エンジニアがデザインを、サーバがクライアントを、企画がコードを。職能の壁をまたぐ動きが増えている。
AIが各領域の「実行」を安くしたからだ。
だが越境の関門は実行力ではない。隣の領域の良し悪しを判断する「目利き」だ。
そして目利きは、いまのところAIが与えてくれない。広ければ勝てるでも深ければ勝てるでもない、AI時代の越境の作法を読み解く。
越境がなぜ今できるのか。AIが各領域の実行を安くしたからだ。実行は委譲できる。手放せないのは、委譲先の仕事の良し悪しを判断できる幅。これは新しい話ではなく、起業家研究が20年以上前に形式化していた。
正直に線を引く。「目利きが関門」は Lazear の古典理論や後述の学術研究が支える。一方 「AIが実行を安くした"から"越境が新たに可能になった」という因果は、本稿の調査では一次資料で実証できていない（Netflixの役割統合をAIの先行例とする見方は検証で棄却した）。これはシリーズ既出の見立て＋現に起きている現象（Shopify・vibe coding）として読む。後で出す「越境の距離」も整理のための枠組みであって、実証された法則ではない。
→ 数字と引用は裏取り済みの事実。因果の矢印とモデルは「もっともらしい枠組み」として読む。
「越境」とひとくくりにすると見えなくなる。隣の職能へ行くのと、別の業界へ移るのは難度が違う。距離で3段に分ける。距離が伸びるほど、実行はAIで埋まるが 目利きの差が開く ── これは実証ではなく、本稿の整理枠だ。
エンジニア↔デザイン↔PM↔QA。同じプロダクトの中で隣の役割へ。共有する文脈が多く、目利きも借りやすい。最も現実的で、最も起きている。
front↔back↔infra↔data↔ML。職種の隣へ。文法はAIが埋めるが、何が「良い設計か」の基準は領域ごとに違う。目利きの輸入が要る。
異業種・職種転換。AIは学習と実行を加速するが、その業界の"良し悪し"の土地勘は一番手に入りにくい。距離が最大で、目利きギャップも最大。
越境は「した方がいい」から「する前提」へ動いている。トップダウンの号令と、マクロの数字の両方で。
WEF 2025 によれば、最速成長スキルは AI・ビッグデータ、中核スキル1位は 分析的思考（企業の70%が必須と回答）。そして 「技術系と人間系の両方を組み合わせて持つこと」が多くの成長職で要求されると明言する。ただし同レポートは 「自動化されにくい専門性（＝深さ）」も同時に重視している。越境＝幅だけでも、専門＝深さだけでもない、という現状の証言だ。
※WEF が測るのはスキルの陳腐化・再スキルで、職能越境そのものではない。越境への橋渡しは本稿の解釈。数値は2025年1月時点・2030見通し。
「越境」は新しい現象だが、考える道具は先人が用意している。出自を正確に並べる（よくある誤りも正す）。
越境の損得は、学術的にかなり調べられている。結論は単純な礼賛でも逆張りでもない。深い土台の上に、測った越境を一発 ── が効く、という非対称な形だ。
1,790万本の論文の分析。最も高インパクトな研究は、王道的な組み合わせを土台にしつつ、そこへ異色の組み合わせを一点だけ差し込んでいた。この型は 2倍 高被引用。幅・新規性「だけ」では効かない。
※論文ペアの共起で測っており、個人のT字の深さとは別物。本稿はそれを類推（相関）として使う。
2,070人のアニメーターの追跡。深さはキャリア初期の創造性に効くが、後期には"負債"に転じる（創造性 -7%〜-24%）。逆に幅は後期に効く。つまり「縦棒を太くし続ける」は最適ではない。越境を始める時期が効いてくる。
「深さが幅に機械的に先行すべき」という因果列の主張は検証で棄却。あくまで効果がステージで反転する、という観測。
越境はタダではない。判断のないまま手を広げると、品質と調整のツケが静かに積み上がる。3つの落とし穴。
AIは隣の領域の成果物を"それっぽく"出す。だが良し悪しを判断できないと、欠陥に気づけない。生成のコストは下がったが、検証のコストは下がっていない。
→ 越境先の「良い」が分かるまでは、専門家のレビューを完了の条件にする。
越境・調整の仕事（Tanya Reilly の言う glue work）は、評価では褒められるのに昇進では過小評価されやすい（「技術的な成果が見えない」と言われる）。早すぎる越境がキャリアを止めることがある。
→ 異論あり：Sean Goedecke は「会社にとって合理的なトレードオフ」と再解釈。組織が制度で評価しない限り個人は損をする、と読む。
「これからは幅だ」と縦棒を放すと、土台のない越境になる。Uzzi は王道の土台が前提だと示し、Lazear は判断の幅が要ると言う。幅は土台の上でだけ効く。
→ 縦棒を1本は残す。ただし Mannucci に従い、配分はキャリアのステージで変える。
自分の価値が「速く正確に作れる」だと、それは AIが一番安くする部分 に乗っている。実行が安くなった今、少人数で複数領域をまたぐチーム（スタートアップや大企業の少数精鋭）が、専門で分けた大所帯を出し抜く。役割を実行に絞った瞬間、置き換えの対象になる。
→ 絞るなら「実行」でなく「目利き」を。その領域の良し悪しを判定する側に回る。
個人がどう動くか、組織がどう促すか。エビデンスから引ける指針を並べる。
会議・スライド・一言で使える、刺さるライン。
敵対的検証を通過した一次・二次ソース。相関は「相関」と明記し、裏が取れなかった主張（NetflixをAIの先行例とする見方、深さ→幅の機械的因果、幅→低所得の決定的解釈）は本文の根拠にしていない。数値はJA/ENで一致。