AIができないことを詳しく解説。これからの時代生き延びるために

本記事はAI（人工知能）にできないこと・限界に特化し、ゼロから1を生む創造性・人間と同じ感情理解・責任判断などAIが苦手とする領域を具体的に解説します。AIの意味・定義・歴史・基本技術の基礎はAIとは？意味・定義の基礎ガイド、AIにできることはAIにできることの解説をご覧ください。

４.AIにできること、できないこと

それでは、2022年時点では、人工知能にはどのくらいのことができるのか、できないことは何なのか、以下に整理します（その後もAI技術は急速に進化しています）。

４－１.できること

まず、できることを考える場合、何が期待されていて、どこまでできているのか、という点が重要です。特にＡＩの役割として期待されており、現時点である程度実用化されているものとして、①データに基づく予測、②画像認識、③音声認識、④自然言語処理があげられます。

①データに基づく予測

人工知能によって、蓄積されたデータからある事情の発生確率や将来的な傾向値を予測することは、特にビジネスにおいて期待される能力点です。

発生確率は、機械などの故障や劣化の予測、特定の病気の発症率といったものが想定されますし、傾向値では需要予測や不動産価格などビジネスに直結するものが既に実用化されています。

②画像認識

画像認識は、監視カメラによる顔認識システム、製造ラインにおける不良品の検出システムなど既に実用化されていることはご存知でしょう。

これも、膨大なデータの蓄積から、顔や製品といった物体の特徴量を自動的に学習し差異を判断するもので、ＡＩ技術の活用と言えます。

③音声認識

音声認識もSiriやGoogleの音声入力はいうまでもなく、多くのアプリや製品に実装されている技術です。

その仕組みとしては、人間の音声情報を受け取ると、膨大なデータの蓄積から音声の特徴と一致する文字をパターンから選択し、音声データを文字データに変換するものです。

なお、音声認識は次項の自然言語処理の前処理段階ともいえます。

④自然言語処理

自然言語処理も、既に自動翻訳、カスタマーサービスの自動応答などに実用化されています。

これは、人間の話し言葉や書き言葉などの自然言語のデータを受け取ったとき、その意味を抽出して、その意味に基づいて必要な作業を行うものです。

人間が使う自然言語は、プログラミング言語とは異なり、前後の県警によって意味が変わるなどの曖昧さをもっていますので、この膨大な文章データ解析により曖昧さを正しい意味に判断することができなければ、行う作業も見当違いになってしまいます。

４－２.できないこと

現在のＡＩ技術をもってしてもできないことはいろいろと考えられますが、よく言われるのは、人間の感情や感性といった部分に関すること、そして創造性に関することです。

感情や感性に関わる部分は、そもそもデータ化が難しい部分ですし、ＡＩは過去のデータから回答を導くシステムですから、ゼロから何かを生み出すことは苦手です。

ここでは、できないことの事例として、①感情を読み取ること、②ゼロから何かを生み出すことと取り上げます。

①感情を読み取ること

人間が感情を読み取る仕組みは非常に複雑で、相手の表情やしぐさ、声のトーンや抑揚など、むしろ言葉の意味以外の部分から読み取ることが多いともいえます。

現時点ではＡＩには、こうした「ノンバーバル（非言語）・コミュニケーション」は困難ですが、表情やしぐさといったデータが蓄積されることで、将来的にはＡＩによる感情認識も可能となるかも知れません。

②ゼロから何かを生み出すこと

現代では、小説を書くＡＩも誕生していますから、創造的な作業ができないわけではありませんが、もともとＡＩの働きはあらかじめインプットされたデータに基づくものなので、永遠にＡＩが「ゼロから生み出す」ことは出来ないともいえます。

逆にＡＩがゼロから何かを生み出す日がきたら、それが人間の知能を超える日なのかもしれません。

５.AIの活用状況と課題

現代の社会において、ＡＩの活用分野は非常に多岐にわたっており、私たちの生活の中にも既に大きく浸透しているといってよいでしょう。

しかし一方では、ＡＩの活用分野が拡大するにつれて、さまざまな課題も生じているといえます。

最後に、ＡＩの活用状況と課題について整理しておきたいと思います。

５－１.AIの活用状況

ＡＩは社会の様々な分野で活用が進んでいますが、ここでは、①自動運転技術、②医療分野、③製造業の分野、④コールセンター、⑤日常的な製品について、見ていきたいと思います。

ＡＩは社会の様々な分野で活用が進んでいますが、ここでは、①自動運転技術、②医療分野、③製造業の分野、④コールセンター、⑤日常的な製品について、見ていきたいと思います。

①自動運転技術

自動運転技術は、各社がしのぎを削っていますが、2022年時点で公道上の走行が認められていたのは、国土交通省のガイドラインによる５段階のうち、システムの要求に応じてドライバーが適切に対応する必要があるレベル３までの自動運転でした。

今後技術の進展によって、一定の条件下で完全自動運転が可能なレベル４、完全自動運転か可能なレベル５が可能となることが期待されます。

②医療分野

医療分野においては、画像認識を使った「画像診断」の分野でＡＩの活用が進んでおり、レントゲン写真などから異常な個所を検知することで、人間の診断による見落とし、誤審を防ぐ意味もありますが、医師の負担軽減や診断の迅速化にも資するといえます。

この他、自然言語処理を活用したＡＩによる問診、カルテ解読が進むことで、診断の効率化が期待できます。

③製造業の分野

製造業の分野では、従来からのオートメーションの分野でＡＩの活用が進んでいる他、画像認識や予測技術を用いた、不良品の検知、予測的メンテナンスへの活用が進んでいます。

また、生産量を決めるために、過去の売上実績と季節、天候、その他社会的動きとの関係に関するデータをもとに需要予測を行うといった部分でも活用が進んでいます。

④コールセンター

多くの問い合わせへの対応として、ＡＩによる音声認識や自然言語処理による自動応答を導入することで、コールセンターの効率化は格段に進みます。

特に近年ではチャットポッドやＣｈａｔＧＰＴを使うことで、３６５日２４時間、顧客の質問に対してチャット形式で瞬時に的確な回答を行うことができます。

⑤日常的な製品

私たちの生活の中で使われる日常的な製品として、スマートスピーカー、掃除ロボット、翻訳アプリ、画像認識アプリなど、ＡＩを活用したものは多々あります。

スマートスピーカーは音声認識、自然言語処理により、人間の指示に従って作動し、様々な家電の操作まで行うことができます。

1. ＡＩは日常生活においても、欠かすことのできないものとなっていくことでしょう。

５－２.AIの課題

ＡＩの課題としては、ＡＩによる画像認識、音声認識などの情報収集によって、これらを悪用したケースも存在するということや、個人情報の取得についてどこまでが許容されるかといった問題があると言えます。

また、ＡＩによる判断や行為について、責任の所在がどこにあるのか、といた課題も生じています。例えば自動運転ひとつとっても、自動運転によって事故が起こった場合、ドライバーの責任なのか、自動車のメーカーの責任なのか、問題となっています。

このような課題の解決だけは、ＡＩに頼ることはできません。人間の英知をもって議論し、ひとつひとつ解決していかねければならないでしょう。

AIの『できない』を2種類に切り分ける — 構造的な限界か、時間の問題か

「AIにできないこと」を語るとき、最も危ういのは『今はできない』と『そもそもできない』を混同することです。前者はモデルの世代交代で数年後にできるようになり、そこに自分の価値を置いていた人は足元をすくわれます。後者は現時点で見えている技術の延長線上では性能向上だけでは埋まりにくいとされる領域で、当面のあいだ人間に強みが残ると考えられています。この2つを見分ける目を持つことが、キャリアを守る判断材料の一つになります。

見分けの基準

• 時間の問題（いずれ代替されうる）：精度・速度・対応範囲・言語や様式の壁など、量やデータで改善するもの。翻訳の質、要約の網羅性、コード生成の正確さなどはこの列に入りやすいとされます。
• 構造的な限界（性能だけでは埋まりにくい）：結果に責任を負う・利害の対立を引き受けて合意を作る・目的そのものを決める・現実の身体と場に立ち会うなど、性能ではなく「立場」や「当事者性」に根ざすもの。

切り分けの早見表

できないことの例	種類	なぜそう言えるか
専門文書を速く正確に要約する	時間の問題	精度は世代ごとに向上する余地がある
失敗したときに責任を引き受ける	構造的	法的・組織的な責任は人・組織という立場に紐づくため
対立する関係者の間で妥協点を作る	構造的	信頼関係や当事者としての立場が前提とされ、性能向上だけでは代替されにくいと考えられている
「何を目的にするか」を最初に決める	構造的	価値判断であり、唯一の正解を外部から与えられるものではない
珍しい様式や新しい業務に即応する	時間の問題	事例やデータが増えれば追いつく可能性がある

この見分けを自分にどう使うか

自分の仕事を紙に書き出し、各要素をこの2列に振り分けてみてください。「時間の問題」の列に自分の強みが偏っているなら要注意です。そこは今後、道具に置き換わっていく可能性がある領域だからです。逆に「構造的」の列に軸足を移せるほど、性能競争に巻き込まれにくくなります。次節では、その軸足の移し方を具体的な手順に落とします。

自分の仕事をAIの不得手領域へ寄せる『再設計』の手順

限界を知っただけでは生き延びられません。大切なのは、自分の一日の仕事の重心を、AIが構造的に苦手とされる領域へ意図的に移していくことです。これは転職や資格の話ではなく、今の仕事の中身を組み替える『再設計』です。順を追って進めれば、特別な才能がなくても着手できます。

手順1：タスクを棚卸しして3つに仕分ける

直近1〜2週間の自分の作業をすべて書き出し、次の3種類に色分けします。

• 委任できる：下書き・整形・調査の一次集めなど、道具に任せて自分は確認に回れるもの。
• 協働する：たたき台は道具に作らせ、判断や取捨選択は自分が握るもの。
• 人間が担う：責任・交渉・目的設定・関係づくりなど、現時点では代わりにくいもの。

手順2：時間配分を意図的にずらす

仕分け	今の理想的な向き合い方	避けたい状態
委任できる	道具に任せ、確認と品質基準づくりに徹する	手作業の速さを自分の売りにし続ける
協働する	問いの立て方・最終判断の質を磨く	出力を無検証でそのまま使う
人間が担う	ここに空いた時間を集中投下する	雑務に追われ、ここに時間を割けない

手順3：『人間が担う』を鍛える具体行動

• 責任を引き受ける機会を取りに行く：最終確認者・意思決定者として名前を出す役割を増やす。
• 関係と信頼を資産にする：社内外の当事者と直接向き合い、対立を調整した経験を積む。
• 目的を問う癖をつける：「何のためにやるのか」を最初に言語化し、前提を疑う側に回る。
• 現場の一次情報を持つ：実際に足を運び、体験からしか得られない判断材料を蓄える。

再設計を続けるための一言

この仕分けは一度で終わりません。道具の性能が上がるほど「委任できる」列は広がっていく可能性があるため、数か月ごとに棚卸しをやり直すのが現実的です。重心を構造的な限界とされる側に置き続ける習慣そのものが、変化の速い時代を生き延びる力になります。

関連記事

• AIができることの基礎から応用までを解説した記事はこちら