AIを役割分担させると、仕事が勝手に回り始める

実践者のあいだで静かに広がっている設計がある。AIを1つに絞るのではなく、業務フェーズごとに複数のAIを使い分ける「役割分担型」のアプローチだ。

注目したいのは、この動きが特定の業種に限らず広がっている点。営業領域では、SalesforceのデータをClaudeに読み込ませ、コール準備・案件レビュー・パイプラインダッシュボード作成・フォーキャスト送信まで37種の営業スキルで対応するという使い方が報告されている。開発領域では、Claudeが原因仮説と修正方針の判断を担い、実際のコード修正・ビルド・テストはGrok Buildへ、ログ整理やREADMEなどのドキュメント系はQwenへ、という分業設計が実践されている。

共通しているのは「判断はClaude、実行・整理は別ツール」という構造だ。Claudeを「司令塔」として使い、他のAIをその指示で動く「実行層」に置く。この設計は偶然ではなく、各ツールの特性を意識した意図的な選択といえる。AIツール使い分けで作業効率が変わるでも取り上げたように、ツールの特性に合わせた割り当てが実務では差になってくる。

この分業設計が機能する理由は、AIごとの得手不得手にある。

Claudeは長文コンテキストの保持と構造的な推論が得意で、「この案件は優先すべきか」「このコードのどこが危険か」といった判断・評価タスクに強みを発揮しやすい。一方、コードの実際の修正・実行・テスト、あるいはドキュメントの大量生成といった「実行」フェーズは、速度やコストの観点から別ツールに任せるほうが合理的なケースがある。

もう一点、興味深いのはこの設計が「AI同士の連携」ではなく「人間が設計した役割マップ」であるということ。AIが自律的に連携しているわけではなく、使う側の人間がフローを設計し、各AIへの入出力を繋いでいる。つまり、AIリテラシーの本質は「いいプロンプトを書く力」から「フローを設計する力」にシフトしてきているともいえる。

ClaudeがSalesforceと連携、営業AIが現実になったでも触れたように、個別ツールの機能が高度化するほど、それをどう組み合わせるかが使う側の腕の見せ所になる。

役割分担設計を始めるにあたって、まず有効な方法は自分の業務フローを3つに分類することだ。

判断層：何をするか・どう進めるかを決めるフェーズ。案件の優先度付け、コードの方針検討、企画の方向性決定など。

実行層：判断をもとに実際に生成・処理するフェーズ。コードを書く、メールを送る、データを変換する、画像を生成するなど。

整理層：生成物をまとめ、記録し、共有するフェーズ。ドキュメント作成、ログ整理、レポート生成、更新履歴の記録など。

この3層を自分の業務に当てはめてみると、「自分が今AIに全部やらせようとして詰まっているのはどこか」が見えてくる。多くの場合、判断と実行を1つのAIに丸投げしていることで、精度が下がったり、出力が長大になりすぎたりするケースがある。

分業設計の最初の一手は、大げさな自動化ではなく「この業務の判断フェーズだけClaudeに任せる」という小さな切り分けから始めるとイメージが掴みやすい。