AIエージェントを
使っていたら、いつの間にか
「一人社長」になっていた

自分のAI環境は、ChatGPT、Codex、ChatGPT Work、Dots（ドッツ）というOpenAIの製品で揃えている。ChatGPTには考えをぶつけ、判断や成果物の監査を手伝ってもらう。Codexには実装を任せ、ChatGPT Workには調査や資料づくりなどの実務を渡す。DotsはOpenAIのAIエージェントで、自分は秘書や進行管理の役を頼んでいる。

これは、自分が使うときの役割分担だ。製品ごとの能力を厳密に区切っているわけではない。

自分はその間で、目的を決め、優先順位をつけ、提案を見て、最後の採否を判断する。「全部自分で作業する」つもりで使い始めたのに、いつの間にか仕事を渡す側に回っていた。

何をやるか決めて、AIに仕事を振る。進み具合を見て、問題があれば修正を頼み、結果を確認する。並べてみると、普段やっているのはかなりマネジメントに近い。

それを実感したのが、非公開ページを作りたいとDots（ドッツ）に相談したときだった。

「こういう非公開ページが欲しいんだけど、Cloudflareだとログインが面倒なんだよね」

入口は、このくらいの相談だった。使う仕組みや具体的な作業手順を、全部決めて渡したわけではない。

返ってきたのは、Cloudflare以外の選択肢の調査と、認証方式の比較だった。ChatGPT内の非公開サイトという案が出て、Linearへの案件登録、実装前の確認、今後のレビュー工程まで整理された。

ここで自分がしたのは、欲しいものと困っている点を伝え、提案を見て、採用するか決めることだった。相談から提案や段取りが出てくると、こちらの仕事は「次の操作を教える」ことから「この方向で進めてよいか判断する」ことへ移る。

ここで振り返っているのは、相談から段取りが返ってきたところまでだ。実装や公開の結果とは分けて考えている。それでも、手順を一つずつ指示し続ける負担が減り、自分が考えるべきところが変わった感覚は残った。

この感覚と重なる研究を、Anthropicが2026年6月16日に公開していた。2025年10月から2026年4月までのClaude Codeの対話セッション約40万件を分析したものだ。Anthropicの研究

コードを作成・変更したセッションでは、主要10職種の成功率はいずれもソフトウェアエンジニアから7ポイント以内だった。厳しい判定である「検証された成功」では、管理職系が最も高く、ソフトウェアエンジニアをわずかに上回った。著者らは、管理のスキルがエージェントへの指示に生きている可能性を挙げている。

ただし、成功判定には対話中の明示的な確認も使われており、管理職が成果を言葉で確認する傾向による影響も考えられる。管理職経験が成功の原因だと証明した研究ではない。また、対象業務への理解が深い人ほど、一度の指示でAIが行う仕事も多い傾向が見られた。

自分には、「仕事を渡せる状態にする力」がAI相手にも働くという読み方がしっくりくる。目的を説明し、作業を分け、任せる範囲を決め、成果を確認する。人に頼むときに必要だったことが、AIにも必要になるのだと思う。

別のAnthropic社内調査でも、コードを書く仕事からAIエージェントを管理する仕事へ移りつつあるという声が紹介されている。複数のClaudeを動かし、その成果に責任を持つ役割を想像する社員もいた。これは同社内の経験や将来観であり、すべての職場にそのまま当てはまる話ではない。Anthropic社内の調査

AIを複数動かしていて面白いのは、任せ方の問題が成果物に返ってくることだ。

タスクが曖昧なら、欲しかったものから外れる。完了条件を決めなければ、こちらが確認したいところまで進まずに終わる。優先順位をつけないと案件が散らかり、進捗を見なければ止まっている仕事を見落とす。レビューを省けば、間違いにも気づきにくい。

もちろん、失敗のすべてが人間の指示のせいではない。AIの能力や使える道具、読み取れる情報にも限界がある。それでも、結果を見ると「何を伝え忘れたか」「どこを確認すべきだったか」を振り返れる。

たとえば、出来上がったものが違うと感じたとき、単に「もっとよくして」と返すだけでは、次もずれるかもしれない。自分が欲しいのは構成の変更なのか、事実の確認なのか、見た目の調整なのか。差し戻す前に、その違いを言葉にする必要がある。

AIへ修正を頼むたびに、自分の判断も具体的になる。 何がよくて、何が足りず、どこからは触ってほしくないのかを整理するからだ。

人間相手に、委任、実行、レビュー、修正、再委任を短い間隔で何度も繰り返すのは難しい。AIとは、日々の作業の中でその往復ができる。仕事を進めながら、頼み方と確認の仕方を試せるのが面白い。

これは、AIを使えば誰でも管理職になれるという実証結果ではない。自分が運用を続ける中で感じている、練習の効果である。

仕事を任せる量が増えると、自分で作業しなくても進む範囲は広がる。その分、成果を見て判断する場面が増える。

提案が整っていても、目的に合っているかは確かめたい。たとえば非公開ページなら、ログインの手間に加えて、閲覧する相手の制限や運用の続けやすさも確認の観点になる。先ほどの案件について、これらを検証済みという意味ではない。

Anthropicの社内調査には、AIへ作業を預けることで、監督に必要な実務のスキルが衰えるのではないかという懸念も出ていた。任せるためにも、その仕事を理解しておく必要があるという指摘だ。監督と実務スキルについての記述

自分が確認できない領域を、できたと言われたまま通してしまえば、委任の練習にはなりにくい。分からないところを調べ、判断の材料を求め、ときには自分で試す。その時間も、AIと仕事を進める一部なのだと思う。

自分の周りには、相談相手、エンジニア、実務担当、秘書がいる。いずれもAIだが、それぞれへ仕事を渡していると、一人で働いている感覚が少し変わる。

人間の会社と同じではない。雇用も人の育成も含まれていないし、AIに経営上の責任を引き受けてもらえるわけでもない。「一人社長」というのは、何を進めるか決め、担当を選び、成果を受け取り、採否を判断するようになった自分の仕事を表す比喩である。

その変化で、手元に残ったのは判断の仕事だった。次に何を任せるか。どこまで進めてよいか。何を確かめてから承認するか。AIを動かすほど、この問いに何度も向き合う。