OpenAIによる80万件以上の業務関連のChatGPTクエリの分析によると、専門家レベルのリクエストの43.5%が、本来の職務とは異なるユーザーによって処理されていることが明らかになりました。同社はこの傾向を「タスク・クロスカバー（task crossover）」と呼んでいます。この調査結果が重要なのは、企業がどのように専門知識を持つ人材を配置するか、そして個人が自身の専門能力をどのように定義するかという仕組みが、急速に再編されつつあることを示唆しているからです。

「タスク・クロスカバー」の背景にあるデータ

OpenAIは、米国の職業データベース「O*NET」を使用して、各クエリを標準的な職業に分類しました。メールのドラフト作成やスケジューリングといった一般的な活動を除外した後、この研究では、通常は特定の分野におけるトレーニングを必要とする高度なコンピテンシー（能力）に焦点を当てました。残ったクエリのうち、約半数が、ユーザー自身の職種とは異なる専門カテゴリーに属する業務をChatGPTに依頼するものでした。

変化が起きている分野

クロスカバーは、マーケティングとエンジニアリングの分野で急増しています。

  • マーケティングの専門家は、エンジニアやデータサイエンティストが通常担当する業務である、技術的なトラブルシューティングやデータ分析のためにChatGPTを活用しています。
  • エンジニアは、従来は法務チームやフロントエンドチームが担ってきた役割である、契約書のレビューやウェブサイトの問題解決をモデルに依頼しています。

中小企業では、このパターンがさらに顕著になります。専門家を雇う予算が限られているため、従業員一人がChatGPTを「フォース・マルチプライヤー（戦力倍増装置）」として活用し、本来であれば複数の採用が必要となるような幅広い業務をこなすことができます。

なぜクロスカバーが仕事とAIにとって重要なのか

このデータは、「スペシャリスト（専門家）」から「拡張されたジェネラリスト（augmented generalist）」への移行を示しています。プロンプト作成がそれ自体一つのスキルとなるにつれ、サイロ化した深い専門知識は、AIによって拡張された多才さへと取って代わられる可能性があります。創業者や開発者は現在、大規模言語モデル（LLM）を単なるテキスト生成の枠を超え、法律、金融、エンジニアリングなどの分野で高精度な推論を実現させるよう迫られています。技術的なタスクへの障壁が低くなることで、採用、トレーニング、さらには職種名までもが再編される可能性があります。

リスクと反論

全員がこの変化を歓迎しているわけではありません。批判的な人々は、専門的な業務をAIに委ねることで、専門性が薄まり、潜在的なエラーが混入し、組織がコンプライアンス・リスクにさらされる可能性があると警告しています。この研究では、AIが生成した出力がどの程度の頻度で検証されているかは追跡しておらず、契約法やエンジニアリング設計のような重大な判断を伴う領域におけるミスの潜在的なコストも数値化していません。こうした懸念は、AIが能力を拡張できる一方で、誤った能力感（false sense of competence）を生み出す可能性があることを示唆しています。

今後の注目点

  • ツールの開発: 今後のLLMのアップグレードでは、タスク・クロスカバーの需要に応えるため、特定の分野における推論能力とエラーチェック機能を向上させる必要があります。
  • 組織のポリシー: 特に規制の厳しいセクターにおいて、企業はAIを活用した業務に関する新しい社内ガイドラインを策定する可能性があります。
  • 労働市場のシグナル: 採用担当者が「AI拡張型ジェネラリスト（AI-augmented generalist）」をコンピテンシーとして記載し始めたり、トレーニングプログラムがプロンプトエンジニアリングのスキルへとシフトしたりする可能性があります。

まとめ

  • タスク・クロスカバーは専門家向けクエリの43.5%を占めており、職務機能の相当な重複を示しています。
  • マーケティングとエンジニアリングがこの変化を牽引しており、従来は他の専門分野に属していたタスクにAIを活用しています。
  • 中小企業は人材不足を補うためにAIに依存しており、実質的に従業員一人を多角的なオペレーターへと変貌させています。
  • この傾向は機会とリスクの両方をもたらしており、より強力なAI検証と新しい職場規範の必要性が叫ばれています。