中小企業と、AIを。

海外でウイルスが広がっているという話は、確かに聞こえていた。でも株式市場は好調で、子どもは学校に通っていて、誰もが普通の日常を送っていた。「トイレットペーパーを買いだめしている人がいる」と聞いても、「ネットの見すぎじゃないか」と思った人がほとんどだったはずです。それから約3週間で、世界が変わった。

ダイヤモンド・プリンセスが横浜で停泊して、かつてない光景が始まり、学校が閉まり、在宅勤務という言葉が突然現実のものになり、マスクが棚から消えた。「こんなことが起きるとは思わなかった」と言った人は多かったけれど、実際には事前にそのシグナルはあちこちに出ていました。ただ、人間はそういうシグナルを、見たくないときは見ない生き物なのです。

私はこれを書いている今も、毎日のようにAIに関するニュースを受け取っています。新しいモデルのリリース、驚くべき性能のデモ、業界の大きな動き——それらを見るたびに、「この変化のペースは尋常ではない」という感覚が積み重なっていきます。一方で、支援先のお客さまや友人と話すと、まだ「AIってChatGPTのことでしょ？便利そうだけど、まだ様子見で」という反応がある。このギャップが、この文章を書く直接のきっかけになりました。

私は今、AIについてまったく同じ感覚を持っています。「騒ぎすぎに見える段階」にいる、と。

新聞やニュースでAIのニュースが無い日はありません。でも多くの人の日常は変わっていない。「ChatGPTを試したことはある。でも私の仕事には関係ない」という声を、いまだによく聞きます。それはちょうど、2020年1月に「中国で流行っているらしい。でも私には関係ない」と言っていた状況に、あまりにもよく似ています。

正直な感覚を、ずっとしまい込んでいた

私は2023年初め頃から生成AIを使い始めました。この数年で加速する流れを、毎日リアルタイムで見てきた。新しいモデルがリリースされるたびに試し、実際に現場の仕事に使って確かめる——そういう日々を過ごしてきました。

家族や友人、お客さまから「AIって結局どういうこと？」と聞かれるたびに、このように答えてきました。「業務効率が上がりますよ」「定型作業の自動化に使えます」「まずは試してみましょう」——こういう、聞いた人が安心できる言葉を選んできた。

なぜかというと、私の正直な感覚は「この人、ちょっとおかしいんじゃないか」と聞こえるからです。「今起きていることは、産業革命よりも速いかもしれない」「5年後には、今の仕事の半分はなくなっている可能性がある」「子どもに何かを学ばせるとしたら、それは知識ではなく適応する力だ」——こういうことを言うと、目を細める人が多い。疑いの目で見られる。だから、なんとなく抑えてきた。

でも最近、自分が言っていることと実際に起きていることのギャップが、あまりにも大きくなりすぎました。毎日仕事でAIを使っていると、3年前の自分には考えられなかったことが当たり前になっている。そのギャップを放置したまま「普通の説明」をするのが、もう誠実ではないと感じるようになったのです。

だから今、正直な感覚を書くことにしました。これが私の本当の見解です。

2025年2月5日——何かが「カチッ」とはまった

長い間、AIは着実に良くなっていました。1年ごと、半年ごとに確実に進化していた。でも「着実に良くなる」というのはある種の安心感でもあって、変化のペースが十分ゆっくりだったために、人間がそれを消化できていたのです。新しい機能が出ても、「へえ、すごいな」で済んで、翌日にはまた日常が戻ってきた。

ところが2025年に入って、何かが変わった。新しい推論技術が登場し、モデルが自分で考えながら問題を解くようになった。単に質問に答えるだけでなく、複数のステップに分けて考え、途中で間違いに気づいて修正し、最終的に正しい答えにたどり着く——そういう能力が、急に「使い物になるレベル」になった。

2025年2月5日、2つの主要なAI研究所が同じ日に新しいモデルを出しました。私はその日、両方のモデルを試しました。そこで何かが変わった。電気のスイッチが入るような、劇的な感覚ではありません。むしろ——水位が周りでずっと上がってきていて、自分の気づかぬうちにもう胸の高さまで来ていたと、突然はっきりと認識した瞬間のような感じ、とでも言えばいいでしょうか。

その日から、私は仕事の進め方を根本的に変えました。以前は「AIを補助ツールとして使う」という感覚だった。アシスタントに頼むような、あくまでサポートに使うもの。でもその日を境に、「主役がAIで、私が方向を示す監督者になった」という感覚に切り替わりました。

「AIに任せて、席を外した」という月曜日

具体的に言いましょう。これは昨年12月のある月曜日の話です。

朝、私はあるクライアント企業のマーケティング戦略レポートを作る仕事がありました。以前なら、これは丸1日かかる作業でした。業界の動向を調べ、競合の情報を整理し、自社の強みと照らし合わせ、施策の優先順位をつけ、スライドにまとめる。8時間かけてやっと粗削りなドラフトができる程度。

私はその朝、AIに状況を詳しく説明しました。クライアントの業種、規模、課題、現在の取り組み、競合環境、求めているアウトプットのイメージ。30分かけて丁寧に伝えた。そしてパソコンから離れ、昼食を食べ、別の打ち合わせをこなして、4時間後に戻ってきました。

作業が終わっていました。しかも、自分でやるより出来が良い状態で。

競合分析の切り口が鋭く、施策の優先順位に明確な根拠があり、スライド構成が論理的で、クライアントに話しかけるようなトーンで書かれていた。私が最初から自分でやったとしたら、おそらくこの完成度にはならなかった。私は2時間かけてレビューし、修正を指示し、最終版を整えました。合計作業時間は2.5時間。以前なら丸1日の仕事が。

大げさに言っているわけではありません。これが今の私の日常です。そして私がこれを「普通のこと」と感じるようになったのは、ここ数か月の話に過ぎません。それほど速く、変わっています。

作業から「委任」へ——仕事の構造が変わる

ここで少し、改めて振り返りたいと思います。

AIを使い始める多くの人が最初にやること——それは「検索の代わりにAIに聞く」です。Googleで調べていたことを、ChatGPTに聞く。これは使い始めとして悪くはないのですが、AIの本質的な力の10分の1も使っていません。

次のステップは「文章を書いてもらう」ことです。メールの下書き、報告書の草案、プレゼンのアイデア出し。これで20分の1くらいにはなる。でも、まだ「道具として使っている」段階です。

本当の意味でAIが変えるのは、「作業」から「委任」へのシフトです。仕事の一部を自分でやるのではなく、仕事の全体を説明して、AIに任せる。自分は指示を出し、方向を決め、結果をレビューして、修正を依頼し、最終的な判断をする——そういう役割に移行する。

これは「楽をする」ということではありません。思考の質が変わるということです。以前は「この報告書をどう書くか」を考えながら書いていた。今は「この報告書で何を伝えたいか、何を変えたいか、誰に向けて書くべきか」を考えながら、AIが生成したドラフトをレビューする。認知資源の使い方が変わる。

この変化を体感するには、実際に「大きな仕事をまるごとAIに任せてみる」経験が必要です。小さな質問に答えてもらうのではなく、プロジェクト全体を任せてみる。最初は怖く感じるかもしれない。でも一度体感すると、仕事の見え方が変わります。そして「この部分は人間がやるべきで、この部分はAIに任せていい」という感覚が、自然と身についていきます。

私の感覚では、この「委任できる仕事の範囲」は月ごとに広がっています。半年前に「これはまだ人間がやるべきだ」と思っていたことが、今はAIに任せられる。この拡大のペースは、今後も続く——おそらく加速しながら。

進歩のペースを、数字で正直に見ると

感覚的な話だけでは信じてもらいにくいかもしれないので、データで見てみましょう。

METRというAIの能力を実際に計測している研究機関があります。彼らが計測しているのは「AIが人間の専門家の助けなしに、現実の仕事をどのくらいの時間にわたって自律的に完遂できるか」という指標です。研究者が実際のソフトウェアエンジニアリングのタスクを用意して、AIが途中で止まることなく完成させられるかを測る。

2024年初頭の時点では、その答えはおよそ10分でした。10分を超えるようなタスク——少し複雑な問題や、複数ステップが必要なもの——になると、AIは詰まってしまうか、方向を間違えて完遂できなかった。

次に計測したとき、それは1時間になっていた。そして数時間になった。2025年秋の計測では、人間の専門家が5時間かかるようなタスクをAIが自律的に完遂するようになっていました。

この数値は、およそ7か月ごとに倍増しています。最近のデータでは、倍増のペースが4か月程度まで縮まっている可能性も示唆されています。7か月ごとに倍増するということは、1年後には4倍、2年後には16倍になっているかもしれないということです。これを「指数関数的成長」と呼びますが、人間の直感はこういう成長パターンを著しく過小評価する傾向があります。

もうひとつ、重要なことがあります。AIの開発はいま、AIそのものによって加速されています。OpenAIもAnthropicもGoogle DeepMindも、AIを使って次のAIを作っています。ここに自己改善のループが生まれている。AIが賢くなるほど、次のAIを作るペースが上がる。これは以前の技術開発のサイクルとは根本的に異なる構造です。人間のエンジニアの数が増えるより、AIが賢くなる速度のほうがはるかに速い。

2022年から今日まで——能力の変遷を振り返る

この変化を時間軸で見てみると、息をのむほどです。

2022年。AIは基本的な算数すら安定して正確にできませんでした。「10 × 20 = ?」と聞くと正しく答えても、「3つのりんごが5皿あります。全部で何個？」という文章問題になると、半分くらいの確率で間違えた。コードは書けたが、動くコードを書くのは難しかった。文章は書けたが、長い文脈を維持するのが苦手で、5段落目に1段落目の内容を忘れていた。その頃触ってみた私は、これじゃだめだ、使えない、と思ってそっとPCから離れました。

2023年。ChatGPT-4が登場し、AIは米国の司法試験をほぼ満点で通過しました。医師国家試験も合格ラインを超えた。「これはすごい」という話題になりましたが、多くの人は「試験は通過できても、実際の仕事は別だ」と思っていた。それはある意味で正しかった——2023年のAIは、確かに実務ではまだ「補助」でした。

2024年。AIは動くソフトウェアを書き始めました。大学院レベルの科学論文を要約し、正確に解説できるようになった。長い文脈——数万文字を超えるような文書——を維持しながら質問に答えられるようになった。マルチモーダル、つまり画像や音声も扱えるようになった。この年、多くのソフトウェアエンジニアがコーディングの方法を変え始めました。

2025年。推論能力の飛躍的な向上があり、AIは「考えながら作業する」ことができるようになりました。複雑な数学の証明をステップバイステップで解き、科学的な仮説を検証し、長期にわたる複雑なプロジェクトを自律的に進められるようになった。そして今年、最先端のエンジニアの多くがコーディングの大半をAIに任せています。AIとのペアプログラミングではなく、AIが主で人間がレビューする、という逆転が起きています。

そして今、2026年。皆さんがこれを読んでいる時点での話をすると——AIは私の仕事の重要な部分を実際に担っています。単なる補助ではなく。

各モデルのVersionの数字だけ見ると5.1から5.2とか4.5から4.6とか3から3.1とか。たった0.1かと思うかもしれません。しかし、現実のこの0.1の差は、私たちが感じる差よりとてつもなく大きな進化なのです。もしかしたら1から100へ飛躍しているかもしれません。

もし「昔試したけどたいしたことなかった」と思っているなら、それは正しい——昔の話として。2023年や2024年初頭のAIと、今のAIは、同じ名前を冠していても、内実はまったく別物と言っていいくらい違います。あの頃の体験で判断するのは、スマートフォンが登場する前の「携帯電話はメールができるだけだ」という認識でiPhoneを評価するようなものです。

もうひとつ付け加えると、「使える人が使っている」という段階は、すでに終わりつつあります。AIは徐々に「インフラ」になっています。インターネットが最初は「技術に詳しい人が使うもの」だったのが、今では「使っていない人がいるとしたら、それは意図的に使わない選択」になったように。AIも同じ道を、非常に速い速度で歩んでいます。「これからAIを学ぼう」と思っているなら、早ければ早いほど良い。その学習コストは、時間が経つほど上がります——なぜなら、AIを使いこなせることが「当たり前」の前提になっていくからです。

無料版と有料版——どちらを使うべきか、明確に言います

ここで実践的な話をひとつ。

AIを使い始めようとする方から「まずは無料版を試してみます」という言葉をよく聞きます。それ自体は悪くないのですが、重要な注意点があります。無料版と有料版は、名前は同じでも、能力に大きな差があります。そして、この差は「ちょっと良い」というレベルではなく、「まったく別の用途に使える」というレベルの差です。

無料版のChatGPTや無料版のClaudeは、確かに多くのことができます。文章を書いたり、質問に答えたり、アイデアを出したり。でも、本当に業務を変えるような使い方——長い文書を分析する、複雑な問題を複数ステップで解く、大量のデータを処理する、自律的に作業を進める——は、有料版でしか安定してできません。

月に3,000円から5,000円程度の出費です。これを高いと思うかどうかは、使い方次第です。私の感覚では、AIに週に3時間以上の仕事を委ねられるなら、時給換算でも十分元が取れます。経費として計上できることも多い。

逆に言えば、有料版を使わないでAIの実力を評価するのは、スポーツカーの試乗をファミリーカーで代替するようなものです。確かに「車」という概念は体験できますが、本当の性能は体験できない。AIについて「たいしたことない」という印象を持っている方の多くが、無料版か、あるいは数年前のバージョンで止まっているケースをよく見ます。

一度、真剣に使ってみてください。本当の意味で真剣に——実際の仕事の、実際の課題に、真正面から使ってみてください。そのとき初めて、「ああ、これが本当のAIか」という感覚を得られると思います。

AIが自分自身を改良するということ——この技術が特別な理由

ここで、少し立ち止まって考えてほしいことがあります。AIの進歩がなぜこれほど速いのか、その構造的な理由についてです。

過去の技術革新は、人間が主体でした。蒸気機関はエンジニアが設計し、人間が製造した。コンピューターは人間が回路を設計し、人間がプログラムを書いた。インターネットも、人間が通信プロトコルを定め、人間がウェブサービスを作った。それぞれの技術の進歩は、基本的に「人間の労働と知恵の産物」でした。

AIの開発も、表面上はそう見えます。研究者がアーキテクチャを設計し、エンジニアがコードを書き、大量のデータで学習させる。でも今、それが変わり始めています。AIが次のAIの開発を加速するようになっています。

具体的には、AIを使ってコードを書き、バグを検出し、最適化し、テストするという作業の大部分が、すでにAIによって行われています。AI研究の論文も、AIが補助しながら書かれることが増えています。新しいAIモデルのアーキテクチャのアイデアを、AIが提案することもある。

これは単純に言うと「AIがAIを作るのを手伝っている」ということです。そしてこれは、正のフィードバックループを生み出します。AIが賢くなるほど、次のAIを開発する速度が上がる。速度が上がるほど、より賢いAIが早く生まれる。

過去の技術にはこういうループはありませんでした。鉄鋼生産が増えても、自然に鉄鋼の生産効率が上がるわけではなかった。工場の自動化が進んでも、自動的に次の世代の自動化技術が生まれるわけではなかった。でもAIは、自分の存在が次の自分の進化を加速する、という構造を持っています。

これが、「今回は違う」という根本的な理由のひとつです。そして「どこまで行くか」が予測できない理由でもあります。私は楽観主義者でも悲観主義者でもなく、ただ「起きていることをできるだけ正直に見る」人間でありたいと思っています。そして正直に見れば、このループが存在することは、変化のペースが今後さらに加速する可能性が高いことを示唆しています。

あなたの仕事に、何が起きるか

ここからは、少し不快かもしれない話をします。でも、知っておくべきことだと思うので、正直に書きます。

いくつかの職種・業務は、近い将来に大きく変わります。すでに変わり始めているものもあります。

法律業務から始めましょう。AIはすでに契約書を読んで問題のある条項を指摘し、判例を検索して要約し、準備書面を下書きし、法的リスクを評価できます。ある大手法律事務所のマネージング・パートナーは、毎日何時間もAIを使い、「瞬時に動けるアソシエイトのチームを持っているようだ」と言いました。これはおもちゃだから使っているのではない——実際に動くから使っている、という話です。新人弁護士や法律助手が担当していた作業の多くは、今や有能な弁護士ひとりとAIで代替できるようになっています。

金融・会計分野も同様です。財務モデルの構築、投資メモの作成、決算書の分析、経費の分類と仕訳——これらはAIが得意とする業務です。証券アナリストが数日かけてまとめていたリサーチレポートの下書きを、AIは数時間で作れます。経理担当者が月次でやっていた集計・照合作業も、適切に設定すれば大部分を自動化できます。予実管理、対前年同月比で何が起きているのか、完全に分析ができます。

マーケティングコピー、レポート作成、提案書の作成、技術文書の執筆——文章を書く仕事全般に、AIは直接的な影響を与えています。「文章を書くことが仕事の中心にある人」にとって、この変化は特に早く、特に深く影響します。

ソフトウェア開発については、もはや業界内では常識になっています。1年前、AIは数行のコードすらミスなしで書けないことが多かった。今は、正しく動く数十万行のコードを書けます。GitHubのデータによると、AI支援コーディングツールを使っている開発者は、使っていない開発者の55%から75%速く仕事を進めています。これは「少し速くなる」ではなく、「ひとりの開発者が実質的に2人分の仕事をできる」という意味です。

カスタマーサポート、医療の補助的業務、教育の補助、翻訳と通訳——どこを見ても、「高度な専門知識は必要ないが、知識と判断が必要」という種類の業務が、AIに取って代わられ始めています。

なぜ、今回の自動化はこれまでと違うのか

「でも、技術が仕事を変えるのは昔からのことじゃないか」という反論があります。それは正しい。産業革命は農業と手工業の多くの仕事を変えた。コンピューターは経理や文書管理の仕事を変えた。インターネットは小売と通信の仕事を変えた。そのたびに人間は適応し、新しい仕事を生み出してきた。なぜ今回は違うのか。

一つ目の違いは「速度」です。産業革命は数十年かけて社会を変えました。インターネットも、本格的に社会に普及するまでに10年以上かかった。でもAIの変化は、現場レベルで感じるスケールで言えば、2〜3年のスパンで起きています。「適応する時間」が圧倒的に短い。

二つ目の違いは「影響する仕事の種類」です。過去の自動化は主に「ルーティン的で物理的な仕事」か「ルーティン的で認知的な仕事」を変えてきました。工場の組み立てラインを自動化したとき、職を失った人はホワイトカラーへの移行ができた。でも今回のAIは、ホワイトカラーのコア業務——「知識を使って判断する仕事」——を変えています。移れる先が、今回は非常に少ない。

三つ目の違いは「全方位性」です。過去の自動化技術はそれぞれ特定の業務に特化していました。工場のロボットは工場の仕事だけを変えた。会計ソフトは会計業務だけを変えた。でもAIは、文章を書く仕事、数字を分析する仕事、コードを書く仕事、法律文書を扱う仕事、医療の診断支援——ほぼすべての知識労働に同時に影響しています。逃げ場がない、ということではなく、何に移ろうとしても、そこにもAIはいる、という状況です。

四つ目の違いは、先ほど触れた「自己改善ループ」です。AIが賢くなることで、次のAIを作る速度が上がる。この正のフィードバックループは、過去のどの技術にも存在しませんでした。蒸気機関は蒸気機関を改良できなかった。でもAIはAIを改良できる。これが、今回の変化がほかとは根本的に異なる理由です。

Anthropic CEO Dario Amodei が言ったこと

アメリカのイラン侵攻で重要な役割を果たしたと言われている、ClaudeのAnthropicの創業者・CEO、Dario Amodeiは公の場でこう述べています。「AIは今後1〜5年で、初級ホワイトカラー職の50%を自動化する可能性がある」と。これがいわゆる「SaaSの死」というセンセーショナルな言葉で流布されたのは記憶に新しいことです。このタイミングで軒並みSaaS関連株の株価が暴落しました。

彼はセンセーショナルな話をして注目を集めようとするタイプの人物ではありません。元々、OpenAIの研究担当副社長であり、脳神経科学のバックグラウンドを持つ研究者です。技術的な誇張を嫌い、正確さを重視することで知られています。そのAmodeiが、こういう数字を公に出した。

そして多くの業界関係者が、「50%でも控えめな予測ではないか」と考えています。

私がここで言いたいのは、「50%がどうか」という具体的な数字の話ではありません。「AIについて最もよく知っている人たちが、この規模の変化が来ると真剣に考えている」という事実です。あなたが今している仕事の半分が、近い将来には必要なくなるかもしれない——これはパニックになる話ではなく、どう動くかを今から考え始めるべき話です。

そして重要なことは、この変化の中で勝ち組と負け組が生まれるとしたら、その差を決めるのは「AIが出てくる前に何の仕事をしていたか」ではなく、「AIという道具をどれだけ早く、どれだけ本気で使い始めたか」だということです。

今だけ開いている、小さな窓について

ここまで読んで、「怖い話だな」と感じた方もいるかもしれません。でも私が本当に伝えたいのは、ここからです。

今、ほとんどの会社がまだAIを本格的に使っていません。「試したことはある」は多いけれど、「業務の中核にAIを組み込んでいる」は、まだごく少数です。これはある意味で、非常に重要な事実です。

なぜなら、変化の初期段階には必ずアーリームーバー優位というものがあるからです。インターネットが普及し始めた1990年代後半、ウェブサイトを持った会社は検索で圧倒的に有利でした。SNSが普及し始めた2000年代後半、早くに参入した企業はフォロワーとコミュニティを先取りできた。AIの世界でも、今まさに同じことが起きています。

「この調査をAIを使って1時間でまとめました。人間が同じことをするには3日かかります」と言える会社は、そうでない競合と比べて、まったく異なる競争環境に立てます。「この提案書を昨日の夜にAIで3パターン作り、今朝選んで仕上げてきました」と言える営業担当者は、そうでない担当者とは別の仕事をしていることになります。

この優位は、永続しません。多くの会社がAIを使いこなすようになったとき、「AIを使えること」は差別化要因ではなく、当然の前提になります。今だから差がつく。今だからアーリームーバー優位が機能する。この窓は、数年後には閉じています。必ず。

来年の話ではありません。2026年の話として、これを読んでいる「今」の話として、私はお伝えしています。

では、実際にどう動くか

具体的な話をしましょう。「わかった、AIを真剣に使おう」と思ったとき、どこから始めればいいか。

まず、有料プランを契約することです。ChatGPT Plus（月額20ドル）かClaude Pro（月額20ドル）、あるいは両方。GoogleのGemini Pro3.1でも良い。とにかく、有料プランを使ってください。無料版でAIの本質的な能力は測れません。これは豆から挽いたコーヒーを飲んで「コーヒーの味を知っている」と言うのと、インスタントコーヒーを飲んで「コーヒーの味を知っている」と言うくらいの差があります。

次に、自分の仕事の中で「一番時間がかかっている業務」を特定してください。週に何時間かかっているか、書き出してみてください。そしてその業務に、真正面からAIをぶつけてみてください。メール文面の作成、報告書の下書き、データの整理と要約、議事録の作成、提案書のアイデア出し——どれでもいい。とにかく「実際の仕事」に使うことが重要です。

最初の試みは、おそらく期待通りにならないかもしれません。AIへの指示の出し方（プロンプトと呼ばれます）には、コツがあります。「うまくいかない」と思ったら、指示の出し方を変えてみてください。より詳しく背景を説明する。ほしいアウトプットのフォーマットを具体的に伝える。「この点が違う、こう直して」と追加指示を出す。AIとの対話は、一度で完成させようとするのではなく、対話しながら磨いていくプロセスです。

そして試し続けてください。今日「なんとなく動く」ものは、6か月後には驚くほど確実に動くようになっています。それがこの技術の軌道です。あなたが試行錯誤した経験は、ちゃんと次につながります。「AIの使い方が分かってきた」という感覚が蓄積されると、それ自体が大きな競争優位になっていきます。

AIへの指示の出し方——最初に知っておくべきこと

「AIを使い始めたが、思ったような結果が出ない」という声をよく聞きます。これはほとんどの場合、AIの能力の問題ではなく、指示の出し方の問題です。ここでは、少し実践的なことを書きます。

AIへの指示はプロンプトと呼ばれます。プロンプトの質が、アウトプットの質を大きく左右します。そして良いプロンプトには、いくつかの共通点があります。

まず「文脈を与える」ことです。AIは何も知らない状態で始まります。あなたが誰で、何の仕事をしていて、この作業の目的は何で、誰に向けたアウトプットが必要なのかを、できるだけ具体的に伝えてください。「報告書を書いて」ではなく、「私は製造業の中小企業の経営者です。来週、銀行の融資担当者に会います。今期の業績回復の説明と来期の見通しを伝えるA4二枚程度のレポートを作りたいです」という具合に。

少し恐ろしい話をしますと、例えばObsidian（知識を貯める倉庫）にアウトプットの相手側の情報を入れておいて、それをGoogle Notebook LMに貯めていきます。そうすると相手にFitしたレポートが出てきます。本当です（相手が上司の場合にでもよく効きます）。これが、Obsidianは第二の脳と言われる所以です。

次に「ほしいアウトプットの形を伝える」ことです。箇条書きで欲しいのか、文章で欲しいのか、表で欲しいのか。長さはどのくらいか。どんなトーンで書くべきか（堅い文体か、親しみやすい文体か）。これらを明示することで、AIのアウトプットが一気に目的に合ったものになります。

そして「対話を続ける」ことです。最初の回答が完璧でなくても当然です。「この部分をもっと具体的にして」「この段落を短くして」「3番の項目についてもっと詳しく説明して」「もう少し柔らかいトーンに変えて」——こうした追加指示を出して、磨いていく。AIはこの対話の中で文脈を覚えていますから、最初から全部を詳しく伝えなくても、会話の中で補足していけます。

最後に「批評的に見る」ことです。AIのアウトプットを鵜呑みにしないでください。事実関係は確認する。数字や固有名詞は必ずチェックする。「これは本当か？」「この根拠は何か？」と確認する習慣を持つ。AIは自信を持って間違いを言うことがあります（ハルシネーション）。特に最新の情報、数字、専門的な事実については、必ず確認してください。

この4つ——文脈を与える、形を指定する、対話で磨く、批評的に見る——を意識するだけで、AIのアウトプットの質は大きく変わります。これは「コツ」というよりも「AIとの関係の作り方」と言えるかもしれません。

最初は時間がかかると感じるかもしれません。指示を考えて、やり取りして、レビューして——「自分でやったほうが早かった」と思う場面もあるかもしれない。でも、それは学習曲線の最初の部分です。一度「このタイプの仕事はこう頼めばいい」という感覚が身につくと、急に速くなります。そしてその感覚は、業務ごとに少しずつ違います。AIとの協働は、一度きりで終わる技術習得ではなく、継続的な学習と改善のプロセスです。あきらめずに続けることが、最終的に最大のリターンをもたらします。

財務的な備えについて、正直に言うと

これは少し踏み込んだ話ですが、大切なので書きます。

今後5年間で、多くの業界で雇用の構造が変わる可能性があります。一部の職種では、求人数が減るかもしれない。給与の相場が変わるかもしれない。今安定している仕事が、5年後に同じように安定しているとは限らない。私の予想ですと3年後にはGreat Conjunction すなわち、社会構造の変化が起きている気がします。

これに備えるために、財務的な弾力性を今から作っておくことが重要だと思います。具体的には、生活費の半年分以上の流動性資産を持つこと。収入源をひとつに集中させないこと。定期的に自分のスキルの市場価値を確認すること。

そして最も重要なのは、「AIを使える人間」になることが、財務的な保険になるということです。AIに仕事を奪われる側ではなく、AIを使って仕事を増やせる側にいること——これが、変化の激しい時代において最も確実な財務的防衛になります。

怖いから動かない、ではなく、怖いから今動く。そういう判断をした人と、そうでない人の差は、時間が経つほど大きくなります。

AIを使って「強くなる仕事」と「消えていく仕事」の違い

「AIに仕事を奪われる」という不安と、「AIで仕事が楽になる」という期待が交錯しています。どちらが正しいのか。実は、両方が同時に起きているのが現実です。重要なのは「何が消え、何が残り、何が新しく生まれるか」を具体的に理解することです。

まず、消えていく業務について。それは「ルーティン的な知識処理」です。決まったフォーマットに情報を当てはめる作業。膨大な文書から特定の情報を探す作業。定型的な文章を量産する作業。複数の情報源を集めて整理する作業。こうした仕事は、AIが人間より速く、安く、24時間休まずやれます。

次に、残る業務について。「人間が人間と向き合うことで価値が生まれる仕事」は残ります。信頼関係の構築、交渉、感情的なサポート、チームの動機付け、複雑な倫理的判断——これらはAIに代替されにくい。また、「新しい問いを立てる仕事」も残ります。何の問題を解くべきかを決めることは、人間の仕事として残り続けるでしょう。AIは「与えられた問いを解く」のは得意ですが、「そもそも解くべき問いを発見する」のは、まだ人間のほうが優れています。

そして新しく生まれる業務について。AIの登場によって、新しい種類の仕事が生まれています。AIのアウトプットを評価し改善する仕事。AIと人間のコラボレーションを設計する仕事。AIが生成した情報の正確性を担保する仕事。組織のAI活用を推進・教育する仕事——これらは数年前には存在しなかった業務です。

重要なのは、「AIを使える人間」と「AIに使われる人間」の差が、これから劇的に大きくなるということです。同じ仕事をしていても、AIを積極的に活用する人と、そうでない人では、生産性に大きな差が生まれます。そしてその差は「給与の差」「雇用機会の差」「キャリアの幅の差」として現れてきます。

恐れるべきは「AIそのもの」ではなく、「AIを使いこなす人に取って代わられること」です。敵はAIではなく、AIをうまく使う競合他社、AIをうまく使う同業者、AIをうまく使う同僚です。すなわち人なのです。

日本企業のAI導入が遅れている理由と、そこにある機会

国際比較を見ると、日本企業のAI活用は欧米や中国の先進企業に比べて遅れているというデータがあります。その理由はいくつか考えられます。

まず「失敗を恐れる文化」の問題があります。AIを試して失敗するよりも、試さずに安定していることを好む傾向。これは特に大企業や役所など歴史のある組織で顕著です。「前例のないことはやらない」という事大主義は、急速な変化の時代には足枷になります。

次に「情報の非対称性」の問題があります。AIについての信頼できる情報が届いていない。メディアは極端な話をしがちで（「AIが全部やってくれる」か「AIはまだたいしたことない」のどちらか）、現場で使えるレベルの具体的な情報が不足しています。何から始めればいいかわからないまま、時間だけが過ぎていく。

さらに「導入の失敗体験」の問題もあります。数年前にAIを試したが期待通りの結果が出なかった、という体験を持つ組織が多い。でもその時点のAIと今のAIは別物です。過去の失敗体験が、現在の正しい評価を妨げている。

ただ、日本企業の遅れは、同時に「巨大な機会」を意味します。今の日本では、競合の多くがまだAIを使いこなせていない。だから、先に動いた会社が得られる優位が大きい。欧米のように既にAI活用が進んだ市場では、差別化が難しくなりつつあります。でも日本市場では、今ならまだ先行者になれます。

これは中小企業にとっての大きなチャンスです。大企業は意思決定が遅く、組織が大きいために変化に時間がかかる。その間に、機動力のある中小企業が先行できます。私はこの現実を毎日の仕事の中で感じています。支援先のお客さまが、業界の競合他社より明らかに速く、深くAIを使いこなすようになっていく様子を。

子どもたちの教育について、考えていること

お子さんがいる方に向けて、一つだけ言わせてください。

今の子どもたちが社会に出る頃、世界は今と大きく違っている可能性があります。「良い大学に入って、安定した大企業に就職する」というルートが、完全に意味をなくすとは言いませんが、それだけが答えではなくなる可能性は高い。

AIが得意なことは、知識の検索・応用・組み合わせです。「多くのことを覚えている」「試験で高得点が取れる」——これらはAIが人間よりも優れている能力です。はっきり言うと人間はAIに勝てません。つまり、従来型の学力競争だけを目標にした教育では、AIが一般化した社会で戦えない人材が育つリスクがあります。

ではAIが苦手なことは何か。現時点では、本当の意味での「問いを立てる能力」「曖昧な状況に向き合って判断する能力」「人間同士の信頼を築く能力」「新しいことへの好奇心と行動力」——こういった能力です。これらは、知識を詰め込むことでは身につかない。経験と対話と失敗の繰り返しで育ちます。

子どもたちに最も伝えるべきことは、「答えを覚えること」よりも「問いを立てること」、「与えられた仕事をこなすこと」よりも「自分から何かを作り出すこと」、そして「変化を恐れないこと」だと私は思っています。ダーウィンは言いました。「生き残るものは進化に対応できるものだ」と。

これは何も特別なことではなく、昔から大切だと言われてきたことです。ただ、その重要性がAI時代においては格段に高まっている、ということです。

中小企業が大企業に勝てる時代が来るかもしれない

少し視野を広げて考えてみたいと思います。

これまでの経済の歴史を振り返ると、多くの産業で「スケールメリット」が大企業を有利にしてきました。大きい会社は多くの人を雇え、専門家を揃えられ、システムに投資でき、マーケティングに予算をかけられる。だから大企業が強く、小さい会社は大企業の下請けや補完的な存在になりやすかった。

でも、AIはこの構造を変える可能性があります。

なぜなら、AIは「高度な知識労働の民主化」だからです。以前は大企業しか持てなかったものが、AIを通じて中小企業にも手が届くようになります。弁護士チームに払っていたような費用をかけずに、高品質な法律文書のレビューができる。大手広告代理店に依頼していたようなマーケティング戦略の下書きが、社内でできる。大企業のデータサイエンスチームがやっていたような分析が、AIの助けを借りれば中小企業でもできる。

これは「AIが人間の仕事を奪う」という話と、コインの裏表です。同じ技術が、一方では仕事を置き換え、もう一方では能力を増幅させる。どちらの側になるかは、その人や組織がどう向き合うかによって決まります。

私が中小企業の支援をしているのは、この可能性を信じているからです。意思決定が速く、現場との距離が近く、変化に柔軟に対応できる中小企業が、AIという武器を手に入れたとき——それは、大企業との本当の意味での競争が始まることを意味するかもしれない。

もちろん簡単ではありません。でも、可能性は確かにある。そしてその可能性を最大化するために必要なのは、今すぐ動き始めることです。後になればなるほど、先行者との差は開きます。そして後になればなるほど、「AIが使えて当然」という前提の中で戦わなければならなくなります。

悲観ではない——民主化という、大きな可能性

ここまで読んで、「随分と暗い話だな」と感じた方もいるかもしれません。でも私は基本的に、この変化に対して楽観的な見方を持っています。

なぜかというと、AIは多くのことを「誰でもできる」ようにするからです。

以前は、デザイン会社を立ち上げるには、デザイナーを雇う資金が必要でした。ソフトウェアプロダクトを作るには、エンジニアチームが必要でした。本格的な法律相談をするには、高額な弁護士費用が必要でした。優れたマーケティングキャンペーンを打つには、大手広告代理店に依頼する予算が必要でした。

今、それが変わりつつあります。良いアイデアと情熱があれば、AIを使って多くのことを一人でできるようになっています。中小企業やスタートアップが、大企業と同じ質のアウトプットを、はるかに少ないコストで作れるようになる——これは、競争の構造を根本的に変える力があります。

これは「大きな会社が有利」という構図を崩す方向に働きます。大企業が有利なのは、多くのリソースを持っているからでした。でも、AIがリソースの格差を縮めるとしたら、小さな会社が「本当に良いもの」を作れれば勝てる時代になります。

私はこの可能性を、中小企業への支援という自分の仕事の中に見ています。日本の中小企業がAIを本格的に使い始めたとき、何が起きるか。それは、大企業への過度な依存からの解放かもしれない。優れた専門性を持った個人や小さなチームが、大きな価値を生み出せる社会への移行かもしれない。

「当たり前」になる前に——先行者が得るもの、遅れた者が失うもの

少し具体的な話をしましょう。AIを本格活用しているチームと、まだ活用していないチームが同じ仕事をしたとき、何が起きているかを。

ある営業チームのケースです。AI活用を始めた担当者は、顧客との打ち合わせ前に、その会社の最新情報、業界の動向、想定される課題をAIで10分で整理して臨みます。提案書も、AIで3パターンのドラフトを30分で作り、最も適切なものを選んで磨く。打ち合わせ後の議事録と次のアクション整理も、録音をもとにAIが5分でまとめる。

AIを使っていない担当者は、準備に1時間、提案書作成に3時間、議事録整理に30分かけています。同じ1日の中で、AI活用担当者は3件の打ち合わせに対応でき、そうでない担当者は1件か2件が精一杯になる。この差が1週間で積み重なり、1か月で大きな差になり、1年後には圧倒的な格差になります。

これは生産性の話だけではありません。準備が充実しているから顧客への提案の質が上がり、成約率が上がる。余裕ができるからフォローアップが丁寧にできる。結果的に、売上に直結します。

もうひとつ、採用という観点からも考えてほしいことがあります。これから就職・転職市場に出てくる若い人材の多くは、AIを使うことが「当たり前」の世代です。彼らは履歴書を書くのも、面接の準備をするのも、新しい知識を習得するのも、AIを使いながらやっています。彼らが入社した会社で「うちはAIを使いません」「うちはAIなどというリスクの高いものは仕事で使っていけません」と言われたとき、どう感じるか。「なぜ自動車がある時代に、徒歩で移動しないといけないのか」と感じるかもしれません。

優秀な若い人材を引き付けるためにも、AI活用の文化を作ることは重要です。「うちでは最新のツールを使って仕事ができる」という環境は、採用競争力にも直接影響します。

逆に、今のうちにAIを使いこなすことで得られるものは多い。社員の業務負荷が減り、残業が減り、働きやすい職場になる。同じ人数でより多くのことができ、売上か利益率が改善する。社員が「新しいことを試せる」という経験をすることで、組織全体の挑戦意欲が高まる。こうした好循環が、AIを早期に活用し始めた組織には生まれ始めています。

適応し続ける習慣こそが、唯一の武器になる

最後に、私が最も大切だと思っていることを書きます。

特定のスキルは、陳腐化します。AIが進化するにつれて、「今日まで価値があったスキル」が「明日には価値がない」という事態が、これからますます頻繁に起きます。プログラミングの特定言語、特定のデザインツールの使い方、特定の業務プロセスの知識——これらは数年で大きく変わります。

でも、「新しいことに向き合い、試し、失敗し、学び直す」という習慣そのものは、陳腐化しません。これはAIに取って代わられない人間の能力です。

適応することへの抵抗を下げること。新しいツールが出たら「面倒くさい」ではなく「面白そう」と感じられること。間違えることを恐れずに試せること。これらは才能ではなく、習慣です。意識的に育てられます。

私がお客さまの現場で支援をするとき、最終的に目指しているのは「AIを使いこなす担当者を作ること」ではなく、「新しいツールが出るたびに自分たちで試して取り込める組織を作ること」です。個々の担当者が「これはどうだろう」と試せる心理的安全性と、試した結果を共有できる文化——これが、変化の時代における組織の最大の強みになります。

今日の正解が明日も正解とは限らない。でも「学び続ける姿勢」だけは、どの時代にも正解でいられます。

これは精神論ではなく、実践の話です。月に一度でいい、新しいAIツールや機能を試してみる時間を作る。業界のニュースを定期的に読む。「これはうちの仕事に使えないか」という問いを常に持ちながら仕事をする。こうした習慣の積み重ねが、3年後に「あの時に動き始めた人」と「あの時に動かなかった人」の大きな差になります。特別な才能は必要ありません。継続する意志だけです。そして継続するには、「やらなければならない義務」としてではなく、「自分の仕事が楽になる」という実感と紐付けることが大切です。最初の小さな成功体験が、その実感をもたらしてくれます。

「試してみたが続かなかった」——その本当の理由

支援の現場でよく聞く言葉があります。「一度試したのですが、続きませんでした」。

これには、いくつかのパターンがあります。最もよくあるのは、「担当者ひとりが試して、周りに広がらなかった」というケースです。熱心なひとりが毎日使っているが、チームの他のメンバーは使っていない。その担当者が異動したり退職したりすると、AIの活用が完全に止まってしまう。

もうひとつのパターンは、「汎用的な用途にしか使っていなかった」というケースです。「文章を書いてもらうのに使っている」「調べものに使っている」——これは悪くないのですが、インパクトが小さい。本当に効果が出るのは、「この業務に使うと週5時間短縮できる」という具体的な適用です。汎用的な使い方だと、時間の節約効果が見えにくく、「これって必要なのかな」となってしまいがちです。

三つ目のパターンは「期待値が高すぎた」というケースです。「AIが全部やってくれる」というイメージで使い始め、実際には完璧ではないことに気づいてがっかりする。AIは万能ではありません。間違いを犯します。人間のレビューが必要です。でも、「完璧ではないからダメ」ではなく、「完璧ではないが、人間と組み合わせれば強力」というのが正しい見方です。

マネーデザインが支援でやることは、こうした「続かなかった」理由を一つひとつ解消することです。チーム全体に広げるための研修設計。具体的な業務への適用支援。「この使い方はうまくいった、あの使い方は合わなかった」という試行錯誤の記録と横展開。AIが組織の文化に溶け込むまでの伴走。

「導入した」という実績作りではなく、「使い続けている」という状態を作ること。それが、私たちが存在する理由のひとつです。

マネーデザインが存在する理由——そしてこれからやること

ここまで長く書いてきました。最後に、マネーデザインがなぜ存在するのか、私の言葉で説明させてください。

私が支援先のお客さまに言い続けてきたことは、一貫しています。AIが何をできるかを正直に伝える。流行に乗ることを勧めるのではなく、貴社の具体的な業務に何が使えて、何がまだ使えないかを、現場を見た上で判断する。そして社員ひとりひとりが実際に使いこなせるようになるまで、手を離さずに伴走する。

「AIを導入しました」という実績を作ることが目的ではありません。「AIを導入した結果、この業務が週3時間短縮された」「この提案書作成が1日から2時間に短くなった」「この担当者が一人でできることが倍になった」——こういう具体的な変化を生み出すことだけに、私たちは関心があります。

日本の会社の99.7%は中小企業です。でも変化の波は、大企業とまったく同じタイミングで中小企業にも来ます。むしろ、意思決定が速く、現場との距離が近い中小企業のほうが、動きやすいはずです。大企業が稟議と委員会でAI導入を検討している間に、中小企業は試して、修正して、現場に定着させることができる。

でも現実として、多くの中小企業はAIについての情報が足りていません。「何から始めればいいかわからない」「試したけどうまくいかなかった」「社員が使いたがらない」——こういう声を、毎日のように聞きます。大企業には専任の部署とコンサルタントと予算があります。中小企業には、伴走してくれる誰かが必要です。

それが、マネーデザインの仕事です。変化を先に知った者が持つ優位を、中小企業にも届ける。AIという道具の使い方を、現場の言葉で教える。試行錯誤の伴走者として、定着するまで隣にいる。

そして最後に、もう一度だけ言わせてください。

今の状況は、2020年2月に似ています。「騒ぎすぎに見える段階」です。まだ多くの人の日常は変わっていない。「そんな大げさな話はない」と思っている人が多い。確かに、今日の段階ではまだ社会は普通に動いています。株式市場は動き、子どもは学校に行き、会議が行われ、請求書が処理されている。

でも水面下で、変化は確実に始まっています。あなたの業界の誰かが、今この瞬間もAIを使って仕事を進めています。あなたの競合がAIを本格的に使い始めたとき、あなたはどこにいたいですか。「まだ準備中」でいたいですか。それとも、すでに「使い慣れた状態」でいたいですか。

私がお伝えしたいことは、ひとつです。今すぐ始めてください。完璧なプランを立ててからではなく、今すぐ。小さくても良い。1時間だけでも良い。でも今日、自分の仕事の何かにAIを使ってみてください。「まず計画を立てて、予算を確保して、社内の理解を得てから」——そのプロセスが終わる頃には、競合はすでに半年以上先を行っているかもしれません。AIの活用に必要な「最初の投資」は、有料プランの月額費用と、試行錯誤する意欲だけです。

もし何から始めればいいかわからなければ、私たちに相談してください。現場を見て、最初の一歩を一緒に考えます。大きな投資は不要です。まず小さく試して、効果を確認して、広げる——その伴走が、マネーデザインの仕事です。

日本の中小企業が、この変化の中で埋もれてしまうことを、私は見たくありません。むしろ、変化をチャンスに変えて、大企業に伍して戦える存在になってほしいと、本気で思っています。それができる時代が、今来ています。

変化を先に知った者が持つ優位を、中小企業にも届ける。そのために、私たちはここにいます。一社でも多くの中小企業が「AIを使う側」になれるよう、私は今日も現場と対話を続けます。

——窓は、それほど長く開いていません。