AI導入のステップ

Steps of AI Adoption ─ 組織のAI活用がたどる5段階と、各段階のボトルネック・プロダクト・ガードレール

Boris Cherny2026年7月16日日本語訳

原文: Steps of AI Adoption（Claude アーティファクト）。原文は6列テーブルだが、本ページではステップごとのカード形式に再構成した。

ステップ0: ゲートありGated
エージェント数: 0

どんな状態か

承認されているのは旧世代または軽量・高速なモデルだけ。AIゲートウェイや独自認証を経由するたびにレイテンシが積み重なる。MCPのガバナンスはなく、社内のAIツールへのアクセスは関門付きか、手続きが重い。

Claudeが作成したコードやアーティファクトをホスティングするためのITインフラも承認経路もなく、成果物はローカルにしか存在しない。

ボトルネックは何か

旧来型のセキュリティ・承認プロセス。成果ではなくトークン単価の抑え込みに焦点が当たっている。意思決定の場に本物の技術者の声がない。

このステップで役立つプロダクト

  • Claude.ai チャット

ガードレール

  • SSO/SCIM とロールベースのアクセス制御
  • 組織レベルの予算上限
  • 既存の承認フロー / IAM の内側でのデプロイ
  • データガバナンスパッケージ
0 → 1ステップ0から1へ進むには: 経営層・購買決定者との合意形成と、ブロッカーのエスカレーション。Claudeを安全に導入するためのフレームワーク
ステップ1: アシストAssisted
あなたの役割: あなた＋エージェント1体（ペア）
エージェント数: 〜1

どんな状態か

エンジニア1人にエージェント1体、ほぼ常に監視付き──高速なペアプログラマー。セッションは一度に1つだけ動かし、マージ前にほぼすべての変更をレビューする。

アンロック: 午後まるごと潰れていた変更が、会議の合間に終わるようになる。

ボトルネックは何か

あなたの注意力と、応答・コード編集を逐一確認する必要性。モデルの出力への信頼が低く自己検証もないため、「全部読まなければ」と感じて目が離せない。

作業が同期的になる。次のタスクへ進まず、Claudeが働く様子を座って見守ってしまう。

このステップで役立つプロダクト

  • Claude Code（デスクトップ・CLI・IDE）
  • Claude Cowork、Claude Design
  • Anthropic API・Bedrock・Vertex・Microsoft Foundry 経由での利用
  • Claude Code アナリティクスダッシュボード＋Analytics API
  • Claude Enterprise 向け Compliance API
  • 編集前に意図をレビューできるプランモード

ガードレール

  • シート単位の支出上限
  • モデル / effort 設定の集中管理
  • ポリシーの集中管理
  • 既存の SIEM / オブザーバビリティ基盤への OpenTelemetry エクスポート
1 → 2ステップ1から2へ進むには: エージェントを同時に複数動かす。信頼できる自己検証ループ（テスト＋ビルド＋lint＋実際の開発環境でのE2Eテスト）。許可プロンプトで作業が止まらないようにするオートモード。コードレビューの自動化
ステップ2: 並列Parallel
あなたの役割: オーケストレーター
エージェント数: 〜10

どんな状態か

エンジニア1人が5〜10体のエージェントを同時にオーケストレーションする。各エージェントは自分のworktreeまたはgitチェックアウトを持ち、あなたはその間を行き来する。Claudeはあなたが見る前に、自分の成果物を自分で検証する──テスト・ビルド・lint・セキュリティスキャン。オートモードは常時オン。自動コードレビューとセキュリティレビューはデフォルトで有効。アウトプットは何倍にもなり、キー入力ではなく最終diffをレビューするようになり、メンテナンス作業のバックログが縮み始める。コードの大半はClaudeが書く。

アンロック: チームで数週間かかっていたバックログが、エンジニア1人の午後のオーケストレーション作業に収まる。

ボトルネックは何か

アウトプットのレビュー。自分の手で書くコードは減るが、代わりに6本のストリームを確認することになり、そちらに時間を取られる。

複数セッションを行き来しながらのプロンプティングとモデルの誘導。

このステップで役立つプロダクト

ガードレール

  • チームの利用状況を監視する Analytics
  • コード品質の自動強制: lint・自動テスト・型チェック
  • Claude による E2E 検証（例: Claude Chrome 拡張や iOS/Android シミュレーター MCP を使用）
  • 手動でのコードレビュー・マージ・セキュリティレビュー。人間のコードとエージェント生成コードに同じ品質基準を適用する
  • よく使う安全な bash / MCP コマンドを settings.json で事前承認しておく
2 → 3ステップ2から3へ進むには: Claudeが自力でコンテキストを取り込める経路を用意する（コード・Wiki・議論を読めるようにする）。裁量とコードレビューの速度（エージェントは他チームが所有するコードにも触れうる）。仕事をループとルーチンに分解する。ClaudeがClaudeを起動できるようにする
ステップ3: 監督付き自律Supervised autonomy
あなたの役割: マネージャーのマネージャー（組織ツリー）
エージェント数: 〜100

どんな状態か

コードのすべて、またはほぼすべてをClaudeが書く。「コードは読んだ？」という問いが、「モデルに欠けていたコンテキストは何か、次回に向けてどう解決するか？」に変わる。

アンロック: 以前なら手動で起動しなければならなかった仕事を、Claudeが先回りしてこなす。誰かが時間を見つけるまで放置されていたメンテナンスや掃除が、バックグラウンドで継続的に回るようになる。

ボトルネックは何か

ループへの信頼と、チームの意思決定スループット。エージェントツリーは深すぎて逐一見張れない。ループが十分な信頼を得る前にエージェント数を増やしてしまうのが罠。

利用の拡大に伴い、トークンが効率的に使われていることの担保。監視（OTel や Analytics 経由）に加え、実験を奨励しつつ、社内ユースケースが PMF に達したらコストを管理する文化が必要。自問すべきは「これはエンジニアなら自分でやったであろう仕事か？」。

このステップで役立つプロダクト

  • worktree 分離付きサブエージェント（並列エージェント同士が衝突しない）
  • 反復作業をファンアウトする Routines・/loop・/batch・/goal
  • 動的ワークフロー
  • Claude Tag（チャンネルやデータソースを監視させ、先回りでタスクを起動）

ガードレール

3 → 4ステップ3から4へ進むには: ドメイン固有ユースケース（例: コード移行、ファジング、機能開発、フィードバック対応）の大規模な自動化
ステップ4: AIネイティブAI-native
あなたの役割: 意図で舵を取る VP
エージェント数: 〜1,000+

どんな状態か

ループは完全に閉じ、エージェントの大半はClaudeが起動する。数百〜数千のエージェントが走り、あなたは意図で舵を取り、例外だけを監視する。

アンロック: 四半期がかりの移行が、「起動して様子を見るだけ」のワークフローになる。

ボトルネックは何か

自動化すべき仕事を大規模に特定して自動化すること。そして、仕事の種類ごとに適切なガードレールを敷くこと。

このステップで役立つプロダクト

  • エージェントをプログラムから構築・スケジュールする Claude Agent SDK
  • Claude Tag（ほとんどの Slack チャンネルで稼働し、投稿に自動応答）

ガードレール

  • 自動化に対するコスト管理
  • 自動化に対するモデル選択