世界最大級のソフトウェア企業が、自社を実験台にした
2026年7月、米マイクロソフトの研究チームが興味深い論文を公開しました。タイトルは「コマンドラインAIコーディングエージェントの採用と影響」。2026年初頭に同社が社内へ展開したClaude CodeとGitHub Copilot CLIについて、誰が使い始め、誰が使い続け、どんな成果が出たのかを数か月にわたって追跡した研究です。
Claude Codeは、Anthropic社のAIエージェントです。エージェントとは、指示を出すと自分で手順を考えて作業を最後まで進めてくれるAIのことを指します。GitHub Copilot CLIはマイクロソフト傘下のGitHubが提供する同種のツールです。つまりマイクロソフトは、自社製品と競合他社の製品を両方社内に配り、その広がり方を真面目に観察して論文にまとめたわけです。
私がこの論文に注目したのは、AIの性能を測った研究ではないからです。世の中にはAIの賢さを競うベンチマーク（性能テスト）の記事があふれていますが、この研究が測ったのは、道具が組織の中でどう広がり、どう根づくかという人間側の話でした。AIツールの成否を分けるのは性能ではなく組織への定着のさせ方だという問いを、世界最大級の企業が自社で検証した点にこの論文の価値があります。
10人の会社でも1,000人の会社でも、新しい道具を入れるときに起きることは驚くほど似ています。だからこの研究は、経理ソフトを入れ替えたことがある社長や、社内にChatGPTを配ったのに誰も使っていないと嘆く管理職の方にこそ読む価値があります。道具の名前をClaude Codeから、いま自社で検討中のツールに置き換えて読んでも、示唆はほぼそのまま通用します。
研究でわかった3つの事実
論文の発見は大きく3つあります。ひとつずつ見ていきます。
1つ目は成果の数字です。Claude CodeやCopilot CLIを導入した社員は、導入しなかった社員に比べてプルリクエストのマージが約24%増えました。プルリクエストとは、完成した仕事を提出してチームの承認を得る仕組みのことで、マージはその仕事が正式に採用されることを意味します。営業でいえば受注件数、経理でいえば締め処理の完了件数にあたる、完了ベースの実績です。作業時間の自己申告ではなく、実際に世に出た仕事の量が24%増えた点が重要です。よくある導入効果アンケートは「便利だと感じますか」という感想を集めて終わりがちですが、感想は盛れても、承認まで通った成果物の数は盛れません。
2つ目は持続性です。新しい道具はご祝儀相場のように最初だけ成果が出て、飽きたら元に戻ることがよくあります。ところがこの研究では、24%の生産性向上が4か月の測定期間を通して落ちませんでした。一時的な物珍しさではなく、仕事のやり方そのものが変わったと解釈できるだけの期間、効果が続いたのです。
3つ目は広がり方です。ツールを使い始めるきっかけは、会社からの通達やマニュアルではなく、主に社内の人間関係を通じてでした。隣の席の同僚が使っているのを見て、自分も試す。この連鎖が採用の主経路だったと論文は報告しています。会議で画面共有された作業風景、チャットに流れてきた成果物、昼休みの雑談。伝わる経路はそうした日常の接点でした。さらに、使い続けるかどうかは年齢や役職といった属性ではなく、その人が日々どれだけ手を動かす仕事をしているかと強く関係していました。
最大の発見は、性能ではなく広がり方だった
3つの発見のうち、私が一番の収穫だと考えるのは3つ目です。論文の結論部分で、研究チームは組織への提言としてこう述べています。
ツールの展開戦略においては、同僚の見える利用を中心に据えるべきである。
会社が高いお金を払ってライセンスを配り、説明会を開き、マニュアルを整備する。多くの企業がやる導入の王道です。ところがマイクロソフトほど研修体制が整った会社ですら、人が実際に使い始めるきっかけは、隣で同僚が使っている姿を見ることでした。
考えてみれば、私たちの身の回りでも同じことが起きています。LINEもExcelの便利な関数も、多くの人はマニュアルではなく、誰かが使っているのを見て覚えました。営業部門にSFA（営業活動を記録・管理するシステム）を入れたことのある会社なら覚えがあるはずです。入力を義務化しても定着せず、成績の良い先輩が商談前に過去履歴を検索している姿を見て、ようやく若手が使い始める。あれと同じ構造です。人は説明されて道具を使い始めるのではなく、目の前で誰かが得をしているのを見て使い始めます。
この事実は、AI導入で悩む中小企業にとって朗報です。なぜなら、潤沢な研修予算も情報システム部門も要らないからです。必要なのは、社内で1人か2人、実際に使って得をしている姿を周囲に見せる人をつくること。それだけで、マイクロソフトの社内で起きた連鎖と同じ現象を自社でも起こせる可能性があります。
もうひとつ、継続の発見も見逃せません。使い続けた人を分けたのは属性ではなく作業量でした。裏を返せば、AIが続かない社員がいても、その人の能力ややる気の問題とは限りません。単にその人の仕事に、AIに任せられる作業がまだ少ないだけかもしれない。導入がうまくいかないとき、人を責める前に仕事の中身を見直すべきだという示唆です。
エンジニアの話だと思ったら、損をする
ここまで読んで、これはソフトウェア開発者の話であって自分には関係ない、と感じた方がいるかもしれません。私はむしろ逆だと考えています。
まず、Claude Code自体がすでにプログラミング専用の道具ではなくなっています。指示は日本語の文章で出せますし、経理データの集計、大量ファイルの整理・リネーム、議事録からの報告書作成といった事務仕事を任せている非エンジニアの利用者が、私の周りでも着実に増えています。たとえば経理なら、月初に届く数十枚の請求書PDFを取引先名と金額の一覧表に起こす作業。人事なら、応募者の職務経歴書を募集要件と突き合わせて要点を整理する作業。どれも日本語の指示だけで動きます。マイクロソフトの研究対象はエンジニアでしたが、同じ道具が事務仕事でも動くのです。
次に、この研究が明らかにした広がり方の法則は、道具を選びません。ChatGPTでもClaudeでも、あるいは新しい会計ソフトでも、組織に道具が根づく経路は同じです。この論文はAIの論文である以前に、新しい道具を組織に定着させる方法についての論文であり、その知見はどんな業種の会社にも移植できます。
そして数字の意味を考えてみてください。24%という数字は、5人でやっていた仕事量を4人でこなせる計算です。人手不足が続く中小企業にとって、採用を1人減らせるかどうかは経営の数字に直結します。世界有数の給与水準のエンジニア集団で24%出たという事実は、定型作業の多い事務職ではもっと大きな余地がある可能性を示しています。
業種別に考える、自社で起こすシナリオ
では、この研究の知見を自分の会社に当てはめると何が起きるか。3つの業種で具体的に描いてみます。
1つ目は、10人規模の税理士事務所です。 所長がまず自分でClaude Codeを使い、顧問先から届くバラバラの形式の試算表や領収書データを、月次報告のフォーマットに整える作業を任せてみます。ポイントは、それを個室でやらないことです。週1回の朝会で、先月まで2時間かかっていた顧問先A社の月次資料が20分で終わった、と画面を見せながら話す。研究が示した見える利用です。すると若手の職員が自分の担当先でも試し始め、3か月後には事務所の月次業務の型が変わっている。所長が号令をかけて全員に義務づけるより、この順番のほうが定着することを、マイクロソフトのデータは裏づけています。
2つ目は、30人規模の製造業の総務・営業事務です。 この規模の会社では、見積書の作成、受発注データの転記、月末の勤怠集計といった定型作業が数人の事務担当に集中しがちです。まず営業事務のベテラン1人に、受注メールから基幹システム入力用のCSVを作る作業をAIに任せる実験を頼みます。うまくいったら、その担当者に社内のグループチャットで実例を投稿してもらう。この投稿が研究でいう社内ネットワーク経由の伝播の起点になります。総務の勤怠集計、品質管理の報告書作成へと、部署を越えて隣へ隣へと広がっていく形が理想です。継続の鍵は作業量でしたから、転記や集計を大量に抱えている人から順に声をかけるのが定石です。
3つ目は、5人規模のマーケティング支援会社です。 クライアントごとに広告レポートを毎月つくる会社なら、複数媒体の管理画面から落としたデータを1つのレポートに束ねる作業が毎月発生しているはずです。代表がこれをClaude Codeで自動化し、浮いた時間で提案の質を上げる。少人数の会社の強みは、見える利用が全員に一瞬で届くことです。5人なら、1人の成功が翌週には全員の標準になり得ます。逆にいえば、代表が試して黙っていたら何も広がりません。小さい会社ほど、使っている姿を見せることの費用対効果が高いのです。
自社の業種がこの3つに当てはまらなくても、型は同じです。大量の定型作業を抱えた人を起点に選び、成功を全員に見える場に載せる。建設業の積算資料、クリニックの予約集計、学習塾の成績レポートでも、当てはめる変数が違うだけで手順は変わりません。
そのまま使える定着の5ステップ
研究の知見を、明日から実行できる手順に落とします。私のおすすめは次の5ステップです。
第1に、推進役を1人だけ決めます。全員一斉ではなく1人です。選ぶ基準は役職ではなく作業量。日々の転記・集計・文書作成が多い人ほど、研究の結果に照らせば続く確率が高くなります。
第2に、その人の定型作業を1つだけ選び、AIに任せてみます。欲張って業務全体を変えようとせず、毎週発生する2時間の作業を1つ潰す。選定の目安は3つあります。毎週必ず発生する、手順を口頭で説明できる、失敗してもやり直しがきく。この3条件を満たす作業が最初の1つに向いています。小さくても、毎週確実に得をする体験が継続の燃料になります。
第3に、週1回、成果を見せる場をつくります。朝会の最後の5分で構いません。今週AIに任せたこと、かかった時間、失敗したことも含めて話してもらいます。この見せる場こそが、マイクロソフトの研究が展開戦略の中心に据えるべきだと結論づけた仕掛けです。
第4に、社内チャットに実例を流します。使ったプロンプト（AIへの指示文）をそのまま貼るのがコツです。あわせて、元データのどこを渡したか、出力をどう検品したかも一言添えると、真似の精度が上がります。見た人が真似できる形で共有されて初めて、隣の部署に火がつきます。
第5に、3か月後に数字で振り返ります。測る指標は1つで十分です。マイクロソフトが完了した仕事の件数で測ったように、月次資料の作成件数、見積書の発行件数など、完了ベースの数字を選んでください。記録はExcelに月と件数の2列があれば足ります。導入前3か月の件数を先に書き出しておくと、比較が感想ではなく数字でできます。作業が楽になった気がする、という感想は指標になりません。
注意点とよくある誤解
この研究を引用するときに、気をつけたい点を挙げておきます。
まず、24%という数字がどの会社でもそのまま出るわけではありません。これはマイクロソフトのエンジニア組織での測定値です。業務の性質、データの整い方、任せる作業の選び方で結果は上下します。自社の数字は自社で測る。そのために前のセクションで完了ベースの指標を決めることを勧めました。
次に、全社一斉導入は研究の示唆と逆行します。ライセンスを全員に配って説明会を1回開く方式は、一見公平で手厚いのですが、論文が観察した自然な伝播の連鎖を飛ばしてしまいます。契約も最初は1〜2席で十分で、見せる場が回り始めてから席を増やすほうが無駄がありません。使わない人にとってはただの通知が1本増えただけで終わり、使った人の姿が見えないまま風化します。先に1人が得をして、それが見える。順番を間違えないことが大切です。
続かない人への評価も誤解しやすい点です。研究では、継続を分けたのは属性ではなく作業量でした。AIを使わない社員がいても、意識が低いと決めつけるのは早計です。その人の仕事にAI向きの作業が少ないだけなら、無理に使わせる必要はありません。適した作業を抱える人から広げるほうが、組織全体では早く進みます。
最後に機密情報の扱いです。顧客名簿や財務データをAIに渡す前に、契約プランのデータ取り扱い条件を確認し、渡してよいデータの線引きを社内で1枚のメモにしておいてください。線引きといっても、公開情報と社内の集計済みデータは渡してよい、個人名や取引条件を含む生データは伏せてから渡す、といった2〜3行で十分です。定着の勢いとデータの線引きは別物で、線引きを先に決めた会社だけが安心してアクセルを踏めます。 事故が1件起きると、せっかく育った社内の空気が一気に冷えます。
まとめ: 買うことではなく、見せることに投資する
マイクロソフトの社内研究が教えてくれたことを、一言でまとめます。AIツールの成果は本物で長続きするが、それが組織に広がるかどうかは、性能でも研修でもなく、同僚が使う姿が見えるかどうかで決まる。
中小企業にとって、これは競争条件の逆転を意味すると私は考えています。大企業の強みだった研修予算や情報システム部門は、定着の主要因ではありませんでした。5人の会社で1人が使い始めれば、翌週には全員に見えます。1,000人の会社でそれを起こすより、はるかに簡単です。組織が小さいことが、AI定着においては初めて有利に働く。この研究はその根拠を与えてくれました。
やることはシンプルです。作業量の多い人を1人選び、定型作業を1つ任せ、週1回見せる場をつくり、3か月後に完了件数で測る。ライセンス費用より先に、見せる仕組みに投資してください。
自社のどの業務から始めるべきか迷ったら、Claude Worksの無料30分相談をご利用ください。業種と業務内容を伺い、最初の1つに選ぶべき定型作業と推進役の決め方を、この記事の5ステップに沿って一緒に具体化します。→ 無料30分相談を予約する
