AIを導入しても、なぜ仕事は減らないのか。

2026.7.23

昨日のブログで、米国の巨大テック企業において「人件費」から「AIのトークン費」へと予算が爆速でシフトし、年収7,500万円のエンジニアが年に3,700万円分のトークンを使っていなければ警報が鳴る時代が来た、という話を書いた。

すごいもんだと感心していた今朝、中嶋聡さんの記事で、財務部門におけるAI導入に関するレポートを目にした。

「企業の財務部門におけるAI導入の95％が、損益に測定可能な効果を出せていない」

Microsoft CopilotやChatGPT、Claudeを全社導入している企業は今や珍しくない。それなのに、「人の仕事が大幅に減った」「利益が明確に増えた」と答えられる企業は、ごくわずかだという。

なぜなのか。

多くの企業がAIを導入するとき、最初に選ぶのが「全社員に汎用AIアカウントを渡す」というアプローチだ。

メールの返信を考えてもらう。文章を校正してもらう。資料を要約してもらう。

確かに便利だし、自分も毎日かなり使い倒している。

でも、この使い方には決定的な限界がある。

「人間が毎回プロンプトを入力して指示を出さなければ、1ミリも処理が始まらない」ということだ。

メールを開き、内容をコピーし、AIに貼り付け、「丁寧な返信を作って」と頼む。AIが出した文章を確認し、修正し、元のメール画面に戻って送信する。

以前よりは少し速くなった。でも、人間が作業の中心に座り、システム間をコピー＆ペーストで往復している構図自体は、何一つ変わっていない。

一つひとつの作業は速くなっても、ワークフロー全体が自動化されたわけではない。

これでは「仕事が減った」と感じられないのも当然だと思う。

そこでレポートが成功の鍵として挙げていたのが、「バックグラウンド・エージェント」という考え方だった。

人間が毎回プロンプトを打ち込まなくても、請求書の受信やWebフォームの送信といった特定のイベントをきっかけに、裏側で自動的に仕事をスタートさせるAIのことだ。

たとえば、請求書がメールで届く。するとAIがバックグラウンドで自動的に内容を読み取り、過去の発注データと照合する。金額も商品も一致していれば会計ソフトへ自動で処理を回し、合わないものや不明な項目だけを担当者のダッシュボードに通知する。

担当者が出社したときには、確認が必要な数件だけが整理されている状態。

この状態になって初めて、AIは「手伝う道具」から、仕事の一部を黙って「担当するスタッフ」へと変わる気がする。

自分の仕事の場合、毎日たくさんの細かな業務が発生する。

お客様からの問い合わせへの返信。買取査定の情報の整理と相場チェック。複数ECモールと店頭での在庫の同期。レンズの度数や仕様を発注書へ転記する作業。入金確認と発送先データの作成。加工・修理の進行状況の確認と案内。

一つひとつは数分でも、1日の中で積み重なると相当な脳のメモリを消費する。

今は自分やスタッフが内容を確認し、AIに相談しながら処理しているけれど、もう一歩先の設計図はこんなイメージだ。

買取査定の依頼が届いた瞬間、AIが自動的に商品名・型番・付属品・状態を抽出し、過去の買取実績と現在の販売相場を参照して、査定材料を一つの画面に整理しておく。ただし、最終的な査定額の判断は人間が行う。

レンズ注文の場合、届いた度数情報を読み取り、SPH・CYL・AXIS・PDを所定の形式に変換し、入力漏れがあれば警告を出す。ただし、遠近両用のアイポイントやフレームとの相性、加工上の最終判断は眼鏡店の人間が行う。

AIにすべてを投げる必要はない。「AIが得意な作業」と「人間が責任を持って判断すべき領域」を切り分けることが、たぶん重要なのだと思う。

もう一つ、AI導入に失敗するもう一つの原因は、業務ごとに新しい専用AIサービスを買い足してしまうことだという。

請求書用AI、在庫管理用AI、問い合わせ用AI……ツールが増えるほどログイン先が増え、結局人間がシステムからシステムへデータをコピペする「ハブ」になってしまう。

これはまさに今の自分だ。いろいろなAIに自分が指示を出さないと、何も進まない。

本当に必要なのは、新しい管理画面を増やすことではない。今使っているメール、EC、POS、銀行、レンズ発注などの既存インフラをつなぎ、その間をAIが静かに泳ぐ状態を作ることだ。

現場の人間が新しいAIツールに自分たちの手順を合わせるのではなく、AIが現在の仕事の流れの中にこっそり入ってくる。

きっと、この順番を間違えてはいけない。

毎回指示を出している間は、AIは優秀な道具にすぎない。仕事の流れを理解し、裏側で自動で動き、例外だけを渡してくれるようになったとき、AIは初めて「頼もしいチームメンバー」になる。

AI導入の本当の目的は、「人間にしかできない仕事」へ、生身の時間を戻すことだ。

誠眼鏡店なら、商品を選ぶこと。お客様の表情を見ること。掛け心地をミリ単位で調整すること。レンズの見え方を一緒に探ること。眼鏡の深い魅力を伝えること。

毎日繰り返している面倒な作業をAIとプログラムで静かに終わらせ、余った時間を、目の前のお客様との「本物のリアル」にすべて注ぎ込んでいきたい。

AIに仕事を相談する段階から、AIが裏で仕事を終わらせておいてくれる段階へ。

次の現場のアップデートは、きっとそこにある気がする。

ーーーー
ーーーー

From Consulting AI to AI That’s Already Finished the Work

Yesterday I wrote about how budget at major American tech companies is shifting rapidly from salaries to AI token costs — to the point where an engineer earning the equivalent of $500,000 a year is expected to be spending around $250,000 worth of tokens annually, or alarm bells start ringing.

I was still turning that over in my mind this morning when I came across an article by Satoshi Nakajima pointing to a report on AI adoption in corporate finance departments.

“95% of AI adoption in corporate finance departments has produced no measurable impact on the bottom line.”

It’s no longer unusual to find companies that have rolled out Microsoft Copilot, ChatGPT, or Claude across the entire organization. And yet, the report says, only a small fraction of those companies can honestly say that workloads have dropped significantly, or that profits have clearly improved.

Why is that?

When most companies adopt AI, the first move is usually the same: hand every employee a general-purpose AI account.

Use it to draft email replies. Proofread documents. Summarize materials.

It’s genuinely useful — I rely on it heavily myself every day.

But this approach has a fundamental ceiling.

Nothing happens unless a human types in a prompt, every single time.

You open the email, copy the text, paste it into the AI, ask it to write a polite reply. You review what it produces, make adjustments, switch back to the email window, and send. It’s a little faster than before. But the basic picture hasn’t changed at all: a human sitting at the center of the work, shuttling between systems by copy and paste.

Individual tasks may be quicker. The workflow as a whole has not been automated.

Given that, it makes sense that people don’t feel like the work has actually decreased.

What the report pointed to as the key to success was something called background agents.

These are AI systems that start work automatically in the background, triggered by specific events — an invoice arriving, a web form being submitted — without a human typing a prompt each time.

Say an invoice comes in by email. The AI automatically reads it, checks it against past purchase records, and if the amounts and items match, routes it directly to the accounting software. Anything that doesn’t match, or any unclear line item, gets flagged and sent to the relevant person’s dashboard.

By the time that person arrives at work, only the items that genuinely need a human decision are waiting for them, neatly organized.

That’s the point, I think, where AI stops being a tool you ask for help and becomes more like a staff member who quietly handles part of the work.

In my own day-to-day, a lot of small tasks accumulate.

Responding to customer inquiries. Organizing purchase appraisal information and checking market prices. Syncing inventory across multiple online platforms and the physical store. Transcribing lens prescriptions and specifications onto order forms. Confirming payments and preparing shipping data. Checking and communicating the status of lens processing and repairs.

Each one takes only a few minutes, but together they consume a considerable amount of mental bandwidth throughout the day.

Right now, my staff and I handle all of this ourselves, consulting AI along the way. But the next step I have in mind looks something like this.

The moment a purchase appraisal request comes in, the AI automatically extracts the product name, model number, accessories, and condition, then cross-references past appraisal records and current market prices, and lays everything out on a single screen. The final appraisal figure, though, is still decided by a human.

For lens orders, the AI reads the incoming prescription data, converts SPH, CYL, AXIS, and PD into the required format, and flags anything missing. But the final call on progressive lens fitting points, frame compatibility, and processing decisions stays with the optician.

There’s no need to hand everything over to AI. The important thing, I think, is drawing a clear line between what AI is good at and what humans need to own and decide.

The report also identified another common reason AI adoption fails: companies keep buying new dedicated AI tools for each task.

An AI for invoices, an AI for inventory, an AI for inquiries — the more tools you add, the more places you have to log in, and the human ends up becoming the hub again, copying data from one system to the next.

That’s exactly where I am right now. Nothing moves unless I’m the one giving instructions to each separate AI.

What’s actually needed isn’t more dashboards. It’s connecting the existing infrastructure already in use — email, online platforms, the POS system, the bank, the lens ordering system — and letting AI move quietly between them.

Not the people on the floor adapting their processes to fit a new AI tool. AI slipping into the existing flow of work.

I think it matters which way around you do it.

As long as you’re issuing instructions every time, AI is just a capable tool. When it understands the flow of work, moves automatically in the background, and only hands back the exceptions — that’s when it starts to feel like a reliable member of the team.

The real goal of AI adoption isn’t to seem like you’re using cutting-edge technology. It’s about returning human time to the work only humans can do.

For Makoto Eyewear, that means helping a customer choose the right frame. Watching their expression. Adjusting the fit to the nearest millimeter. Exploring together how the lenses actually feel to look through. Sharing what makes a pair of glasses genuinely worth caring about.

The tedious tasks that repeat every day — I want AI and automation to handle those quietly, and put all the time that frees up into the real, in-person moments with the customer standing in front of me.

From consulting AI about the work, to AI having already finished it in the background.

That’s where I feel the next step for this shop is.