新たなAI職種が登場しているが、その仕事の定義はなお難しい

Google Newsは8月2日、Doug Levinによる「New Titles Because of AI and Beyond」を取り上げ、AI規制に関するフィードの中で挑発的なキャリア論を提示した。

掲載情報からアクセスできる詳細は、見出しと出典表記以外にほとんどない。この制約は重要だ。職種名をめぐる記事は、容易に大規模な職業構造の変化に関する予測へと受け取られかねないからである。

より慎重な結論は、狭い範囲にとどまるものの、実用的でもある。AIは、雇用主がそこで生じる仕事の名称について合意する前に、既存の職務間の境界を変えつつある。

その結果、目に見える肩書きと業務上の実態との間に対立が生まれる。企業はAI能力を示す職種名を求める一方、働く人には明確な権限、評価基準、キャリアパスを伴う役割が必要だ。

Levinの見出しは、この対立の前半を捉えている。後半を補うのが労働市場の証拠である。

Google Newsの掲載は、Levinと彼のSubstackを出典として示している。ただし、この分析の作成時点では、元の記事は独立した検証のために一貫して閲覧できる状態ではなかった。

この検証上の空白があるため、Levinの議論全体について断定的に述べることはできない。しかし、見出しが提起したより大きな問いまで消えるわけではない。

新しいAI職種名は真に新しい仕事の証拠なのか。それとも企業は、組織モデルが未整理なまま、従来からある責務に新たな名称を付けているだけなのか。

Google Newsの見出しが実際に変えたこと

直近の出来事は職業の命名に関する公開された論考であり、公的な職業や雇用区分が新設されたことではない。

Google Newsは、AI規制とセキュリティに関連するフィードを通じてこの見出しを配信した。出典はDoug LevinのSubstack出版物「Lessons from a Startup Life」だった。

Levinは自身を、テクノロジー企業の経営者、創業者、取締役、スタートアップ顧問として紹介している。Doug Levinの出版物は、AI、スタートアップ、ガバナンス、そして企業経営者が直面する意思決定に焦点を当てている。

この経歴は、見出しに経営的な視点を与えている。新たな職種名を、政府統計機関や職能団体が定める分類ではなく、AIに対する組織的な対応として位置づけている。

この違いは重要である。ニュースレターの執筆者は新たな傾向を見いだせるが、どの職位が存在し、どのような権限を持つかを決めるのは依然として雇用主だ。

次に採用担当者が、その職位を職務記述書へと落とし込む。働く人はそれをキャリア機会として解釈し、報酬担当チームは既存職種との比較を試みる。

検索・集約システムはさらに別の層を加える。簡潔な見出しは、元記事の中に書かれた資格要件よりも遠くまで拡散しうる。

ここに中心的なリスクがあるように見える。「AIによる新たな肩書き」という表現は具体的に聞こえるが、入手可能な掲載情報は、どの肩書きが意味のある規模で普及したのかを示していない。

またLevinがこれらの肩書きを、提案、観察、冗談、警告のいずれとして扱っているのかも明らかにしていない。したがって、詳細な帰属は証拠の範囲を超えることになる。

それでもこの見出しがGoogle Newsに掲載されたのは、認識しやすい変化に触れているからだ。組織は、プロダクト、エンジニアリング、法務、セキュリティ、オペレーションをまたぐAIシステムの責任所在を割り当てることに苦慮している。

従来型のソフトウェアチームでは、アプリケーション開発をインフラやコンプライアンスから切り分けられることが多い。AIシステムは、こうした境界をより不安定にする。

その挙動は、モデル、取得された情報、プロンプト、権限、評価、人によるレビューに依存する。障害は、これらのどの層からも起こりうる。

システムがアクセスできるデータを決めなければならない人がいる。出力品質を測定し、エラーを調査し、支出を管理し、人による承認をいつ必須とするかを決めなければならない人もいる。

これらの責務は、その上位に置かれる肩書きが新しくても実在する。したがって議論の中心は、主として語彙ではない。

これまで部門のはざまに落ちていた仕事を、組織が認識したかどうかである。

新しい肩書きは、責任の所在を明確にするときに意味を持つ。意思決定、リソース、説明責任を変えず、既存の役割の前に「AI」を付けるだけなら、見せかけのものになる。

これが見出しによって生じる緊張関係だ。読者に新奇さの先を見るよう促し、雇用主が仕事そのものを再設計したのかを問うている。

AI職種名は組織の明確さより速く増えている

雇用主は、導入、セキュリティ、評価、事業成果を誰が担うのかを定める前に、AI能力を打ち出すよう圧力を受けている。

この圧力を示す最も強い証拠は、想像力豊かな肩書きの一覧ではなく、労働市場の動きにある。

LinkedInの2025年9月のAI労働市場トラッカーは、米国の2億人超の会員に関する労働力データを分析した。

同レポートによると、AIエンジニアリング人材の採用は2025年中に前年同期比で25％超増加した。AIエンジニアリング職は技術系求人の約7％を占めた。

レポートによれば、この比率は前年から63％上昇した。一方で、AI人材はLinkedIn会員の1％未満にとどまった。

これらの数字は、実際の需給不均衡を示している。すべての新しい肩書きが独立した職業を表すことの証明ではない。

希少な候補者をめぐって競争する企業には、肩書きを試す理由がいくつかある。技術的な意欲を示したり、一般的なソフトウェア業務とポジションを差別化したり、より狭い候補者層に訴求したりできる。

肩書きは社内の期待形成にも影響する。誰かをAIエンジニアと呼ぶことは、モデルの挙動やAIアプリケーションの設計がその人の担当範囲に含まれることを意味する。

同じ人をソリューションズエンジニアと呼べば、顧客導入を強調できる。「フォワードデプロイドエンジニア」は、顧客環境内で製品を適応させる直接的な責任を示唆する。

AIプロダクトマネージャーは、ユースケースの選定と製品成果を担う場合がある。AIガバナンス責任者は、方針、文書化、統制、エスカレーション経路に注力する場合がある。

導入されたAIシステム自体が重なり合うため、これらの職務も重複する。モデル選定は、コスト、レイテンシー、セキュリティ、出力品質に同時に影響する。

この重複はマネジメント上の問題を生む。全員がAIに関与していても、最終結果を自動的に誰かが担うわけではない。

最高AI責任者は戦略を調整できるが、プロダクトチームに対する権限を持たない場合がある。ガバナンス担当者は統制を定められるが、リリース日程を管理できないかもしれない。

AIエンジニアは評価システムを構築できるが、顧客が受け入れる障害率を決めるとは限らない。法務チームはリスクを特定できても、それを生む製品挙動を選択するわけではない。

新しい肩書きは、こうした境界で生まれることが多い。共有された懸念を、名前の付いた責任へと変えようとする組織的な試みである。

この圧力はテクノロジー企業にとどまらない。教育、専門サービス、金融、医療、製造、政府はいずれも、モデルと分野固有のワークフローを結びつけられる人材を必要としている。

こうした雇用主は、研究所の組織図をそのままコピーすることはできない。彼らのAI業務は、規制対象データ、顧客、従業員、業務上の意思決定により近い位置にある。

技術的な可能性と制度上の責任をつなぐ翻訳者が必要になる。しかし求人情報において、「翻訳者」という表現では十分な権限を伝えられないことが多い。

雇用主は複合的な肩書きを作ることで対応する。AI戦略、責任あるAI、エージェントエンジニアリング、モデルリスク、AIオペレーションといった用語が、既存の職能の隣に置かれる機会が増えている。

その結果、市場は実際以上に成熟して見えることがある。洗練された肩書きの背後には、試験的な任務、不確かな予算、相反するレポートラインが隠れているかもしれない。

したがって候補者は、肩書きの下にある動詞を確認すべきだ。「所有する」「承認する」「評価する」「導入する」「監視する」は、AI関連の用語の数より多くを明らかにする。

成果に責任を持つ職位には、システム、データ、予算、意思決定者へのアクセスが必要だ。それらのリソースがなければ、その肩書きは主として評判上のリスクを負うことになる。

この傾向から圧力を受けるのは誰か。雇用主は信頼できる役割を作らなければならず、働く人は実際の権限とブランディングを見分けなければならない。

真の争点は、新しい説明責任か新しいラベルか

中心的な対立は、古い仕事と新しい仕事の間にあるのではない。業務上の説明責任と肩書きのインフレとの間にある。

肩書きのインフレとは、役割の範囲、権限、必要能力がそれに見合って変わらないまま、より流行に沿った名称が与えられることを指す。

この慣行は生成AIより前から存在していた。テクノロジーのサイクルは、ウェブ、モバイルアプリケーション、クラウドインフラ、データサイエンス、サイバーセキュリティをめぐって、繰り返し新たなラベルを生み出してきた。

その一部は持続的な専門職へと成熟した。他方で、その責務がより広いエンジニアリング、マーケティング、オペレーションのチームに戻ったため、消えたものもある。

AIの肩書きも同じ選別過程をたどるだろう。長く残るものは、個別のツールが変わった後も必要であり続ける業務を表す。

評価は有力な例の一つだ。AI評価プロセスでは、定義されたタスク、ユーザー、障害条件にわたり、システムが許容可能な振る舞いをするかを測定する。

組織がモデルを変更しても、この仕事は消えない。むしろモデルを切り替えるほど、一貫した評価の重要性は増す。

コンテキスト管理も別の例である。AIアプリケーションは、応答や行動を行う瞬間に、選別された企業情報を必要とすることが多い。

チームは、どの情報源をそのコンテキストに入れるか、それがどれだけ新しいか、誰がアクセスできるかを管理しなければならない。一般にRAGと呼ばれる検索拡張生成は、選別された外部情報をモデルの応答に提供する。

用語は変化するかもしれないが、責任は残る。組織には依然として、信頼できる情報選定と権限管理が必要だ。

エージェントの運用も、継続する必要性を表している。エージェントとは、目標に向けて行動を選び実行するためにモデルを利用するソフトウェアである。

エージェントがメッセージ送信、記録変更、コード実行、取引承認をできるようになると、監視は業務機能となる。誰かが制限を定め、予期しない行動を調査しなければならない。

これらの責務が異なる専門性を支えるのは、必要とする証拠と意思決定権が異なるからだ。評価はシステムが機能するかを問う一方、ガバナンスはその利用が許可されるかを問う。

セキュリティは、システムがどのように操作・悪用されうるかを検討する。プロダクトチームは、残るリスクが特定の顧客体験にとって許容可能かを判断する。

有用な肩書きは、こうした責任境界の一つを見える形にする。弱い肩書きは、すべてを「AIリード」という役割にまとめ、権限を未解決のままにする。

この違いは採用の質に影響する。雇用主が実際に解決すべき問題を定義していなければ、候補者は役割に備えられない。

また、パフォーマンス評価にも影響する。他チームが各変数を管理しているなら、導入、コスト、安全性、事業価値について一人を公正に評価することはできない。

World Economic Forumの雇用見通しは、こうした不確実性が続く理由を示している。

2025年の報告書では、労働市場全体の変化によって2030年までに1億7,000万人の雇用が創出され、9,200万人が職を失うと予測していた。これらの推計はAIだけでなく、複数のマクロ経済要因を対象としている。

テクノロジー分析では、AIと情報処理によって1,100万人の雇用が生まれる一方、900万人が職を失うと見込まれていた。これは単純な拡大ではなく、再配分の話だ。

同報告書は、AI・機械学習のスペシャリストを最も成長の速い職種の一つに挙げた。同時に、一部のナレッジワーク職は最も急速に減少する職種群に位置付けられている。

こうした調査結果は、新しい肩書きがそのまま純増の機会を意味するという単純な主張を弱める。新たな肩書きが生まれる一方で、近接する職能全体のポジション数は減少し得る。

より信頼できるシグナルは、タスクの移動だ。公的な職業分類が追いつく前に、仕事は人、ソフトウェア、ベンダー、部門の間を移っていく。

アナリストは定型的な要約作成に費やす時間を減らし、モデルが生成した成果物の検証により多くの時間を割くかもしれない。ソフトウェアエンジニアは定型コードを書く量を減らし、システム全体のレビューを増やすかもしれない。

マネージャーは状況報告の取りまとめに費やす時間を減らし、意思決定プロセスの設計により多くの時間を使うかもしれない。こうした変化のいずれも、自動的に新しい肩書きを必要とするわけではない。

ただし、改められたタスクの組み合わせが異なる採用要件を求めたり、異なる権限を付与したりする場合には、新たな肩書きが正当化される。

この基準は目新しさよりも厳格だ。企業がそのポジションを異なる方法で採用し、育成し、報酬を設定し、評価するかを問うものだからだ。

答えがノーなら、その新しい肩書きはおそらく一時的なパッケージングに過ぎない。イエスなら、その役割は制度として定着し始めている。

AI雇用データが裏付けること、裏付けないこと

現在の証拠は急速なスキル変化と不均一なタスク再設計を支持しているが、提案されるすべてのAI職種について確信を持てる予測を支えるものではない。

PwCの2026年版jobs barometerは、6大陸にまたがる10億件超の求人広告を分析した。

その結果、AIの影響を最も受ける職種で求められるスキルは、影響が最も小さい職種の2倍以上の速さで変化していることが分かった。

同報告書はまた、二極化する市場を描いている。AIによって強化される役割と、AIによって業務遂行の障壁が下がる役割では、成長の仕方が異なっていた。

PwCによると、「専門職化された」カテゴリーの雇用は「民主化された」役割の2倍の速さで増加した。前者の賃金は2021年以降、42％速く上昇している。

分析ではさらに、AIへの高い露出を持つジュニアポジションでは、リーダーシップを含む、従来はシニア人材に求められてきた能力を要求する可能性が7倍高いことも示された。

この知見は、肩書きの設計に特に関係する。雇用主は既存のジュニア肩書きを維持しながら、そのポジションに就く人に求める判断力を静かに引き上げる可能性がある。

逆のことも起こり得る。既存チームが新しいツールで既に担っている業務に、新たなAI肩書きが付けられる場合もある。

どちらのパターンも、キャリアに関する助言を複雑にする。労働者は、古い肩書きが古い仕事を意味するとは限らず、新しい肩書きが新しいキャリアラダーを保証するわけでもない。

データには方法論上の限界もある。求人広告は雇用主の意図を表すものであり、実際の採用や日々の業務とは異なる場合がある。

企業は競合他社の表現を模倣したり、ほとんど使われない希望スキルを記載したりすることがある。求人情報だけでは、入社後に従業員が十分な権限を与えられるかは分からない。

利用データは別の視点を提供するが、異なる制約も抱えている。

Anthropicの2026年6月版economic indexは、人々がClaudeをどのように使うかを調べ、ユーザーの一部を対象に調査を実施した。

回答者の約6割は、12カ月以内にAIが担える仕事の割合について、より高い区分を選択した。

3分の1超は、その期間内にAIが自分のタスクの大半、またはほぼすべてを処理すると予想していた。ただしAnthropicは、この調査が一般人口を代表するものではないと明確に注意を促している。

コンピューター・数学系の職種は回答者のおよそ30％を占めたのに対し、米国の雇用全体では約4％にとどまる。

管理職も過剰に代表されていた。この構成は、すでにAI導入に近い人々の期待を増幅し得る。

求人広告データと利用データの対比は有益だ。雇用主は何を求めているかを示し、ユーザーはツールに何ができると考えているかを示す。

どちらのデータセットも、どの新しい職種名が存続するかを直接教えてくれるわけではない。定着には、さらにいくつかの条件が必要だ。

役割には、複数の雇用主にまたがる継続的な需要が必要である。責務は、教育、比較、評価ができるほど具体的でなければならない。

また、そのポジションにはジュニア業務からシニアの権限へと至る分かりやすい道筋が必要だ。その進展がなければ、一時的なプロジェクト配属にとどまる。

専門的な標準は役割を強化し得るが、性急な認定制度は脆弱な前提を固定化しかねない。AIの実践は変化が速すぎ、あらゆる名称が安定した資格制度を支えられるわけではない。

規制は、別の不確実性も加える。ルールは文書化、監視、リスク管理の業務を生み出し得るが、それをどの部門が担うかまでは定めない。

ある企業ではその仕事を法務に置くかもしれない。別の企業ではセキュリティ、コンプライアンス、プロダクトオペレーション、あるいは専任の責任あるAIチームに割り当てるかもしれない。

したがって、同じ義務から複数の肩書きが生まれ得る。タスクを検証せずに、それらの肩書きを別個の経済需要の形態として数えるべきではない。

これは、AIキャリアに関する多くの議論で欠けている懐疑的な視点だ。仕事に名前を付けることは、その周りに制度を築くことより容易である。

Google Newsなら数時間で肩書きを可視化できる。雇用主が、その基礎となる役割が組織内に恒久的な位置を得るに値するかを判断するには、何年もかかるかもしれない。

労働者は職務記述書をコントロールマップとして読むべきだ

信頼できるAI職種は、従業員が何を決定できるか、どのような証拠を作成しなければならないか、そしてシステムが失敗した際に誰が責任を負うかを明確にする。

労働者にとっての実践的な対応は、登場するすべてのAI肩書きを暗記することではない。各求人を、意思決定と依存関係の地図へと読み替えることだ。

まず、管理対象を確認する。その役割はモデル、アプリケーション、社内ワークフロー、顧客導入、あるいは全社的な方針のどれに責任を持つのか。

これらの対象には異なるスキルが必要だ。モデル業務では学習、推論、評価が重視される一方、アプリケーション業務ではソフトウェアエンジニアリングにユーザー行動と運用信頼性が組み合わさる。

社内ワークフローの役割にはプロセス設計とチェンジマネジメントが求められる。顧客導入の役割には、ドメイン知識、統合作業、直接的なコミュニケーションが必要だ。

ガバナンスの役割には、証拠、文書化、リスク分類、エスカレーション手順が必要となる。一般的なコミュニケーション職として扱うべきではない。

次に、利用できるコントロールを特定する。従業員はモデルを選択できるか、プロンプトを変更できるか、ツールを制限できるか、リリースを止められるか、あるいは人間の承認を必須にできるか。

その人は利用ログや評価結果を確認できるか。その役割は予算を管理するのか、それとも変更のたびに別チームに依存するのか。

こうした詳細が、説明責任が実質的なものかどうかを決める。コントロールなしに責任を負わされた人は、防げない失敗の都合のよい責任者になってしまう。

候補者は、成功をどのように測定するのかも尋ねるべきだ。導入数だけを評価すれば、出力が信頼できなかったり、システムがビジネス価値をほとんど生み出さなかったりしても、量だけが報われる。

トークン使用量は消費を測るものであり、成果を測るものではない。精度、レビュー時間、結果に関する情報がなければ、自動化されたタスク数だけではほとんど分からない。

有用な指標は、技術的な挙動をビジネスプロセスに結び付ける。完了率、人間による修正、エラーの深刻度、サイクルタイム、ユーザー維持率などが含まれ得る。

正確な指標はシステムに依存する。重要なのは、雇用主が許容可能な結果と、それを検証する方法を定義しているかどうかだ。

知識の来歴には特別な注意が必要だ。来歴は、情報がどこから来たのか、どのように回答や意思決定に取り込まれたのかを示す。

AIシステムは、古い、不完全な、あるいは許可されていない情報に依存しながらも、流暢な出力を生成できる。AI運用に関わる肩書きでは、誰がこうした情報フローを維持するのかを明記すべきだ。

これは、個々の労働者にとってパーソナルナレッジマネジメントが重要になる場面でもある。人々には、情報源、意思決定、変化する責務について信頼できる記録が必要だ。

AIの比重が高い役割へ移る労働者は、どのタスクが変化したか、どのコントロールが追加されたか、どの成果が改善したかを文書化すべきである。

その記録は名刺に記された肩書きよりも持続性がある。雇用主が類似した仕事に異なる名称を使う場合でも、将来の面接で役立つ。

マネージャーも、求人を出す前に同じ作業を行うべきだ。まず繰り返し発生する問題を定義し、その後で肩書きを選ぶ。

職務記述書には、どの意思決定がその役割に属し、どれが法務、セキュリティ、エンジニアリング、事業リーダーシップに残るのかを記載すべきだ。

必須の経験と、特定ツールに関する希望を区別すべきでもある。そうしなければ、採用チームは最近人気になった製品に触れた経験がないという理由で、有能な候補者を除外してしまう可能性がある。

企業はまた、複数のシニア専門職を一つのジュニアポジションにまとめることを避けるべきだ。アーキテクチャ、機械学習、セキュリティ、ガバナンス、プロダクト戦略、営業を求める求人が、当然のように学際的であるとは限らない。

単に、その組織が仕事を分割できていないことを示しているかもしれない。肩書きでその計画上の失敗を修復することはできない。

明確なスコープは、労働市場における流動性を高める。異なる名称でも似た能力を必要とするポジションを、候補者が比較できるようになるからだ。

また、同じ肩書きがまったく異なる仕事を隠している状況も明らかにする。モデル研究所の「AI engineer」は、保険会社における同じ肩書きとは大きく異なり得る。

したがって、職務記述書をコントロールマップとして読むことは双方に利益をもたらす。雇用主はより現実的な採用目標を得られ、候補者は可視性を権限と取り違えずに済む。

新しいAI肩書きが存続するかを示す三つのシグナル

次の段階を決めるのは、見出しへの登場頻度ではなく、繰り返される採用、正式な責任の所在、測定可能な業務成果だ。

第一のシグナルは、無関係な雇用主間での肩書きの収束である。定着する役割は、複数の業界において、共通する責務の分かりやすい核を伴って現れるはずだ。

表現が完全に同一である必要はない。しかし、その役割は評価、エージェントの信頼性、モデルリスクといった、定義された問題を一貫して担うべきだ。

すべての求人で同じ肩書きが無関係な職務に使われているなら、そのラベルはまだ安定していない。複数の肩書きが同じタスクの組み合わせへ収束しているなら、統合は始まっている。

このシグナルは、Levinの見出しを支える主張を強めるだろう。それは、雇用主が孤立した実験を行っているのではなく、真に繰り返し発生する仕事に名前を付けていることを示す。

第二のシグナルは、正式な意思決定権限だ。新しい役割が承認権限、予算、報告へのアクセス、エスカレーションの責務を得ているかを注視すべきだ。

導入判断にアクセスできないガバナンスの肩書きは、助言的な立場にとどまる。リリースを延期する権限のない評価の肩書きには、限られた運用上の重みしかない。

プロダクト投資に影響力を持たない最高AI責任者は、主にスポークスパーソンとして機能するかもしれない。組織図よりも、文書化された権限の方が重要だ。

正式な責任の所在を示す証拠は、独立した専門職であるという見方を強める。あいまいさが続けば、企業が説明責任を解決しないまま調整業務に名前を付け替えていることを示すだろう。

第三のシグナルは、成果に基づくパフォーマンス測定だ。雇用主はAIの役割を、信頼性、コスト、導入の質、安全性、または事業成果に結び付けるべきである。

これは最も厳しい試験だ。多くの組織では、依然として信頼できる基準値が不足している。従業員がAIをどの程度利用しているかは把握していても、その結果として業務が改善されたかどうかは分かっていない場合がある。

持続可能な専門職には、価値を示すための再現可能な手法が必要だ。そうでなければ、予算が引き締められたり、経営層の関心が別の方向へ移ったりしたときに脆弱なままとなる。

同じ試験は求職者にも当てはまる。有望な職種名であれば、従業員が担う意思決定、システム、成果の具体例が伴うべきだ。

Google Newsでの可視性は、どの表現が注目を集めつつあるかを示しうる。しかし、注目度はあくまで初期の指標にすぎない。検索頻度だけで職業としての正当性が裏付けられるわけではない。

より重要な証拠は、求人票、レポーティングライン、専門研修、そして実験的プログラムの終了後にも維持されるポジションに現れるだろう。

読者は既存の職種にも目を向けるべきだ。AIによる最も大きな影響の多くは、よく知られた役割の内部で期待値が変わる形でもたらされる可能性がある。

ソフトウェアエンジニア、アナリスト、弁護士、マーケター、研究者、管理職は、肩書きを変えずにAI関連の責務を担うようになるかもしれない。その経路の方が、目立つ専門職ポジションが少数生まれることより重要になりうる。

結果として、労働市場は混在したものになる可能性が高い。一部のAI関連ラベルは定着する一方、他のラベルはより広い職能の中に吸収されていくだろう。

労働者は、単一の呼称に賭けるのではなく、その根底にある責務に備えるべきだ。評価、情報ガバナンス、ワークフロー設計、セキュリティ、そして領域に関する判断力は、肩書きが変わっても活かせる。

雇用主は、その役割の権限を説明できるようになるまで、新たな職種を打ち出すべきではない。統制権限のない肩書きは、候補者と社内チームの双方に混乱を生む。

Doug Levinの見出しに価値があるのは、未解決の組織的な問いを示しているからだ。それを、将来の職業を検証済みで列挙したものとして扱うべきではない。

より鋭い問いは、あなたの組織に、誰も明確に責任を負っていない業務があるかどうかだ。

もしあるなら、その業務に伴う意思決定、リスク、証拠、成果を記録しよう。そのうえで、新しい肩書きが責任の所在を明確にするのか、それとも単に熱意をアピールするだけなのかを判断すべきだ。

次のGoogle Newsの見出しの背後にある労働データを注視し続けよう。生き残る肩書きは、再現可能な課題、実効性のある統制、そして雇用主が説明責任を果たせる成果に結び付いたものになる。