【残酷な現実】会社員がAIを使わない納得の理由。 生成AI導入によりメルカリ組織の変革を現場で推進するハヤカワ五味氏がAIの組織導入を徹底解説 【Gemini/Google Workspace】

ハヤカワ五味氏は2024年7月にメルカリ入社、社内の生成AI推進担当として組織のAI活用を担ってきた。2025年7月時点で従業員のAIツール利用率は95%、プロダクト開発のコード生成AI作成比率は70%、エンジニア1人あたりの開発量は前年比64%向上という具体的成果が出ている。

入社当初の2024年7月時点ではAIツール利用はあったもののその大半は翻訳用途（グローバル社員向けのSlack日英表記）で、生成AIらしい活用はほぼ皆無だった。1年でこの状況を反転させ、2025年7月には100人規模の「AIタスクフォース」が発足、本人は次フェーズのAIエージェンティック戦略を扱う「AIストラテジー」チームに異動している。

• 従業員AIツール利用率95%（2025年7月時点）
• プロダクトのコード生成AI作成比率70%
• エンジニア1人あたり開発量が前年比64%向上
• 法務の社内規定整合性チェック、営業・バックオフィス自動化、デザインシステム連携など全社的に事例が拡大
• 社内QA自動応答や分析ツール系のAIエージェント事例も出始める
• 2025年7月発足の100人規模AIタスクフォースに本流が移行

意思決定層の生成AIに対する認識が大きく変わったのは2025年2月頃。ChatGPTのDeep Researchの登場が転機で、それまでハルシネーション懸念やソース確認の困難から「実用に耐えない」と見られていたAIが、「むしろAIに任せた方がクオリティが上がる」という認識に変わった。

もう一つの大きな出来事はGeminiがGoogle Workspaceの料金にインクルードされたこと。それ以前は2000人超×月額数千円の予算を期中に確保する必要があり推進の最大の障壁だったが、パッケージ化により全社員が即時利用可能となり推進が一気に加速した。社内ツール構成は、Gemini／NotebookLMが全社員アカウントで標準利用、ChatGPTやCursorは申請制で希望者に開放するハイブリッド体制。

• 2025年2月のChatGPT Deep Research登場が意思決定層認識の転換点
• Web検索系のリッチ化で出典確認問題が緩和
• GeminiのGoogle Workspaceインクルード化で予算問題が消滅
• NotebookLMはセキュリティ懸念が低く社内で情報を入れやすい
• ChatGPT・Cursorは申請式で希望者に開放（エンジニア以外もコーディング系を使える）

ハヤカワ氏は社内推進で直面した障壁を3つに整理する。1つ目は「技術理解の壁」でLLMの仕組みを知らないと毎回出力が違うことに違和感を持ち本来不向きな用途に使ってしまう。2つ目は「組織の壁」で、OKR等の評価制度に生成AI活用が組み込まれていないため活用するインセンティブが働かない。3つ目は「人の壁」で「AI怖い／自分には必要ない」という漠然とした拒否感。

興味深いのはITリテラシーの高さとAI受容度が比例しない点。むしろエンジニアほど「機械学習をやってきたからこそAIを信じられない」「コードを書くのが好きだからAIにやらせたくない」という抵抗感を持ちやすく、デジタルネイティブ企業のメルカリでさえ初期は壁にぶつかった。

• 技術理解の壁：LLM＝予測変換の延長と理解していないと用途を誤る
• 組織の壁：OKRや評価制度に生成AI活用が組み込まれていない
• 人の壁：AI怖い／自分には関係ないという感情的拒否
• エンジニアでもAI抵抗感がある（ML経験者ほど信用しない）
• リテラシーとAI受容度は別軸

「単純作業をAIに任せたい」は典型的な誤解と整理する。PDCAのDo（実行）部分は出力が毎回違うLLMよりRPA/マクロ/Excelといった旧来の自動化が適切で、生成AIはむしろP（検討）・C（評価）・A（改善）のクリエイティブな領域で価値を発揮する。

4象限で整理すると、ルール明確×単純な領域はそもそも生成AIを使わない方が良く、ルール不明確×単純な突発作業は人間に残る。生成AIが真価を発揮するのは「ルール不明確×創造性が必要」な領域で、これまで人間が高度と考えてきた仕事ほどAIに置き換え可能というパラドックスが生じる。「人間に残る仕事は右クリック・左クリック・土下座」は、現行ツールが人間UI前提のため最後のコピペ実行だけ人が担う構造を皮肉った表現。

• Do(実行)＝定型自動化はLLM不向き、RPA/マクロ/Excelで処理
• P(検討)・A(改善)などクリエイティブ領域こそ生成AIの活用所
• ルール明確×単純：生成AI不要（プログラミングで自動化）
• ルール不明確×単純：人間に残る（突発スポット作業）
• 高度・創造的な仕事ほどAIで代替可能というパラドックス
• ツールがコピペ実行を要求するため最後の人手作業が残る

AIに任せない自動化領域でハヤカワ氏が使うのは現状n8n。初期はGAS（Google Apps Script）を使っていたが、共有して複数人でメンテナンスする際に「他人の職人Excel」状態になりやすく属人化したため離脱。ビジュアルなノード編集でメンテ性が高く、ワークフローをJSON書き出しできて将来の移行も容易な点を評価している。

以前はZapierも使用。Google製のFlows（Google Workflow Studio）やOpalにも興味はあるが、Google系サービスは出始めが微妙で挙動が安定してから移行する方針。n8nのJSON書き出し資産があるので、Flows等が安定したら移行検討しやすい構成にしている。

• 現在のメインはn8n（ノードベース＋JSON書き出しで移行容易）
• 初期はGAS中心だったが共有・メンテ困難で離脱
• Zapierも過去に使用
• Google Flows・Opalは安定待ち（Googleは出始め微妙の経験則）
• LLM不向きな計算・1+1的タスクはExcelやプログラミングで処理

「AIの出力が期待通りでない」のは多くの場合AIの能力不足ではなく、AIを新人と見立てたときのオンボーディング不足が原因と指摘する。新人入社時に渡すべき情報——会社の経済状況、決算数値、社内の力関係、誰が何の専門家か、情報の所在、必要な権限——をAIに対しても用意できているかが問われる。

コンテキストエンジニアリングの基本は「必要な情報を必要なタイミングで渡し、不要な情報は渡さない」こと。これは人間の新人オンボーディングと同一の発想で、最初から全部まとめて渡すと抜け漏れや解釈違いが発生する点も共通する。AIを経営資源（アセット）として、一人の新人社員と同列に扱う発想が今後重要になる。

• AIを新人入社者と捉えオンボーディング設計する
• 渡すべき情報：決算・力関係・暗黙知・情報所在・権限
• 必要な情報を必要なタイミングで（不要情報は渡さない）
• 解釈違いを防ぐため段階的にチェック
• AIを経営資源（アセット）として位置付ける視点

現場社員がAIを使わない最大の理由は構造的なもの。労働時間で評価される制度のままでは、AIで業務を半分にしても残り時間を他タスクで埋められるだけで本人にメリットがない。むしろ効率化を周囲に知られると業務量が増えるため、シャドウで隠して使う方が合理的になる。

必要な制度設計は(1)労働時間でなくパフォーマンスで評価、(2)業務完了で早く終わったら切り上げ可、(3)AI活用を加点要素にする、または非活用を減点、(4)AI活用前提でないと達成できない負荷設計——のいずれか。生成AIの恩恵を最も受けるのは経営層であり、現場のボトムアップに期待する戦略は「夢のような話」で、効率化分を社員に還元する明確な姿勢を経営層が示さなければ現場はついてこない、と断じる。

• 残業時間で評価される組織ではAI活用インセンティブがゼロ
• 効率化を申告すると業務量が増えるだけの「罠」構造
• 解決策：パフォーマンス評価／早期完了の切り上げ容認
• AI活用を加点／非活用を減点／AI前提の業務負荷設計
• ボトムアップ期待は非現実的、経営層主導が必須
• 効率化分の現場還元を会社の方針として明示する

経営層が生成AI導入を決断すべき理由は売上向上ではなく「退場リスクの回避」と整理する。AIネイティブな個人・小組織はすでに1/10〜1/100のコストで月5本の新サービスをローンチできる体制にあり、そのうち1本でも当たれば既存企業のシェアを切り崩しに来る。Web系・ライトなプロダクトでは利幅が数倍縮小する想定で競争優位を保てるかという問いを経営層が直視する必要がある。

推進の方法論としては、本人が「気づく」体験を作ることが重要。正論を伝えるだけでは本人のものにならないため、その会社の意思決定層・特にインフルエンサー的な人物に刺さる事例を意図的に生み出し適切なタイミングで渡す。社内のアーリーアダプター1%（2000人中10〜20人）を勉強会等で発見し、シャドウ利用者を引き上げてコネクションを作り、業務知識のある現場発の事例を横展開する設計が現実的。

• AIネイティブ競合は1/10〜1/100コストで月5本ローンチ可能
• 売上向上でなく退場回避としての積極投資
• Web系・ライト製品から利幅縮小が始まる
• 本人が気づく体験を意図的にデザインする
• 意思決定層内のインフルエンサーに刺さる事例を作る
• アーリーアダプター1%を勉強会で発見しシャドウ利用を可視化
• 中小企業はトップダウンが効きやすく変革期にむしろ有利

プロダクト開発を10倍速にしても、意思決定が追従できなければボトルネックは人間側に移る。お客様の理解速度も10倍にはならないため、単純な全体加速は意味がなく、人間が介在する箇所・意思決定構造をいかに絞るかが鍵となる。今起業するなら「少人数・意思決定者明確」な構成でスタートする、と本人は明言する。

将来のライフデザインとして「週休7日」を掲げる。業務効率化で110〜120%を狙うアプローチでは105%が限度だが、業務をゼロにする発想で取り組めば150〜300%のアプローチが見えてくるという思考実験。AIとの壁打ちで自分自身の盲点（食事の脂質不足など）を発見した経験から、AIを通じた自己理解の深化が今後の幸福感の源泉になると語る。

• プロダクト10倍速化は意思決定10倍速化を要求する
• 顧客の理解速度は10倍にならないため全体最適が重要
• 起業するなら少人数・意思決定者明確な構成
• AIマルチエージェントが24時間稼働すると人間がボトルネック化
• 週休7日を真剣に目指すと150〜300%の抜本変革アプローチが見える
• AIとの壁打ちで自己理解（食事・キャリアの盲点）を深める