AIと共生する会社は、最初から組織図が違う—ソロプレナーのためのAIエージェント設計
xenz
一人で会社を始めることと、会社の仕事をすべて一人で行うことは同じではありません。
会社には、経営戦略、営業、マーケティング、顧客対応、商品開発、経理、契約管理、知識管理など、複数の機能が必要です。
従来は、事業が成長するにつれて人を採用し、それぞれの機能を部門として整えていきました。
現在は、生成AI、AIエージェント、業務自動化、クラウドサービス、外部専門家を組み合わせることで、一人で始めた会社でも、早い段階から複数の経営機能を持ちやすくなってきています。
ただし、AIツールを増やすだけでは組織にはなりません。
AIと共生する会社とは、AIが多い会社ではない。人間とAIの責任分界が明確な会社である。
本記事では、ソロプレナーがどのように会社の機能を分解し、AIエージェントへ仕事を任せ、人間の時間を経営判断と顧客価値へ戻していくかを考えます。
AIは「最初の社員」ではなく、「最初の機能」になる
OpenAIが2026年5月に公表した自社分析では、2026年3月に米国で少なくとも400万人が、事業の検討、立ち上げ、運営、成長にChatGPTを利用したとされています。
利用者の多くはAI企業の創業者ではなく、コンサルティング、小売、住宅関連サービス、美容、飲食などを営む事業者でした。
具体的な用途には、次のようなものがあります。
- 市場や競合の調査
- 商品説明やウェブサイトの文章作成
- 顧客へのメール作成
- 価格や販売施策の検討
- 契約・制度に関する初期調査
- 事業計画や収支の整理
AIは、営業担当者や経理担当者を丸ごと置き換える存在ではありません。
これまで人を採用するか、外部へ依頼しなければ持てなかった機能の「最初の形」を、低い固定費で持てるようにする存在です。
小さくあり続けることと、能力が小さいことは違う
Paul Jarvisの『Company of One』は、企業の成功を社員数や売上規模の拡大だけで測る考え方に疑問を投げかけています。
同書の重要な示唆は、何が何でも一人で働き続けることではありません。
自社にとっての「十分」を定義し、必要以上の複雑性や固定費を持たず、収益性、自律性、顧客価値を高めることです。
AI時代には、この考え方が一段と重要になります。
AIによって処理能力が増えたからといって、顧客数、商品数、会議、発信量を際限なく増やす必要はありません。
ソロプレナーが最初に決めるべきなのは、AIの種類ではなく、次のような経営上の基準です。
- 会社として必要な利益はいくらか
- 自分が深く関われる顧客数は何社か
- 週に何時間まで働くか
- 自分が直接担い続けたい仕事は何か
- どの仕事をAI、システム、専門家へ移すか
- 何を犠牲にしてまで成長しないか
AIは会社を拡張できます。
しかし、何を拡張し、何を拡張しないかを決めるのは経営者です。
会社は「人」ではなく「機能」で設計する
従来の組織図は、人を基準に描かれます。
営業部、マーケティング部、経理部、開発部といった部門をつくり、それぞれに人を配置します。
一人で始める会社では、発想を反転させる必要があります。
まず会社に必要な機能を定義し、その機能を誰が担うかを後から決めます。
担い手は、次の四者です。
- 創業者
- AIエージェント
- 既存のSaaSや定型的な業務自動化
- 外部専門家
例えば、請求管理という機能を考えます。
- 会計システムが請求書を作成する
- AIが未入金や予実差異を検知する
- 創業者が資金配分を判断する
- 税理士が会計・税務上の妥当性を確認する
一つの機能を、一人の社員へ丸ごと割り当てる必要はありません。
人、AI、システム、専門家の組み合わせによって機能を成立させます。
AIと共生する会社の三層構造
第1層：人間による統治
創業者が担う領域です。
- 会社の目的を定める
- 顧客の痛みを直接理解する
- 提供価値と価格を決める
- 資金と時間を配分する
- 重要顧客との信頼を築く
- 例外や危機へ対応する
- 何をしないかを決める
- 最終責任を負う
AIは複数案を比較できますが、どの価値を優先するかは決められません。
第2層：AIとシステムによる業務運営
AIエージェントと既存システムが、情報収集、整理、分析、作成、監視、記録、定型実行を担います。
- 見込み顧客の調査
- 商談前の情報整理
- 提案書やメールの下書き
- 議事録とタスクの抽出
- 案件状況の集計
- コンテンツの再編集
- 問い合わせの分類
- 過去事例の検索
- 期限や異常の検知
第3層：外部専門家による保証
法的妥当性や専門的品質を、AIや創業者だけで保証できない領域です。
- 税理士
- 弁護士
- 社会保険労務士
- セキュリティ専門家
- 業界有識者
- エンジニア
- デザイナー
- 外部レビュー担当者
人間が統治し、AIとシステムが運営し、専門家が保証する。
これが、ソロプレナー型の会社を考える際の基本構造です。
ワークフローとAIエージェントを区別する
AIを使った処理が、すべてAIエージェントであるわけではありません。
手順があらかじめ決まっている処理は、通常のワークフローや自動化で十分です。
| 仕事の性質 | 適した仕組み | 例 |
|---|---|---|
| 条件と手順が固定されている | 通常の自動化 | フォーム回答をCRMへ登録する |
| 文章や資料を作成する | 生成AIを含むワークフロー | 面談記録から議事録を作る |
| 内容を分類して処理を分ける | ルーティング型ワークフロー | 問い合わせ内容に応じて担当を変える |
| 複数の情報源やツールを選ぶ | AIエージェント | 市場を調べ、候補企業を抽出する |
| 途中結果に応じて計画を変える | 限定的な自律エージェント | 調査結果を見て追加調査を行う |
複雑な仕組みほど優れているわけではありません。
OpenAIとAnthropicの公式資料も、最初から多数のエージェントを組み合わせず、単純な構成から始めることを推奨しています。
ソロプレナーに必要なAI組織図
会社に必要な機能と、人間・AIの役割分担を整理すると、次のようになります。
| 経営機能 | AIへ任せやすい仕事 | 人間に残す仕事 |
|---|---|---|
| 経営管理 | タスク整理、日次報告、期限検知、会議準備 | 優先順位、資源配分、撤退判断 |
| 戦略・調査 | 市場調査、競合比較、仮説作成、出典整理 | 現場理解、仮説選択、投資判断 |
| 営業 | 企業調査、面談準備、提案書初稿、CRM更新 | 信頼形成、交渉、価格、契約上の約束 |
| マーケティング | 構成案、初稿、媒体別展開、反応集計 | 独自の主張、経験、発信責任 |
| 商品・サービス開発 | 要求整理、試作品、テスト、改善案 | 解くべき問題、顧客体験、品質責任 |
| プロジェクト管理 | 議事録、課題台帳、進捗集計、抜け漏れ検知 | 合意形成、利害調整、顧客への説明 |
| 顧客対応 | 問い合わせ分類、回答案、履歴検索、FAQ更新 | 苦情、例外、金銭・契約判断、信頼回復 |
| 財務・管理 | 入金確認、予実分析、資金繰り更新、期限管理 | 投資、資金調達、申告、最終承認 |
| 知識管理 | 記録、分類、検索、マニュアル更新 | 重要知識の選別、判断基準の更新 |
| 監査・品質 | 数値照合、出典確認、ログ分析、異常検知 | 最終評価、責任、是正判断 |
AIエージェントには「人格」より職務記述書が必要である
営業AI、CFO AI、参謀AIといった名前を付けるだけでは、安定した仕事はできません。
AIエージェントごとに、最低限、次の項目を定義します。
| 項目 | 定義する内容 |
|---|---|
| 目的 | 何の成果を生み出すのか |
| 開始条件 | 何が起きたときに仕事を始めるのか |
| 入力 | どの情報を受け取るのか |
| 出力 | 何を、どの形式で完成させるのか |
| 正式な情報源 | どの文書やデータを正とするのか |
| 使用ツール | メール、CRM、カレンダーなど何を使えるか |
| 権限 | 閲覧、下書き、更新、送信のどこまで可能か |
| 禁止事項 | 絶対に実行してはいけないこと |
| 承認条件 | どの操作で人間の確認が必要か |
| 停止条件 | どの状態で処理を中断するか |
| 評価指標 | 品質、時間、コスト、エラー率 |
| 記録 | 後から何を追跡できるようにするか |
優れたプロンプトより先に、優れた職務設計が必要です。
AIへ仕事を任せる5段階
AI利用を「自動化するか、しないか」の二択で考える必要はありません。
レベル0：助言
AIが選択肢や分析を提示し、人間がすべて実行します。
レベル1：下書き
AIがメール、提案書、記事、議事録を作り、人間が修正して利用します。
レベル2：承認後に実行
AIがCRM更新、メール送信、投稿、請求処理を準備し、人間の承認後に反映します。
レベル3：制限内で自動実行
対象、金額、回数、時間帯などを限定し、その範囲内でAIが処理します。
レベル4：限定的な自律運用
AIが目標に応じて計画、実行、修正します。
この段階を適用するのは、次の条件を満たす仕事に限るべきです。
- 失敗しても元へ戻せる
- 結果を客観的に検証できる
- 権限を限定できる
- 実行履歴を追跡できる
- 異常時に停止できる
事例1：一人の担当者が、コンテンツ展開を仕組み化した
米国の非営利団体SisterLoveでは、デジタルマーケティングを一人の担当者が担っていました。
以前は、一つのテーマについて、ブログ、メール、SMS、SNS向けの文章を個別に作成し、テーマ当たり6時間から8時間を要していました。
構築した仕組みは複雑ではありません。
- 担当者がGoogleスプレッドシートの四つの項目を入力する
- 入力をきっかけに自動化が起動する
- 生成AIがブログ、メール、SMS、SNS向けの下書きを作る
- 人間が内容を確認して公開する
Zapierの公表事例では、9カ月間で192時間、24営業日相当の作業を削減したとされています。
この事例の重要な点は、AIが発信方針を決めていないことです。
人間がテーマと目的を決め、AIが媒体ごとの展開作業を担っています。
事例2：営業調査、CRM、フォローアップを一つの流れにした
米国のPR・SEO会社NisonCoでは、以前、3人から5人のパートタイム担当者が、ニュース、プレスリリース、業界媒体を調べ、見込み顧客を探していました。
同社が構築した流れは次の通りです。
- AIエージェントがGoogle Newsや業界情報を日次で調査する
- 新規企業の名称、ウェブサイト、経営者情報を抽出する
- 候補企業をGoogleスプレッドシートへ登録する
- 別の仕組みが営業アプローチにつなげる
- 面談後はAIが文字起こしから次の行動を抽出する
- 顧客情報とタスクをCRMへ登録する
- フォローメールをGmailの下書きへ保存する
- 人間が確認して送信する
Zapierの公表事例では、週当たりの見込み顧客数は約270件から約400件へ増え、調査業務は複数のパートタイム担当者から一人へ集約されたとされています。
注目すべきなのは、単独の「営業AI」を作ったことではありません。
調査、記録、CRM更新、フォローアップを、一つの業務フローとしてつないだことです。
事例3：顧客対応AIを、知識・顧客情報・評価まで含めて設計した
ロサンゼルスで食料品店を展開するErewhonの事例は、会社規模こそソロプレナーとは異なりますが、AIエージェントの業務設計を理解しやすい事例です。
各店舗では、顧客からの問い合わせを個別に手作業で処理していました。
一人の業務分析担当者が構築した仕組みは、Help Scout、ChatGPT、社内知識を保存したベクトルデータベース、BigQueryを接続した39工程のワークフローです。
問い合わせが届くと、次の処理を行います。
- 顧客の会員状況を確認する
- 会員か非会員かによって回答経路と表現を変える
- 会員規約などの社内知識を参照する
- 購入履歴を確認し、優先度判断を支援する
- 顧客対応担当者へ回答案を提示する
さらに、AIの回答案と人間が最終的に送った回答を比較し、どの程度修正されたかを採点する別のAIも用意しました。
Zapierの公表事例では、AIが作成した回答の70％が修正なしで利用され、年間1,500時間相当を削減したとされています。
この事例から学ぶべき点は、顧客対応を単に自動化したことではありません。
- 正式な社内知識を参照させた
- 顧客情報によって処理を分けた
- 最終回答を人間へ渡した
- AIの成果を別の仕組みで評価した
AI、データ、業務、評価を一体として設計しています。
国内中小企業の現実的な第一歩
すべての企業が、最初から外部サービスを連携したAIエージェントを構築する必要はありません。
東京商工会議所が公表している中小企業事例では、従業員10人の理化学機器製造会社が、業界課題、新市場、仕入先候補の探索に生成AIを利用しています。
同社は、AIが提示した企業や情報をそのまま採用せず、ウェブサイトなどで実在性や条件を確認し、探索の糸口として扱っています。
これは高度な自動化ではありません。
しかし、AIをどの業務に使い、どこから人間が検証するかという責任分界は明確です。
最初は「自動実行」ではなく、「調査と助言」から始める方が適切な企業も多いでしょう。
AI組織をつくる進め方
1．自社にとっての「十分」を決める
売上、利益、顧客数、労働時間、商品数について、自社が目指す水準を定めます。
自動化する前に、どのような会社を維持したいかを決めます。
2．会社の機能と業務を棚卸しする
日次、週次、月次、顧客別に行っている仕事を書き出します。
そのうえで、仕事を四つに分類します。
- 創業者が担う
- AIへ任せる
- 通常の自動化へ任せる
- 外部専門家へ委ねる
3．最初の業務を二つか三つ選ぶ
次の条件を満たす仕事から始めます。
- 頻度が高い
- 入力と出力が明確
- 結果を確認できる
- 失敗の影響が小さい
- 元へ戻せる
- 過去の事例がある
候補としては、議事録、商談準備、フォローメール、記事の再編集、月次集計などがあります。
4．AIへ渡す会社情報を整える
AIの性能以上に、何を正式な情報として与えるかが重要です。
- 会社の目的
- 顧客像
- 商品・サービス
- 価格
- 過去の成果物
- 判断基準
- 禁止事項
- 契約条件
- 用語集
- ブランド上の表現
『生成AI起業バイブル 増補改訂版』でも、AIエージェントを経営へ組み込む際には、単発の指示ではなく、再利用できる業務プロセスと外部サービスとの接続が重視されています。
5．一つの業務を端から端までつなぐ
エージェント数を増やす前に、一つの業務を完結させます。
例えば営業面談であれば、次の流れです。
- 予定を検知する
- 企業と人物を調査する
- 課題仮説と質問を作る
- 面談を記録する
- 議事録とタスクを作る
- CRM更新案を作る
- フォローメールを下書きする
- 人間が確認して送信する
6．権限は少しずつ広げる
最初から送信、削除、支払い、契約に関する権限を与えません。
- 閲覧のみ
- 下書きの作成
- 承認後の更新
- 制限内の自動実行
この順に広げます。
7．実行結果を記録する
少なくとも、次の情報を記録します。
- AIが受け取った依頼
- 参照した情報
- 利用したツール
- 作成した成果物
- 実行した操作
- 人間が修正した内容
- 発生したエラー
- 処理時間と利用コスト
8．安定した仕事だけを広げる
AIの回答が一度うまくいっただけでは、自動化へ進めません。
複数回の業務で、品質、再現性、コスト、例外条件を確認します。
安定しない業務は、助言や下書きの段階へ戻します。
人間は何を担い続けるのか
顧客を直接理解する
顧客の表情、沈黙、迷い、不満は、集計データだけでは把握できません。
目的と価値基準を決める
利益、成長、品質、自由、地域への貢献など、何を優先するかは経営者が決めます。
例外へ対応する
過去にない問題、価値観が衝突する問題、正解のない問題は人間が担います。
信頼と責任を引き受ける
問題が起きたときに説明し、謝罪し、修正し、再発防止を約束するのは経営者です。
独自性を生み出す
AIが平均的な情報処理を担うほど、経営者には独自の経験、観察、思想、審美眼が求められます。
一人＋AIが、常に強い会社とは限らない
創業者が承認のボトルネックになる
AIが大量の案を作るほど、確認と判断が創業者へ集中します。
処理量は増えても、認知負荷が下がらないことがあります。
顧客との接点が薄くなる
調査、営業、顧客対応を自動化しすぎると、顧客の生の声が経営者へ届かなくなります。
平均的な成果物が大量に生まれる
AIを使うこと自体は競争優位になりません。
独自の知識、経験、顧客理解がなければ、会社全体が平均化します。
外部サービスへの依存が高まる
一社のAIモデルや自動化サービスへ依存すると、価格変更、仕様変更、障害、利用停止の影響を受けます。
重要データを自社で保持し、代替手段を用意する必要があります。
一人でいることが目的になる
人を雇わないこと自体に価値があるわけではありません。
顧客価値や専門性を高めるために人が必要なら、採用、業務委託、提携を選ぶべきです。
AI組織のKPI
| 指標 | 確認する内容 |
|---|---|
| 創業者の回収時間 | 高付加価値業務へ戻せた時間 |
| 業務リードタイム | 依頼から完了までの時間 |
| 無修正承認率 | 大幅修正せず利用できた割合 |
| 手戻り率 | 作り直しが必要になった割合 |
| エラー率 | 誤情報、誤送信、誤更新の割合 |
| 1業務当たりコスト | AI利用料と人間の確認工数 |
| 顧客成果 | 受注率、継続率、満足度 |
| 重大インシデント | 情報漏えい、権限逸脱、契約問題 |
| 知識蓄積率 | 得られた知識を再利用できる状態にした割合 |
| 創業者依存度 | 創業者不在でも継続できる業務の割合 |
最も重要なのは、削減時間そのものではありません。
生まれた時間を、顧客理解、商品開発、重要な判断、休息のどこへ再投資したかです。
経営者への問い
- 自社にとって十分な成長とは何でしょうか。
- 自分にしかできない仕事は何でしょうか。
- 本当は自分が行う必要のない仕事は何でしょうか。
- AIへ任せた結果、顧客との距離が遠くなっていませんか。
- AIの判断が誤っていた場合、どこで停止できますか。
- AIが参照する会社の知識は整理されていますか。
- AIが停止しても、最低限の事業を継続できますか。
- AIによって生まれた時間を、何へ使いますか。
これは、次の世代へ会社を渡す設計とも重なる
ここまでの分解は、一人で始める会社だけの話ではありません。特定の一人に集中した判断と暗黙知を、人、AI、システム、外部専門家へ配り直す作業は、その一人がいなくても会社が続く状態をつくることでもあります。
暗黙知をAIへ移すとき、難しいのは技術よりも合意です。その知識を握っているのは、多くの場合、古参の社員か後継者です。誰の判断を、どんな納得のもとで会社の共有資産に変えるのか。そこを飛ばした可視化は、現場の反発を招くか、更新の止まった型を残します。
AIへ仕事を移す設計と、次の世代へ会社を渡す設計は、同じ問いの表と裏なのかもしれません。
まとめ
AIと共生する会社は、人間をAIへ置き換えた会社ではありません。
会社に必要な機能を分解し、人間、AI、既存システム、外部専門家の役割を明確に設計した会社です。
AIは、情報を集め、整理し、下書きを作り、進捗を監視し、定められた範囲で業務を実行できます。
人間は、目的を定め、顧客を理解し、何を優先するかを決め、例外へ対応し、最終責任を負います。
ソロプレナーが目指すべき会社は、「一人で何でもできる会社」ではありません。
人間が統治し、AIとシステムが運営し、専門家が保証する会社。
AIエージェントを増やすことが、組織づくりなのではありません。
何を任せるのか。何を任せないのか。どこで人間へ戻すのか。そして、生まれた自由を何へ使うのか。
その境界を設計することが、AIと共生する時代の会社づくりなのではないでしょうか。
参考情報
- OpenAI, AI is becoming a first hire for small businesses
https://openai.com/index/ai-first-hire-small-business/ - OpenAI, A practical guide to building agents
https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/ - Anthropic, Building effective agents
https://www.anthropic.com/engineering/building-effective-agents - Paul Jarvis, Company of One
https://www.harperacademic.com/book/9781328972378/company-of-one/ - 長澤大輔『生成AI起業バイブル 増補改訂版』
https://bookpub.jiji.com/book/b676992.html - Zapier, SisterLove customer story
https://zapier.com/customer-stories/sisterlove - Zapier, How NisonCo fuels business growth with Zapier Agents
https://zapier.com/blog/how-nisonco-fuels-business-growth-with-zapier-agents/ - Zapier, Erewhon customer story
https://zapier.com/customer-stories/Erewhon - 東京商工会議所「中小企業のための『生成AI』活用入門ガイド」
https://www.tokyo-cci.or.jp/file.jsp?id=1204275
＼ 最新情報をチェック ／
