2027年の求人票を先読みする ── 検証者・文脈供給者・橋渡し役 — 製薬の資材審査・メディカル・安全性に生まれる仕事の輪郭

AIが仕事を消す、という話は聞き飽きた。この記事は逆側を見る。AIと人の分業の境界に生まれる新しい仕事、すなわち出力を検証し責任を引き受ける仕事、文脈を与える仕事、AI同士や人との橋渡しをする仕事を、製薬業界の現場に引き寄せて具体的に予測する。

01馬車の御者が消えた後に増えた仕事 — 職業予測の作法

1900年頃のニューヨークやロンドンの路上を埋めていたのは馬車だった。自動車の普及で御者（＝馬車を操縦する職業）は20〜30年ほどで姿を消した。だが職業の総数は減らなかった。運転手、自動車整備士、ガソリンスタンドの店員、交通管制官、自動車保険の査定人、運転免許の試験官。消えた仕事のまわり、つまり新技術と人間社会の「境界」に、以前は存在しなかった仕事が積み上がった。米国のある研究には、こんな推計がある。2018年の雇用の半分以上は、1940年には存在しなかった職種だという（公開報道・学術発表による）。

ここで見落とされがちな非対称がある。仕事が消える過程は目立つ。工場の閉鎖や人員削減はニュースになる。一方、新しい仕事が生まれる過程は静かで、名前すらしばらく付かない。「プロンプトエンジニア（＝AIへの指示文を設計する職）」という言葉は、生成AIが話題になって間もなく求人票に現れたが、その仕事の中身自体はそれ以前から誰かが無名のまま担っていた。技術が仕事を消す速度は観測しやすく、境界に仕事が生まれる速度は観測しにくい。この非対称を補正せずにAIと雇用を論じると、悲観に偏る。

とはいえ「歴史上いつも新しい仕事が生まれたから今回も大丈夫」と言うだけなら、それは予測ではなく祈りだ。本稿は作法を先に宣言する。2027〜2029年の新職業の予測を、確からしさで正直に3層に分ける。

もうひとつ約束する。給与水準や雇用者数の数値予測はしない。それらは制度・景気・地域に依存し、モデルの傾きからは導けないからだ。書けるのは「どんな仕事が、なぜ、どの順で生まれそうか」までであり、本稿はその範囲を守る。

02傾きの確認 — エージェント型AIは「発注者・検証者・責任者」を既に生んでいる

予測の土台になる「傾き」を確認したい。Anthropic（＝AIモデル「Claude」の開発企業）のモデル系譜は、Opus 4.7からOpus 4.8へ、物語や長時間の自律作業に重心を置いたFable 5、応答速度と実務性能の均衡をとったSonnet 5へと続いてきた。この流れの中で一貫して伸びているのは、単発の賢さよりも「エージェント性能（＝人間が細かく指示しなくても、複数の手順を自分で計画・実行し続ける能力）」だ。数十分から数時間、人間が席を外しても作業が進む。この一点が、直近2年の最大の変化だ。

AIが指示待ちから自律実行へ傾くと、人間の側の重心も動く。手を動かして「作る人」の仕事は減り、代わりに三つの役割が濃くなる。AIに仕事を発注する人（何を、どの品質基準で、どこまで任せるかを定義する）。成果物を検証する人（AIの出力が正しいか、抜けがないかを確かめる）。そして結果に責任を負う人（AIの成果物を世に出す判断に署名する）。発注・検証・責任。この三つ組は、実は新しい発明ではない。企業が外部の委託先（＝ベンダー）に仕事を出すときの構図そのものだ。違うのは、委託先が疲れず、即答し、単価が急速に下がっていくことだけである。

芽は既に見えている。ソフトウェア開発の現場では、コードの大部分をAIが書き、人間はコードレビュー（＝他人の書いたプログラムを読んで誤りや設計上の問題を指摘する作業）に時間を割く働き方が広がっている。Anthropic自身も、自社のコードのかなりの部分をClaudeが書いていると公言してきた（公式発表・公開報道による）。開発者の仕事の中身が「書く」から「発注し、読んで、通すか止めるかを決める」へ静かに書き換わっている。求人票の職種名はまだ「ソフトウェアエンジニア」のままだが、中身が先に変わり、名前が後から追いつく。これが職業誕生の典型的な順序だ。

ではこの構図はソフトウェア以外へ波及するか。私は条件付きで波及すると考えている。条件は三つある。

• 成果物が文書やデータの形をしていること。コード、審査記録、報告書、契約書はAIが直接生成・検証しやすい。物理作業はまだ境界の外。
• 誤りのコストが高く、検証に固有の知識が要ること。誤りが安い領域では検証者は雇われない。誤りが高くつく領域ほど「AIの出力に責任を持つ人」の値打ちが上がる。
• 「誰が責任を負うか」を規制や商慣習が要求すること。製薬の資材審査や安全性情報のように、署名者・責任者の存在が制度で決まっている領域は、AIがどれだけ賢くなっても責任の座席そのものは消えない。

この三条件を最も濃く満たす業界のひとつが、読者の多くが働く製薬だ。誤りのコストは患者の健康に直結し、文書は膨大で、責任の所在は法令と業界コードが指定している。製薬は「AIに仕事を消される業界」である前に、「発注・検証・責任の新職業が最初に制度化される業界」の候補ではないか。次節以降、この傾きを2027〜2029年へ外挿し、具体的な職種像を3層の作法に従って描いていく。

03第一の系譜: 検証と責任 — 「AI出力監査人」という仕事

資材審査の現場を思い浮かべてほしい。生成AIが起案した説明資材の草稿が、1日に何十本も審査部門に届く時代は、すでに一部の企業で始まっている。草稿を書く速度は上がったが、外に出せるかどうかを決める工程は消えていない。むしろ逆で、出力の量が増えるほど「これで良し」と判を押す人の判断が全体の速度を決める。ここに新しい職業の芽がある。仮に「AI出力監査人」と呼ぶ。AIが作った文章・図表・データを、法令（製薬なら薬機法＝医薬品医療機器等法）や社内規程に照らして審査し、承認の署名に責任を持つ仕事だ。

「それは今の審査担当と同じでは」と思うかもしれない。半分は正しい。現行の審査担当がその芽であることは間違いない。ただし延長線上では仕事の中身が変わる。人が書いた資材を1本ずつ読む仕事から、AIが起案した資材を一括で監査する仕事へ。個別の誤りを拾うだけでなく、「このAIはどういう条件でどんな間違い方をするか」という傾向を把握し、チェックの網の設計そのものを担う。加えて、監査証跡（＝いつ・誰が・何を根拠に承認したかの記録）の設計者という役割が生まれる。当局の査察や訴訟の場面で「AIの出力をどう検証して世に出したのか」を説明できる記録を残す設計は、規制産業では署名と同じくらい価値を持つはずだ。

責任が最後まで人に残る、という見立てには根拠がある。第一に、現行の規制の建て付けだ。薬機法の広告規制も、業界の販売情報提供活動ガイドラインも、責任主体として想定しているのは企業とその中の人であり、AIではない。AIに法人格（＝法律上の権利義務の主体となる資格）はなく、罰則も課せない。第二に、EUのAI法（2024年成立のAI規制法）が採る「高リスク用途には人間の監督を義務付ける」という枠組みは、各国規制の参照点になっており、医療・医薬は高リスク側に置かれ続ける公算が大きい。第三に、経済的な理由。保険も契約も「責任を引き受ける主体」がいないと成立しない。誰も責任を取らない成果物は、たとえ正確でも商取引に乗らない。

• 萌芽（現在）: 資材審査担当・薬事担当が、人の書いた成果物を規程に照らして審査する
• 延長線（2027〜2029年のシナリオ）: AI起案物の一括監査、AIの誤り傾向の把握、監査証跡の設計が主業務になる
• 不確実な点: 監査そのもののAI化がどこまで進むか。一次チェックはAIが担い、人は「監査の監査」に上がる可能性がある

不確実性は正直に書いておく。監査業務の相当部分は、それ自体がAI化されうる。誤記や禁止表現の検出は、AIの方が人より漏れが少ないとする報告が増えている領域だ。だから2029年の監査人は、赤ペンを持つ人ではなく、AIによる一次監査の設計と例外判断、そして最終署名を担う人になっている、というのが現時点で確からしい外挿だ。外れるとすれば、規制当局がAIによる自動承認を条件付きで認める制度変更が起きた場合だが、医薬領域でそれが2029年までに実現する兆候は、現在の公開情報からは見えない。

04第二の系譜: 文脈供給 — 社内知をAIが読める形に翻訳する仕事

AIの失敗事例を検証していくと、意外な共通点に気づく。モデルの能力不足で失敗した例より、必要な背景情報が渡されていなかったために失敗した例の方が多いのだ。たとえば「この表現は3年前に審査で差し戻された」「この適応症ではこの言い回しを避ける社内ルールがある」。こうした知識は、たいていベテランの頭の中と、検索できない議事録の山に眠っている。最新モデルがどれだけ賢くても、渡されていない禁則は守れない。AI導入の成否を分けるのは、モデルの性能と同じくらい、社内知をAIが参照できる形に整える作業だ。

この作業を専門とする職には、すでに名前が付き始めている。コンテキストエンジニア（＝AIに渡す背景情報を設計する職）や、ナレッジキュレーター（＝散在する社内知識を選別・整理する職）と呼ばれる役割だ。プロンプトエンジニア（＝AIへの指示文を工夫する職）が一時もてはやされた後に存在感を薄めたのとは対照的に、こちらは息が長い。理由は単純で、指示文の工夫はモデルが賢くなるほど不要になるが、社内固有の文脈はモデルがどれだけ賢くなっても外から与えるしかないからだ。過去1年のモデル系譜（Opus 4.7から4.8へ、Sonnet 5、Fable 5）を見ても、進化したのは推論力と長い文脈の扱いであり、「あなたの会社の暗黙のルール」を推測する力ではない。

製薬業界に引き付けると、この仕事の輪郭はかなり具体的に描ける。過去の審査での指摘事例、医療者からの照会（＝問い合わせ）にどう回答したかの判断集、差し戻しになった表現とその理由。これらを、AIが検索・参照できる構造（タグ付け、判断理由の明文化、矛盾の整理）に翻訳する専任職だ。原資料を読み、判断の背後にある理屈を言葉にし、体系に沿って棚に収めるように整理する。この仕事の系譜をたどると、図書館の司書や、薬事文書のアーカイブ担当に行き着く。まったく新しい職業というより、司書の技能がAI時代に再評価される、と言った方が実態に近い。

中身を具体的に言えば、柱は三つに集約される。ひとつはベテランの「なんとなくダメ」を、理由と条件の付いた明文ルールに書き起こす暗黙知の言語化。退職で消える知識を、AIが参照できる資産に変える仕事だ。もうひとつは、過去の審査指摘や照会対応を「状況・判断・理由」の形に整理する判断例の構造化で、これによりAIは類似事例を引けるようになり、回答の一貫性が上がる。そして地味だが欠かせないのが禁則と矛盾の管理である。部門ごとに食い違う社内ルールを突き合わせ、優先順位を決めて一本化する。矛盾した文脈を渡されたAIは、矛盾した出力を返すからだ。

推測を推測として書くと、2027〜2029年にこの職が正式なポストになるかどうかは、各社が「AIの失敗の請求書」をどこに付けるかで決まる。文脈不足による失敗を現場の使い方の問題として処理し続ける会社では、この職は生まれない。失敗を分析して文脈供給の不備に原因を求める会社では、専任職への投資が正当化される。前者から後者への移行は、AIの利用が試行から業務基盤に変わる局面で起きる、というのが私の見立てだ。そしてその局面は、モデル進化の傾きからすれば2027年より後には来ないと見る。

05第三の系譜: 橋渡し — AI同士、AIと人、AIと規制の通訳

2026年の開発現場では、1つの仕事を複数のAIエージェント（＝自律的にタスクをこなすAIプログラム）が分担する構成が当たり前になりつつある。調査役、起案役、点検役といった役割分担だ。Anthropic社のモデルの系譜を見ても、Opus 4.7から4.8、そしてFable 5へと、単発の応答よりも「長い工程を途中で崩れずに進める力」を伸ばす方向で進化してきた。工程が長くなり、担当するAIが増えるほど、避けて通れない問題が出てくる。AI同士の「取り決め」を誰が設計するのか、という問題だ。

人間の組織なら、部門間の分掌（＝誰がどこまで責任を持つかの線引き）は規程や慣行で決まっている。マルチエージェント（＝複数のAIが協調する仕組み）には、その規程にあたるものを人間が書いてやる必要がある。調査役のAIが確認できなかった事項を、起案役がどう扱うか。点検役が疑義を出したとき、差し戻すのか人間に上げるのか。この設計を誤ると、AIは個々には正しく動いていても、全体として誤った成果物を平然と出す。ここに生まれるのがエージェント間分掌の設計者という職業だ。兆しはすでにある。マルチエージェント運用の設計・監督は、2026年時点でソフトウェア企業の求人に「AIオーケストレーション（＝複数AIの指揮）担当」といった名称で現れ始めている（公開報道による）。

この系譜の延長線には、もう一段重い仕事が見える。AIの判断過程を、規制当局や監査人が理解できる形に翻訳する説明責任担当だ。AIの内部処理そのものは人間に読めない。しかし「どの入力に基づき、どの規則を適用し、どこで人間の確認を挟んだか」という工程の記録なら、監査に耐える形で残せる。EUのAI法（＝2024年に成立した欧州のAI規制法。高リスク用途に記録・説明義務を課す）が段階的に適用される中で、この翻訳作業は法的な要請になっていく。技術が分かるだけでも、規制が分かるだけでも務まらない。両方の言葉を話す通訳が要る。

製薬の安全性領域は、この職業像がもっとも早く具体化する場所だと私は見る。ファーマコビジランス（＝医薬品の安全監視。副作用情報を集めて評価する業務。以下PV）では、シグナル検出（＝大量の副作用報告から「この薬とこの症状の組み合わせが多すぎないか」という兆候を統計的に拾う作業）へのAI導入がすでに進んでいる。ただしAIが拾った兆候を「安全性上の懸念」と判断するのは評価医師の仕事であり、ここは規制上も動かない。問題はその間だ。AIが何を根拠に兆候を拾い、何を拾わなかったのか。閾値（＝検出の基準値）をどう設定し、変更履歴をどう残すのか。これを評価医師に説明し、当局査察で説明できる記録に落とす仲介役、これを仮にシグナル検出仲介者と呼ぶが、この仕事は統計・AIの挙動・PV規制の三つを跨ぐ。既存のどの職種の延長でもなく、境界そのものが職務になる。

06資格と教育は追いつくか — 2029年までに起きること、起きないこと

ここまで描いた新職業に、対応する資格は存在しない。そして歴史を振り返れば、これは異常事態ではない。医薬品情報担当者の認定制度も、先に現場の仕事があり、業界慣行として教育の枠組みが整い、後から認定という形が与えられた。職業が資格を生むのであって、資格が職業を生むのではない。AI検証や文脈設計の仕事も同じ順序をたどると見るのが自然だ。

では2029年までに何が起きるか。まず起きるのは社内研修の整備だ。AIの出力を審査する担当者に何を教えるか、各社が手探りで研修を組む段階が2026〜2027年。次に、その手探りの共通部分を民間団体や研修会社が切り出し、民間認定として商品化する。IT分野でクラウド技術のベンダー資格（＝提供企業自身が認定する資格）が国家資格より先に事実上の採用基準になった経緯と同じ道筋だ。業界団体がガイドライン級の文書で「AI利用時の確認体制」に触れ始めれば、認定の需要は一気に立ち上がる。

起きないことも書いておく。国家資格化は2029年までには間に合わない、というのが私のシナリオだ。国家資格は職務の定義が安定してからでないと制度設計できないが、AIと人の分業の境界は、モデルが世代交代するたびに動く。Fable 5の次の世代が出れば、今日「人間が検証すべき」とされる範囲の一部はAI側に移り、別の検証課題が新たに生まれる。動く的に国家資格の照準は合わせられない。外れる条件も明示しておくと、大規模なAI起因の医療事故が起きて立法が一気に走る場合だ。その場合は資格ではなく、まず業務規制（＝特定の作業に人間の確認を義務づける規則）の形で来るだろう。

読者にとっての実務的な結論は、資格を待つな、ということに尽きる。どの新職種に移るにせよ、共通して問われるのは「あなたはなぜその判断をしたのか」を言葉で示せる能力だ。資材審査で、メディカルの照会応答で、安全性評価で、いま自分が下している判断の根拠（何を見て、何と比較し、どこで迷い、なぜそちらを選んだか）を記録に残す習慣を今日から始める。それはAIに文脈を与える仕事の教材になり、AIの出力を検証する仕事の判断基準になり、規制に説明する仕事の原稿になる。判断過程の言語化は、資格制度が追いつくのを待たずに始められる唯一の共通準備であり、しかもAIには代わりに書けない。あなたの頭の中にしかないからだ。