1. 結論：記事を書いていたはずが、記事を書く「工場」を作っていた
最初は記事を書きたかっただけだった。ところがAIに下書きを任せ、文章ルールを決め、12言語へ広げ、QC、内部リンク、GitHub、定期実行、失敗時の再検査まで足していくと、仕事の中心が「1本を書く」から「良い記事が繰り返し作られる工程を設計する」へ変わった。
1記事の誤字を直せば1記事だけが良くなる。生成ルールを1か所直せば、その後の100記事、1000記事、多言語版まで同じ改善が効く可能性がある。これは修正というより永久バフである。記者のつもりが、編集長、品質保証、生産技術、SRE、工場長になった。しかも見た目はベッドでスマホをぽちぽちしているだけ。未来、思ったより姿勢が悪い。
2. 一番気持ちいいのは「1個直したら、以後ずっと直る」こと
手作業は足し算だ。1記事書けば1記事増える。仕組み改善は掛け算だ。見出しルールを直せば将来の記事全部に効く。QCを直せば同じ不良を弾ける。復旧処理を直せば次回は人間を起こさなくて済むかもしれない。
製造業でいえば、不良品を毎回手直しするより、不良が出ない工程へ変える発想に近い。そしてこれがゲーム並みに気持ちいい。「あと1個だけ直そう」→改善→次のボトルネック発見→また改善→朝。工場には自動運転があるのに、人間には自動停止がない。
3. 働いている姿だけ見ると、完全に休日である
価値が「何を変えるか」「どれを採用するか」「どこがおかしいか」という判断に移れば、机に張り付く必要は薄い。ベッド、散歩、ジムの休憩、旅行、ハンバーガーを食べながらでも、スマホから指示できる場面は増える。
外から見ればスマホを触っているだけ。中では生成仕様、QC基準、次回以降の大量処理が変わっている。見た目：休日。中身：工場の仕様変更。 リモートワークの次は、家でPCを触ることではなく、生活の中に必要な意思決定だけを差し込む働き方なのかもしれない。
4. 企業側も「人が指揮し、AIが実行」へ動いている
Microsoftの2025年Work Trend Indexでは、世界のリーダーの46%、日本では43%が、自社でAIエージェントを使って業務フローまたはビジネスプロセスを完全自動化していると回答した。[1] これは全仕事の46%が自動化されたという意味ではなく、特定工程の完全自動化が広がっているという話だ。
2026年版では、10万件超のMicrosoft 365 Copilot会話の49%が分析・問題解決・評価・創造などの認知作業を支援していた。さらに、AI時代に重要性が増す人間の能力として「AI出力の品質管理」50%、「批判的思考」46%が上位に入り、86%はAI出力を最終回答ではなく出発点として扱うと答えた。[2] つまり、人間が全部作る→AIが補助→AIが実行し、人間が目的・QC・責任を持つへ進んでいる。
5. なぜゲームみたいに止まらなくなるのか
目標がある。問題が見える。直す。すぐ結果が返る。自分で攻略法を選ぶ。成功すると次回から楽になる。この構造がゲームに近い。
フロー研究では、挑戦と技能の釣り合い、明確な目標、曖昧でないフィードバック、コントロール感などが深い没頭と関係する。[9] ゲーミフィケーション研究でも自律性などは内発的動機と関係するが、ゲーム要素を足せば必ず楽しくなるわけではない。2024年のメタ分析では内発的動機への効果は有意だが小さかった。[10] 大事なのはポイントではなく、自分で見つけた問題を直し、その改善が永久に効くことだ。
6. Minecraft、Palworld、Factorioで説明すると完全に分かる
Minecraftのレッドストーンは、自動ドアやサトウキビ収穫機などを作れる。[7] Palworldの公式説明は「Factories & Automation」を掲げ、パルへ仕事を任せることを自動化の鍵としている。[8] Factorioはさらに直球で、工場を建設・維持し、生産を自動化するゲーム。研究、物流ロボット、回路、ブループリントで高度な自動工場へ進む。[6]
| ゲーム | AI記事工場 |
|---|---|
| 手で素材を集める | 自分で記事を書く |
| 作業台 | AIに下書きを任せる |
| 自動装置 | テンプレ・プロンプト |
| ベルト・物流 | GitHub・定期実行 |
| センサー・回路 | QC・監視・異常検知 |
| ブループリント | 改善を全記事・多言語へ展開 |
| 詰まりだけ直す | 人間は例外と方向転換だけ見る |
要するに、セーブデータがGitHubにあるFactorioである。
7. 設備が軽い。「AI利用料＋電気代♡」で小さな工場が持てる
用途を絞れば、月数千円級のAI利用料と、既に持っているスマホ、PC、ネット、電気だけで、小さな自動業務システムを組める場合がある。自前GPUサーバーを24時間回さなくてよい構成もある。
もちろん、設計時間、API、ホスティング、バックアップ、法務、品質事故まで入れれば費用は増える。重要なのは、個人が自分専用の業務システムを作る初期ハードルが急激に下がったことだ。最大の物理設備が充電器、という工場が成立し始めている。
8. 思考ログが増えると「過去の自分」まで作業員になる
長くAIを使うと、「この表現は嫌い」「ここは根拠を探す」「同じ事故は個別修正せず仕組みを直す」といった判断の癖がログに残る。それは業務判断ルールのデータになり得る。
Stanford HAIは1,052人へ約2時間のインタビューを行い、全文とLLMを組み合わせた代理エージェントを作った。社会調査回答では、エージェントは「本人が2週間後に自分の回答を再現する精度」の85%相当まで再現した。[3] ただし人格コピーではなく、限定された課題での再現であり、プライバシーや同意の問題もある。それでも業務なら、昨日までの判断ログ→AIが一次判断→本人は例外だけ見るという形は十分あり得る。
9. それでも人間が残るのは「目的を変える仕事」である
Nature Reviews Psychologyは、AIが大量データ処理、統計パターン、決められた目的の最適化を得意とし、人間は新規性、不確実性、人間関係を含む状況で強みを持つと整理する。[4]
AIには「昨日まで決めたルールで高速に回す」を任せる。人間は「そもそも明日から何を目指す？」「このルールまだ必要？」「別の方向のほうが面白くない？」を決める。最終形は人間不要ではなく、過去の自分＝労働担当、現在の自分＝目的変更担当かもしれない。
10. あるべき労働は「8時間つらそうにすること」ではなく「仕組みが価値を出すこと」かもしれない
1時間で仕組みを直して今後1000回の反復を消せる人と、1000回同じ作業をする人を「座っていた時間」だけで比べる意味は薄い。価値が上がるのは、目的を定義する、良い基準を作る、AIを疑う、失敗を再発しない工程に直す、必要なら目的そのものを変える、といった仕事だ。[2][4]
ただし自動化した結果「24時間いつでも仕事できるから24時間働く」なら負け。睡眠を削り、通知を監視し、未検証のAIミスを大量展開し、1サービスに依存するのは自由ではない。理想は人間を自動運転することではなく、工場を自動運転にして、人間を生活へ返すこと。
昨日のおれに働かせて、今日のおれは散歩している。
未来の仕事、見た目だけなら完全に休日である。
