序章: なぜ「AI社員」なのか
AIはツールではなく「育てる対象」
私はAIをかなり使い込んでいる方だと思います。
メールの下書き、講演資料のリサーチ、議事録の要約、記事の構成案。1日の仕事の中でAIに触れない時間の方が短いくらいです。IT企業を経営しながら大学でネットワークやセキュリティの講義を持ち、企業向けにAI活用の講演や研修を累計300回以上行ってきました。「AIをどう使うか」を人に教える側の人間です。
おかげで自分の生産性は確実に上がりました。
ところが、ある日ふと気づいたのです。自分の会社の社員を見ると、私と同じくらいAIを使えている人がいない。そして講演先の企業で聞く話も、まったく同じでした。
「AIを導入したけれど、一部の人しか使っていない」
「最初は盛り上がったのに、気づいたら元のやり方に戻っている」
「使っているのは社長だけ。社員は触っていない」
どの会社でも、同じことが起きていました。
なぜ、社員はAIを使わないのか
最初は「忙しくて勉強する時間がないからだ」と思っていました。業務に追われて、新しいツールを学ぶ余裕がない。それはそうかもしれません。
でも、よく観察してみると、それだけではなかった。
圧倒的に、触っている時間が短いのです。
私自身は暇さえあればAIに何かを投げています。通勤中にスマホから音声メモをAIに送り、会議の前にAIと壁打ちし、資料を作るときもまずAIに構成案を出させる。朝から晩まで触っているから使い方が身についただけで、特別な才能があるわけではありません。
そう考えると、社員が使えていないのは能力の問題ではなく、接触時間の問題です。そして接触時間が短い原因をたどると、もう一つの壁が見えてきました。
「業務によって色々なツールを使い分けてください」
研修でこう説明していた自分に気づいたのです。メールにはこのAI、資料作成にはこのAI、データ分析にはこのAI。正しいことを言っているつもりでしたが、受け取る側にとっては抽象的で、何から手をつければいいか分からない。これでは止まって当然です。
タスクが増えすぎて管理アプリを自作した
実は私自身も、AI活用が進むにつれて別の問題を抱えていました。
AIのおかげで処理できる仕事が増えた分、タスクもどんどん増えていったのです。打ち合わせのメモ、思いついたアイデア、調べたいこと、誰かに共有したいこと。全部が頭の中に散らばって、どこから手をつけていいか分からなくなる。
心理学の研究では、人間が一度に処理できる情報は7±2個が限界とされています（ミラー（Miller）, 1956）。経営者のように複数のプロジェクトを並走させていれば、あっという間にこの上限を超えます。
もともと私はChatWork（チャットワーク）でタスク管理をしていました。チャットの中でタスクを立てられるので、最初はこれが最高だと思っていたのです。ところがAIを使い始めてタスクの量が一気に増えると、タスクから派生するタスクも次々に生まれて、管理が追いつかなくなりました。
そこで、自分でタスク管理アプリを作りました。タスクをツリー構造で階層化して、視覚的に見やすくするアプリです。
構造的にはある程度整理できました。でも気づいたのです。タスクが見やすくなっても、タスク自体は減らない。 整理と解決は違いました。
これは私の社員が抱えている問題と、まったく同じ構造でした。
AIからタスクを操作できたら楽なのでは
次に考えたのは、自作したタスク管理ツールとAIを連携させることでした。MCP（Model Context Protocol：AIと外部サービスをつなぐ規格）という仕組みを使えば、AIで作業しているときにそのままタスクの追加や削除ができるようになります。わざわざChatWorkを開かなくて済む。
技術的にはうまくいきました。でも、根本的な問題は解決しなかった。
ツールを切り替えること自体が面倒なのです。
タスク管理の切り替えは1つ減りました。でも日常の仕事を見渡すと、Excel（エクセル）、PowerPoint（パワーポイント）、Word（ワード）、テキストエディタ、ブラウザには複数のSaaS（Software as a Service：インターネット経由で使うソフトウェア）ツールがタブに並び、フォルダもいくつも開いていて、さらにAIも気に入ったものを並行して使ったり、同じ質問を複数のAIに投げたりしている。画面にはアプリが山のように並び、頭の中がゴチャゴチャになる。ツールを切り替えること自体が面倒なのです。そして面倒なものは、忙しい現場では使われなくなる。
これは私の経験だけの話ではありません。イノベーション普及の研究者ロジャーズ（Rogers）が1962年に発表した理論では、新しい技術が普及しない要因の一つに「複雑さの認知」を挙げています。使い方を覚えるのが面倒だと感じた時点で、多くの人は手を止める。60年以上前から確認されていることが、AIの現場でもそのまま起きていたのです。
経営者にとって本当に必要なのは、きれいに整理されたタスクリストだけではなく「考えなくても回る仕組み」です。
1つの入口からすべてを動かす
ここで発想を変えました。
人間がツールを切り替えるのが面倒なら、AIエージェント（自律的に判断して動くAI）を1つ用意して、そいつに全部やってもらえばいいのではないか。
ちょうどその頃、ある動画で「AIに仕事を任せる仮想会社を作る」というアイデアに出会いました。ファイルの読み書き、Web検索、外部サービスとの連携を1つの対話画面からすべて行えるAIエージェントの存在を知り、「これならできるかもしれない」と思いました。
深く考えるより先に、まずやってみました。
AI秘書を作り、タスク管理を任せました。マーケティング担当を作り、記事の執筆を任せました。法務担当を作り、契約書のチェックを任せました。1つの入口から話しかけるだけで、AIが判断して適切な「部署」に仕事を振り分ける。仮想的な会社組織です。
5日で14の部署が動き始めました。これが「CC Company（シーシーカンパニー）」の始まりです。
動いた初日から問題だらけだった
ただし、「動いた」と「使える」は全然違いました。
AIに記事を書かせたら、もっともらしいが中身のない文章が出てきました。スライドを作らせたら、デザインが壊滅的でした。昨日教えたことを今日のAIは覚えていませんでした。品質チェックを飛ばして「完了しました」と報告してきたこともあります。
正直に言えば、最初の成果物は使い物になりませんでした。
でも、ここで諦めなかった理由があります。これらの問題は、人間の新入社員でも起きることだと気づいたからです。
新入社員も、長い指示を忘れます。手順を飛ばします。品質にバラつきがあります。それを解決するために、会社にはマニュアルがあり、チェックリストがあり、品質基準があり、上司の確認があります。
AIにも同じ仕組みを入れればいい。
合格基準を先に決める。合格するまでやり直させる。すべてを文書化して忘却を防ぐ。品質チェックのログがなければチェックしていないとみなす。
すべて失敗から生まれたルールです。そして面白いことに、これらは「AI固有」のルールではありませんでした。人間の組織運営でも当たり前にやるべきこと。つまり、AI社員を育てる過程で再発見されたのは、「仕事の基本」そのものでした。
AI社員を育てたら、自分の仕事が言語化された
もう一つ、想定していなかった副産物がありました。
AI社員に仕事を教えようとすると、まず自分の仕事を説明しなければなりません。でも、いざ説明しようとすると「自分の仕事を、うまく言葉にできない」という壁にぶつかります。
たとえば、営業メールの書き方。何も考えずに書けていたのに、AIに「営業メールを書いて」と頼んだら、どこか違うものが返ってくる。そこで初めて、自分が無意識にやっていたことに気づきます。相手の業界ニュースを必ずチェックしてから書き始めていたこと。提案は3つ以内に絞っていたこと。「ご多忙のところ恐れ入りますが」ではなく具体的な次のアクションで締めていたこと。
これらは長年の経験で身についた「暗黙知（あんもくち）」、つまり言葉にしていないノウハウです。AI社員に教えるために言語化すると、それはそのまま業務マニュアルになり、新入社員の研修資料になり、品質管理の基準になります。
AI社員を育てることは、自分の仕事を見直すことであり、組織の知的資産を構築することなのです。この「副産物」こそが、実はAI活用の最大のリターンかもしれません。
この本の読み方
本書は、CC Companyの試行錯誤を体系化したものです。17の章で、AI社員の育て方を順番に追いかけていきます。
第1章では「まず目的を決める」ところから始めます。目的が曖昧だとAIの出力もぼやける。これは最初に学んだ教訓です。そこから仕事の分解、弱点の理解、育成マニュアルの書き方、合格基準の設定と進み、最終的には複数のAI社員が連携して自律的に動く組織を作るところまでたどり着きます。
各章には、ITに詳しくない社員・川島さん（仮名・事務職・42歳）の実践が登場します。川島さんは「ChatGPT（チャットジーピーティー）でメール文章を作るくらい」のレベルからスタートしました。技術者でなくても、手順さえ分かれば始められる。川島さんの体験が、その証拠です。
理論だけの本ではありません。実際に動いている仕組みの裏側を、失敗も含めてすべてお見せします。
ひとつだけ、大きな全体像をお伝えしておきます。テクノロジーはいつも同じことをしてきました。コストを下げることです。蒸気機関は移動コストを、印刷機は情報複製コストを、インターネットは情報流通コストを下げました。そしてAIは今、「思考コスト」を下げようとしています。なぜ「育てる」ことにこだわるのか。その答えはこの歴史的な文脈の中にあります。詳しくはあとがきで改めてお話しします。
※ 本書の読み方やAI活用レベル診断については、付録A: はじめに読むガイドをご覧ください。
では、第1章に進みましょう。