資料づくりも議事録もAIがこなすなら、新卒や未経験の自分は何から任せてもらえるのか。経験が必要なのに、経験する入口がなくなる。そんな不安はありませんか。
この記事では、判断・確認・説明の過程を実績の材料として残す方法を提案します。ここでいう下積みとは、小さな作業を通じ、仕事の目的や確かめ方を身につける経験です。
- 若手の仕事は、どこまで変わっているのか
- AIを使いながら、何を自分で経験するか
- 未経験でも、応募時に何を見せられるか
読了目安:約8分|作成:2026年11月2日|ISH編集部
目次
1. 若手の仕事の変化と、採用の消滅は別の話
仕事が変わることと、入口がすべてなくなることは別です。不安な数字を見るときは、何を尋ねた調査なのかを確かめてみてください。
2026年2月、AI導入・活用済みの企業を対象とした調査[A]があります。対象は、従業員501人以上の企業の人事・採用担当者515人。回答者の54.8%が、新卒入社3年以内の若手に任せる仕事内容が変わったと答えています。
これは「仕事がなくなった割合」ではありません。AIを使う前提に変わることも、任される内容が変わることも含みます。対象もAI活用企業に限られます。
新卒採用を重視する声も残っています。2026年2月の別の調査[B]は、毎年新卒採用をする企業が対象。従業員100人以上の企業の採用担当者779人に尋ねています。約4分の3が、新卒採用を続けることは会社の発展に重要だと考えていました。
ただし、これは担当者個人の考えです。採用人数の実績や、将来の採用継続の約束ではありません。
どちらの調査も「未経験者はもう必要ない」とは示していません。まず考えたいのは、希望する仕事で何が任されるようになるか。その中で、自分が練習できる部分はどこでしょうか。
2. 下積みが減るとき、失いやすい学び
作業の途中で立ち止まる経験は、完成品だけを受け取ると抜け落ちる場合があります。
例えば、資料の数字を転記していて、前年と集計範囲が違うと気づく。議事録を書くために、決まった話と保留の話を聞き分ける。コードが動かず、入力の条件を一つずつ調べる。
手を動かす時間には、仕事の背景を知る機会もあります。AIの下書きをそのまま提出すれば、その機会を飛ばしてしまうかもしれません。これは考えられる仕組みであって、若手全体の能力低下を測った結果ではありません。
AIを使わず苦労すれば、必ず育つとも限りません。2026年公表の研究[C]は、ドイツの職業訓練最終年のIT実習生673人を対象とした実験です。ネットを使わない群と比べ、AIを利用できる群は訓練範囲外の課題でも成績が向上しました。直後の理解問題でも、理解低下の証拠は見られませんでした。
ただし、AI群はネットも使える条件でした。通常のネット検索との比較ではありません。研究途中の報告であり、長期的な技能定着も調べていません。
AIを使って終わるのか、使った後に自分で考える時間を持つのか。今の学び方には、その時間が残っていますか。
3. 実績の材料になる、判断・確認・説明の経験
自分が何を考えたかを残すと、完成品からは見えない経験を伝えられます。ここからは、練習に取り入れるための提案です。採用効果が実証された方法ではありません。
判断:使う前に、目的と条件を決める
「きれいな比較資料を作る」だけでは、良し悪しを決めにくいものです。「予算内で選ぶため、費用と必要な機能を比べる」まで決めてみる。
AIの提案を採用した理由だけでなく、採用しなかった理由も一言残します。目的に戻って選ぶ経験です。
確認:正しさを、別の根拠に照らす
数字なら元の資料と集計条件を確認する。議事録なら、発言の記録と決定事項を照合する。コードなら、想定する入力だけでなく、空欄や想定外の入力でも試します。
AIに「正しい?」と聞き直すだけでは、同じ誤りを見逃す可能性があります。元資料や実際の動作に戻ることを、確認の中心に置いてください。
説明:直した理由と、分からない部分を伝える
「数値を直しました」から一歩進めて、どの資料のどの条件を見て直したかを伝える。まだ確かめられない部分には、保留と分かる印を付けます。
基礎知識が足りなければ、確認できる範囲も限られます。小さい対象で学び、詳しい人に見てもらう。初心者がすべての正しさを保証する必要はありません。
自分で確かめたのはどこまでで、誰に相談したいのか。それを言えることも、説明の練習です。
仕事で使う場合は、誰が最終確認するかも先に聞きます。確認した範囲を引き継ぎ、承認が必要なものを独断で外へ出さない。それも、任された仕事の終え方です。
4. 練習例:比較資料に、自分の修正を残す
公開情報で作る小さな資料でも、判断の過程は残せます。ここでは業務の実績ではなく、自主練習の例を考えます。
例えば、地域の公開施設から、勉強会の会場候補を選ぶ資料。先に人数と予算を決め、AIに比較案を出してもらいます。その後、施設の公式案内に戻り、料金や利用条件を確認します。
このとき、ある施設の料金が基本料金だけだったとしたら。設備の追加費用を確かめ、合計を直す。予算を超えるなら候補から外す。確認できない条件は「問い合わせが必要」と残します。
提出するのは、整った比較資料だけではありません。AIの初稿と自分の修正を並べ、理由を短く添えます。
基本料金だけでは比較できないため、追加費用を確認した。条件が確かめられない候補は、結論を保留した。
これは練習記録の書き方の例です。実在する案件や社員の発言ではありません。誤りが見つからなかった場合も、何を照合したかを正直に書けば十分です。
議事録なら、自作の会話文で決定と保留を分ける練習に。コードなら、個人用の小さな集計処理を作り、例外の入力で動作を試せます。
システム開発などを手がけるISHも、対話とチームで動くことを大切にしています。一人で完結させず、分からない条件を相手に確かめる。そうした仕事の場面を、自主練習でも考えられます。
あなたが今、根拠まで確かめられそうな題材は何ですか。
5. 未経験でも作れる、応募用の記録
何を任せられるかが伝わる記録を、完成品に添えてみてください。まずは次の4項目があれば始められます。
- 何を決めるために、何を作ったか
- AIに任せたのは、どの部分か
- 自分で何を確認し、どう修正したか
- 結果はどうなり、何が未解決か
比較資料の例なら、「候補の整理にAIを使った」「料金の条件を原資料で確認した」と役割を分けて書けます。成果物の量や、使った道具の数を増やす必要はありません。
他の人に見てもらえたら、指摘と直した箇所も残す。頼める人がいなければ、確認できた範囲を限定し、未確認点を隠さない形にします。
面接で「なぜこの案を選んだのですか」と聞かれて、答えられるでしょうか。うまく答えられない箇所が見つかったら、そこが次に学ぶ場所です。
自主練習なら「自主制作・練習」と明記してください。実際の利用者がいないのに、業務改善や売上への貢献として書くのは避けます。採用につながる保証はなくても、自分の現在地は伝えやすくなります。
扱う情報にも境界があります。個人情報や勤務先の機密資料を、許可なくAIへ入力しない。応募資料も公開情報や自作例で作り、他者の情報を含む場合は共有の許可を確認してください。
6. よくある質問
大きな成果や、仕事の経験がなくてもよいですか?
まずは自主練習で、確認と修正の記録を作る方法があります。業務上の成果とは区別し、できたことと未解決点を説明しましょう。成果を大きく見せる必要はありません。
知識がないのに、AIの出力を点検できますか?
点検できる範囲を絞るところからです。原資料と照合できる数字などで練習し、基礎学習を併用します。安全や法律に関わる判断を、独学だけで引き受けないでください。
選考では、AIを使ったことを隠すべきですか?
募集や選考課題のルールを先に確認してください。利用が認められる場合も、AIの担当部分と自分の判断を分けて説明します。禁止された課題で使ったり、自作と偽ったりしないことです。
7. まとめ:完成品に、自分が確かめたことを添える
- 若手の仕事の変化は、採用の全消失を意味しない
- 判断・確認・説明の過程を、練習記録として残す
- 自分の理解の限界を伝え、必要な相談をする
今日作る小さな資料に、確認した根拠を一つ添える。そこから始めてみませんか。
AIに任せた後、あなたなら何を自分の目で確かめますか。経験したことや、今の不安も聞かせてください。
こうした仕事の進め方に共感する方は、ISHの開発の仕事や募集内容にも目を向けてみてください。自分がどんな経験を積みたいか、考えるきっかけになればうれしいです。
出典
[A] 企業のAI活用実態と人材戦略に関する調査 第1弾「求める人材の変化編」(2026年3月25日公表)。2026年2月25〜26日実施。AI導入・活用済み、従業員501人以上の企業の人事・採用担当者515人へのインターネット調査。若手の定義は新卒入社3年以内。 https://www.persol-career.co.jp/newsroom/news/research/2026/20260325_2131/
[B] 企業の新卒採用実態調査2026(2026年4月13日公表)。2026年2月12〜15日実施。毎年新卒採用する従業員100人以上の企業の人事部門で、採用に携わる正社員779人へのインターネット調査。図表6は担当者個人の考えを尋ねたもの。 https://prtimes.jp/main/html/rd/p/000000186.000029286.html
[C] Task Expansion with Generative AI: Experimental Evidence on Middle-Skilled, Early-Career Workers(2026年10月7日公表、研究途中の論文)。ドイツの職業学校12校、最終学年のIT実習生673人の無作為化実験。AI利用群はネットも利用可、比較群はネット利用不可。理解の測定は直後であり、長期定着ではない。 https://digitaleconomy.stanford.edu/publication/task-expansion-with-generative-aiexperimental-evidence-on-middle-skilled-early-career-workers/
/assets/images/88496/original/8365e07c-1965-459a-a1fa-f5c65fbd5273.png?1446029440)