地元で果物を売っている幼なじみが、最近AIの使い方を聞いてきた。彼はもう基本的なAIアシスタントを使っている——技術的な背景がない人でも、AI時代の到来を知っているということだ。（今は小龍蝦（ザリガニ料理）の作り方を聞いてきているが、それはまた別の話）

AI時代が来た。これは議論の余地がない。本当に議論すべきなのは、それが企業の運営方法をどう変えるか、だ。

経営者が本当に気にしていること

効率化。コスト削減。

シンプルに言えば：10反の田んぼに10頭の牛が必要だったが、今は1頭で済むのか？さらに踏み込んで——牛は不要になるのか？

単純に聞こえるが、組織にとって、これは3つの根本的に異なるパスを意味する。

A：一人一役——垂直ツールによる効率化

最も保守的で安定したパス：役割構造は変えず、各人が専門的なAIツールで自己強化する。

PMはChatGPTでPRDを書く。デザイナーはFigma AIでレイアウトを生成する。フロントエンドエンジニアはCursorでコードを書く。バックエンドエンジニアはClaude CLIでプロジェクト全体を進める。各役割が自分のレーンで速く走る——組織構造は変えずに。

この本質は：ドメイン専門家の経験をAIのプロンプトエンジニアリングに落とし込むこと。適切なUXと組み合わせて、各人がより強力なバージョンの自分になる。

ツール / シーン PM デザイナー フロントエンド バックエンド
要件/コード生成 ChatGPT / Claude（PRD作成） Midjourney / DALL·E 3（ビジュアル） Cursor（コード補完） Cursor / Claude CLI（プロジェクト全体）
フロー / プロトタイプ Notion AI（ドキュメント整理） Figma AI + Magician（自動レイアウト） v0 by Vercel（UIコード生成） GitHub Copilot（補完）
分析 / コラボ Gamma（AIデッキ生成） Framer AI（サイト生成） Bolt.new（フルスタックプロトタイプ） Devin / SWE-agent（自動デバッグ）

実際のメリット：

  • アウトプットが速く、フェーズごとに検証できる
  • 狭いコンテキストでAIの負荷が軽く、品質が安定する
  • 知識の蓄積が整理しやすく、情報混乱が起きにくい

実際のデメリット：

  • 上流から下流への引き継ぎが依然として難しい
  • 各レーンに一人の人間が必要で、コスト削減には限界がある

B：一人全役——スーパーエージェントで全部やる

より積極的なパス：一人の人間が、一つのスーパーエージェントと共に、ドキュメントとコードだけの世界で全てをやり遂げる。

要件定義書→インタラクションデザイン→フロントエンドコード→APIドキュメント→バックエンドロジック→データベース設計——一気通貫。

魅力は本物だ：人とAI、AIとAIの間のハンドオフがなくなり、情報損失がほぼゼロになる。人件費は大幅に削減できる。

ただし、要求水準が非常に高い：

  • AIが実際のビジネスの複雑さに対応できるほど賢くなければならない
  • コンテキスト管理が精密でなければ——一度崩れると全体が崩壊する
  • 操る人間にはクロスドメインの基礎知識が必要——専門家でなくても良いが、良し悪しを判断できなければならない
  • ロジックが複雑なシーンには、自己整合性のあるテストループが不可欠

C：一人多役——中間の道

PMとデザイナーは本質的に近い——一人とAIで両方カバーできる。フロントエンドとバックエンドも同様。これが「二人二役」の折衷モデルだ。

トレードオフはAとBの中間にある：ハンドオフが減り、摩擦が少なくなる——ただし、PMとデザイナーの認知ギャップ、フロントエンドとバックエンドの認知ギャップは消えない。妥協には必ず損失が伴う。

実際に起きた進化の軌跡

これは理論的な分類ではない。大体こういう順番で起きた。

第1フェーズ：AIの登場は衝撃的だった。 各役割が独立してアップグレードした。残業なし。みんな興奮した。

第2フェーズ：野心が膨らんだ。 誰もが一人で全部やりたがった。「一人会社」が溢れた。小龍蝦が地球を救う勢いだった。

第3フェーズ：現実に戻った。 実際のtoC製品、高い体験要求、可用性の要求に直面して、チームは再び採用を始めた：

  • 張三：設計からPRDまで担当
  • 李四：開発全体を担当
  • 老王：インフラと高可用性を担当
  • 老板（社長）：私が運営する

なぜ「牛なし」はまだ難しいのか

4つの本物の壁が立ちはだかっている。

1. 組織慣性——インダクタ効果
組織は急激な変化に対して、インダクタが電流の急変に抵抗するように抵抗する。古い役割構造、報告ライン、評価制度はAIが来ても自動的に消えない。

2. 消費者の習慣という歴史的負債
ユーザーの期待値は15年のインターネット製品に育まれてきた。AIが「準備完了」と言っても、ユーザーがそれを受け入れる準備ができているとは限らない。

3. インフラ不足——蒸気機関が馬車を引く
ツールチェーン、デプロイパイプライン、監視システムはまだ追いついていない。AI能力は十分でも、エンジニアリング基盤が追いついていないケースが多い。

4. AIにはまだ天井がある
複雑なビジネスロジック、長期的な意思決定、高一貫性が求められるシーンでは、現在のAIはまだ一歩足りない。不可能ではないが、まだ十分に安定していない。

革命はもう来ている。プログレスバーはまだロード中だ。

果物を売る幼なじみは、私たちが何を議論しているか永遠に理解しないかもしれない。でも彼はもうAIを使っている——それ自体が、ある意味で革命の完成だ。

自分のチームでAI効率化をどう進めるか考えているなら、ぜひ話しましょう。