AIで会社は速くなった。経営者の時間は戻ったのか

この3か月、私はかなりの時間をAIとのやり取りに使ってきました。

ChatGPTで仕様や優先順位を整理し、Claude CodeやCodexに実装や調査を任せ、CIを確認し、レビュー結果を見て、問題があれば修正を指示する。最初は一つずつ人間が見ていた作業も、徐々にルール化し、複数のAIへ役割を分け、現在ではControllerがGitHubの状態を見ながら仕事を進めるところまで来ています。

振り返れば、会社として処理できる仕事の量と種類は明らかに増えました。以前なら数日かけたり、外注したり、そもそも後回しにしていた仕事でも、並列に進められるようになっています。

では、この3か月で経営者である私自身の生産性も上がったのか。

改めて考えると、まだ「はい」とは言えませんでした。

作れる量は増えた。それは事実です

まず、技術的な生産能力が上がったことは否定しません。

以前は「私が依頼する → AIが実装する → 私が確認する → 問題があれば再び指示する」という往復が基本でした。現在は、実装担当とレビュー担当を分け、GitHubのHEADを固定してCIを通し、独立したQCで問題がないかを確認し、条件を満たした変更だけを次へ進める仕組みに変えています。

単にコードを書かせるのではなく、仕事の進め方そのものをAI側へ移してきました。

品質改善を同じ評価条件で確認できた例もあります。自社のWeb改善スキルの一つでは、旧方式と改善後を18項目で比較したところ、旧方式は11/18、改善後は18/18でした。これはAI全体の性能が61%から100%になったという意味ではありません。一つの限定された評価セットで、証拠がないときに推測で埋めず、必要な一次データを要求するようスキルの手順を修正した結果です。

重要なのは、AIを「何となく便利に使う」段階から、結果を検査し、問題があれば手順そのものを改善できる段階へ移ったことです。評価条件と修正内容は、公開しているnetsujo-aio-seo PR #12にも残しています。

一方、複数AIを長時間動かすためのController運用については、別の記事で24時間の実運転を詳しく整理しました。そこでは、CIが通っていても独立QCで問題があれば止める、HEADが変われば古いPASSを無効にする、効果の薄い改善は採用しない、といった制御が実際に機能しています。

つまり、System側の生産能力は確実に強くなっています。

ところが、経営者の時間はそれほど戻っていません

問題はこちらです。

私は経営者です。本来であれば、顧客に会い、まだ言葉になっていない課題を聞き、人を紹介してもらい、新しい事業を考え、提携をつくり、会社が次に進む方向を決めることに多くの時間を使うべきです。

ところが、この3か月はPCの前に座り、AIとのやり取りにかなりの時間を使っていました。

一つひとつの仕事は速くなったはずなのに、その分だけ新しい仕事をAIへ渡し、結果を確認し、さらに改善し、また別の自動化を作っていました。AIで空いた時間を、AIをさらに改善する仕事で埋めていたとも言えます。

Google Calendarには対外ミーティングの記録も残っています。しかし、ChatGPT・Claude Code・Codexの操作や監督に使った時間を継続計測していなかったため、「対外活動が何%減った」「何時間をAIへ使った」といった数字は出せません。

ここは推測で埋めるべきではありません。

現時点で言えるのは、会社のデジタル生産能力が上がったことと、経営者の時間が増えたことは同じではない、ということです。

「会社の生産性」と「経営者の生産性」を分けて考える

そこで今後は、生産性を二つに分けて見ます。ここで使うSystem ProductivityとFounder Productivityは、私たちが運用を整理するための社内上の呼び方です。

一つ目は、System Productivityです。

AIやソフトウェアを含む会社全体として、どれだけ多くの仕事を処理できるか、どれだけ並列で進められるか、どれだけ速く実装・検証できるか、品質をどれだけ再現可能な形で保てるかを見ます。

こちらは、この3か月でかなり改善しました。

もう一つが、Founder Productivityです。

経営者である私の時間を、顧客との対話、営業、パートナー開拓、採用、事業設計、重要な意思決定など、経営者にしかできない仕事へどれだけ振り向けられたかを見る指標です。

こちらについては、少なくとも現時点では「大きく改善した」と証明できるデータがありません。

この違いは重要です。

AIが100件の仕事を処理できるようになっても、人間が100件すべてに付き添っていれば、SystemはスケールしてもFounderはスケールしません。

PR数やコミット数をKPIにすると判断を誤る

AI開発を始めると、成果を数えやすくなります。Pull Request、Issue、commit、テスト、生成した記事、修正したファイル。どれも記録が残るため、増えていく数字を見ると生産性が上がったように感じます。

しかし、経営者から見ると、これらは途中指標です。

PRが100件増えても、それを確認するために経営者が一日中PCの前にいれば、目的を達成したとは言えません。AIによって処理能力が増えた結果、最も希少な「経営者の注意力」が新しいボトルネックになることもあります。

むしろ、AIを本気で使うほど「何件作ったか」だけでは足りなくなります。

見るべきなのは、AIがどれだけ働いたかではなく、人間がどれだけAIから離れられたかです。

これから測るのは「Founder AI Touch Time」です

そこで、今後は経営者である私がAIの操作・監督に直接使った時間を、社内指標として Founder AI Touch Time と呼んで測ります。

これと合わせて、次の指標を毎週確認します。

特に重要なのは最初の二つです。

AIを使う時間が減り、その分だけ顧客や市場に接する時間が増えているか。ここが改善しなければ、いくらAIの処理能力を上げても、経営者としての投資回収は始まっていません。

この3か月は「効率化」より設備投資に近かった

こう考えると、この3か月の意味も少し変わります。

私はAIを使って仕事を減らしていたというより、AIで動く会社の設備を作っていたのだと思います。

工場を建てている期間に、工場長の仕事が減らないのと似ています。業務を分解し、AIへ渡し、失敗したら原因を調べ、ルールに変え、CIへ組み込み、レビュー方法を決め、異常時の停止条件を作る。これには当然、相当な時間がかかります。

問題は、設備投資期をいつまでも続けないことです。

AIが面白いから、もう一つ自動化する。もっと精度を上げる。もっと監査する。さらに別のAgentを作る。これを続ければ、技術的には高度になっても、経営者は永久にPCの前から離れられません。

AI導入にも、投資フェーズと回収フェーズを分ける必要があります。

次の30日は「もっとAIを使う」期間にしない

次のフェーズでは目標を変えます。

これまでは、AIにもっと仕事を任せられるようにすることを重視してきました。これからは、私が見ていなくても仕事が進む状態を増やすことを重視します。

例えばAIがタスクを受け取った後、実装し、テストし、別のAIがレビューし、条件を満たせば次へ進み、重大な問題がある場合だけ私に戻ってくる。こうなれば、私が数時間PCから離れて顧客と話している間にも仕事は進みます。

初めてそこで、System Productivityの向上がFounder Productivityへ変換されます。

次の30日では、まずFounder AI Touch Timeを現在の実測値から半分にすることを目安にします。これは達成済みの数字ではなく、これから測る目標です。その間も、AI側のvalidated outputと品質が維持または向上しているかを同時に見ます。

私の介入を減らした瞬間に仕事が止まるのであれば、まだ自動化ではありません。高度な手動運転をしているだけです。

AI導入の成功は「AIを使う時間」では測れない

生成AIをどれだけ使っているか、何個のAgentを動かしているか、何件のコードや資料を作ったか。これらは分かりやすい数字ですが、経営者にとって最終指標ではありません。

会社としてAIを使う時間は増えても構いません。一方で、経営者自身がAIを操作する時間は、最終的には減っていくべきです。

AIが仕事を引き受け、人間が本来やるべき仕事へ戻れること。

少なくとも経営者にとっては、それがAI導入による生産性向上の一つの到達点だと考えています。

この3か月で、会社のデジタル生産能力はかなり上がりました。次に確認したいのは、もっと難しい数字です。

その結果として、経営者の時間は本当に戻ってくるのか。

これからは、そこを実測します。

---

観測範囲について：本記事は2026年6月〜9月の著者の運用経験と、GitHubに残る開発・品質管理の記録をもとに整理しています。過去3か月のAI直接操作時間は継続計測していなかったため、時間削減率やROIを推測していません。11/18→18/18はNetsujo AIO/SEOスキルの特定評価セットの結果であり、AI全般の性能値ではありません。