毎月200時間—数百件の入金と請求を手作業で照合

「事務作業」という言葉だけでは抽象的すぎます。中身を分解しなければ、AIが何を引き受けたのか理解できません。米国の歯科診療所では、次のようにお金が流れます。原著では冒頭しか説明されていないため、以下は当サイトが公開資料を基に整理したものです。

これらを実際の流れに戻すと、1件の歯科治療費は次のように処理されます。

つまり「毎月200時間の事務作業」とは、数百件の入金と数百件の保険請求を手作業で照合することなのです。

Steijn Pelleは数百人の小規模事業者と話し、驚くほど共通点が多いと気づきました。第1に、大半は望んで経営者になったわけではありません。Steijn Pelleは彼らをreluctant operatorと呼びます。医師は患者を診たい。配管工はトイレを直したい。ネイリストは施術に専念したい。書類仕事は最も避けたいのに、担当者がいないため自分でやるしかありません。第2に、どの小規模事業も基本業務は同じです。データをシステムへ入力し、システム間で移し、顧客に対応して取引を完了させます。

具体例として挙げたのが、Mark Zuckerbergの父である歯科医のEd Zuckerbergです。彼はかつてニューヨーク州Dobbs Ferryで自身の歯科診療所を経営していました。1日の診療を終え、家族と夕食を取り、子どもたちが眠った後も、午後11時になると階下の書斎で書類仕事をしなければなりませんでした。

これまで、ソフトウェアはこうした仕事をなくせませんでした。作業を画面上へ移しただけです。ダッシュボードやキュー、フォームを用意し、少しましなクリック先を提供したかもしれません。それでも、誰かがクリックし続ける必要があります。

Steijn Pelle · a16z News · 2026-06-03

AIが変えるのは、まさにこの点です。ソフトウェアが初めて整理されていない情報や状況を理解し、複数のシステムを操作して、仕事を最後まで完了できるようになりました。そこで彼らは問いかけました。小規模事業を自律的に運営できるソフトウェアを作れないか、と。

AIエージェントの半数がコードを書き、医療は1%

では、AIがこれほど高性能になったのに、なぜ人間が今も1件ずつ入力しているのでしょうか。公開データから答えが見えてきます。Anthropicは2026年2月、自社API上の約100万回に及ぶエージェントのツール呼び出しを業界別に集計した研究を発表しました。

エージェント活動の半分はコーディングです。残る半分は16業界に分散し、9%を超える業界はありません。医療は1.0%、法務は0.9%です。

この小さな数字は読み違えやすいものです。示しているのは、まだ黎明期にある市場です。医療におけるAIビジネスは、ほとんど始まっていません。

Anthropic自身も研究の脚注で、創業者の説明より現実的な理由を示しています。ソフトウェアが先行したのは、コードなら検証しやすいからです。実行すれば正誤が分かり、誤りも発見しやすい。一方、法務、医療、金融では、エージェントの仕事が正しいか確かめるために、実務そのものと同等の専門性が必要です。そのため、信頼の構築に格段に時間がかかります。

診療所を取り巻く数十の外部システム、障害は別々に起きる

空白市場なら、なぜ誰も成功してこなかったのでしょうか。手記は3つの障壁を挙げています。中でも2つ目が最も具体的です。

それぞれが独自の方法で動き、それぞれ異なるタイミングで故障します。

Steijn Pelle · a16z News · 2026-06-03

この点では、2人の創業者に実績がありました。Steijn PelleがRobinhoodにいた頃、チームは口座開設の人手審査をほぼゼロにするまで徹底し、それを最初期に実現した証券会社の1つとなりました。もう1人の共同創業者Frédéric Renkenは、Superhumanで最初のプロダクト担当を務めています。同チームが執念を燃やしたのは、新規ユーザーが初めて製品を使う際の摩擦を1つずつなくすことでした。

泥臭い解決策—まず現場で働き、1軒ずつ導入

では、どう成功させたのでしょうか。答えはモデルとほぼ無関係です。実行したのは2つだけです。どちらもシリコンバレーが長年嫌ってきた泥臭い仕事であり、Paul Grahamが十数年前に書いた2本の記事に原型があります。

Lassieの共同創業者2人。窓辺に積まれた紙と机上に広げられたフォームは、彼らが数カ月間、毎日処理していたものです。画像：a16z News。

700診療所、49州、年間経常収益1000万ドル

では、2つの泥臭い手法は何をもたらしたのでしょうか。2026年6月3日時点で公開されている数字は次の通りです。

後半2つの数字は整合性を確認できます。25万時間 ÷ 700施設 ÷ 12カ月 ≈ 1施設当たり月29.8時間。「平均30時間」と一致します。成長の中心は口コミと既存顧客からの紹介で、毎月数十施設が増えています。ある顧客は「あなたたちは私の結婚生活を救ってくれた」と語りました。

a16zが主導した今回のシリーズAは3500万ドルで、Alex RampellとOlivia Mooreが担当しました。同じ発表では、市場規模を全米約16万の歯科診療所としています。一方、著者は手記で、医科を含む診療所50万施設という別の数字を挙げています。

現在担うのは資金フローの2段階

Lassieの製品ページには、3つの機能が掲載されています。先ほどの資金フロー図と照らし合わせれば、担当範囲は明確です。

a16zも発表で同様に説明しています。歯科を最初の市場に選んだ理由は、痛みが強く、プロセスが構造化され、反復性が高いうえ、扱う金額が大きいからです。より大きな構想は歯科に限りませんが、それは今後の話です。

2つの数字を混同しない

手記によると、このシステムが置き換えようとしているのは「年間20万ドルの事務人件費」です。同じ記事が示す現時点の成果は、1施設当たり月平均30時間の削減です。

2つを並べると、すでに20万ドルを削減したように読めます。米国の歯科診療所における事務職の一般的な時給で計算すれば、月30時間は数百〜1000ドル程度の人件費、年間では数千〜1万ドル強です。20万ドルは業務全体の年間コスト、30時間は現時点の削減実績です。両者にはまだ大きな隔たりがあります。

別の数字もあります。1000万ドルの年間経常収益 ÷ 700診療所 ≈ 1施設当たり年間1.43万ドル、月約1190ドルです。これは当サイトが2つの公開数値から逆算した規模感の目安です。Lassieは料金を公開しておらず、実際には診療所の規模別に異なる可能性があります。

また、この手記が一切触れていない点が2つあります。AIが保険請求を誤った場合、誰が責任を負うのか。患者データに関するHIPAA（米国の医療プライバシー法）の要件を、どう満たすのか。医療会計と患者情報を直接扱う製品なら、真っ先に問うべき問題です。しかし本文には「より正確でなければならない」としか書かれていません。当サイトでも公開された回答は確認できませんでした。

顧客が支払う本当の理由は、創業者の訴求と違う

しかし数字の背後では、実際の購入理由が別のものへ変わっていました。創業者の手記と同日の投資発表を並べて初めて見えてきます。双方が語る「最大の利点」は、着地点が異なっているのです。

時間の節約は感覚ですが、取りこぼした収益の回収は帳簿に表れます。前者は経営者を喜ばせ、後者は毎月の更新料を納得して支払わせます。数字で計算できるからです。

同じ発表には、製品の性格を決定づける一文もあります。Lassieはコパイロットを作りません。コパイロットは、診療所に人間が確認すべき仕事を増やしてしまうからです。彼らが目指すのは、仕事を直接完了させることです。

この事例から、そのまま使える5つの手法

この会社そのものを離れて考えたとき、どんな手法が残るのでしょうか。以下の5つは、すべて先ほどの事実と対応しています。「業界特化型AIには将来性がある」といった空論から導いたものではありません。

削減した時間は、解雇につながらなかった

最後に、誰もが尋ねる疑問が残ります。毎月数十時間を削減した後、事務職はどうなるのでしょうか。

著者は、経済学の古い概念である労働塊の誤謬（lump of labour fallacy）を持ち出します。世の中に存在する仕事の総量は固定されており、機械が多く働けば、人間の仕事は必ず減るという思い込みを指します。

700の診療所を見た結果、彼はこれが誤謬だと確信したといいます。経営者は生まれた時間を、診療所の拡大、患者体験の改善、本来もっと価値のある仕事に使いました。これは当事者側の説明で、第三者データの裏付けはありません。ただし、別の公開研究とも方向性は一致しています。

Lassieが次に取り組むのは2つです。第1に、情報をもっと速く広めること。数百万人の経営者が、これが可能だとまだ知りません。第2に、どの経営者でも自力で使い始められる導入プロセスを作ること。その先では機能を深め、より多くの業務を引き受け、各社がすでに利用しているさらに多くのツールへ接続します。

手記は採用案内の一文で終わります。

数字に関する注意：本稿で引用した700診療所は、2026年6月3日時点の数字です。本稿公開時、Lassieのトップページには「2,500+人の医師」、会社ページには引き続き「700+診療所」と記載されています。医師数と診療所数は単位が異なり、通常は1施設に複数の医師がいるため、直接比較できません。

AIがこれほど高性能なのに、なぜ今も人が1件ずつ入力しているのでしょうか。Anthropicは2026年2月、自社API上の約100万回に及ぶエージェント—自らツールを使い、仕事を完了するAIプログラム—の呼び出しが、どの業界で使われたかを集計しました。

医療1.0%という数字は、意味を逆に読みやすいものです。これは、まだ立ち上がっていない市場を示しています。

難所はモデルではありません。歯科診療所は、数十の保険会社ポータル、複数の医療請求クリアリングハウス、1つの診療所管理システム、1つの銀行口座につながっています。Steijn Pelleの言葉を借りれば、「それぞれが独自の方法で動き、それぞれ異なるタイミングで故障する」のです。彼らの解決策は、シリコンバレーが長年嫌ってきた2つの泥臭い仕事でした。

この数カ月で、2人の創業者は数百万ドルの保険金の入金を照合し、数千件の保険請求を提出し、数百人の患者へ請求書を発行しました。そこで初めて、200時間がどの作業へ消えているかを理解します。最初の100顧客には、フロリダ、カンザス、オレゴンへ1軒ずつ出向いて導入しました。その100施設を終えて初めて、101施設目が自力で接続できる方法を把握したのです。2つの発想は、Paul Grahamが書いたschlep—疲れて面倒で誰もやりたがらない仕事—と、Stripeが実践した現地導入に由来します。

2つの泥臭い方法がもたらした実績。2026年6月3日時点：

後半2つの数字は一致します。25万時間 ÷ 700施設 ÷ 12カ月 ≈ 1施設当たり月29.8時間。すべてLassieの手記とa16zの投資発表に基づく数字で、第三者による検証はありません。

本稿で最も価値のある発見は、創業者の手記と同日の投資発表を並べて初めて見えてきます。双方が語る最大の利点は異なります。

時間の節約は感覚ですが、取りこぼした収益の回収は計算できる帳簿上の価値です。毎月の更新理由にもなります。同じ発表には、製品の性格を決定づける一文があります。Lassieはコパイロット—隣で提案し、人間が判断する支援ツール—を作りません。コパイロットは、診療所に人間が確認すべき仕事を増やすからです。