「AIを導入したのに、思ったほど成果が出ない」という相談を受けることがあります。話を聞いていくと、決まって出てくる答えが「もっと性能のいいAIに乗り換えましょうか」です。でも実際に中身を見ていくと、性能の問題であるケースはごく一部です。

たとえば製造業の会社で、「AIに見積書のたたき台を作らせているのに、毎回一般的な文面しか出てこない」というケースを考えてみます。使っているモデル自体は最新のものだとします。ところが渡している指示が「見積書を作って」の一言だけなら、会社の商品構成も、過去の見積もりの型も、値引きの判断基準も伝わっていません。この状態では、モデルをどれだけ変えても結果は変わりません。

AI活用の成果は、4つの要素の足し算ではなく掛け算で決まると考えています。AI基本性能・指示力・コンテキスト・索引力。どれか1つでもゼロに近づけば、他の3つがどれだけ優れていても、成果全体がゼロに近づきます。

性能の伸びしろは、思っているより小さい

最新モデルへの乗り換えは、4つの要素の中でいちばん手を出しやすい選択肢です。「新しいモデルが出た」というニュースは目に入りやすく、契約プランを変えるだけで完結するからです。

ですが、渡す情報さえ整っていれば、1世代前のモデルでも十分実用に足る回答が返ってくることのほうが多いです。4つの要素の中で、AIの基本性能が結果に与える重みは、体感としてはいちばん小さいものです。不満の原因をモデル選びに求める前に、残り3つを疑ったほうが、たいてい早く解決します。

指示は「不要」になったのではなく「雑でも通る」ようになっただけ

数年前に一時期、プロンプトエンジニアリングという言葉が話題になりました。AI自体の推論力が上がったことで、多少雑な指示でも先回りして意図を汲んでくれるようになり、指示の重要性は当時より下がった実感はあります。

とはいえ「いい感じにまとめておいて」とだけ伝えて、期待とまったく違うものが返ってきた経験は今でもあります。良い情報を渡していても、指示が曖昧なままだと、その情報は十分に活かされません。指示は不要になったのではなく、最低限の輪郭を示すだけで足りるようになった、というのが実感に近い変化です。

コンテキストがなければ、答えは「どこかで聞いた話」になる

「集客のアイデアを出して」とだけ頼むと、「SNSで発信しましょう」「チラシを配りましょう」と、どこかで見たような一般論が並びます。自社のサービス内容、顧客層、過去にうまくいかなかった施策——こうした前提を渡してはじめて、答えは自社向けの具体案に変わります。

先ほどの見積書の例も同じ構造です。会社の商品構成や値引きの判断基準を渡した瞬間に、AIが出す文面は一般論から実務で使える初稿へと変わるはずです。基本性能の問題ではなく、渡す情報の問題だったわけです。

情報が増えるほど、探し出す力が必要になる

4つの中でいちばん重いのはコンテキストだと考えていますが、そのコンテキストが増えるほど必要になるのが、目的の情報を的確に探し出す「索引力」です。渡す資料が増えるほど、AIに全部を毎回読ませるのは非現実的になっていきます。

せっかく積み上げたコンテキストも、AIが探し出せなければ、存在しないのと同じです。情報を貯めることと、貯めた情報を必要なときに引き出せる状態にしておくことは、別の作業として意識しておく必要があります。

不満を感じたら、モデルより先に確かめること

AIの精度に不満があると、多くの人がまず考えるのは「もっと賢いモデルに乗り換える」ことです。ですがこれは4つのうち1つの要素にすぎません。指示力・コンテキスト・索引力がゼロに近いままなら、どれだけ高性能なモデルに変えても、成果はゼロに近いままです。

次にAIの回答に不満を感じたときは、モデルを変える前に、指示は曖昧になっていないか、必要な前提情報は渡せているか、渡した情報をAIが正しく引き出せているか——この3つを先に確かめてみてください。

この考え方の元になっているコラムは「AI活用の成果は、足し算ではなく掛け算」で詳しく書いています。4つの要素をどう仕組みに落とし込むかはAI活用マップで公開しています。

「最新モデルに乗り換えたのに、精度が変わらない」という相談を、よく受けます。話を聞くと、たいてい原因はモデルではありません。AI活用の成果は、複数の要素の足し算ではなく掛け算で決まるため、モデル以外のどこかがゼロに近いままだと、性能をいくら上げても結果は変わらないのです。

この記事では、その「掛け算」の考え方と、モデル選びより先に見直すべき場所を整理します。

AI活用の成果は、4つの掛け算で決まる

AIを使いこなせるかどうかは、次の4つの要素で決まります。AIそのものの基本性能、指示の出し方、会社ごとの前提情報(コンテキスト)、そして必要な情報を探し出す仕組み(索引力)です。

ポイントは、この4つが足し算ではなく掛け算の関係にあることです。どれか1つが0に近ければ、残り3つがどれだけ優れていても、成果全体は0に近づきます。逆に言えば、成果が出ないときに直すべきは、たいてい一番目立つ「AIの性能」ではありません。

「モデルを変える」が一番効きにくい理由

AIの回答に不満があると、多くの人がまず検討するのは、より高性能なモデルへの乗り換えです。感覚としては分かりやすい対処ですが、4つの要素のうち、基本性能が結果に与える影響は実はいちばん小さいことが多いです。

会社の前提情報が渡っていない、指示があいまい、必要な情報をAIが探し出せない——この3つがそろったままでは、どれだけ賢いモデルに変えても、出てくる答えは一般論の域を出ません。

たとえば、こんな例を考えてみます

契約書のチェック業務をAIに手伝わせたい、ある士業事務所を例に考えてみます。最初は精度に不満があり、より高性能な有償モデルに切り替えたとします。ところが、指摘してくる内容はほとんど変わらなかったとしたらどうでしょうか。

原因は、モデルではないかもしれません。事務所には、過去のトラブル事例から積み上げた「うちの事務所では、この条項は必ず赤字にする」という独自のチェック基準があったとします。長年のノウハウですが、それが所長の頭の中にあるだけで、AIには一度も渡されていなかったとしたら——これは十分に起こり得ることです。

その基準を書き出して読み込ませれば、モデルは元のままでも、指摘の質は変わるはずです。ゼロに近かったのはモデルの性能ではなく、コンテキストのほうだった、というわけです。

不満を感じたら、先に確かめる場所

AIの回答に物足りなさを感じたときは、モデルを変える前に、次の3つを確かめてみてください。

• 指示が具体的か。「いい感じに」で済ませていないか
• 会社・業務ならではの前提情報を渡しているか
• 渡した情報を、AIが必要なときに探し出せる状態になっているか

この3つがゼロに近いままだと、モデルをいくら上げても掛け算の答えは変わりません。もう少し詳しい考え方は、AI活用マップのコラムにまとめています。

コラム：AI活用の成果は、足し算ではなく掛け算
AI活用マップ：https://aixmap.jp

「AIに業務を任せたのに、なんだか物足りない」——最近、こういう相談が増えています。話を聞くと、たいてい原因は同じところにあります。AIに渡したのは「手順」だけで、「なぜその手順で判断するのか」が渡っていないのです。

手順を整理してAIに渡せば、作業は確かに速くなります。ところが運用を続けていると、経営者の感覚とはどこかずれた判断をエージェントがするようになる。技術的には間違っていないのに、現場に馴染まない。この記事では、その原因と対処法を整理します。

効率化した先で感じる、小さな違和感の正体

AI導入の相談で最初に出てくるのは、たいてい「この作業を自動化したい」という話です。見積もり作成、問い合わせ対応、日報の集計。手順さえ整理できれば、AIはその通りに動いてくれます。

問題は、その先です。想定していなかった例外が起きたとき、AIは手元にある手順の中から一番近いものを選んで実行します。人間なら「これはさすがに確認したほうがいい」と立ち止まる場面でも、AIは手順通りに進めてしまう。止まる基準そのものが、渡されていないからです。

AIが受け取れるのは「やり方」までで、「拠り所」は別物

手順（How）は、現場の担当者に聞けば言葉になります。毎日その作業をしているので、順番も判断のポイントも説明できるからです。

ところが「なぜその順番で判断するのか」「例外が起きたとき、うちの会社は何を優先するのか」という拠り所（Why）は、現場の担当者には答えられません。これは経営者の頭の中にしかない、会社独自の判断基準だからです。効率化のスキルと、この拠り所は、まったく別の作業として扱う必要があります。

たとえば、こんな場面を考えてみてください

製造業のある会社が、見積もり作成をAIに任せる取り組みを進めていたとします。過去の見積もりデータをもとに、標準的な価格を自動で提示する仕組みまでは、わりとすんなり組めたとします。

ところが、大口の取引先から値引き交渉が入った場面ではどうでしょうか。AIは「過去に似た条件で通した値引き幅」をそのまま適用してしまうかもしれません。もし会社に「大口案件の値引きは、最終的に社長が見る」という不文律があったのに、それがどのマニュアルにも書かれていなかったとしたら——現場の誰もが当たり前だと思っていることほど、言葉にされていないものです。

手順自体は正しく動いています。抜けているのは「どこまでは任せてよく、どこからは経営判断が必要か」という一線です。

実務では、渡し先を2つに分けて考える

この一線をAIに渡す方法は、それほど難しくありません。業務の手順はスキルやルールとして渡し、経営者の判断基準や会社独自の不文律は、別のメモとして残してAIに読ませる。渡す箱を分けるだけです。

大事なのは、この「拠り所」の部分は現場に聞いても出てこないということです。経営者自身か、それを聞き出せる立場の人が言葉にするしかありません。効率化のスキルを整えるタイミングで、この作業を後回しにしないことが、AIが「うちらしく」動くかどうかの分かれ目になります。

もう少し詳しい仕組みの話は、AI活用マップのコラムにまとめました。

コラム：スキルを渡しても、動かないエージェントがいる
AI活用マップ：https://aixmap.jp

「AIに任せていったら、うちの仕事は最後どこに残るんですか」。AI導入の相談で、社長から必ずと言っていいほど聞かれる質問です。

私の答えは決まっています。なくなるのは「作る」工程で、残るのは「届ける」工程です。宅配で言うところの、ラストワンマイルです。

荷物は海外の倉庫からでも、翌々日には最寄りの営業所まで着きます。そこから先、玄関のチャイムを押すまでの数キロは、いまだにドライバーが一軒ずつ回っている。輸送網が大きくなればなるほど、この最後の区間だけが重くなっていきました。AIの導入で会社に起きることも、これとよく似ています。

「作る」工程は、先にAIへ移っていく

見積書の文面、提案書の骨子、問い合わせへの返信案、議事録の整理。こうした「何かを形にする」仕事は、条件さえ渡せばAIが先に仕上げてきます。しかも、以前なら担当者が半日抱えていたものが、待ち時間の間に出てくる。

ここで大事なのは、AIが出してくるものが「完成品」ではなく「ほぼ完成品」だという点です。中身は整っているのに、そのまま相手に出すと妙に浮く。何が足りないかというと、その資料を受け取る相手の顔が、どこにも入っていないからです。

「届ける」工程は、その場でしか決まらない

私自身の例で言うと、セミナーの登壇がこれにあたります。スライドの構成も、話す原稿も、いまはAIが先に組んでくれます。それでも会場に立つと、決めていた順番どおりには進めません。

前の席で腕を組んでいる人がいれば、そこで一度、身近な失敗談を挟む。うなずきが増えたところで、用意していた事例を1つ飛ばして先に進む。終わってから名刺交換に来た人の一言で、次に会うときの話題が決まる。こうした判断は、その場の空気を見て初めてできることで、原稿にあらかじめ書き込んでおけるものではありません。

「事前に条件を細かく渡せばAIも対応できるのでは」と思うかもしれません。ただ、相手がその日どんな気分で、何を警戒しているかは、会うまで分かりません。分からないものは、渡しようがない。届ける工程が人に残るのは、能力の問題ではなく、情報が「その場」にしかないからです。

小さな会社ほど、ラストワンマイルで戦える

ここに、中小企業にとっての好材料があります。従業員が数人から数十人の会社では、社長や幹部が顧客と直接向き合っています。届ける工程を、いちばん判断できる人が自分でやっている。大きな会社が分業で失いがちな部分を、最初から持っているわけです。

だとすれば、やることは3つに絞れます。

• 「作る」仕事を書き出して、AIに渡す。文面・下書き・集計のように、形にする作業から順に手放す
• 空いた時間を、相手と向き合う場面に移す。訪問の回数、面談の長さ、電話の一本。ここが増えているかを見る
• 「最後に名前を出す人」を決めておく。AIが作ったものでも、外に出た瞬間から責任は会社のものになる。誰がそれを引き受けるかを曖昧にしない

AIが強くなるほど、作る工程の値段は下がります。逆に、届ける側の値打ちは上がる。そこで勝負できる体制を先に作っておくのが、小さな会社のAI活用だと考えています。

この話の元になったコラムは AI時代のラストワンマイルとは（AI活用マップ） にあります。人だから成り立つ3つのことを、もう少し掘り下げて書いています。

経営相談を受けていると、AI活用が進んだ会社ほど増えてくる質問があります。「担当者が入れ替わっても、AIに教えてきたことは引き継げますか」。答えは、そのAIサービスに標準搭載された記憶機能に頼っている限り「いいえ」です。

標準搭載のメモリは、便利さと引き換えに制約がある

ChatGPTやGemini、Claudeには、会話を重ねるほど内容を覚えていく機能が標準で備わっています。毎回の説明が省けるのは確かに助かります。ただし、この機能には見落とされがちな制約が2つあります。

ひとつは、蓄積の主導権がこちらにない点です。何を残し、何を消すかはAI側のアルゴリズムが決めていて、こちらから全体を見渡して手を入れる余地はほとんどありません。もうひとつは、書き込める量に上限がある点です。判断基準や案件の経緯を厚く積み上げようとしても、どこかで頭打ちになる設計になっています。

移行のときに、初めて重さに気づく

この制約が実際に効いてくるのは、AIサービスを乗り換えるタイミングです。標準メモリに積み上げた内容は、乗り換えた先には一切ついてきません。使っている間は快適なぶん、その事実に気づく機会もないまま時間だけが過ぎます。

各社が記憶機能の強化を競っている背景にも、無関係ではない事情があります。ユーザーの記憶を自社サービスの中に積み上げてもらうことは、乗り換えを遠ざける効果を持つからです。悪意という話ではなく、便利な機能の設計として、そういう性質を帯びやすいということです。

失うと困るのは、日々のやり取りではなく判断の軸

たとえば、採用面接で外せない基準や、値引き交渉でこれ以上は譲れないラインといった判断軸を、日々のAIとのやり取りの中だけに蓄積させているケースは珍しくありません。何年もかけて積み上がったその蓄積は、契約プランが変わったり、より使い勝手のいいAIに乗り換えたりした瞬間、手元に何も残らない状態で消えます。

失って困るのは、その日その日の細かいやり取りではありません。困るのは、時間をかけて積み上げてきた「うちの会社はこう判断する」という軸そのものです。

核になる記憶だけは、AIの外に置いておく

対策はシンプルです。日々の細かいやり取りは標準メモリに任せていい一方、判断基準や案件の経緯といった「長く使う記憶」だけは、テキストファイルとして自分の手元に書き出しておきます。ファイルであれば、使うAIが変わってもコピーして読み込ませるだけで引き継げます。

特別なツールや技術力は必要ありません。テキストファイルを1つ作り、そこに判断基準を書き足していくところから始められます。この線引きをしているかどうかが、数年後に会社の手元にどれだけの記憶が残っているかを分けます。

▶ AI活用マップ｜コラム：会社の記憶を、AIに預けきらない

内部メモリと外部メモリの技術的な整理は、AI活用マップで公開しています。

「AIで仕事がなくなるのか」。この問いを、過去の実例から考えてみます。

消えた仕事は、3つのパターンに分かれる

職業ごと消えたもの。 電話交換手は、かけ手と受け手を手作業でつなぐ職業でした。自動交換機の普及とともに減り続け、1979年に役目を終えます。ただし話には続きがあって、「電話で人が応対する」需要は消えず、受付や電話代行、コールセンターが生まれました。そのコールセンターが、いま音声AIに置き換わり始めています。

職業は残り、作業だけ消えたもの。 駅で切符を切る仕事は、自動改札の普及でなくなりました。でも駅員という職業は残っています。消えたのは業務の中の1工程でした。

形を変えて戻ってきたもの。 飛脚は近代郵便の登場でなくなりましたが、「届けてほしい」という需要は消えていません。いまは配達員や配送ドライバーがいます。消えたのは「人が走って運ぶ」というやり方だけでした。

3つに共通するのは、なくなったのが手間がかかるから人がやっていた作業だけだという点です。職業の名前が消えたのではありません。

ただし、今回は速い

世界初の自動改札機が動いたのは1967年、阪急北千里駅でした。ところが関東では複数社にまたがる乗車券の処理が壁になり、JR東日本が東京100km圏に本格導入したのは1990年です。技術ができてから現場が変わるまでに23年かかりました。

ただ、AIには設備の入れ替えも工事も要りません。ソフトウェアなので、置き換わる速さは比べものにならないはずです。23年かかったという事実は、「まだ大丈夫」の根拠にはなりません。

今回は、頭を使う仕事に来る

これまで安くなってきたのは、運ぶ・作る・つなぐ・記録するといった、手を動かす側のコストでした。

AIが安くしているのは、考える手間です。調べる、まとめる、書く、案を出す、比べて選ぶ。「頭を使う仕事だから安全」と思われてきた側に来ます。

とはいえ、ここでも消えるのは作業です。だから立てるべき問いは「自分の職業は残るか」ではありません。自分の仕事のどの作業が、考える手間がかかるという理由だけで手元にあるのかです。

重ならない場所へ移り続ける

AIと正面から競う選択肢はありません。疲れず、24時間止まらず、同じ品質で出し続ける相手と量を競っても勝てません。だから、重ならない場所へ移ることになります。

移り先は4つあると考えています。AIと一緒に働く。AIを制御する。AIを教える。AIが苦手なところを引き受ける。

ただし、どれも永続しません。 いちばん早く縮むのは、おそらく「教える」です。AIの使い方を教える役目は、AI自身がいちばんうまくやれるからです。逆に「苦手なところを引き受ける」——責任を負う、関係をつくる、現場に立つ——は、身体と制度の壁がある分、置き換わるのに時間がかかります。それでも永久に安全ではありません。

つまり、重ならない場所は毎年その形を変えます。大事なのは、どこに移るかより、移り続けられるかのほうです。いい場所を見つけて座り込んだ時点で、また追いつかれます。

▶ AI活用マップ｜コラム：AIによって消えるのは「職業」ではなく、「作業」

前編にあたる「AIが壊すのは思考のコスト」も、AI活用マップで公開しています。

先日、あるAI活用セミナーの受講者が書いた投稿を目にしました。

要約すると、こういう内容です。自分もいくつかのAIに料金を払って使い分けている。だから並のレベルではないつもりでいた。ところが会場で紹介された使い方の幅を見て、自分との開きに愕然とした。しかも同じ内容を何百人もが同時に聞いている——。

この焦りには根拠があります。ただ、何が差なのかは切り分けておいたほうがいい。

他人の数か月分と、今日の自分を比べている

壇上で話される内容は、実務に当てはめては失敗し、直してきた数か月分を1時間に圧縮したものです。うまくいかなかった過程は、たいてい省かれています。

圧縮された1時間と、自分の積み上げを並べれば、開きが大きく見えて当然です。物差しを当てる相手は、壇上の人の現在地ではなく、自分の3か月前のほうだと思います。

払ったお金で埋まる部分は、限られている

私は、AI活用の成果を4つの掛け算だと考えています。

モデルの性能 × 指示の出し方 × 渡す材料 × 必要な情報を引き出す仕組み

いくつも契約して使い分けるという行為が触れているのは、1つ目だけです。しかも掛け算なので、残りのどれかがゼロに近ければ、1つ目をいくら磨いても結果は変わりません。

会場で目にした「幅」の正体は、おそらく2つ目から4つ目のほうです。その3つは、お金では買えません。

同じ話を聞いても、翌日には差が残る

もう1つ、直視したほうがいい事実があります。同じ会場にいた人のうち、翌日から同じレベルで動ける人はごく一部です。

手順は書き写せます。ただ、使い方はその人が抱えている顧客・案件・判断の蓄積の上にしか乗りません。器だけ手に入れても、注ぐものがなければ動かない。

怖い話に聞こえますが、裏返せば、今日から貯め始めた人にしか埋められない差でもあります。全員が明日から横並びになるわけではない、という意味です。

効いてくるまでには、期間と量の両方が要る

私は、記録を貯め始めてから手応えが出るまでの時期を「暗黒の3か月」と呼んでいます。

最初の1か月は、何のために書いているのか分からない。2か月目は、意味があるのか疑い始める。3か月目に続けるかやめるかの分かれ道が来て、そこを越えたあたりで、ようやく点と点がつながり始めます。本数で言えば、10本ではほとんど何も起きず、50本で薄くつながり、100本を超えたところで全体が見えてきます。

3か月経てば誰でも、という話ではありません。その3か月に何本書いたかです。時間と量の両方が要る。この面倒くささが、そのまま真似されにくさになります。

▶ AI活用マップ｜コラム：AI活用の差は、積み上げでしか埋まらない

4つの掛け算の中身は、AI活用マップ本編で扱っています。

「うちもAI入れないといけない」

そういう相談をよく受けます。ただ、少し話を聞くと、たいていの場合、課題はAIの手前にあります。

誰が何をしているかが分からない。うまくいった理由も、失敗した理由も、言葉になっていない。現場と経営の間に、訳されないままの現実が積み上がっている。

この状態にAIを入れても、何も変わりません。

AIが扱えるのは、言葉になったものだけ

AIは、渡されたものしか処理できません。業務の流れも、判断の基準も、役割の定義も、言葉になっていなければ渡しようがない。AIにとって、テキストになっていないものは存在しないのと同じです。

だとすれば、AI活用の前提として要るのは、組織の現実を言葉にする力です。誰が何を担っているか。成果とは何で、どこで測るか。現場でどんな判断が行われているか。経営から見えていないことは何か。

これを言葉にする作業は、そのまま経営管理でもあります。

言語化には、担い手の違う4つの層がある

ひとくちに言語化と言っても、層によって中身も担い手も変わります。

• 経営：なぜこの事業をやるか、何を目指すか → 経営者にしか書けません
• 業務：どの部門のどの業務を任せるか、役割と成果の定義 → 経営者・管理職
• 作業：繰り返しの作業をどう手順に落とすか → 素材は現場が持ち、言葉にするのは推進役
• 指示文：1回のプロンプトをどう書くか → 道具の側に埋め込み、社員には書かせない

見落とされやすいのは下の2つです。

作業の中身を知っているのは現場ですが、それを言葉にして道具に落とすところまで現場に求めると、たいてい止まります。毎日やっていることを言葉に戻すのは、それ自体が訓練の要る作業だからです。

指示文にいたっては、社員に求めるべきではありません。「全社員がプロンプトを書けるように」を目標にした会社は、途中で止まります。慣れる速さが違いすぎて、追いつけない人が置いていかれるだけです。目指すのは逆で、書かなくても使える道具を会社が用意し、社員はそれを使う状態です。

経営者がやることは、変わっていない

逆説的ですが、経営者のやるべきことは以前と同じです。現場を理解する。役割を決める。成果の基準を持つ。

違うのは切実さのほうです。これまでは、定義が曖昧でも優秀な人が読み替えて動いてくれました。AIはそれをしてくれません。

言語化できていない組織に、AIは優しくないのです。

▶ AI活用マップ｜コラム：AI時代の経営は、言語化だ

作業レベルの言語化の手順は、AI活用マップ本編で扱っています。

AIが広まるにつれて、こんな問いを持つようになりました。

「これ、ずっと同じ値段で使えるのだろうか」

すでに始まっていること

登場した当初、無料で使えた高性能なモデルは、少しずつ有料プランの奥に移っていきました。いまは月20ドルから100ドル程度で十分に使えます。ただ、これが数万円、数十万円になったら。あるいは、企業向けの契約でないと本当に賢いモデルには届かない構造になったら。

大げさに聞こえるかもしれませんが、兆しは出ています。

2026年6月、プログラムから自動でAIを呼び出す場合に別途料金がかかる、という話が出ました。私の普段の使い方で試算したところ、月10万円ほどになる計算でした。このときは結局延期になりましたが、最上位のモデルが無料プランから外れ、月20ドルのプランでも使用量に制限がつく、という流れは進んでいます。

資本力のある会社が最新モデルを押さえ、中小企業や個人は一世代前で戦う。その構図は、少しずつ現実に近づいています。

大事なのは、選べる状態でいること

この状況への構え方は2つあります。

1つは、お金で解決する。いいモデルに払い続ける。正直な戦略です。払える限りは、これでいい。

もう1つは、知識で解決する。高いモデルに頼らなくても回る仕組みを持っておく。

どちらが正しいという話ではありません。まずいのは、選択肢がない状態です。高いモデルしか使えない人は、値段が上がった瞬間に動けなくなります。

安いモデルを、思いどおりに動かす

高性能なモデルと安いモデルの間には、確かに差があります。ただ、その差を埋める方法があります。モデルの性能を上げるのではなく、渡す材料の組み立てを変えることです。

何を渡すか。何を省くか。どの順番で見せるか。ここを設計できると、安いモデルでも驚くほど使えます。

特別なシステムを組む話ではありません。高性能なサーバーも要りません。整理された情報を、正しい順番で渡すだけです。

安いうちが、準備の時期です

AIが当たり前になれば、設計できる人の価値が上がります。もしAIが贅沢品になったら、安いモデルで動く仕組みを作れる人の価値はもっと上がる。高いモデルを使えない人たちに、届けられるものがあるからです。

いま身につけるべきは、最新ツールの操作方法ではなく、どう使うかの考え方のほうです。地味ですが、環境がどう変わっても選択肢を持ち続けるための、いちばん確かな準備だと思っています。

▶ AI活用マップ｜コラム：AIが贅沢品になる日に備えて

渡す材料の設計は、AI活用マップ本編で扱っています。

いまAIは、パソコンやスマホの中にある「アプリの1つ」です。起動して、その中からClaudeやChatGPTを開く。OSとAIは、まだ別の層にあります。

この境目は、いつまで保つでしょうか。答えのない話なので、そのつもりで読んでください。

主役が入れ替わったら

Windows、macOS、Android。この3つにはすでにAIが標準で入っています。追加のインストールなしに使えます。

ただ、いまのAIは機能の1つでしかありません。アプリ一覧の隣に項目が並んでいるだけで、主役はまだアイコンが並んだホーム画面のほうです。

もし、この主従が逆転したら。電源を入れた瞬間に立っているのがアプリ一覧ではなくAIで、ファイルを開くのもアプリを選ぶのも「これをやって」と話しかけるだけで済むようになったら。デスクトップもスタートメニューも要らなくなるかもしれません。

そうなると、「AIを使いこなす」という言い方自体が意味を持たなくなります。使いこなすも何も、電源を入れた時点で、仕事も生活もAIの上に載っているからです。

「AI駆動」が、選ぶものでなくなる

実行をAIが担い、人は方針と承認に絞る。そういう組織の形を、私は別のところで書いています。

ただ、OSそのものがAIになったら、この言葉は特別ではなくなります。1人の個人事業主でも、5人の会社でも、OSを使っている時点でその状態に立たされる。設計して選び取るものではなく、前提になります。

浮かれてはいけない部分

いいことばかりではありません。OSという1つの層に、個人と会社の情報が握られるということでもあるからです。

いま語られている「権限を絞る」「入口を疑う」「出口を塞ぐ」といった対策は、アプリ単位の話です。これがOS単位に持ち上がったら、守るべき線の位置そのものが変わります。誰の判断で、どこまで委ねるのか。その設計を怠った組織から、静かに主導権を失っていくはずです。

いま考えておく価値があるのは、そうなってから慌てないためです。

▶ AI活用マップ｜コラム：次のOSは、AIそのものになるかもしれない

権限とセキュリティの実務は、AI活用マップ本編で扱っています。