時給12ドルで、自分の墓を掘っている

ハリウッドの脚本家やプロデューサーが、AIに自分の仕事を教えるギグワークに就いている。報酬は時給12ドルから200ドル。日本円にして約1,800円〜30,000円。

スクリーンプレイの構成、撮影スケジュールの組み方、キャラクターの感情設計——長年かけて磨いた専門スキルを、AIモデルのトレーニングデータとして切り売りしている。

背景はシンプルだ。ストリーミングの台頭で制作本数は増えたが、1本あたりの予算は減った。ストライキ後も仕事は戻りきらない。食い扶持として「AIに教える仕事」を選ばざるを得ない人が出てきた。

だが、ここに構造的な矛盾がある。

教えれば教えるほど、自分の仕事がなくなる。

AIが脚本の書き方を覚えれば、次に発注されるのはAIだ。時給12ドルで自分の職業の墓を掘っている——本人たちもそれを分かっている。分かった上で、今月の家賃のためにやっている。

この話、ハリウッドだけの問題じゃない。

開発者の8割が「AI中毒だが役に立たない」と感じている

もう一つ、見逃せないデータがある。

最近の調査で、ソフトウェア開発者の約80%が「AIコーディングツールへの依存度が高い」と回答した。一方で、その多くが「実際には生産性が上がっていない」とも感じている。

つまり、使わずにはいられないが、使っても大して良くならない。

典型的な依存の構造だ。AIが生成したコードをレビューし、修正し、また生成させる。その往復で時間が溶ける。自分で書いた方が早かったケースも少なくない。

さらに、AIが生成したコンテンツに対する「疲労感」も広がっている。SNSでもブログでも「これAIが書いたな」と分かった瞬間にスルーされる。量は爆発的に増えたが、読まれるものは減った。

ここで起きていることを整理しよう。

• 教える側：自分のスキルをAIに移転し、自分が不要になる
• 使う側：AIに依存するが、成果は上がらず疲弊する

どちらも、AIとの関係がうまくいっていない。

「教える側が最初にいなくなる」逆説の構造

ここに一つの逆説がある。

普通に考えれば、AIに仕事を奪われるのは「単純作業をしている人」だと思われてきた。だが実際に最初に影響を受けているのは、AIに仕事を教えられるレベルの専門家だ。

なぜか。理由は3つある。

1. 専門知識が「言語化」できるものほど、AIに吸収されやすい

脚本の三幕構成、撮影スケジュールのセオリー、コーディングのベストプラクティス——これらは体系化されているからこそ教えられる。そして体系化されているからこそ、AIが学びやすい。

2. 「教える」行為そのものが、自分の代替品を作る行為になる

かつてのマニュアル作成とは次元が違う。マニュアルは人間が読んで人間が実行した。だがAIトレーニングデータは、AIが読んでAIが実行する。教えた瞬間に、自分のコピーが生まれる。

3. コストの桁が変わる

ハリウッドの脚本家に脚本を依頼すれば数万ドル。AIに生成させれば、ほぼゼロに近い。時給200ドルで教えた知識が、時給0ドルのAIに実装される。この非対称性が、構造的に「教える側」を消していく。

これは300万円の仕事が5万円になる、という話ではない。300万円の仕事がゼロ円になる世界の入口に立っているということだ。

で、中小企業はどうすればいいのか

ここからが本題だ。

ハリウッドの話は遠い世界に聞こえるかもしれない。だが構造は同じだ。地方の中小企業でも、ベテラン社員の暗黙知をマニュアル化し、業務をシステム化する——これはまさに「AIに仕事を教える」行為と同じ構造を持っている。

では、「教える側」が消えないためにはどうするか。

1. 「教えた先」を設計する側に回る

重要なのは、AIに何を教えるかではなく、AIに教えた結果をどう使うかを設計することだ。

例えば、営業トークをAIに学ばせて自動化する。ここまでは誰でもできる。だが「どの顧客に、どのタイミングで、どのトークを当てるか」という判断の設計は、現場を知っている人間にしかできない。

AIに仕事を教える人ではなく、AIを使った仕組みを設計する人になること。これが第一の条件だ。

2. 「言語化できない」領域を持つ

体系化できるスキルはAIに吸収される。逆に言えば、体系化しにくいものは残る。

地方の中小企業が持つ「あの取引先の社長はこういう性格だから、こう持っていく」「この時期のこの地域は、こういう需要が出る」——こうした文脈依存の判断力は、データ化しにくい。

大企業は汎用的なAIを大量のデータで回す。中小企業は、ローカルな文脈と人間関係という、AIが最も苦手な領域で勝負できる。これは弱みではなく、構造的な強みだ。

3. AIのコストダウンを「攻め」に使う

AIで何かが安くなったとき、多くの企業は「コスト削減」で止まる。だが本当に差がつくのは、浮いたコストと時間を何に再投資するかだ。

例えば、見積書の作成がAIで自動化されて月20時間浮いたとする。その20時間を「既存顧客への訪問」に使うのか、「新規事業の実験」に使うのか。ここに経営判断がある。

AIが下げたコストを、人間にしかできないことに振り向ける。この判断ができるかどうかが、中小企業の分かれ目になる。

「教える側」から「問いを立てる側」へ

最後に、一つの視点を提示したい。

ハリウッドのクリエイターたちは、AIに「答え」を教えている。脚本の書き方、スケジュールの組み方——すべて「こうやればいい」という答えだ。

だが、AIが本当に苦手なのは「答え」ではなく「問い」だ。

「この映画は誰のために作るのか」「この商品は本当に必要とされているのか」「うちの会社は10年後に何で食っていくのか」——こうした問いを立てる力は、AIにはない。

答えを教える人は、AIに置き換えられる。問いを立てる人は、置き換えられない。

中小企業の経営者にとって、これは朗報だ。なぜなら、現場で毎日「このままでいいのか」と自問している人こそが、最もAIに代替されにくいポジションにいるからだ。

時給12ドルで答えを売るのか。それとも、問いを立てる側に立つのか。

AIの進化が加速する今、この選択が目の前に来ている。

—