生成AIで溶ける職種の壁｜事務・営業・企画の境界線と求められる責任

職種の壁が溶け始める現場で何が起きているか

「それは私の担当ではありません」という言葉が、過去のものになりつつあります。

日々のオフィスワークで、職務の境界線にやきもきした経験は誰にでもあるはずです。営業担当が簡単なデータ集計のために分析チームへ依頼を出し、差し戻しを繰り返す。あるいは企画担当が、法務やデザインの初歩的な確認のために何日も待機する。従来の組織運営は、専門分業による効率化を前提に組み立てられていました。

しかし生成AIの浸透が、この前提を静かに崩しています。OpenAI Economic Researchのレポートによると、多くの現場で働く人々が、自らの公式な職務範囲を超えてAIを活用し始めています。本来は担当外だった作業を自力で片付け、それがいつの間にか日常業務として定着する動きが各地で確認されています。

これは、特別なITスキルを持つ一部の技術者だけの話ではありません。事務職がPythonコードを書いて社内ログを分析し、営業職が顧客向けプレゼン資料のグラフィックを自前で用意する。職掌の外側にあった仕事へ手を伸ばす心理的・技術的なハードルが、AIの登場によって劇的に下がった結果といえます。

現場を支えるAIエージェントの現在地

こうした職務拡張の流れを、企業向けツールの進化がさらに加速させています。

象徴的な動きが、NVIDIAとSalesforceの協業です。Salesforceの年次イベント「Dreamforce」において、NVIDIA CEOのジェンスン・フアン氏とSalesforce CEOのマーク・ベニオフ氏は、次世代のCRM推論モデル「Koa」を公表しました。

Koaは「NVIDIA Nemotron 3 Super」を基盤に、Salesforceが約30年蓄積してきた企業向けCRM導入実績から作成した独自の合成データセットを用いて構築されています。製造業や金融サービス、医療、旅行など14以上の業界シナリオを網羅し、強化学習とファインチューニング（特定用途向けの追加調整）を重ねています。

特筆すべきは、その実行精度です。NVIDIAの公式ブログによれば、SalesforceのCRM Benchテストにおいて、Koaは業務アクションの遂行能力で主要モデルと同等以上の性能を示しながら、エラーの発生数を従来の3分の1に抑えました。企業が推論モデルを導入するうえで、誤作動を劇的に減らした意味は決して小さくありません。

KoaはすでにSalesforce社内で稼働しており、ビジネスチャット「Slack」上で従業員を支えるエージェントとして実務を支援しています。顧客向けには「Agentforce」の選択可能モデルとして試験導入が始まっており、Formula 1やUChicago Medicine、Xeroといった企業・組織が検証を進めています。米国での一般提供は2026年冬を予定しています。

チャットで質問して答えを得るだけの段階は過ぎました。システムが業務の文脈を正確に理解し、バックオフィスツールを直接操作してアクションを完結させる。エージェント型AIの実用化が、個人の職域拡大を強力に後押ししています。

事務・営業・企画の職務はどう変わるか

実務の代行が進むと、私たちの担当領域はどう再編されるのでしょうか。代表的な3つの職種で見取り図を整理します。

事務・バックオフィス：定型作業の処理から業務フローの設計へ

定型データの入力や請求処理、定例メールの作成といった「既存手順の反復」は、エージェント型AIが最も得意とする領域です。

事務職の価値は、手順をこなす速さから、業務フロー全体の設計と例外への対処へとシフトしていきます。システム間でデータが滞りなく流れるよう指示を整え、AIが弾いたイレギュラーな申請を適切に判断する。NVIDIA自身もSalesforceを自社の業務運営や顧客サポートに導入し、Agentforceの検証を進めています。現場を支える事務職は、AIエージェントの管理者としての役割を担い始めています。

営業：資料作成からの解放と顧客関係の深化

営業担当者がこれまで時間を費やしてきた顧客リサーチ、議事録の要約、見積書の初期作成、CRMへの活動履歴入力。これらはKoaのような特化型モデルが、チャットツール経由で即座に代行してくれます。

その結果、営業担当者は企画職のように課題解決策を練り、マーケターのように顧客データを自ら掘り下げる場面が増えます。社内調整や資料作りに追われていた時間を、顧客との直接の対話や潜在ニーズの引き出しにどれだけ充てられるかが、個人の成果を左右する基準になります。

企画・マーケティング：実行フェーズの自律化と問われる構想力

従来、企画職の最大のボトルネックは「実行フェーズ」にありました。施策のアイデアがあっても、エンジニアへの要件定義やデザイナーへの発注、アナリストへの効果検証依頼に多くの時間を取られていたためです。

AIエージェントを使えば、企画担当者が自ら試作版（プロトタイプ）を作り、複雑なコードを書かずにデータ分析を完了させ、簡易なクリエイティブまで形にできます。企画から検証までの時間は大幅に短縮されます。その反面、「何を作るべきか」「誰のどんな課題を解くのか」という構想そのものの精度が、これまで以上に厳しく問われます。

「できること」が広がった時代に人間が背負う責任

フアン氏が語ったように、オープンモデルの割合が前年初めの30％から約70％へ拡大するなど、高度なAI技術は誰もが手元で扱えるインフラになりました。「自分の職種ではないからできない」という言い訳は、もはや通用しなくなりつつあります。

ただし、業務の遂行能力が拡張されることと、業務の全責任をAIに委ねることはまったく別の問題です。

Salesforceが自社開発のKoaにおいて、モデルの重み（学習済みパラメータ）を自社管理し、学習時・推論時のいずれにも顧客データを使用しない厳格な設計を敷いている点は示唆的です。企業が自律エージェントを現場に組み込むうえで、セキュリティやガバナンスへの配慮は避けて通れません。

個人レベルでも同じ構図が成り立ちます。他職種の仕事をAI任せで形にしたとしても、その出力が社内基準を満たしているか、顧客や取引先に迷惑をかけないかを見極めるのは人間の目です。判断ミスが生じた際、責任を負うのはAIではなく指示を出した作業者本人です。だからこそ、表面的な手順だけをなぞるのではなく、専門領域の基本原則を理解したうえでツールを操る知性が欠かせません。

まとめ

担当外の業務をAIでこなせる環境は、職種の壁を取り払い、個人の機動力を最大化するチャンスです。まずは自分の日常業務のうち、他部署への依頼待ちで止まっていた作業を1つ選び、AIエージェントを壁打ち相手にしながら自力で完結させてみてください。「実務の代行」と「結果への責任」を両立させた先に、職種に縛られない新しい働き方が見えてきます。