AIエージェントは「作業する道具」から
「仕事を育てる存在」へ変わるのか？

AIに仕事を任せる時代から、AIと仕事を育てる時代へ。

2026年、AIエージェントの進化が新しい段階に入り始めている。

OpenAIは、常時稼働型エージェント「dots」を発表した。GoogleはAntigravityにGemini 4 Argonを搭載し、複雑な開発工程を長時間にわたって進める能力を強化している。Codexもクラウド上の開発環境を拡充し、手元のPCから離れていても仕事を進められるようになった。

これらの変化は、単にAIが高性能になったという話ではない。

これまでのAI活用は「この仕事を、いかに早く終わらせるか」が中心だった。

しかし、これからは別の問いが生まれる。

「この仕事を、どうすれば半年後、1年後にも成長し続けるものにできるか？」

AIは、人間が依頼した作業を実行する道具から、仕事を継続的に支え、育てるための環境へと変わっていくのかもしれない。

1. AIは「完成させること」を劇的に速くした

生成AIが登場してから、私たちの制作環境は大きく変わった。

文章を書く。画像をつくる。プログラムを組む。動画を生成する。Webサイトやアプリケーションを開発する。

かつては専門的な技能と長い時間を必要とした工程の一部を、AIが短時間で実行できるようになっている。

特にCoding Agentの登場によって、その変化はさらに進んだ。

AIは、単にコードを提案するだけではなくなった。既存のファイルを読み、複数箇所を修正し、テストを実行し、結果を報告できるようになっている。

一人でできる仕事の範囲が広がったことは間違いない。

しかし、ここには一つの問題が残っている。

AIが何かを完成させた後、その仕事をどう育てていくのか。

Webサイトは、公開した瞬間に価値が確定するわけではない。

記事を追加し、読者の反応を確かめ、導線を修正し、環境の変化に対応する。時間の経過とともに、情報の蓄積やサイト全体の構造が価値を持ち始める。

アプリケーションも同じだ。

つくった段階では仮説にすぎない。実際に使われ、問題が発見され、改修されることで、少しずつ意味のあるプロダクトになっていく。

AIは「つくること」を速くした。

だが、「つくったものを育てること」は、これまで人間の継続的な努力に大きく依存していた。

2. AIエージェントに「時間軸」が加わり始めた

従来のAIチャットは、基本的には人間の問いかけを起点としていた。

人間が質問すると、AIが答える。人間が依頼すると、AIが作業する。

Coding Agentになってからは、一つの依頼の中で複数の作業を連続して実行できるようになった。

そして2026年、エージェントはさらに長い時間軸の仕事を担う方向へ進んでいる。

象徴的なのが、OpenAIのdotsだ。

dotsは、専用のクラウドコンピューターを持ち、接続されたアプリや継続的な文脈を使って、ユーザーの目標に沿った仕事を進めるエージェントとして発表された（なお、dotsは全ユーザーに即時開放されている標準機能ではなく、対象の契約プランや提供地域へ向けて段階的に提供されている）。

一方、Codex Cloudは、開発用のクラウド環境でタスクを実行できる。Antigravityも複数エージェントの管理やスケジュールされた作業を支援する。

これらは同じ製品ではない。できることも、継続性の仕組みも、利用条件も異なる。

しかし、共通する方向性がある。

人間が常に操作し続けなくても、一定の範囲で仕事が進むこと。

これは、単なる処理速度の向上とは違う。

AIとの関係が、一回ごとの依頼から、継続的な役割の委任へと広がっているのである。

3. 「作業を終わらせるAI」と「仕事を育てるAI」は何が違うのか

例えば、ある人が専門情報を発信するWebメディアを立ち上げたとする。

従来のAIの使い方なら、次のような依頼になる。

• 「この記事を書いてほしい」
• 「比較表をつくってほしい」
• 「このHTMLを修正してほしい」

いずれも、仕事の単位は一つの成果物だ。

では、継続的な役割を持つエージェントに依頼するとどうなるだろう。

ここでは、AIが担当する仕事の範囲が変わる。

記事を書くこと自体が目的ではない。

読者の課題を発見し、それを解決する情報を蓄積し、メディア全体の価値を高めることが目的になる。

実現するには、AIがサイトの方針を参照し、過去の修正内容を踏まえ、分析結果を確認し、次の施策を提案できる仕組みが必要だ。

もちろん、すべてを自動化できるわけではない。各サービスの権限、連携機能、データへのアクセス、承認手順によって実行可能な範囲は異なる。

だが、AIに依頼する単位が変わってきていることは確かだ。

「成果物をつくる」から「成果物が育つ仕組みを支える」へ。

ここに、次のAIエージェントの可能性がある。

4. 仕事を育てるには「記憶」よりも「継続的な文脈」が重要になる

仕事を育てるために必要なのは、過去の会話を大量に覚えていることだけではない。

例えば、長く運営しているメディアなら、次のような情報が必要になる。

• 何のために運営しているのか。
• どのような読者に届けたいのか。
• 過去にどんな記事をつくり、何が読まれたのか。
• なぜその構成にしたのか。
• どの施策が成功し、どの施策が失敗したのか。
• 何を優先し、何を意図的にやらないのか。

これらは、単なるデータではない。

判断の積み重ねによって生まれた、仕事の文脈である。

どれほど高性能なAIであっても、その文脈を共有できなければ、毎回ゼロから考えることになる。

逆に、仕事の目的、過去の判断、現在の状態が整理されていれば、AIは継続的な改善を支援しやすくなる。

これは、AIエージェントの性能だけで解決する問題ではない。

情報をどのように整理し、記録し、更新し、次の判断へ引き継ぐか。

つまり、AIの能力と同じくらい、仕事の構造そのものが重要になる。

5. AIは仕事を「自動で成長させる」わけではない

ここで、誤解してはいけないことがある。

AIエージェントが常時稼働するからといって、仕事の価値が自動的に高まり続けるわけではない。

例えば、AIが毎日新しい記事を公開しても、それだけでは良いメディアにはならない。

読者に必要とされていない情報を大量に増やせば、かえって価値を損なう可能性もある。

ソフトウェアでも同じだ。

AIが継続的に機能を追加しても、使いやすさや信頼性が改善するとは限らない。

むしろ、目的が曖昧なまま自動化を進めれば、間違った方向への変化を加速させてしまう。

仕事を育てるには、少なくとも三つの要素が必要になる。

AIが支援できる工程は増えている。

しかし、価値をどう定義し、何を守り、何を変えるのかという判断まで、すべてAIに委ねるべきではないだろう。

6. 仕事の価値は「瞬間的な完成度」から「時間による蓄積」へ

ここには、AI時代の価値について考える重要な視点がある。

これまで、専門技術を使って何かをつくれること自体に、大きな希少性があった。

しかしAIによって、多くの人が一定水準の文章、画像、コード、デザインを短時間で制作できるようになった。

すると、完成品をつくる能力だけでは差別化しにくくなる。

では、何に価値が残るのか。

一つの答えが、時間によって積み重ねられたものだと思う。

• 長く運営されてきた専門メディア。
• 利用者からのフィードバックによって磨かれたサービス。
• 何度も改修され、現場で使われ続けているソフトウェア。
• 継続的な試行錯誤から生まれた研究や表現。

こうしたものには、単発の生成では簡単に再現できない価値がある。

もちろん、長く続ければ必ず良いものになるわけではない。

重要なのは、時間そのものではなく、その間に繰り返される検証と学習である。

AIは「一回で高い完成度に到達する力」を広げた。

これからは、その力を使って、改善を繰り返すための時間と試行回数を生み出せるかが問われる。

AIによって短縮できた時間を、さらに多くの成果物の量産に使うのか。

それとも、一つの仕事を長く育てるために使うのか。

ここに、AIの活用方法の大きな分岐点がある。

7. 人間は「作業者」から「育てる人」へ変わるのか

AIエージェントが進化するほど、人間の仕事がなくなるのではないかという議論が生まれる。

実際、これまで人間が担ってきた作業の一部は、自動化されていくだろう。

しかし、仕事は作業の集合だけではない。

そこには目的があり、関係性があり、時間の中で変わっていく価値がある。

例えば、Webサイトの改修作業をAIに任せられるようになれば、人間は何を改善すべきかを考えることに時間を使える。

情報収集をAIに支援してもらえれば、人間は情報をどう解釈し、どのような問いを立てるかに集中できる。

日常の運用を一部委ねられれば、次の挑戦や新しい企画を考える余裕が生まれる。

ただし、AIに判断を委ねる範囲が広がるほど、成果物への責任、検証、権限管理の重要性も高まる。

人間が不要になるのではなく、人間が関わるべき場所が変わっていくのだと思う。

仕事を育てる人に必要なのは、あらゆる工程を自分の手で実行する能力だけではない。

目指す方向を示し、異なる専門性を組み合わせ、成果を見極め、修正を続ける力だ。

AIエージェントは、そのための新しい仕事環境になり得る。

8. 仕事を育てるAI環境を、どう設計するか

では、この考え方を現実の仕事に取り入れるには、何から始めればよいだろう。

私は、すぐに仕事全体を自動化する必要はないと思う。

まずは、繰り返し発生する一つの仕事を選ぶことから始められる。

例えば、専門メディアの更新なら、次のような進め方が考えられる。

この循環が成立すると、AIの仕事は単発の依頼ではなく、継続的な改善活動の一部になる。

重要なのは、AIを常に働かせることではない。

AIが動くたびに、仕事の価値がどの方向へ変化したのかを確認できること。

これこそが、仕事を育てるための環境設計なのだと思う。

9. クラウドAIが進化するほど、手元の制作環境にも役割が生まれる

ここで、CORE SPECとしてもう一つ考えておきたいことがある。

常時稼働型エージェントが普及すると、高性能なローカルPCは不要になるのだろうか。

必ずしもそうではない。

調査、計画、Webサービスの操作、クラウド上のソフトウェア開発などは、クラウドAIに任せられる領域が広がっている。

一方、リアルタイム映像、3DCG、ローカルデータを扱う制作、GPUを使った検証、低遅延が必要なインタラクティブ表現などでは、手元の計算資源が引き続き重要になる。

今後は、すべての作業を一台のPCで完結させる必要も、すべてをクラウドに移す必要もない。

• AIエージェントに何を任せ、ローカルPCで何をつくるのか。
• どのデータを手元に保持し、何を外部サービスに委ねるのか。

こうした役割分担が、制作環境を設計する上で重要になっていく。

AIを動かすためだけに高性能PCを買うのではなく、自分が実現したい仕事に必要な計算環境を選ぶ。

この考え方は、AI時代においてますます重要になるはずだ。

10. まとめ：「何をつくれるか」から「何を育ててきたか」へ

AIエージェントは、これからますます多くの作業を実行できるようになるだろう。

しかし、その進化の本質は、単に人間の作業を置き換えることではないと思う。

• 一度つくったものを、継続して改善できること。
• 過去の試行錯誤を、次の判断につなげられること。
• 人間が限られた時間の中で、より長い時間軸の仕事を育てられること。

そこに、新しい可能性がある。

もちろん、AIが自動的に価値を判断し、信頼を獲得し、事業を成長させてくれるわけではない。

育てる仕事には、人間が目的を持ち、現実と向き合い、判断を続けることが必要だ。

ただし、その判断を支える環境は、大きく変わり始めている。