本章の前提: 本書では、経営者が使う代表的なAIエージェントとしてClaude Code(アンソロピック社が提供する、対話しながら業務を自動化できるAIツール)を主に取り上げます。以降「Claude Code」と表記しますが、他社の同等ツール(ChatGPT系エージェント、Gemini系エージェント等)でも本章の考え方はそのまま応用できます。用語で迷ったら巻末の用語索引を参照してください。
§この章で扱うこと
AIコーチングの現場では、初回から3回目くらいまでは「Claude Codeで何ができるか」「どうプロンプトを書くか」といった手触りの話が中心です。ところが4回目、5回目になると必ず話題が変わります。「そもそもうちの会社、どこにAIを入れれば一番効くんですかね」「新規事業をAIで作りたいけど、何から手をつければ」──こうした経営レベルの相談が出始めます。
このタイミングでコーチが「では最新のAPIを使って…」と手段の話に戻すと、一気に効果が薄れます。経営者が知りたいのは技術ではなく、限られた時間と会社のリソースを、どの順番でどこに突っ込めば、いちばん利益が伸びるかです。しかも答えは事業モデルや規模で全く違います。300人の会社と5人の会社では、AIの入れどころが根本から違うのです。
この章では、伴走から見えてきた「経営視点で意思決定するときの6つの型」をまとめます。守りと攻めのどちらを優先するか、限られたリソースをどう配分するか、原価構造の違う事業をどう料理するか、「AIを入れても差別化できない領域」をどう見分けるか。この6つを押さえておけば、次の一手で迷う時間を大幅に減らせます。
§1. まず守り、それから攻め
世間では攻めの話ばかり出てきますが、現場で分かったのは99%の経営者にとって最初の1年は守り一択だということです。
AIの使い道は大きく二つ。守りは既存業務の効率化、攻めは新規事業の創出です。
すぐ利益に効くのは守りだからです。数十人〜数千人規模の会社なら、管理部門のコストを月100万円削れれば年1,200万円のリターン。新規事業で同額の利益を出すのは、うまくいっても2年かかります。同じ努力量なら、初期は守りのほうがROI(投資対効果)が2桁高いのが現実です。
守りの中でも最もレバレッジが高いのは「単純作業の削減」ではなく「できる人のリソースを開けること」です。会社にはたいてい判断力・営業力に飛び抜けたトップパフォーマーが1〜2人います。その方が週の半分を報告書作成に取られている状態を、AIで週1日に減らせれば、残った時間は新規開拓や意思決定に回ります。一般メンバーの作業を10人分自動化するより、トップパフォーマー1人の時間を週20時間空けるほうが、翌月の売上に直結します。
攻めに転じる目安は、守りで主要業務が3〜5個自動化され、社内でAIを日常的に触るメンバーが3人以上いるタイミング。社内にAIリテラシーが溜まっていれば新規事業側でも意思決定が早くなります。逆に社内が誰も触れていないのに攻めの別動隊を作ると、ほぼ確実に空中戦になります。
§2. 3つに絞って試す、それから横展開
これに「じゃあ全部やりましょう」は絶対ダメです。
コーチング初期に必ず起きる現象があります。経営者に「AIでやってみたいこと」をリストアップしてもらうと、たいてい14個くらい出てきます。YouTube企画自動化、X運用、採用面談、営業日報、経費精算、社内FAQ、資料デザイン、翻訳、議事録整形、KPIダッシュボード──キリがありません。
並行3件を超えたあたりから経営者本人が「あれ、今どれの話でしたっけ」となり始めます。集中力の問題ではなく、人間の脳は同時進行の未完了案件を3個までしか快適に管理できない構造的な限界です。
鉄則は「3つに絞ってPoC(概念実証。小さく作って動かしてみて効くかを確かめること)→動かしてから横展開」。14個の中から、①経営者本人が最も痛みを感じている、②売上または利益に直接効く、③1〜2週間で最小版が動かせる、の3条件でスコアリングして上位3つに絞ります。残り11個は「後回しリスト」に入れて視界から消します。
3つに絞ったら、さらに最初の1個から実装を始めるのがコツです。3個並行スタートも避けます。最初の1個を動かす過程で、第2章で扱う設計資産(AIへの指示書=CLAUDE.md、社内ルール、機能パーツ=スキル)が育ち、2個目・3個目の実装スピードが3倍以上速くなるからです。中途半端な規模(社員数10〜50人)の会社ほど、この選択と集中が効きます。
§3. 固定単価事業は、作業者発注をゼロにするしかない
処方箋は明快で、作業者への外注を全部AIエージェント(Claude Code等)に置き換えてゼロにすることです。
事業には2種類あります。売上を伸ばして利益を作る事業と、原価を下げて利益を作る事業。月額固定単価の請負サービス(月10万円で〇〇代行、みたいなモデル)は契約単価が構造的に上がらないので、原価削減しか利益ポイントがありません。
悲惨なのが、「固定単価だから」と言って作業者を時給1,500〜2,000円で外注しているケースです。月10〜20時間×案件数だけ、じわじわと原価が積み上がります。案件が増えるほど外注費も増えるので、売上を伸ばしても利益率は改善しません。
中途半端に「一部だけAI化」ではなく、完全ゼロを目指します。売上120万円のところ、原価削減だけで200万近くの利益体質に転換できたケースもあります。
「経営者ができることは他の人もできる。他の人にできることはAIにできる」の順で振っていくと、意外なほど多くの作業が消えます。業務委託・バイト・秘書といった、時間で切り売りしている労働は、AIで置き換える前提で業務フローを組み直すのが正解です。「秘書がやっている業務を全部リストアップし、代替できるものは全部消す前提で自動化する」姿勢で臨みます。
冷たく聞こえますが、これは経営判断です。固定単価事業で作業者を抱え続けると、いずれAIをフル活用した競合が半額でサービスを出してきて、案件ごと持っていかれます。守るべき雇用は、判断や創造性を伴う仕事をしているメンバーで、時給ベースの作業者ではありません。
§4. 外部SaaSデータでは差別化できない
外部SaaSから取れるデータで作るサービスに、事業としての未来はありません。
「AIでダッシュボード作りました」「外部ツールからデータ引っ張って分析するエージェント作りました」──2026年8月時点でふり返ると、ここ1年で似たようなプロダクトが山ほど出ています。
理由は簡単で、そのSaaSと契約している人なら誰でも同じデータが取れるからです。そこにダッシュボードやAI分析を被せても、プロンプト改善で少し良くなる程度が限界。2026年8月時点の見立てでは、1年後にはそのSaaS自身がAI分析機能を実装し、半年後には競合が同じダッシュボードを半額で出してきます。
差別化の源泉は、自社の一次情報です。過去に実際にやった案件のデータ、失敗事例、成功パターン、クライアントとの生の会話ログ、CV(成約=コンバージョン)した顧客の属性──これらは他社が絶対に手に入れられません。「自社のYouTubeで発信してる内容」も動画自体は公開されているので他社も取れます。真の独自資産は、支援先の失敗事例ログや、案件ごとの意思決定の記録です。
だからAIを軸に事業を組むなら、最初にやるべきは一次情報を蓄積するメカニズムを作ることです。案件履歴、失敗記録、意思決定の背景、クライアントとの生のやり取りを構造化して溜め続ける仕組み。地味ですぐには売上になりませんが、これが3年後の参入障壁になります。
§5. 巨大AI企業に食われる領域を選ばない
答えは「人にしかできない領域」にフォーカスすることです。
これは経営者にとって、6つの型の中でも最も痛い話です。スタートアップが「AI活用支援」「DXコンサル」「業務効率化サービス」でスケールしようとしても、9割は3年以内に巨大AI企業に食われます(2026年8月時点の見立てです)。
具体的に、ノーコードでWebサイトを作るサービスは大手AI企業の純正デザインツールの新機能で存在意義が削れています。汎用チャットエージェントもモデル各社の純正機能で駆逐されつつあります。企業向けAI活用領域には、大手モデル会社がコンサル大手と組んで大口顧客をゴッソリ持っていく動きが始まっています。「AIを使いこなす支援」を売っている以上、AIの本家がそこに参入した瞬間に負ける構造なのです。
じゃあ何をやるべきか。①現場に足を運んで信頼を作る仕事、②業界固有の暗黙知が必要な仕事、③意思決定の責任を負う仕事、④長期の人間関係が競争優位になる仕事。この4つはAIモデルがどれだけ賢くなっても当面代替されません。
もう一つ、「Pay to Win」──払える企業だけが勝つ時代がすぐ来ます。最高性能のAIモデルは月数万〜数十万円のプラン、最先端ツールは月数十万円のエンタープライズ契約(Claude各プランの具体的な金額は第0章の料金表を参照)。この価格差で生産性が10倍変わる状況が、2026年8月時点の見立てで、あと1〜2年で普通になります。ケチって古いモデルで戦うと、そのまま置いていかれます。
「絶対に取れる案件だけど、絶対に未来がない」領域は意識的に断る勇気が要ります。目先の売上に釣られると、3年後に事業ごと消える可能性があります。
§6. 経営者へのコーチング価値は「ケツを叩くこと」と「モヤモヤを消すこと」
経営者向けAIコーチングの本当の価値は、技術教育でも情報提供でもなく、たった2つに集約されます。
この節の対象読者: ここから先は「AI活用を教える側・AI伴走を事業にする側」に向けた内容です。自社にAIを導入することが目的の方は、読み飛ばしていただいて構いません(「やってみる」の経営者(受ける側)のパートだけ拾えば十分です)。
最後の型は、コーチ側と経営者側の両方への話です。経営者向けAIコーチングの本当の価値は、技術教育でも情報提供でもなく、たった2つに集約されます。
一つは、「やらなあかん」状況を作ること。定期的に外部の人間と時間を取ることは「あの人が来る前にこれを進めておかないと」という強制力になります。自社メンバーとの定例では経営者本人が場を仕切ってしまうのでプレッシャーが効きませんが、外部のコーチが週1・月1で入ると宿題が溜まっている自分に耐えられなくなります。この外圧としての締め切りが圧倒的な進捗を生みます。
もう一つは、小さなモヤモヤが週1で消えていくこと。経営者の頭の中には常に10〜20個の「なんとなく気になっているけど聞くほどじゃない、調べるほどでもない」がストックされています。「Claude CodeとClaude Desktopってどう違うんだっけ」「MCPって結局何」。ここで即答しておくと、Claude Code は自分の代わりに手を動かすエージェント型のツール、Claude Desktop はチャットアプリです(作業を任せたいなら前者、聞きたいだけなら後者)。
MCPは、AIと外部ツール(スプレッドシート、チャット、社内システムなど)をつなぐための共通規格で、これがあるからAIが自社のデータを直接読み書きできます(いずれも詳しくは巻末の用語索引へ)。一つひとつは大した話じゃないのですが、10個以上溜まると意思決定が濁ります。1時間で5〜10個スッキリ消えると、翌週の判断が全部速くなります。用語の意味に迷ったら、巻末の用語索引で該当語を引くだけでもモヤモヤが減ります。
だから、コーチ側が「最新のAI情報を仕入れてお届けする」「技術的にワクワクさせる」設計をしても、相手が経営者の場合はほとんど響きません。経営者の行動原理は「これは売上・利益にどう効くか」であって、技術ワクワクではないからです。
コーチ側は、経営者ごとの行動原理を最初の2〜3回で見極める必要があります。「売上・利益への道筋が見えると動く」タイプなら宿題は必ず数字に結ぶ。「新しい技術にワクワクする」タイプなら最新モデルの試用を宿題に入れる。「メンバー教育に責任を感じる」タイプなら社内展開の設計を宿題に入れる。同じ内容でも、行動原理に合わせて宿題の翻訳が必要です。