海外の開発現場から出てきた、素朴で重い問い

Hacker News という、世界中のつくり手が集まる掲示板があります。技術の話題を扱う井戸端会議のような場所です。そこに先日、ひとつの相談が投稿されました。タイトルを訳すと、あなたの成果物は、まだ人間が確認していますか、となります。

投稿したのは、小さな会社で社内向けの仕組みを作っている人でした。書かれていた内容を要約すると、こうなります。以前の職場では、作ったものを人に確認してもらう工程がとにかくつらかった。何度も書き直しを求められ、その理由の多くは、誰かが考える正しいやり方に合わせるためという、はっきりしないものだった。今のチームでは、その確認作業がほとんど自動化されている。AIによる確認のほうが、これまで一緒に働いたどの人間よりも丁寧で漏れがない。だから聞きたい、AIに大半を書かせている人たちは、まだ人間がざっと目を通す以上のことをしているのか。

この投稿に、世界中から返信がつきました。私がこの話を取り上げるのは、これがコードの話に見えて、まったくそうではないからです。中小企業の現場に置き換えれば、これは見積書のダブルチェックであり、請求書の金額突合であり、契約書のリーガルチェックであり、月次試算表の確認であり、広告原稿の校正です。作った人と、それを確認する人がいる。この構造は、どの業種のどの職種にもあります。そしてほとんどの会社で、その確認工程は、誰も声に出さないまま形骸化しています。

この問いはコードの話ではなく、あらゆる仕事に共通する、誰が成果物を確認し、誰が責任を持つのかという問いです。

何が起きているのか、確認する側が入れ替わった

まず、レビューという言葉を説明しておきます。レビューとは、作った本人以外の誰かが成果物を点検し、間違いや改善点を指摘する工程のことです。開発の世界ではコードレビューと呼ばれ、書いた人以外の誰かが必ず目を通してから公開する、というルールを持つ会社が多くあります。経理でいえばダブルチェック、編集でいえば校正、営業でいえば上長承認にあたります。

ここ一年で起きた変化は、この確認する側がAIに移り始めた、ということです。Claude Code には /review という機能があり、変更した箇所だけを取り出して点検し、問題点を一覧で返してくれます。変更した箇所だけ、というのが実は重要です。人間は資料全体を渡されると、最初の三ページは丁寧に読み、残りは流します。AIは百ページ目も一ページ目と同じ密度で読みます。

なぜAIの確認のほうが漏れが少なくなるのか。理由は能力の差というより、条件の差です。人間の確認者には、疲労があり、機嫌があり、今日中に片づけたい自分の仕事があり、相手との人間関係があります。金曜の夕方に届いた資料と、月曜の朝に届いた資料では、同じ人が見ても指摘の量が変わります。指摘すると相手が落ち込むと分かっていれば、小さな違和感は飲み込みます。AIにはこれがありません。三十件目のチェックでも一件目と同じ基準で見ます。

もうひとつ、確認の速度が変わりました。これまでの確認は、作る人から確認する人へ渡し、相手の手が空くのを待ち、指摘を受け取り、直してまた渡す、という往復でした。この往復には、実作業の何倍もの待ち時間が挟まっています。10人規模の会社で、部長の確認待ちで二日止まる資料は珍しくありません。AIの一次チェックは、この待ち時間をほぼゼロにします。

変わったのは確認の精度だけでなく、確認が返ってくるまでの待ち時間です。

なぜ人間の確認は形骸化するのか

冒頭の投稿者が不満を書いていたのは、指摘の理由がはっきりしない、という点でした。ここは非エンジニアの職場でも、まったく同じことが起きています。

私がよく聞くのは、こういう話です。提案資料を作って部長に出したら、フォントが揃っていない、この言い回しは硬い、うちの会社はこの表現を使わない、と三回差し戻された。ところが、資料の中の売上見込みの数字が一桁間違っていたことには、誰も最後まで気づかなかった。

これは部長が悪いのではありません。人間の確認には、性質のまったく違う二種類が混ざっているからです。ひとつは、間違いを見つける確認です。数字が合っているか、日付が正しいか、前回の提案と矛盾していないか、法律に触れていないか。もうひとつは、好みを伝える確認です。この言い回しのほうが好き、この順番のほうが読みやすいと思う、私ならこう書く。

前者は放置すると事故になります。後者は放置しても誰も死にません。ところが確認の場では、両方が同じ重さの指摘として並びます。しかも後者のほうが、見つけるのが簡単で、指摘した気分になれます。だから確認の時間は好みの話に食われ、本当に見るべき数字の検算が後回しになります。作った側は、なぜ書き直すのか納得できないまま直し、確認する側は、確認したという事実だけを積み上げます。

AIに一次チェックを任せると、この二つが自然に分離します。AIは、こちらが文章で指示したルールしか見ません。逆に言えば、指示していない好みは持ち込みません。数字の整合性を見て、と書けば数字の整合性を見ます。そして人間の側には、AIが見つけられない仕事、つまり、この提案は顧客に刺さるのか、この価格で受けて利益が出るのか、この案件を今受けるべきなのか、という判断だけが残ります。

AIを入れる本当の価値は作業時間の短縮ではなく、人の確認時間を好みの指摘から判断へ振り替えられることです。

非エンジニアの仕事に置き換えると、体制はこう変わる

具体的に、確認の流れがどう変わるかを整理します。

これまでは、Aさんが作り、Bさんが全部を目で追い、気づいた点を口頭かメールで返し、Aさんが直す、という形でした。ここには二つの弱点があります。ひとつは、Bさんの集中力が資料の後半で切れること。もうひとつは、Bさんが休むと確認が止まることです。10人規模の会社では、確認できる人が実質一人しかいない、という状況が普通に起きます。その一人がボトルネックになり、その一人が辞めると品質が崩れます。

AIを一次チェックに入れると、流れはこうなります。Aさんが作り、AIが全体を機械的に点検して指摘を一覧で返し、Aさんが明らかな間違いを自分で直し、その上でBさんに渡す。BさんはAIが挙げた指摘のうち、判断が必要な三件だけを見ます。

ここで大事なのは、Bさんの仕事がなくなるのではなく、Bさんが見る対象が絞られる、という点です。全部を薄く見る確認から、重要な三点を深く見る確認に変わります。人の目は、対象が絞られたときにいちばん働きます。

もうひとつ副次的な効果があります。指摘が文章として残ることです。口頭のダブルチェックは記録に残りません。誰が何を確認したのか、後から辿れません。AIの指摘は一覧として残るので、監査や引き継ぎのときに、確認した事実そのものが証拠になります。金融機関や取引先から内部統制について聞かれる場面がある会社では、これは地味に効きます。

人の確認をなくすのではなく、人が見る対象を絞ることが、この体制変更の狙いです。

業種別に見る、AIの一次チェックが効く場面

10人規模の税理士事務所、月次の仕訳と試算表

顧問先が60社あり、担当者三名で月次を回している事務所を想定します。毎月、担当者が仕訳を入力し、所長が全件を確認する建て前になっていますが、実際には所長が全社を精査する時間はなく、規模の大きい先だけ見て、残りは担当者を信じている状態です。ここでAIに一次チェックを任せます。渡すのは、その月の仕訳一覧と、事務所が持っている確認の観点です。たとえば、消費税の区分が前月と変わっている仕訳はないか、摘要と勘定科目がちぐはぐな仕訳はないか、前年同月比で三割以上ぶれている科目はどれか、期末月にだけ現れる不自然な計上はないか。AIはこれを全60社ぶん、同じ密度で見ます。出てくるのは、たとえば一社あたり二件から五件の要確認リストです。所長は全件を見るのではなく、そのリストだけを見ます。実務では、担当者の入力ミスよりも、顧問先から届いた資料そのものの矛盾が先に見つかることが多く、顧問先への問い合わせが月末ではなく月半ばに前倒しできます。

15人規模のマーケティング会社、提案書と広告原稿

クライアントに出す提案書と、運用する広告のバナー文言を、ディレクター一人が最終確認している会社を想定します。ここでの事故は二種類あります。ひとつは表現の事故です。景品表示法でいう優良誤認、つまり実際より著しく優れていると思わせる表現が入り込むこと。効果には個人差がある商材で、最上級の言い切りを使ってしまうケースです。もうひとつは事実の事故です。数字の出典が古い、前回の提案と施策の前提が矛盾している、クライアントの正式社名の表記が違う、担当者の役職が変わっているのに前のまま。AIの一次チェックには、社内で禁止している表現の一覧と、過去に起きた事故の実例を三件渡します。すると、原稿を貼るだけで、この表現は言い切りが強すぎる、この数値には出典の記載がない、といった指摘が返ります。ディレクターは、指摘された箇所と、提案全体の筋が通っているかという頭を使う部分に時間を配分できます。

従業員60名の製造業、総務と人事の書類

総務担当が二名で、雇用契約書、就業規則、36協定、各種申請書類を回している会社を想定します。この領域の怖さは、間違いが数年後に発覚することです。法改正に規程が追いついていない、就業規則と雇用契約書の記載が食い違っている、旧様式のまま配ってしまっている。誰かが困るまで誰も気づきません。ここでは、改定した規程の新旧を並べてAIに渡し、条文どうしの矛盾、他の規程との整合、日付や条番号のずれを洗い出させます。人間が並べて読むと集中力が持たない作業を、AIは淡々とやります。ただし、この分野は最新の法令解釈が絡むため、AIの指摘は社会保険労務士に相談する材料として使い、最終判断は必ず専門家に委ねます。それでも、相談すべき論点が事前に整理されている状態で専門家に会えるのは、大きな違いです。

個人事業主のデザイナー、業務委託契約と請求

一人で活動しているデザイナーが、新しい取引先から業務委託契約書を送られてくる場面です。法務部はいません。読み飛ばして押印し、後から検収条件や修正回数の上限、著作権の帰属で揉める、というのがよくある事故です。ここでAIに、この契約書の中で自分が不利になりうる条項を、理由つきで挙げてください、と頼みます。修正の回数に上限がない、検収の基準が発注者の主観になっている、著作者人格権の不行使が入っている、といった論点が並びます。全部を交渉する必要はありません。押さえるべき二点だけを選んで先方に相談する、という進め方ができるようになります。

業種は違っても、共通しているのは、確認できる人が一人しかいないという構造をAIが解きほぐしている点です。

そのまま使える、AI一次チェックの導入手順

第一に、頭の中にあるチェック項目を文章に書き出します。ここが最大の関門です。ベテランほど、何を見ているかを言葉にできません。書き出すコツは、正しいやり方を書こうとしないことです。代わりに、過去に起きた事故を思い出してください。あのとき何を見ていれば防げたか。これを箇条書きにすれば、それがそのままチェックリストになります。十項目もあれば十分に実用になります。

第二に、過去の失敗事例を三件、具体的に渡します。抽象的なルールより、実例のほうがAIは正確に反応します。個人情報や取引先名が含まれる場合は、会社名を伏せて構造だけ残してください。

第三に、成果物とチェックリストを一緒に渡します。プロンプトはこの形が扱いやすいです。

あなたは私の会社の確認担当です。以下のチェック項目だけを見てください。
チェック項目に書いていない好みの指摘はしないでください。

【チェック項目】
1. 金額と日付の整合が取れているか
2. 前回の提案と矛盾していないか
3. 出典のない数値がないか

【出力形式】
指摘ごとに、該当箇所 / 何が問題か / 重大度(高・中・低) の3点を書く。
問題がなければ、問題なしと書く。

【確認対象】
(ここに資料の本文を貼る)

出力形式を指定するのがコツです。指定しないと、AIは長い文章で総評を返してきます。総評は読まれません。該当箇所と重大度がついた一覧なら、人は上から順に処理できます。

第四に、人間は重大度が高い指摘から見ます。全部直そうとしないでください。AIの指摘には、正しいが今回は直さなくてよいものが必ず混ざります。採用するかどうかを決めるのが人間の仕事です。

第五に、運用しながらチェックリストを育てます。AIが見落としたミスが見つかったら、その週のうちに項目を一行足す。この作業を三か月続けると、そのチェックリストは、会社の暗黙知が言語化された資産になります。担当者が辞めても引き継げる形になっている、という副産物のほうが、実は価値が大きいかもしれません。

導入で難しいのはAIの使い方ではなく、暗黙のチェック項目を文章にする最初の一歩です。

注意点と、よくある三つの誤解

誤解の一つ目は、AIが確認したのだから責任も移る、というものです。移りません。承認した人が責任を負います。これは法的にも実務的にも変わりません。AIの一次チェックは、人が判断するための材料を整えているだけです。だから、AIが指摘しなかったから見なかった、という言い訳は成立しません。最終確認欄に押す印鑑の意味は、これまでと同じです。

AIに任せられるのは検出であって、判断と責任ではありません。ここを混ぜた瞬間に、AI導入は事故の原因になります。

誤解の二つ目は、全部読んでくれるはずだ、というものです。長い資料をそのまま渡すと、精度は落ちます。就業規則のように分量のあるものは、章ごとに分けて渡したほうが確実です。加えて、AIは社内の事情を知りません。この取引先だけは検収基準が特殊、この科目は去年の税務調査で指摘を受けたから慎重に、といった経緯は、こちらが書いて渡さないかぎり考慮されません。前提を渡す手間を惜しむと、当たり障りのない一般論しか返ってきません。

誤解の三つ目は、問題なしと出たから安全だ、というものです。AIが構造的に見つけられないものがあります。事実そのものが違う場合。たとえば、資料に書かれた顧客の従業員数が実際と違っても、文書内で整合していれば矛盾としては検出されません。最新の法令や、今月変わったばかりの制度も苦手です。そして何より、この案件を受けるべきかどうか、という経営判断は対象外です。

情報の扱いも決めておく必要があります。顧客の個人情報や、未公開の取引条件をAIに渡してよいかは、業種によって答えが変わります。士業や医療、金融に関わる方は特に慎重にしてください。実務的には、社名を伏せる、金額を丸める、個人名を記号に置き換える、といった前処理をルール化しておくと動きやすくなります。全社で使う前に、渡してよい情報の範囲を一枚の紙にまとめておくことをおすすめします。

もうひとつ、運用面の落とし穴があります。AIの指摘を全部直そうとすると、かえって品質が落ちることです。指摘は多いほうがよく見えますが、多くの指摘は些末です。全部潰すと、資料は無難になり、伝えたかったことがぼやけます。取捨選択の目を持つのは人間です。

AIの一次チェックを入れても、責任と判断と情報管理の三つは、これまでどおり人の側に残ります。

まとめ、確認する人の仕事は消えず、位置が変わる

冒頭の問いに戻ります。AIが確認してくれるなら、人間はもう確認しなくていいのか。私の答えは、確認はし続けるが、見る場所が変わる、です。

これまで確認とは、全体を薄く見て、気づいたことを言う作業でした。これからは、AIが挙げた指摘のうち、判断が必要なものを深く見る作業になります。前者は人数と時間の勝負でした。後者は経験と責任の勝負です。中小企業にとって、この移り変わりは有利に働きます。確認できる人材が一人しかいない、という構造的な弱点を、いちばん安く埋められる手段だからです。

始めるのに、システム投資も社内調整も要りません。今週作った資料を一本選んで、チェック項目を三つ書き出し、AIに渡してみるところからで十分です。私の経験では、最初の一回でだいたい一件は、人が見落としていた指摘が返ってきます。その一件が、この仕組みを社内で通すための、いちばん強い材料になります。

確認する人の価値は下がりません。全部を見る人から、どこを見るべきかを決める人へ、役割が上がるだけです。

自分の会社のどの確認工程からAIを入れるべきか、渡してよい情報の線引きをどう決めるか。このあたりは業種と体制で答えが変わります。Claude Works では、非エンジニアの方向けに無料30分のオンライン相談を行っています。現在の確認フローをお聞きして、最初に着手すべき一箇所を一緒に決めるところまでを、その場でお手伝いします。お気軽にお申し込みください。