大手企業「牛馬」，AIを強制的に使用

この「AIで業務効率化する」という追い風は、それでも大手企業の会社員たちにまで吹きつけてきました。

最初は、AIはまだ少数の技術オタクや、いち早く試す人たちのおもちゃにすぎませんでした。自腹で会員になった人もいれば、こっそりプロンプトをやり取りする人もいました。それを新しい効率化ツールとしてとらえ、確かにそこから甘い恩恵を得た人もいました。

しかし今は状況が変わりました。国内外のインターネット大手企業は「AIの使用を後押しする」段階から、「AIを暗黙に強制的に使わせる」段階に入りました。誰かは毎日どれだけTokenを消費したかを集計され、誰かのチームではAIの使用状況と成果が結びつけられ、誰かは会社の自社開発ツールを優先して使うよう求められ、誰かは自分の仕事の経験をプロセスに分解し、Skillsとして書き起こして、AIに何度も呼び出させることを求められています。

「AIを使う」「Tokenを燃やす」が次第に、一種の評価、一式の要求、さらには新しい仕事のテンプレートになっていくとしたら——このスマート化の波に巻き込まれた大手企業の従業員たちの、実際のところの本当の現場はどうなっているのでしょうか？

この数日間、私たちは異なる会社・異なる職種の6人の従事者と話をしました。背景は、海外上場企業のCIO、国内トップ級大手企業の上級開発職、コードを書く初級プログラマー、運営やマーケティングの非技術職まで多岐にわたります。

AIで効率を2倍にして、プロダクト要求ドキュメントの出力サイクルを数週間から1日に、さらには1人で過去のチーム分の成果を出した人もいました。一方で、「スマート化されたアウトプット」の要求に対応するために、シンプルなデータダッシュボードを手作業で80回もデバッグし、AIを“尻拭いが必要な初級インターン”のように使い切ってしまった人もいます。

大手企業の職場の空気も微妙に変わっています。これまで個人の経験や仕事の習慣に属していたものが、少しずつ分解されて整理され、アップロードされて再利用されるにつれ、堅実にコードを書く人は「活動度の低いメンバー」になり、頻繁にプロンプトを調整する人は「新技術を積極的に受け入れる」典型になっていきます。新たな不安も同時に湧いてきました。私たちはAIを使っているのか、それともAIの燃料になっていて、1歩ずつ自分を“置き換え可能なプロセス”へ変えているのか？

この、上から下へ進むAI実験の中で、ワクワクする人もいれば疲れる人もいますし、協力しながらも不安を抱える人もいます。しかし、ほとんどの人が1つのことを理解しています。時代の歯車はすでに回り始めた。能動的に受け入れるにせよ受け身で合わせるにせよ、純粋に人力で長時間働いて回していた仕事の時代は、いま「ページがめくられて」います。

「AI成果」を提出するために、私はデータダッシュボードを80回直した

よくよく | 国内の某大手インターネット企業　運営

3週間前、リーダーがグループ内で通知を出しました。今後は「AIで業務効率化することを推奨する」。KPIはなく、評価と結びつけないが、例会では彼が皆に強調したのです。今後のすべての仕事のアウトプットは、AIにまず1版生成させてよい、と。

その瞬間に私は理解しました。これは実は暗黙の要求だということを。

20日ほど前、私たちは一斉に会社の自社開発AIツールの使用を求められました。理由は「データセキュリティ」ですが、問題はすぐに出てきました。

まずクォータ制限です。会社が各人に配る呼び出し回数には上限があります。私は一方で、できるだけAIで仕事を終わらせる方法を考えつつも、同時に“使いすぎないように”細かく節約しなければならず、神経を使っていました。

次に能力が安定しないことです。文章を書くのならまだ大丈夫ですが、データ分析や複雑なロジックが絡むと、途端にミスを出し始めます。

先週、私はそれでデータダッシュボードを作ったのですが、直後に自分が崩壊したような気分になりました。

このタスクはとても簡単です。顧客と販売データを分析するためのツールです。以前は技術部門の仕事でしたが、今は「誰もができる」必要があります。私は以前Geminiでスムーズに小さなゲームを書いたことがあり、データダッシュボードを組むのも大したことがないと思い込んでいました。

第1回目、AIはデータアップロード用のテンプレートをそのまま渡してきましたが、中には本当に使わない項目が7〜8個もありました。仕方なく手作業で削除・修正しました。

13回目の調整で、次元とデータはようやく揃いましたが、表示地域が3つ抜けていました。AIはそれで「自動で価値の低い地域をフィルタしている」と説明しました。

40回目の調整になると、データ形式がぐちゃぐちゃになりました。小数点の桁数はものによって0桁だったり4桁だったりします。

私は何とか60回目まで修正し続けましたが、その結果、新しいデータをアップロードすると、グラフが自動更新されません。古い数字と新しい数字が重なってしまい、データがほぼ1倍近く（約2倍）に膨らみました。

80回目の修正まで耐えた後、ようやくPDFエクスポートの最後のステップで成功しました。ようやく一息つけるはずだったのに、開いてみると心もまた死にました。午後一日をかけて得られたのは、文字化けの山でした。

私は細かく計算しました。データダッシュボードを作るにしても、日常の業務レポートを仕上げるにしても、私はAIを何度も調整し、「ガチャを引く」時間を待つ必要がありました。それは、人の手で2回分を終わらせるのに足る時間でした。でも上司が見たいのは「AIのアウトプット」なので、私はこの「AI初級社員」に付き添って、失敗と試行を繰り返さなければなりません。

私にとってAIは道具でもあり負担でもあります。たぶん半々です。確かに反復的な作業の一部は引き受けてくれますが、調整・検証・手直しにかかる時間が、節約できたはずの労力をまた埋めてしまいます。最もはっきりした実感は、たくさんの仕事は本当なら自分で最後までやり切れるのに、結局は一周回して、AIに“1回やらせる”必要があることです。

AIの使用回数を稼ぐために、

私はコードを削って、もう一度書き直させた

Kevin | 米国の某EC会社　エンジニア

今週のKiro（会社内部のAIプログラミングアシスタント）の使用回数が、まだ目標に達していません。埋め合わせるために、パラメータ検証のコードの一部を削除し、そのままKiroに改めて書き直させました。生成されたものは一応それっぽく見えましたが、例外分岐を1つ処理し損ねていて、最終的に自分で補い直さなければなりませんでした。

実は、私は以前からAIでコードを書くのをけっこう頻繁に使っていました。ChatGPT Plusを購読していて、その後Claudeも試しました。面倒な基礎テスト用のケースや、あまり使わないAPIを素早く調べる必要があるとき、AIに任せると確かにかなり手間を省けます。当時は、本当に効率化できると思っていましたし、みんなで互いにプロンプトを共有し合っていました。

でも去年末から、会社はKiroを会社の「推奨するAIネイティブ開発ツール」と位置づけ、指標も設定しました。年末までに、80%のエンジニアが毎週Kiroを使うことです。

当初は、プロジェクトの中で手軽にツールを使うためだと言っていましたが、すぐに社内で、従業員のAI使用頻度を追跡するシステムが稼働し始めました。誰が使っていて、誰があまり使っていないかは、バックエンドで見えるのです。

私たちを最も頭を悩ませるのは、Kiroがあまり使いやすくないことです。雛形コードを書く、テストする、インターフェースの適応をする——そこまではまだいけます。しかし、呼び出しチェーン、状態の処理、デプロイ制約などが絡むと、Kiroが生成するコードはしばしば半製品のままになってしまいます。だから多くのエンジニアはClaude Codeへの切り替えを求めています。Kiroは高い複雑度を伴うエンジニアリング上の判断には適さない、というわけです。

AIが生成したコードに不安があるのにも理由があります。去年末、あるチームがKiroを動かして起こした、かなり大きめの事故がありました。事故の後、AIが関与するコード変更の承認審査は明らかに厳しくなりました。

ただ、私はまだどこかぼんやりしています。基礎となるロジックを堅実に掘り下げ、コアコードを手作業で最適化する人たちは、追跡システム上で十分に活動的ではありません。むしろ、プロンプトを頻繁に調整する人たちが、「新技術を積極的に受け入れている」典型になっています。

私は最初、エンジニアの価値は、本当に複雑な問題に対処することだと思っていました。しかし今、多くの場合、私はプロンプトを書き、生成結果を見守り、AIが残した穴を埋める役割を担っています。私が最も心配しているのは、働き方が変わることそのものよりも、こうした状態が長く続けば、自分でゼロから実装し複雑な問題を切り分ける能力が、少しずつ退化していくことです。

全員がSkillsを書くことは、結局自分で自分を「倒す」

Kelly | 北京の某インターネット大手企業　バックエンド開発（職級シーケンス8）

バックエンドのプログラマーとして、私は去年からすでに仕事の中で高頻度にAIを使っています。使用頻度が高いのは、社内のノーコードプログラミングツールです。

今年の春節前後から、会社全体のAI活用の空気が突然とても攻めのものになりました。今では、すべての従業員がシステム上で自分が毎日どれだけTokenを消費したかを確認できます。私の直属の上司から最もよく言われるのは、「この件はAIで一回試してみて。」という一言です。

現時点で会社にはToken消費に関する明確な評価指標はありませんが、各部門にはそれぞれの評価基準があります。

私が所属する部門について言うと、最近は全員にSkillsを書くことを奨励し、日常の業務経験、業務フロー、技術的な細部、よくある問題を包括的に棚卸しして、ドキュメント化し、Skills化することを求めています。

Leaderが見るのは主に2つの指標です。会社内部の「龍虾」ツールを使って毎日消費したToken量。そしてSkillsの産出量です。後者については、部門としても非常に明確な評価指標があり、毎週強制的にアウトプットするよう求められています。

さらに、現在部門内の開発要件の**50%**が、強制的にAgentによって生成されています。つまり、プロダクト、開発、テストの工程が直接スキップされ、「龍虾」でエンドツーエンドのアウトプットを出すことが求められるのです。

この50%という割合は年のうちに段階的に引き上げられ、目標は2026年末までに全自動化の実現を狙う。

Token利用コストの面では、私たちの部門の技術シーケンスは現在Claude OpusのToken枠が足りており、社内ツールの強制使用はありません。ただし、多くの部門ではOpusの枠に限りがあり、超過分は自己負担で、社内ツールや自社モデルのTokenには制限がありません。

全面AI化の後、私の毎日の勤務時間はむしろ長くなりました。 業務量が増えたからではありません。皆がSkillsを競っていて、あなたも競わざるを得ないからです。

たとえば、うちの部門のチャットグループでは、夜の11時以降でも同僚が作ったSkillsを共有しています。時々、同じ部署の人が使いやすいSkillsを仕上げているのを見ると、私は非常に強い不安を感じます。

この不安は一方で、部門におけるSkills産出の評価に対する不安から来ています。もう一方で、AI Agentが日々、人の仕事を置き換えていくことが怖いのです。

実際には、AIは単一の問題を解決する場合、経験のあるバックエンド開発者より効率が高いとは限りません。Skillで書かれる単純なフローは不安定で、大量の労力をかけてデバッグや修正が必要です。またTokenの消費量も非常に大きいです。しかしSkillsがどんどん改良されて使い勝手がよくなってくると、AIは徐々に人間を追い越し、しかも非常に低いコストで稼働します。

サラリーマンとして、皆心のどこかで分かっています。会社が全員にSkillsを書くよう促す背景では、隠しながらも良いSkillsは絶対に作れません。ただ、自分のすべてのスキルと経験をSOP化し、Skills化してしまえば、実はAIに置き換えられるその日****もそう遠くないのです。

AIによる業務効率の向上は疑う余地がありません。効率が上がれば、それだけ人手が不要になるということでもあります。現在、会社の社内における人材流動の通路（内部の活き水チャンネル）はすでに止まっています。今後何が起こるのか、シリコンバレーのテック大手が答えを出しています。

「強制的にAIを使わされる」けれど、私はそれでチーム内トップに勝ち切った

陈宇 | 国内の某携帯メーカー　通信プロトコルエンジニア

最近半年、私たちの会社はAIで競っています。去年10月から、ツールの提供が始まり、利用枠の精算が認められ、そして「みんなが使うように」と後押しされてきました。私たちの部門を例にすると、各人のCursorには毎月一定の利用枠が求められます。使い切れないと「資源の浪費」と見なされ、アカウントが回収される可能性があります。 逆に、使う量は多いのに成果が追いついていなければ「濫用」と判断され、同様に注意されます。

だから、使わないのはダメ、使い方が悪いのもダメ。この流れの中でプレッシャーがあるのは当然です。すでに、AIを学ぶ時間をかけたくないうえに仕事の状態もあまり良くない人が、最適化の対象になっています。

私は「AIを使う」ということの理解が、多くの人とは少し違います。AIを濫用してTokenを大量に浪費するなら、いっそのことお金を払ってゲームを買って遊んだ方がいい。AIは、使えば使うほど良いものではなく、「使うべきところに使う」ものです。私は普段、週に1〜2日だけ時間を確保し、AIが自分の仕事にもっと適応してくれるよう、どうすれば効率よく働けるかを研究しています。

私の職務は通信プロトコルエンジニアで、コードを書くのは全体の一部にすぎません。より多くの時間は、ユーザーデータの処理やシステムログの分析などに使っています。以前、ユーザーのスマホがカクつくデータの問題を分析するとき、原因が明らかに通信事業者のネットワークにある場合でも、私たちが一つずつ原因を突き止める必要がありました。大量の労力が、無効な情報の選別に費やされていたのです。

今はAIが、まず関連のないノイズを素早く特定して取り除いてくれるので、本当に最適化が必要な場所に集中できます。**去年1年で、**私の全体的なアウトプットはかなり明確に向上し、評価もチーム内で上位に入っていました。

ただ、正直なところAIは、まだ人間を完全に置き換えられるほどではありません。ログ分析の正確率はせいぜい60%ほどで、必ず人が再確認する必要があります。AIの能力を上げるためには、ルールを書き続け、ロジックを最適化し続ける必要があります。だから、ここ半年は私の作業量が増えました。でも、その過程そのものが、「AIを教育し、人のために働かせる」作業になっています。

この2年で、会社が採用する人数が明らかに減ってきているのを私ははっきり感じています。背後にAIの影響があるのは間違いないと思います。周りの友人が転職を考えているとき、私は必ず彼らにAI関連能力をしっかり補強するよう勧めます。同じ技術水準でも、AIを使えるかどうかで、面接と給与の差がはっきり出る可能性があります。いまプラットフォームがあなたに学ばせているのは、職業上の競争力を前もって蓄えるためでもあります。

私はずっと、AIは人を置き換えるためにあるのではないと考えています。それは人と人の間の****新しい競争ツールにすぎません。

私たちは**解雇していませんが、効率は3〜5倍上げなければなりません

Ming Lu | オーストラリア　**某****上場企業CIO

CIOとして、私は会社の中で最も早い段階で「AIネイティブ」になった一人かもしれません。

会社が正式にAI戦略を確立する前から、私は高頻度でAIツールを使っていました。会社はMicrosoftと長期的に連携しているため、かなり早い段階でCopilotを導入し、その後CopilotとClaudeを社内の業務体系に統合しました。言い過ぎではなく、今では私のコア業務のほぼすべてがAIによって完了しており、効率は倍増しています。

しかし会社が社内でAIツールを推進し始めた初期は、うまくいきませんでした。

最初は、奨励型の戦略でした。すべての部門と従業員に、ほぼ無制限のCopilot利用権限とクォータを配りました。しかし効果はあまり目立たず、ソフトウェア開発やUX部門では抵抗もありました。

これらのチームはAIツールを嫌っているわけではなく、AIを補助的な作業に使うことも歓迎していました。たとえばコード断片を書いたり、デザイン草案を生成したりすることです。ですが、さらに踏み込んで、例えばAIに中核のSDLC（ソフトウェア開発ライフサイクル）のプロセスまで介入させることには、彼らはだいたい抵抗していました。こうした心構えは理解できます。人々はAIに手伝ってもらうことには賛成ですが、AIに主導されるのは嫌なのです。

しかし、会社の戦略の枠組みの中では、AIを単なる文法チェック担当として使うだけでは足りません。私たちが必要としているのは、プロセスの再構築です。

そこで今年の年初、私はCTOと共同で新しいAI戦略を策定しました。各部門に対して、4月末までにAIロードマップを提出させ、厳格な評価メカニズムも設定しました。各マネージャーは3つのAI提案（AI Initiatives）を提出し、各四半期ごとに実装状況に基づいて点数をつけます。さらに、私たちはTokenの使用量も監視し、AIの利用率を評価します。長期的に低い場合は、業績改善計画（PIP）に入る可能性があります。

調整後、効果はてきめんに現れました。

ソフトウェア開発の変化が最も目立っています。以前は、1つのプロダクト要求ドキュメント（PRD）を作るのに、プロダクトマネージャーと開発チームの間で複数ラウンドのコミュニケーションが必要で、期間は数週間、ひどいと一、二か月でした。今では、プロジェクトマネージャーが1日で出力できます。Markdownによる説明もあり、さらに画面のプロトタイプ図付きのPRDも添付されます。プロジェクト開始段階で最も時間を食っていた「もやもやの領域」が大幅に圧縮されました。

今では、私の仕事の重点も変わりました。私は毎日、多くの時間を各部門のマネージャーと会議に費やし、AIがどの工程に介入できるかを議論しています。その一方で、私自身もマルチエージェントのClaude環境を構築しました。まずは大量の時間をAIとブレインストーミングに費やし、解決策の分解度（どこまで細かくできるか）を詰めたうえで、最後にAIに実装させるのです。

AIのおかげで、私は「問題をいかにきちんと言語化するか」により多くの時間を使うようになりました。 要求ドキュメントが十分に固くない、商業ロジックがはっきりしていないと、AIの実行は完全にズレてしまいます。これもまた、私たちに商業ロジックの本質をもっと考えさせることになっています。

もちろん、効率向上の裏面は残酷でもあります。職位が減る可能性があることです。会社の取締役会は先にしばらくは解雇しないと決めていますが、各従業員には効率を3〜5倍に上げることを求めています。さらに、私たちはデータ分析、プログラム開発、財務分析の方向性における新人採用をすでに停止しています。これも、すべての会社が遅かれ早かれ経験することかもしれません。

私は自分がAIに支配されているとは感じていません。むしろ、今までにない操縦感を感じています。今、実際にプレッシャーを感じているのは、仕事の中身が高度に標準化されていて、AIに直接置き換えられやすい職種の人たちです。反対に、強い需要分析とトップレベルの企画・設計能力がある人たちは、むしろより歓迎されます。

AI導入後、私の仕事はむしろ****もっと忙しくなった

云天 | 国内の某トップ大手企業　上級開発

私は比較的早い段階で、自費でAIを使い始めた側です。毎月各種ツールへの支出が約500ドルで、GPTから各種の垂直系モデルまで、使いやすいものは年パックを買い、体験型のものはまず月パスで試します。

現時点で、うちの会社はToken利用量に関して強制の要求はありません。コンプライアンスが前提で、どれが使いやすいかは、チームが総合的に考えて、仕事に一番役立つものを選んで使います。私の現在の毎月のToken消費量は、およそ30〜40億程度です。

でも、それでも勤務時間は長くなっています。

理由はとてもシンプルです。AIを使うのは「AIに働かせる」だけではなく、先にシステムを組み立てる必要もあるからです。超高層ビルを建てるにはまず足場が必要なように、私たちは先に、一連のシステムを構築してAIの使用範囲を規定し、エラー率を下げなければなりません。さらに、AIが問題を起こした後にすぐに「尻拭い」をして、その影響範囲を把握する必要もあります。この仕事は、単にAIで効率化するよりはるかに煩雑で、仕事が2つ分あるようなものです。この新しい要件に適応するためにも、かなり時間を使っています。

市場で今広く見られる不安——「Token消費量をKPIに入れる」ことについては、私は別の考え方をしています。

私が接してきた上司や業務責任者の話からすると、誰一人AIに無関心な人はいません。皆、この追い風（チャンス）を逃すことが怖いのです。私が知っている2社のトップ大手企業では、従業員に「自社の大規模モデルしか使わせず、ClaudeやChatGPTなどの他のツールは使わせない」と求めています。

正直、なぜ一部の会社がToken消費量をKPIに入れたいのかは、私にはあまり理解できません。これは管理者の心智負担が最も軽い方法ですが、価値の核心を測れていないからです。

ただ、別の観点から言えば、「最低ライン（下限のしきい値）」を設けるのは合理的だと思います。もし今の環境下で、ある従業員がまったくTokenを使わず、絶対にAIを使わないとするなら、それ自体が、自分の業務フローを改造する意識が欠けていることを示しているからです。

AI導入後に大規模な減員や解雇が起きるかどうかについて、私は雇用市場全体がそもそも産業革命の法則に従っていると考えています。

大手企業の採用ロジックは、単に「何人働かせる必要があるか」を見るだけではありません。利益を支える見通しと人材戦略を見ます。AIを理解している人材を採用し、たとえ当面は使わないとしてもポジションを取りに行くのです。中小企業にとっては、AIが起業と開発のコストを下げることで、以前100人でやっていたことを今10人で済ませられるようになります。

私は非技術系の起業家を1人知っています。AIを使って、1人で半年の時間をかけ、ちゃんとしたToB向け教育システムを“叩き上げ”ました。これは過去なら少なくとも100人規模のチームが必要だったはずです。全社会の試行錯誤コストが下がっていくなら、短期的には必ず職務調整の痛みが出ます。しかし長期的には、市場全体の「ケーキ」は大きくなり、より多くの新しいチームや新しい機会が生まれます。

標準化され、反復性が強い職務が打撃を受けるのは必然です。ですが、深い思考、創意的な企画、リソースの統合が必要な職務は、むしろAIによってより好まれるようになります。時代の車輪は誰も待ちません。古い職務が淘汰されるのは必然ですが、新しい世界の扉も、ゆっくりと開かれつつあります。

この記事の出典：定焦One

リスク提示および免責条項

        市場にはリスクがあり、投資は慎重に行ってください。この記事は個人の投資助言を構成せず、特定のユーザーの特殊な投資目標、財務状況、または必要性を考慮していません。ユーザーは、この記事内のあらゆる意見、見解、結論が、自身の特定状況に合致するかどうかを検討してください。これに基づく投資は、自己責任となります。