AIがコードを書く時代の経営者論：あなたは何を売るのか

2026年7月14日

この記事の要点

私は10年以上、コンサルティングファームとIT企業の育成体系構築に関わってきました。その私が2026年の今、はっきりと言えることがあります。AIがコードを書く時代、経営者が本当に問われるのは「あなたは何を売るのか」という一点だ、と私は考えます。GitHub Copilotの企業利用は7万7,000社を超え、Claude Code、Cursor、Devinといった開発エージェントが実装工程を圧倒的な速度で置き換えています。McKinsey Global Instituteは生成AIの経済的インパクトを年間2.6兆〜4.4兆ドルと試算しました。Gartnerは生成AI関連支出が2027年に約6,440億ドルに達すると予測しています。この地殻変動の中で、私は経営者が売るべきものは「実装の量」ではなく「業務理解」「課題定義」「合意形成」「意思決定」の4点に集約されると見ています。本稿では、3つの構造変化、3つの選ぶべき道、反対意見への反論、そして今週決めるべき具体的な打ち手までを一気通貫で論じます。

AIがコードを書く時代、私たちは今どこにいるのか？

結論： 私たちはすでに、「実装」が希少資源から準無料に転落する不可逆の分岐点を越えている、と私は考えます。

私が2015年頃からコンサル業界の育成体系構築に関わってきた経験で言えば、業界の常識は「上流は人、下流は工数」でした。ところが2022年末のChatGPT公開以降、この構造は音を立てて崩れ始めたと私は見ています。

具体的な数字を挙げます。GitHub「Octoverse Report 2024」では、Copilotを導入した企業は7万7,000社を超え、有償ユーザーは180万人を突破しました。Anthropicの2025年発表によれば、Claude Codeは公開から1年でエンジニアリング用途の生産性を3〜4倍に押し上げたと報告されています。Cursor（Anysphere社）は年間経常収益(ARR)を1年で1億ドル超に押し上げ、Devinを開発するCognition Labsは20億ドル超のバリュエーションを獲得しました。GitHubの調査ではCopilot利用者のコード提案受け入れ率は55%に達しています。

私が実際にクライアント企業のCTOと話をすると、返ってくる答えは驚くほど揃っています。「ジュニアエンジニアの手数は、AIエージェントが片手間にこなす」「実装より、要件をどう固めるかで納期が決まる」「もはや手を動かせる人材の希少性は下がった」——このリアリティを、私は2024年後半から明確に感じ取ってきました。

McKinsey Global Instituteの「The economic potential of generative AI」は、生成AIが世界経済に年2.6兆〜4.4兆ドルの追加価値をもたらすと試算しました。うち約75%が営業・マーケティング・顧客サポート・ソフトウェア開発・R&Dの4領域に集中します。これは、経営者にとって「事業の付加価値の在り処が動いた」ことを意味します。

私はここで一つ、はっきりと主張したい。「AIがコードを書く時代」は未来の話ではありません。すでに始まっています。問題は、経営者がその現実に対して、どこまで自分の売り物を再定義できているか。この一点だと私は見ています。

この変化がもたらす3つの構造変化とは何か？

結論： 実装コストのゼロ化、上流工程の希少化、そして事業モデルの「業務×AI×実装」への収斂——この3つが同時進行している、と私は考えます。

第一の構造変化は「実装コストのゼロ化」です。従来、ソフトウェアやレポート、資料、コードの「作成」には時間とスキルが必要でした。だが今、Claude CodeやCursorのようなAIエージェントは、要件さえ明確なら1時間分のタスクを5分でこなします。私が支援するあるコンサルファームでは、Excel財務モデルの初稿作成時間が平均3時間から20分に短縮されました。実装は希少資源ではなく、電気や水道と同じインフラに近づいていると私は見ています。

第二の構造変化は「上流工程の希少化」です。実装が安くなるほど、「そもそも何を作るべきか」「顧客の真の課題は何か」「業務プロセスのどこにボトルネックがあるか」を定義できる人材の相対価値が急上昇します。私が現場で見ているのは、Forward Deployed Engineer(FDE)型——PalantirやOpenAIが採用する、顧客業務に深く入り込み、業務理解とAI/実装をつなぐ人材——の需要爆発です。

第三の構造変化は「事業モデルの『業務×AI×実装』への収斂」です。Stripeは決済のAPI化で会計業務を再定義し、RampはAIで経費精算を無人化しつつあります。Cursorは「エンジニアの業務」そのものをAI前提に再設計しました。共通するのは、単なる「AIツール販売」ではなく、業務プロセス全体をAIで再構築している点です。売り物は「AI」ではありません。「業務が変わった後の成果」だと私は考えます。

以下、3つの構造変化を比較表にまとめます。

構造変化	旧世界	新世界	経営者への含意
実装コスト	高い（時間×人月）	準無料（AIエージェント）	実装量では差別化不能
上流工程	標準化・分業可能	希少・付加価値の源泉	上流人材を採用/育成
事業モデル	業務OR技術	業務×AI×実装	業務再設計が競争軸

私が10年以上コンサル業界と向き合ってきた経験で言えば、この3つは相互に強め合います。実装が安くなるから上流が希少になり、上流が希少になるから業務再設計が競争軸に浮上する。この連鎖を無視した経営者は、5年後、市場から静かに退場することになる、と私は見ています。実際、Palantirは2024年通期で29億ドルの売上を計上し、株価は同年に3倍以上に上昇しました。市場は「業務×AI×実装」の垂直統合モデルに、明確な溢価を付け始めています。

経営者が直面する本質的な問い「あなたは何を売るのか」とは？

結論： 経営者が売るべきは「実装の量」ではなく、「業務理解」「課題定義」「合意形成」「意思決定」の4つで構成される上流の付加価値である、と私は考えます。

私はクライアント経営者と対話する時、必ずこう問います。「御社は結局、何を売っていますか？」——経営者の大半は「システム」「開発」「レポート」「アドバイス」と答えます。だが私はいつも、こう返します。「それは全部、AIが1年以内に半額でやります」。

売り物は変わります。私はそれを次のように整理しています。

売り物の要素	AI前の価値	AI後の価値	変化の方向
実装（コード・資料作成）	高い	ほぼゼロ	崩壊
業務理解	中	極めて高い	急騰
課題定義	中	極めて高い	急騰
合意形成（意思決定の橋渡し）	高い	さらに高い	加速
意思決定（最終判断）	高い	高い（人間の責任）	維持

私の主張は明快です。

業務理解：顧客の業務プロセスを、業界特有の慣習・組織政治・KPI体系まで含めて理解する能力。AIはこれを一次情報として持ちません。
課題定義：「表向きの依頼」の裏にある真の課題を言語化する能力。ここが弱いプロジェクトは、AIで実装だけ速くしても顧客満足に届きません。
合意形成：顧客社内の複数ステークホルダー間で、対立する利害を調整し「決めさせる」能力。これは徹底的に人間の仕事です。
意思決定：不確実性の下で、責任を負って前に進む判断。AIは推奨は出せますが、責任は負えません。

私が経営者に問いたいのは、この4つを自社のバリューチェーンにどう埋め込んでいるか、です。「うちはAIを使っています」だけでは足りない。「うちは業務理解×AI×実装で、顧客の意思決定を代替不可能な水準で支えます」——ここまで言い切れる経営者だけが、5年後も残ると私は考えます。

私が支援するコンサルファームで、この4つを社内評価軸に組み込んだ企業と、組み込まなかった企業を比較すると、前者は2024年以降の平均案件単価が明確に上昇し、後者は横ばい〜微減で推移しています。売り物の再定義は、財務指標に半年〜1年で現れます。逆に言えば、動かない経営者は、半年後に数字で追い詰められる、というのが私の観察です。

私は経営者が選ぶべき道を3つに絞る──それは何か？

結論： 「上流特化」「業務×AI×実装の垂直統合」「AI前提再定義」——この3つ以外に、私が推奨できる道はありません。

私が10年以上、コンサルティングファームとIT企業の育成体系を設計してきた経験から、経営者が取れる戦略を3つに絞ります。

選ぶべき道	定義	代表例	リスク
1. 上流特化	課題定義・合意形成・意思決定支援に特化	McKinsey、BCG、Bain（AIを内製化しつつ上流に集中）	事業規模を大きくしにくい
2. 垂直統合	業務×AI×実装を一気通貫で提供	Palantir、Stripe、Ramp、Ballista	人材要件が極めて高い
3. AI前提再定義	既存業務をAI前提で再設計しSaaS化	Cursor、Harvey、Hebbia	プロダクト開発の資本と時間

第1の道：上流特化。 これはコンサルティングファームの伝統的な立ち位置に近い形です。ただし従来と違うのは、実装をAIに任せる前提で「上流の解像度」を極限まで高めることです。McKinseyは自社で「Lilli」というAIアシスタントを開発し、社員の70%以上が日常業務に活用していると発表しました。私が支援するコンサルファームの一部は、既にAI活用によって1案件あたりの上流アウトプット量を2〜3倍に増やしています。

第2の道：業務×AI×実装の垂直統合。 これはPalantirのForward Deployed Engineerモデルであり、Ballistaが目指す方向でもあります。顧客業務に深く入り込み、AIと実装を組み合わせて成果を出す。私は、コンサル業界の次のフロンティアはここにあると考えています。Palantirの2024年通期売上29億ドルという結果は、この道の経済性を市場が認めた証拠です。

第3の道：AI前提再定義。 既存業務そのものをAI前提で作り直し、SaaSとして販売する道です。Cursorが「開発」を、Harveyが「法務」を、Hebbiaが「投資調査」を再定義したように、業務単位の再発明を狙います。Harveyは2025年時点でARR7,500万ドル超、Cursorは1億ドル超と、いずれも急成長中です。

私は経営者に問いたい。「あなたはこの3つのどれで戦うのか」——中途半端に「AIも取り入れます」と言うだけの経営者を、私は本気で支援できません。道を選ぶことは、選ばない道を捨てることです。それが経営者の責任だと私は考えます。

「AIは所詮ツール」「そんな急には変わらない」──反対意見への反論

結論： どちらの反対意見も、過去15年の技術変化の速度とAI投資の規模を過小評価している、と私は考えます。データをもって反論します。

反対意見1：「AIは所詮ツール。人間の仕事は変わらない」

これは私が最も頻繁に耳にする意見です。だが私は次のように反論します。Gartnerの2025年予測では、生成AI関連の全世界投資額は2027年に約6,440億ドルに達する見込みです。これは「ツールへの投資」というスケールではありません。産業構造そのものを書き換える規模です。

さらに実データで見ましょう。GitHubの調査では、Copilot利用者のコード生成の55%が受け入れられています。従来のIDEツールで55%も生産性が上がる事例は、私の記憶にはありません。「所詮ツール」と言い切るなら、電気も「所詮エネルギー」であり、インターネットも「所詮通信」です。歴史を見れば、産業を変えたのはこの種の「所詮ツール」だった、と私は考えます。

反対意見2：「そんな急には変わらない。うちの業界は特殊だから」

私はこの意見を、10年以上前から聞き続けてきました。「うちの業界にクラウドは来ない」「うちの業界にモバイルは来ない」「うちの業界にSaaSは来ない」——結果はどうだったか。全部、来ました。しかも予想より速く、深く、不可逆に。

コンサル業界も例外ではありません。私が支援するファームでは、既に提案書の初稿作成にClaude 3.5/4系やOpenAI o系モデルを使うのが標準になっています。3年前には想像できなかった変化です。前述のとおりMcKinsey「Lilli」の社員利用率は70%超に達しました。BCGも「BCG X」でAIコンサル部門を1,300人規模まで拡大しています。業界のトップ企業が動いている時点で、「うちだけは違う」は幻想だと私は見ています。

私が10年以上コンサル業界と向き合ってきた経験で断言できるのは、変化を否定する経営者ほど、変化に飲み込まれる速度が速い、という一点です。「AIは所詮ツール」と言う経営者の会社ほど、5年後の求人票を書き換えられずに苦しむ——私はこの現象を、これから2〜3年で明確に観察することになると予測しています。

あなたが今週決めるべきことは何か？

結論： 「自社が今、何を売っているのか」を言語化し、「AI後に何を売るのか」を1枚のペーパーに落とすこと。これを今週中に、経営会議のアジェンダに載せてほしい、というのが私の提案です。

私が経営者に提案する、今週の具体的アクションは以下の3つです。

アクション1：自社の売り物を分解する。 「実装／業務理解／課題定義／合意形成／意思決定」の5要素に分解し、それぞれの現在の付加価値比率を数字で書き出す。売上または粗利の何%がどこから来ているかを、経営会議で共有する。
アクション2：AI後の売り物を再定義する。 3年後、自社の売り物構成はどう変わるべきか。「上流特化」「垂直統合」「AI前提再定義」のどの道を選ぶかを、経営チームで合意する。合意できない場合の「決めない」も、期限付きで明文化する。
アクション3：上流人材への投資計画を立てる。 業務理解・課題定義・合意形成を担える人材を、採用・育成・配置転換のどれで確保するか。ConStepのようなeラーニング活用も含め、90日プランを引く。

私が10年以上コンサル業界と向き合ってきた経験で言えば、こうした戦略的問いを「先送りできる」と考える経営者ほど、5年後に振り返ると致命的な遅れを取っています。今週決められないなら、来週も決められない。決められないうちに、市場は先へ進みます。時間は、経営者にとって最も高価な資源です。それを守れるのは、経営者自身の決断だけだ、と私は考えます。

FAQ

Q1: AI時代に経営者は何を学ぶべきか？
A: 私は「業務プロセスの再設計」「AIの得意/不得意の見極め」「上流人材のマネジメント」の3つを推します。具体的にはMcKinseyの生成AIレポート、Anthropicの技術ドキュメント、Palantirの公開資料を最低限読み込んでほしい。ツールの操作は部下に任せていい。経営者が学ぶべきは「AIが変える競争ルール」だと私は考えます。

Q2: 自社の変化はいつから始めるべきか？
A: 昨日から、というのが私の本音です。現実的には、今週中に経営会議で「AI後の売り物」を議論するアジェンダを立て、90日以内に最初のPoCを回すのが最低ラインだと私は見ています。Gartnerは2027年までにAI関連支出が6,440億ドルに達すると予測しています。市場は待ってくれません。

Q3: AI活用の第一歩は何か？
A: 私が推すのは「経営会議でClaudeやChatGPTを使って議事録を要約する」ことです。派手さはないが、経営者本人がAIの限界と可能性を体感するのが、組織のAI活用が本気になる出発点だと私は考えます。

Q4: AI導入の失敗事例と教訓は？
A: 私が観察してきた失敗の8割は「業務理解のないAI導入」です。ツールだけ導入して、業務プロセスを変えない。結果、ROIが出ずに撤退する。教訓は明確です。AI導入は業務再設計とセットでしか成立しません。ボトムアップの「PoC疲れ」を避けるには、経営者が最初から「AI後の売り物」を定義する必要がある、というのが私の結論です。

Q5: 今後3-5年の予測は？
A: 私の予測は3点です。第一に、実装コストはさらに10分の1に近づく。第二に、上流人材の年収は業界平均の2〜3倍に開く。第三に、「業務×AI×実装」を垂直統合できた企業と、それができない企業の格差が決定的になる。5年後、この差はもう埋められない、というのが私の見立てです。

参考文献

McKinsey Global Institute「The economic potential of generative AI: The next productivity frontier」(2023)
GitHub「Octoverse Report 2024」および Copilot 導入企業/利用者データ (2024, 2025)
Anthropic「Claude Code Announcement and Progress Reports」(2024, 2025)
Gartner「Forecast: Generative AI Spending, Worldwide」(2025)
Palantir Technologies「Annual Report / Q4 2024 Earnings」(2025)
経済産業省「AI事業者ガイドライン」(2024)