連載『AIエージェントがいる3年後』第2章

1人で100人分働ける時代、会社は何人必要になるのか

人数が減るより先に、「会社」という仕組みの単位が変わる

※本稿は2026年7月時点の技術、企業導入、労働市場の動向をもとにした未来分析である。「一人が文字どおり100人分の成果を出せる」と断言するものではない。AIによって、人間の人数と企業が動かせる仕事量の関係がどう変わるかを考える。

2029年。

ある会社の経営者が、投資家から社員数を聞かれる。

「正社員は12人です」

経営者はそう答えたあと、少し考えて言い直す。

「ただ、毎日動いているAIエージェントは186体あります」

市場調査を続けるエージェント。
競合の価格を監視するエージェント。
顧客の問い合わせを分類するエージェント。
営業資料を顧客ごとに作り直すエージェント。
コードを書き、テストし、異常を報告するエージェント。
経費を照合し、契約更新日を知らせるエージェント。

人間は、それぞれのエージェントへ目的と権限を与え、結果を確認する。

新しい製品を出すときも、会社はすぐに人を採用しない。

既存のエージェントを複製し、対象市場の情報へ接続し、使えるツールと予算の上限を設定する。

顧客との重要な交渉、最終的な製品判断、採用、契約、危機対応は人間が担う。

しかし、その判断へたどり着くまでに必要な調査、作成、比較、連絡、記録の多くは、AIが進めている。

この会社は、12人の会社なのだろうか。

それとも、200人規模の仕事を動かしている会社なのだろうか。

AIエージェント時代には、社員数を聞くだけでは、企業の大きさが分からなくなる。

会社の能力と、人間の人数の比例関係が崩れ始める。

これが、これから3年で起きる組織変化の中心だと思う。

「1人で100人分」は、文字どおりの倍率ではない

最初に、タイトルへ自分でブレーキをかけておきたい。

現時点で、一人の人間がAIを使えば、どんな仕事でも100人分の成果を出せるという証拠はない。

仕事によって差は大きい。

文章や画像を大量に作る仕事では、何十倍もの速度差が出ることがある。
一方、顧客との信頼構築、医療、介護、建設、現場作業、複雑な経営判断では、単純な倍率で比較できない。

AIを使えば、必ずチームが不要になるわけでもない。

P&Gの従業員を対象に行われた製品開発の実験では、AIを使った個人が、AIを使わない二人組のチームと同程度の品質の提案を生み出した。また、AIを利用した個人は作業時間を16.4％、AIを利用したチームは12.7％短縮した。

さらに、AIを使うことで、研究開発部門と営業部門の参加者が、それぞれ自分の専門領域に偏らず、より両方の視点を含む提案を作るようになった。

これは重要な結果だ。

ただし、この実験は、明確に設定された製品企画課題について行われたものである。

一人とAIが、あらゆる状況で二人以上のチームへ置き換わることを証明したわけではない。

ましてや、100人分を証明した研究でもない。

それでも、この結果は、仕事の基本単位が変わり始めていることを示している。

これまでの仕事の単位は、基本的に「一人」だった。

一人の営業。
一人のデザイナー。
一人のエンジニア。
一人のマーケター。

これからの単位は、

一人の人間と、その人が指揮する複数のAI

になる。

「一人で100人分」という言葉の本当の意味は、一人が100人分の知識と人格を持つことではない。

一人が、これまでなら多くの人へ依頼しなければ動かせなかった仕事を、同時並行で動かせるようになること

だと思う。

AIを使う企業は増えた。しかし、会社の形はまだ変わっていない

2025年には、調査対象となった企業の88％が何らかの形でAIを利用し、70％が少なくとも一つの業務機能で生成AIを利用していた。

一方、AIエージェントを実際の業務へ展開している企業は、ほぼすべての業務領域でまだ一桁台だった。

現在、多くの企業が行っているのは、既存の社員へAIツールを配ることだ。

営業へ文章生成AIを渡す。
エンジニアへコーディングAIを渡す。
マーケターへ画像生成AIを渡す。
社員全員へ社内チャットAIを渡す。

これは、個人の生産性を上げる。

しかし、個人が速くなっただけでは、会社の構造までは変わらない。

66社、7,137人の知識労働者を対象とした実験では、生成AIを利用した人のうち、実際にツールを使った人は、メールへ使う時間を週に約2時間減らし、勤務時間外の作業も減らした。

一方で、個人へAIツールを提供しただけでは、仕事の量や業務構成に明確な変化は確認されなかった。

これは、かなり象徴的だ。

AIによってメール作成が速くなっても、そのメールが必要になった原因は残っている。

会議の議事録をAIが作っても、会議の数は減らない。
資料をAIが作っても、承認者が増えたままなら意思決定は速くならない。
コードをAIが書いても、要件が曖昧なら作り直しが増える。
報告書をAIが要約しても、その報告書を読む人が誰もいなければ価値は生まれない。

古い会社の仕組みにAIを追加しただけでは、

同じ会社が、少し速く動く

ところで止まる。

会社そのものが変わるのは、AIがいることを前提に、仕事の流れ、権限、役割、評価を作り直したときだ。

本当に変わるのは、作業ではなく「仕事のつながり」

会社の仕事は、一つひとつのタスクが独立して存在しているわけではない。

市場を調べる。
企画を作る。
上司が承認する。
デザインする。
開発する。
法務が確認する。
営業へ共有する。
顧客へ届ける。
結果を分析する。

一つの成果が出るまでに、複数の人と部署をまたいで仕事がつながっている。

従来のAI導入では、この中の一つだけを速くしようとしてきた。

資料を作る時間を半分にする。
コードを書く時間を減らす。
問い合わせへの返答を速くする。

しかし、資料作成が速くなっても、承認待ちに3日かかれば、会社全体はそれほど速くならない。

コードが一瞬で書けても、要件確認、テスト、セキュリティ審査、リリース判断が別々の部署に分断されていれば、製品はすぐには出ない。

AIエージェントの本当の価値は、一つのタスクを極端に速くすることだけではない。

タスクとタスクの間をつなぎ、人間同士の引き継ぎや待ち時間を減らすこと

にある。

MIT Sloan Management Reviewでも、AIによる大きな生産性向上は、孤立した作業単位ではなく、相互に依存する一連のワークフローを再設計したときに生まれると指摘されている。

AIが各作業で人間より優れていなくても、複数の作業を連続して実行し、引き継ぎや調整のコストを減らせるなら、仕事全体を速くできる。一方で、工程の中にAIが対応できない一つの難しい作業が残るだけで、全体の自動化が止まることもある。

つまり、組織の変化は、

誰の作業をAIへ置き換えるか

ではなく、

この仕事は、そもそも何人、何部署を経由する必要があるのか

という問いから始まる。

会社は、人を集める場所から「能力を編成する場所」へ変わる

これまで会社を大きくするには、人を増やす必要があった。

営業を増やす。
マーケターを増やす。
エンジニアを増やす。
管理職を増やす。
経理や人事を増やす。

事業が成長すれば、それに比例して社員数も増えていく。

しかしAIエージェントは、少なくともデジタル業務において、この比例関係を弱める。

新しい市場を調査するために、必ずしも調査担当者を採用する必要はない。
新しい言語で商品を販売するために、最初から各国へチームを置く必要もない。
問い合わせ量が増えたからといって、同じ割合でカスタマーサポートを増やさなくてもよい。

必要な能力を、採用ではなく、エージェントの設定、接続、複製によって増やせるようになる。

すると、会社の役割が変わる。

人を集め、役職を与え、仕事を分担する場所から、

人間、AI、データ、外部専門家を、目的に合わせて編成する場所

へ変わっていく。

この変化が進むと、企業の能力は、社員数だけでは測れなくなる。

同じ20人の会社でも、

全員が手作業で働いている会社
一人ひとりが複数のAIを使っている会社
仕事の流れ全体がエージェント化されている会社
自社データが整理され、AIが安全にアクセスできる会社
AIを導入したが、すべて人間の承認待ちになる会社

では、動かせる仕事量が大きく異なる。

社員数は、企業規模の一つの数字ではあり続ける。

しかし、企業の実行能力を示す数字ではなくなる。

人数が減るとは限らない。仕事の範囲が広がる可能性もある

AIによって一人の生産性が上がれば、会社は人を減らす。

一見すると、自然な結論に見える。

実際、2025年の企業調査では、約3分の1の企業が、AIによって今後1年間に人員を減らすと予想していた。一方で、半数近くは雇用人数にほとんど変化がないと予想している。

AIが生み出す余剰の使い方は、一つではない。

AIによって生まれた余剰	会社に起きること
同じ売上を少人数で維持する	人員が減る
同じ人数で商品数を増やす	事業範囲が広がる
同じ人数で顧客対応を厚くする	サービス品質が上がる
新しい市場へ進出する	売上と事業が拡大する
労働時間を短くする	人数は同じで、働く時間が減る
人材育成や研究へ振り向ける	短期生産性より将来能力が上がる
余剰を利益として残す	株主や経営者への還元が増える

市場が成長している企業であれば、AIによって人を減らすより、これまで採算が合わなかった顧客や商品を扱う可能性もある。

一人の営業が、10社ではなく100社を相手にできるようになれば、営業を10分の1に減らすこともできる。

同時に、これまで接点を持てなかった90社へ営業を広げることもできる。

一人のクリエイターが、一つではなく20種類の広告案を作れるなら、制作人数を減らすこともできる。

あるいは、顧客や地域ごとに表現を変え、これまでより多様な広告を展開することもできる。

つまり、AIによって必要人数が減るかどうかは、AIの能力だけでは決まらない。

会社が、余った能力を削減に使うか、拡張に使うか

で決まる。

小さなチームが、大企業のような機能を持つ

AIエージェントによって最も大きな変化を受けるのは、必ずしも大企業ではない。

これまで、小さな会社や個人事業では、専門人材をすべて雇うことが難しかった。

法務。
経理。
マーケティング。
デザイン。
データ分析。
広報。
顧客対応。
システム開発。

一つひとつは必要でも、それぞれ一人をフルタイムで雇うほど仕事があるとは限らない。

そのため、小さな会社では、経営者が複数の役割を兼務するか、高い費用を払って外部へ依頼する必要があった。

AIエージェントは、この固定費を下げる。

契約書の論点を整理する。
請求書を確認する。
広告案を作る。
顧客データを分析する。
新しい市場を調べる。
多言語で情報を発信する。

最終判断や専門家の確認は人間に残るとしても、その手前の仕事を小さなチームで回せる。

OECDの調査では、生成AIを利用しており、直近で人材不足を経験した中小企業の39％が、生成AIによって技能不足を補えたと回答している。

一方、AI導入率には企業規模による大きな差があり、2024年には従業員250人以上の企業の約40％がAIを利用していたのに対し、50〜249人では20.4％、10〜49人では11.9％だった。

つまり、小さな会社には大きな機会がある。

しかし、現在のところ、その機会を先に使っているのは大企業だ。

小さな会社がAIによって大企業の機能を持つ未来と、AIを導入できる大企業がさらに差を広げる未来。

どちらもあり得る。

会社の最小単位は一人になる。しかし、組織の最小単位は一人ではなくなる

AIエージェントによって、一人会社はさらに強くなる。

一人の経営者が、

市場調査エージェント
営業支援エージェント
コンテンツ制作エージェント
顧客対応エージェント
開発エージェント
経理支援エージェント

を動かし、必要な場面だけ人間の専門家へ依頼する。

従来なら、会社を作った後にチームを採用しなければ進められなかった事業を、一人で検証できる。

ただし、これは一人ですべてできるという意味ではない。

むしろ、一人の周囲に、AI、外部専門家、顧客、パートナーがつながる。

だから、

会社の最小単位は一人になるかもしれない。
しかし、組織の最小単位は一人ではなくなる。

人間一人と複数のAI。
必要に応じて参加する専門家。
接続されたデータ。
権限とルール。

この組み合わせが、一つの組織になる。

これまでの会社は、人間を箱の中へ集めることで成立していた。

これからの会社は、目的に応じて能力を一時的に束ねることで成立する。

部署はなくならなくても、仕事は部署を飛び越える

従来の会社では、人間を専門別にまとめることに合理性があった。

営業部。
マーケティング部。
開発部。
人事部。
経理部。

同じ技能を持つ人を集めることで、教育しやすくなり、品質も管理しやすくなる。

ただし、顧客へ一つの価値を届けるには、複数の部署をまたぐ必要がある。

そのたびに、会議、資料、申請、承認、引き継ぎが発生する。

AIエージェントによって情報共有と作業実行のコストが下がると、組織は専門部署だけでなく、目的別の小さなチームへ寄っていく可能性がある。

たとえば、新製品を立ち上げる場合。

従来なら、

経営企画が市場を調べる
商品企画が企画書を作る
マーケティングが顧客を分析する
開発が試作品を作る
法務が確認する
営業が販売計画を作る
経営会議が承認する

という流れになる。

AIエージェントがいる会社では、

一人の事業責任者
一人の顧客・市場担当
一人の技術責任者
調査、分析、制作、テストを担う複数のAI
必要時に参加する法務や財務の専門家

という、小さな目的別チームで進められるかもしれない。

部署が完全になくなるとは限らない。

専門家を育て、品質を守るための母体として残る。

しかし、日々の仕事は部署を経由せず、目的の周囲に人とAIが集まる形が増える。

組織図は、誰がどの部署に所属しているかだけではなく、

誰がどの目的を持ち、どのエージェントへ、どの権限を与えているか

を示すものになる。

中間管理職は消えるのか

AIによって不要になる仕事として、中間管理職はよく挙げられる。

確かに、中間管理職が担当してきた仕事の一部は、AIと相性がいい。

メンバーの進捗を集める。
報告資料をまとめる。
会議の日程を調整する。
タスクを割り振る。
数字の異常を見つける。
上層部向けに情報を要約する。
承認が止まっている人へ連絡する。

これらは、エージェントが継続的に監視し、必要なときだけ人間へ知らせることができる。

過去の米国企業データを分析した研究では、AIへの投資が増えた企業ほど、教育水準や技術力の高い人材が増え、組織階層が平坦になる傾向が確認された。

具体的には、若手社員の比率が上がる一方、中間層や上位層の比率が下がる関連が見られた。ただし、これは生成AI普及前のデータを含む観察研究であり、AIが直接管理職を減らしたと証明するものではない。

これから減る可能性が高いのは、管理職そのものではない。

情報を上へ運び、指示を下へ運ぶだけの管理

だと思う。

一方で、別の管理は重要になる。

どの目的を優先するか
AIへどこまで権限を渡すか
何を品質基準とするか
どの異常で人間を呼ぶか
複数のエージェントが衝突したとき、何を優先するか
メンバーが成長できる仕事をどう残すか
顧客や社会への責任を誰が引き受けるか

これは、進捗管理ではない。

仕事のシステムを設計する管理だ。

Microsoftが2026年に行った調査では、個人のAI利用方法よりも、リーダーシップ、目標の明確さ、心理的安全性、業務再設計などの組織要因の方が、従業員が感じるAIの価値との関連が大きかった。

また、管理職自身がAI活用を示している組織では、従業員が報告するAIの価値、批判的思考、AIへの信頼が高かった。ただし、これらは自己申告に基づく関連であり、因果関係を直接証明するものではない。

AI時代に価値が上がる管理職は、人間を細かく監視する人ではない。

人間とAIが安全に動ける環境を設計し、判断と成長を支える人

になる。

上司の部下が、人間だけではなくなる

AIエージェントが会社へ入ると、マネジメントの対象も変わる。

これまでは、部下は人間だった。

これからは、一人の責任者が、

人間のメンバー
自分専用のAI
チーム共通のAI
他部署が管理するAI
外部サービスとして動くAI

を同時に扱うことになる。

AIは、人間のように疲れない。
同じ作業を何度でもできる。
複製できる。
24時間動ける。

一方で、曖昧な目的を勝手に補い、もっともらしく間違える。
与えられた評価指標だけを過剰に最適化する。
持っている権限によっては、一度の判断で大量の処理を実行する。

そのため、AIを管理するには、人間の部下とは異なる設計が必要になる。

人間のマネジメント	AIエージェントのマネジメント
動機や納得感を作る	目的と評価基準を明確にする
成長機会を与える	利用できるデータとツールを設定する
権限を段階的に渡す	操作ごとの権限上限を決める
進捗を確認する	行動ログと結果を監視する
困ったとき相談させる	停止・確認・エスカレーション条件を設定する
人事評価を行う	精度、コスト、失敗率、例外率を評価する

つまり、未来の管理職は、チームリーダーであると同時に、小さな組織システムの設計者になる。

人間の仕事は、作業から「例外」へ移る

AIエージェントが定型的な仕事を引き受けると、人間に残る仕事は、平均的な案件ではなくなる。

特別な事情がある顧客。
情報が不足している判断。
規則同士が衝突するケース。
大きな損失につながる決定。
感情や信頼が重要な場面。
前例のない問題。

つまり、人間の仕事は、日常的な作業から例外処理へ寄っていく。

これは、仕事が簡単になることを意味しない。

むしろ、人間が担当する一件あたりの難易度は上がる。

AIが90％の通常案件を処理すると、人間が見るのは残りの10％になる。

しかし、その10％は、AIが処理できなかったから残っている。

複雑で、曖昧で、責任が重い。

そのため、企業は人間の人数を減らせたとしても、人間へ求める能力と心理的負荷が上がる可能性がある。

全員が常に難しい案件だけを担当すれば、疲労も大きい。

新人が簡単な仕事から学ぶ機会も減る。

前章で扱った「仕事を覚える機会」の問題は、ここでもつながってくる。

会社は、単に人間を例外処理へ移せばよいのではない。

例外を判断できる人間をどう育て、判断が集中しすぎないようにするか

まで設計する必要がある。

AI時代のボトルネックは、人の手から別の場所へ移る

人が足りない会社では、これまで「作業できる人数」がボトルネックになっていた。

AIによって作業量を増やせると、別の制約が見えてくる。

これまでのボトルネック	AI導入後のボトルネック
作業する人の数	何を目指すかの明確さ
情報を集める時間	どの情報を信頼するか
初稿を作る能力	出力を評価する能力
専門家を採用する費用	AIへ渡す文脈とデータの質
タスクの処理速度	承認と責任の所在
人間同士の引き継ぎ	AI同士の連携と権限管理
制作できる案の数	どの案を選ぶか
労働時間	顧客の信頼、ブランド、社会的受容

AIは、案を大量に作れる。

しかし、どの案を選ぶべきかまでは、自動的には決められない。

AIは、顧客全員へ連絡できる。

しかし、顧客がその連絡を歓迎するとは限らない。

AIは、商品を大量に作れる。

しかし、市場が必要としていなければ意味がない。

AI時代には、作る能力が不足するより、作るべきものを決める能力が不足する。

AIによって、会議は減るのか

AIは、会議を要約できる。

日程を調整できる。
事前資料を作れる。
議論すべき論点を整理できる。
会議後のタスクを登録できる。

それでも、会社が何も変わらなければ、会議は減らない可能性がある。

資料を作る負担が減った結果、会議のための資料がさらに増える。
日程調整が簡単になった結果、会議がさらに設定される。
要約をAIが作るため、参加者が内容を十分に理解しないまま会議が増える。

AIは、組織の摩擦を減らす。

しかし、摩擦が減った分だけ、無駄な活動まで増やすことがある。

重要なのは、会議を速く準備することではない。

この会議は、そもそも人間同士で集まらなければ決められないのか。

を問うことだ。

情報共有だけなら、エージェント同士で同期できる。

進捗報告だけなら、必要な人へ必要な異常だけを知らせればよい。

人間が集まるべきなのは、

意見が衝突している
優先順位を決める必要がある
誰かの納得や信頼が必要である
責任を引き受ける判断がある
新しい意味や方向性を作る

といった場面になる。

AIによって、すべての会議がなくなるのではない。

人間が集まる意味を説明できない会議が、耐えられなくなる。

大企業は強くなるのか、小さな会社が勝つのか

AIエージェント時代には、「小さな会社の時代が来る」と言われる。

確かに、小さな会社には有利な点がある。

古いシステムが少ない。
承認者が少ない。
役割を柔軟に変えられる。
経営者がその場で判断できる。
最初からAI前提で仕事を設計できる。

一方、大企業には別の強みがある。

膨大な顧客データ。
長年の業務記録。
強いブランド。
販売網。
設備。
資本。
法務やセキュリティの専門家。
AIを大規模に導入する予算。

AIの性能が同じでも、アクセスできるデータと顧客接点が違えば、価値は変わる。

だから、未来は単純な「大企業対スタートアップ」ではない。

大企業が自社データと資本を生かし、業務まで作り直せれば非常に強い。

しかし、既存の部署、権限、評価制度を変えられなければ、AIを大量に導入しても、承認待ちの速い官僚組織になる。

小さな会社は素早く再設計できる。

しかし、信頼、データ、資金がなければ、試作品を作れても事業を拡大できない。

勝敗を分けるのは、会社の大きさだけではない。

既に持っている資産を、AIが使える形へ変換できるか。
そして、AIがいる前提で意思決定を作り直せるか。

だと思う。

日本では「人を減らすAI」より、「少人数でも維持するAI」になる可能性がある

日本では、AIエージェントの意味が、米国とは少し異なる可能性がある。

日本の多くの産業では、すでに人が余っているのではなく、人が足りない。

中小企業、物流、介護、建設、行政、地域交通、農業。

AIを導入しなければ、サービスを維持できない領域が増えていく。

そのため日本では、AIによって大量に人を減らすというより、

減り続ける人間の人数でも、事業や公共サービスを維持するためにAIを使う

場面が多くなると思う。

ただし、AIを最も必要としている中小企業ほど、導入が遅れている。

IPAの調査では、2024年度、従業員100人以下の日本企業の約8割が、生成AIを利用する予定がないと回答していた。

また、従業員100人以下の企業で、DX専門部署やプロジェクトチームを設置している割合は日本では約2割で、米国やドイツの約85％と大きな差があった。

これは危険な分岐だ。

大企業はAIによって一人あたりの生産性を上げる。
中小企業は人手不足のまま導入できない。
その結果、企業規模による生産性格差がさらに広がる。

一方、小さな企業でも、経営者自身が業務を理解し、少数のツールから導入できれば、大企業より速く仕事を作り直せる可能性もある。

日本にとって重要なのは、AIエージェントを高度なIT企業だけの仕組みにしないことだ。

中小企業でも、

顧客情報を整理する
見積もりや請求を自動化する
問い合わせを分類する
熟練者の知識を残す
海外へ情報発信する

といったところから使える環境を作れるか。

そこで、今後の企業間格差が決まる。

2029年、会社は4つの形に分岐する

AI導入の進み方と、組織を作り直せるかどうか。

さらに、生まれた余剰を何に使うか。

この組み合わせによって、会社は大きく四つの方向へ分かれると思う。

会社の未来	起きること	結果
小さな多国籍企業	少人数の人間が、多言語・多地域のエージェントを動かす	小さくても世界市場へ進出できる
拡張する既存企業	人数を大きく減らさず、商品、顧客、研究領域を広げる	売上と一人あたりの能力が伸びる
ボット付き官僚組織	古い業務や承認を残したまま、各所へAIを追加する	出力と確認作業だけが増え、意思決定は速くならない
空洞化した高効率企業	人員と育成を削り、少数の熟練者とAIへ依存する	短期利益は増えるが、事故、退職、環境変化に弱くなる

最も分かりやすく魅力的なのは、「小さな多国籍企業」だ。

数人のチームが、これまでなら何十人も必要だった事業を動かす。

実際、そうした会社は増えると思う。

ただし、社会全体への影響が最も大きいのは、二つ目の「拡張する既存企業」かもしれない。

多くの雇用を持つ会社が、人を単純に減らすのではなく、新しい商品、地域、顧客、研究へ余剰を振り向ければ、AIによる生産性向上と雇用を両立できる。

最も起きやすく、成果が出にくいのは「ボット付き官僚組織」だ。

全員にAIアカウントを配る。
各部署がそれぞれAIを導入する。
AIが作った成果物を、人間が何重にも確認する。
管理職は以前と同じ会議と報告を続ける。

AI利用量は増えている。

しかし、顧客へ価値が届く時間は変わらない。

最悪なのは、「空洞化した高効率企業」だ。

AIによって人を減らし、新人も採らず、熟練者数人が大量のエージェントを監督する。

平常時は非常に効率がいい。

しかし、一人の退職、AIの障害、規制変更、未知の事故によって、組織全体が止まる。

効率は高いが、回復力がない。

会社の強さは、最小の人数で動けることだけではない。

人や環境が変わっても、学習しながら動き続けられること

でもある。

社員数だけで会社を評価できなくなる

現在、企業を見るときには、社員数がよく使われる。

従業員数。
一人あたり売上。
一人あたり利益。
管理職比率。

AIエージェントが広がると、これらの数字だけでは実態が分かりにくくなる。

社員数を減らし、AIサービスへの支出を増やせば、一人あたり売上は上がる。

しかし、会社全体のコストが下がっているとは限らない。

AIの成果物が増えても、確認や修正が大量に発生していれば、本当の生産性は上がっていない。

必要になるのは、別の指標だ。

見るべき指標	分かること
顧客価値が届くまでの時間	会社全体が本当に速くなったか
人間による修正・再作業率	AIの成果がそのまま使えるか
例外・エスカレーション率	どこでAIが止まっているか
エージェントを含む総コスト	人件費以外も含めて効率化したか
意思決定に必要な人間時間	人間が判断へ集中できているか
事故・誤送信・ロールバック件数	速度の代わりに安全性を失っていないか
顧客満足と信頼	効率化が顧客価値につながったか
人材の成長と代替可能性	少数の熟練者へ依存していないか

AI時代の会社では、出力量より、人間がどこへ時間を使えるようになったかが重要になる。

作業時間が減ったのに、確認作業と会議が増えているなら、組織は変わっていない。

企業は、最初から「人を何人減らせるか」と問わない方がいい

AI導入を進めるとき、経営者が最初に聞きたくなるのは、

「何人分の工数を削減できるのか」

だと思う。

経営として当然の問いでもある。

しかし、この問いから始めると、既存業務の一部をAIへ置き換える発想になりやすい。

本当に必要なのは、

この仕事の目的は何か。
顧客へ価値が届くまで、どこで止まっているか。
人間にしかできない判断はどこか。
AIが止まったとき、誰が引き継ぐのか。

という問いだ。

AIエージェントを前提に会社を再設計するなら、少なくとも次の六つが必要になる。

設計項目	決めること
目的	何を成果とし、何を最適化しないか
人間の責任者	最終判断と結果を誰が引き受けるか
権限	AIが読めるデータ、実行できる操作、使える予算
停止条件	どの状況で自動実行を止め、人間へ確認するか
評価	精度、コスト、品質、例外、顧客価値をどう測るか
学習と継承	AIと人間が得た知識を、組織へどう残すか

AIへ仕事を任せるだけなら、導入はできる。

会社を強くするには、その周囲の責任と学習まで設計する必要がある。

確度が高いこと、まだ分からないこと

2029年までの会社と組織について、現時点の見立てを整理するとこうなる。

分類	予測
確度が高い	少人数のチームが、AIを使って従来より広い職能を扱うようになる
確度が高い	調査、資料作成、進捗把握、報告、基本実装など、部署間をつなぐ仕事がエージェント化する
確度が高い	社員数だけでは、企業の実行能力や生産性を測りにくくなる
確度が高い	管理職には、進捗管理より、目的、権限、品質、例外を設計する力が求められる
確度が高い	AIを既存業務へ追加するだけの企業と、業務全体を再設計する企業の差が広がる
変数が大きい	生産性向上が人員削減になるか、事業拡大や労働時間短縮になるか
変数が大きい	部署や管理階層がどこまで減るか。規制、企業文化、産業によって異なる
変数が大きい	小企業が大企業へ追いつくか、大企業がデータと資本でさらに優位になるか
期待したい未来	小さなチームが高い専門能力を持ち、働く時間を減らしながら新しい価値を生む
最悪の未来	短期効率を優先して人材と組織知を失い、少数の人間とAIへ過度に依存する

会社は何人必要になるのか

結局、会社は何人必要になるのか。

一つの数字では答えられない。

デジタルだけで完結し、仕事が定型化され、失敗を元に戻せる事業であれば、人間の人数は大きく減らせる。

身体的な作業、深い信頼、法的責任、安全性、地域との関係が重要な事業では、人間が多く残る。

同じ業界でも、会社によって違う。

AIによって余剰を作り、人を減らす会社。
新しい顧客へ広げる会社。
労働時間を減らす会社。
研究や育成へ投資する会社。

技術は、複数の選択肢を作る。

どれを選ぶかは、経営の思想になる。

ただ、かなり高い確率で起きることが一つある。

会社ができる仕事の量と、社員数の関係は、今よりも大きく離れていく。

一人が100人そのものになるわけではない。

100人の経験、関係、責任、身体、意思を、一人の人間へ圧縮することはできない。

しかし、一人がこれまで100人へ分散していた調査、作成、連絡、整理、分析を、複数のAIへ同時に動かす未来は近づいている。

そのとき、会社の競争力を決めるのは、どれだけ少ない人間で動いているかではない。

少ない人間が、どれだけ大きな能力を安全に指揮し、その力を顧客と社会の価値へ変えられるか。

そして、AIが生んだ余剰を、人を減らすためだけに使うのか。

人間がより難しい仕事へ進むために使うのか。
働く時間を減らすために使うのか。
新しい市場や商品を作るために使うのか。

会社の未来を決めるのは、AIの数ではない。

増えた能力を、何のために使う会社なのか。

そこにある。

次章

AIで全員が豊かになるとは限らない

AIによって企業の生産性が上がり、少人数で大きな売上を作れるようになったとき、その利益は誰が受け取るのか。

商品の価格は下がるのか。
従業員の賃金は上がるのか。
労働時間は短くなるのか。
それとも、AI企業、株主、少数の経営者へ集中するのか。

次章では、AIによって生まれる富と、その分配について考える。

主な参考資料

Stanford Institute for Human-Centered AI, The 2026 AI Index Report: Economy.

Harvard Business School, The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise.

Dillon et al., Shifting Work Patterns with Generative AI.

MIT Sloan Management Review, Chaining Tasks, Redefining Work: What AI Means for Jobs and Organizations.

Microsoft, 2026 Work Trend Index.

OECD, Generative AI and the SME Workforce.

IPA「DX動向2025」。