よかったらこれ読んでください

「メガ介護施設を作るべし！！」

要約
倭国の高齢化率は2023年で29%に達し、2060年には40%を超える予測の中、医療福祉産業や自宅介護の負担が若年層に重くのしかかり、結婚や子育てを阻害、少子化を加速させています。

本提案は、収容人数5000人以上のメガ施設の建設と、要介護度が進んだ高齢者の施設入所を原則とし、「拒否する場合に健康保険適用を制限する制度」を主張します。このような明確な制度があれば、親をどこまで介護すべきか、子供に介護を押し付けるべきか、という悩みから解放されます。

メガ施設は、労働集約型産業の効率化、生産性向上による賃金上昇、AI・ICTの導入、格差是正を実現し、誰しもが十分な介護を受けられる社会を構築します。

家族の負担を軽減し、次世代の人生の質を向上させるこの改革は、技術とインフラが整った今、政府が決断すべき時です。

https://t.co/jOzqmjBeg7 December 12, 2025

非常に難しい話ですね。
やっと、企業が気づき始めたという感じでしょうか。

AIは、アプリのバックエンドであれば、使いやすいのかもしれないですが、LLMを直接使って生産性を上げるのは、なかなか難しいと思います。

もちろんPGやSEが使うと生産性は上がります。それはプログラミングを知っているから、プロンプトの習得も早いだけ。
そしてIDEに組み込まれている。

そうではない社員が利用する、例えば、文書を作る、表計算をする、プレゼンテーションを作るなどはLLMを直接ではなくて、ワードプロセッサやスプレッドシート、プレゼンテーションのソフトに組み込まれたLMを利用するという形しかありえない。
この場合もプロンプトではなく、もっと簡単に動く仕組みが必要だと思われる。

社内情報を使うにはRAGとの連携が必須となるが、そうなるとLMも社内に置く必要がある。
この場合、投資は高額となる。
当然ROIはしばしば低迷する。

「思ったほど賢くない」「嘘をつく（ハルシネーション）」「社内データを正しく参照してくれない」などは最初からわかっていることであるが、過度な期待がそれらの欠点を隠していたとも言える。

ある程度の賢さやハルシネーションの軽減はできるが、ハルシネーションを０にする方法は今のところは多分ない。
これが業務にどう影響するか？
これらは十分に考慮する必要がある。 December 12, 2025

会場は、最新技術を体験しようと多くの来場者で賑わっていました🌟
生活をサポートしてくれるロボットから、企業の生産性アップに貢献する本格派ロボットまで勢ぞろい！ December 12, 2025

企業におけるAI導入の「期待と現実の乖離」が、ついに露呈し始めています。

「AIがすべてを変える」という熱狂から数年。データが示す現実は、予想とは異なる方向を示唆しています。

仕事でのAIの利用率が今年の6月から9月にかけて、46%から37%に減少したという調査結果も出ているほどです。

多くの企業が直面しているのは、魔法のような生産性向上ではなく、導入の停滞と現場の混乱です。

現在の企業AI導入における「期待と現実の乖離」の正体と、直面している5つの本質的な課題についてまとめました。

1. 職場でのAI導入率の低下（特に大企業）
驚くべきことに、一部のデータでは職場でのAI利用率が低下傾向にあります。特に大企業において、この傾向は顕著です。なぜでしょうか？

単に「ブームが去った」からではありません。背景には、より深刻な構造的な「壁」が存在します。

初期の「とりあえず触ってみる」というフェーズが終わり、実務への適用を試みた瞬間、多くの従業員が「既存のワークフローにフィットしない」という現実に直面しています。セキュリティやガバナンスの懸念による利用制限、そして何より「具体的な使いどころ」が定義されていないことが、継続的な利用を阻害しています。

「導入すれば使われる」という安易な神話は、崩れ去りました。ツールを渡すだけでは、業務は変わらない。この当たり前の事実が、数字として表れ始めているのです。

2. インフラへの巨額投資と収益化のギャップ
テクノロジー大手は、AIインフラに対して歴史的な規模の巨額投資を続けています。GPU、データセンター、エネルギーへの投資額は天文学的です。

しかし、ここで重大な問いが生じます。「その投資に見合うだけの収益は生まれているのか？」

現状、この答えは「No」に近いと言わざるを得ません。AI機能の追加による収益増は、投資のペースに追いついていません。企業側も、Copilotなどの高額なライセンス料に対し、それに見合うだけの明確なROI（投資対効果）を見出せていないのが実情です。

この「投資とリターンの不均衡」は、AI市場全体に潜在的なリスクをもたらしています。技術的な進歩と、ビジネスとしての持続可能性の間に、大きな乖離が生じているのです。

3. 経営層と現場の「圧倒的な温度差」
組織内のAI活用において最も深刻なのが、経営層（役員）と一般従業員の意識のギャップです。

経営層は「AIファースト」を掲げ、変革を急ぎます。株主へのアピールや競争力維持のため、トップダウンでの号令をかけます。

一方で、現場の従業員は「どう使えばいいのか分からない」「仕事が増えただけ」という冷めた反応を示しています。

ある調査では、経営層のAI使用率と従業員のそれには、倍以上の開きがあるとも言われています。この乖離を放置したままの「AI推進」は、現場の疲弊と反発を招くだけです。

リーダーが描く「理想のAI活用」と、現場が直面する「泥臭い現実」のギャップを埋める努力なしに、組織的な定着はあり得ません。

4. 実用性に対する高まる「疑問と失望」
「思ったほど賢くない」「嘘をつく（ハルシネーション）」「社内データを正しく参照してくれない」

導入初期の過度な期待（ハイプ）が落ち着き、ユーザーはAIの限界に気づき始めています。特に、複雑な業務や正確性が求められるタスクにおいて、現在のLLMが「期待通りに機能しない」という失望感が広がっています。

デモ動画で見せられる「魔法」と、実際に手元で動かした時の「挙動」の落差。
プロンプトエンジニアリングという新たなスキル習得の負担。

「これなら自分でやった方が早い」
そう感じた瞬間、ユーザーはAIから離れていきます。この「実用性の壁」を越えるUX（ユーザー体験）の改善が、今まさに求められています。

5. 技術ではなく「組織と人」の問題
これら全ての課題の根底にあるのは、実は技術的な問題ではありません。「組織文化」「スキル」「戦略」の欠如です。

AI導入を単なる「ITツールの導入」と捉えている企業は失敗します。AIは、業務プロセスそのものの再定義や、従業員のスキルセットの転換を要求するからです。

・失敗を許容しない減点主義の文化
・AIリテラシー教育の不足
・「何のためにAIを使うか」というビジョンの欠如

期待と現実の乖離を生んでいる真犯人は、AIの性能不足ではなく、AIを受け入れる準備ができていない「組織の硬直性」にあるのかもしれません。 December 12, 2025

プロジェクトマネジメントが真に面白いと思うのは、地頭が優れた人間を16倍の速度で生産性を出せるように育てたうえで、その人間を16人マネジメントすることによって、自分の知能に「256倍のレバレッジ」を効かせて、この世にまだ存在していないものを、地上に顕現させることができるからなんだよな December 12, 2025

物価が高いとか毎日大変というポストをすると「じゃあなんで産んだの？」勢がDMくれるんですが、親は皆、どうして産んだんだっけ？なんて生産性のないことを振り返ってる暇はない。「どうやって育てていくか」という未来のことを常に考えている。子育てはつらくて、たのしくて、忙しすぎて。 December 12, 2025

緊急無料配布（12/5 23:59まで）

そのGemini 3をフル活用して
「生産性3倍＋新しい収益源を爆速で作る全手法」
を12,000文字の極秘noteに全部ぶち込んだ

・Google連携自動化ビジネス
・画像生成×SNS収益化
・コードゼロでも作れるSaaS

全部実例付き

欲しい人は超簡単3ステップ：
① @monaka_ai をフォロー
② このスレッドにいいね
③ リプで「欲しいです！」

即シクリプで送ります！
期限過ぎたら有料にします！ December 12, 2025

新聞読解「生産性重視に一定の成果」/就活SST「適切に謝る練習」
https://t.co/LhXdf6gOIe
#今日の活動 #うつ病 #発達障害 December 12, 2025

これはスッキリしていて、ゴマカシの入る余地もないし。いい案だよな。
正直この件はこれで終わって欲しいのよ。生産性がない。

https://t.co/dEwhZgfjDw December 12, 2025

@kazumasa_Seko お金稼ぐ人はその分大変な事をやってるから対価として大金いただいてるのよ。
仕事頑張らないと生産性無い人になんでお金払わなきゃいけないの？
そんなこともわからないからずっと低所得なのよ。
所得多い人は当たり前ですよ。 December 12, 2025

@kazumasa_Seko 仕事頑張りたく無い人は低所得でもガタガタ言うな。稼いでる人はその人の何倍も努力して生産性上げてるから所得が多いんです。
楽して稼げるなんて無いです。
何かを犠牲にしてるんです。 December 12, 2025

元の投稿のワークライフバランス（WLB）に関する主張は主観的です。研究によると、WLB施策（例:柔軟勤務）は生産性を向上させる場合が多い（内閣府・RIETI報告）。一方、一部では「バランスは神話」との意見もあり、仕事と生活の統合を推奨（Forbes・Psychology Today）。成功企業例（サイボウズ等）では離職率低下・モチベーション向上。個人の状況による。 December 12, 2025

@nikkei これの行き着く先が

AIで仕事は奪われてない！！

ただ仕事の単価とかは安くてアナログ
AIですぐ自動化されるような
年収の低い、生産性のない仕事

な気がして
学生ですが危機感がすごいです December 12, 2025

AIノートテイカー「Tiro（ティロ）」が倭国でも使えるようになりました！
英語・倭国語の会議をリアルタイムで記録＆翻訳。
もう聞き逃しを心配しなくて大丈夫です。

#AIツール　＃生産性向上　＃プロダクティビティ https://t.co/ktccgzM77i December 12, 2025

ハラスメント専門家です。「不機嫌がハラスメント扱いされて損害賠償を払わされるなんて!!」とか、「不機嫌になることくらいあるだろ!?」みたいに思う人もおられるかもしれませんが、いいんですよ不機嫌になること自体は。問題なのは、

「不機嫌によって相手をコントロールしようとする、タチの悪い人」
と、
「そういう面倒なタイプの人間を野放しにしてきた、組織の事なかれ主義」

のほうです。

「機嫌が悪そうだから」
「何を言っても通じないから」
「とばっちりが自分に来たら面倒だから」…

と、面倒なタイプの人間を放置してしまうと、組織の免疫が働かなくなり、やがて「不機嫌が正義」になってしまいます。

不機嫌をばら撒く人間は、「気難しい職人」でも、「繊細な天才」でもありません。単に「感情をコントロールできない未成熟な人間」であり、「自分の機嫌も自分でとれないガキ」です。しかも、それをもって職場を精神的に支配しようとするなら、もはや立派な加害行為とさえいえるでしょう。

そして、不機嫌を振りまく人間を放置する組織は、自らのマネジメント機能の欠如を認めているようなもの。職場秩序を乱し、服務規律に反する行為なんですから、本来は都度注意指導し、配置転換含めて調整し、人事評価にも反映させなければいけません。それでも発言や態度が改まらなければ、懲戒処分を下し、反省なく再発するようであれば組織から去ってもらうべく、粛々と手を打っていくべきなのです。

「不機嫌を許容し続けた職場」の行き着く先がどれだけ生産性を蝕むか…それこそ、企業にとって最大のリスクといえるでしょう。

＜追記・「フキハラ」も「パワハラ」の一種なのか?＞
「フキハラ」をはじめ、「モラハラ」「アカハラ」「アルハラ」など、世の中には「●●ハラ」が溢れていますが、現時点で我が国の法律に明確な定義･規定があるハラスメントは、「セクハラ」「パワハラ」「マタハラ･パタハラ」「ケアハラ」だけ(来年にはここに「カスハラ」が加わる予定)。それ以外は、社会的･メディア的な呼称として。誰かが名付けたに過ぎないものです。

ちなみに本件は「女性部下が男性上司に対して、繰り返し不機嫌をあらわにして萎縮を誘う威圧的な振舞いを行った結果、上司側が精神的に追い込まれ、休職に至った」というケースです。

昨今は「上司が部下に厳しい指導をしたらパワハラ」「相手がパワハラと感じたらパワハラ」かのように理解されているフシがありますが、本来のパワハラの定義は「立場に関係なく、相手の尊厳を傷つけ、職場環境を悪化させるような言動をしてはいけない」という話なので、部下⇒上司に対するものでもパワハラに該当することもあれば、相手がパワハラだと感じても、条件を満たさなければパワハラ認定されないこともあります。

今般のケースは、「相手が逆らいにくい状況下で、業務上必要性を超えた過剰かつ不適切な言動により、相手に精神的苦痛を与えた」という条件を満たすので、部下⇒上司に対する行為ですが、明らかな「パワハラ」に該当します。しかも「男性上司が女性部下を提訴し、女性側がハラスメントを認めて和解に至り、男性上司側に慰謝料が支払われた」という点でなかなかレアケースですね。

ということで「フキハラ」も、「精神的な攻撃」というパワハラ類型の一種となります。 December 12, 2025

うつや不安症などで「何もしなかった日」に強い罪悪感を感じるのは、“自分の価値＝生産性”と結びつけすぎている社会の刷り込みがあるからです。

何もしない日は、ちゃんと「回復している日」です。
動けなかった日も、無駄ではありません。 December 12, 2025

ちょっと話変わるけど深夜の馬鹿力で聞いた話。高額でポケモンカードの売買が行われてるのは昔からだけど、最近はもうカード自体は欲しくないけど投機的に値上げして転売するためだけに買う層も多いらしい。そうなるとイチイチカードを互いに配送するだけ紛失・損傷リスクとか送料とかバカらしくなってくる。というわけでポケモンカードのNFTを売ってる業者がいるらしい。つまりカードの代わりに”カードの権利”を売買する。これならリスクも無いし送料とかもかからない。（まあ当然現物のカードを請求すれば送ってもらえる）ポケモンカードは存在しないで情報だけになった方がむしろありがたい…そういう話。究極の経済を突き詰めるとこんな風に物理世界の本質を無視して中身をパージして情報だけやり取りする世界になっていく。ポケモンカードの本来の目的はキッズがカードゲームして遊ぶためのものなのに、経済を突き詰めると本来の目的は無視されて、キッズの手元にはカードは手に入らない。同様にAIで生産性を最適化していくと、どこかの段階で物理的な人間はパージして置いてけぼりにして情報の世界で完結させた方が効率がいい。しかし経済活動の本来の目的は人間を豊かにすることだったのではないか？これまた経済を突き詰めると本来の目的は無視され、人間は疎外される。 December 12, 2025

新人時代、深夜残業が当たり前のチームで、毎日２０時にスッと帰る先輩がいました。

作業がすごく早いのかと思って観察してみたけど、すごいのは作業自体の速さではなく段取りの質でした。

先輩がやっていたことは驚くほどシンプルで、
・成果を端的に報告する
・その場で懸念点を共有して相談する
・上司や関係者と対策方針を合意する
この３ステップを１０分で終わらせる。合意した内容に基づき作業するので、迷いや手戻りがほとんどない。

多くの人は、作業が遅いのではなく迷いが多い。
・判断を後回しにする
・懸念を抱えたまま帰る
・翌朝に別方向の指摘を受けてやり直し
このような状況が迷いを生み生産性を下げてしまう。
作業前に迷いをゼロにすれば、仕事は速くなります。報告・相談・合意という段取りの質を上げましょう。 December 12, 2025

📝正直に言います

このレポートを読んで、私は少し怖くなりました
一方でワクワクも増しました

Anthropicが自社のエンジニア132人を調査し、53人に深掘りインタビューまで行った内部レポート。普通、企業ってこういう「都合の悪いこと」は隠したがるじゃないですか。

でもこのレポート、AIがもたらす『希望』と『不安』の両方を、驚くほど正直に語っているんです。

なぜ怖くなったか？

それは、ここに書かれていることが「AIを作っている側の人たち」のリアルな声だから。つまり、私たちの数カ月…数年後の姿かもしれない。

まず数字から見ていきましょう。

Anthropicのエンジニアたちは現在、仕事の60%でClaudeを使い、生産性は50%向上したと報告しています。

1年前は？ 仕事の28%で使用、生産性向上は20%。

つまり、たった1年で使用率は2倍以上、生産性向上も2.5倍。このスピード感、ちょっと異常じゃないですか？

でも私が本当に興味を持ったのは、この先の話なんです。

『やらなかったはずの仕事』が27%も生まれている。

これ、すごく重要なポイントだと思うんです。

AIで既存の仕事が速くなる——これは誰もが想像できる。でも実際に起きているのは、それだけじゃない。

エンジニアたちはこう語っています。

「以前は優先度が低くて放置していた『ペーパーカット』に手が回るようになった」

ペーパーカットって何かというと、紙で指を切るような小さな痛み。コードの世界では、構造の悪いコードのリファクタリングとか、あったら便利なツールの作成とか、そういう「やりたいけど時間がなくて後回しにしていたこと」を指します。

実際、Claude Codeの利用データを分析すると、タスクの8.6%がこのペーパーカット修正だったそうです。

これ、地味に見えて実はめちゃくちゃ大きな変化だと思うんですよね。なぜなら、こういう小さな改善の積み重ねが、長期的には組織の生産性を根本から変えるから。

もう一つ、読んでいて「これは...」と思ったのが『フルスタック化』の話。

あるバックエンドエンジニアのエピソードが印象的でした。

Claudeと何度もやり取りしながら複雑なUIを構築したところ、デザイナーに見せたら驚かれたそうです。

「待って、これあなたが作ったの？」
「いや、Claudeが作った。僕はプロンプトを出しただけ」

このエンジニア、自分では「絶対にできなかった」し「期限内には間に合わなかった」と言っています。

別のエンジニアはこう語っています。

「以前は触るのが怖かったフロントエンドやトランザクションデータベースも、今は自分で扱えるようになった」

研究者がデータの可視化を自分で作る。セキュリティチームが不慣れなコードベースを分析する。非技術系の従業員がデバッグやデータサイエンスをこなす。

Claudeのタスク分析を見ると、チームごとに使い方が全然違うんです。でも共通しているのは、みんなが「自分の専門外」に手を伸ばせるようになっていること。

数週間かかっていたプロセスが、同僚との「数時間の作業セッション」で完結することもあるそうです。

すごい時代になったなぁ...と思いますよね。

でも、ここからが本題なんです。

レポートで最も考えさせられたのが『監督のパラドックス』という概念。

これ、本当に深い問題だと思うんですよ。

AIを効果的に使うには、その出力を監督する能力が必要。でもその監督能力は、実際にコードを書く経験から培われる。ところがAIを使いすぎると、その経験を積む機会が減ってしまう——という矛盾。

あるエンジニアはこう表現しています。

「以前なら難しい問題を自分でデバッグする過程で、ドキュメントやコードを読み込んで、システムがどう動くかのメンタルモデルを構築していた。Claudeはすぐに問題の核心にたどり着けるから、そういう時間が大幅に減っている」

別の人も言っています。

「新しいツールの設定を全部調べて理解していたのに、今はAIに使い方を聞くだけ。だから専門知識が身につかない。同僚との会話で『それ知ってる』と即答できていたことが、今は『AIに聞かないとわからない』になっている」

これ、すごくリアルな声だと思いませんか？

特に印象的だったのが、あるシニアエンジニアの言葉。

「私がAIを使うのは、主に『答えがどうあるべきか』を既に知っている領域。その能力は、かつてSWE（ソフトウェアエンジニアリング）を『ハードな方法』でやることで身につけたもの。でも自分がキャリア初期だったら、モデルの出力を鵜呑みにせず、意図的に自分の能力を伸ばす努力が必要だと思う」

ここに、AI時代の学習における核心的な課題があると思うんです。

「楽」と「成長」のトレードオフ

出力を簡単に得られるからこそ、「じっくり学ぶ時間を取る」ことが難しくなる。

一部のエンジニアは対策として、意図的にAIなしでコードを書く練習をしているそうです。

「Claudeが問題を解決できると分かっていても、あえて頼まないことがある。自分を鋭く保つために」

この姿勢、すごく大事だと思うんですよね...。

一方で、こんな反論もありました。

「『錆びつく』という発想は、コーディングがいつかClaude 3.5以前の状態に戻るという前提に依存している。でも僕はそうは思わない」

これも一理ある。

ソフトウェアエンジニアリングは過去にも抽象化のレベルを上げてきました。アセンブリ言語から高級言語へ、手動のメモリ管理から自動ガベージコレクションへ。

今、英語がプログラミング言語になりつつあるのかもしれない。

あるスタッフはこう提案しています。

「これからのエンジニアは、AIにコードを書かせることに習熟し、より高レベルな概念とパターンの学習に集中すべきだ」

抽象化が進めば、低レベルの知識は必要なくなる——理論上は。

ただ、別のエンジニアが指摘していたように、「高級言語への移行で、ほとんどのエンジニアはメモリ処理に関する深い理解を失った」のも事実。抽象化にはコストが伴う。

どちらの視点が正しいかは、正直まだ誰にも分からない。でも両方の視点を持っておくことが大事なんじゃないかと思うんです。

個人的に一番グッときたのが、『職人技と意義』についての議論でした。

エンジニアたちの声が、見事に二極化しているんです。

ある人は言う。

「25年間プログラミングを続けてきた私にとって、これは時代の終わり。そのスキルセットに自信を持てることが、職業的な満足感の核だった」

「一日中Claudeにプロンプトを出すのは、あまり楽しくないし充実感もない。音楽をかけて没頭して、自分で実装するほうがずっと楽しい」

一方で、こういう声も。

「コードをリファクタリングするときの禅のようなフロー状態...確かに失った部分もある。でも今は生産性が劇的に上がったから、喜んで手放す」

そして、こんな発見をした人も。

「この時点で、怖くなったり退屈になったりすると思っていた。でも実際はどちらも感じない。代わりに、ずっと多くのことができるようになってワクワクしている。コードを書くこと自体を楽しんでいたと思っていたけど、実は『コードを書くことで得られるもの』を楽しんでいたんだ」

これ、すごく深い気づきだと思うんですよね。

自分が仕事のどの部分に意義を感じているか——手段なのか、結果なのか。AI時代は、この問いに向き合わざるを得なくなる。

職場の人間関係にも、静かだけど確実な変化が起きています。

「質問の80〜90%はClaudeに行く」

かつて同僚に向けられていた質問が、まずAIに向かうようになった。Claudeがルーティンな問い合わせを処理し、人間はAIの能力を超える複雑な問題だけを担当する——そんなフィルタリング機構が生まれている。

「同僚の誰よりもClaudeと遥かに多く働いている」という声も。

興味深いのは、これを肯定的に捉える人と否定的に捉える人がいること。

「同僚の時間を奪うことへの罪悪感がなくなった」——これは楽になった側の声。

「『Claudeに聞いた？』が一般的な反応になるのは好きじゃない。人と直接働くことを本当に楽しんでいるし、すごく大事にしている」——これは寂しさを感じている側。

あるシニアエンジニアの言葉が、少し切なかったです。

「若手が質問に来る頻度が減ったのは悲しい。でも彼らは確実に、より効果的に答えを得て、より速く学んでいる」

メンターシップの形が変わりつつある。それが良いことなのか悪いことなのか、まだ誰にも分からない。

キャリアの未来について、エンジニアたちの本音が語られていました。

多くの人が、自分の役割が「コードを書く人」から「AIを管理する人」へとシフトしていると感じている。

「仕事の70%以上が、純粋なコードライターではなく、コードレビュアー・リバイザーにシフトした」

「1人、5人、または100人のClaudeの仕事に責任を持つこと——それが将来の役割の一部だと思う」

短期的には楽観的な人が多い。でも長期的には...？

「短期的には楽観的。でも長期的にはAIがすべてをやり遂げて、自分や多くの人を無関係にすると思う」

「毎日仕事に来るたび、自分の仕事をなくしているような気がする」

こういう声を読むと、胸が締め付けられる思いがします。

でも前向きな視点もありました。

「ジュニア開発者のことは心配だけど、彼らは新しいテクノロジーに最も貪欲でもある。この職業の軌道について、僕はかなり楽観的だ」

そして、こんな適応戦略も。

「AIの仕事を意味のある形でレビューするスキルを開発するには、より多くの時間とより深い専門化が必要になる」

「合意形成により多くの時間を費やし、実装はAIに任せるようになるだろう」

「Claudeからフィードバックをもらうことで、物事を学ぶ速度が完全に変わった。天井が砕けたような感覚」

━━━━━━━━━━━━

最後に、あるチームリーダーの言葉を紹介させてください。

「誰も何が起こるか知らない。重要なのは、本当に適応できることだ」

このレポートを読んで思ったのは、AIがもたらす変化に「正解」はないということ。

生産性は上がる。新しい可能性も広がる。でも同時に、大切なものを失うリスクもある。

技術的な専門知識の維持。有意義な協業の形。学習とメンターシップのあり方。キャリア開発の新しいアプローチ。

Anthropicは2026年に、より具体的な対応策を共有予定だそうです。彼ら自身が「責任ある職場移行の実験場」として、この変革を乗りこなす方法を模索している。

私たちも、このレポートを他人事として読むのではなく、「数年後の自分」として読んでみる価値があるんじゃないかと思いました。

長文読んでいただきありがとうございます

※この図解の作り方は今回発行したニュースレターで作り方を紹介しています　リプ欄へ↓ December 12, 2025

Anthropic公式が「AIがAnthropicの業務をどう変革しているか」を公開した。

AIを開発する側のエンジニア132人・研究者53人が、Claudeをどう使って仕事を書き換えてしまったかを赤裸々に語っている。

開発している側の意見なので、未来の働き方の予報みたいな内容で、自分は正直ゾッとしたしワクワクもした。

一般的に「AIで仕事が楽になる」くらいに考えている人が多いけど、実態はもっとエグい。

彼らは業務の60％でClaudeを使い、平均生産性+50％を叩き出している。しかもその半分は、AIがなかったら絶対に着手しなかった仕事らしい。

つまり、本来やらない・できないタスクが発生し、アウトプット量が爆増しているとのこと。これはもう、働き方そのものが別物になっているといっても過言じゃない。

面白いのは、AIが便利になればなるほど「深い専門スキルが衰えるかもしれない」という不安が同時に広がっていること。

AIを監督するにはスキルが必要なのに、AIがそのスキルを錆びつかせる。いわゆる監督のパラドックス。

これを避けるために、あえてAIを封印してスキルの練習するエンジニアまでいるらしい。なんか、人間らしい葛藤だなと思った。

さらに驚いたのは社会面への影響。Claudeが最初の相談相手になったことで、メンターや同僚に聞く機会が減っている。

孤独に強くなる代わりに、学び合いの瞬間が減るっていう。便利なのに、ちょっと寂しい状態になっている。

とはいえ、データを見るとAIは確実に次のフェーズに入っている。

Claude Codeは半年で「人間が帰ってくるまでの自動アクション回数」が9.8→21.2に増え、タスクの複雑度も上がっている。

もう人間の手元に戻ってこなくても、ひとまとまりの仕事が終わるレベルに近づいてるということ。

でも、いちばん刺さったのは、Anthropicのエンジニアの言葉。

「長期的に自分たちがどうなるかは誰にも分からない。でも適応できる人が生き残る。」

AIに置き換えられるかどうかじゃなく、「AIを使った仕事の設計」ができるかどうかにシフトしてる。

もう、手を動かすだけの人からAIを操る人にアップデートしないといけない未来が到来しつつある。

このレポートは、未来がどう変わるかの抽象論じゃなく、「すでに起きている現実」そのもの。読むと、自分の働き方そのものを見直さずにはいられない。

興味ある人は、この内容をどう受け止めるかぜひ考えてみてほしい。これは他人事じゃない👇https://t.co/cBVbfBvrvt December 12, 2025