🏭 すべてが工場だとしたら、個人は何を生産すればいいのか — これから20年のランキング10

人間の活動をすべて「繰り返しの生産」とみなしたとき、これから20年、個人が生産して儲かるものを5つの軸で採点し、10位までの順位をつけた。専門用語はまだ使わず、それぞれが何を生み出すかだけを先に書く。

人間の活動はすべて繰り返しの生産である。警察は治安を生産している。教師は理解を生産し、医者は健康を生産している。教師も医者も警察も、毎日同じ種類のものを作り続けているという点で工場と同じ構造を持つ。

この考え方を採用すると、個人も1つの工場になる。問うべきは「何の仕事をするか」ではなく「何を作る工場になるか」である。

10個の生産物は、5つの軸でそれぞれ5点満点、合計25点満点で採点した。なぜこの5軸なのかを先に書く。

反復性がなければ、そもそも工場として成立しない。AI耐性がなければ、いくら繰り返しても価格が下がり続けて儲からない。個人可能性がなければ、この記事の対象である「個人」が生産できない。非属人化は、本人が倒れても止まらない仕組みを作れるかという軸で、SNSだけは本人でなければ成立しないため例外とする。最後の20年後の需要は、この採点が今だけでなく2046年まで通用するかを見るための軸である。

5軸は単純に足して25点満点とした。軸に重みはつけていない。

検証とは何か。AI、あるいは他の誰かが出した生産物を、実際に動かし、数え、裏取りして「正しいか」を確かめる作業そのものを、ここでは1つの生産物として扱う。コードが動くかを確認する、記事の数値が出典と一致しているかを確かめる、契約書の条文が実態と食い違っていないかを読む。すべて同じ形をしている。

コードを書く、文章を書く、画像を作るという生産物と違い、検証には完成品が存在しない。あるのは「合格」か「不合格」かという判定と、その根拠だけである。

ここがこの生産物の核心であり、10位までの中で唯一この性質を持つ。AIの生産量が増えるほど、検証されていない生産物の量も同じだけ増える。デザイナーが1日に作れた画像の枚数と、AIが1日に作れる画像の枚数は桁が違う。検証されないまま出回る画像・コード・文章の量も、同じ比率で増える。

つまり検証という生産物は、他の9つのように「AIが増えても横ばい」ではなく、AIの生産量に比例して需要が増える。生産量が増えるほど価値が下がる他の生産物と、正反対の向きに動く。

ここに入れ子の構造がある。AIに検証をやらせることはできる。しかしそのAIが出した検証結果が正しいかどうかは、また誰かが確かめる必要がある。検証者を検証する者が要る、という構造は原理的に閉じない。人間がどこかの層で「これ以上は確かめなくてよい」と判断して止めるしかなく、その最後の判断者が生産物としての検証の担い手になる。

AI耐性が5点ではなく4点なのはここに理由がある。AIは検証の下準備(数値の突き合わせ、差分の抽出)までは代替できる。最後に「これで合格」と判断する層だけが人間に残る。

設備はほぼ要らない。必要なのは検証対象についての専門知識と、実際に動かして確かめる時間だけである。コードレビュー、事実確認、査読、監査、第三者チェックはすべてこの生産物の実装形態にあたる。元手はゼロに近く、参入障壁は資格ではなく専門知識の深さで決まる。

責任とは何か。承認する、署名する、引き受けるという行為そのものを1つの生産物として扱う。設計図に押す印、契約書のサイン、意思決定の最終決裁。中身を作るのは他の誰か・何かでもよいが、最後に「これでいく」と決めて自分の名前を残す行為だけを取り出す。

法律上、AIは責任主体になれない。契約の当事者にも、過失の帰属先にもなれない。だから承認・引き受けという行為は、制度として人間の側に固定されたまま動かない。AIが生産する量が増えるほど、その生産物の背後に「誰が引き受けたか」を求められる場面も増える。署名して責任を引き受けられるのは人間か法人だけという一文が、この生産物の需要が減らない理由のすべてである。

10項目の中でAI耐性が満点なのはここだけである。AIがどれだけ精度を上げても、法律上の責任主体になれない限りこの生産物には手が届かない。技術の進歩ではなく制度の側で守られている点が、他の生産物と質的に違う。

個人可能性は4点。資格や免許、あるいは会社内での決裁権に紐づくため、誰でもすぐに始められるわけではないが、個人が到達できる範囲にはある。非属人化は3点で最も低い部類に入る。署名は本人の名前でしか成立しないという性質上、他人に完全に引き継ぐことができない。ここが検証や一次データと違う弱点になる。

資格を取って承認する側に回る(建築士、行政書士、監査人など、承認・押印が業務に組み込まれた資格)、あるいは組織の中で意思決定権を持つ立場に上がることの2通りがある。設備投資は不要だが、信用の積み上げに時間がかかる生産物である。

一次データとは何か。誰かがまとめた統計や記事を引用するのではなく、自分の手足で現地に行き、数え、測り、撮って作る数値そのものを生産物として扱う。物件の実際の掲載数を数える、店舗の在庫を数える、価格をAPIで1件ずつ取得する。すべて同じ形をしている。

なぜ必要とされるのか。AI単体は既にあるデータしか持たない（センサーやカメラを持つ仕組みと組めば新しく取ることはできる）。学習データに入っていない数値、まだ誰も集計していない現場の状態は、AIにとって空白のままである。現地で測った数字は、測った本人以外まだ誰も持っていない。この非対称性が需要の源になる。

AIが代替できない理由。AIは集計・要約・比較には強いが、現地に足を運んで数えるという行為そのものは代替できない。AI耐性が5点(満点)なのはこのためである。裏返せば、一次データさえ入力してしまえば分析はAIが引き受けられるので、価値は「集める」段階に集中する。

個人がどう始めるか。特別な許認可は不要で、対象領域を決めて現地に行く、あるいは公開APIを使って自分で数える体制を作ることから始められる。元手はほぼゼロで、必要なのは根気と検証の習慣である。

保守とは何か。設備・住宅・機械を、壊れたら直し、壊れる前に点検し、動く状態のまま保ち続ける生産物である。新しく作る生産物ではなく、すでにあるものを維持し続ける生産物という点が他の項目と違う。

なぜ必要とされるのか。物は必ず壊れる。壊れる速さは技術の進歩とほぼ無関係で、AIがどれだけ賢くなっても配管の劣化や部品の摩耗は止まらない。人口が減っても既存の設備の総量はすぐには減らないため、1人あたりの保守量はむしろ増える方向に動く。

AIが代替できない理由。AI耐性は5点(満点)。診断や部品発注の最適化はAIが担えても、実際に現場で手を動かして直す部分は物理的な作業として人間に残る。ここは検証や責任と違い、法制度ではなく身体性が理由になっている。

個人がどう始めるか。個人可能性は3点とやや低い。特定分野の技能資格や設備投資が必要になる場合が多く、参入コストは検証や一次データより高い。まず1つの分野(住宅設備、機械、ITインフラなど)に絞って技能を身につけることが起点になる。

治安とは何か。警察・警備・監視といった、社会が安全な状態にあることそのものを生産物として扱う。依頼者が最初に挙げた例そのものであり、この記事の枠組みの出発点にあたる。

なぜ必要とされるのか。治安には在庫という概念がない。毎日生産し続けないと、その日のうちに在庫がゼロになるタイプの生産物である。昨日安全だったからといって今日も安全とは限らず、蓄えておいて後で取り崩すことができない。この性質が、需要が途切れない理由になっている。

AIが代替できない理由。AI耐性は4点。監視カメラの映像解析や異常検知はAIが担える範囲が広がっているが、現場に駆けつけて実際に対処する部分、判断して人を制止する部分は人間に残る。AI耐性が満点でないのは、検知の自動化が確実に進む分野だからである。

個人がどう始めるか。個人可能性は2点と低い。警備業には都道府県公安委員会への認定が必要で、警察官には採用試験がある。個人が単独で始められる範囲は限られ、多くは組織に所属することが前提になる。個人で始めるなら、施設警備や個人宅向けの防犯コンサルティングなど、認定を取った上での小規模な受託が現実的な入口になる。

介護とは何か。身体に直接触れて世話をする、最期を看取るという生産物である。他の9項目のほとんどが情報や判断を生産物とするのに対し、これは身体的な接触を必須とする点で異質である。

なぜ必要とされるのか。この項目の根拠は人口動態であり、10項目の中で最も外れにくい予測にあたる。2046年の高齢者数は今より多いことがすでに推計上ほぼ動かない。景気や技術の進歩に左右される他の項目と違い、この需要はすでに生まれている人の年齢が積み上がるだけで発生する。

AIが代替できない理由。AI耐性は5点(満点)。身体を支える、排泄を介助する、最期に立ち会うという行為は、ロボットや自動化の対象にはなりにくい。同時に法的責任(虐待の禁止、医療行為との境界)も人間に課されており、この2点が代替を防いでいる。

個人がどう始めるか。個人可能性は2点と最も低い部類に入る。介護福祉士などの資格取得、あるいは訪問介護事業者としての開業には時間と身体的な負荷がかかる。個人が単独で始めるハードルは高く、非属人化も2点しかない。担い手本人が現場にいなければ生産が止まる、この記事の中で最も属人的な生産物である。

信用は、同じ品質を誰から買うかで価格が変わる生産物である。中古品の査定、紹介、仲介はすべて信用の価格差を売っている。AIは大量の情報を生産できるが、信用そのものは蓄積できない。信用は「この人が過去にやったこと」の積み重ねであり、AIには過去の実績を自分の名前で背負う主体がいないからだ。

非属人化が2点と低いのは、信用が本人に紐づく生産物だからである。信用は仕組みに乗せて他人へ引き継ぐことが難しく、本人がいなくなると生産が止まる。個人可能性は5点で、資本も許認可もほぼ要らず、継続だけで積み上がる。

選別とは、目利き・キュレーション・仕入れの目利き・レビューのように、大量に生産されたものの中から「これを選べ」と決める生産物である。AIは選択肢を大量に生産することが得意だが、選ぶという決定そのものもAIが最も得意とする領域であり、ここでAI耐性が2点まで落ちる。

それでも順位が19点まで上がるのは、選別という作業自体が毎回発生し(反復性5)、設備も許認可も要らず個人がすぐに始められる(個人可能性5)ためである。AIに代替されやすい軸を、代替されにくい軸が押し上げている生産物といえる。

場は、オンラインでもオフラインでも、人が集まり続ける場所とその運営そのものを指す生産物である。AIは会話や情報は生産できるが、人が集まり続ける場所自体は生産できない。誰かが維持しなければ場は自然に消える。

個人可能性が3点と中位なのは、場を維持するには一定の継続的な労力と、時には設備・場所代が必要になるからだ。非属人化はもっとも低い2点で、場は運営者の存在そのものに依存しやすい。

教えるという生産物のうち、教材そのものはすでにAIが作れる。残るのは、目の前の相手の理解度・つまずき・反応を見て、その場で説明の仕方を変える部分だけである。AI耐性が3点と中位に留まるのはこのためだ。

非属人化は2点で最も低い。教える行為は本人が相手の反応を見て即応することが本質であり、仕組み化すればするほど「教える」ではなく「教材を配る」に近づいてしまう。20年後の需要も3点とランキング中で最も低く、教材の生産がAIに置き換わるほど、人間が担う部分は狭く深くなっていく。

「AIにデザイナーが食べられている」という言い方は、職種名で数えている。だが同じ出来事を生産物で数え直すと、見え方が変わる。AIが取ったのは画像という生産物であり、デザイナーという職業そのものではない。

画像を作ることだけを仕事にしていた人は、その生産物の価格がゼロに向かうのを直接受ける。だが同じ人が、AIが出した画像を検証する側に回る、あるいはどの画像を採用するかを決める側に回れば、その人は検証や決定という別の生産物を生産している。ここでは何も失っていない。

ランキング上位10のうち、この人がすでに生産しているのは1位の検証・3位の一次データ・7位の信用の3つである。

1位の検証は、この人が毎日やっていることそのものだ。Codexに記事を書かせて自分で検証し、高校生に読ませて点をつけさせる。AIの生産量が増えるほど検証の需要は増えるという1位の理屈を、すでに自分の手元で回している。足りないのは検証という生産物を、まだ誰にも売っていないことだけである。

この記事は、10個の生産物に順位をつけて終わりにするための記事ではない。職種名でなく生産物で自分の活動を数え直したとき、何を生産しているかが変わって見えるかどうかを試すための記事である。順位そのものより、この数え方が使えるかどうかを確かめてほしい。