同じAIを使っているのに、成果が10倍違う
Claude Code（画面上で指示を出すと、AIが自分でファイルを開き、作業を進めてくれるAIエージェント型のツール）を社内に入れた会社で、必ず起きることがあります。同じツール、同じ料金プランなのに、ある人は月末の集計業務を半日から30分に縮め、ある人は3回試して「使えない」と結論を出してしまう。この差です。
私はこのメディアで非エンジニアの方のAI活用を追いかけていますが、相談に来られる経営者の悩みで一番多いのがこれです。ツールの契約は済んだ。何人かは使い始めた。でも成果が人によってバラバラで、何を教えれば全員が使えるようになるのか分からない。研修をやろうにも、教える中身が言語化されていない。
AIをうまく使う力の正体が言語化されていないことが、社内展開が止まる最大の理由です。 Excelなら「VLOOKUPが使える」「ピボットテーブルが組める」と要素分解できるのに、AIは「なんとなくあの人はうまい」で止まってしまう。
この長年もやもやしていた問いに、正面から答えようとする動きが海外で出てきました。今回はそれを紹介しながら、非エンジニアの仕事にどう効くかを考えます。
米国の技術者掲示板で公開された「うまさの採点表」
2026年7月、Hacker News（米国のスタートアップ関係者や技術者が集まる掲示板。新しいツールや働き方の議論が最も早く起きる場所の一つです）に、こんな投稿が上がりました。タイトルは「Claude Codeがうまい人は、何が違うのか？」。
投稿したのはPromptsterというサービスを開発している起業家です。チームのメンバーがAIツールをどう使っているかを分析し、管理職向けに「チーム全体の習熟度ダッシュボード」を提供する。つまりAIの使い方のうまさを測って可視化するビジネスです。その基盤として、何をもってうまいとするかを定義した採点表（ルーブリック。評価基準を項目ごとに言語化した表のことです）をオープンソースで公開し、広く意見を募りました。
注目すべきは、この採点表が個人の感想ではなく、公開された研究や一次情報に根拠を置いている点です。Claude Codeの開発元であるAnthropic自身の公式ガイド、著名な実践者たちの検証記事、開発生産性の測定研究。それらから共通項を抽出して、評価できる項目に落とし込んでいます。
うまさは才能やセンスではなく、観察して採点できる行動の集合だ、というのがこの採点表の根本思想です。 採点できるということは、教えられるということです。ここが経営者にとっての本題になります。
採点表の中身は4つの力に集約される
採点表は8つの評価軸で構成されていますが、大きくまとめると4つの力に整理できます。専門用語を外して書くと、次のようになります。
1つ目は指示する力（Direction）。AIに仕事を渡すとき、期待する結果、守るべき条件、やらなくていいことを最初に伝えているか。「請求書を整理して」ではなく「この30件の請求書PDFから、取引先名・金額・支払期日を一覧にして。海外分は円換算不要、期日が今週のものは先頭に」と渡せるか。自分しか知らない背景情報（この取引先は締め日が特殊、など）を先に出せるかも含まれます。
2つ目は確かめる力（Verification）。出てきた結果を鵜呑みにせず、実際に動かして確認しているか。ここで面白いのは、確認の手間を影響の大きさに比例させる、という考え方です。社内メモの下書きなら流し読みで十分。顧客に送る見積もりや振込データなら、全件突き合わせる。全部を疑うのでも全部を信じるのでもなく、リスクに応じて濃淡をつける。
3つ目は整える力（Context）。AIに渡す情報を絞り込み、作業の区切りごとに仕切り直しているか。AIは一度の会話で覚えていられる量に限りがあるため、関係ない資料まで全部渡すと、かえって精度が落ちてコストも増えます。1つの仕事が終わったら会話をリセットして次を始める。この地味な習慣が評価項目になっています。
4つ目は仕組みにする力（Leverage）。うまくいった指示のパターンを、自分の頭の中だけに置かず、チームで再利用できる型（テンプレートや手順書）に変換しているか。さらに、AIが作業している待ち時間に別の仕事を並行で進めているか。個人の技を組織の資産に変える力です。
採点表にはこのほかに、成果そのものを測る別枠もあります。仕上がりの質、手戻りの少なさ、そしてかけた費用。使い方の巧拙と、出てきた成果を分けて測る設計です。4つの力のどこにも、プログラミングの知識そのものは入っていません。 ここが今回の一番大事なポイントです。
これはプログラミングの話ではなく、仕事の任せ方の話
4つの力をもう一度眺めてください。期待値と条件を先に伝える。成果物を確認する。情報を整理して渡す。うまくいったやり方を手順書にする。これは新しく入った部下や、初めて取引する外注先に仕事を任せるときにやることと、完全に同じです。
つまりこの採点表が測っているのは、AIの知識ではなくマネジメント能力です。だから私は、この動きは技術者よりむしろ非エンジニアにとって朗報だと考えています。理由は2つあります。
第一に、勝負の土俵が変わるからです。コードが書けるかどうかの勝負なら、非エンジニアに勝ち目はありません。しかし、仕事の完成形を定義できるか、出てきた結果の良し悪しを業務知識で判断できるか、という勝負なら話は別です。30人規模の会社で10年経理をやってきた方は、経理の成果物の合格基準を誰よりも知っています。その基準を言葉にしてAIに渡し、結果を照合する。4つの力の観点では、この方はすでに上級者の素地を持っています。
第二に、学習の道筋が示されたからです。今までAIの使い方の上達は、うまい人の画面を横で見て盗むしかありませんでした。採点表があれば、自分はどの力が弱いのかを特定して、そこだけ練習できます。多くの非エンジニアの方を見てきた実感では、つまずきの8割は指示する力と確かめる力の2つに集中しています。逆に言えば、この2つを整えるだけで成果は目に見えて変わります。
AI活用の上達とは、AIに詳しくなることではなく、自分の仕事を言語化して渡せるようになることです。 次の章で、実際の業種に当てはめてみます。
業種別に当てはめる: 経理、マーケ会社、士業
抽象論で終わらせないために、3つの現場で4つの力がどう働くかを具体的に描きます。
製造業30人規模の経理担当の場合
月次で、銀行明細と会計ソフトの仕訳の突き合わせに丸2日かかっているとします。指示する力の実践は、いきなり「突き合わせて」と丸投げせず、照合ルールを先に文章化することです。「明細の摘要欄にこの略称があればこの取引先、金額が1円でも違えば不一致として別表に出す、手数料は分けて集計」。確かめる力は、AIが出した不一致リストのうち金額上位10件だけを自分で原本に当たって検算し、AIの精度を見積もることです。精度が確認できたら翌月から検算を5件に減らす。3か月目には、この照合ルール一式が手順書になり、自分が休んでも他のメンバーが同じ指示文で回せるようになります。これが仕組みにする力です。
10人規模のマーケティング会社の代表の場合
クライアント5社のレポート作成が毎月末に集中し、代表自身が週末を潰しているとします。整える力の実践がまず効きます。5社分の資料を一度にAIへ渡すと精度が落ちるので、1社ごとに会話を仕切り直し、その会社の数値と前月レポートだけを渡す。指示する力としては、レポートの合格基準を明文化します。「数値の羅列ではなく、前月比で動いた指標を3つ選び、それぞれに要因の仮説と来月の打ち手を1つずつ。クライアントの社長が3分で読める分量」。確かめる力は、数値の転記ミスだけは全件チェックすると決めることです。分析の切り口は多少粗くても直せますが、数字の誤りは信頼を直撃するからです。5社分の指示文をテンプレート化すれば、来月からは部下に渡せます。
社労士・税理士など士業事務所の場合
顧問先からの制度改正に関する問い合わせ対応が、所長に集中しているとします。ここでは確かめる力が主役になります。法令や制度の説明はAIが古い情報や誤った情報を混ぜるリスクが最も高い領域なので、AIには回答の下書きと論点の洗い出しまでを任せ、根拠条文の確認は必ず人間が行う、という線引きを最初に決めます。指示する力としては「顧問先は従業員20名の運送業。専門用語を使わず、実務で何を変えるべきかを3点以内で。断定を避けるべき論点には印を付けて」と渡す。回答の最終責任は人間が持つという構造を崩さないまま、下書き作成の時間を1件40分から10分に縮める。この線引き自体を事務所の運用ルールとして文書化すれば、若手にも安全に展開できます。
3つの例に共通するのは、業務知識が深い人ほど4つの力を発揮しやすいという構図です。AIの経験年数ではなく、仕事の解像度が効いています。
今日から始める5ステップ
では自分の仕事でどう始めるか。採点表の発想を、非エンジニア向けの手順に組み直しました。
第1ステップは、仕事選びです。毎週または毎月、同じ形で繰り返している仕事を1つだけ選びます。議事録の整形、定例レポート、問い合わせへの一次回答など。繰り返しがある仕事を選ぶ理由は、後で指示文を再利用できるからです。一度きりの仕事で練習すると、上達が資産になりません。
第2ステップは、指示を書くことです。コツは、AIに話しかける前に、その仕事を初めて担当する新人に渡すつもりでメモを書くことです。完成形はどんな形式か。絶対に守る条件は何か。やらなくていいことは何か。判断に迷ったらどうするか。この4点が書けたら、それをほぼそのままAIに渡します。
第3ステップは、確かめ方を先に決めることです。結果を見てから考えるのではなく、渡す前に「これはどこまで確認するか」を決めておきます。社外に出るもの、お金に関わるものは全件確認。社内向けの下書きは要点だけ確認。この基準を決めておかないと、毎回全部を読み直すことになり、時短効果が消えます。
第4ステップは、保存です。うまくいった指示文を、メモアプリでもWordでも構わないので1か所に貯めます。うまくいかなかった場合も、どこを直したら良くなったかを1行添えて残します。この指示文の蓄積こそが、ツールが変わっても持ち運べるあなたのAI資産になります。 Claude Codeが別のツールに置き換わっても、良い指示の書き方は腐りません。
第5ステップは、翌週の再利用です。保存した指示文をベースに同じ仕事を回し、かかった時間を先週と比べます。2回目は必ず速くなります。この短縮の実感が、3つ目、4つ目の仕事へ広げる原動力になります。1つの仕事で型ができてから横に広げる。この順番を守ってください。
よくある誤解と注意点
この話をすると決まって出てくる誤解が3つあります。先に潰しておきます。
誤解の1つ目は、魔法の言葉があるはずだ、というものです。「あなたはプロの経理です、と唱えると精度が上がる」といった小手先のテクニックを集めても、上達しません。採点表が指示する力で見ているのは言い回しではなく、条件と背景情報の中身です。呪文集を買うより、自分の仕事の合格基準を紙に書き出す30分のほうが効きます。
誤解の2つ目は、確認するなら自分でやったほうが早い、というものです。確かめる力は、全部を精読することではありません。前述の通り、リスクに応じて確認の深さを変えるのが本質です。それでも最初の数回は確認に時間がかかりますが、これはAIの癖を学ぶ授業料です。どこを間違えやすいか分かれば、確認は急速に軽くなります。
誤解の3つ目は、ツールをたくさん入れれば強くなる、というものです。採点表では、道具を増やすことより、必要十分な道具を選んで使い分けることが評価されます。連携ツールを10個入れて使いこなせないより、Claude Code1本で指示と確認の型を固めるほうが先です。
注意点も2つ挙げます。まず機密情報の扱いです。顧客の個人情報や未公開の財務データをAIに渡す前に、会社としてのルールを決めてください。何を渡してよく、何を渡さないか。これは4つの力以前の土台です。次に、成果の測り方です。採点表が使い方と成果を分けて測っているように、社内でも「AIを使った回数」ではなく「短縮できた時間」「手戻りの件数」で見てください。使うこと自体が目的化すると、忙しさだけが増えます。
問われているのは、仕事の渡し方
Hacker Newsの投稿は、AIの使い方のうまさをチーム単位で測るビジネスの立ち上げ告知でもありました。この流れは示唆的です。AIツールの導入率で競う時期は終わり、使いこなしの度合いが測定され、比較される時期に入りつつあります。米国の技術チームで始まったこの動きは、時間差で日本の非エンジニアの職場にも来ます。
そのとき測られるのは、繰り返しになりますが、AIの知識ではありません。仕事の完成形を言語化できるか。結果を業務知識で検証できるか。うまくいったやり方を組織の型にできるか。どれも、現場を深く知る人が有利な勝負です。
AI時代に価値が上がるのは、AIに詳しい人ではなく、自分の仕事を人に渡せる形まで分解できる人です。 そしてこの力は、今日、目の前の繰り返し仕事を1つ選んで書き出すことから鍛え始められます。まずは1つ、来週も発生する仕事を選んでみてください。
自社のどの業務から始めるべきか、社内にどう展開するかを相談したい方には、Claude Worksの無料30分相談をご用意しています。業種と業務内容をうかがい、最初の1つに選ぶべき仕事と指示文の作り方まで、その場で具体的にお答えします。無料30分相談はこちら
