開発でバーチャル社員（AIに仕事を渡す形）に任されているのは、コードの下書き、テスト、レビューの補助です。公開事例では、設計の決定と、出来上がったものの責任は人が持っています。そして実測の研究を読むと、速くなった実感と、実際に速くなったかは別でした。
では、中小企業はどこから手をつければよいのでしょうか。
中小企業の現在地は、まだ手前にある
中小企業基盤整備機構が全国の中小企業1万社に行った調査では、AIを導入している会社は20.4%。導入済みの会社のうち、生成AIを使っているのは82.6%です。そして不足している情報の第1位が「成功事例や活用事例などの情報」で83.3%でした。（同機構「中小企業のＡＩ等の利活用に係る実態調査」、調査2025年11月17日〜12月12日、2026年3月公表、確認日：2026年9月21日）
大企業の開発現場では、AIがコードの大半を書く話が出ています。一方で中小企業の多くは、その手前にいます。この落差を埋めるには、自社で何から始められるかを具体的に知る必要があります。
公開事例に見る、任せている範囲
図1：任せているのは下書きとテスト。設計・承認・保守は人に残ります。
GMOインターネット：人は確認と承認に専念する。同社は生成AIを「実装・テスト・改善を自律的に行う開発チームの一員」と位置づけ、複数のAIが互いの成果物をレビューし合う仕組みを作りました。公表されている成果は、開発生産性5倍、開発工数50%削減、年間5,300万円のコスト削減です。体制としては、人間は意思決定に専念する形に切り替えたとしています。非エンジニアもAIを通じて開発の一部を担えるようになった、とも書かれています。（同社発表、2026年7月24日、生産性5倍の算出根拠は非開示、確認日：2026年9月21日）
サイバーエージェント：全社平均ではない、と自ら断っている。同社は開発プロセス全体にAIエージェントを広げ、仕様書作成の工数70%削減、実装工数50%削減などの数字を公表しました。約1,200名に対し、年間約4億円規模の投資も明かしました。あわせて、これらは代表的な事例であり全社平均ではないこと、測定方法が部署ごとに異なることも明記しています。そして規模が広がるにつれ、レビューの負荷とコストが新しい課題になったとしています。（同社発表、2026年7月9日、確認日：2026年9月21日）
数字の出し方まで含めて、参考になる発表です。速くなった分、確かめる仕事が増える。ここが次の論点になります。
MIXI：非エンジニアが、自分の道具を作り始めた。同社は全社で生成AIを展開し、月間約17,600時間の業務時間削減が見込まれると公表しました。利用者1人あたり月間約11時間にあたります。社員が自発的に作ったカスタムGPTは1,800個以上。かつてはエンジニアに依頼していた業務支援ツールを、社員が自分で作るケースが増えたと書かれています。なお、この削減時間はアンケート（有効回答338件）にもとづく数字です。（同社発表、2025年8月21日、確認日：2026年9月21日）
中小企業にとって近いのは、実はここです。作るのは大きなシステムではなく、自分の手元の小さな道具から始まります。
「速くなった気がする」と、実際に速いかは別
非営利の研究機関METRが2025年に行ったランダム化比較実験です。大規模なオープンソースの開発に慣れた16名が、246件の課題に取り組みました。結果は、AIツールの使用を許可された場合、課題の完了に19%長い時間がかかったというものでした。
参加者の予想は逆でした。事前には「24%速くなる」と見込み、実験のあとでも「20%速くなった」と感じていました。体感と実測が、逆方向に開いていたのです。（METR、2025年7月10日公開、当時の最新モデルを使用。同機関は、この結果を開発全般に一般化はできないと断っています。確認日：2026年9月21日）
MIXIの「月17,600時間」も、アンケートにもとづく数字でした。体感で投資の判断をすると、方向を間違える。効果の測り方はAIの効果測定に書きました。
量が増えると、確かめる仕事が増える
セキュリティ企業Veracodeの調査によると、AIにコードを書かせたとき、安全性の基準を満たした割合は平均56%でした。前年の55%からほぼ横ばいです。裏返すと、約44%のコード生成の作業で、危険な脆弱性が混入していたことになります。成績のよいモデルでも68%で、3回に1回近くは安全性の課題が残ります。（Veracode、2026年7月28日公開、確認日：2026年9月21日）
つまり、書く速さが上がっても、確かめる工程は減りません。むしろ、作る量が増えた分だけ増えます。サイバーエージェントがレビュー負荷を課題に挙げているのも同じ話です。
AIエージェントの中身が実はほとんど普通のプログラムである、という構造は良いAIエージェントは、ほとんどAIではないに書きました。社内で作った道具を誰が動かし続けるのかは作れるようになった会社が、次にぶつかる壁にまとめています。
中小企業の始め方：社内で使う小さな道具から
図2：社内の小道具から始め、外に出るものは担当を決めてから。
① 社内で使う小さな道具から。毎月の集計、ファイルの名前の付け替え、転記。壊れても自分が困るだけのものです。MIXIの事例で社員が作り始めたのも、この種の道具でした。
② 調べものと資料づくりに広げる。既存のシステムの仕様を読み解く、手順書を起こす。読むだけで、書き換えないという線を引くと、事故は起きにくくなります。
③ 外に出るものは、担当を決めてから。お客様が使うもの、止まると業務が止まるもの。ここは、レビューする人と、公開後に直す人を決めてから始めます。決まらないなら、まだ進めないほうが安全です。安全面の基本は中小企業のAIガバナンス・セキュリティ入門にまとめました。
測り方も決めます。「速くなった気がする」ではなく、同じ作業を何分でやれたかを2〜3回記録します。METRの実験が示したのは、記録しないと判断を誤るということでした。
よくある質問
Q. エンジニアがいない会社でも、内製できますか？
A. 社内で使う小さな道具なら作れます。ただし、作った人が使い続けられるものに限ってください。作った本人が辞めたら誰も触れない、という状態になると、便利な道具が負債に変わります。
Q. AIが書いたコードは危なくないですか？
A. 安全性の基準を満たすのは平均で半分強、という調査があります。社内の小さな道具なら許容できますが、お客様のデータに触れるものは、分かる人のレビューを必ず通してください。
Q. 大企業のような「生産性5倍」は、うちでも出ますか？
A. 同じ条件ではありません。公表している会社も、測定方法が部署ごとに違うと断っています。自社では、作業1つあたりの時間を測るところから始めるのが確実です。
まとめ：下書きは任せられる。決めることと、直し続けることは残る
公開事例で開発のバーチャル社員に渡されているのは、コードの下書き、テスト、レビューの補助でした。GMOインターネットは人が確認と承認に専念する形をとりました。サイバーエージェントはレビュー負荷が新しい課題だと認めています。MIXIでは、非エンジニアが自分の道具を作り始めました。一方で、体感と実測が逆に開いた実験があり、AIが書いたコードの安全性は半分強にとどまるという調査もあります。
いちばん判断が難しいのは、「内製してよいもの」と「人に任せるべきもの」の線です。動くものができた時点では、この差は見えません。見えるのは、半年後に直せなくなったときです。ベンチャーネットはFDE型の伴走として、作る前にその線を引く作業からご一緒しています。作りたい道具を1つ思い浮かべて、まず壁打ちから。
次に読むなら
「作った道具を、誰が動かし続けるのか知りたい」
→ 作れるようになった会社が、次にぶつかる壁——増えたツールを「動かし続ける」コストの話
「AIエージェントの中身を知りたい」
→ 良いAIエージェントは、ほとんどAIではない——85%はコード、AIは”判断”の15%だけ
「ほかの職種の実例も見たい」
→ ここまでできるバーチャル社員——国内外の実例から見る「AIに任せられる仕事」の現在地
「安全面の基本を押さえたい」
→ 中小企業のAIガバナンス・セキュリティ入門——プロンプトインジェクションから会社を守る
この記事で参照した公開情報
- 中小企業基盤整備機構「中小企業のＡＩ等の利活用に係る実態調査」（2026年3月公表、全国の中小企業1万社）
- GMOインターネット 発表（2026年7月24日）
- サイバーエージェント 発表（2026年7月9日）
- MIXI 発表（2025年8月21日、削減時間はアンケート有効回答338件に基づく）
- METR ランダム化比較実験（2025年7月10日公開、開発者16名・課題246件）
- Veracode 調査レポート（2026年7月28日公開）
数値はいずれも各社・各機関の発表に基づきます。最新の状況は公式発表をご確認ください。
