AIエージェント導入の最前線: エンジニア組織の徹底的な属人性排除 & 非エンジニア組織での先進的な活用事例と効果について

AI を「やらなきゃ」という焦りに、具体的な処方箋がない

「AIで生産性が10倍になる」「AI を導入しなければならない」そう言われ続けて、もう何ヶ月が経つでしょうか。書店の棚には「生成 AI で変わる働き方」を謳う本が並び、ニュースでは「AI で生産性が上がる」という言葉が繰り返し流れてきます。「ChatGPT 業務活用 20 選」のような記事も無数に存在します。

しかしどの情報源に当たってもツールの紹介や使い方ばかりで、どのように自社に取り入れればよいのか、具体的にどう使えばよいのか、最初の一歩をどこに置くべきか、その手順までは降りてこない情報ばかりです。

本記事は AI 導入に成功している企業を取り上げ、それぞれ「どのような目的で導入し、何に AI を活用しているのか」を軸に紹介します。

本記事の目的: とにかく「実務へのAI導入はどこから着手すればればいいのか・何のためにAIを使えば生産性が上がるのか」の判断軸を、を豊富な事例をもとに自分ごととして持ち帰ってもらうのを目的にしています。

扱わないこと: 基本的にエンジニアではない方を想定した記事です。RAGやデータベースなどAI基盤技術についての解説は行いません。またGPTやClaude (Code)といったAIエージェントを実務に取り入れるうえでプログラミングの知識は不要なので、それらも扱いません。

Point: AI導入の成否は「目的の有無」で決まる

AI 導入で差がつくのは「3つの目的」

2025年のManus,Claude Codeを皮切りにAIエージェントの実用化から1年が経ち、大小問わずさまざまな企業の成功事例が公開されています。幅広く調査すると、AI導入に成功している企業には3つの共通パターンがありました。

属人性 (個人依存) の排除: 誰がその業務を担当しても、同じ結果になるように努めるアプローチです。「あの人に聞かないと分からない」知識と、「あの人しかできない」業務 — 特定の担当者に紐付いてしまった状態をAIで解いていくパターンです。プログラマやクリエイティブ職も例外ではありません。

社内ナレッジの共有: 探す・聞くが「AIに教えてもらう」に置き換わるパターンです。組織の中に分散しているマニュアル・議事録・設計判断の経緯・採用理由・属人化したノウハウを、AI が検索・回答可能な形で集約することで、ベテランへの問い合わせ負荷が下がることに加え新人や他部門の人間でも組織の集合知を活用できるようになります。

業務ツールの内製化: 既存のサービスを利用するのではなく、業務に合わせたツールを自社で作るというパターンです。少し前なら開発に半年以上はかかるような業務用ツールが、AIに向かって日本語で説明するだけで1週間ほどで作れるようになりました。

高度なツールでなくとも、決まりきった業務をAIエージェントで自動化した事例は個人・企業問わずとても多いです。

Reason: 先進企業の共通項は、ツールではなく属人性排除だった

どのように活用するかのイメージをつかみやすいよう、まずは大手企業を中心に導入成功事例を紹介します。

NOT A HOTEL

NOT A HOTELは、Zozo出身の濱渦さんが創設した「シェア型 / 貸し出せる別荘」という新しい概念を提供する会社です。

NOT A HOTELはAI導入にきわめて前衛的です「200名のチームで2万人分の業務を行う」 を目標に、ほぼ全ての業務プロセスそのものの AI 化に踏み込んでいます。日本を代表するAIネイティブ企業といっても過言ではないでしょう。

「調べる」を「聞く」に 第一に、全社で Notion AI を導入し、全物件の運営マニュアルを一元化しました。現場スタッフが「ガウンの結び方」のような疑問を AI に直接尋ねられる状態にしたことで、『あの人に聞かないと分からない』『先輩がいないと作業できない』を解消しました。

AIと人間の役割分担 「AIはテキストは書けるけど、ラブレターは書けない」 を哲学に、ゲスト対応にAIを取り入れつつも役割の分担を行っています。「Kevin」というAI コンシェルジュを提供し、宿泊予約の変更、食事のリクエスト、アクティビティ情報をチャットで完結しています。凄いのはここからで、AIで解決が難しい場合は即座に人間にパスが回ります。カスタマーサポートチームは20秒以下での返信を目標に掲げ、実際平均15~17秒で応答しているそうです。

効率化できるところはAIに全部任せる。機械的に処理できない部分は人間が対応する。AIと人間の明確な役割分担が設計されています。

他にも「経営陣には専属AIエンジニアを1:1で配置」「文書作成の90%をNotion AIで担ってる部署がある」「社員全員にClaude研修を行い、全員がアプリ開発できるレベルに教育」とかちょっと正気を疑うような事例に事欠かないのですが、あまりにも異次元でまったく参考にならないため割愛します。

電通

説明不要の電通グループは、2024 年から「AI For Growth 2.0」という包括的な AI 戦略を進めています。こちらも異次元の規模で、AIツール自体の開発まで踏み込んで「マーケティング全行程におけるAIネイティブ化」を推し進め、Planning から Execution まで、マーケティングの全工程を覆う AI アプリケーション群が稼働しています。

クリエイターの思考プロセスをAI学習 AI For Growthにて、コピーライターの思考プロセスを学習した AI で、自社の広告コピーを生成 (AICO2)。それからアートディレクターの発想を学習した AI (Visual Idea Generator) が紹介されています。コピーライターやアートディレクターの思考そのものを AI 化した、おそましい標準化です [[dentsu-2026-ai-for-growth]]。他にもSNSの投稿文を自動生成できるAI (∞AI Social) やLPの改善プランを生成するAI (∞AI LP)などが紹介されています。

クリエイティブ職は「AIに代替されない職業」の代表例として長年語られてきました。しかし現実はむごいもので、あっさりと代替されてしまいました。

ペルソナを完全再現したAIとの会話 なんと「AI上に再現されたターゲット層の人格と、チャットで会話ができる」というアプリまで作ってます　(People Model)。1 億人規模の AI ペルソナを仮想再現するモデルを構築しており、15 万人 × 年 2 回という独自調査データをもとにチューニングし、これまでマーケリサーチ会社に発注してきた定量調査の多くを社内で完結させる方向に動いています。

電通の事例が示しているのは、大企業が真剣に AI 導入に取り組むとき、それは業務の中にある属人的な思考・業務プロセスそのものを、AI で内製する方向に向かっているという事実です。

NTT データ

以下は技術系です。 NTT データは全社的AI推進に取り組んでいるようですが、開発事業部の 1 プロジェクトで半年間、社員 3 名で設計書もコードもテストも 1 行も手書きせずに商用システムを納品する という実証を行いました。この話の凄いところは「コードを1行も書かせない」ことではなく「設計以降の工程をでPrompt入力を禁止し、全てコマンド経由で生成していく」 という方法を取った点です。

プロジェクト担当者の茂呂さんは

直接プロンプトを入力してエージェントに仕事をさせることもできますが、それは禁止にしました。理由は、アウトプットの品質が個々人のプロンプトの作成能力に依存してしまい、開発が属人化してしまうからです。修正が必要なときは、プロンプトファイルを修正して再度色々とやり直すか、問題記述票（レビュー指摘票）を作成してAIエージェントに修正させるか、のいずれかのみ許可しました。

そうすれば、様々なノウハウが、プロンプトファイルもしくはレビュー指摘票に蓄積されていくので、開発が属人化せず、チーム全体でノウハウを蓄積し共有することができ、更に開発完了後にそのノウハウを他チームにそのまま移転可能になるからです。

ここは徹底しました。

と綴っています。 => 詳細はZennに書かれています。

事実AIを導入しても各人のPromptの品質によって生成品質が変わってしまうなら、結局は新しい属人化を生むことになります。エンジニアの入力品質の差異を開発工程から徹底的に排除し、具体的な対策としてプロンプトファイルを 73 個ものアセットとして整備しているのが目を引く点です。

茂呂さんは記事内で、よく似たアプローチとしてOpen AIの開発事例も紹介しています。「本家」も手書きコード一切禁止を核理念とし、5 ヶ月間で 100 万行のコードを Codex エージェントだけで書き、手書きコード 0 行で社内製品を構築した実例の解説です。 [[openai-lopopolo-2026-harness-engineering]]。

4社に共通していること

これら 4 社の事例を並べてみると、業界・規模・成熟度はまったく違うのに、向かっている方向は同じです。属人性の排除—言い換えると、入力値の標準化、成果物への個人影響の徹底排除、知識・業務の属人解消です。

自社に取り入れるためにの属人性排除を達成する 3 つの型

先進企業の共通項は「属人性の排除」 だと整理しました。同じ方向に動こうとしたとき、自分の会社で取れる選択肢を 3 つの型に整理します。

社内ナレッジ共有・活用型

部署を横断した知識活用を実現する型です。組織の中に散らばっているマニュアル・議事録・設計判断の経緯を、AI が検索・回答可能な状態に集約します。「あの人に聞かないと分からない」を、組織知として AI に持たせることで解いていきます [[llm-wiki-architecture]]。

手っ取り早いのは NotebookLM か Notion AI を使うことです。どちらも無料で使い始めることが出来、手元の資料群を食わせるだけで今日からAIチャットでの検索・資料作成が実現できます。NotebookLMはGoogleのサービスです。Googleドライブとも提携できるので、すでに使っているなら特別な準備もいりません。どちらもエンタープライズ向けのプランがあります。 [[notebooklm]]。

個人や小規模なチームならLLM wikiというのがおすすめです。NotebookLMなどが「知識を検索する」のに向いているのに対し、こちらは検索したり意味同士をつなぎ合わせて新しいアイデアを生み出すことに向いています。

LLM wikiはOpenAI共同設立者の一人であるAndrej Karpathy氏が提唱・公開したもので、知識を一か所に集積し、いる「知の拠点」を構築するアイデアです。

Obsidianという無料アプリとAIエージェントを組み合わせるだけで構築でき、さまざまなパターンが研究されています。

構築は簡単です。Karpathy氏が公開しているこれかこれをコピーしてきて、claudeとかに「これと同じものを作りたい。どうすればいい?」って聞けば再現してくれて、必要ならマニュアルも作ってくれます。ちなみにこの記事もKarpathy氏のLLM wikiを土台に、記事生成エンジンを自作して執筆しています。

(注: LLM = AIのこと。 Large Language Moels の略)

属人性排除型

紹介した事例が揃いも揃って徹底的に追求してきたアプローチです。社内ナレッジ共有型と重なる部分もありますが、こちらは知識だけでなく判断や業務手順そのものに紐付いた属人性を扱います。

代表事例は神田昌典さんが日経 MJ で紹介している顧客の声(VoC)の組織活用です。営業やカスタマーサクセスの現場で「あの担当者しか知らない顧客温度感」が、特定の担当者の頭の中にしか存在しないという状況を、3 段階のプロセスで解消しています。NRR(カスタマーサクセス指標)をゴール設定し、AI でアンケートを設計して声を整理し、Keep-Problem-Try の枠組みで全社に共有していく [[kanda-2025-12-nikkei-voc-ai]]。神田氏は「『流通』の本質が AI によって現場で体感できるようになった」と書いています。

マーケターが個人レベルで業務の属人性を解いている事例もあります。 Anthropic のマーケティング担当 Austin Lau 氏は、プログラミング未経験から 45-60 分で Figma プラグインを自作し、広告バリエーションの生成作業を 30 分から 30 秒に短縮しました。 ほかベテランマーケターのAdam Sandler 氏 (元 American Express / Nestlé) はコンテンツ 10 本を並列で執筆させる仕組みをAIエージェントで構築し、動かしています。

重要なのは彼らが自身の技術と知識をAI化し、ほぼ自動で出来るように再現したという点です。単に彼らが「10倍の生産性を発揮」できるようになっただけではありません。これはAIに書き込まれた彼らの技術と知識がファイルに保存され、AIエージェントを介して誰でも呼び出し・再現可能なものになりなったことを意味します。練度の差はあれど誰もが同じ水準でのアウトプットを行うことが出来るようになった、という点でNTTの事例と方向性が一致しています。

SaaS 内製化型:

外注に頼っていた業務やツール・Webサービス (Saas) をAIで開発したり、エージェントにやってもらうというアプローチです。別の側面として「社内の一部の人にしか操作できないツールを、誰でも使えるようにする」という面もあります。

代表的な例は業務自動化ツールをAIエージェントで構築する例でしょう。

すてぃお(@suthio_)さんが公開しているバックオフィス自動化を例に挙げます。中小零細ではとにかく多いバックオフィス業務 (経理・会計・労務・補助金・法務・契約更新といった月次業務など) を、Claude Code + freee提携で自動化しています著者の曰く「月末月初に丸 1 日以上 → 数時間 + Claude Code に任せる時間」になったそうです。

なんとプログラミング未経験でテイクアウトの予約管理システムを作った事例も存在します。これまで予約・受注システムというのは、システム開発会社に頼むか月数万円の既製サービスを利用するしかないサービスの典型でした。しかし…プログラミング未経験の「パン屋さん」が、Geminiと会話しながら「現場の本音から設計されたシステム」をゼロから開発してしましました。しかも…無料でまで公開なさっています…!

開発経緯はNoteで語られています。

電話での注文受付、手書きのメモ、ピッキング時の「あれ、この注文どこいった？」。
小さなことの積み重ねが、じわじわと体力と時間を削っていきます。

だからといって、月額数万円の業務用システムを入れるほどの規模でもない。
無料ツールをかき集めて使ってみたけど、痒いところに手が届かない。

そこで思い切って、AI（Gemini）とバイブコーディング（※）で、自分用のシステムをゼロから作ることにしました。

詳細 => # パン屋がAI（Gemini）と500時間かけて作った「テイクアウト予約管理システム」を無料公開します)

(システムを売ることでメシを食ってきた身としては、正直耳の痛い話です…)

経理に限らず、AIエージェントから操作できるツール・ソフトは増え続けています。Webブラウザの自動操作も自動定期実行そうです。今後はツールやサービスに頼らずに、AIエージェントに業務を頼むだけですべて終わる (から自前で作る) というムードが強まっていくでしょう。

Point(再): 今日・1 週間でできること — 属人性排除の処方箋を自分の手で

とにかくツール選定ではなくて「何のためにAIを使うのか」 の目的設計が大事です！

今日できること: NotebookLM か Notion で社内チャット Bot を作成
1 週間でできること: 書類や資料作成、会計ソフトへの入力などルーティンタスクを自動化
よくある疑問(QA ミニブロック):
- 技術分からなくても大丈夫?
  - 技術は重要ではありません。どちらかというとやりたいことを日本語で (AIに) 説明できる方が大事です。
- プログラム書けなくても大丈夫?
  - Claude が全部代わりに書きます。そもそも殆どのタスクはプログラムを書く必要がなくいです。大体のことはAIエージェント単体で解決します。
- Claude の使い方分からない:
  - Claude に聞けば教えてくれます。「何ができるの、こういうことをしたい、どうすればいい?」の 3 語だけ話せれば十分です。。
- コスト:
  - NotebookLM・Notion は無料~少額で始められます。
- 失敗したら?
  - 低コストなので、合わなければ捨てればいいです。最初の 1 つを試す段階は最大でも数千円です。