5年分の仕事が2週間。コストは約180万円。

AsanaがOpenAIのCodexを使い、古いテストコードベースの刷新を2週間で終わらせた。従来のエンジニアリング見積もりでは5年かかる作業だった。かかったコストは約12,000ドル（約180万円）。

この数字を見て「すごいね」で終わるか、「うちでもできないか」と考えるか。ここが分かれ目だ。

重要なのは、Asanaがやったことの本質は「AIにコードを書かせた」ではない。人間がやると5年かかる退屈な作業を、AIに丸投げできる形に分解し、自動で回る仕組みにしたということだ。テストコードのマイグレーションという、誰もやりたくないが誰かがやらなければならない仕事。まさに「勝手に終わっている」の理想形だった。

では問いを立てよう。従業員10人、IT予算月5万円の会社が、この構造を再現できるか？

結論から言う。Asanaとまったく同じことはできない。だが、同じ構造——「退屈な繰り返し作業をAIに丸投げして勝手に終わらせる」——は、今日から再現できる。

—

Asanaが本当にやったことを分解する

まず事実を整理する。

Asanaのエンジニアリングチームは、レガシーなテストフレームワークからの移行作業を抱えていた。数千ファイルにわたるテストコードを新しい形式に書き換える必要があった。人間がやれば、1ファイルずつ読んで、理解して、書き換えて、動作確認する。気の遠くなる作業だ。

Codexにやらせたのは、この「パターン化できる書き換え作業」だ。ポイントは3つある。

1. 作業がパターン化されていた。 「旧形式→新形式」の変換ルールが明確だった。
2. 1件あたりの作業が独立していた。 ファイル単位で処理でき、前後の依存が少なかった。
3. 成否の判定が自動化できた。 テストが通るかどうかで、変換が正しいか機械的に判断できた。

この3条件が揃ったから、AIに「投げて、回して、確認して、次」のループを自動で回せた。人間はループの設計と例外処理だけやればよかった。

逆に言えば、この3条件が揃う業務なら、10人の会社でも同じことができる。

—

10人の会社にある「5年分の退屈な仕事」

Asanaのケースはコードの話だったが、中小企業の現場にも「誰もやりたくないが、やらないと回らない」仕事は山ほどある。

• 請求書の入力と突合。 毎月届く紙やPDFの請求書を会計ソフトに手入力。月20時間。
• 問い合わせメールの分類と一次回答。 同じような質問に同じような返事を書く。月15時間。
• 商品データの整形とECサイトへの登録。 CSVの項目を並べ替えて、画像をリサイズして、説明文を書く。1商品30分×月50商品＝月25時間。
• 日報・週報の集約とレポート作成。 各メンバーの報告をコピペしてまとめる。週3時間。

これらはすべて、先ほどの3条件——パターン化できる、独立して処理できる、成否を判定できる——を満たしている。つまり、AIに丸投げできる構造を持っている。

—

月5万円で何ができるか——具体的なコスト計算

「AIを使う」と聞くと、高額なシステム開発を想像するかもしれない。だが2025年現在、コスト構造は劇的に変わっている。

具体的に見てみよう。

合計：月1万〜2万円。 月5万円の予算なら十分おつりが来る。

残りの3万円は何に使うか？ 試行錯誤の余白に使う。 新しいAPIを試す、別のモデルを比較する、失敗する。この「実験予算」があるかないかが、自動化が定着するかどうかの分かれ目だ。

—

再現するための4ステップ

ステップ1：「やりたくない仕事リスト」を作る

社内で「誰もやりたくないけど毎月やっている作業」をリストアップする。ポイントは、作業時間ではなく心理的な重さで優先順位をつけること。「月5時間だけど毎回憂鬱」な作業こそ、自動化の効果が大きい。人が辞める原因になっている作業は、時間以上のコストがかかっている。

ステップ2：3条件でフィルタリングする

リストアップした作業を、Asanaの成功条件で選別する。

• パターン化できるか？（毎回ほぼ同じ手順か）
• 1件ずつ独立して処理できるか？（前後の依存が少ないか）
• 正しくできたかを機械的に確認できるか？（数字が合う、形式が正しい等）

3つとも「はい」なら、今すぐ自動化できる。2つなら工夫次第。1つ以下なら後回し。

ステップ3：最小単位で自動化する

いきなり全部を自動化しない。1つの作業の、1つの工程だけを自動化する。

例：請求書処理なら、まず「PDFからテキストを抽出する」だけを自動化する。抽出結果を人間が確認して、会計ソフトへの入力は手動のまま。これで十分だ。

なぜか。全自動にこだわると、例外処理の設計で止まる。 中小企業に「例外処理を設計する専任エンジニア」はいない。だから、AIがやる部分と人間がやる部分の境界を明確にして、AIには「パターン通りの部分」だけをやらせる。例外は人間が拾う。この割り切りが、10人の会社で自動化を回すコツだ。

ステップ4：「勝手に回る」仕組みにする

最小単位の自動化がうまくいったら、n8nやMake（旧Integromat）などのワークフローツールで、トリガーを設定する。「メールが届いたら」「フォルダにファイルが追加されたら」「毎朝9時に」——これで、人間が起動ボタンを押さなくても勝手に動く状態になる。

ここまで来ると、朝出社したら「あ、もう終わってる」が起きる。これがAsanaと同じ構造だ。規模は違う。だが体験は同じだ。

—

中小企業だからこそ有利な点がある

大企業がAI自動化を導入しようとすると、セキュリティ審査、稟議、ベンダー選定、PoC、本番移行——半年から1年かかる。

10人の会社なら、今日の午後に始められる。

意思決定者と実行者の距離がゼロに近い。「やってみよう」から「動いた」まで最短1日。これは構造的な優位性だ。大企業には真似できない。

もう一つ。中小企業の業務は、大企業に比べて例外が少ない。 取引先が100社あるのと10社あるのでは、パターンの複雑さがまるで違う。パターンがシンプルなほど、AIの精度は上がる。つまり、中小企業のほうがAI自動化と相性が良い。

—

「で、結局どうすればいいの？」

明日やることは1つだけでいい。

社内で一番「やりたくない」と思われている繰り返し作業を1つ見つけて、その作業の最初の1工程だけをAIにやらせてみる。

ChatGPTでもClaudeでもいい。APIを叩かなくてもいい。まずは手動でプロンプトに入力して、出力を確認する。「あ、これ使えるな」と思えたら、次はAPIで自動化する。その次はワークフローツールでトリガーを設定する。

1工程の自動化にかかるコストは、ほぼゼロだ。必要なのは、2時間の試行錯誤だけ。

Asanaは12,000ドルで5年分の仕事を終わらせた。あなたの会社は、0円で最初の一歩を踏み出せる。

「勝手に終わっている」は、大企業の特権ではない。

—