Claude Codeの生みの親が仕掛けた、放置実験
Anthropic社でClaude Codeを作った本人、Boris Cherny氏が面白い実験を公開しました。Claude Code（AIに仕事を任せられるエージェント型のツール）の開発責任者が、自社のデスクトップアプリをAIに丸ごと作り直させているのです。
実験の中身はこうです。Claudeのデスクトップアプリは現在、Electron（エレクトロン。Webページを作る技術でパソコン用アプリを作れる仕組み）という技術で動いています。Cherny氏はこれを、Macに最適なSwift（スウィフト。Apple製アプリを作るための言語）で一から書き直す仕事をAIに任せました。人間のエンジニアがやれば数か月かかってもおかしくない規模の移植作業です。
驚くのは指示の短さです。彼がAIに与えたのは、要約すればたった1行でした。
Electronアプリを再実装し、両方を動かして、画面がピクセル単位で一致するまで続けること。
設計書もありません。作業手順の指定もありません。あるのは完成の定義だけです。そしてインタビュー時点で、このAIは14〜15日間、人の手をほぼ借りずに走り続けています。途中でAIは自発的にSlack（ビジネスチャット）のチャンネルを作り、数分ごとに進捗のスクリーンショットを投稿するようになったそうです。誰も頼んでいないのに、報告の仕組みまで自分で用意したわけです。
私がこのニュースを取り上げるのは、アプリ開発の話だからではありません。ここに出てくる仕事の預け方が、経理や営業事務、マーケティングといった普通の仕事にそのまま応用できる型だからです。
何が起きているのか。1行の指示で2週間走る仕組み
この実験を分解すると、Cherny氏がAIに渡したものは3つしかありません。
1つ目は作業場所です。GitHub（プログラムの保管・共同作業サービス）上のMac環境と、空っぽの作業フォルダを渡しました。2つ目は手本です。今動いているElectron版のアプリ、つまり正解の見た目そのものです。3つ目が合格基準で、新旧2つのアプリの画面を撮影して重ね、ピクセル単位で一致したら完成、という判定方法です。
この3つ目が肝です。AIが自分で答え合わせできる基準を渡したから、人間が横で監視しなくても仕事が進み続けるのです。AIは画面を撮る、比べる、ズレていれば直す、また撮る、というループを延々と回します。合格基準が機械的に判定できるので、できたつもりで止まることも、人の確認待ちで止まることもありません。
人間の新人教育に置き換えると分かりやすいはずです。議事録の作成を新人に任せるとき、書き方を口頭で延々と説明するより、過去の良い議事録3本と、決定事項・担当者・期限が全部入っているかのチェックリストを渡した方が早く戦力になります。Cherny氏がやったのはその究極形で、チェックそのものを本人（AI）にやらせています。
従来のAI活用と比べてみてください。多くの人のChatGPTやClaudeの使い方は、質問して、答えをもらって、また質問して、の繰り返しです。1回のやり取りは数十秒で終わり、次に進むかどうかは毎回人間が判断します。AIが働いている時間より、人間が指示を考えている時間の方が長い。これでは削減できる時間に限界があります。
Cherny氏の実験は逆です。人間が使った時間は最初の指示と環境の用意だけで、あとの2週間はAIだけの時間です。人間の関与時間とAIの労働時間の比率が、1対数千になっています。この比率の逆転こそが、いま起きている変化の本質です。
なぜ今できるようになったのか
こういう長時間の自律実行は、1年前なら途中で破綻していました。AIが数時間で迷子になる、同じ失敗を繰り返す、勝手に完成宣言をする、が定番の失敗パターンだったからです。
変わった理由は2つあります。1つはモデル自体の進化で、長い仕事の文脈を保ったまま、自分の成果物を疑い、検証し、修正する能力が上がりました。Cherny氏自身、新しいモデルではAIの暴走を防ぐための注意書きが大幅に減らせたと語っています。以前は、してはいけないことを大量に書き並べる必要がありましたが、今は目的と合格基準を伝えれば足りる場面が増えました。
もう1つは、答え合わせを仕事の中に組み込む型が確立されたことです。AIの進化を待つのではなく、AIが自己採点できる形に仕事を設計し直した人から、順に恩恵を受け取っています。ピクセル比較はその一例にすぎません。経理なら試算表の貸借が一致するか、マーケなら文字数と必須キーワードとリンク切れの有無、人事なら求人票に必須記載事項が揃っているか、といった具合に、どんな仕事にも機械的に判定できる合格ラインは作れます。
ここで大事なのは、Cherny氏はプログラミングの手順を1つも教えていない点です。彼が設計したのは仕事のやり方ではなく、終わりの定義でした。部下に仕事を任せるのが上手な経営者のやり方と同じです。優秀な部下に細かい手順書は要りません。何をもって完了とするかが明確なら、あとは任せられます。
非エンジニアにとっての意味。作業依頼から業務委託へ
この実験が示す働き方の変化を、私は「作業依頼から業務委託へ」と呼んでいます。
作業依頼は、この文章を要約して、このメールに返信文を書いて、という粒度の頼み方です。1回ごとに人間が受け取り、確認し、次を指示します。今のAI活用の9割はここに留まっています。
業務委託は、月次の経費精算チェックを終わらせておいて、来月のメルマガ4本を規定に沿って仕上げておいて、という粒度です。途中経過には関与せず、合格基準を満たした成果物だけを受け取ります。Cherny氏の実験は、この預け方が2週間という長さでも成立することを、開発者本人が示したデモです。
経営の視点で言えば、これは労働時間の総量が変わる話です。従業員10人の会社の労働時間は、1日80時間が上限です。しかしAIへの業務委託が回り始めると、夜間も土日も成果物が積み上がります。人を1人採用するかどうかを悩んでいた仕事の一部が、月数万円のAI利用料で回る可能性が出てきました。求人を出しても応募が来ない地方の中小企業ほど、この選択肢の意味は大きいはずです。
同時に、管理職やベテラン担当者の価値の置き場所も変わります。手を動かす速さや手順の記憶ではなく、何をもって合格とするかを言語化できる人が、AI時代にいちばん強いのです。これは長年その業務をやってきた人にしか書けません。非エンジニアが不利になるどころか、業務を深く知る人ほど有利になる変化です。
業種別に考える。この型はどの仕事に効くか
抽象論で終わらせず、3つの業種で具体的に考えます。共通するのは、手本と合格基準さえ渡せば、途中を任せられる仕事を探すことです。
経理・会計事務所（担当者2〜3名の規模）の場合。 月次で顧問先20社の試算表チェックをしているなら、過去12か月の仕訳データと、これまで自分が差し戻してきた指摘の記録を手本として渡します。合格基準は、貸借一致、前月比30%以上変動した科目への理由コメント付与、勘定科目の使い方が過去のパターンと矛盾しないこと、の3点。AIは20社分を順に処理し、基準を満たさない箇所だけを一覧にして朝までに用意します。担当者の仕事は、翌朝その一覧を見て判断が必要な数件だけを処理することに変わります。月末月初の残業が集中する構造そのものが崩せます。導入初月は指摘の精度が粗くても、差し戻すたびに基準へ追記すれば2〜3か月で安定します。
10人規模のマーケティング会社の場合。 クライアント5社のSNS投稿と月次レポートを抱えているなら、各社の過去投稿50本とトンマナ規定、NGワード集を手本にします。合格基準は、文字数の範囲、必須ハッシュタグ、薬機法や景表法に触れる表現ゼロ（チェックリストを渡す）、過去投稿との重複率です。AIに翌月分の投稿案を各社20本ずつ、基準の自己チェック結果付きで金曜夜に生成させておけば、月曜朝の仕事は100本の中から使うものを選ぶだけです。作る仕事が選ぶ仕事に変われば、1人あたりの担当社数は現実的に増やせます。
従業員50名の製造業・卸売業の場合。 営業事務が毎日やっている受注データの照合が狙い目です。FAXやメールで届く注文書と、基幹システムの品番・単価マスタ、過去の受注履歴を材料として渡します。合格基準は、品番がマスタに存在すること、単価が最新の見積と一致すること、数量が過去平均の3倍を超える場合はフラグを立てること。AIは毎晩その日の受注を全件照合し、疑義のある伝票だけを翌朝リストで出します。単価の入力ミスが顧客からの指摘で発覚する、という一番信用を削る事故を、社内で先に捕まえられるようになります。
3つに共通するのは、AIに判断を丸投げしていない点です。任せているのは照合と生成と自己チェックの繰り返しで、最終判断は人間に残しています。Cherny氏の実験も同じ構造で、完成の宣言はピクセル比較という機械的な基準がしており、それでも最後にリリースするかを決めるのは人間です。
そのまま使える実践手順。最初の1件を回すまで
自社で試すときの手順を、順番に書きます。プログラミングの知識は要りません。
第一に、預ける仕事を1つ選びます。選定基準は3つです。毎週または毎月繰り返している、正解の見本が過去の成果物として残っている、合否を文章で説明できる。この3つが揃う仕事から始めます。逆に、初回の相手との交渉や、前例のない企画は向きません。
第二に、合格基準を紙に書き出します。ここが最重要工程です。やり方は簡単で、過去に部下や外注の成果物を差し戻したときの理由を10個思い出して書くだけです。文字数が規定外だった、必須項目が抜けていた、社名の表記が揺れていた。この差し戻し理由の裏返しがそのまま合格基準になります。10個出ない場合は、直近3か月のメールやチャットから修正依頼を検索すると埋まります。
第三に、材料一式をフォルダにまとめます。過去の成果物3〜5件、使ってよいデータ、NG集。人間の新人に渡す引き継ぎ資料と同じものを想像してください。
第四に、Claudeに次の形で指示します。この材料を使って○○を作ること。完成したら合格基準の各項目を自分で1つずつ検証し、全項目を満たすまで修正を続けること。最後に、どの項目をどう確認したかの報告を付けること。Cherny氏の1行指示の家庭用版がこれです。ポイントは、作れではなく、自分で検証して直し続けろ、まで含めて指示することです。この一文があるかないかで、成果物の完成度は目に見えて変わります。
第五に、最初の3回は成果物を厳しめに検品し、見つけた不備をそのまま合格基準に追記します。基準は育てるものです。3回転もすると差し戻しが目に見えて減り、確認時間が最初の数分の一になります。そこまで来たら、Claude Codeで定期実行に載せる段階です。毎晩や毎週月曜の朝に自動で走らせれば、Cherny氏の実験と同じ、人が寝ている間に仕事が進む状態が自社の業務で再現できます。
注意点とよくある誤解。Gruber氏の批評が教えてくれること
この実験には、有名ブロガーのJohn Gruber氏から手厳しい批評が付きました。要約すると、そもそも元のアプリのデザインがMacの流儀を無視しているのだから、それをピクセル単位で忠実に再現しても、出来の悪さまで忠実にコピーされるだけだ、という指摘です。
これは揚げ足取りではなく、AIに仕事を預けるすべての人への本質的な警告です。AIは渡された合格基準を完璧に満たしますが、その基準自体が正しいかは一切問いません。手本にした過去のレポートが実は読まれていなかったなら、AIは読まれないレポートを量産します。差し戻し理由が形式面ばかりなら、形式だけ整った中身の薄い成果物が合格し続けます。ゴール設定の質は、預けた後もずっと人間の責任です。だからこそ、AIに預ける前に一度、その業務の成果物は本当に今の形でよいのかを見直す機会にもなります。
よくある誤解も3つ潰しておきます。1つ目、放置イコール無監視ではありません。Cherny氏のAIも数分ごとに進捗を報告しています。途中経過が見える場所（チャットへの報告や中間ファイル）は必ず作り、最初のうちは毎日目を通してください。2つ目、2週間走ったことと2週間分の価値が出たことは別です。実験も記事の時点ではまだ完成していません。自社でやるなら、まず一晩で終わる粒度から始めて、成功体験と基準を積んでから期間を延ばすべきです。3つ目、コストです。長時間の自律実行はAIの利用料も相応にかかります。上限金額を最初に決めて、超えたら止まる設定にしてから走らせてください。個人情報や顧客名を渡す場合の社内ルール整備も、走らせる前にやることです。
まとめ。手順を教える時代から、終わりを定義する時代へ
Cherny氏の実験から持ち帰るべきものは、Swiftでもピクセル比較でもありません。AIへの指示は長く細かくするほど良い、という常識が反転したという事実です。彼は手順を教える代わりに、完成の定義と答え合わせの方法だけを渡し、AIは2週間走り続けました。
この型は、経理の月次チェックにも、マーケの投稿量産にも、営業事務の受注照合にも、そのまま移植できます。必要なのはプログラミング能力ではなく、自分の仕事の合格基準を10行で書き出せることです。そしてそれは、その業務を長くやってきた人にしか書けません。AI時代の主導権は、コードが書ける人ではなく、仕事の終わりを定義できる人に移ります。
まずは自社の繰り返し業務を1つ選び、差し戻し理由を10個書き出すところから始めてみてください。それだけで、AIに預けられる仕事の輪郭が見えてきます。
どの業務から預けるべきか、自社の場合の合格基準をどう作るかを相談したい方は、Claude Worksの無料30分相談をご利用ください。あなたの会社の業務内容を伺いながら、最初の1件の選び方と指示文の作り方まで、その場で一緒に組み立てます。
