AIで「作業が速くなる」の先にある、「仕事の前提が変わる」という景色

先日、僕が伴走した東証プライム上場グループの3ヶ月ブートキャンプの卒業デモデイを見ていた。各チームが自分たちの現場の業務をAIで作り変えた成果を発表する場だ。そこで出てきた数字を眺めながら、僕は「これはもう“作業が速くなった”という話じゃないな」と思った。AIの導入を「今の仕事が何割速くなるか」で測っている限り、本当に起きている変化を見落とす──というのが、この記事で書きたい僕の私見だ。最初に断っておくと、以下の数字は僕がその場で聞いた現場の自己申告であって、僕が第三者として独立検証したものではない。固有名詞は伏せ、一例として扱う。

「速くなった」では説明がつかない数字

その日に出てきたものを、いくつか一般化して並べる。あくまで僕が見た範囲の一例だ。

• あるチームは、80ページ規模のユーザーマニュアルをほぼ人手をかけずに生成し、ある入札の可否判断にかかる時間が「30分から5分になった」と話していた。
• 別のチームは、AI秘書のような基盤を一本立てて、その上にバックオフィス業務を4本まとめて自動化していた。
• ある現場リーダーは、45日ほどで4つのSaaSを立ち上げ、コード総量は数十万行規模、本人いわく「従来なら相応の外注費がかかったはずの開発を、ごく少額で形にした」と言っていた。

繰り返すが、これらは独立検証された統計ではなく、現場の自己申告だ。だから「誰でもこうなる」という主張はしない。ただ、僕が引っかかったのは数字の大きさそのものより、変化の種類のほうだった。「同じ仕事を速くやった」のではなく、「今までやらない（やれない）前提だった仕事に手が届いた」という話が多かったのだ。

変わったのは作業スピードではなく、仕事の前提

「マニュアルを5分で作れる」を、単に「作業が6倍速くなった」と読むのは、たぶん浅い。ページ単位の作成が事実上ゼロコストに近づくと、「マニュアルを作るかどうか」という意思決定の前提が変わる。これまでは「工数がかかるから、重要な案件だけ作る」だったものが、「全部に作っても割に合う」に反転しうる。入札判断が30分から5分になれば、「だから1日に回せる案件数が変わり、どの案件を取りに行くかという戦い方が変わる」という話につながる。速度の改善が、ある閾値を越えると、業務設計そのものを書き換えにいく。

これは僕の解釈であって、全社で必ずそうなると保証できる話ではない。ただ、卒業デモで強い発表ほど、共通して「作業Aが速くなった」ではなく「Bという仕事の前提が変わった」を語っていた、というのは僕が観測した傾向として書いておきたい。AIを「既存業務の高速化ツール」とだけ捉えると、この前提の組み替えを見逃す。問うべきは「何割速くなったか」ではなく「何が割に合うようになったか」だ、と僕は考えている。

効いていたのは「コンテキストをどう渡すか」

もう一つ、うまくいったチームに共通して見えた要素がある。プロンプトの言い回しの巧みさより、AIに何を読ませ、何を前提として渡すかの設計がうまかった。自社のマニュアル、過去の入札資料、業務ルール、判断基準──そういう「文脈」をきちんと揃えてAIに渡したチームほど、出てくるものの質が安定していた。

これは僕の現場観に近いが、無根拠な思いつきでもない。AIエージェント開発の世界では、出力の質を決めるのは一発の指示文より、モデルが置かれる情報環境（検索で引いた資料・ツール定義・履歴・指示）を丸ごと設計することだ、という整理が広まっている。いわゆるコンテキストエンジニアリングで、「次の一手をモデルが解けるよう、コンテキストウィンドウに“ちょうどいい情報”を詰める技術と科学」と定義されている（出典: LangChain, Context Engineering for Agents）。

つまり、出力の質は入力（渡した文脈）の質にかなり引きずられる。だとすれば、現場で本当に効く力は「うまい呪文を打つ力」ではなく、自分の仕事の文脈を、AIが使える形に整理して渡せる力のほうだ、と僕は見ている。これを僕は「コンテキストコントロール力」と呼んでいる。デモで伸びていたのは、まさにこの力が高い人たちだった──というのは、あくまで僕の主観的な観察だ。

じゃあ僕らは何を鍛えればいいのか

ここまでを踏まえて、僕が今いちばん人に勧めたいのは、最新モデルの追っかけでも、プロンプト集の暗記でもない。自分の仕事を「AIに渡せる文脈」として言語化し直す練習だ。

• この業務の判断は、何を見て、どんな基準で決めているのか。
• その基準は、どこかに書かれているか。書かれていないなら、まず書き出せるか。
• AIに任せるとして、何を読ませれば自分と同じ判断に近づくのか。

これは実のところ、AIが来る前から「仕事をうまく人に引き継げる人」がやっていたことに近い。新しい超能力というより、前から価値のあった“暗黙知の言語化”が、AIによって一気に換金されやすくなった、という仮説だ。もちろんこれは予測を含む私見で、外れる可能性はある。それでも、賭けるならこちらに賭ける。

結論

AIの効果は「今の作業が何割速くなるか」ではなく「仕事の前提がどう書き換わるか」で見たほうがよく、そこで本当に効くのは巧みなプロンプトより、自分の仕事の文脈をAIに渡せる形へ言語化する力だ──というのが、現場で見た一例から僕がいま立てている仮説だ。