─ AI組織という新しい働き方
はじめに｜日々の仕事に追われる中で、ふと気づいたこと
講演会の3日前、私はデスクで3つのことを同時に抱えていました。
講演会スライドの修正、依頼原稿、日中に溜まった40件のメール処理。更にメールを見ると、何人かの後輩からスライドチェックの依頼がいくつか来ている。どれも締め切りが迫っていて、「どこから手をつければいいのか」という焦りだけが先に立っていました。
気合いで何とか乗り切り、それぞれの仕事を終え、講演会も無事に終わりましたが、今度は次の講演会や学会発表の準備がやってきて、終わりが見えません。
最近は、ChatGPTというドラえもんのように優秀な相談相手がいて、スライドのアイデアや実際の原稿の草案など作成したり、メールの返信案を作成したりしてくれます。けれども、自分の代わりに納得のいくスライドを作ってくれたり、メールの返信をしたりしてくれるわけではありません。また、ChatGPTは以前話した内容を、多少は覚えてくれている時もありますが、だいたいは毎回細かく説明しないと分かってくれません。
こんな時、自分のことをよく分かって、自分の代わりにメール返信などをしてくれる、秘書さんが欲しいな、と思います。
でも、優秀な秘書さんがいたとしても、先日のように大量の仕事が重なった時には、結局時間がかかってしまいます。そんな時はどうしたらいいでしょうか。
そんな中、AI組織という新しい考え方を知りました。
第1章 ChatGPTを「質問箱」として使っていませんか
「ChatGPTは便利ですよね。メールの返信案を作ってもらったり、論文の要約とかに使ってます。」
周りに聞くと、こう話してくださる方は多いですし、もちろんその使い方は間違いではありません。でも、AI組織という考え方を知ると、これはAIの可能性のほんの入口でしかないことに気付かされます。
少し前の話に例えると、インターネットが普及したばかりのころ、「Googleで検索する」だけだった時代に似ているかもしれません。情報にはアクセスできる。でも、仕事そのものは自分が動かなければ前に進まない。
2026年、その感覚が変わり始めています。
第2章 AIエージェントという新しい働き手
最近、「AIエージェント」という言葉をよく耳にするようになりました。
AIエージェントとは、簡単に言えば「目的を与えると、自分で考えて動くAI」のことです。生成AIのように質問に答えるだけでなく、AIエージェントはファイルを読んで、整理し、新しいファイルを作る、そしてアプリを実行する、などの実行機能が実装されたAIであることが大きく異なります。いわば、ChatGPTなどの生成AIは脳みそだけなのに対して、AIエージェントには手足が生えて行動できるようになっている、ということです。
たとえば、ChatGPTに「この論文を要約してください」と依頼すると、要約はしてくれます。しかし、
- 要約結果を保存する
- 過去の要約と比較する
- 研究フォルダへ整理する
- 関連論文を追加で探す
- スライドの下書きを作る
といった作業は、基本的に自分で行わなければなりません。
一方でAIエージェントは、「この論文を要約して研究フォルダに保存し、関連論文を検索して一覧化し、来週の抄読会用スライドの骨格まで作成しておいてください」と依頼すると、それらの作業を順番に実行することができます。
つまり、ChatGPTは「相談相手」に近く、AIエージェントは「実際に手を動かして仕事をする人」に近いのです。
しかし、ここで一つ問題があります。
たとえ優秀なAIエージェントがいたとしても、一人だけでは限界があります。
病院でも、優秀な医師が一人ですべての仕事を行うことはできません。診療には看護師、薬剤師、検査技師、事務職員など、それぞれ専門性を持った人たちが協力しています。研究でも、実験担当、データ解析担当、統計担当などが役割を分担しています。
AIも同じです。
一つのAIに調査、分析、文章作成、レビューのすべてを任せるより、それぞれに役割を持たせたAIが協力する方が、より質の高い成果が得られるようになります。
そこで登場するのが、「AI組織」という考え方です。
第3章 AI組織は「役割」から始まる
そしてこのAIエージェントを複数作成し、それぞれに専門の役割を持たせることができます。
たとえば、こんなイメージです。
- 秘書AI：スケジュール確認・メール整理・リマインダー管理する
- 調査AI：情報を集めて要約し、必要な内容を整理する
- 分析AI：データの整理および分析をし、結果を解釈する
- 作成AI：文章やスライドを作成する
- レビューAI：作成した内容をチェックし、品質を高く保つためのフィードバックをする
これは「一人のAIが一度の調査・分析・報告書作成などを中途半端に行う」のとは違います。それぞれが専門の役割を持ったAIのチームとして動くことで、質の高いものが出来上がります。
仕事の現場ではチームで物事を進めていきますが、それと同じ発想が、AIの世界にも応用できるのです。
第4章 特に医師の仕事は、AI組織と相性がいい
ここで、私のような医師の日常業務について考えてみます。
- 論文を読んで知識をアップデートする
- 学会発表のスライドをつくる
- 症例サマリーを作成する
- メールの返信をする
- カンファレンスの資料を準備する
- 研修医への教育
これらに共通しているのは、「知識を扱う作業」が多いという点です。情報を整理して、構造化して、言語化する。まさにAIが得意とする領域です。
さらに、医師の業務には「繰り返しパターン」があります。毎月の抄読会、定期的なミーティングの議事録作成、学会スライドの作成。パターンがあるということは、役割として定義しやすいということでもあります。
病院にさまざまな職種があってチーム医療を行うのと同じように、AI組織も「誰が何を担当するか」を決めることで動き始めます。
第5章 実際にどんなことが起きるのか
少し具体的なシーンを描いてみます。
カンファレンスが終わったら、議事録の草案ができている
会議を終えて戻ってきたら、「秘書AI」が、会議の録音音声の書き起こしメモをもとに議事録の草案を作成済みです。参加メンバーや日時などの定型文から、議題内容・アクション・次回の確認事項まで、いつも自分が作成しているスタイルで、きれいに整理されています。いつも同じように作成するので、ほとんど手直しは必要ありません。「あの会議で何を決めたっけ」と記憶を探す必要がありません。
スライドの骨格ができている
学会発表が来月に迫っているとき、「この症例報告をいつものスライド形式で作成して」と投げるだけで、下書きのスライドが返ってきます。あとはデザインと中身の肉付けです。
朝、論文の整理が終わっている
毎週月曜日に、事前に設定したキーワードに合致する新着論文を「文献検索AI」がPubMedからピックアップし、構造化した要約を届けてくれています。タイトルと要約を眺めながら「これは読む」「これはあとで」と判断するだけでよい。文献チェックの最初の労力が、一つ消えています。
査読コメントの下書きが届いている
Reviewer AIに論文と査読コメントを渡すと、自分がいつも考えているポイントごとにコメントを作成し提案してくれます。そのまま使うわけではないのですが、「まず考える」という最初の壁がぐっと下がります。
（大学教員の場合）学生の履修科目のスケジュールが一気に完了する
大学教員で、毎年新しい学生が入ってくる時期になると、シラバスを作成します。今年はどんな科目があって、学生の必修科目、選択科目は何があり、各学部の学生はどのような組み合わせで授業が取れるか、複雑なパズルのような調整をしなくてはなりません。毎年手作業でやっていますが、何時間も時間を取られます。
AIチームに依頼すると、シラバスを読み込み、科目を整理し、どの学部の学生はどの科目を選択することが可能か、一目でわかる簡単なソフトを10分程度で作ってくれます。毎回の作業負担が一気に減りました。
どれも「AIが全部やってくれる」ではありません。AIが最初の処理や細かい作業をしてくれる分、人間がより本質的な判断に集中できる、というのが大きな特徴です。
第6章 大切なのは「AIの性能」や「プロンプトの書き方」ではありません
ここが、多くの人が見落とすポイントだと感じています。
AIのモデルが年々賢くなっているのは確かです。新しいモデルが出れば、皆それに飛びつきます。でも、同じAIを使っても、使い方によって結果は大きく変わります。
また、プロンプト（AIに指示する文章）の書き方を工夫すればより良いものができると言って、いかに優れたプロンプトを書くかについて議論されることも多いと思います。でも、プロンプトだけでは期待したものはなかなかできません。
これは、優秀な部下を採用したのに「何をやらせればいいかわからない」状態のまま現場に放つのと似ています。能力があっても、その会社にはどんな文化があってどんな価値観で動いているのか、仕事のやり方の流儀はどうか、新人はどんな役割で働くべきか、が分かっていなければ力を発揮できません。
AI組織をつくるうえで、問い続けるべきことは3つあります。
① いかに自分を知ってもらうか（文脈を渡す）
AIは何も知らない新人として仕事を始めます。「私はこういう人です、このような価値観を持っていて、自分の欲しいものはこれです」「この背景で作業をお願いします」ということを理解してもらうための設計が欠かせません。
② どう分業するか（役割を設計する）
どの仕事は一人のAIにさせるのか、どの作業は分けて専門化させるのか。作成した各担当AIは、どのような役割で、どのような作業を行うのか。そして、何を誰に覚えておいてもらうのか。
③ AIが作った文章やスライドなどをどのように評価し修正するか（成果物のレビュー）
実際AIが作った文章やスライドは、一目でそれと分かったり、AI特有の嘘（ハルシネーション）、中身の薄い文章の羅列など、そのままでは使えないことも多くあります。それを、いかに評価して修正するか、その作業をAIにどう教えるか、などの課題があります。
「AIの性能を上げる」、「プロンプトの精度を上げる」よりも、「文脈を渡す」、「役割を設計する」、「成果物を適切に評価修正する」。この発想の転換が、AI活用の核心にあると思っています。
最後に｜まず一歩目は、今日から踏み出せます
ここまで読んで「AI組織という考え方は面白そうだ」と思っていただけたなら、とても嬉しく思います。
AI活用とは、単に最新ツールを追いかけることではありません。自分の仕事を見直し、何を任せ、何に集中するかを考えること。この記事が、その第一歩になれば幸いです。
コメント