AI組織は「作れるか」ではなく「どこまで任せるか」の問題だった
結論から書きます。ClaudeとMCPを使えば、AIに役割と権限を与えて「組織」として動かすことは、個人事業の規模でも実現できます。私は現在、21体のAIエージェントで構成された「CatalyDesign AI OFFICE」を一人で運用しています。人間は私だけ。それでもブログの下書き、見積や契約書のドラフト、請求書の発行、会計仕訳、予実管理までが、この組織の中を流れています。
ただし、作ってみて分かったのは、技術よりも「AIにどこまで任せて、どこから人間が引き取るか」の線引きこそが本体だということでした。この記事では、ツールの紹介ではなく、実際に運用している私の実感ベースで、仕組みと運用の実際を書いていきます。
AI組織とは何か。私の場合は「21人の社員がいる3Dオフィス」
まず全体像から。私のAI組織は、ブラウザで開ける3Dオフィスの形をしています。エスカレーターを挟んでデスクが並び、壁にはライブダッシュボード、奥には本棚の並ぶライブラリ。そこに21体のエージェントが席についていて、頭上に「SEOエディター」「リーガル担当」「営業・CRM担当」といった肩書きが浮かんでいます。誰かがタスクに着手すると、そのキャラクターが席で働き始め、画面下のカウンターが「進行中9件」と動く。見た目は可愛いのですが、中身は毎日使っている業務システムです。
エージェントには00番から20番まで番号を振り、組織図に登録しています。00番は「ORCA」というAI社長室長で、私からの依頼を読んでタスクに分解し、担当へ割り振るオーケストレーター役。その下にSEOエディター、コピーライター、デザイナー、デベロッパー、経理・税務担当、リーガル担当、営業・CRM担当……と、普通の会社にいる顔ぶれが並びます。
正直に言うと、最初は3Dオフィスなんて飾りだと思っていました。でも運用してみると、「誰が・いま・何をしているか」が一目で見えることは、AIを組織として扱う上で想像以上に効きます。チャットのログを遡らなくても、オフィスを眺めれば状況が分かる。この「眺められる」ことが、複数のAIを同時に走らせる心理的なハードルをかなり下げてくれました。
仕事の流れ：依頼して、AIが作り、私が承認する
日々の流れはシンプルです。私が「コーポレートサイトのリニューアルについて記事を書いて」「この案件の見積を2案で」と日本語で依頼を投げる。ORCAが内容を解釈して担当を選び、タスクを起票する。担当エージェントは、職種ごとに用意した「スキル」（実行手順書）と社内ナレッジを参照しながら、そのまま使える完成度で成果物を作る。できあがった成果物は承認キューに入り、私が確認して承認するか、理由を付けて差戻すか。承認されたブログ記事はCMSに下書き登録され、公開へ進みます。
タスク同士は依存関係でつなぐこともできます。構成案のタスクが承認されると、その成果物を引き継いで執筆タスクが自動で走り出す。前工程の成果が次工程へ渡っていくので、私がやるのは最初の依頼と、要所での承認だけです。直近の実績で言うと、この体制でブログの下書きが6本、承認を通って公開待ちまで進みました。契約書のドラフトや実案件の見積も、同じ流れで承認キューを通過しています。
一番大事な設計：権限規程L1/L2/L3
AI活用の話をすると必ず聞かれるのが「AIが勝手に変なものを外に出さないの？」です。私の答えは、人間の会社と同じで、権限規程で縛る、です。すべてのタスクには起票時に3段階の権限レベルを設定します。
レベル | 意味 | 用途の例 |
|---|---|---|
L1 | エージェント完結の自動実行 | 社内向けの集計・調査メモ |
L2 | 代表の承認後に実行・使用 | ブログ記事、見積、SNS投稿案 |
L3 | 人間のみ（AIはドラフトまで） | 契約レビュー、規程の変更 |
そして、うちの組織で唯一の「不変の原則」がこれです。クライアントや公開Webなど外部に出るものは、必ずL2以上。つまり例外なく人間の目を通してから外に出す。実際、契約書のような重要書類はL3に設定していて、AIにはドラフトまでしか任せません。最終判断は必ず私がやります。AIの生産力は借りつつ、責任は人間が持つ。この線引きを制度として最初に決めたことが、安心して任せられる範囲を広げる一番の近道でした。
バックオフィスこそAI組織の本領だった
意外だったのはここです。記事作成のような「生成AIらしい仕事」よりも、地味なバックオフィスの方が効果を実感しやすかった。うちで実際に回している例を3つ挙げます。
ひとつ目は請求書の自動作成。案件情報から請求書の生成までを自動化して、月末にスプレッドシートと格闘する時間がほぼなくなりました。インボイス対応の様式も一度仕組みに落としてしまえば、あとは毎月同じ品質で出てきます。
ふたつ目は会計仕訳の自動化。会計ソフトと連携して、取引データからの仕訳起票を自動化しています。副業で会社を回していると経理に割ける時間は深夜しかないので、ここが自動で流れる恩恵は正直大きい。
みっつ目は予実管理。会計年度×勘定科目×月で予算を持たせて、実績との対比をチャットから確認できるようにしました。「今月の広告費、予算に対してどう？」と聞けば数字が返ってくる。経営の数字を見る習慣は、仕組みが楽になると自然と増えます。
どれも派手さはありません。でも、一人でやっている事業のボトルネックは大抵こういう管理業務です。AI組織に「経理部」と「管理部」ができたことで、私は制作と顧客対応に時間を使えるようになりました。
差戻しの理由が、そのまま教材になる
運用していて一番面白いのは、この仕組みです。タスクを差戻すときは、理由コメントの記入が必須にしてあります（システム側で省略できないようにしました）。「トーンが硬い」「この用語の定義が組織辞書と違う」。こうしたコメントは全部記録されて、AIが会社の判断基準を学ぶ教材として貯まっていきます。
あわせて「一発承認率」（差戻しなしで承認された割合）と「タスク単価」（タスク1件あたりのAPI費用）をKPIとして見ています。差戻しが減れば私のレビュー時間が減り、タスク単価が下がれば同じ予算でこなせる仕事が増える。AIを使いっぱなしにせず、組織として改善のループを回す。ここまでやって初めて、AIは道具から「育つメンバー」になると感じています。
組織の記憶を作る：本棚・スキル・組織辞書
会社の強さは、個人ではなく組織に知識が貯まることだと思っています。AI組織にも同じ構造を入れました。ライブラリ（本棚）は業務で得た学びを保存するナレッジベースで、エージェントは作業前にここを検索します。スキルは職種ごとの実行手順書。組織辞書は用語定義の「正」で、社名表記からブランドタグライン、財務用語の定義まで、全エージェントがこれに従います。地味ですが、これがないとAIごとに言葉の解釈が揺れて、成果物の品質が安定しません。
議題を渡すと役員格のエージェントが多視点で討議して議事録を残す経営会議の機能もあります。一人経営の弱点は、壁打ち相手と会議体がないこと。ここをAIで補えるのは、想像していた以上に精神的な支えになっています。
なぜClaudeなのか：MCPで「会話がそのまま業務指示」になる
この仕組みの土台は、Claudeが標準対応しているMCP（Model Context Protocol）というオープンな接続規格です。AI OFFICEはMCPサーバーとして実装してあり、Claudeのチャット画面から直接、タスクの起票、スキルの取得、成果物の提出、承認状況の確認ができます。要するに、いつものClaudeとの会話が、そのまま組織への業務指示になる。専用の管理画面を行き来する必要がありません。
そして白状すると、このシステムの開発自体もClaudeと一緒にやりました。3Dオフィスの描画も、承認ワークフローも、MCPサーバーの実装も、対話しながら組み上げたものです。私は本業の傍らでこれを作っています。数年前なら開発チームが必要だった規模のものが、副業の時間で現実に動いている。この事実そのものが、いま生成AIに起きている変化だと思います。
まとめ：「AIを使う」から「AI組織を経営する」へ
やってみて分かったことを一言でまとめるなら、AI組織づくりの本体はプロンプトではなく制度設計です。役割を決め、権限を決め、承認の線を引き、判断の理由を記録して、知識を組織に貯める。どれも人間の会社が昔からやってきたことで、それをAIに適用しただけとも言えます。
一人の会社に21人の社員がいて、全員が24時間働けて、差戻しから学び、知識を貯めていく。人手不足に悩む中小企業や、事業を広げたい個人事業主にとって、これはかなり現実的な選択肢になってきたというのが、運用している私の実感です。
