「ChatGPT​使えます」では、​もう​差が​つかない​ ──AI活用力の​証明が​"画面共有"へ​移った​話

気になるAIニュースを、分かりやすく ｜ 最新動向を、現場目線で

「AI、使えます」と言う人は、この2年で一気に増えた。履歴書のスキル欄にも、生成AIの名前が並ぶようになった。

けれど、実際に画面を共有してもらうと、差はすぐに出る。ある人は、AIに単発の質問を投げて、返ってきた答えをそのまま貼る。別の人は、過去のメモ、業務のルール、検証の手順、タスク管理、使い回せる指示、AIに任せる範囲と自分が判断する範囲の線引きまで含めて、一つの仕事の流れとしてAIを動かす。同じ「AIを使う」でも、見えている景色がまるで違う。

いま採用やAIスタートアップの運用現場で起きているのは、この差をどう見抜くか、という問題だ。そして見抜く方法として増えているのが、画面共有だった。この記事では、何が変わったのか、AI活用力（AI fluency）とは結局何を見る力なのかを外部の動向から解説し、最後に「自分の仕事で"見せられるAIワークフロー"を作る5ステップ」まで落とす。^[8]

01​「AI​使えます」は、​もう​自己申告できない

まず、いま起きている論点から。SNS（X）では「AI活用力は、履歴書や口頭説明ではなく、画面共有で実際のワークフローを見れば一発で差が出る」という趣旨の投稿が広がった。いわく、レベル1はただAIを素のチャットで使うだけ——という指摘だ。^[8]

ただし、この投稿が触れている個別企業の規模や、いわゆる「Company OS」の運用詳細、動画内の数字は公開情報からは裏が取れない。だからここでは、あくまで象徴的なSNSシグナルとして扱い、事実の主軸には置かない。裏取りできる公式・報道の情報で、この論点がどこまで妥当かを見ていく。

結論から言えば、中核の主張——「AI活用力は自己申告ではなく、実際の作業を見れば分かる」——はかなり妥当だ。理由はシンプルで、採用側が「AI利用を禁止しても、候補者が裏で使う現実」を避けられなくなったから。隠す前提が崩れたなら、いっそ使わせて観察したほうが、実務に近い評価ができる。ここから、面接そのものの設計が変わり始めた。

02何が​変わったのか：禁止から、​観察へ

以前は「面接でAIを使ったらズル」だった。いまは、あえて使わせて、その使い方を見る企業が出てきている。報道ベースで確認できるものを並べる。

• Canva：技術面接でAI利用を招き、画面共有でAIとのやり取りも観察する。出力だけでなく、候補者がAIにどう問い、どう疑い、どう直すかを見る、とされる。^[1]
• Arcade：持ち帰り課題でAI利用を前提にし、AIとの会話の記録（transcript）を提出させる。画面共有ではないが、「出力」ではなく「過程」を見る点は同じだ。^[1]
• Google：2026年後半から一部のソフトウェアエンジニア面接でGemini利用を許可するパイロットを予定と報じられている。評価対象は、prompting、出力の検証、デバッグ。^[2]
• Meta / McKinsey：報道ベースでは、AIアシスタントを使う面接を準備・試行中とされる（公式一次情報ではないため確度は中）。^[1]

これらは「AIを使わせる面接」への移行を示す代表例だ。共通するのは、AIを隠す対象から、観察する対象へ変えたこと。AIが日常業務の中にあるなら、面接もそれを前提にしたほうが、入社後の実務に近い——という発想だ。この流れは採用に限らない。次に見るように、評価軸そのものが動いている。

03AI活用力の​中身：promptではなく、​文脈と​検証と​判断

では「AI活用力（AI fluency）」とは、具体的に何を見る力なのか。ここでいちばん参考になるのが、AIを全社に組み込んだZapierの整理だ。

Zapierは、AI fluencyを「効果的に・責任を持って・自信を持って、日常業務でAIを使えること」と定義し、単なる操作ではなくワークフローへの組み込みまで含めている。そして2026年3月、同社は採用ルーブリックをV2へ更新し、最低ラインを引き上げた。ポイントは「一回きりの指示（one-off prompt）」ではなく、繰り返し使える仕組み（repeatable systems）、中核業務への組み込み、成果への明確な影響を最低ラインにしたことだ。つまり「使ったことがある」では足りず、「仕事の流れに組み込めているか」を見る。^[3][4]

採用支援側の実務フレームワークも、同じ方向を向いている。Recruoが公開したシニアエンジニア向けのAI活用力面接（約45分）は、4つのパートで構成されるという。^[5]

• prompt post-mortem：過去に自分がAIとやり取りした事例を振り返らせ、なぜそのやり方にしたかを説明させる。
• live AI-assisted task：その場でAIを使って課題を解かせ、進め方を観察する。
• hallucination trap：AIがもっともらしい誤答を返す状況をわざと作り、候補者がそれに気づけるかを見る。
• meta question：AIをどこで使い、どこで使わないかの判断基準を問う。

並べてみると、評価されているのはprompt文の巧みさではない。文脈を渡す力、出力を疑う力、間違いに気づく力、任せる範囲を線引きする力——AIに仕事を渡す「前後」の判断だ。

04画面共有で、​本当に​見える​もの

なぜ「画面共有」なのか。それは、いま挙げた判断が、成果物だけを見ても分からないからだ。完成したコードや資料は、AIで作ろうが手で作ろうが、見た目は同じになりうる。差が出るのは過程のほうにある。画面を共有してもらうと、次のようなことが見えてくる。

• どの文脈を渡しているか：いきなり質問を投げるのか、業務ルールや過去の経緯、完了条件を先に渡してから頼むのか。
• 出力を疑えるか：返ってきた答えを鵜呑みにするのか、テストや裏取りで検証する手を持っているか。
• 反復の方向が良いか：うまくいかない時、闇雲に投げ直すのか、原因を切り分けて次の一手を決めるのか。
• 作業ログや記憶を持っているか：その場限りで消えるのか、次回に使える形（メモ・指示・手順）で残しているか。
• 人間が判断すべき場所を分かっているか：何でもAIに任せるのか、危ない操作や最終判断は自分で持つのか。

要するに、画面共有はAIとの「やり取りの質」を可視化する。面接で見るべきは「AIを使ったか」ではなく、「AIが間違えた瞬間に、どう気づいて、どう立て直したか」だ——という言い方が、この変化をいちばん的確に表している。

05次の​ポートフォリオは、​「作業OS」に​なる

ここまでを踏まえると、これからのポートフォリオは、完成品の一覧だけでは足りなくなる。成果物ではなく、"成果物が生まれる仕組み"を見せられるかが問われ始めている。

個人の便利技（上手な指示の集まり）ではなく、業務をAIが扱える形に分解した運用の型——SNSではこれを「Company OS」と呼ぶ文脈も出ている（ただし具体的な効果や人数の数字は未検証なので、ここでは概念として扱う）。たとえば、会議 → 要点整理（brief）→ タスク化 → ナレッジに記録 → 次アクション、という一連の流れを、AIが繰り返し回せるパイプラインにしておく。そういう「作業OS」を持っているかどうかが、AI活用力の証拠になる。

私たち電脳技巧集団（AI職人ギルド）も、日々の開発をこの形で回している。作業のルールを AGENTS.md に契約として書き、調べたことや判断をナレッジ（Wiki）へ戻し、AIの出力は自動検証を通し、外部送信や最終判断は人間が承認する（HITL）。この記事自体も、情報収集 → 深掘りレポート → 記事化、という定型のパイプラインから生まれている。派手な話ではないが、こうした「仕組みで回す」やり方が結果的にいちばん強い証拠になる——というのが、今回の変化と重なるところだ。

06注意点：画面共有も、​万能ではない

一方で、「画面共有すればAI活用力が正しく測れる」と単純化するのは危うい。冷静に見ておくべき点を挙げる。

• 評価する側のAIリテラシーが低いと、見誤る：良い使い方を「遅い」と誤解したり、派手なだけの使い方を「上手い」と評価してしまう。
• ツール差・環境差による不公平：候補者が使い慣れたツールや、作り込んだ環境の差が、実力以外の部分で結果を左右しうる。プライバシーや機密、録画の保存にも配慮が要る。
• 「AIショーケース芸」の危険：仕組みを持っているように"見せるだけ"の演出も出てくる。だからこそ、成果物・作業ログ・検証・失敗からの修正まで含めて見る必要がある。
• AI活用力に寄せすぎる危険：ツールの扱いばかりを重く見ると、ドメイン知識やチームワーク、倫理、セキュリティ判断といった、本来もっと重要な力を軽視しかねない。

採用支援のPinnacleは、この点を鋭く整理している。AI利用を「許可する」だけでは評価の質は上がらない。それは単なる設定の切り替え（permission toggle）にすぎず、本当に必要なのは面接そのものの再設計——質問の作り方と、面接官の訓練まで変えること、だと。^[6]AIを使わせるかどうかは入口の話で、肝は「何を、どう見るか」の設計にある。PM採用でも「AIでproductを作る力」と「AI productを作る力」を分けて評価する動きが出ており、職種ごとに見る中身は変わる。^[7]

07自分の​仕事で​試す：見せられる​AIワークフローを​作る​5ステップ

最後に、この変化を「自分ごと」にするための、実践的な手順を置いておく。採用される側でも、AIを業務に入れたい事業者でも、まずは自分の仕事を1つ、画面共有で見せられる流れにしてみるのが早い。

1. 業務を1つ選び、AIに渡す前に「文脈」を1枚にまとめる。業務ルール・過去の経緯・完了条件を先に渡す。いきなり質問を投げないだけで、出力の質は変わる。
2. AIに任せる範囲と、人間が判断する範囲の線を引く。危ない操作・外部送信・最終判断は自分で持つ（HITL）。「何を任せないか」を決めるのが、実は活用力の中核だ。
3. 出力を検証する手順を決める。テスト・裏取り・別の観点での問い直しなど、"AIの間違いに気づく関所"を工程に組み込む。もっともらしい誤答を疑えるかが分かれ目になる。
4. やり取りとログを残す。使った指示、下した判断、失敗とその修正を、次回に使える形で残す。これが「一発芸」を「再利用できる資産」に変える。
5. 同じ流れをもう一度回して、再現性を確認する。一度うまくいったやり方が、翌週も、別の案件でも回るか。繰り返せる仕組みになって初めて、それは「仕組み」と呼べる。

この5つを通すと、あなたの仕事は「AIを使った成果物」から「AIを組み込んだ仕事の流れ」に変わる。そして、その流れこそが、これからいちばん問われるAI活用力の証拠になる。「AI使えます」と言う代わりに、画面を共有して黙って回して見せる——たぶん、それがいちばん速い。

AI活用力を、どう見るか。評価の入口が「言う」から「見せる」へ動いた変化を、一枚に。

見る観点	「AIを使えるか」で見る（旧）	「作業の流れを見せられるか」で見る（今）
評価の入口	履歴書・自己申告・資格	画面共有・実ワークフローの観察
何を見るか	prompt文の巧みさ・単発の出力	文脈投入・検証・判断・反復・記録
面接の姿勢	AI利用を禁止する	許可して観察（＋質問と面接官を再設計）
分かれ目	正解にたどり着いたか	AIの誤りに気づき、立て直せたか
ポートフォリオ	完成品の一覧	成果物が生まれる"仕組み"（作業OS）
最低ライン	使ったことがある	繰り返し回せる仕組みに組み込めている

※ 本記事はBusiness Insider・Zapier・Recruo・Pinnacle・Maven等の公式ブログ／報道を、AIを業務に使う側の観点から解説したもの。事例・数値は公式/報道時点の引用であり、CAG自身の検証結果ではない。X投稿やSNS由来の主張（「Company OS」の効果・人数等）は本文取得が限定的なため未検証・象徴的シグナルとして扱っている（v0・2026-07時点）。