ポジションを取る」 監督パターンの目的は、組織内の希少ポジションを取ること。AIが量産する時代に「最終判断者」「品質保証者」「組織内のAI導入リーダー」は希少性が上がる。30代後半〜40代以降のキャリアの主戦場はここになる。

田中さん（33歳）の3パターン配分

田中さんの現状業務時間を、3パターンに再配分するとこうなる。

パターン	現状時間	3カ月後の目標	担当業務
代替	22時間/週	8時間/週	メール、議事録、CRM転記、定例提案（テンプレ運用）
増幅	12時間/週	20時間/週	新規提案書、競合分析、社内稟議、業界調査
監督	6時間/週	12時間/週	クロージング、後輩のAI営業ツール指導、社内AI営業勉強会主催

合計40時間/週は変わらないが、内訳が完全に変わる。代替が14時間減り、増幅が8時間、監督が6時間増える。3カ月後、田中さんは「営業担当」から「営業×AI活用リーダー」へポジションを動かせる。

5職種共通の今週からの第一手

3パターンを意識した第一手は、5職種共通でこうなる。

自分の週次業務をリストアップし、各業務を「代替／増幅／監督」のどれが最適かタグ付けする
代替タグの業務のうち、最も時間を使っているもの1つを選び、今週中にAIで自動化／半自動化を開始する
浮いた時間を、増幅または監督タグの業務に振り替える
翌週、業務時間の3パターン配分を再計測し、変化を記録する

この第一手は無料で、今週から始められる。スクール受講や転職は、この第一手を3-4週間続けた後に「現状の延長で十分か、追加投資が必要か」を判断してから決めれば良い。

リスキリング給付金併用パターン — 教育訓練休暇給付金80%＋専門実践教育訓練給付金70%

結論: 2025年10月開始の教育訓練休暇給付金（賃金80%×最大150日）と、既存の専門実践教育訓練給付金（受講費70%／上限年56万円）を併用すると、年収500-700万円の33歳でも実質負担額10万円以下でDMM 生成AI CAMPクラスの体系学習を受けられる。「お金がないからリスキリングできない」という思い込みは、2026年時点では制度活用次第で解消できる。

2つの給付金の制度概要

教育訓練休暇給付金（2025年10月制度開始） 厚労省「教育訓練休暇給付金」は、雇用保険被保険者が学び直しのために休暇を取得した場合に、賃金の最大80%（上限あり）を最大150日間給付する制度だ。雇用保険の基本手当（失業手当）と同じ仕組みで支給される。33歳・年収500万円の場合、賃金日額の80%が支給される計算になる。

専門実践教育訓練給付金（既存制度） 厚労省「教育訓練給付制度」のうち、専門実践教育訓練給付金は対象講座の受講費の最大70%（年間上限56万円）を給付する制度だ。3年連続で受給する場合、最大168万円の給付が可能。AIエンジニア育成講座、ITスキル系講座、看護師・保育士などの専門資格講座が対象になっている。

併用シミュレーション — 年収500/600/700万円ケース

33歳・3カ月（90日）コース（受講費約33万円仮定）を受講する場合の試算は以下のとおりだ。

年収	賃金日額	教育訓練休暇給付金（80%×90日）	専門実践教育訓練給付金（受講費70%）	実質負担額（試算）
500万円	約13,700円	約986,400円（給付）	約231,000円（受講費33万円のうち）	受講費実質約99,000円＋休暇中の所得補填あり
600万円	約16,400円	約1,180,800円（給付）	約231,000円（受講費33万円のうち）	受講費実質約99,000円＋休暇中の所得補填あり
700万円	約19,100円	約1,375,200円（給付）	約231,000円（受講費33万円のうち）	受講費実質約99,000円＋休暇中の所得補填あり

注: 上記は制度設計の概念を示す試算であり、賃金日額の算定方法（直近6カ月の総支給額÷180）、上限額、給付率の段階（年齢区分）、講座指定の有無により実際の支給額は変動する。正確な試算はハローワークで確認できる。

ここから読み取れる構造はこうだ。教育訓練休暇給付金が「休暇中の生活費の80%」を補填し、専門実践教育訓練給付金が「受講費の70%」を補填する。この2つを併用すれば、リスキリングのために職場を3カ月離れても、生活費の8割と受講費の7割は国が負担する設計になっている。

適用にあたっての注意点

ただし、注意点が3つある。

注意点1: 講座が制度対象か事前確認が必要 専門実践教育訓練給付金は厚労省の対象講座リストに掲載された講座のみが対象だ。DMM 生成AI CAMPのようなスクール系講座でも、コースによって対象／対象外が分かれる。受講前にハローワークで「対象講座番号」を確認する必要がある。

注意点2: 教育訓練休暇給付金は「雇用主の休暇制度」が前提 2025年10月開始の教育訓練休暇給付金は、自社の就業規則に「教育訓練休暇制度」がある場合に利用できる。中小企業でこの制度が整備されていない場合、人事部と相談の上で就業規則改定を提案するステップが先になる。

注意点3: 給付金の申請は事前手続きが必要 両制度とも、講座受講開始前にハローワークまたは雇用保険事務所への事前相談・申請が必要だ。受講後の事後申請では給付されないケースが多い。動き出しの順序は「制度確認→ハローワーク相談→講座申込」が原則になる。

DMM 生成AI CAMPのコース選択

5職種それぞれに対応するDMM 生成AI CAMPのコースは以下のとおりだ。受講前に専門実践教育訓練給付金の対象有無を必ず確認してほしい。

給付金以外の支援も検討する

中小企業所属の場合は、「人材開発支援助成金（事業展開等リスキリング支援コース）」で経費75%＋賃金助成1人1時間1,000円が出るケースもある。これは雇用主側の申請になるため、自社人事部と相談して「自分のリスキリングが助成対象になるか」を確認する手順が必要だ。

リスキリング全体の方向性をまず整理したい場合、書籍からの導入が無理がない。リンダ・グラットン『リデザイン・ワーク新しい働き方』を見るはハイブリッドワーク・AI時代の働き方の再設計を4ステップで論じた書籍で、個人のキャリア再設計にも転用できる。カイフー・リー『AI 2041 人工知能が変える20年後の未来』を見るは20年後の社会を10の短編で描いた1冊で、長期視点を保つための定点観測として有効だ。

「学ぶ理由」を先に整理したい場合

スクール選びの前に「自分は何のために働いているか／学ぶか」を整理したい人もいる。AIスキル習得と並行して、対話型のキャリアコーチングで方向性を言語化する選択肢がある。ポジウィルキャリアの無料カウンセリングを申し込むは転職を前提とせず「働く目的・方向性」を整理する初回無料カウンセリングを提供している。学習投資の前段として「学ぶ理由」を言語化する時間を取ることで、スクール選択のミスマッチを減らせる。

具体的な求人を見て市場感を掴みたい人は、リクルートエージェント公式サイトで無料相談する（※ASP連携準備中・現状は公式LP直リンク）でAI関連職の求人数・年収レンジを確認すると、自分のリスキリングが市場でどう評価されるかの感覚が掴める。

田中さん（33歳・営業）の3カ月行動計画 — 6象限自己診断→1象限上に移動

結論: 田中さんが3カ月で実現するのは「6象限上の主戦場をA+B象限からD+F象限へ移動」だ。1カ月目は自己診断＋AI業務導入、2カ月目は体系学習＋給付金申請、3カ月目はAI営業活用リーダーポジション獲得とキャリア整理。3カ月後、田中さんは現職継続・転職・副業のいずれにも展開できる状態になる。

1カ月目: 自己診断とAI業務導入

Week 1: 6象限自己診断 週次の業務時間を記録し、6象限に配置する。Excelやスプレッドシートで「業務名・週時間・象限・代替/増幅/監督タグ」の4列表を作る。田中さんの場合、A象限12時間／B象限10時間／D象限12時間／F象限6時間という配分が見えてくる。

Week 2: A象限の自動化 A象限の最大時間業務（メール・議事録・CRM転記）をAIで自動化／半自動化する。ChatGPT無料プラン、Gemini無料プラン、Claude無料プランのいずれかで開始可能。コストゼロで始められる。

Week 3: B象限のテンプレ化 B象限の定例提案・定型ヒアリングを、AI＋テンプレで70-80%まで圧縮する。既存顧客リスト＋過去提案書をAIに学習させると、初稿は10分で出る。

Week 4: 浮いた時間の振り分け実験 3週間で浮いた時間（推定10-14時間/週）を、D象限の新規提案書とF象限のキーパーソン関係構築に振り替える実験を行う。1カ月終了時点で6象限配分を再計測する。

2カ月目: 体系学習と給付金申請

Week 5-6: 体系学習開始 DMM 生成AI CAMP 営業コースまたは無料／低価格の汎用講座（Google「デジタルワークショップ」、総務省「ICTスキル総合習得プログラム」等）で体系学習を始める。週8-10時間を学習に投じる。

Week 7: 給付金申請手続き 専門実践教育訓練給付金の対象講座を選んだ場合、ハローワークで事前相談を行う。教育訓練休暇給付金の利用を考える場合、自社人事部に就業規則の教育訓練休暇制度の有無を確認する。

Week 8: 学習成果の社内可視化 学習した内容を活用した提案書／競合分析を1本作り、上長・同僚に共有する。「AIで効率化しました」ではなく「AI活用で提案の質を上げた事例」として可視化することがポイントだ。

3カ月目: ポジション獲得とキャリア整理

Week 9-10: 社内AI営業ポジション獲得 社内で「AI営業活用リーダー」「AI営業勉強会主催者」のポジションを獲得する。月1回の勉強会主催、社内Wikiでのナレッジ共有、後輩向け1on1指導の3つで可視化する。

Week 11: 外部視点の取り入れ キャリアコーチングの無料面談で、半年〜1年の方向性を整理する。転職を前提とせず「自分は何のために働いているか」「次のステップで取りに行きたいスキル・ポジションは何か」を言語化する場として使う。

Week 12: 3つの選択肢の整理 3カ月後、田中さんは以下の3つの選択肢を持つ状態になる。

現職継続: AI営業活用リーダーとして社内ポジションを確立し、課長代理・課長への昇進ルートを取る
転職: AI営業活用の実績と基礎学習履歴を職務経歴書に書き、AIに積極投資している事業会社への転職を狙う
副業・独立: AI営業活用の知見を、フリーランス営業コンサルタント・営業コーチとして外販する

3カ月で「選択肢が増える状態」を作る——これが田中さんが3カ月後に到達する状態だ。具体的な「次の一歩」は、職種・年齢・現状によって異なるが、6象限マップ上での自己診断と3パターン配分の言語化が、すべての選択肢の前提になる。

キャリアチェンジを具体的に進める場合

30代でキャリアチェンジを視野に入れる場合、年代に強い転職エージェントを早めに使うのが定石だ。リクルートエージェント公式サイトで無料相談する（※ASP連携準備中・現状は公式LP直リンク）で求人レンジを把握し、転職の前段として「現職維持か転職か」の判断材料を集める手順が王道になる。

エンジニア転換まで踏み込みたい場合は、保証付きで実践的に学べるPython Winnerの転職保証コースを見るが候補に入る。スクール卒業後の就業形態として、AIエンジニア派遣・転職に強いラクスパートナーズでAIエンジニア求人を見るを並行して見ておくと、学習中に求人市場の感覚が掴める。

詳細な30代キャリアチェンジの手順はAI キャリアチェンジロードマップ、5ステップ意思決定の流れはAI時代キャリアチェンジ5ステップ意思決定ループも参考にしてほしい。

よくある質問（FAQ）

Q1. 6象限の境界が曖昧な職種（例: 人事・コンサル・教師）はどう判断すればよいですか？

A. 6象限は職種ではなく「業務」を配置するフレームなので、職種が曖昧でも判定可能です。手順はこうです。第一に、その職種の業務を10-15個リストアップする。第二に、各業務を「データ入力・転記」「議事録・要約」「提案・企画」「最終判断・署名」「組織横断調整」「対面交渉・関係構築」のどれに最も近いかタグ付けする。第三に、各タグから象限を判定する（タグと象限の対応表は本記事H2-2を参照）。人事職なら採用書類スクリーニングはA象限、面接実施はF象限、人事制度設計はF象限、給与計算はC象限といった具合に分散します。

Q2. 40代でも同じ6象限フレームが使えますか？

A. 使えますが、戦略の重心が変わります。30代までは「D象限（増幅）に時間を集中させる」が主戦場ですが、40代以降は「F象限（監督）でポジションを取る」が主戦場になります。理由は、40代以降は経験資本（業務知識・組織人脈）が最大化される一方、時間資本（学習投下年数）が相対的に減るためです。みずほFGの「事務グループ→プロセスデザイングループ」改称が象徴的なように、40代以降のキャリアは「AIを使う側」から「AIを使うチームを設計・監督する側」へのシフトが主戦場になります。詳細は40代AIキャリアチェンジ成功条件も参考にしてください。

Q3. 給付金併用に企業の承認は必要ですか？

A. 制度ごとに異なります。専門実践教育訓練給付金は個人申請で雇用主の承認は不要です（受講費の最大70%を国が個人に給付）。一方、教育訓練休暇給付金は自社の就業規則に「教育訓練休暇制度」がある場合に利用可能で、間接的に雇用主の協力が必要です。中小企業で就業規則に教育訓練休暇制度がない場合、人事部に「人材開発支援助成金（事業展開等リスキリング支援コース）」と合わせて制度導入を相談する手順が現実的です。詳細はハローワークで個別相談が可能です。

Q4. ChatGPT・Claude・Geminiのどれを使えばよいですか？

A. 6象限と3パターンで使い分けるのが効率的です。ChatGPT＝幅広い下書きとアイデア発散（A象限の自動化、D象限の量産）、Claude＝長文・データ解釈・コードの精度が必要な場面（D象限の深化、F象限の意思決定支援）、Gemini＝Google Workspace連携・リアルタイム検索（B象限の業務統合）と役割を分けると学習投資のROIが上がります。無料プランから始めて、業務利用が定着した段階で有料プランへの切り替えを検討するのが安全です。情報漏洩リスクを避けるため、個人情報・顧客情報・機密情報を入力しないことを徹底してください。

Q5. 6象限マップで「自分はA象限が80%」だった場合、どこから手を付けるべきですか？

A. A象限が80%の状態は、AIによる業務量縮小の影響を最も直接受けるリスク状態です。優先順位はこうです。第一に、A象限の最大時間業務を1つ選び、今週中にAIで自動化／半自動化を開始する（無料ツールでコストゼロ）。第二に、浮いた時間でD象限（増幅）またはF象限（監督）に該当する業務を1つ取りに行く（社内公募、業務範囲拡張の提案、勉強会主催等）。第三に、3カ月後を目処に、職種そのものの転換（事務職→マーケ職、営業事務→提案型営業等）を視野に入れる。職種転換にはリスキリング給付金の活用が有効です。詳細は本記事H2-9を参照してください。

Q6. 「AIに仕事を取られる」と「AIで仕事が増える」が同時に起きるのはなぜですか？

A. AI時代の業務は「同じ職種内で代替される業務と増幅される業務が同時発生する」構造になっているためです。経産省2040年推計が示すように、事務職440万人余剰とAI人材339万人不足は同じ国の同じ10年で同時進行します。これは「事務職の中で、データ入力タスクは440万人余剰側に吸い込まれ、業務プロセス設計タスクは180万人不足側に吸い込まれる」という構造の現れです。同じ職種内での二極化を理解するために、6象限マップで業務を分解する視点が必要になります。

Q7. 「AIスキル」だけ学べば年収は上がりますか？

A. 「AIスキル単体」では年収プレミアムは限定的です。PwC AI Jobs Barometerが示すAIスキル保有者の賃金プレミアム（約56%）は、「AIスキル×特定ドメイン（営業・経理・マーケ等）」の掛け算で初めて市場価値として認められるケースが大半です。プロンプトエンジニアという職名は2025年以降求人が減少傾向にあり、職名ベースのキャリア設計より「どのドメインで何の業務にAIを使って成果を出したか」のポートフォリオが堅い投資になります。本記事の6象限マップは、まさにこの「ドメイン×AI活用」の設計図として機能します。

この記事について — シゴトAI編集部の編集方針

シゴトAI編集部は、AI領域とキャリア領域の編集者・実務経験者による合議体です。AIエンジニア／人事担当／キャリアコンサルタント／メディア編集者の4職種が記事1本ごとに視点を持ち寄り、企画・取材・執筆・校閲を分業しています。営業職から事務職、エンジニア、専門職まで、当事者の悩みと一次データの両方を1記事内で扱うことを大原則としています。

編集方針は3つに集約されます。第一に、全記事で公的機関・国際機関・査読付き論文の一次データを最低5本引用すること。経産省・厚労省・PwC・BCG・OECD・WEF等の出典を本文中にURLで明記し、二次情報のみの引用は禁じています。第二に、社内の表現ガイドライン（NGフレーズリスト）を全記事で機械チェックすること。根拠なき最上級表現、効果の断定、時間圧力を煽る扇動的なフレーズ等は、執筆時と公開前の2段階で機械的に除外しています。第三に、アフィリエイトリンクを含む記事では冒頭にPR表記を明示し、商品・サービスのデメリット・代替選択肢・条件付き有効性まで併記すること。読者が金銭判断する前提で記事を設計しています。

サイトコンセプトは「その不安は正しい。次はここだ」——AI時代の働き手の不安を否定せず、データで裏付け、次の具体的な一歩を提示することを目的としています。本サイトの運営方針・編集体制の詳細はシゴトAI編集部について、運営者情報は特定商取引法に基づく表記から確認できます。

まとめ — 6象限マップ×3パターン×給付金併用で「選択肢が増える状態」を作る

この記事で見てきた構造を整理します。

6象限マップ: 代替リスク3段階×拡張余地2段階で6マス（A-F象限）を構成。同じ職種でも業務によって象限が異なる。営業職は4象限に、事務職はA象限集中に、経理職はC+E象限に、マーケターはD象限集中に、SE/エンジニアはD+F象限に、それぞれ重心が異なる
5職種クロス分析: 営業/事務/経理/マーケ/SEを6象限上に配置すると、職種内の二極化（御用聞き営業と提案型営業／一般事務とプロセス設計／仕訳係と監査署名者）が明示的に見える。同じ職種内で勝敗が分かれる理由は、占めている象限の違いに帰着する
役割再定義3パターン: 代替（AIに渡す）／増幅（AIで2倍速）／監督（AIの品質保証）。代替で時間を作り、増幅で生産性を伸ばし、監督で組織内ポジションを取る——この順序で時間配分を再設計する
給付金併用: 教育訓練休暇給付金80%×最大150日＋専門実践教育訓練給付金70%/年56万円。年収500-700万円の33歳でも、実質負担額10万円以下でDMM 生成AI CAMPクラスの体系学習を受けられる設計が国の制度として整備されている
3カ月行動計画: 田中さん（33歳営業）の場合、1カ月目は自己診断＋AI業務導入、2カ月目は体系学習＋給付金申請、3カ月目はAI営業活用ポジション獲得＋キャリア整理。3カ月後、現職継続・転職・副業のいずれにも展開できる状態を作る

「AI時代のキャリアはどうなるのか」——この問いへの2026年6月時点の回答は、こうです。

消えるのは職種ではなく業務。残るのは業務の再編成と意思決定の責任。あなたが今週から動かす業務時間の1時間が、3カ月後の選択肢を決める。

世代別の戦略はAI時代のキャリアの作り方（世代別ピラー記事）、職種別の影響度合いは事務職のAI影響・営業のAI影響・経理のAI影響・SEのAI影響、AIキャリアチェンジの具体手順はAIキャリアチェンジロードマップ、30代の不安整理はAI時代の30代キャリア不安、40代の成功条件は40代AIキャリアチェンジ成功条件で詳しく解説しています。

あなたの仕事がAIにどの程度影響を受けるか、3分で確認できるAI影響度診断も用意しています。診断結果を起点に、自分の職種を6象限のどこに置けばよいかを組み立て直してください。

AI時代のキャリアを一歩前へ — 次の3アクション

ここまで読んでくれたあなたへ。データと枠組みを理解した次の段階は、3カ月後の選択肢を作る行動です。以下の3つのうち、いま自分に必要な順序で1つを選んでください。

「学ぶ理由」を先に整理したい: ポジウィルキャリアの無料カウンセリングを申し込む
職種別のAIスキルを体系学習したい: DMM 生成AI CAMP メインLP（汎用）
30〜40代でAI関連職の求人を見たい: リクルートエージェント公式サイトで無料相談する（※ASP連携準備中・現状は公式LP直リンク）

あなたの仕事はAIに代替される？3分で診断

検索の途中で「自分の場合はどの象限なのか」が気になりませんでしたか？

シゴトAIの AI代替リスク診断 は、5つの質問で職種別の代替率・残るタスク・次の一歩までをパーソナライズして提示します。

20職種・1,000パターン以上の結果分岐で、あなたの職種・年齢・AI活用度に合わせた具体的なアクションを提案します。

3分でAI代替リスクを診断する

こんな方におすすめ:

自分の職種の AI 代替率を知りたい
「次の一歩」が具体的に分からない
AI スキル習得すべきか、転職すべきか判断したい