AIに任せてよい仕事はどこまでか――GPT-5.6を7業種で検討した

2026年7月9日、OpenAIは新モデル群「GPT-5.6」を一般提供した。最上位のSol、能力と費用の均衡を狙うTerra、大量処理向けのLunaという三つの層を用意し、長時間の専門業務、外部ツールの操作、複数のAIによる並列作業を前面に出した。

これは、質問に答えるAIの更新にとどまらない。人間が工程を細かく指示する使い方から、目的を伝えて仕事の途中まで任せる使い方への移行を意味する。

では、どこまで任せてよいのか。

製造、金融、医療、教育、クリエイティブ、法務・人事、IT運用。失敗の形が異なる7業種を並べ、5人の参加者が計60ターン議論した。結論は、単純な「AIに任せる／任せない」の二択ではなかった。

AIへの委任を分けるのは、モデルの賢さではない。

失敗を戻せるか、影響を受ける人が異議を唱えられるか、人間が止められるか、後から検証できる記録が残るか。

GPT-5.6で「任せる」の意味が変わった

これまでの生成AIは、人間が検索、要約、計算、文章化を一つずつ頼む使い方が中心だった。GPT-5.6では、必要な道具を途中で使い、作業を継続し、複数のAIに調査や検証を分担させる機能が強化された。OpenAIは、道具を使う途中経過をプログラムで整理する機能、推論状態の保持、最大4つのAIを標準で並列に動かす高性能設定などを公表している。

たとえば金融調査なら、「開示書類を探す」「数字を抜く」「前年と比較する」「矛盾を調べる」「報告書にする」を一つの依頼として渡せる範囲が広がる。製造なら、保守記録とセンサーの警告を調べ、原因候補と作業案をまとめるところまで進められる可能性がある。

便利さの核心は回答精度だけではない。人間が見ていない間にも、AIが次の操作を選べることだ。だから今回、モデルの性能表より先に、仕事をどこで止めるかを考える必要がある。

「安くなった」と「任せられる」は別の話

OpenAIはGPT-5.6について、従来より少ない時間・出力トークン・推定費用で高い成績を示したと説明している。ただし、比較値の多くは開発元による評価である。実際の社内データ、例外処理、承認手順まで含めた業務の成否を、そのまま保証する数字ではない。

議論の序盤で、アオイ（経済・金融アナリスト）は、処理単価の低下によって大量の定型業務を自動化する採算が合いやすくなったと主張した。

これに対し、ケンゴ（テクノロジー記者）は、モデル利用料だけで判断すると「検証、記録、事故対応、再実行にかかる費用」が抜け落ちると反論した。AIが複数の手順を自律的に進めるほど、どこで誤ったかを調べる費用は増えうる。

ソラ（生活者代表）は、その食い違いを素朴な疑問に置き換えた。

ソラ（生活者代表）

AIが出した結論を人間が確認したことにしても、その人が忙しくて内容を読めていなかったら、それは本当に「人間の承認」なんでしょうか。

ここが出発点になる。承認ボタンの存在と、人間による有効な監督は同じではない。

議論は「導入するか」から「誰が止めるか」へ動いた

議論は最初から結論が一致していたわけではない。

アオイ（経済・金融アナリスト）

処理費用が下がれば、これまで採算が合わなかった定型業務も委任できる。

ケンゴ（テクノロジー記者）

利用料だけを見てはいけない。複数のAIが動くほど、検証、記録、事故調査まで含めた総費用が問題になる。

ツバキ（人間・文化の観察者）

記録を残すことは余計な費用ではなく、利用者が信頼するための土台ではないか。

テツオ（校閲・ファクトチェッカー）

その効果や費用は、誰がどの条件で測った数字なのか。出典が確かめられないなら、導入判断の根拠にはできない。

採算の議論から始まり、検証費用、信頼、根拠へと論点が移った。最終的に対立は「AIを使うべきか」ではなく、AIが次の操作へ進む前に、誰が何を見て止めるのかへ収束した。

7業種を並べると、損害の違いが見える

議論で得られた境界を、業種ごとに整理すると次のようになる。

業種	AIへ任せやすい	人間の承認が必要	AIだけに任せない
製造	手順書の検索、検査候補の抽出、保守記録の要約	品質基準からの逸脱判断、設備変更	安全装置の解除、重大事故につながる稼働判断
金融	資料整理、取引候補の検知、定型説明の下書き	与信、売買提案、不正判定	顧客資産を動かす最終判断、異議申立て不能な口座制限
医療	文献検索、記録要約、予約や事務支援	診断・治療の支援、患者向け説明	生死や身体へ直結する無監督の診断・投薬判断
教育	教材案、練習問題、教員向け事務補助	記述式採点、学習評価、個別指導案	進路、退学、懲戒など将来を左右する最終判断
クリエイティブ	調査、発想補助、ラフ、形式変換	公開する完成表現、AI利用の表示	著作権の帰属確定、ライセンス交渉・契約
法務・人事	文書分類、条項比較、候補者情報の整理	契約評価、採用面接の設計、配置案	不採用、解雇、懲戒、法的責任の最終判断
IT運用	ログ要約、異常候補の抽出、修復案	本番変更、権限変更、復旧操作	監視不能な自律変更、重要データの削除、無制限な外部操作

表には共通点がある。AIへ任せやすいのは、入力と出力を比較でき、失敗してもやり直せる仕事だ。一方、身体、資産、権利、進路へ不可逆な影響を与える判断ほど、人間が責任を引き受けなければならない。

表を実際の流れにすると、境界はさらに分かりやすい。

製造：AIは異常の候補と停止案を提示する。ただし、生産設備を止めたり安全基準を変更したりする操作は、現場責任者が根拠と影響範囲を確認して実行する。
金融：AIは不審な取引を絞り込み、確認すべき証拠を並べる。ただし、顧客の口座停止や資産移動は、権限を持つ担当者が別の情報と照合して決める。
法務・人事：AIは契約条項の差分や応募情報を整理する。ただし、契約を受け入れるか、誰を不採用・懲戒にするかは、理由を説明できる人間が決める。

この分業なら、AIの速さを使いながら、結果を社会へ確定する権限を人間に残せる。

医療と金融では、「後で直す」が通用しない

製造、金融、医療をめぐる議論では、効率化の利益と事故の損害が対称ではないことが焦点になった。千件の処理を速くしても、一件の重大事故が利益を上回る場合がある。

ツバキ（人間・文化の観察者）は、AIの記録を残す仕組みを「余計な管理費」ではなく、信頼を成立させる基盤と捉えた。薬や機械の安全管理と同様に、事故が起きてから説明を組み立てるのでは遅いという立場だ。

WHOも2026年6月、保健政策でのAI利用について、自動的な情報収集を人間の検証と組み合わせ、判断の途中に人間が確認する関門を置き、複数分野の専門家が監督することを提案した。AIは人間を置き換えるのではなく、人間の判断を補強すべきだという整理である。

医療の要約作業と診断は、同じ「医療AI」でも扱いが違う。金融でも、不正の疑いを見つける作業と、口座を停止する判断は違う。業種単位でAIを許可・禁止するのではなく、結果の重大性に応じて工程を分けなければならない。

教育と人事では、間違いが本人にも見えにくい

教育や採用の損害は、機械の停止のようには表れない。AIの評価が低かったために機会を失っても、本人は別の結果があり得たことを知れない場合がある。

テツオ（校閲・ファクトチェッカー）は、議論で出た大きな損失額や制度上の断定に繰り返し出典を求めた。数字の多くは因果関係を証明できず、最終稿から外した。そのうえで残ったのが、「訂正する道があるか」という問いだった。

UNESCOは教育での生成AIについて、データ保護、年齢に応じた利用、人間中心の教育設計を求めている。ここから導ける実務上の線引きは、教師がAIの点数を見ることだけではない。生徒が評価理由を知り、誤った前提を訂正し、別の人間へ再審査を求められる必要がある。

テツオ（校閲・ファクトチェッカー）

「人間が確認した」と書くだけでは不十分だ。その人に出力を理解する能力、覆す権限、確認する時間があったのかまで見なければならない。

ILOの2025年調査では、世界の労働者の4人に1人が生成AIの影響を何らかの形で受ける職種にあり、完全な代替より仕事内容の変化が起こりやすいとされた。問題は仕事が一度に消えるかではなく、下調べや判断材料の作成がAIへ移った後、人間にどんな技能と責任が残るかである。

創作では、速さより「誰の素材か」が先に来る

クリエイティブ分野では、AIによるラフ作成をすべて禁じる意見にはまとまらなかった。発想の幅を広げ、複数案を短時間で比べられる価値はある。

一方、完成品として公開する段階では、品質だけでなく、使用素材、契約、表示、作者性を確認しなければならない。米国著作権局も、デジタル複製、AI生成物の著作物性、学習への著作物利用を分けて検討している。一つの「AI著作権問題」として処理できないためだ。

ケンゴ（テクノロジー記者）は、AIの出力に付随する不確実性が画面上で見えにくいことを問題にした。ツバキ（人間・文化の観察者）は、それでも制度が整うまで創作を止めるのではなく、制作過程と判断を記録する慣行を先に育てるべきだと応じた。

両者が一致したのは、権利の確定や契約をAIだけに任せないことだった。速く案を出す能力と、他者の権利を処分する権限は別物である。

IT運用が先行できる理由と、危険な思い込み

7業種の中で、IT運用はAIへ仕事を任せやすい。操作履歴を残しやすく、変更前後を比較でき、問題があれば元へ戻す仕組みを作れるからだ。

しかし、ここにも落とし穴がある。AIが復旧を速めるのと同じ能力で、誤った変更を広範囲へ実行する可能性がある。OpenAI自身もGPT-5.6の安全資料で、サイバー能力を高い水準として扱い、誤ったデータ破壊操作、外部からの指示の混入、コンピューター操作時の確認を個別に評価している。

ソラ（生活者代表）は、「AIが誤ったのに、最後は運用担当者だけが責められる構造にならないか」と問いかけた。この疑問は、人間を承認工程に置けば責任問題が解決する、という安易な設計を突いている。

本番環境での変更には、少なくとも権限の上限、実行前の差分、停止手段、元へ戻す手順、操作記録が要る。これらがなければ、AIの能力向上は安全性ではなく、事故の速度を上げる。

4問で決める「委任の境界」

業種別の違いを突き詰めると、導入判断は四つの質問に整理できる。

失敗を戻せるか――出力を破棄し、低い費用でやり直せるか。
影響を受ける人が異議を唱えられるか――理由を知り、訂正や再審査を求められるか。
人間が実際に止められるか――理解する能力、覆す権限、確認する時間があるか。
後から検証できるか――入力、出力、操作、承認者の記録が残るか。

四つとも満たす仕事は、限定された権限で委任を始められる。
一部しか満たさない仕事は、人間の承認と監視を組み込む。
不可逆な損害があり、異議申立ても記録もない仕事は、AIだけに任せない。

NISTのAIリスク管理枠組みも、用途と影響に応じたリスク評価、試験、文書化、継続的な見直しを重視する。万能な許可リストを作るのではなく、使い方が変わるたびに評価し直す考え方だ。

結論：競争は「どれだけ任せたか」では決まらない

GPT-5.6は、AIへ渡せる仕事の長さと複雑さを広げた。しかし、企業の競争力は、任せた工程の数だけでは測れない。

アオイ（経済・金融アナリスト）が重視した処理費用、ケンゴ（テクノロジー記者）が問う検証可能性、ソラ（生活者代表）が求める納得と異議申立て、ツバキ（人間・文化の観察者）が語る信頼、テツオ（校閲・ファクトチェッカー）が要求する根拠。この五つを同時に満たして初めて、委任は単なる人件費削減から仕事の再設計へ変わる。

重要なのは、人間を工程から消すことではない。AIが進め、人間が判断する場所を、事故が起きる前に設計することである。

出典を読むときのポイント

OpenAI「GPT-5.6」発表：2026年7月9日の一般提供、三つのモデル層、長時間業務・ツール操作・複数AI協調に関する開発元の説明を確認した。性能比較はOpenAIによる評価として扱った。
GPT-5.6 System Card：サイバー、健康、誤情報、外部指示による操作、データ破壊など、公開前に検証されたリスク領域と安全策を確認した。
NIST AI Risk Management Framework：用途に応じたリスク管理、試験・評価・検証・妥当性確認、記録と継続的改善の考え方を参照した。
WHO「AIと根拠に基づく保健政策」：自動処理と人間の検証を組み合わせ、判断の関門と複数分野の監督を置くという2026年の実務提案を確認した。
UNESCO「教育・研究における生成AIガイダンス」：データ保護、年齢に応じた利用、人間中心の教育設計を求める国際的な指針を確認した。
ILO「生成AIと仕事」：世界の雇用への影響を職務単位で分析し、全面的な代替より仕事の変化が起こりやすいという調査結果を参照した。
米国著作権局「Copyright and Artificial Intelligence」：デジタル複製、AI生成物の著作物性、生成AIの学習を分けて検討していることを確認し、創作分野の権利判断を一括りにしない根拠とした。