AI社員を増やす前に：一人会社のサブエージェント役割設計

AI社員は「人数」より先に、任せる境界を決める

一人会社や少人数チームでAIを使い始めると、最初は一つのチャットに何でも頼みがちです。

資料の下書き、競合調査、問い合わせ返信、SNS案、議事録整理。どれもAIに頼める作業なので、つい一つのAIにまとめて投げてしまいます。

しかし実務では、ここで出力が散らかります。

調査の前提が資料に混ざる。問い合わせ返信のトーンが提案書に混ざる。古い会社情報を根拠にする。最後に人間が見たとき、「便利だけれど、どこから直せばよいか分からない」状態になります。

Claude Codeには、特定の作業を担当するサブエージェントを作る仕組みがあります。Anthropicの公式ドキュメントでも、サブエージェントはタスク別のAIアシスタントで、独自のコンテキスト、システムプロンプト、ツール権限、権限設定を持てるものとして説明されています。

だからこそ、最初に考えるべきことは「何人作るか」ではありません。

どの仕事を、どの担当に、どの確認条件つきで渡すか。

ここを決めることが、一人会社のAI活用ではいちばん効きます。

最初の3役は「作る・調べる・返す」で十分

サブエージェントを作れるようになると、役職名を増やしたくなります。

営業担当、広報担当、事務担当、分析担当、秘書担当、法務担当。名前を付けるだけなら簡単です。

ただ、最初から増やしすぎると、人間側が管理できません。中小企業で最初に作るなら、次の3役だけで十分です。

役割	任せる仕事	返してほしいもの
作る担当	提案書、メール文、記事案、説明資料の下書き	そのまま完成品ではなく、修正しやすい初稿
調べる担当	競合、制度、業界ニュース、参考事例の整理	出典、未確認点、判断に使える要約
返す担当	問い合わせ返信、FAQ、社内連絡の文案	相手別の言い方と、人間確認が必要な項目

この分け方の良さは、職能が直感的なことです。

多くのデスクワークは、何かを作る、情報を調べる、誰かに返す、のどれかに分けられます。AI担当の名前を細かく増やす前に、この3つで業務を棚卸しすると、AIに任せる仕事と人間が持つ仕事が見えやすくなります。

ここで大事なのは、担当名ではなく、出力の終わり方です。

「資料担当」だけでは曖昧です。

「営業提案書のたたき台を、課題、解決策、費用前提、確認事項の順で作る。未確認の価格や契約条件は断定しない」

ここまで書くと、AIは仕事の範囲を理解しやすくなります。

会社案内は、長文よりも「正本」と「禁止」を分ける

役割を分けても、会社情報が曖昧なら出力は安定しません。

Claude Codeでは、CLAUDE.mdのようなファイルでプロジェクトの持続的な指示を渡せます。公式ドキュメントでも、各セッションは新しいコンテキストから始まり、CLAUDE.mdと自動メモリが知識を持ち越す仕組みとして説明されています。

ただし、ここに会社の情報を何でも詰め込むのは避けたいところです。

おすすめは、会社案内を次の4ブロックに分けることです。

1. 正本
現在のサービス範囲、価格、対象顧客、使ってよい表現

2. 対象外
やらない業務、約束しない成果、AIに判断させない領域

3. トーン
専門用語の量、文章の硬さ、顧客への説明姿勢

4. 確認ライン
人間確認が必要な送信、公開、価格、契約、個人情報

「うちはこういう会社です」と長く書くより、AIが間違えやすい境界を先に書く方が実務では効きます。

特に中小企業では、古い料金表、以前の提案書、担当者だけが知っている例外対応が混ざりやすいです。AIに会社案内を読ませるなら、最新情報だけでなく「使ってはいけない情報」も一緒に示す必要があります。

会社案内は、AIの記憶ではなく、会社が管理する正本です。

AIが勝手に覚えることに任せるのではなく、人間が読めるファイルとして残し、更新日を付ける。これだけで、AI担当が増えても出力の根拠を追いやすくなります。

自動実行は、成功条件と権限を絞ってから使う

サブエージェントに慣れると、次に試したくなるのが定時実行です。

朝に競合情報をまとめる。週に一度、未処理タスクを整理する。公開後にチェック項目を確認する。こうした繰り返し作業は、AIエージェントと相性があります。

Claude CodeのRoutinesでは、スケジュール、API、GitHubイベントをきっかけに、Anthropic管理のクラウド環境で自動実行できると公式ドキュメントに説明されています。ラップトップを閉じていても動く点は便利です。

一方で、同じドキュメントでは、Routinesはresearch previewであり、実行中に承認プロンプトは出ないこと、選択したリポジトリ、ネットワーク、環境変数、コネクタの範囲で動くことも説明されています。

つまり、「寝ている間に全部やってくれる」と考えるより、次のような仕事に限定して始める方が安全です。

読み取り中心の情報整理
下書き作成
変更案の作成
確認リストの更新
人間が翌朝レビューできるレポート化

逆に、最初から避けたいのは、顧客への自動送信、本番データの書き換え、価格や契約条件の自動確定、外部公開までを人間確認なしで進める運用です。

AIに任せるほど、完了条件を短く書く必要があります。

毎朝6時に、競合5社の公開情報を確認する。
出典URL、前回との差分、未確認点だけをまとめる。
顧客名、価格改定の断定、外部投稿はしない。
結果は下書きとして保存し、人間が確認してから使う。

これなら、AIが動いていない時間にも業務は進みますが、責任のある判断は人間に残せます。

一人会社での導入順序

最初の導入順序は、次のように小さく始めるのがおすすめです。

直近1週間の作業を「作る・調べる・返す」に分ける
それぞれの担当に、やることとやらないことを書く
会社案内を、正本、対象外、トーン、確認ラインに分ける
1日は手動で頼み、人間が修正した理由を記録する
同じ修正が3回続いたら、担当の指示や会社案内を更新する
読み取り中心の定型作業だけ、定時実行を検討する

この順序なら、AIを「何でもやる魔法の社員」として扱わずに済みます。

AIは、下書き、調査、整理、候補出しには強いです。一方で、顧客との約束、費用前提、公開判断、契約、個人情報の扱いは、人間側の責任で線を引く必要があります。

AI社員を増やすこと自体が目的ではありません。

人間が、確認と判断に時間を使える状態を作ることが目的です。

Optiensの見方

Optiensでは、AI活用を「プロンプトの上手さ」だけではなく、業務の分け方、正本の置き方、確認ラインの設計として扱っています。

一人会社や小規模事業者ほど、AIに任せられる仕事は多くあります。ただし、最初に必要なのは大きな自動化ではありません。

まずは、今日の仕事を3つに分けることです。

作る。調べる。返す。

そのうえで、どこまでAIに任せ、どこから人間が確認するかを短い言葉で決める。これができると、Claude Code、Codex、ChatGPT、NotebookLMのようなツールが変わっても、業務の骨格は残ります。

AI活用をどこから始めるべきか迷っている場合は、まず AI活用診断簡易版（無料）で、既存業務のどこがAIパッケージ化しやすいかをご確認ください。より具体的に整理したい場合は、詳細版AI活用診断（¥5,500税込・MTGなし）で、AIパッケージ適合性、構成案、優先順位、費用前提を整理してお届けします。