1. 仕事が終わらない。なのに「終わってくれ」と思わない
AIで仕事が速くなれば、人間は暇になる。普通はそう考える。
ところが実際に、調査、壁打ち、仕様化、実装、修正、検証をAIへ次々委任できるようになると、逆の現象が起きることがある。
空いた時間に休むのではなく、「じゃあこれも作れる」「あれも改善できる」「こことここをつないだら面白い」と、次の仕事を自分で生成し始めるのだ。
しかも苦行ではない。散歩中に思いつく。遊びに行った先で思いつく。スマホでAIと壁打ちして、企画を仕様に変え、実装エージェントへ投げる。帰宅するころには何かが進んでいる。
仕事が生活を侵食しているというより、現実世界そのものがアイデア採取フィールドになった感覚に近い。
そして最大の違いは、普通のゲームには用意された終盤があるが、このゲームでは自分でエンドコンテンツを追加できることだ。
一生味がするガムである。
2. 5時間制限すら「終了」ではなくクールダウンになる
Claudeの有料プランでは、セッションベースの使用量制限が5時間ごとにリセットされ、週単位の使用量制限は別に存在する。週次枠はアカウントに割り当てられた固定日時でリセットされる。
ここで面白いのは、制限に当たること自体が必ずしも「今日は終わり」を意味しなくなることだ。
仕事を十分に分解できていれば、あるセッションが止まっても、別の独立タスクへ移る。あるいはリセット後に続きを再開する。制限はゲームでいうスタミナやクールダウンに近くなる。
もちろん、利用規約や各サービスの制限を回避するという話ではない。許可された範囲でタスクを独立化し、待ち時間を依存関係の整理や次の企画へ使うという話だ。
結果として、人間側の感覚は「AIが止まった」より「この作業員はいま休憩中。じゃあ別ラインを回すか」に変わる。
3. パーキンソンの法則が「時間」から「着想」に拡張される
Parkinson's lawは一般に「仕事は、利用可能な時間を埋めるように膨張する」と要約される。もともとは1955年の風刺的エッセイに由来する表現で、後には個人レベルでの検証も行われた。
AI時代には、これが少し変形する。
以前は8時間あれば、1つの仕事を8時間かけて終えることがあった。AIで実作業が1時間になれば、残り7時間が丸ごと余る……とは限らない。
残り7時間で、
- 新しい問題を見つける
- 追加機能を思いつく
- 別サービスとの接続を考える
- 品質基準を上げる
- 今までコストが高すぎて捨てていた案を復活させる
ということが起きる。
つまり、空いた時間を既存タスクが膨らんで埋めるだけでなく、空いた時間から新規タスクそのものが発芽する。
AIが速くなるほど、人間の「思いつく能力」が新しい生産設備になる。
4. 生産性が上がると仕事需要も増える――ジェボンズ的なリバウンド
ここで似ているのが、Jevons paradoxやrebound effectの考え方だ。
元来はエネルギー効率の議論で、効率改善によって単位あたりの利用コストが下がると、利用量が増え、期待した節約の一部または全部が相殺されることがある、という話である。ただし、どの程度起こるかは分野や条件で異なり、強い「逆効果」が常に起こると確定しているわけではない。
AI仕事術にそのまま科学的法則として適用するのは乱暴だが、比喩としてはかなり強い。
実装1件に3日かかるなら、10個のアイデアのうち9個を捨てる。
実装1件が30分の指示とレビューで済むなら、9個が復活する。
すると「生産性が10倍になったから労働需要が10分の1になる」ではなく、「今まで採算が合わなかった仕事まで全部やる」方向へ進む。
実装コストが下がるほど、アイデアの需要曲線が広がる。
AIは仕事を消す装置であると同時に、仕事を発生させる装置にもなり得る。
5. なぜこんなに楽しいのか――自律性・有能感・高速フィードバック
Self-Determination Theoryでは、自律性、コンピテンス、有能感に近い感覚、そして他者とのつながりが、人間の動機づけやウェルビーイングに重要だと整理されている。特に、自分で選んで動いている感覚と「できるようになっている」感覚は、質の高い動機づけと関係する。
AIを使った自作プロジェクトがゲーム化しやすい理由は、かなりここに重なる。
誰かに渡されたExcelを埋めるのではない。
自分で「これ面白そう」を決める。
数分で仕様が固まる。
数十分後には動くものが出てくる。
壊れていれば直す。
直した仕組みが次回からずっと効く。
このループは、自律性、上達感、明確なフィードバックを高頻度で返してくる。
ゲームの経験値バーは数字だが、AI開発の経験値バーは「昨日できなかったことが今日自動で動いている」という現物で返ってくる。
そりゃ強い。
6. ゲームより強い理由――エンドコンテンツを自分で作れる
普通のゲームは、どれだけ巨大でも開発者が用意した世界である。
ラスボスを倒す。装備をそろえる。高難度コンテンツを回る。いつか「やることがなくなった」が来る。
AIを使った個人プロジェクトでは、その瞬間に自分で新しいクエストを追加できる。
サイトを作った。
では多言語化する。
多言語化した。
では配信する。
配信した。
では反応を計測する。
計測した。
では反応から次の企画を自動生成する。
企画生成まで自動化した。
では音声、動画、別市場、別プロダクトへ広げる。
クリア条件を満たすたびに、プレイヤー自身がDLCを開発する。
これはMinecraftやFactorio系の「仕組みを作る遊び」と非常に相性がいいが、現実世界では作った仕組みが実際の読者、顧客、売上、学習、業務時間へ影響する。
ゲーム内通貨ではなく、現実からフィードバックが返ってくる。
だから味が薄くなりにくい。
7. 役職が勝手に上がる――PMからPO、そして経営者へ
最初はProject Managerのように動く。
「このタスクをどう完了するか」 「どこが詰まっているか」 「誰に何をやらせるか」
次にProduct Manager / Product Ownerのようになる。
「何を作るべきか」 「ユーザーに何を提供するか」 「どの改善を優先するか」
さらにAI側がタスク分解、担当振り分け、実装、一次検証まで持つようになると、人間側の問いがまた一段上がる。
「どのプロダクトへ資源を配るか」 「どの市場を育てるか」 「どの事業をやめるか」 「どの仕組み同士をつなぐか」 「次の会社機能を何にするか」
ここまで来ると、やっていることは一機能の改善ではなく、小さな企業の設計に近い。
| 段階 | 人間の主な問い |
|---|---|
| 実装者 | どう作る？ |
| PM | どう終わらせる？ |
| PdM / PO | 何を作る？ |
| 経営 | どこへ資源を配る？ |
| ポートフォリオ運営 | 何を育て、何を殺す？ |
AIで偉くなったのではない。
下位レイヤーを委任できた結果、以前なら人員と資本が必要だった上位レイヤーを、一人で触れるようになっただけだ。
それが面白い。
8. 一人なのに組織図ができる
さらに面白いのは、人間がすべてのAI作業員を直接管理する必要すらなくなることだ。
例えば、
- 人間：目的、優先順位、面白さ、最終判断
- 会話AI：壁打ち、調査、仕様素案
- 管理AI：タスク分解、依存関係、担当振り分け、統合計画
- 実装AI：コード、テスト、修正
- 監視系：結果確認、差分、失敗検知
という階層が作れる。
人間→AI作業員、ではない。
人間→AI管理職→AI作業員である。
これが成立すると、人間の仕事はマイクロマネジメントからさらに離れ、「次に何を会社へやらせるか」に寄る。
社員ゼロ人なのに組織図だけは立派になる。
未来の一人会社、だいぶ変な生き物である。
9. 「並列数を増やせ」より「ぶつからないように振り分けろ」
AI作業員を増やすと次の問題が出る。
10人の超高速作業員が、全員同じ配線を直し始めたら速くない。
むしろ壊れる。
2026年のGitHub上のAIエージェントPR研究では、同時に動くエージェント由来PRでマージ競合が観測され、異なるエージェント同士の並行ペアでは、研究対象サンプル上のテキスト競合率が同一エージェント内の並行ペアより高かった。
別の2026年研究では、長時間の複雑なソフトウェア作業に対して、中央でのタスク委任、非同期実行、隔離ワークスペース、構造化された統合を組み合わせるCAIDという方式が、単一エージェント基準より高い成績を示した。
重要なのは、「AIを何体立てるか」より、
- 同じファイルを同時に触らせない
- 責務境界を切る
- 依存関係を先に見る
- 作業領域を隔離する
- 最後に統合してテストする
ことだ。
つまり次のボトルネックは計算能力ではなく、組織設計になる。
そして管理AIがそこまでやり始めると、人間は本当に社長席へ押し上げられる。
10. 希少資源は「コードを書く時間」から「注意・味覚・方向」に移る
AIが実装を大量に処理できると、最も足りないものが変わる。
コード量ではない。
アイデアですら、ある程度AIから出せる。
最後に希少になるのは、
- 何が面白いか
- 何がダサいか
- どこまでやるか
- 今やるべきか
- 何を捨てるか
- 何を信じず検証するか
- どの失敗を「個別事故」ではなく「仕組みの欠陥」と見るか
という注意と判断になる。
AIが100件できるから100件やる、ではない。
100件できる世界で、どの3件に意味があるかを決めるのが経営になる。
ボトルネックは移動した。
実装から、方向へ。
11. 無限エンドコンテンツの唯一の罠――ゲームオーバー条件も自作である
終わりがないことは最高だが、終わりがないこと自体が危険にもなる。
AIが24時間動けるからといって、人間まで24時間動く必要はない。
面白いから睡眠を削る。 改善できるから永遠にスコープを広げる。 並列化できるから検証前の変更を大量に流す。 作業員が増えたから、誰が何を触ったか分からなくなる。
これでは「自由を増やすための自動化」が、「自分専用ブラック企業の高性能化」になる。
対策もゲーム設計として考えればいい。
- 破壊的変更にはゲートを置く
- 同一責務を同時編集しない
- 成果をreadbackする
- 重要なものはテストする
- 失敗時の復旧経路を作る
- 人間の睡眠と生活を依存関係に入れる
- 「面白いが今はやらない」バックログを持つ
目的は仕事を減らすことではない。
楽しい状態を壊さず、長く遊べるようにすることだ。
12. 結論：仕事が楽しいのではなく、「自分で世界を拡張できる仕事」が楽しい
「仕事って本来楽しいのかもしれない」と感じるとき、たぶん楽しいのは労働一般ではない。
他人が決めた作業を長時間こなすことではない。
自分で問題を発見する。 自分で次の目標を決める。 AIへ実装を委任する。 現実に何かができる。 結果を見てまた次を思いつく。
この循環が楽しい。
以前はPMとして「どう改善するか」を考えていた人が、AIへ分解と実装を委任すると、「何を作る会社にするか」を考える側へ移る。
そして管理AIがAI作業員を振り分け始めれば、さらに上へ行く。
最後に残る問いは、とても単純だ。
次、何を作ったら面白い？
普通のゲームでは、その問いに答えるのは開発会社だ。
このゲームでは、プレイヤー自身である。
だから終わらない。
そして、そこが一番面白い。
