「これはAIに任せられるな」と感じる場面が、この1年で一気に増えた気がしています。調べもの、文章のたたき台、資料の整理、エクセルやスプレッドシートの関数づくり。少し前まで自分で抱えていた作業が、指示を出すだけで返ってくるようになりました。
一方、任せる範囲が広がるほど、逆にくっきりしてくるものもあります。
どこまでは任せていいのか、どこからは自分が持っていないといけないのか、という線引きです。
その線引きを、ひとことで言い当てた言葉に出会いました。
「思考は外注できても、理解は外注できない」という言葉です。
AIに外注できるもの、外注できないもの
この言葉を語ったのは、アンドレイ・カーパシー氏という人です。
2015年のOpenAI創設メンバーの1人で、その後はテスラでAI部門を率い、現在はAI開発企業のAnthropicに移籍しています。
「vibe coding（バイブコーディング）」という、AIに感覚で指示を出しながらプログラムを作る手法の呼び名を生み出した人でもあります。
2026年4月にSequoia Capitalという投資会社が開いた「AI Ascent 2026」という会合での対談で語られたもので、本人があとから自身のブログに要約を書いています。
そこにある原文がこちらです。
You can outsource your thinking, but you can’t outsource your understanding.
（訳：思考は外注できるが、理解は外注できない。）
続けて、こう補足しています。
AIエージェント（人の指示を受けて、自分で手順を考えながら作業を進めるAI）がより多くの仕事をこなすようになっても、それを方向づけるためには人間の側に理解が必要だ。
外注できるものを、並べてみる
カーパシー氏が、「任せられる」として挙げたのは、こういったものです。
- コードを書くこと
- 調べること
- 要約すること
- 試作品を作ること
- 下書きを起こすこと
- ツールを操作して、作業を実行すること
生成AIの進展により、単純作業だけでなく、「調べる」「要約する」といったそれなりに頭を使う仕事まで入っています。
外注できないものを、並べてみる
一方で、任せられないものとして挙げたのがこちらです。
- 何を作るべきか
- なぜそれを作る価値があるのか
- どこが危ないのか
- 何を検証すべきなのか
- 最終的に、どれを選ぶのか
並べてみると、共通点が見えてきます。
どれも、「自分がその中身をわかっていないと決められないもの」ばかりです。
「考えること」は外注できる、というのが面白い
考えることは任せられる。
でも、理解することは任せられない。
似ているようで、この2つはまったく別物です。
考えるのは、材料を組み立てて答えを出す作業。
理解しているというのは、出てきた答えが正しいかどうかを自分で判断できる状態のこと。
前者は、AIが肩代わりしてくれるようになっているのです。
ただ、後者に関しては、どうやっても自分の頭の中にしか置くことができません。
いちばん怖いのは、「動くのに間違っている」
外注できないものの中に「何を検証すべきか」が入っていました。
なぜここが人間の担当なのか、カーパシー氏が挙げていた実例がわかりやすかったです。
メールアドレスで紐付けてしまった話
カーパシー氏が自作のサービスをAIエージェントに作らせたときのことです。
利用者はGoogleアカウントで登録します。
そして、Stripeという決済サービスを使って利用分を購入するというもの。
どちらにもメールアドレスの情報があります。
そこでAIは、Stripe側のメールアドレスとGoogle側のメールアドレスを突き合わせ、「この人が買った分だ」と判定する仕組みを作りました。
一見、筋が通っています。
ところが、この2つのメールアドレスは違うことがあります。
仕事用のGoogleアカウントで登録して、支払いは個人のカードに紐づいた別アドレスで済ませることもあります。
つまり、上記のような人間の社会行動のあり方や実情を考えるのならば、人によって変わることのない利用者IDで紐付けるよう設計すべきであったのです。
テストが通っても、設計は間違っている
このプログラムは動きます。
エラーも出ず、テストも通ります。
つまり、この論点は、「ちゃんと動いているか」を見ているだけでは絶対に見つからないということなのです。
見つけられるのは、「そもそもメールアドレスで人を特定していいのか」を疑える人だけであり、それは、仕組みを理解している人にしか疑えないのです。
検証できる範囲が、任せられる範囲になる
カーパシー氏は、対談の中で「検証できるものはAIが自動化できる」という趣旨のことも語っています。
これは、裏返すとこうなります。
「自分が検証できないものは、任せてはいけない。」
AIが速くなるほど、ボトルネックは、人間の検証能力に移っていくということになります。
出てきたものを見て、「これでいい」「これはおかしい」と言える範囲が、そのまま安心して任せられる範囲になるというわけです。
価値が上がるのは、「理解を持っている人」
この話には続きがあり、対談の終盤では、「価値の逆転」が語られています。
覚えている量の価値は、下がっていく
価値が下がるものとして挙がっていたのは、「細かい仕様を暗記していること」や、「定型作業をこなせること」です。
これはAIに限らず、インターネットの普及に伴って以前から起きていたことでもあります。
調べればわかることを覚えているという強みは、年々薄くなってきています。
代わりに価値が上がるものとして挙がっていたのは以下です。
- 深い理解
- 問いの立て方
- 判断力
- 設計力
- 検証する力
どれも、量では測れないものばかりです。
数字を受け取ることと、理解することは別
これは会計や経営の場面にも、そのまま当てはまると感じています。
- 試算表を作る
- 数字を集計する
- 資料の形に整える
このあたりは、仕組みを整えることで、少しずつ自動化できるようになってきています。
ただ、出てきた数字を見て、「なぜ今月は利益が薄いのか」「この先、資金は足りるのか」を読み取り、腹落ちし、なおかつ、経営判断・投資判断にまで至る部分に関しては、誰にも代われません。
経営者が数字を受け取ることと、経営者が数字を理解することは、別のことともいえます。
そしておそらく、経営の現場で本当に効くのは後者のほうでもあります。
空いた時間を何に使うか
作業が自動化されると、時間が空きます。
問題は、その時間を何に使うかなのです。
空いた分だけ別の作業を詰め込んでしまうと、結局のところ何も変わりません。
「自分が理解しておくべきこと」に時間を回せたときに、しっかりと効果が出るのだと思われます。
「AIに任せた結果として自分の理解が浅くなっていく」というのが、いちばん避けるべき形といえるかもしれません。
任せるほど、任せた中身を深く理解しておく必要が増えていく。
逆説的ですが、そういうことなのだと感じます。
おわりに
思考は外注できても、理解は外注できない。
AI開発の最前線にいる人が言っているというのが、この言葉の重みだと思っています。
外側から警戒して言っているのではなく、いちばん使い込んでいる人が、使い込んだ末に言っているからです。
AIをどこまで使うか迷っている方には、こう考えてみることをおすすめしたいところです。
これは自分が検証できるかと自問し、できるなら任せる。できないなら、まずは自分が理解するところから始める。
この1本の線があるだけで、任せることへの不安はずいぶん減る気がします。
