AIの進化を語るとき、「シンギュラリティが来たのか」という大きな言葉に目が向きがちです。
ただ、中小企業の実務では、その言葉をそのまま経営判断に使うより、もっと近い変化を見る方が役に立ちます。
それは、AIが単に答えを出すだけでなく、コード、手順、プロンプト、レビュー方法の改善案まで出せるようになり、改善サイクルが速くなっていることです。
Sam Altman氏は公開ブログ「The Gentle Singularity」で、2025年には本物の知的労働をこなすエージェントが現れ、2026年には新しい洞察を見つけるシステムが登場し得ると書いています。同時に、完全な自律的自己更新とは区別しつつ、再帰的自己改善の初期段階に近い動きだとも述べています。
ここで中小企業が考えるべきことは、「最新AIをすぐ全業務へ入れるか」ではありません。
先に決めるべきなのは、どのデータを残し、どの情報をAIに渡し、AIの出力を誰がどの基準で確認するかです。
生データと要約を分けて残す
AIに会議録や業務ログを渡すと、すぐに要約やタスク一覧を作れます。これは便利です。
しかし、要約だけを残す運用にすると、後から別のAIや別の目的で再利用したいときに困ります。要約は、その時点の目的に合わせて情報を削ったものだからです。
たとえば、会議録を「決定事項」だけに圧縮すると、なぜその判断になったのか、どの案を捨てたのか、誰が不安を示したのかが消えます。製造ログを平均値だけで残すと、異常の前兆や季節差を見直せなくなります。問い合わせ履歴をFAQだけにすると、顧客が実際に迷った言い回しが消えます。
基本は、次のように分けます。
生データ:
会議録、作業ログ、センサーデータ、問い合わせ原文、変更前後の成果物
業務用要約:
決定事項、担当者、期限、未解決事項、次回確認する論点
AI投入用要約:
個人情報や機密を除き、目的に必要な範囲だけ抜き出したもの
判断ログ:
なぜ採用したか、なぜ保留したか、どこを人間が直したかストレージ費用や管理負荷は無視できません。それでも、将来のAI活用で価値が出るのは、きれいに整えた要約だけではなく、後から違う切り口で見直せる材料です。
AIに渡してよい情報を4段階に分ける
一方で、生データを残すことと、何でもAIに渡すことは別です。
新しいAIツールを試すとき、最初に作るべきなのはプロンプト集ではなく、データ境界です。
公開データ:
Web公開済みの記事、公開FAQ、一般的な説明文、ダミーデータ
社内の低リスクデータ:
個人名や顧客情報を含まない手順、社内メモ、一般化した業務ルール
社内の要注意データ:
顧客名、案件名、契約条件、未公開価格、ソースコード、詳細な業務ログ
入力禁止データ:
認証情報、APIキー、パスワード、個人情報、機微な契約書、金融・医療・法務判断の詳細OWASPのLLM向けリスク整理でも、機密情報の開示、過剰な権限付与、出力への過信は重要なリスクとして扱われています。
中小企業では、立派なAI規程を最初から作るより、まずこの4段階を現場の言葉で決める方が動きます。
「この資料は入れてよい」「これは匿名化してから」「これは絶対に入れない」。その境界がないままAI利用だけが広がると、便利さの裏でリスクが増えます。
判断基準を持たない人は、AIの中継点になる
AIの出力が増えるほど、人間の仕事は「作ること」から「見分けること」へ寄っていきます。
文章、資料、コード、画像、企画案。AIは多くのたたき台を作れます。けれど、出てきたものが本当に顧客に伝わるか、会社の方針と合うか、法務・契約・安全面で踏み越えていないかは、人間側の判断基準が必要です。
ここで差がつくのは、AIに詳しいかどうかだけではありません。
顧客がどこで不安になるか。社内の誰が困るか。どの表現は誤解を招くか。どの作業は失敗しても戻せるか。こうした人間と業務への解像度を、AIに読ませられる言葉へ変えられるかです。
AIの出力をそのまま横に流すだけなら、その人を通さずAIへ依頼すれば足ります。
価値が残るのは、次のような人です。
- 出力の良し悪しを自分の言葉で説明できる
- 修正理由を次回の指示やルールに戻せる
- AIに任せてよい範囲と止める範囲を分けられる
- 顧客、現場、経営のどこに影響するかを見られる
これは精神論ではありません。AIに仕事を任せるほど、評価基準そのものが会社の資産になります。
改善案を出させても、変更権限は渡さない
AIが手順やコードを改善できるようになるほど、便利さと危険は同時に増えます。
業務マニュアルを直す。プロンプトを更新する。スクリプトを修正する。FAQの回答を変える。これらは、改善案としてAIに出させることはできます。
しかし、適用まで自動化するかは別問題です。
少なくとも最初は、次の境界を置きます。
AIができること:
改善案の作成、差分説明、テスト案、想定リスクの列挙
人間が承認すること:
本番反映、顧客に届く文面、価格・契約・返金に関わる表現、権限変更
必ず残すこと:
変更前、変更後、変更理由、確認者、戻し方NIST AI RMFは、AIリスク管理を継続的な取り組みとして位置づけ、役割、責任、文書化、評価、管理を重視しています。中小企業でも、この考え方は大きな規程ではなく、小さな変更ログから始められます。
最初の一週間で作る3つの台帳
AI自己改善の大きな未来を予測する前に、今日から整えられることがあります。
1つ目は、データ台帳です。どこにどんな業務データがあり、誰が見られ、AIに渡してよいかを書きます。
2つ目は、判断基準台帳です。顧客対応、見積、公開文、コード修正など、AIに頼みたい業務ごとに「合格」「保留」「禁止」を短く書きます。
3つ目は、変更ログです。AIが出した案を採用したとき、どこを直したか、なぜ直したか、次回の指示へどう反映したかを残します。
この3つがあると、AIが進化しても会社側の軸が残ります。逆に、ツールだけを入れて台帳がないと、モデル更新、担当者交代、情報漏えい、出力品質の低下が起きたときに戻る場所がありません。
AIの進化は止まりません。
だからこそ、会社側は「AIに全部任せる」ではなく、「何を残し、何を渡し、どこで人間が判断するか」を先に決める必要があります。
Optiensでは、AI活用をツール導入ではなく、業務の記録、判断基準、権限、例外処理を整える仕事として捉えています。AI活用診断では、フォーム入力ベースで、最初に整理すべき業務とAI化の前提を確認できます。