AIに記事を書かせるだけでも安い。ところが、しばらく使っているともっと変なことに気づく。
記事を書くAIの料金感覚で、記事を作る工場そのものまで作れてしまう。
たとえば、統括、記事パイプライン、品質管理、公開、クラウド配信、広告・分析、定期実行、古い仕様の整理、画像安全の9役に分ける。人間の会社なら「それぞれ担当者を置きましょう」と言い出しそうな構成だが、AIでは同じ契約の中で役割を分けて並列に走らせられる。
社員証は0枚。座席も0席。社内イベントも0回。なのに、なぜかマージ競合だけは一人前に発生する。
ここでは、月1.5万円のAI利用料という説明用の仮定を置き、人間の工数と比べると何が起きるのかを整理する。結論から言うと、AIの強さは「人間9人を完全に置き換える」ことではない。ソフトウェア上で分解できる知的作業の追加コストを、異常に小さくできることにある。
9チーム化すると、1人の仕事が「作業」から「運行管理」に変わる
たとえば次のように役割を分ける。
| 役割 | 主な仕事 |
|---|---|
| 統括 | 全体の整合、優先順位、競合解消 |
| 記事パイプライン | 記事生成、編集、多言語化 |
| 品質・発見 | QC、内部リンク、関連記事、発見導線 |
| 公開 | 公開キュー、最終判定、リリース |
| クラウド | 配備、本番確認、復旧 |
| 広告・分析 | 広告、アクセス解析、改善候補 |
| 定期実行 | スケジュール、実行状態、再開 |
| 仕様整理 | 古いPRや契約の重複整理 |
| 画像安全 | 画像の承認、紐付け、公開安全性 |
もちろん、これは9人の人間と同じではない。ただ、仕事を9本の責任レーンに分けられること自体が大きい。
1つのAIが調査中なら、別のAIにテスト修正を投げる。公開担当が外部サービスで詰まっていても、品質担当は進める。統括役は「全部終わるまで待つ」のではなく、詰まった箇所だけ隔離して次の仕事を流す。
この瞬間、人間側の仕事は「全部自分でやる」から「どの仕事を、どの役へ、どの順番で流すか」に変わる。
つまり本人がエンジニア、編集者、分析者を同時に演じるというより、人間ジョブスケジューラになる。
月1.5万円を人件費と並べると、金額の単位が急におかしくなる
月1.5万円なら年18万円である。
人間側は、あくまで説明用として次の仮定を置いてみる。
| ケース | 人間の総工数 | 仮の時間単価 | 単純計算の人件費 |
|---|---|---|---|
| 小さめ | 200時間 | 5,000円 | 100万円 |
| 中央例 | 400時間 | 7,000円 | 280万円 |
| 重め | 600時間 | 10,000円 | 600万円 |
これは「実際の相場は必ずこの値」という表ではない。単なる比較用の算数だ。
それでも中央例では、400時間×7,000円＝280万円。月1.5万円のAIを1年使うと18万円なので、280万円はその約15.6年分になる。
ここだけ見ると「ではAIは人間400時間分なのか」と言いたくなるが、そこは違う。
AIは、実環境への権限がなかったり、同じ間違いを別表現で繰り返したり、長い作業で前提を落としたりする。人間なら一度見れば分かる社内事情を、契約やファイルとして明示しないと理解できないこともある。
それでも、コード、文章、調査、テスト、差分レビュー、整理といった複製しやすい知的作業では、この価格差がそのまま効きやすい。
人件費の世界から、急に「計算資源と利用枠の世界」へ移る。経理担当が見たら電卓を二度見するタイプの単位変換である。
なぜ特にソフトウェアで効くのか
物理工場なら、9ラインに増やすには機械、床面積、電源、保守、人員が必要になる。
ソフトウェアは違う。
2人目のAI担当を増やすとき、机を買う必要はない。3人目のためにオフィスを借りる必要もない。品質担当を追加しても社員研修会場はいらない。
必要なのは主に、
- 作業を分ける
- 入出力を決める
- 正本を決める
- 競合時のルールを決める
- テストする
- 結果を統合する
ことだ。
つまり「組織を増やす」が、かなりの部分でソフトウェア設計そのものになる。
しかもAIは、記事を書く作業だけでなく、その記事を自動で検査するコードを書き、翻訳工程を作り、公開処理を修理し、計測レポートを作るところまで手を伸ばせる。
ここが一段おかしい。
普通は「製品を作る人」と「製品を作る工場を作る人」は別コストだ。AIでは、製品を作るAIが、次の製品を作る工場まで作り始める。
記事生成に払っていたつもりが、気づいたらCI、QC、配備、分析まで生えている。ソフトウェア版の「パンを買ったらパン工場が付いてきた」である。
ただし、9チーム＝人間9人ではない
ここを雑にすると話がおかしくなる。
AIチームには、人間の専門家が持つものの一部がない。
たとえば、
- 組織上の責任
- 現場の暗黙知
- 本人しかできない認証
- 物理作業
- 長期的な人間関係
- 実社会での法的・契約上の権限
- 「なんか変だぞ」と感じる現場勘
は、そのまま置き換えられない。
さらにAIを9本に増やすと、間違いも9倍速で増やせる。
古い仕様を読んだ担当が古いコードを復活させる。2チームが同じ機能を別々に作る。全員が「自分の範囲はPASS」と言い、本番だけ落ちる。
社員はいないのに、部署間調整だけは大企業になる。
だからAIの並列化では、人数より整合性の仕組みが重要になる。
一番重要なのは「統括チーム」
複数AIを使うとき、最も重要なのは実は作業担当ではなく統括である。
統括役は、
- 最新状態を読む
- 何が正本か決める
- 各担当の責任範囲を分ける
- 同じ機能の二重実装を防ぐ
- 失敗した担当だけ隔離する
- 最後に全部を同じ本番状態へ結ぶ
という仕事をする。
この統括がないと、AIは「安い9人」ではなく「同じ部屋で別々の設計図を見ている9人」になる。
特に大事なのが、まず読む → 試す → 状態を分類する → 必要なところだけ直すという考え方だ。
すでにある機能を確認し、完成・部分完成・壊れている・古い・未確認を分ける。必要なところだけ直す。
これをしないと、AIは親切心100%で既存機能をもう一個作る。
親切の二重実装は、だいたい後で不親切になる。
記事工場は、このコスト革命が見えやすい
記事工場を人間だけで分解すると、思った以上に職種が多い。
企画、執筆、編集、校正、翻訳、SEO、内部リンク、公開、Web開発、インフラ、広告、分析、品質管理。
1記事を書く費用だけを見ていると、この裏側が見えにくい。
AIでは逆に、記事を書く料金感覚の延長で、その裏側の仕組みまで触れる。
記事本文を書いた次のセッションで、翻訳器を直す。別チームが公開処理を修理する。さらに別チームが分析データを読む。統括が全部をつなぐ。
すると「AIに記事を書かせている」という説明では足りなくなる。
実態は、小さなデジタル事業の部門を必要なときだけ呼び出しているに近い。
ソフトウェア全般で、起業や副業の最小単位が変わる
この構造は記事だけではない。
小規模Webサービス、業務自動化、社内ツール、データ分析、調査システム、SaaSの試作など、成果物が主にデジタルで完結する仕事ほど効きやすい。
以前なら、
「アイデアはある。でもエンジニアを雇うほどではない」 「分析担当まで置けない」 「運用まで考えると一人では無理」
で止まっていたものが、
「まずAIに3役で作らせ、壊れたら5役に増やし、最後に統括を置く」
くらいの始め方に変わる。
これは単に開発費が安くなる話ではない。
試せるアイデアの数が増える。
失敗1回の値段が下がるので、以前なら企画会議で消えていた小さな案を実物まで持っていける。
人間を採用するほどではない仕事に、ちゃんと担当部署を作れる。
部署といっても、名刺はない。飲み会もない。組織図だけは立派である。
結論：AIの本当の安さは「1回答の値段」ではなく「組織を増やせる値段」
月額料金だけ見れば、AIは高いと感じることもある。
しかし比較対象を「検索サービス」や「文章生成アプリ」ではなく、複数の知的作業を同時に回す小さな組織へ変えると見え方が変わる。
もちろん、AIは人間9人ではない。責任も現場勘も実権限も違う。
それでも、ソフトウェアで表現できる仕事については、
役割を増やすコスト 試行回数を増やすコスト 工場そのものを作るコスト
が大きく下がる。
だから衝撃なのは「AIが記事を書ける」ことではない。
記事を書くAI代くらいの感覚で、記事工場まで作れてしまう。
そしてソフトウェアでは、その工場がまた別の工場を作れる。
社員0人なのに部署が増える。オフィス0平方メートルなのに並列作業が増える。福利厚生費は0円だが、コンテキストはよく食う。
知的労働の原価構造は、かなり変な時代に入った。
