社員全員を「AI使い」に育成するのは限界 AIを裏方に徹させるのが正解
- 数十の大企業の実態はどれも同じバーベル型です。ごく一部のヘビーユーザーと大多数の未利用者。ダッシュボードはこれを「採用成功」と処理します。
- 某役員は8桁ドルの年間ライセンスを結んだ直後、全体の10%がトークンの90%を消費していました。
- 彼の結論は、研修はもともと先頭にいた人を見つけるだけで、他の人を変えられないというものです。本当にやるべきはAIを裏方に回し、誰にも働き方を変えさせないことです。
あなたはすでに上位 1%。問題はあなたの後ろにある
Vasuman氏の会社Varick Agentsは、年商5億ドル以上の大企業を対象に、財務や営業、調達、オペレーション、人事といった部門へAIエージェントを導入する専門会社です。数十の大企業が AI を導入した後の実態を並べると、どれも同じ厳しい結論にたどり着く：企業の「AI 採用率」は偽の指標だ。
この記事を読める時点で、あなたは AI ユーザーの上位 1% にいる。そう実感できないかもしれません。X では毎日のように 20 個のターミナルを同時に開き、毎回の実行後に自身を書き換えるナレッジベースを動かす人が目に入るからです。だが、その人たちは追いつく必要もないし、追うべきでもありません。あなたの前方にある差は、後方にある溝よりもはるかに小さいのです。
後方には、大企業の平均的な社員がいます。彼らは2年間で合計4回しかChatGPTを開いていないかもしれません。しかも3.5-turboを使って「AIはバカだ」と結論づけています。その頃、GPT-5.6 Sol Ultraは50年間未解決だったグラフ理論の予想を証明していました。AI 戦略に関する記事はどれも、この平均的社員がいつか追いついてくると前提しています。追いつきません。
ツールは配備した。なのにチームの速さは変わらない
この溝を実際の会社に当てはめると、こんな光景になる。
非IT企業のオペレーション責任者の話です。部下は数千人。AIがなかった頃、チームの速さには大きな問題がありませんでした。そこへClaude Coworkを導入しました。
結果、チームの速さは以前と変わらなかった。責任者の疑問はひとつ。なぜ？
組織内の使い方が分裂しているからです。50 人のチームでも 5000 人のチームでも同じで、いつもバーベル型になる：
集団が両極端に分かれ、中間がほぼ不在の分布です。ごく一部が深く使い込み、大多数がまったく使いません。ジムのバーベルと同じで、両端に重いプレート、真ん中のシャフトは細くて重さを感じさせません。
その5〜10%のヘビーユーザーは、そもそもCoworkの導入を会社に推した人たちです。彼らは仕事終わりにもAIをいじり、何ができるかを身をもって知っています。
この分布を帳簿に載せると、こういう一文になる：何も速くならなかったが、数百万ドルは確かに燃えた。
その組織のダッシュボードは、今回の導入を「採用成功」と記録します。だが責任者の目には、何も速くなっていません。この 2 つは同時に真実です。
「使える」と「使いこなせる」は別のスキル
だが、なぜこうなるのか？実際に AI を使っている人たちの中でも、スキル差は歴然としている：
自分が何をしているのか分かっていないAIユーザーは、AIを使う前よりも悪い結果になります。 Vasuman
Claudeをインストールして、コードリポジトリを指定して、4語のプロンプトを送って、動くのを見ます。これは簡単です。結果は正しいかもしれませんし、間違っているかもしれません。使いこなすのは別の話で、全部で4つのことが必要です。