---

Anthropic社のグロースマーケティングチームに、エンジニアリングの経験を持たない人物がいる。

チームといっても、実質的にはその1名だけだ。

この人物は、Claude Codeというターミナルベースのツールを使った。Meta広告のAPIと接続し、数百件の既存広告データを自動分析。成果の悪いクリエイティブを特定し、Figmaプラグインを自作して一度に100パターンの広告バリエーションを生成する仕組みを構築した。

かつて2時間かかっていた広告コピーの作成は15分に。

クリエイティブの生産量は10倍に。

数時間のコピペ作業は「1バッチ0.5秒」に置き換わった。

この人物はエンジニアではない。コードを書いたわけでもない。

AIエージェントに「何をしてほしいか」を伝え、必要なツール同士をつなぎ、業務フローそのものを再設計した。

ただし、正直に付け加えなければならないことがある。

この人物はAI企業の社員だ。ツールへのアクセスも社内サポートも、一般的なビジネスパーソンとは比較にならないほど恵まれた環境にいる。

それでもなお、2時間が15分に、1パターンが100パターンに——という桁の違いは、環境の差を割り引いても衝撃的だ。

では、AI企業の内部者ではない「普通の」非エンジニアは、どうなのか。

Xでバズった3つの体験談が、その答えを示している。

1人で32人分の仮想チームを構築したPRマネージャー。スタッフゼロで60社の顧問先を回す税理士。商談準備を2〜3分で完了させる営業担当者。

彼らに共通するのは「コードを1行も書いていない」ことだ。

本稿では、実践者たちの具体的な手法を示しながら、非エンジニアの間に広がるAIエージェント活用格差の正体と、その格差が今後どう推移するかを整理する。

PRマネージャー1人の中に、32人のチームが常駐する

チューリング株式会社でPRマネージャーを務める阿部光氏。完全自動運転AI開発企業のPR業務を、基本的に1人で担ってきた。

プレスリリース執筆、メディアリレーション、SNS運用、採用広報、動画制作、デザイン、HP管理。

この状況を変えたのがClaude Codeだった。

阿部氏が直近2週間で構築したのは、複数のシステム群だ。

情報収集・分析ダッシュボード（3種）。

毎朝30分〜1時間かけていたニュースサイト巡回・メール確認・X検索を、Intelligence Hubを開くだけで済むようにした。

自動運転・フィジカルAI関連のニュースをRSSとAPIで自動収集し、13カテゴリに自動分類。自社のメディア露出をGoogle News RSSから追跡し、Claude Codeにセンチメント分析させている。

PR Ops Centerでは、Googleカレンダー、Gmail、Slack、Xの情報を1画面に集約。全データソースのクロス分析から「戦略的示唆・推奨アクション」を毎日AIが生成する。

メディア戦略台帳。

約100名の記者との関係性を、Gmailの全やりとり履歴をClaude Codeに読み込ませて構造化した。

「Act Now（即アクション）」「Say Hello（関係温め直し）」「Nurture（長期育成）」の3フェーズに自動分類。Act Nowカテゴリにはドラフトメールまで用意される。

四半期ごとに自動アップデートされるこの台帳は、属人的な記憶を組織資産に変えた。

阿部氏は「目的はメディア対応の自動化ではなく、一人ひとりの記者との関係にもっと丁寧に向き合うための土台」だと強調している。

デザインシステムとブランド品質管理。

Claude Codeで高速に制作物を量産すると、品質のバラつきが「爆速で増殖するリスク」がある。

それを構造的に防ぐため、Turing Design Systemを構築。「Turing Design Systemに準拠して」と一言添えるだけで、全制作物の色・フォント・コンポーネントが揃う。

8部門・32人の仮想PRチーム。

これらすべてを支えるのが、Claude Codeの中に構築した仮想組織だ。

司令塔のCLAUDE.md、8部門32名のエージェント定義、8冊の共通マニュアル。全41ファイル、すべてMarkdown。プログラミングの知識は不要だ。

「来月の自動運転試乗会のメディア向け準備をして」と一言伝えるだけでいい。

プレスリリースライターが本文を書き、想定問答ジェネレーターが記者向けQ&Aを20問生成し、SNSエンゲージャーがX投稿文を5本用意し、ブランドボイスガーディアンが全出力をトーンチェックする。

阿部氏は「やりたいことを正確に伝える力さえあれば、同じことは誰にでもできます」と述べ、コピペで使えるプロンプトも公開している。

チューリングは「Turing Unlimited AI制度」で直接雇用の全社員にあらゆるAIの使い放題を認めている。エンジニアだけでなくコーポレート部門でもClaude Code MaxとChatGPT Proの二刀流が推奨されている。

スタッフ0人の税理士が、60社を1人で回す仕組み

公認会計士・税理士の畠山謙人氏。その事例は、さらに衝撃的だ。

税理士業界では一般的に、スタッフの人数に対して顧問先の数が決まる。60社の顧問先を持てば、通常は複数のスタッフを雇い、相応の人件費がかかる。

畠山氏はこれを0人で運営している。

毎晩21時の自動仕訳。

Claude Codeのスケジュールタスクが毎晩自動起動し、freee APIから60社分の未処理取引明細を取得・処理する。

勘定科目の判定は2段階構成だ。

第1段階はキーワード辞書マッチング。14の勘定科目カテゴリに対して、それぞれ100個以上のキーワードを登録している。取引の摘要欄を正規化して照合する。「Suica」「JR」なら旅費交通費。飲食店名で1万円以下なら会議費、1万円超なら交際費。

第2段階として、キーワードで判定できなかった取引だけをClaude APIに問い合わせる。信頼度がlow判定のものだけが畠山氏の目視確認に回る。

以前はブラウザ自動操作で5時間かかっていた処理が、API直叩きで50分に短縮された。朝起きたら前日の経理が終わっている。

7種類の除外ルール。

内容不明デビット、借入金返済、社会保険料・税金、給与支払い、投資・資産運用、ATM出金、公共料金。

これらは勘定科目判定の前に自動で弾かれ、人間の確認に回る。

「何を自動化して、何を人間が見るかの線引きを明確にしているからこそ、安全に60社を回せている」と畠山氏は語る。

MCPによるツール全接続。

freee、Gmail、Googleカレンダー、Notion、Slackの5つをClaude Codeに接続し、転記作業をほぼゼロにした。

「税理士の仕事の体感8割はデータの転記と確認作業」だという。MCPでそれがほぼ消えた。

畠山氏のシステムで書かれたコードは「ほぼゼロ」。すべてClaude Codeが書いた。

「エンジニアがAIを使うと『技術的にすごいもの』ができる。でも税理士がAIを使うと『実務的に正しいもの』ができる。この違いは、めちゃくちゃ大きいです」。

営業の「準備→本番→フォロー」が、スラッシュ1つで完結する

営業職の「ふぇね」氏。Claude Codeの導入で業務効率が劇的に向上したと語る。

/mtg-prepで商談準備が2〜3分。

コマンド入力で3つのAIエージェントが並列起動する。

1つ目がGmail、Slack、Circlebackから過去の顧客やりとりを横断取得。2つ目がWeb検索で顧客と競合の最新情報を調査。3つ目が提案ドラフトを作成する。

全情報が集まると、統合エージェントがブリーフィング資料にまとめる。

前回のMTGの宿題、メールやりとり、Slackの補足情報、Notionの案件ステータス、Google Driveの関連資料。6つのツールを横断した情報が1つに統合される。人間がやれば半日の作業だ。

/follow-upでフォローメールが即完成。

商談後の議事録整理、アクションアイテム抽出、メール作成まで自動化。実際に話した内容が反映された下書きがGmailに保存される。

以前は「準備に30分〜1時間→商談中に準備不足で焦る→フォローメールに15〜20分、後回しにしがち」だった。

現在は「2〜3分で準備→商談はコミュニケーションに集中→2〜3分でフォロー完了」。

体感3〜5倍の商談量を、品質を下げずに捌けるようになったという。

「必要なのはテクノロジーのスキルじゃなくて、自分の業務プロセスを言語化する力。優秀な営業マンが後輩に商談準備の仕方を教えるのと全く同じことを、AIに対してやるだけです」。

「コードは書かない。でもシステムを作っている」——各地で広がる非エンジニアの実践

Xでバズった3人の事例は突然変異ではない。同じ動きが、規模の大小を問わず広がっている。

アソビュー株式会社のCPO、横峯樹氏はClaude Codeで「毎朝7時に自動起動する情報収集・整理ジョブ」を11個構築した。

「デモ映えする一発芸ではなく、業務に定着する仕組み」だと表現している。

スマートバンクのビジネス本部長、赤池知隼氏は、当初「エンジニア向けのツールでしょ？」と疑っていたCursorを使い始めた。事業開発・経営企画の業務に活用し、いまではポッドキャストで実践を発信している。

株式会社Renewerの堀内亮平氏は、Claude Codeで「諦めてきた自動化」を実現した。

英語メルマガの自動翻訳、資料ダウンロード時の属性に応じた返信下書き生成、カレンダー空き状況からの日程調整メッセージ生成。

「ExcelマクロやGAS、Difyなどの手段が存在しながら実装の難しさから実現できていなかった課題が、Claude Codeでようやく形になった」という。

海外ではスペインの大手銀行BBVAが象徴的だ。

2024年5月にChatGPT Enterpriseの約3,000ライセンスを全部門に配布。5ヶ月後には利用者の83%が日常的に業務に組み込んだ。社員自ら作成したカスタムGPTは約3,000個。

法務部門が法律照会への24時間以内対応GPTを設計し、メキシコのカスタマーエクスペリエンス部門が顧客満足度調査の自動集計GPTを構築した。すべてエンジニアではない現場社員の手によるもので、約12万人の全従業員に展開されている。

NTTドコモグループは2025年にVibe Coding Dayを開催。管理職8名を含む約70名の非エンジニアが応募し、50名以上が参加してアプリを自作した。

30代の営業担当者は「プログラミングが全くできなくても、アイデアだけでアプリが作れることに驚きました」と語っている。

トランスコスモスはVibe Codingを「VibeOps」として体系化。あるプロジェクトで15.5人日を1.5人日に圧縮した。実に87%の工数削減だ。

これらの事例が示しているのは、「非エンジニアによるシステム構築」が現実になっていることだ。

コードは書かない。でもシステムを作っている。

上位5%のパワーユーザーが生み出す、6倍の生産性格差

こうした非エンジニア活用者の姿を数字で裏づけるデータがある。

OpenAIの2025年エンタープライズ調査によれば、AI利用の上位5%にあたる「フロンティアワーカー」は、中央値の社員と比べて6倍のメッセージをAIに送っている。

週に10時間以上の作業時間を節約。コーディング関連のタスクでは、その差は17倍にまで広がる。

7種類以上の異なるタスクにAIを活用する人は、4種類以下の人の5倍の時間を取り戻している。

この差は収入にも相関し始めている。

PwCの「2025 Global AI Jobs Barometer」によれば、AIスキルを要求する求人の賃金プレミアムは56%。前年の25%からわずか1年で倍増以上となった。

これは「AIスキルを持つ人の賃金が56%高い」という相関であり、因果関係を直接示すものではない。AIスキルを求める職種がもともと高給であった可能性も排除できない。

それでも、市場がAIスキルに明確なプレミアムをつけ始めている傾向は確かだ。

格差は「勝手に広がる」構造を持っている

ここで直視すべき構造的な問題がある。

この格差は、放置すれば縮まらない。むしろ加速的に広がる性質を持っている。

フライホイール効果。

AIを活用する→生産性が上がり時間が浮く→その時間でさらに新しい自動化を作る→業務知識がシステムに蓄積されていく→より高度な業務に集中できる→評価が上がる→最初に戻る。

畠山氏の「半年前は40社が限界だと思っていた。今は60社で余裕がある」という言葉は、このフライホイールの実感値だ。

阿部氏の「AIで効率化した時間を、人類の仕事に使う」も同じ構造を示している。

逆フライホイール。

一方、非活用者は正反対の回転に入りうる。

日常業務に忙殺されて学ぶ時間がない→AIを使わないから効率が変わらない→相対的な生産性が低下する→さらに忙しくなる。

ただし、テクノロジー史を振り返れば、「早期採用者が永遠に有利」という予測は必ずしも当たらない。

パソコン、インターネット、スマートフォン。いずれもツールの成熟と普及に伴って参入障壁は下がり、後発者も追いつける状況が生まれた。AIエージェントも同じ道を辿る可能性は十分にある。

それでもなお、従来のデジタルデバイドとの構造的な違いには注目すべきだ。

パソコンやインターネットは「使える/使えない」の二項対立であり、学べば追いつけた。しかし、AIエージェントの活用は「使えば使うほどスキルが向上し、出力品質が上がる」という累積的な性質を持つ。

畠山氏のCLAUDE.mdに蓄積された仕訳ルール。阿部氏のデザインシステムとブランドガイドライン。ふぇね氏のスキルファイル群。

これらは使い込むことでしか得られない「AI資産」であり、後から始めた人が追いつくにはこの蓄積分のギャップを埋める必要がある。

4つの壁と、その向こう側

では、なぜ大多数の人々はフライホイールに乗れないのか。

調査から浮かび上がったのは、4層構造の壁だ。

第1層「認知の壁」。

そもそもAIエージェントの存在と可能性を知らない。

BCGの2025年調査で、日本企業のAIエージェント業務統合率はわずか7%。世界平均の13%を大きく下回り、最低水準だ。

大多数の日本のビジネスパーソンにとって、「AIが自律的にタスクを実行する」という概念そのものが実感を伴わない。

阿部氏や畠山氏がXで発信した体験談がバズったこと自体、「こんなことができるのか」という驚きがまだ新鮮であることの証拠だ。

第2層「スキルの壁」。

特に大きいのが、ターミナル（黒い画面）への心理的抵抗だ。

Claude Codeを使うために最低限必要なスキルは、cdコマンドでフォルダを移動することと、日本語で指示を書くこと。それだけだ。

だが「黒い画面を開く」という行為そのものが、多くの非エンジニアにとって最大の離脱ポイントになっている。

ふぇね氏も「最初のツール連携の設定だけは、ちょっと技術的で、詳しい人に手伝ってもらった方がいい」と認めている。ただし「一旦導入してしまえば、その先は全然難しくない」とも。

第3層「心理的な壁」。

「完璧に理解してから使おう」というメンタルモデル。これは特に日本のビジネスパーソンに顕著だ。

パワーユーザーが「まず試して失敗から学ぶ」のに対し、非活用者は「わからないものには手を出さない」。

畠山氏は「一度何も考えずに複数メールを送信させてしまった失敗」を経験し、すぐに「送信禁止で下書きに入れるルール」に変えた。

失敗を許容し、素早く修正する。この姿勢の差が、使い始めのタイミングを何ヶ月も遅らせる。

第4層「組織の壁」。

セキュリティポリシーによるAIツール利用の制限。上司や経営層の理解不足。「忙しすぎて学習時間が取れない」という日常業務の圧力。

EYの2025年グローバル調査は、人材準備の不備によりAI活用の生産性向上効果が最大40%失われていると指摘する。

一方で、チューリングの「Unlimited AI制度」やBBVAの全社展開のように、組織がこの壁を取り払った途端に爆発的な活用が始まる事例もある。

パワーユーザーたちに共通するのは、「AIの出力品質の責任を自分に帰属させる」思考様式だ。

「AIが思い通りに動かない」と感じたとき、「自分の指示の出し方に問題はなかったか」と内省できるかどうか。

畠山氏が除外ルールを自ら設計し、阿部氏が「美しくない」と突き返してデザインの質を上げ、ふぇね氏がスキルファイルを日々改善し続ける。

AIを「育てるジュニア同僚」のように扱い、フィードバックを続ける姿勢が、成長速度を決定的に左右している。

今後の格差はどう推移するか——3つの時間軸

短期（2026〜2027年）: 格差の加速

現在はClaude Codeの活用が「知っている人だけの世界」にとどまっている。

この間に先行者たちは、畠山氏のように「半年で40社→60社」とキャパシティを拡大し、阿部氏のように仮想チームの精度を上げ、ふぇね氏のようにスキルを積み上げ続ける。

業務知識がCLAUDE.mdやスキルファイルに蓄積されることで、先行者の「AI資産」は複利的に増加する。

中期（2027〜2028年）: ツールの民主化による緩和

AIコードツール市場は急速に拡大しており、複数の市場調査で2028年頃には100億ドル規模を超えると予測されている。

より使いやすいインターフェースが登場し、「黒い画面への恐怖」は過去のものになりうる。

NTTドコモのVibe Coding DayやBBVAの全社展開のような組織的導入が広がれば、キャッチアップの道は開かれる。

ただし、ツールが平等になっても「何を自動化すべきかを判断する力」——ドメイン知識の格差は残る。

長期（2028年〜）: 新しい「標準スキル」としての定着

Gartnerは2028年までに企業ソフトウェアアプリの3分の1にエージェントAIが組み込まれると予測する。

AIエージェントの活用は「特別なスキル」から「当たり前の業務能力」へ移行するだろう。

格差の軸は「AIを使えるかどうか」から「AIを使ってどこまで深い業務設計ができるか」に変わる。

阿部氏がPR業務を8部門32人に分解し、ブランドボイスガーディアンまで設計できたのは、PR業務への深い理解と「何を美しいと思うか」という審美眼があったからだ。

この種の人間にしかできない判断の質が、格差の新たな軸になる。

見落とされがちなリスク——万能ではないAIエージェント活用

ここで、活用の光の部分だけを見て終わるわけにはいかない。

出力品質の問題。

AIは自信を持って間違える。ハルシネーションは依然として完全には解消されていない。

検証なしに出力を信頼すれば重大なミスにつながる。ふぇね氏自身が「何も考えずに複数メールを送信させてしまった」失敗を経験している。

ブラックボックス化。

「AIが作ったものが動いているが、なぜ動いているのかわからない」状態。

担当者が異動・退職した場合にシステムの維持が困難になる。畠山氏のように仕組みの全容を理解し公開している場合はリスクが低いが、すべての活用者がそうとは限らない。

セキュリティリスク。

業務データをAIに渡す際の情報漏洩リスクは、IT部門の関与なしに個人がAIエージェントを構築する場合に特に深刻になる。

畠山氏が60社のデータを事業所間で完全分離し、APIキーやマイナンバーの出力を禁止するセキュリティポリシーをCLAUDE.mdに明記しているのは、このリスクを意識した設計だ。

これらのリスクを認識した上で活用するのと、知らないまま突き進むのとでは、結果は大きく異なる。

あの1人チームのマーケターが示した、たったひとつのこと

冒頭のAnthropicのマーケティング担当者に話を戻そう。

この人物が特別だったのは、プログラミングができたからではない。AI企業にいたから恵まれた環境にいたのは事実だ。

だが、チューリングの阿部氏も、税理士の畠山氏も、営業のふぇね氏も、堀内氏も、BBVAの法務部門のスタッフも、やったことの本質は同じだ。

「自分の仕事を構造的に理解し、AIに言葉で伝えた」。

その一歩が、1人で32人分のチームを、スタッフゼロで60社の運営を、2〜3分の商談準備を生んだ。

3人の実践者が異口同音に語るメッセージがある。

阿部氏: 「やりたいことを正確に伝える力さえあれば、同じことは誰にでもできます」

畠山氏: 「大事なのは『何を自動化すべきか』を知っていること。その判断ができるのは、毎日現場で手を動かしているあなただけです」

ふぇね氏: 「必要なのは、テクノロジーのスキルじゃなくて、自分の業務プロセスを言語化する力」

フライホイールは、すでに回り始めている。

早く回し始めた人ほど加速する好循環がある一方で、ツールの進化が後発者の参入障壁を下げ続けているのも事実だ。

問題は、格差が「取り返しのつかないもの」かどうかではない。

問題は、フライホイールが回り始めるまでの最初の一歩を——「自分はエンジニアじゃないから」という一言で——踏み出さないまま過ごす時間が、日に日に高くつくようになっているということだ。

エンジニアではないからこそ——業務の型を知り、現場の判断ができるからこそ——Claude Codeは最大の武器になる。

あとは、手を動かすかどうかだけだ。

■合わせて読みたい

■関連記事