事務・バックオフィス

この職種が主流である根拠

全体像で見たとおり、日本企業の生成AI 活用でいちばん多い業務は**「文章の作成・要約・校正」で 45.1%**（帝国データバンク、10,312社）。2位が「情報収集」21.8%。

この2つを合わせると 3 分の 2 になる。 事務・バックオフィスの仕事はほぼこの範囲に収まるので、日本で最も生成AI が使われている職種はここと言ってよい。

一方で、この図書館が扱う Claude Code / Codex / Gemini CLI が向いている「コード生成などのプログラミング支援」は 5.9% しかない。この巻に限っては、この図書館の facts はあまり役に立たない。 使うべきなのは対話型のサービスの方になる。

事例カタログに深掘り済み（cases/ai-activation-catalog.md）。士業・コンサルに最も近い実名事例で、4か月で全社導入している。

定着した理由として記事が挙げているもの。

同社の太田純氏の工夫が事務仕事にそのまま応用できる。

各情報を AI が読みやすい形式に整形・フォーマットしてから NotebookLM に読み込ませる

そのまま放り込むのではなく前処理を挟む。 手元の資料が散らかったままだと精度が出ない、という当たり前だが飛ばされやすい手順になっている。

出典が匿名か、導入支援会社の記事。実名の裏付けは取れていない。

自動化しやすい領域として繰り返し挙がる10種：請求書 / メール / レポート / 帳票 / 議事録 / 契約書 / 月次集計 / 週報 / データ照合 / データクレンジング

「年間4,800時間削減」「3〜6週間の導入で月30〜80時間削減」といった数字が出回っているが、いずれも導入支援会社の宣伝文脈であり確度C。そのまま信じない。

事務の仕事を全体地図に当てると、開発工程ではなく前後の工程に当たる。

プログラミングやテストの工程はほぼ出てこない。 自分でコードを書かないので当然だが、逆に言えば「AI にコードを書かせる」話をいくら読んでも、この職種の役には立たない。

帝国データバンクの調査で、実際に起きた悪影響の第1位は情報漏洩でも誤りでもなく、「能力や成果の格差が拡大した」で 18.8%。2位の 4.0% と大きく開いている。

事務職は同じ業務を複数人で分担することが多く、この格差が最も表に出やすい職種になる。船井総研が「成功事例を積極的に共有する社内文化」を定着要因に挙げているのは、裏を返せばここへの手当てにあたる。

一方、機密情報や個人情報の流出は 0.7%。懸念としては 33.5% が挙げているので、恐れの大きさと実際の発生率が 50 倍近く離れている。警戒は要るが、それを理由に始めない判断は数字と釣り合っていない。