Klarna のAIは700名分の働きをし、Harvey は弁護士2週間分の仕事を1日に短縮し、病院のAIは医師の燃え尽きを13%p下げた。ところが Klarna は1年で再び人を採用した。実際の企業の事例を段階別のワークフローに描いてみると、エージェントが何を奪い、どこで止まるのかが見えてくる。
「AIが雇用を奪う」という文はあまりに大雑把だ。実際の導入事例をのぞいてみると、エージェントが一人の職業をまるごと奪うことは稀である。代わりに、その職業を構成する複数の層（layer）のうち特定の層 — 反復的で定型化された情報処理 — を吸い上げる。相談員の「注文状況の確認」、弁護士の「一次ドラフト」、開発者の「単純なマイグレーション」、医師の「カルテ作成」がそうした層だ。
だから結果は職務によって分かれる。定型処理が職務のほぼすべてに近い仕事（一次相談、単純な書類作業）は人員が減る。定型処理が職務の一部である仕事（戦略、紛争、対面ケア）は、人がその上の層へと押し上げられる。この記事では四つの実際の事例をワークフローに描き、どの段階がエージェントへ移り、どの段階に人が残るのかを一目で示す。そして、その境界を引き間違えたときに何が起きるのかも。
フィンテックの Klarna は2024年2月、OpenAI ベースのAI相談エージェントを世界中で稼働させた。最初の1か月だけで230万件の対話を処理したが、会社はこれを正規の相談員およそ700名分の業務量だと明らかにした。解決時間は11分から2分に短縮され、繰り返しの問い合わせは25%減り、顧客満足度は人と同等だった。会社は2024年だけで4,000万ドルの利益改善を見込んだ（構築費は200~300万ドル）。総人員はおよそ5,000名から3,500名へ減った（大半は自然減）。
ワークフローで見ると、一次相談という職務がまるごと再配置された。
ここまでがよく引用される半分である。残りの半分のほうがより重要だ。2025年5月、CEOのセバスチャン・シェミアトコフスキは「人を削りすぎた」と公に認め、プレミアム相談人員の採用を再び始めた。6か月のあいだに顧客満足度が落ち、単純な問い合わせではAIが人と同じだったが、複雑な紛争・ハードシップケースでは解決の品質が目に見えて低かったからだ。結局、上のワークフローの④番の層が思ったより厚かったのである。
Klarna が証明したのは「AIが700名を代替する」ではなく、「一次相談という層は代替されるが、その上の層はまだ人のものだ」という、より精密な命題だった。 — Case 01 の教訓
法律AIの Harvey は、定型化された文書労働が職務の大きな部分を占める法律分野で素早く定着した。資産運用会社の Bridgewater は大規模な契約レビューで95%以上の時間削減、ベンダー契約のレビューを平均2日から2時間に短縮した。ローファームの A&O Shearman は43管轄の4,000名に全社導入し、週2~3時間を節約して契約レビュー時間を30%短縮した。最も印象的な数字は訴訟側だ。ある案件では、複数の新人弁護士が2週間かけて行う証言要約と論点分析を、1日もかけずに仕上げた。
注目すべきは新人弁護士の立ち位置だ。あるローファーム（Lynn Pinker）では、アソシエイトが一次ドラフトと大量の文書レビューに費やしていた時間を減らす代わりに、論拠をプレッシャーテストし、デポジションを準備し、事件の戦略により早く、より深く関わるようになったと報告した。①・②の層がエージェントへ移ると、人は③・④の層へと押し上げられたわけだ。仕事が消えたのではなく、重心が上へ動いたのである。
コーディングは正解の採点が自動（テスト・コンパイル）であるため、エージェントが真っ先に激戦を繰り広げた領域だ。決済企業のStripe は5,000万行規模の Ruby コードベースのマイグレーションを、予定の数か月から数日へ圧縮した（Anthropic 発表）。通信会社のTELUS は社内にエージェント型のコーディングツールを導入し、エンジニアリングのコードリリースを30%速く、累計50万時間以上を節約したと報告した。
Anthropic のエージェント型コーディングのレポートが観察したパターンは両面的だ。タスクあたりの投入時間は減ったが（自動化）、一人あたりの産出量はそれ以上に大きく増えた（増幅）。同じ人員でより多くを作るという意味であり、「ジュニアが消える」という恐怖と、「エンジニアがコードの書き手からエージェント軍団の指揮者へ昇格する」という楽観に、同時に材料を与える。ただし、④番の層 — 検収と責任 — が抜けると、エージェントはもっともらしい誤りを高速で量産する機械になる。
オフィスの外、人が直接ぶつかる現場では様相が違う。医療がその代表だ。診察室のAIアンビエント・スクライブ（Abridge など）は医師を代替しない。医師が患者と交わす会話を聞きながら、カルテと診療ノートを自動で作成する。医師の仕事のなかで最も消耗的な事務の層だけを引き取るのだ。
数字ははっきりしている。Abridge は150以上の医療機関と契約し、1,800名の臨床医を5学術病院で見た研究では、8時間の診療あたり文書16分・電子記録13分を節約した。263名の医師の研究では燃え尽きが30日で51.9%から38.8%へ落ち、St. Luke's では退勤後の文書作業が35%減り、患者との対面時間が15%増えた。
四つの事例を同じ表に載せると、エージェントが奪った層と人が守った層の境界がくっきりする。
| 職務 | エージェントが奪った層 | 人が残った層 | 実測 |
|---|---|---|---|
| カスタマーサポート | 照会・単純解決・一次対応 | 紛争・詐欺・ハードシップ・共感 | 700名分 · 11→2分 |
| 法律 | 文書レビュー・要約・一次ドラフト | 戦略・プレッシャーテスト・弁論・責任 | 2週間 → 1日 |
| エンジニアリング | マイグレーション・反復修正 | 設計・検収・マージ・責任 | 数か月→数日 · +30% |
| 医療（現場） | カルテ・ノート作成（事務） | 診断・検査・共感・署名 | 燃え尽き 51.9→38.8% |
出典: 各社の発表・研究（下の注釈）。共通点ははっきりしている。エージェントは「定型・反復・情報処理」の層を奪い、「判断・例外・関係・責任」の層を人に残す。どの職務で人員が減るかは、その職務で前の層の比重がどれだけ大きいかで分かれる。
いまのエージェントを最も正確に呼ぶ言葉は「代替者」ではなく、「有能だが監督が必要な、無限に増える新人軍団」だ。その軍団は定型労働の層を素早く食らい、人をその上の層 — 判断・関係・責任 — へと押し上げる。よい知らせと悪い知らせが同じ事実から出てくる。前の層が職務の大部分だった仕事は人員が減り、上の層へ上がる準備ができた人には、一人が十人分を指揮するレバーが手に入る。
実務に与える教訓は三つだ。第一に、境界を引き間違えると高くつく — Klarna は④番の層を過小評価して人を呼び戻した。第二に、検収の層は交渉不可 — Harvey・Stripe・Abridge はいずれも最後に人の署名・マージ・検証を残している。第三に、価値は上へ移動する — 消えるのは一次ドラフトであって弁論ではなく、カルテ作成であって診断ではない。エージェント時代のキャリア戦略は単純だ。エージェントが食らう層の上で、何ができるのか。