打ち合わせのメモや議事録の要約
AIによる文字起こしと要約のツールは、いまや口頭の議論を、ほとんど手を加えずに論点ごとに整理された形へ変えられ、記録の負担を大きく減らします。ただし、誰の発言が本質的な対立を示しているのか、整った要約の下でまだ本当に解けていない論点は何かを見抜く仕事は人に残ります。
ビジネスアナリストはAIでなくなるのか
ビジネスアナリストはAIでなくなるのか。ガートナーは2026年末に企業向けアプリの40%が業務特化AIエージェントを備えると予測。
先に結論
ビジネスアナリストは今も必要とされています。エージェント型AIがこの仕事の書類作業を、ガートナーが1年前に予測したよりも速く吸収し、2026年末には企業向けアプリケーションの40%が業務特化のAIエージェントを備えると見込まれるなかでも、そうです。
この職業とは
ビジネスアナリストの仕事は、資料をまとめることにとどまりません。業務の課題、業務フロー、データ、関係者の利害を整理し、本当の問題は何か、どんな要件であれば実際に改善につながるのかを定義します。その責任は、分析そのものにあるのではなく、曖昧さを、意思決定者が使える問いへ変えることにあります。
この職種の価値は、情報を素早く集めることよりも、漠然とした問題を解像度の高い要件へ変換するところにあります。AIは議事メモの要約や資料の第一稿を速められますが、課題の立て方と優先順位の線引きは人に残ります。
業界
コンサルティング
公開データで見るこの職業
生成AIへのさらされ度
88 / 100
188職業中 40位
米国政府の区分
さらされ度：非常に高い
米国労働統計局（BLS）による職業別の相対的なAIさらされ度区分（2026年）。
4つの公開データから当サイトが算出した0〜100の指標で、掲載している188職業の中での相対的な位置を示します。高いほど、生成AIがこなせる・実際に使われている業務の割合が大きいことを意味します。仕事がなくなる確率ではありません。
AIがこなせる業務の多さ（理論）
83
研究者による業務分析（Eloundouほか、ILO）。各データが評価する全職業の中での百分位です。
AIが実際に使われている業務の多さ（実利用）
92
Microsoft Copilot と Anthropic Claude がこの職業の業務に実際に使われた度合い。各データが評価する全職業の中での百分位です。
米国の雇用（BLS 2025〜35年予測）
- 就業者数の予測変化（2025〜35年）
- +10.1%
- 米国の就業者数（2025年）
- 1,077,100
- 年間の求人数（平均）
- 94,100
- 年収の中央値（2025年）
- US$101,860
- 就職に通常必要な学歴
- 学士（大卒）
BLSが挙げる変化の理由
BLSはこの職業に固有の変化要因を挙げていません。この予測は主に、この職業を雇用する業界の伸び・縮みを反映したものです。
BLS の職業区分「Management analysts」の米国の数値です。BLS の予測は技術が過去と同じペースで進むことを前提にしており、AIの影響だけを予測したものではありません。
出典
さらされ度は、以下のデータを基に当サイトが算出しました（データ時点：2026年10月15日）。米国の雇用の数値は BLS の公表値をそのまま掲載しています。
- Eloundou, Manning, Mishkin & Rock, "GPTs are GPTs: Labor market impact potential of LLMs", Science (2024); data MIT licence
- Gmyrek, Berg, Kamiński, Konopczyński, Ładna, Nafradi, Rosłaniec, Troszyński. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: ILO, 2025. © ILO, CC BY 4.0
- Tomlinson, Jaffe, Wang, Counts & Suri, "Working with AI: Measuring the Occupational Implications of Generative AI", Microsoft Research; CC BY 4.0
- Anthropic Economic Index (job_exposure); CC BY
- U.S. Bureau of Labor Statistics, Employment Projections 2025–35 and AI exposure categories
各データの公表元は、本サイトの作成・確認・推奨には関与していません。 出典・ライセンス・算出方法の詳細
ビジネスアナリストはAIでなくなるのか
AIがビジネスアナリストを置き換えることはありませんが、この仕事の書類作業の側面は、他のどのホワイトカラー職種にも劣らない速さで吸収されつつあります。ガートナーは、業務ごとに特化したAIエージェントを備える企業向けアプリケーションの割合が、2025年の5%未満から2026年末には40%になると予測しています。またマッキンゼーは、AIエージェントが各業務領域にもたらす年間の価値は数兆ドル規模になりうると試算しています。その価値の大半は、かつてビジネスアナリストの1週間を埋めていた要約、下書き、ダッシュボードづくりの自動化から生まれるものであり、事業に本当に必要なものは何かという判断を置き換えることから生まれるのではありません。
この変化は、アナリストが日々使うツールにもすでに表れています。Aquaのような音声から要件を起こす基盤は、15秒の口頭説明を、レビューにかけられる構造化された要件へ変えられます。Copilot4DevOpsのようなAzure DevOps向けのアドオンは、書かれた要件の品質を標準的なフレームワークに照らして自動で採点します。アナリストはこうしたツールを、ヒアリングの準備や議事録の確認に使うAIモデルと組み合わせるようになっており、ほぼどんな分析資料でも、第一稿を作るまでの時間が短くなっています。
しかし、分析の難しさは、そもそも情報を並べることにはありませんでした。現場が痛いと言っていることと、本当に直すべきボトルネックは別であることが多く、関係者が同じ言葉を使っていても、指しているものが違うことがあります。ビジネスアナリストは要件を並べるだけの人ではありません。本当の役割は、曖昧な事業上の問題を、現場と経営が実際に判断できる形へ翻訳することです。意味のある線引きは、AIが今や容易にこなす整理の作業と、その場に人がいることを必要とする判断とのあいだにあります。
自動化されやすい業務
AIが最も自然に入り込むのは、情報の要約と比較資料の整形です。2026年のエージェント型AIツールは、これを試験的な取り組みから、多くの分析チームにとっての標準的なやり方へ変えました。
KPIと現状データの一次整理
売上、業務量、処理件数、離脱率といった指標をダッシュボードへ整理することは、AI支援の分析ツールがほとんど準備なしにこなせるようになり、現状把握はかなり速くなりました。ただし、図にしやすい指標ではなく、根本の課題を実際に捉えている指標はどれかを判断するのは、人の仕事です。
業務フロー図と要件一覧の作成
Aquaのような音声から要件を起こすツールは、短い口頭説明を数秒で構造化された要件の下書きへ変換でき、同種のツールはヒアリングのメモを標準的な業務フロー図に整えられます。全体像を素早く共有するには有用です。ただし、そのフローのどこに例外処理や属人的な判断が隠れているかを見つける役割は、今も人にあります。
要件の品質評価と整形
AIを使ったアドオンは、書かれた要件を標準的な品質フレームワークに照らして自動で確認し、具体的な指摘とともに点数を返せるようになり、人がレビューする前の段階で第一稿の精度を高めます。ただし、必須の要件と優先度の低い要件の線をどこに引くかは、その採点ツールが下す判断ではありません。
人に残る仕事
ビジネスアナリストに残るのは、本当の課題を見つけ、それを要件へ変換する仕事です。関係者ごとの問題の捉え方の違いをすり合わせる度合いが大きい仕事ほど、人の価値は残ります。まさに、書類作業を担うようになった自動化ツールの一段上にある層です。
本当の問題を見つける
求められた機能を作る前に、実際に何が業務を詰まらせているのかを見極める人が必要です。表面上の不満と真の原因は往々にして別であり、問いそのものを組み替えられる人の価値は、下書きツールがどれだけ良くなっても残ります。
関係者の理解をそろえる
現場、経営、開発、営業が同じ言葉を違う意味で使っているとき、理解をすり合わせる仕事は残ります。その差を放置すると、書類の上では完成して見え、AIの採点でも高品質と判定される要件が、実務では機能しないということが起こります。
優先順位の線を引く
どの要望も必要に見えるとき、いま何をやり、何を待てるのかを決める仕事は残ります。分析の本質は選ぶことであり、優先順位を筋道立てて説明できる人は、どんなダッシュボードよりも早くプロジェクトを前へ進めます。
下流の業務への影響を読む
要件が受け入れられたあと、実務で何が実際に変わり、どこに副作用が出うるかを読む人が必要です。書類の上の改善では足りません。実際の運用を思い描いて分析できる人は、引き続き重要です。
身につけたいスキル
これからのビジネスアナリストにとって、要約の速さの重要性は大きく下がります。より良い問いを立てる力と、AIが生成した分析のどこが本当に正しいのかを見極める力のほうが重要です。
問いを掘り下げる力
現場からの要望を額面どおりに受け取らず、なぜかを問い続ける力が必要です。問いが浅いままなら、AIが体裁を整えた資料でも価値はほとんど生まれません。原因と症状を切り分けることは不可欠であり、完全に人のスキルとして残ります。
AIのダッシュボードに現れない業務の例外を見つける
標準的な流れだけでなく、どこで例外や属人的な判断が起きているかを特定することが重要です。自動化されたKPIダッシュボードは、その部分をならしてしまいがちです。現場の本当の痛みは、まさにそうした例外の中にあることが少なくありません。
優先順位を合意に変える
この役割には、順位をつけること以上に、その順序を関係者が納得できる形で説明することが含まれます。分析は合意に至って初めて価値を生みます。説明の順序や根拠の示し方は、AIが再現できないスキルの一部です。
AIの要約を結論として扱わない
AIがきれいな要約や高い要件品質スコアを出したとしても、口に出されなかった懸念、ためらい、その場の空気は落ちてしまうことが多くあります。アナリストには、要約を最終的な答えとして受け入れるのではなく、そうした引っかかりを自分で確かめ直す規律が求められます。
考えられるキャリアパス
ビジネスアナリストの経験は、資料をまとめる力にとどまりません。課題の発見、要件定義、優先順位づけ、関係者の調整といった強みが育ち、エージェント型AIが近接職種の形を変えつつあるなかでも移しやすい力です。
プロジェクトマネージャー
曖昧な要件を明確にし、関係者の理解をそろえてきた経験は、プロジェクトの遂行に直接活きます。課題を定義する立場から、実行を前へ進める立場へ移りたい人に向いた道です。
プロダクトマネージャー
事業上の問題を要件へ変えてきた経験は、何を作るべきかを決める仕事にも当てはまります。分析を報告する立場から、自ら優先順位の線を引く立場へ移りたい人に向いた道です。
オペレーションマネージャー
業務のボトルネックを見つけ、改善案を運用へ落とし込んできた経験は、日々の管理も支えます。その運用の多くがAIエージェントを組み込んだ仕組みの上で動き、それでも人の責任者を必要としている今はとりわけそうです。
業務分析担当
業務フローのどこで手戻りや停滞が起きるかを分析してきた人は、業務改善の分析でも力を発揮しやすい傾向があります。要件定義よりも実行に近い場所にとどまる形です。
経営コンサルタント
課題を構造化し、異なる利害を改善提案へまとめてきた経験は、経営コンサルティングに自然につながります。エージェント型AIを自社の業務のどこに置くべきかを探している組織にとっては、とりわけそうです。
人事担当
制度や業務フローのあいだで関係者の言葉を翻訳してきた経験は、人事の制度運用や労務にも応用できます。人と仕組みの境界で働き続けたい人にとって有力な選択肢です。
まとめ
ビジネスアナリストは今も必要とされています。エージェント型AIがこの仕事の書類作業を、ガートナーが1年前に予測したよりも速く吸収し、2026年末には企業向けアプリケーションの40%が業務特化のAIエージェントを備えると見込まれるなかでも、そうです。議事メモ、KPIダッシュボード、要件の第一稿は軽い作業になりつつありますが、本当の課題を見つけ、関係者の理解をそろえ、優先順位の線を引き、業務への影響を読む仕事は残ります。これから先、長期的な価値を左右するのは、どれだけうまく要約できるかではなく、どれだけ的確な問いを立てられるかです。
同じ業界の比較職種
ここに表示しているのは、経営分析担当者と同じ業界に分類される職種です。仕事内容が同一という意味ではなく、AIの影響やキャリアの近さを比較しやすい職種を並べています。
関連ページ・ツール
関連する読みもの
よくある質問
Q.ビジネスアナリストはAIでなくなるのか
経営分析担当者の生成AIへのさらされ度は100点中88（188職業中40位）です。AIがこなせる・使われている業務の多さを示す指標で、仕事がなくなるかどうかを示すものではありません。BLSは、米国の経営分析担当者の雇用が2025年から2035年にかけて+10.1%変化すると予測しています。
Q.経営分析担当者の業務のうち、AIに置き換わりやすいのはどれですか？
AIが最も自然に入り込むのは、情報の要約と比較資料の整形です。2026年のエージェント型AIツールは、これを試験的な取り組みから、多くの分析チームにとっての標準的なやり方へ変えました。具体的には：打ち合わせのメモや議事録の要約、KPIと現状データの一次整理、業務フロー図と要件一覧の作成、要件の品質評価と整形。
Q.経営分析担当者の仕事で、人に残るのはどの部分ですか？
ビジネスアナリストに残るのは、本当の課題を見つけ、それを要件へ変換する仕事です。関係者ごとの問題の捉え方の違いをすり合わせる度合いが大きい仕事ほど、人の価値は残ります。まさに、書類作業を担うようになった自動化ツールの一段上にある層です。具体的には：本当の問題を見つける、関係者の理解をそろえる、優先順位の線を引く、下流の業務への影響を読む。
Q.経営分析担当者がいま身につけておくべきスキルは何ですか？
これからのビジネスアナリストにとって、要約の速さの重要性は大きく下がります。より良い問いを立てる力と、AIが生成した分析のどこが本当に正しいのかを見極める力のほうが重要です。具体的には：問いを掘り下げる力、AIのダッシュボードに現れない業務の例外を見つける、優先順位を合意に変える、AIの要約を結論として扱わない。