小さな会社のAI導入は「仕事の渡し方」から設計する

シリコンバレー周辺で起きている変化は、もう「AIを使えるかどうか」という段階ではなくなりつつあります。

表面的には、AIコード生成、AI採用、AIによる業務効率化の話に見えます。ただ、実務で見るべき本質はそこではありません。重要なのは、人間がやっていた仕事を、どの単位でAIに渡し、どこで人間が確認するかという設計です。

これは大企業やスタートアップだけの話ではなく、日本の小さな会社にもそのまま関係します。むしろ人数が少ない会社ほど、最初に整えると効きます。

起きていること：AI利用ではなく、AI前提の仕事設計へ

Y Combinator周辺では、直近バッチの一部スタートアップで「コードの大部分をLLMが生成している」という話が出ています。Garry Tan氏は、Winter 2025バッチの25%でコード行の95%がLLM生成だと投稿しています。

この数字をそのまま「AIに全部任せればよい」と読むのは危険です。コードの行数は成果の質そのものではないからです。ただ、少なくとも「AIに書かせること」が例外的な実験ではなく、開発現場の初期設定に近づいていることは分かります。

採用や組織運営でも同じ流れがあります。Shopifyでは、増員を申請する前に「その仕事はAIではできない」と示すことを求める方針が報じられました。Coinbaseも、AI時代に合わせた組織再設計の文脈で人員削減が報じられています。

ここで重要なのは、人を減らすこと自体ではありません。採用・配置・業務分担の前提が、「まず人」から「まずAIでどこまでできるか」へ反転し始めていることです。

小さな会社にとっての本質は「ハーネスエンジニアリング」

最近、この領域では「ハーネスエンジニアリング」という言葉が使われ始めています。Martin Fowler氏の記事では、AIコーディングエージェントをうまく使うには、モデル単体ではなく、エージェントが動く環境、前提、ガイド、センサー、検証手順を整える必要があると説明されています。

簡単に言えば、ハーネスエンジニアリングとは、AIに対して「いい感じにやって」と投げるのではなく、次のようなものを先に組む仕事です。

• AIに見せる資料・ルール・過去事例を決める
• AIが触ってよい範囲と、触ってはいけない範囲を分ける
• 出力形式を固定する
• 人間が確認するポイントを先に決める
• 失敗したときに戻せるようにする

これはエンジニアだけの話ではありません。資料作成、問い合わせ対応、見積作成、議事録、社内ナレッジ検索、EC商品登録、求人原稿、営業メール、補助金資料にも同じ考え方が使えます。

AIに最初に渡すべき仕事

小さな会社で最初にAIへ渡すなら、私は「判断が重い仕事」より、前提資料があり、正解確認がしやすく、繰り返し発生する仕事から始めるのがよいと考えています。

具体的には、次のような仕事です。

• 会議メモから、決定事項・次アクション・担当者を抜き出す
• 問い合わせメールを分類し、返信案を作る
• 過去資料をもとに、提案書のたたき台を作る
• 商品情報を、EC掲載用の説明文に整える
• 社内のよくある質問に、根拠資料つきで回答する
• 毎週の進捗を、共有用の短い報告文にまとめる

このあたりは、AIが得意な「読む・分ける・要約する・型に入れる」が効きます。一方で、最終判断、価格、契約、法務、医療、金融、炎上リスクのある発信は、最初から自動化しすぎない方が安全です。

最初に作るべき「AIへの指示書」

GitHub上では、AGENTS.md や CLAUDE.md のように、AIエージェント向けの指示ファイルを置く流れが広がっています。これは開発現場の話に見えますが、考え方は一般業務にも転用できます。

たとえば、会社ごとに次のような「AIへの業務指示書」を作っておくと、AIの出力は安定しやすくなります。

• 会社の事業内容
• 顧客に使ってよい表現・避ける表現
• よく使う資料の場所
• 社内でのステータス定義
• 返信文のトーン
• 人間確認が必要な条件
• 秘密情報を扱うときの禁止事項

この指示書がないままAIを使うと、毎回説明が必要になります。逆に、指示書が整うと、AIは単なるチャット相手ではなく、会社の作業文脈を持った補助者に近づきます。

実務での始め方

最初から全社AI化を狙う必要はありません。むしろ失敗しやすいです。最初は、次の順番で十分です。

1. 毎週必ず発生する面倒な仕事を1つ選ぶ
2. その仕事に必要な資料・ルール・過去例を集める
3. AIへの指示書を1枚にまとめる
4. AIに下書きだけ作らせる
5. 人間が確認するチェック項目を固定する
6. うまくいったら、同じ型で次の仕事に広げる

ポイントは、「AIに何をさせるか」よりも、AIへ渡せる状態に仕事を整えることです。ここができる会社は、ツールが変わっても乗り換えられます。逆に、特定ツールの小技だけを覚えていると、数か月で陳腐化します。

よくある質問

小さな会社のAI導入は、何から始めるべきですか？

毎週発生していて、過去資料があり、人間が正解を確認しやすい仕事から始めるのが現実的です。会議メモ整理、問い合わせ分類、提案書のたたき台、商品説明文の整形あたりが候補になります。

AIに任せない方がよい仕事はありますか？

価格、契約、法務、医療、金融、炎上リスクのある発信は、最初から自動化しすぎない方が安全です。AIには下書きや整理まで任せ、最終判断は人間が見る形にします。

AI業務改善で最初に作るものは何ですか？

ツール一覧ではなく、AIへの業務指示書です。事業内容、使ってよい表現、資料の場所、確認が必要な条件、秘密情報の扱いを1枚にまとめるだけでも、出力のブレは減ります。

参照元

• Garry Tan氏の投稿：YC W25 batch におけるLLM生成コードの比率
• Shopify CEO tells employees to prove AI can’t do jobs before asking for more headcount
• Reuters: Coinbase to cut about 14% workforce
• Martin Fowler: Harness engineering for coding agent users
• AGENTS.md — a simple, open format for guiding coding agents

---

monobloのAI導入ガイド

この記事から次に読むなら、サイト全体のカテゴリを整理した 小さな会社のAI導入ガイド を見てください。AI導入、業務設計、AIツール、Web運用、EC運営の順番で読めるように整理しています。

• AI導入・業務改善
• 業務設計・ナレッジ管理
• AIツール・エージェント

小さな会社で最初に作るべきAI作業単位

小さな会社で最初に作るべきなのは、大きなAIシステムではなく「1つの作業依頼を、毎回同じ品質で渡せる型」です。たとえば、メール返信案、商談メモの要約、請求書の入金確認、記事の構成案などです。

作業単位を作るときは、次の4点だけを固定します。

• 入力：AIに渡す素材は何か
• 判断基準：何を良い結果とするか
• 禁止事項：勝手に判断してはいけない範囲はどこか
• 確認方法：人間が最後にどこを見るか

この型があると、AIの性能差よりも「仕事の渡し方」の差が成果に出ます。AI導入の入口としては、まず 経営者がAIにいきなり聞かない方がいいこと を整理し、そのうえで 社内ナレッジをAIが参照できる状態 にしていくのが現実的です。

テーマ別にさらに読む

AI導入を実務に落とすには、ツール選び、EC運営、社内ナレッジ、発信運用を分けて考えると整理しやすくなります。

• 小さな会社のAIツール選び
• EC運営にAIを入れる順番
• 社内ナレッジ管理をAIで使える形にする
• AIで発信を仕組み化する

• IPA「テキスト生成AIの導入・運用ガイドライン」
• 個人情報保護委員会「生成AIサービスの利用に関する注意喚起」
• OpenAI Prompt engineering guide

参考にした公式・一次情報

まず一つの業務だけを選び、AIに渡す情報、期待する出力、確認する担当者を固定します。うまくいったプロンプトよりも、失敗した出力と修正理由を残す方が次回の改善に効きます。これにより、AI活用が個人の勘ではなく、社内で再現できる業務手順に近づきます。

読者が明日試せる運用

• AIに向くのは、要約、たたき台、比較表、質問リスト、言い換え、抜け漏れ確認です。
• AIに丸投げしない方がいいのは、法務・税務・医療・採用・人事評価・価格決定・顧客への最終回答です。
• 出力が自然でも、根拠URL、日付、金額、契約条件、商品仕様は一次情報で確認する必要があります。

使い方を間違えやすい境界線

AI活用の記事は、ツール名やプロンプト例だけでは読者の仕事に残りません。実務で効くのは、AIに任せる範囲、人間が確認する範囲、入力してよい情報、社外に出してよい成果物を分けることです。特に顧客情報、未公開の売上、契約条件、個人情報を含む作業では、便利さよりも入力制限と確認手順を先に置く必要があります。

小さな会社のAI導入は「仕事の渡し方」から設計するで先に決めるべきこと

現実的には、AIには下書き、要約、比較、質問リスト、抜け漏れ確認を任せ、人間は事実、金額、日付、権利、契約、公開可否を確認します。この分担を明確にしておくと、AI活用が属人的な小技ではなく、社内で繰り返せる業務手順になります。

AIを業務に入れるときは、プロンプトの上手さだけでなく、入力してよい情報と出力後の確認者を決めることが重要です。顧客名、契約条件、未公開の売上、人事情報、個人情報をそのまま入れると、便利さよりリスクが大きくなる場面があります。

小さな会社のAI導入は「仕事の渡し方」から設計するを実務に落とすときの確認事項

AIを使う作業では、最初に「AIに任せる部分」と「人間が確認する部分」を分けるだけで事故が減ります。下書き、要約、比較、論点整理はAIに任せやすい一方、金額、日付、契約条件、顧客への最終回答、公開前の事実確認は人間が見る領域です。この境界線を記事内で明確にすると、読者が自分の業務に移し替えやすくなります。

小さな会社のAI導入は「仕事の渡し方」から設計するで失敗しないための確認

ここで見るべきなのは、きれいな理想論ではなく、明日から同じ判断を再現できるかどうかです。担当者が変わっても迷わないように、判断基準、保存場所、確認者、期限、例外時の扱いを一つのメモに残しておくと、ツールや担当者に依存しすぎない運用になります。

少人数会社では、AIを使う人だけが分かる運用にすると属人化します。プロンプト、参照資料、採用した判断、却下した案、最終版の保存場所を残しておけば、次回の作業が短くなり、担当者が変わっても同じ品質を再現しやすくなります。

AI活用で差が出るのは、出力そのものではなく、出力をどう検証するかです。日付、金額、固有名詞、仕様、契約条件、公開情報は必ず原資料に戻します。アイデア出しや下書きでは速さを取り、公開・送信・請求・契約に関わる部分では確認を厚くする、という切り分けが実務向きです。

小さな会社のAI導入は「仕事の渡し方」から設計するをAI任せで終わらせない確認手順

まとめ

AI活用の競争は、「便利なツールを知っているか」から、「仕事をAIへ渡せる形に分解できるか」へ移っています。

小さな会社にとっては、これは悪い話ではありません。人を増やす前に、業務の棚卸しとAIへの渡し方を整えれば、少人数でも回せる範囲が広がるからです。

最初にやるべきことは、大きなAI導入プロジェクトではありません。毎週発生している1つの仕事を選び、AIに見せる資料、守らせるルール、人間が確認するポイントを決めることです。

AIを使うかどうかではなく、どの仕事を、どんな前提で、どこまでAIへ渡すか。ここが次の差になります。