AIエージェントを何体並べても、人が確かめる速さを超えては進まない

出典: 一人で100体以上、AIを24時間働かせる。未来の働き方とは…AIを使わない人との差が広がる理由。大事なのは確かめる力。

AIを何体も並べて動かす人が出てきました。数を増やせば、そのぶん仕事は前に進むのか？動画はまず、ひとりのエンジニアの話から入ります。

最初に登場するのは、ローレン・タンさん。去年の秋、開発者の大きな集まりの壇上で話したエンジニアです。1年後の今は、寝ている間も働くAIのチームを動かす側にいる、とレイさんは紹介します。

冒頭で予告されるのは、50万人を超える開発者を調べた2026年の研究。自分で動くAIまで使いこなす開発者は、作業の量が3倍以上になる、と話します。

2026年10月には、タンさんの投稿が30万回以上見られた、と動画は紹介します。仕事用のボットは2体。段取り係が新しい版を組み立て、修理係が不具合を直す役目です。

ふだんは10体以上のAIが、本物の客のように画面を押して回り、壊れる所を探す仕組み。先月はプログラムの変更を1,000件出し、今月はその倍のペース、という話も出てきます。

全部をクラウドで動かすので、寝ていても、パソコンが止まっていても、ボットは24時間働きます。タンさん自身は、次に何を作らせるかを考える側。

動画はこれを、辞書から料理長への変化に例えます。答えをもらう辞書だったAIが仕事を配る相手になり、人は何を作るかを決めて出来上がりを確かめる側に立つ、という例えです。

同じ側にいる人として、独立の開発者のサイモン・ウィリソンさんも登場。2025年10月のブログで、いくつものAIを別々の画面で同時に走らせていると書き、最初は疑っていたのに数週間で取り入れていた、と紹介されます。

レイさん（動画 2:44〜）

AIが書いたものは人が確かめなければならない。

一方でタンさんは1年前の壇上で、ネックは結果を確かめる自分の速さだ、と話していました。AIで書く時間はいくらか減っても、点検して手を入れる時間のほうが長い、という実感。

レイさん（動画 3:03〜）

AIを使うとコードを書く時間は少し減る。でも実はAIがやったことを見直して直す方にもっと時間を使っているんです。

設計書を先に書かせ、確かめてから作らせるやり方も試したものの、とても時間がかかった、と続きます。

レイさん（動画 3:22〜）

つまりAIを並べた人の仕事は自分の手を動かすことからAIに配って確かめることに変わったということです。だからAIをいくつ並べても人が確かめる速さを超えては進みません。

動画は、二人に共通するのは、AIに聞く人からAIに仕事を配る人に変わったことだ、とまとめます。

いやー、この章、AIの数の話に見えて、実は出口の話なんですよね！配る相手が増えるほど、戻ってくる物を見る仕事も増えます。

私は、2026年10月9日から16日の8日間で、AIから戻ってくる確認の質問に、2,670件答えました。1日あたり約334件。そのうち自由入力は1,353件で、51%です。

半分は、自分の言葉で書いて返した答え。

その8日間の中の10月16日、私のボトルネックをAIに洗い出してもらいました。AIが挙げたいちばん重いものは、私が答える確認の量でした。減らす案として出てきたのは、公開や完了の確認を、朝と夜の2回にまとめて聞く形です。

私の返事はこうです。一度に記事チェックなんて、できなくないか。都度やらないと、見るのが大変だろう。ショート動画は、うまくできているなら1日2回の確認でもいいかも、とも返しました。

詰まっていたのは、作る側ではありませんでした。答える側の私。

記事は1本ずつ。うまく回っているショート動画は、1日2回。見る物によって、確かめ方を変えたわけです。

引用元（Claude Codeのプロジェクトで、指示する相手を1人にして、戻ってくる報告の形を決める使い方の記事・メインと話すだけで、裏でスレッドが並列に動くの節）

私なら、進み具合を見に行く回数を増やす前に、戻ってくる報告の形を決めます。

報告の形を決めるというのは、タンさんの言う確かめる速さの上限を、先に認めることでもあります。速さは上げられなくても、選べるのは、何をどの重さで見るか！

AIを足せば前に進む気がしますよね？ところが、確かめる人がひとりなら、AIを足すほど、その人の前の列が伸びるだけ。

私なら、AIを足す前に、出す・止める・任せるの境界を、見る物ごとに決めます！

では、会社が社員の全員を、AIを使う人にしようとしたら何が起きるのか？第2章は、日本の大きな会社の課題の話から始まります。

会社ぐるみでやったのが、日本のソフトバンク。2025年6月の朝礼で、トップ自らAIエージェントを作る様子を10分ほど実演した、と動画は紹介します。目的を渡すと自分で手順を決めて作業を進めるAI、という説明つき。

呼びかけは、夏休みの課題として1人100本のAIエージェントを作ろう、というものでした。6週間で2万人の社員が90万本。締め切りの8月末には250万本を超え、ほぼ全員が出し終えた、と話します。

全員に作らせたのは、作るのは難しくないと見せるため、そして使わない人を社内に残さないため、とレイさんは話します。乗り方の本を配る代わりに、全員を一度自転車に乗せるやり方、という例え。

ただし、数を作れば終わり、ではありませんでした。ソフトバンク自身の2026年3月の記事は、量を追うと、似たものや現場でそのまま使えないものが多く生まれた、と振り返っています。

そこで部署ごとに、本当に使えるものだけを選び直し、ベテランの判断の仕方を言葉にしてAIに覚えさせる段階へ。そう動画は続けます。

レイさん（動画 5:18〜）

差を生むのは本数ではなく毎日の仕事に本当に組み込めたかどうか。

ベテランの知恵をAIに覚えさせれば、経験の浅い人にも行き渡ります。課題で全員が使う人になり、次は使いこなす人になる段階に入った、というのが動画の見方。

そのうえでレイさんは、道具を配った後にこそ差がつく、と話します。

レイさん（動画 5:45〜）

会社が道具を配っても使い続けるかどうかは最後は1人1人です。

250万本。数字の大きさに、まず目が行きますよね！

でね、この章で私が見たいのは、本数のほうではなく、選び直しの段階に入った後の話。

量をそろえた後に、使える物を選ぶ仕事が生まれています。第1章の出口と、同じ形の詰まり。

ベテランの判断の仕方を言葉にしてAIに覚えさせるのは、選ぶ物差しを先に作る動きです。物差しが言葉になれば、選ぶ仕事を一人の頭に預けずに済みます！

反対に、物差しが言葉にならないまま本数だけ増えると、選ぶ仕事は、選べる人の手元に集まります。

あ、そうだ、ここは分けて考えておきたい所。会社が配れるのは、作る機会まで。毎日の手順のどこに置くかは、その仕事をしている人にしか決められません。

抱え込みが腐り始めるのは、仕事量が多い時ではなく、ボールを持ったまま手放せずに積み上がる時。私はそう考えています。

作ったのに毎日の仕事に入らないAIは、手元のボールが1本増えただけです。100本作れば、持つボールも100本。

数えるなら、本数より、手を離れた本数ですよね？

配った数と、手を離れた数は、別の数字です！

AIを使う人と、使わない人。その差は、実際にどれくらい開いているんでしょう？動画は、ここで研究を2本続けて紹介します。顧客サポートの窓口の研究と、開発者の大きな調査です。

最初の舞台は、今の会話するAIが世に出る前の、アメリカの顧客サポートの窓口。スタンフォード大学などの研究チームが、5,000人を超える担当者を調べた研究です。

返信の案を出すAIを入れると、1時間に解決できる問い合わせが増えた、と動画は紹介します。特に伸びたのは経験の浅い人。入社2か月の新人が、AIを使わない入社半年以上の先輩と同じくらいの成績を出しました。

一方で、一番腕のいい先輩の伸びは、ほんのわずか。

レイさん（動画 6:22〜）

AIができる人のやり方を新人に配っているのかもしれないと見ています。

レイさんの見立てでは、AIが出す返信の案に、腕のいい人のやり方が入っています。新人は、それを手本にして答えられるわけです。

次は、一番新しい研究。MITなどの経済学者が、50万人を超える開発者を調べて、2026年9月に改めて公表しました。見たのは、道具が新しくなるたびに差がどう動いたか。

プログラムの変更の記録は、続きを提案するAIで約3割増。会話しながら書くAIを足すと3倍近く、自分で動くAIまで足すと3倍以上、と紹介します。道具の世代が進むたびに、差は広がっていました。

動画が次に持ち出すのは、階段の例え。同じAIを使っていても、どこまで使い込むかで段が分かれる、と。続きを書かせるだけの人と、仕事を丸ごと配る人。働き方からして別物です。第1章の二人は、一番上の段にいる、と。

使わない人は、階段の一段目にもまだ乗っていない、と動画は言います。

ただ、この研究には意外な数字もあります！行数で見ると、書いたコードは約25倍。それなのに、ソフトを世に出した回数の伸びは約3割どまり、と紹介します。

レイさん（動画 7:41〜）

書いたコードの行数は約25倍。それなのにソフトを世に出した回数は約3割しか増えていません。

続いて、ベルトコンベアの例えです。速さを何倍にしても、出口で確かめる人が1人なら、箱はそこで山積みになる、と。研究者も、人の確認や出荷の手間が全体の伸びを抑えている、と分析しているそうです。

なお、この研究は、中身を公開しているソフトの開発者だけを見た観察の研究です。二つの研究に共通するのは、AIを使う側が使わない側より先に出ていたこと。動画は、そうまとめます。

レイさん（動画 8:20〜）

ただし出口で確かめるのはまだ人間です。

正直、この章でいちばん目が止まるのは、25倍と約3割の開きです！書く量がここまで増えても、世に出す回数はついてきていません。

ベルトコンベアの例えで言えば、箱を作る速さは上がっても、出口で確かめる人の数は変わらないまま。

AIは魔法ではありません。使いこなすには、縦に掘る努力が要ります！

階段を上がるというのは、書かせる量を増やすことより、出てきた物を確かめる力を一緒に上げること。私はそう考えています。

顧客サポートの研究も、手本が先にある話。腕のいい人のやり方が返信の案に入っていれば、新人でも段を早く上がれる、という見立てでした。

で、手元のAIが出す物、今どこまで確かめきれていますか？

引用元（AIの出力を確認する負担を、窓口を絞り、読む画面を1ページにして軽くする方法の記事・それでも最後は人間が決める話の節）

私なら、出すか止めるかだけを手元に残して、あとは別の頭に確かめさせます。

出口が細いなら、出口に立つ人を増やすより、出口の手前で別の頭に先に見てもらいます。研究者が、人の確認や出荷の手間が全体の伸びを抑えていると分析した所に、私はこの分け方で向き合います。

手元に残すのが、出すか止めるかの一手だけになれば、量が増えても、出口はすぐには詰まらないはず。

段を分けるのは、書く力より、確かめる出口の太さ。

AIを使っている本人は、自分の速さをちゃんと分かっているんでしょうか？速くなった気がしても、その感覚がどこまで当てになるのかは別の話です。この章は、そこを確かめた実験の話です。

答えを出した実験として、動画は2025年前半のMETRの実験を紹介します。AIの危険性を調べる非営利の研究団体が、腕の立つ開発者16人で行った実験。

本物の課題を、AIを使える組と使えない組に、くじで分けました。始める前の本人たちの予想は、約4分の1速くなる、というもの。

ところが、AIを使った方が約2割長くかかった、と紹介します。しかも本人たちは、実験の後でも、2割速くなったと感じていました！

レイさん（動画 8:48〜）

結果はAIを使った方が約2割長くかかりました。ところが本人たちは実験の後も2割早くなったと感じていたんです。

感覚だけでは、AIで本当に得をしているのかは分からない、と動画は続けます。

速くなったという感覚と、時計で測った時間が、逆を向いていたんですよね。レイさんは、これを体重計に乗らずに痩せた気がしているようなもの、と例えます。

そして、続きの実験。新しいAIでやり直そうとしたら、参加した開発者の3割から5割が、AIなしの組に当たるのを嫌がって、一部の課題を出さなくなったそうです。

METRは2026年2月に、今は以前より速くなっている可能性が高い、と認めた上で、その大きさは測りきれないと発表しています。

腕の立つ開発者の中にも、AIなしでは働きたくない人が何割も出てきた、と動画は受け止めます。

レイさん（動画 9:36〜）

比べるにはAIを使わない側の記録がいるのにそちらに座る人が減って物差しそのものが使えなくなったということです。

差は、腕前の違いから、働き方の違いへ。動画は、そう見ています。

いやー、この章の芯は、16人が実験の後も速くなったと感じていた所です！

感覚が嘘をついたというより、感覚を確かめる物差しが手元に無かったんですよね。

物差しの大きさで見え方が変わった記録が、私の手元にも1つ。

私は2026年10月1日、記録を探す仕組みの精度が低すぎないか、とAIに現状の確認と改善を頼みました。80問で測り直すと、検索語をいじった版は、正解の記録を見つけられた数が57まで落ちていました。原因は、検索語の切り方を変えたこと。10問のテストと、別のAIによる検収の確認では、この悪化を拾えませんでした。

小さな確認では見えなかった悪化が、80問では見えたわけです。

小さな物差しで通ると、安心が先に来ます。その安心が、測り直す手を止めるんですよね。

動画の実験で逆を向いていたのは、使う人の感覚と時計。私の手元で逆を向いていたのは、小さな物差しと大きな物差し。

でね、ここで同じ向きを向いているのは、どちらも測り直して初めてずれが見えた、という所です！

違和感は、ズレを見逃していい理由ではありません。直す所を直しながら、人とAIが一緒に育つための鏡。

感覚も、小さな物差しも、そのままでは悪化を見せてくれません。

速くなった手ごたえ、何で測っていますか？

AIを増やせば増やすほど、使う人は勝てるのでしょうか？ 10体より16体、16体より100体。数を足すほど前に進む気がしますよね。最後の章は、その感覚を研究者の実験で確かめ直す話です！

2026年2月、AIを作る会社の研究者、ニコラス・カーリーニさんが、16体のAIに、プログラムをコンピューター向けに訳すソフトを1から作らせました。約2週間で10万行。

会社の報告では、広く使われる基本ソフトを組み立てられる所まで来ました。ところが、巨大な仕事にぶつかると、16体は揃って行き詰まります。皆が同じ不具合に群がり、お互いの直しを上書きしてしまう事態に。

カーリーニさんは、16体を走らせても役に立たなかった、全員が同じ問題で詰まっていた、と書いています。そこで作ったのが、すでにある信頼できるソフトの答えと比べて、違う所を自動で見つける仕組み。

すると16体は、別々の不具合を分担して直し始めます！ といっても本人は、このソフトは本物の代わりにはまだならない、と書いています。

レイさん（動画 10:50〜）

AIの数を増やしただけではチームにはならないんです。16体をチームに変えたのは数ではなく答え合わせの仕組みでした。

答え合わせの相手がいれば、違う所が一つずつ見えてきます。だから16体に別々の仕事を配れる、というのが動画の読み解き。

タンさんは1年前の壇上で、AIが何をしているか本当に分かっていないなら、自分のためにならない、とも話していました。学校で電卓を使うのや、教科書を見てもいい試験と同じ、という例えです。

レイさん（動画 11:27〜）

考えることまで丸ごと任せてしまうのは本当に危ないと思います。

確かめることの大変さを知っていたタンさんが、今AIのチームを回せている理由。動画は、質の高い確かめ方の手順があったから、と見ます。

早くなったと感じるだけの人と、測って確かめる人。使うかどうかの先に、さらに一段ある、という話です。

同じ壇上では、AIの一番いい使い方を、一緒にプログラムを書く相棒のようなもの、と例えていました。作業を置き換える道具でも、考えることを丸投げする相手でもない、という意味の例え。

動画の結論は、使う人はすでに1人では働いていない、というもの。道具が新しくなるたびに差は広がり、AIなしでは働きたくないという人も出てきている、と話します。

レイさん（動画 12:24〜）

そしてその差を最後に決めるのはAIの数ではなくAIの仕事を確かめられるかどうかです。

正直、この章で動画全体の筋が1本につながります！16体を止めていたのは数ではなく、答え合わせの相手がいないこと。

比べる相手を置いたことで、16体に別々の仕事を配れる形に変わった、という見方です。

私の手元の答え合わせは、ずっと小さな物。

私は2026年10月20日、朝のレターの検査を通しました。1回目は、分からない、という言い回しが検査に引っかかって不合格。言い回しを直して、合格しました！

経営の数字の取り直しのような、実行しなかった工程は、通ったことにせず、未検証・未実行として残しました。

引用元（AIが作った物の確認で、確認が通ったことと理解していることを別に置く考え方の記事・AI時代に人へ残る5つの判断の節）

私は、確認が通ったことと、理解していることを別に置きたいです。

合格の印が付いても、取り直していない数字の中身は、私はまだ知らないまま。タンさんの電卓の例えで言えば、電卓が出した答えと、その答えが合っているかを分かっていることは、別の話です。

あ、そうだ、ここで分けておきたいのは、任せる範囲を狭める話ではない、という所です。

自走が壊れるのは、私が見て育つ形から、私が見ないと止まる形へ変わった時。AIにはまずやり切って、手を尽くして、決めてもらいたいんです。答え合わせの相手は、そのための土台です。

比べる相手のいない仕事を、AIに丸ごと渡していませんか？

私なら、見守る回数を増やすより、答え合わせの相手を先に置いて、AIがやり切れる形を残します！

AIを何体並べても、人の仕事は配って確かめる側に移ります。差を最後に分けるのは、その確かめ方。

持ち帰ってほしい見方は3点。確かめる速さが、すでに上限になっていないか。本数や手ごたえだけで、得をしたつもりになっていないか。比べる相手を置けているか。

で、この3点が整ってから並べるAIは、数がそのまま力になります！

手元のAIの仕事には、答え合わせの相手がいますか？