AI導入責任者

米国の全企業を代表する調査であり、対象期間は2025年11月から2026年1月。企業数で18%、従業員数で加重すると32%、六か月以内に22%へ達すると見込まれている。情報、専門サービス、金融の非常に大きな企業では50-60%(従業員加重で60-70%)である。導入している企業のなかで最も多い機能は、営業とマーケティングが52%、戦略と事業開発が45%、情報技術が41%。これは企業の数え上げであって、職業や人の数え上げではない。AIが会社のどこに入ったかを述べているのであって、どの職が変わったかは決して述べていない。著者自身が挙げている留意点がさらに二つある——追補のあいだに調査の設問が改められていること、そして企業単位の導入18%に対して、働き手が業務でAIを使っていると報告する企業は23%あり、つまり一部の利用は、会社としての判断をまったく経ずに入ってきていることである。

雇用主がそれを本番に置いた。基準線を動かしうる——規模と、その場がどれだけ似ているかで重みづけされる。

カナダ、連邦機関。この指令は、自動意思決定システムを用いるプログラムを担当する次官補、または機関の長が指名する他の上級職員が、利用者からのフィードバック、予期しない影響、人間によるオーバーライド、システム障害を記録すること、それらの知見を用いて問題を特定し是正措置を講じること、そして決定に異議を申し立てる救済手段を利用者に知らせることについて責任を負うと定めている。連邦の行政上の決定に限られる。責任者は上級職員であり、必ずしもシステムを導入した者ではない。

失敗、撤回、規制、あるいは費用が導入を抑えている。判断を下げる、あるいはその不確かさを広げることがある。

中国本土であり、職業分類のことだけである。省庁が挙げている理由は、大規模モデルが各産業へ広がるなかで「従事者が急速に増え、職位の幅も多様になっている」ことである——それは、この仕事が分類できる規模で存在するようになったと記録を司る当局が言っているのであり、この記録が示しているのはそれだけである。人数も、賃金も、雇用主の名前も示されていない。これは公示(意見募集のための公告)であり、この時点で各区分は提案であって、まだ国家職業分類に書き込まれておらず、国家職業基準もこれから起草される段階だった。

採用、人員、労働時間、職務範囲の、検証できる変化。最も重い——ただし因果の帰属は、前提とするのではなく論じられなければならない。

米国連邦政府の行政部門のみであり、民間の雇用主ではない。示しているのは、この職が各組織の裁量で作られるのではなく、規則によって存在を求められているということである。三つ言っておく必要がある。第一に、この覚書は2024年の M-24-10 を廃止して置き換えており、この職の定義を意図的に変えている——最高AI責任者を、その機関のAI目標の旗振り役としてAIのイノベーション、導入、ガバナンスを推し進める者として描いている。だからこの記録が支えるのは、ガバナンスの務めを保ちつつ導入を進める側に傾いた職である。第二に、各庁に求めているのは責任者を「定めること」であって、人員でも予算でも組織でもない。既存の最高情報責任者を指名してもよい。第三に、ある職の存在を求める規則と、その職が実際に仕事をしていることは別の層であり、このサイトはこれを政策の層で記録している。そこでは一件の記録だけで業務の判断が動くことはない。

規制、補助金、あるいは公共調達が、導入を求めているか資金を付けている——constraint の鏡である。導入が求められていることを示すのであって、起きたことを示すのではないので、一件の mandate は単独では決して足りず、独立した二件で足りる。

EU であり、しかも高リスクAIの導入者——それを買って使う会社であって、作る提供者ではない——だけが対象である。示しているのは、そうした仕組みを監督するための能力・訓練・権限・支援を特定の人に与えることが、EU では経営上の選択ではなく法的義務だということである。第26条はさらに、導入者に運用の監視を求め、危険を見つけた場合には提供者と市場監視当局に知らせることを求めている。「Regulation (EU) 2026/1744」(AIに関するデジタル・オムニバス、2026年7月24日公布)は、これらの義務の適用を、附属書IIIにより高リスクとなるシステムについては2026年8月2日から2027年12月2日へ、第6条第1項と附属書Iにより高リスクとなるシステムについては2028年8月2日へ移した。つまりこれは、成立してはいるがまだ適用されていない規則である。法律はその人が誰でなければならないかを述べておらず、専任の職を求めてもいない——会社は各部門長にこの義務を分散させてもよい。これをこの職業に結びつけているのは、実務上どこに落ちるかについてのこちらの推論である。

規制、補助金、あるいは公共調達が、導入を求めているか資金を付けている——constraint の鏡である。導入が求められていることを示すのであって、起きたことを示すのではないので、一件の mandate は単独では決して足りず、独立した二件で足りる。

この職には確立した道がなく、それは両方に効く——誰もあなたに資格がないとは言えないし、誰も何が資格になるかを教えられない。実際に採用の決め手になっているのは、本物の組織のなかで一つのことを端から端まで根づかせた証拠である——前の数字、後の数字、そして何が壊れたかの正直な説明。その話一つが、どんな認定よりも効く。そして市場が売っているのは、たいてい認定のほうである。

あなたの効き目は、この会社の仕事が実際どこで壊れるかを知っていることであり、それはどの提供元もどのモデルも持っていない。危うさは技術的というより構造的である——この職能は移行の費用として予算がついており、移行の予算は終わる。残る人は、施策を回す側から、事業がもともと気にしている数字を持つ側へ移った人である。

留まって強くする

自分より前からある数字に、自分を結びつける

施策の予算は、熱狂の翌年に削られる。所要時間、成約率、一件あたりの費用で測られる職能は、AIが来る前から事業が気にしていて、去ったあとも気にする何かで測られている。

職の形を組み替える

誰も書いていない境界を書く

大半の会社で、道具に監督なしで何をやらせてよいかは、放っておかれた結果として、設定した人によって決まっている。それを書かれた合意ある方針に変えることは華やかさがなく、事故を防ぐものであり、そして自分の名前のついた成果物である。

隣へ移る

助けていた部門のなかへ移る

あなたは一年かけて、ある部門が実際どう回っているかを、その部門の大半の人より細かく学んできた。オペレーションも財務も顧客対応も、いまや仕事と仕組みの両方を分かっている人を必要としており、その席は、変革の施策とは違って恒久である。

業種をまたぐ

外から、多くの会社に対してやる

あなたが積む型の知識——どの順番が効くか、試行がどこで死ぬか、二年目はどうなるか——は、一社の内側よりも十社にまたがるほうが値打ちがある。そして大半の会社は、この職の常勤版を雇うことは決してない。

両方であり、ある会社でどちらなのかは、就く前に確かめる価値がある。予算と、事業がもともと追っていた数字を持っているなら、本物の職である。施策と、道具の一覧と、推進の会議を持っているなら、肩書きである。二つ目のほうは移行の費用として予算がついており、移行の費用は終わる。

この職の時計は、このサイトのどのページとも違う。危ういのは機械がこれをやることではなく、移行が終わってこの職能が、助けていた各部門へ溶けて戻ることである。信号は、自分の予算がどの行に載っているかである。案件や施策の行なら、毎年それが更新されたか、いくらでかを確かめること。ある部門の運営予算のなかへ移ったなら、この職は恒久になった——そしてどんな発表でもなく、その移動こそが見るべきものである。

本物の評価と実演を見分けられ、提供元の答えがはぐらかしだと気づける程度には要る。それを超えると、希少な入力はこの会社についての知識——どの段が本当の詰まりどころか、誰の数字が動くか、誰が抵抗するか——であり、それは資料を読むことではなく歩き回ることで集まる。よくある失敗は、技術に強い責任者が、効く段ではなく、いちばん自動化しやすかった段を自動化してしまうことである。

この指数が測っているのは、自動化が仕事のどれだけを引き取っているかであり、この職の仕事はほとんど引き取られていないからである。それは安全であることと同じではないし、ページもどの業務でもそう書いている——この職は、移行が進行中だから存在している。低い数字は、仕事についての記述として読むこと。人数についての約束としてではない。それは別の問いであり、このサイトは意識して二つを分けている。

一つだけ訊くこと——うまくいかなかった事例と、そのあと何をしたか。実際に動いている事業へ道具を入れたことのある人は、必ずその話を持っている。最初の試みはたいてい、誰も予測しなかった何かで失敗するからである。成功だけを持っている提供元は、世に出したことがないか、あなたが最も聞く必要のある部分を話していないかのどちらかである。