AI Native

AIマインドセットを言語化する：道具としてのAIからAI中心運用までの1年

2025/12/28

初めに：AIマインドセットを言語化したい

社内で「AI マインドセット」という言葉がよく出るようになりました。
そしてそれが、AI マインドセットに切り替わった人にだけ通じる言葉になっていると感じました。

来年もAI Enabling Teamとして推進を続けるにあたり、AIマインドセットというふわっとした言葉をもう少し言語化したいと思いました。
2025年はAIによって大きく変わった年でもあるので、AIを軸とした振り返りもしつつ言語化に向き合おうと思いました。
振り返ってみると、ずっと同じ向き合い方をしていたわけではなく、何度か変わっていたことに気づきました。

1 月 〜 4 月：道具としてのAI

Devin / Cline / GitHub Copilot の Agent Mode に触れ始めた時期です。
この頃の僕にとって AI は、ちょっと面白いツールくらいの感覚でした。

コード生成は Copilot のコード補完が「一気にできるようになった」版くらいの感覚で、コードリーディングはジュニア〜ミドルエンジニアくらいの精度感で任せられる手応えを得ていました。
その特性を活かして、コードリーディングが必要な運用作業や社内問い合わせの事前調査は Devin に任せ、開発で簡単な定型作業は Cline / Copilot Agent に依頼していました。
使い所が見えてきて、うまく使い分けられる感覚が出てきました。
2ヶ月間、プロダクト開発を効率化するためにAI AgentのDevin / Clineを活用した所感

Sonnet 3.5 から 3.7 までの期間の短さと進化の大きさに衝撃を受けて、今後どんどん仕事が効率化する確証を得ました。

この時期の AI はあくまで補助で、主導は人間で AI は従う立ち位置でした。

4 月 〜 6 月：コンテキスト整備で“人間味”が出始める

4 月ごろは Cursor の全社導入が話題になっていて、謎の焦りから個人開発で Cursor を使い始めるようになりました。
Cursor の利用がきっかけで Cursor Rules や MCP に興味を持ち、コンテキストエンジニアリングに向き合い始めました。
個人開発で MCP サーバーを作ってみての感想

ルールやドキュメントを用意することでアウトプットの質が変わっていくのを見て、AI を育てる感覚が芽生え、人間味を感じるようになりました。
Devin と Slack で会話してドメイン知識をドキュメント化してもらったり、ChatGPT の音声会話機能で相談するようになり、後輩エンジニアとペアプロしている感覚に近い状態になりました。

この時期から、個人開発の小さなプロダクトでうまくいったコンテキスト整備の方法を仕事に反映し、また個人開発で実験する循環ができました。
仕事で直接実験すると時間が足りずに辛いので、個人開発で検証できたのが良かったです。

この時期はチームで出したタスクの一部を Devin くんに任せるようになり、AI は「横に並ぶチームメンバー」という感覚になりました。

6 月 〜 7 月：Claude CodeでAI主導が見え始める

Claude Code が正式リリースされたタイミングで、世の中は Claude Code の話題一色でした。
Claude Code は Devin より賢く並列もできて返答が高速、ローカルで思考中の出力も見やすく、定額で使いたい放題でした。
Cline と Devin の良いところが合体した形で、実験回数が一気に増えた反面、RateLimit との戦いにもなりました。

Cursor Rules はみんなの AI を育てる感覚なので気軽には手を加えられず、実験回数が少なかったです。
一方でユーザーローカルの CLAUDE.md は自分のものとしてカスタムできるので実験回数がどんどん増え、自分だけの AI を育てる感覚になりました。
AI で組織を作る実験もするようになり、AI 主体で仕事が進む可能性を感じるようになりました。

7 月 〜 9 月：AI中心運用への移行と仕組み化

6 月ごろからチームで作り始めた Spec-Driven Development（SDD）の仕組みが馴染み始めた時期で、Kiro のリリースも重なり「自分たちの方向性は間違っていない」と確信できた頃でした。

仕様書や設計書、コーディングルールなどコンテキストが充実してきた分、逆に限界も感じるようになりました。
コンテキスト節約とレビュー負荷低減のため、個人開発でカスタム Lint を量産するのがうまくいき、仕事でもコーディングルールを Linter 化していきました。

個人開発では一切コードを書かなくなり、仕事でも AI がドツボにハマって手に負えない時だけ書くくらいで、それ以外は書かない状態でした。

この時期は AI を軸に仕事が流れるのが当たり前になり、AI が中心にいて人間が周りにいるような立ち位置でした。

9 月 〜 12 月：横展開で露出したチームの差

AI駆動開発チームとしては一定の成果が出てきたため、その知見を横展開していくことが多くなりました。
AI を軸とした開発スタイルの横展開を進める中で、うまくいったチームとうまくいかなかったチームがあり、AI より人間に向き合う期間になりました。

展開がうまくいったチームは
「PR Reviewって人間が絶対する必要ある？人間がreviewしたってバグは入るんだから」
「AIが認識しやすいようなドキュメントを修正したり、生成フォーマットを変えよう」
「AIが理解できるようにリファクタリング、コーディングルール、Linterルールを追加しよう」
のようにAIを主軸とする領域を増やし、基準の再定義が加速しました。
AI をチームの一員として受け入れた状態になりました。

展開がうまくいかなかったチームはAIをチームの一員として受け入れることはせず、引き続き人間の効率化のツールとして継続利用をする判断になりました。

横展開を通して更にAIによる課題に向き合うのかと想像していたのですが、実際は人間に向き合うことがメインでした。

横展開の壁とAIマインドセットの条件

AI 軸に今すぐ全振りするのが正解だとは思っておらず、AI をツールとして使うチームの選択も良いと思っています。
それでも展開は自分の責務だったので、一部うまくいかなかった点は自分の課題として受け止め、原因分析のために多くの人と話しました。

展開に成功したチームと会話すると、結論として「チーム全員が AI マインドセットを持っていること」が一番大事だという結論になります。 「AI マインドセットとは何か」「どうすれば獲得できるか」を言語化したいと思ったのが、この記事を書くきっかけです。

「なぜAIマインドセットを持てたのか」「なぜチームがうまくいったのか」を掘り下げた結果、いくつかの共通点が見えてきました。

  • AIの成長はこれからも続くと考え、AGIや一般化を待つのではなく今から投資が必要だと捉えている
  • AIは増幅器であり、良い面も悪い面も増幅することを理解している
  • AIを軽視せず、AIが動きやすい環境づくりが重要だと考えている
  • LLMや各ツールの特性を理解しようとしている
  • ChatGPTのようなチャットツールも含め、趣味や仕事で普段から使っている
  • チームに必ず1人、AI推進に強い意志を持つ人がいる
  • チームが安定していて、仕事に余白がある
  • コンフォートゾーンに長くおり、仕事の変化や刺激を求める状態になっている

環境整備でAIの出力が改善した体験があると、「AIを育てる必要がある」と実感しやすいそうです。
ただ、AI出力の誤差を認識できるかどうかは人によって違います。

個人的なまとめ：AIマインドセットとは何か

AIマインドセットとは、AIを道具（人間が主・AIが従）として扱うのではなく、AIが適した形に仕事を再構築し、AIをメンバーとして育て、モデル進化とともに非連続な生産性向上を目指す考え方だと思いました。 AIマインドセットがない人はAIを道具として使い、今すぐ効率化できるポイントに限定して使います。
AIマインドセットがある人はAIを人間やチームの軸として扱い、AIでできる部分を増やすために試行錯誤し、段階的に置き換えていきます。

目的は「仕事の効率化」で一致しているものの、考え方の差が大きく、AI知識の格差や会話が噛み合わない場面が増えてきました。
道具として扱っている人は「プロンプトってどうしてますか？」「どう使っていますか？」といった大雑把な会話になりがちです。
一方で AI をメンバーとして扱っている人は、課題を明確に言語化し、最新のAI知識を追いながら、環境整備にどう活かすかを議論する会話になります。

いろんな人と会話してみると、AIマインドセットを持つには「環境を変えることでAIのアウトプットが変わる体験」が重要だと感じました。
ただ、Opus 4.5 や GPT-5.2-Codex のようなモデルは賢すぎて、Vibe Coding でもそれなりのアウトプットが出てしまいます。
そのため、簡単な環境整備で人間が認識できるレベルの大きな差分は見えづらくなってきています。
道具としてただ使うだけでも大きな成果を得られるので、環境整備のモチベーションはどんどん上がらなくなっていくと思います。
人間の道具のままだと人間主導の仕組みは変わらず、人間がボトルネックになる箇所が多く残ったままになってしまい、AI Native（AI 主体）に比べると非連続な生産性を得られないのではないかと考えています。

AGIの登場を待つのも一つの選択だとは思いますが、人間がボトルネックになる部分を減らし、AIの非連続な成長が生産性の成長になる形にしたいなと感じています。

AI NativeAI Agent

Twitterフォロー待ってます！