HOME/Headwaters Frontier Research/Human-Agent Ratio
ENGINEERING PHILOSOPHY

Human-Agent Ratio
人とAIエージェントで仕事を担う会社への転換と、その物差し

Headwaters Frontier Research | 2026年10月

HUMAN CAPITAL Human 知識・⁠判断・⁠関係・⁠創意
TOKEN CAPITAL Agent 自社で築き、所有するAIの能力
⇄ 認知のループ

この記事は、AIエージェントが実際の仕事を担うようになったとき、会社の成長の仕方をどう変えるかを考えるものです。企業の仕事は、これまで人の労働力だけで担われてきました。そこにAIエージェントという、もう一つの労働力が加わりつつあります。人員数と労働時間だけを管理していては、会社がどれだけの仕事を担えるのかを説明できなくなります。

そこで考えたいのは、人を何人増やすかだけではなく、人とAIでどれだけの仕事を担える会社にするか、ということです。そのためには、個人の知識や判断をAIへ移し、仕事のたびに会社の能力として残す必要があります。価格の付け方も、人の役割も、育て方も変えなければなりません。Human-Agent Ratio(ヒューマン・⁠エージェント・⁠レシオ、人とAIエージェントの比率)は、その変化を捉えるための物差しの一つです。

Human-Agent Ratioの5W1H
What何か
人とAIエージェントが組むチームで、人の監督とエージェントの効率のバランスを表す経営指標。MicrosoftのWork Trend Index 2025で提示された
Whyなぜ必要か
エージェントが仕事を担うと、人員数と工数だけでは、会社の供給力、品質、原価を説明できなくなるため
Who誰が使うか
AIネイティブな企業、エージェントを主力にしたAgenticな企業を作りたい経営者。人とAIの体制と投資を決める事業責任者、人事、IT部門
Whenいつ必要か
エージェントが特定のタスクを担い始めた段階から。業務プロセス全体を任せる段階で欠かせなくなる
Whereどこで測るか
会社全体ではなく、役割、業務、プロジェクトごと。適切な比率はタスクごとに異なる
Howどう測るか
配備数の比率と、人の標準工数に換算したFTEの比率を分け、品質、費用、資産化の指標と並べて見る
この記事の流れ
01〜06なぜ今、何が起きているのか前提、労働力の数字、背景、定義、世界のトレンド、バランスの予測
→
07〜09何をどう測るのか2つの測り方、計測の原則、比率と成果
→
10〜17比率をどう変え、何に使うのか仕事への適合、トークン資本、可視化とKPI、事業構造、人と組織、余力の配分、AI Native Company

01/前提

人の労働力とAIの労働力:2種類の労働力で仕事を担う時代の経営

これまで企業の供給力は、ほぼ人の労働力で決まっていました。何人いて、何時間働けるか。採用、育成、配置、外部への委託は、すべて人の労働力を前提に設計されてきました。AIエージェントが調査、集計、文書の作成、問い合わせへの対応などのタスクを担うようになると、企業は人の労働力とAIの労働力という、性質の異なる2種類の労働力を組み合わせて仕事をすることになります。

2種類の労働力の違い(考え方を整理して作図)
観点
人の労働力
AIの労働力
増やし方
採用と育成。戦力になるまでに時間がかかる
必要に応じて調達し、短い期間で増減できる
得意な仕事
判断、関係づくり、創造、責任を伴う決定
手順の明確な処理、大量の情報の調査・⁠集計・⁠作成
働ける時間
労働時間と休息の制約がある
時間を問わず動かせる
費用のかかり方
人件費。人数と時間に比例する
利用料やトークン。処理の量に応じて変動する
育ち方
経験と学習で、個人の中に蓄積する
判断基準や修正の記録を取り込み、組織の資産として蓄積する

人員数と労働時間の管理だけでは、AIが担った仕事の量も、その品質も、費用も見えません。2種類の労働力をどう組み合わせ、どう測り、生まれた余力を何に使うか。Human-Agent Ratioは、その問いに向き合うための物差しです。

論点の一例:時間に応じて対価が決まる仕事 この変化が分かりやすく表れるのが、時間や人数に応じて対価が決まる仕事です。社内の部門の工数管理、時間単価の専門サービス、業務の委託など、形はさまざまです。AIで同じ成果を短い時間で出せるようになったとき、工数が減ること、支払う額や受け取る額が変わること、利益が増えることは、それぞれ別の話になります。生まれた価値を、次のどれに振り向けるかが問われます。
費用や価格を下げる短くなった時間の分を、コストの削減や値下げとして還元する
同じ予算で範囲を広げるこれまで手が届かなかった仕事まで引き受ける
利益として残し再投資する次の事業や、働く人への還元の原資にする
時間だけで価値を測る仕組みのままでは、AIによる効率化の効果を組織の成長に取り込みにくくなります。成果や品質、引き受ける責任の範囲で価値を捉え直すことが、多くの業種に共通する論点になります。

02/労働力の数字

減る人の労働力と、安くなるAIの労働力:人口・⁠賃金・⁠トークン単価のデータ

2つの労働力は、逆の方向に動いています。人の労働力は担い手が減り、希少になるにつれて1人あたりの単価が上がっていきます。一方、AIの労働力は、同じ性能で比べたトークン単価が急速に下がり、使える量が増えていきます。

生産年齢人口(15〜64歳)2020→2070年 約4割減
8,614
7,509
6,213
4,535
1990202020402070
単位:万人。2040年以降は推計(出生中位・⁠死亡中位)出典:総務省「国勢調査」、国立社会保障・⁠人口問題研究所「日本の将来推計人口(令和5年推計)」
最低賃金(全国加重平均)5年で約2割増
930
961
1,004
1,055
1,121
20212022202320242025
単位:円/時間。2025年度は過去最大の66円の引き上げ出典:厚生労働省「地域別最低賃金の全国一覧」(各年度)
AIのトークン単価約18か月で280分の1以下
2022年11月
$20.00
2024年10月
$0.07
約18か月で280分の1以下に
GPT-3.5相当の性能(MMLU 64.8)のモデルを100万トークン使う費用出典:Stanford HAI「AI Index Report 2025」

生産年齢人口は、2020年の7,509万人から2040年に6,213万人、2070年には4,535万人へ減ると推計されています。最低賃金の全国加重平均は2021年度の930円から2025年度の1,121円へ、5年続けて過去最高を更新しました。これに対して、GPT-3.5と同等の性能のAIを使う費用は、2022年11月の100万トークンあたり20ドルから、2024年10月には0.07ドルまで下がっています。

AIの労働コストを、時給に換算すると
人(総コスト)給与+賞与・⁠残業代+社会保険+採用・⁠育成
約3,400円
人(給与のみ)平均賃金(一般労働者)
約2,200円
AI:Claude Opus 5.5Anthropic
約1,200円
AI:GPT-6.1 SolOpenAI
約600円
AI:Claude Sonnet 5.5Anthropic
約600円
AI:Claude Haiku 5.5Anthropic(軽量モデル)
約30円
1時間あたり。AIは人の1時間分の仕事に100万トークンを使うと仮定し、1ドル150円で換算。人の内訳は下の表を参照
人のコストは、給与だけではない
所定内給与残業賞与など社会保険採用
所定内給与(基本給・⁠各種手当)
33.3万円
毎月勤労統計調査(令和6年、一般労働者)
残業代(所定外給与)
2.7万円
同上
賞与など(特別に支払われた給与)
9.4万円
同上。年間の賞与を月あたりにならした額
社会保険など会社負担
6.8万円
給与の約15%と仮定(健康保険・⁠厚生年金・⁠雇用保険など)
採用・⁠育成・⁠離職の費用
2.6万円
上記の合計の約5%と仮定
合計(1か月)
約54.8万円
1時間あたり
約3,400円
総実労働時間(月162.2時間)で割って算出
各種手当は所定内給与に含まれます。離職が起きると、採用と育成の費用が再び発生します。一方、AIにも、エージェントの開発・⁠運用の費用と、人による指示やレビューの時間がかかります。
Claude Opus 5.5でも、時給は人の給与の約半分、総コストの約3分の1です。GPT-6.1 SolやClaude Sonnet 5.5なら約5分の1、軽量なClaude Haiku 5.5なら100分の1以下になります。しかも、人の時給は毎年上がり、AIの時給は毎年下がっています。ただし、時給だけでは比べられません。AIの仕事には、人の指示やレビューの時間(Human FTE)と、品質の受入率が加わります。時給の差を経営の判断に使うには、9「比率と成果」で見たように、仕事量と成果をAgent FTEで測る必要があります。

03/注目される背景

キャパシティギャップと、諦めていた仕事:人員数だけでは説明できない会社の供給力

MicrosoftのWork Trend Index 2025は、31か国・3万1,000人の調査などをもとに、事業が求める仕事量と、人だけで担える量との差を「キャパシティギャップ」と呼んでいます。リーダーの53%が生産性の向上が必要だと答える一方、従業員とリーダーの80%が、仕事に必要な時間や気力が足りないと答えています。

53% 生産性を上げる必要があると答えたリーダー Work Trend Index 2025
80% 仕事に必要な時間や気力が足りないと答えた従業員とリーダー Work Trend Index 2025
275回 1日に受ける会議・⁠メール・⁠チャットによる中断。勤務時間中は2分に1回 Work Trend Index 2025
82% 今後12〜18か月で、デジタルレイバーで仕事量を拡張する見込みのリーダー Work Trend Index 2025
事業の需要
人の供給力
← この差がキャパシティギャップ
人だけで担う場合 需要に追いつくには、増員か外注しかありません。人数で採算が合わない開発や、部署専用の小さなツール、改善の施策は、後回しになります。
事業の需要
人+AI
AIが担う分で、諦めていた仕事まで届く
人とAIで担う場合 同じ人数でも、引き受けられる仕事が増えます。問いは「何時間浮いたか」から、「その人数では諦めていた施策を、どこまで実行できるか」に変わります。

たとえば広報であれば、ニュース配信に加えて、事例、ブログ、グループ企業の発信、動画へと接点を広げることができます。AIによって、仕事が減るというより、これまでの人数ではできなかった仕事に手が届くようになるという見方です。

→ キャパシティギャップ:事業が求める仕事量と、人だけで担える量との差
→ デジタルレイバー:必要に応じて調達し、組織の仕事量を拡張できるAIやエージェント。リーダーの82%が、今後12〜18か月で使う見込みと答えている
→ ワークチャート:機能別の組織図に代わり、目標ごとに人とエージェントが組むチームで仕事を進める、成果起点の組織の姿
→ エージェントボス:エージェントを作り、仕事を任せ、管理することで、自分の影響範囲を広げる働き手の新しい役割

用語の定義と数値の出典:2025: The year the Frontier Firm is born(Microsoft Work Trend Index)

04/定義

Human-Agent Ratioとは:人の監督とエージェントの効率のバランスを測る経営指標

Human-Agent Ratio(人とAIエージェントの比率)は、Work Trend Index 2025で提示された経営指標です。同レポートは、人とエージェントが組むチームにおいて、人による監督とエージェントの効率のバランスを最適化する新しい指標と定義しています。リーダーが考えるべき問いとして、どの役割とタスクに何体のエージェントが必要か、それを導くために何人の人が必要かの2つを挙げ、適切な比率はタスクごとに異なると述べています。

46% エージェントで業務の流れやプロセスを完全に自動化していると答えたリーダー Work Trend Index 2025
81% 今後12〜18か月で、エージェントをAI戦略に中程度以上組み込む見込みのリーダー Work Trend Index 2025
24% すでにAIを全社に展開している企業。試験導入の段階にとどまるのは12% Work Trend Index 2025
33% AIによる人員削減を検討しているリーダー。一方、78%がAI関連の新しい役割の採用を検討 Work Trend Index 2025
比率の過不足が生む状態(Work Trend Index 2025の記載をもとに作図)
エージェントが少なすぎるエージェントと人の両方の資源を使い切れず、得られる効率を取り逃がす。
適切なバランスエージェントが生産性と革新を高め、人が導きと監督を担う。
エージェントが多すぎる人の判断と意思決定の能力を超え、事業リスクと人の燃え尽きを招く。
Frontier Firmへの3つの段階(Work Trend Index 2025の記載をもとに作図)
段階1アシスタントAIが単調な作業を減らし、人が同じ仕事をより速く進める
→
段階2デジタルの同僚エージェントがチームに加わり、人の指示で特定のタスクを担う
→
段階3エージェントが業務を運営人が方向を定め、エージェントが業務プロセス全体を動かす
同レポートは、この移行が直線的ではなく、多くの組織で3つの段階が同時に進むと述べています。

この定義は、比率を大きくすること自体を目的にしていません。人が判断し、責任を持てる範囲の中で、エージェントの能力を活かす組み合わせを探す指標です。

具体例:10人のチームのHuman-Agent Ratio(説明のための試算) FTE(フルタイム換算)で見たHuman-Agent Ratioが1:1なら、仕事の半分をAIが担っています。10人のチームが、実質20人分の仕事をしていることになります。
人が担う仕事(Human FTE)AIが担う仕事(Agent FTE)
1:0AIなし
生産量 10人分AIの割合 0%月のコスト 548万円1人分の仕事あたり 54.8万円
1:1人と同じ量をAIが担う
生産量 20人分AIの割合 50%月のコスト 645万円1人分の仕事あたり 32.3万円
1:3人の3倍の量をAIが担う
生産量 40人分AIの割合 75%月のコスト 840万円1人分の仕事あたり 21.0万円
人1人分のコストを月54.8万円(02の総コスト)、AI 1人分のコストを月約10万円(時給約600円のモデルで月162時間)として計算しました。AIの割合が増えるほど、同じ仕事1人分にかかるコストは下がります。比率が1:1で約4割、1:3で約6割安くなり、事業の収支が取りやすくなります。 AIの開発・⁠運用の費用は含めていません。人による指示やレビューの時間は、Human FTEの中に含まれるものとしています。生産量が増えた分の仕事があることが前提です。

05/世界のトレンド

AIエージェントと仕事の再設計:調査機関と企業が示す世界の動き

Human-Agent Ratioが提示された背景には、AIエージェントが仕事の一部を自律的に担い始めたことを示す調査と予測の積み重ねがあります。主な発表を時系列で整理します。

25
2025年1月 世界経済フォーラム 2030年には人・⁠技術・⁠協働がほぼ3分の1ずつに Future of Jobs Report 2025で、雇用主は仕事のタスクのうち人が主に担う割合が47%から下がり、2030年には人・⁠技術・⁠協働の3つがほぼ均等になると見込む。 The Future of Jobs Report 2025
25
2025年4月 Microsoft Human-Agent Ratioを新しい経営指標として提示 Work Trend Index 2025で、人とエージェントのチームを前提にした組織「Frontier Firm」を描き、Human-Agent Ratioを提示。リーダーの46%が、エージェントで業務の流れやプロセスを完全に自動化していると回答した。 2025: The year the Frontier Firm is born
25
2025年6月 Gartner 2028年に日常業務の判断の15%以上をエージェントが自律的に 2024年には0%だった日常業務の判断のうち、少なくとも15%が2028年までにエージェントによって自律的に行われると予測。一方で、エージェント型AIのプロジェクトの40%超が2027年末までに中止されるとも予測している。 Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
25
2025年11月 McKinsey Global Institute 米国の労働時間の約57%が、現在の技術で理論上は自動化可能 Agents, robots, and usで、エージェントが44%、ロボットが13%を担いうると試算。ただし、これは技術的な可能性であって予測ではなく、普及には時間がかかると述べている。 Agents, robots, and us: Skill partnerships in the age of AI
26
2026年6月 Satya Nadella(Microsoft CEO) 人的資本とトークン資本の2つを築く 企業は、人の知識や判断である人的資本と、自社で築き所有するAIの能力であるトークン資本の両方を築くべきだと論じた。詳しくは11「トークン資本」で取り上げる。 A frontier without an ecosystem is not stable(X投稿)

いずれの発表も、AIが人の仕事をすべて置き換えるとは述べていません。仕事をタスクに分け、どのタスクをAIに任せ、どこに人の判断を残すかを設計し直す段階に入ったことを示しています。

06/バランスの予測

人と技術の仕事の分担:2030年に向けたバランスの変化と、多角的な見方

世界経済フォーラム(WEF)のFuture of Jobs Report 2025は、55の経済圏の1,000社超の雇用主への調査から、仕事のタスクを「主に人が担う」「主に技術が担う」「人と技術の協働」の3つに分けて、その割合の変化を示しています。2025年は人が担うタスクが47%を占めますが、2030年には3つがほぼ3分の1ずつになると雇用主は見込んでいます。

1.7億 2030年までに新たに生まれると見込まれる仕事 WEF Future of Jobs Report 2025
9,200万 同じ期間に失われると見込まれる仕事 WEF Future of Jobs Report 2025
+7,800万 差し引きの純増。仕事は減るより、入れ替わる WEF Future of Jobs Report 2025
57% 米国の労働時間のうち、現在の技術で理論上は自動化できる割合(エージェント44%、ロボット13%) McKinsey Global Institute
仕事のタスクの分担(WEF Future of Jobs Report 2025の記載をもとに作図)
2025
人 47%協働 30%技術 22%
2030
人 約1/3協働 約1/3技術 約1/3
主に人が担う人と技術の協働主に技術が担う

同レポートは、この比較が仕事の割合であり、仕事の総量の変化は考慮していないと注記しています。人も技術も生産性が上がり、同じ時間でより多くの、あるいはより価値の高い仕事をこなすようになる可能性があるということです。

見方 1 加速する 現在の技術で理論上は自動化できる仕事の範囲は広く、エージェントが担う判断も増えていく。業務の流れを作り直した会社から、比率が大きく動く。
見方 2 慎重に進む 価値が不明確なプロジェクトの中止や、既存システムとの統合の難しさ、普及にかかる時間を考えると、比率の変化は業務ごとにまだら模様に進む。
見方 3 仕事の総量が増える 割合が変わっても、人の仕事が減るとは限らない。生産性が上がった分、これまで手が届かなかった仕事に取り組めるようになる。
仕事の種類によって異なるバランス(Work Trend Index 2025の記載をもとに作図)
エージェント中心手順が明確で、量の多い仕事。影響の大きい判断や微妙な判断にだけ人の監督を置く
人とエージェントの協働エージェントが業務の流れを担い、人が全体を導き、例外と取引先との関係を受け持つ
人中心判断、共感、創造に根ざす仕事。顧客が人を望む場面や、結果に人が責任を持つべき場面

これらを踏まえると、Human-Agent Ratioは会社全体で一つの数字に収束するのではなく、業務ごとに異なる値へ分かれていくと考えられます。同じ会社の中に、エージェント中心で動く業務と、人が中心であり続ける業務が並びます。だからこそ、比率は業務単位で測り、成果と合わせて見る必要があります。

07/2つの測り方

配備数の比率とFTEの比率:同じ名前で測る、異なる対象

Human-Agent Ratioという同じ名前で、測る対象の異なる2つの定義が使われることがあります。一つは、エージェントをどれだけ配備したか。もう一つは、人とAIがそれぞれ何人分の仕事を担ったかです。

稼働中の本番エージェント数 対象の社員数
配備数の比率 実際に働くエージェントを、どれだけ配備・⁠稼働させたかを見ます。導入の広がりを把握する入口の指標です。
Human FTE : Agent FTE
FTE(フルタイム換算)の比率 人とAIが、それぞれ何人分に相当する仕事を担ったかを見ます。仕事量の構成を把握する指標です。

1体のエージェントが1人分の仕事を担うとは限りません。複数のエージェントが共同で一つの成果を生む場合もあります。そこで、エージェントの個数ではなく、エージェントが担当し完了したタスクを、人が行った場合の標準工数に換算して測る方法が考えられます。配備数は入口として見つつ、本当に捉えたいのは、仕事量としての人とAIの構成です。

トークン数で見る(投入量) AIをどれだけ使い、いくらかかったか 利用量と費用はわかりますが、どの仕事が終わり、成果につながったかは見えません。たくさん使っても、仕事が進んでいるとは限りません。
Agent FTEで見る(産出量) AIが、人の何人分の仕事を終えたか 人と同じ単位で表せるので、要員計画、原価計算、配置、生産性の評価といった、人に使ってきた管理の方法をそのまま当てはめられます。

Agent FTEの価値は、企業にとって計算しやすいことにあります。経営は長く「人の何人分」で仕事を計画し、原価を見積もってきました。AIの仕事を同じ単位で表せば、人とAIを同じ表の上で比べ、配分を決められます。トークン数は投入量であって、成果ではありません。両方を並べることで、トークンあたりの成果や、Agent FTE 1人分あたりの費用を計算できるようになります。

FTE換算の計算例(説明のための仮の値)
エージェントが完了したタスク
月100件
100件
人が行った場合の標準工数
1件あたり2時間
200時間
品質の受入率
修正なしで受け入れられた割合
× 90%
Agent FTE
180時間 ÷ 月160時間(1人分)
約1.1人分
Human FTE(指示・⁠レビュー・⁠例外対応)
月30時間 ÷ 月160時間
約0.2人分
この例では、エージェントは1体でも約1.1人分の仕事を担い、人の関与は約0.2人分です。エージェントを3体に分けて同じ仕事をさせても、Agent FTEは変わりません。配備数ではなく仕事量で測る理由がここにあります。

08/計測の原則

Agent FTEの換算と人のレビューの計上:重複させない3つの原則

「AIが出力したから、すべてAIの成果」とも、「人が確認したから、すべて人の仕事」ともしない。人とAIの担当の境界を明確にするために、次の3つの原則で計上します。

1つのタスクの計上(考え方を整理して作図)
タスク(成果物1件)
↓
Agent側に計上 担当したタスクの人間標準工数 × 品質受入率
実行下書き・生成調査・集計
Human側に計上 人が実際に費やした時間
指示レビュー修正例外対応承認保守
原則 1 Agent側は標準工数と品質で換算 担当したタスクを、人が行った場合の標準工数に置き換え、品質の受入率を掛けて計上する。
原則 2 人の関与はHuman側の実働に 指示、レビュー、修正、例外対応、承認、保守に人が費やした時間は、Human側の実働として記録する。
原則 3 同じ成果を重複して数えない 同じタスクと成果を、人とAI、あるいは複数のエージェントで二重に計上しない。

人が判断に関わる工程(ヒューマン・⁠イン・⁠ザ・⁠ループ)の工数は、Human側に一度だけ計上し、Agent側からは差し引きません。人の介在を消さず、AIの貢献も二重に減らさないための設計です。

09/比率と成果

労働構成・⁠成果・⁠経済性:比率と生産性を分けて見る3つの観点

Agent FTEが増えても、品質が下がり、人の負荷や費用が増えるなら、それは成功ではありません。Human:Agentが1:8になったことを、そのまま「生産性8倍」とは呼べません。Human-Agent Ratioは誰が仕事を担ったかを見る指標であり、それが経営の成果になったかは、別の観点で確かめます。

観点 1 労働構成 人とAIが、それぞれどれだけの仕事を担ったか
Human FTE Agent FTE 配備数
観点 2 成果 仕事の量、納期、品質が、どう変わったか
成果量 納期 品質受入率
観点 3 経済性 AIの費用と人の原価を合わせて、利益にどうつながったか
AI費用 人間原価 粗利

推定削減時間、金額換算、ROI、デジタル従業員換算、Human-Agent Ratioを一つのダッシュボードで並べて見ると、比率と成果の関係を確かめやすくなります。その際は、削減時間などの推計値と実測値、将来の構想を区別して扱います。

10/Agent-Job-Fit

Agent-Job-Fitとレビューの仕組み化:仕事に適合させ、人の確認の詰まりを解く

エージェントを作ることと、仕事を任せられることは違います。業務の知識や判断基準を組み込み、試行と改善を重ねて、その仕事に適合させる必要があります。ここでは、この工程を「Agent-Job-Fit」と呼びます。

40%超 2027年末までに中止されると予測されるエージェント型AIのプロジェクト Gartner(2025年6月)
29% / 20% AIで1日1時間以上を節約しているリーダーと従業員の割合 Work Trend Index 2025
46% AIを指示を出す道具ではなく、思考のパートナーとして使っている人 Work Trend Index 2025
Agent-Job-Fitのサイクル(考え方を整理して作図)
人の所要時間を測る→ 知識・判断軸を組み込む→ 任せて試す→ Fit&Gapを確かめる→ 改善を蓄積する
↻ 継続的に繰り返す

担当者のナレッジ、思考のロジック、判断軸を組み込んだ分身のエージェント(ハーネス)を作ると、特定の業務では、1人で数人分以上の仕事を担える場合があります。その効果を確かめるには、事前にその業務の人の所要時間を測っておく必要があります。また、成果は最初から出るものではなく、Fit&Gapを繰り返すことで後半に伸びる傾向があります。成果の兆しが見える前に、取り組みをやめてしまいやすい工程でもあります。

比率を上げるには、AIの出力量だけでなく、人の確認と承認の詰まりも解かなければなりません。自分がAIで速くレビューするだけでなく、自分が毎回見なくても済む仕組みを作ることが必要です。レビューは、たとえば次のように変えられます。

STEP 1 依頼者が言語化する 成果物だけでなく、狙い・⁠背景・⁠気になる点を書いて渡す
→
STEP 2 レビュー側が理由を残す 判断の理由と修正の履歴を共有する
→
STEP 3 差分をAIに反映する 依頼と修正の差分を、AIのスキルに取り込む
→
STEP 4 人の確認範囲を減らす 改善を重ね、人が毎回確認する範囲を狭めていく

11/トークン資本

人的資本とトークン資本:一度の仕事を、会社の能力として残す循環

MicrosoftのSatya Nadella CEOは、2026年6月にXへ投稿した論考で、企業が築くべき資本として「人的資本(human capital)」と「トークン資本(token capital)」を挙げました。人的資本は従業員の知識、判断、関係、創意、パターン認識であり、トークン資本は企業が自ら構築し所有するAIの能力です。トークン資本が育っても人的資本の価値は下がらず、むしろ高まるとも述べています。日本では「トークン資本経営」という言葉でも紹介されています。AIの利用料を削減すべきコストとしてだけ見るのではなく、組織の判断と知見を蓄積する投資として扱う考え方です。

企業が築く2つの資本(Satya Nadella氏の論考をもとに作図)
人的資本働く人の知識、判断、関係、創意、パターン認識
⇄人とAIの認知のループ
トークン資本企業が自ら築き、所有するAIの能力。判断基準、ワークフロー、人とAIのやり取りの記録など

レビューの判断基準、業務の例外、修正した理由を残し、次の仕事でAIが参照できるようにする。これは単なる情報共有ではなく、仕事をするたびに、次の仕事を任せやすくするための資産化です。成功した結果だけでなく、失敗や人が修正した箇所も、その会社にしかない学習材料になります。

1仕事をする人とAIが、案件の中で実際の仕事を進める
4次の仕事に使える余力が増える空いた時間と人を、新しい仕事に充てる
会社の能力 ↻ 仕事のたびに育つ
2判断と修正を残す判断基準、例外、修正の理由、失敗を記録する
3AIに任せられる範囲が広がる残した知識をAIが参照し、人の確認を減らす

企業のデータ、判断のルール、標準の業務を再利用し、AIへ任せる条件と、人へ戻す条件を定義する。その能力の広がりは、Human-Agent Ratioやデジタル労働力の換算で測ることができます。ただし、トークン資本は帳簿にも組織図にも現れません。育っているかどうかを確かめるには、仕事の量、質、費用、蓄積を、徹底的に可視化するしかありません。

12/可視化とKPI

人とAIの仕事を可視化するKPI:Human-Agent Ratioと組み合わせる7つの領域

Human-Agent Ratioは、それ一つで経営の判断ができる指標ではありません。AIの活用やエージェントの運用で一般的に使われるKPIを、7つの領域に分けて整理します。Microsoftも、組織のAI活用の広がりを測るAI adoption scoreを提供しています。

領域
代表的なKPI
見えること
普及・利用
AIのアクティブ利用者率、利用頻度、稼働中のエージェント数
AIが組織にどこまで広がったか
業務量・自動化
タスクの完了数、人の介入なしで完了した割合(自動完了率)、人へのエスカレーション率
エージェントがどれだけの仕事を担えているか
品質
品質の受入率、手戻り・⁠修正の割合、誤りの発生率
任せた仕事の質が保たれているか
時間・スピード
リードタイム、サイクルタイム、削減時間(推計と実測を区別)
仕事の流れがどれだけ速くなったか
経済性
タスクあたりのコスト、トークンあたりの成果、AI費用と人件費の合計、ROI、粗利率
効率化が利益につながっているか
人と組織
人の確認・⁠承認にかかる時間、従業員の満足度、AIに関するスキルの習得
人に負荷が偏っていないか
資産化
再利用された判断基準・⁠スキルの数、判断と修正の記録件数、同種タスクの自動完了率の推移
仕事が会社の能力(トークン資本)として残っているか

すべてを最初から測る必要はありません。対象の業務を決め、AIに任せる前の人の所要時間を基準として測り、人とAIの作業の記録が残る仕組みを用意します。そのうえで、Human-Agent Ratioと、品質、費用、資産化の指標を同じ画面に並べ、定期的に見直します。比率だけが上がり、品質や人の負荷が悪化していないかを、並べて見ることで確かめられます。

13/事業構造

売上成長と人員数の切り離し:日々の仕事から、次の価値を育てる事業の設計

増員や外注だけで供給力を増やす会社から、人とAIを合わせて、どれだけの仕事を引き受けられるかで供給を計画する会社へ。売上の成長を、従業員数の増加と比例させないことが、この転換の中心になります。

今の仕事から、次の収益源を育てる流れ(考え方を整理して作図)
日々の仕事顧客や社内に向けて、価値を提供している今の業務
→
需要を探る繰り返し現れる課題と、共通する判断を見つける
→
再利用できる知財知見とエージェントを、次の仕事でも使える形にする
→
人員に比例しない売上新しいサービスや事業の機会につなげる

今の事業を続けるか、まったく別の事業へ転換するかの二択ではありません。問われるのは、日々の仕事から次の価値を育てられるかです。その途中には、知的財産の扱い、取引先との権利の取り決め、短期の成果と将来への投資の間での人員配分といった課題があります。Human-Agent Ratioは、目の前の業務の生産性だけでなく、仕事から再利用できる能力が残り、人員の投入に比例しない売上へつながるかを見る指標群の一部です。

外部への委託も、専門性を求めて依頼する委託と、作業量を補うための委託に分けると整理しやすくなります。AIで社内の能力が広がると、後者のあり方が変わる可能性があります。委託がなくなるという意味ではありません。

14/人と組織

人の役割・⁠育成・⁠環境:比率と一緒に変える組織の設計

AIへ仕事を移すなら、人に残る仕事は何か、判断の基準をどう身に付けるか、必要なツールを全員が使えるか、を同時に考える必要があります。生産性だけを求め、環境や学び方を従来のままにしては、比率だけが上がっても会社は回りません。

78% AI関連の新しい役割の採用を検討しているリーダー。Frontier Firmでは95% Work Trend Index 2025
47% 既存社員のAIスキルの向上を、最優先の人材戦略に挙げたリーダー Work Trend Index 2025
28% 人とエージェントの混成チームを率いる人材の採用を検討しているマネージャー Work Trend Index 2025
67% / 40% エージェントをよく理解しているリーダーと従業員の割合 Work Trend Index 2025
変えること 1 任せ方 AIに任せる条件と、人へ戻す条件を業務ごとに定め、人に残る仕事を明確にする。
変えること 2 確認の仕方と品質管理 人の確認を詰まりにしない仕組みと、品質を担保する管理の役割を置く。推進役は現場だけに任せず、管理部門にも置く。
変えること 3 育て方と使える環境 従来の作業を通じた経験を積みにくくなる若手の育成を考え直し、必要なAIツールを全員が使える環境と予算を整える。

15/余力の配分

増えた能力の使い道:顧客価値・⁠次の事業・⁠働く時間

最後に考えたいのは、増えた能力を誰のために使うかです。FTEの比率を、担当できる顧客数、売上、実労働時間と結び付けてシミュレーションすると、生まれた時間をデリバリーだけでなく、営業、研究開発、休暇へどう配分するかを検討できます。

55% / 25% さらに仕事を引き受けられると答えた割合(Frontier Firmのリーダー/世界全体) Work Trend Index 2025
71% / 39% 自社が成長していると答えた割合(Frontier Firmのリーダー/世界全体) Work Trend Index 2025
45% デジタルレイバーで組織の仕事量を広げることを、最優先課題に挙げたリーダー Work Trend Index 2025
顧客への提供価値担当できる顧客と案件を増やし、品質と納期を高める
会社の利益次の投資と、働く人への還元の原資にする
Human+Agentの供給力 生まれた余力
営業・⁠研究開発・⁠次の事業顧客との対話と、新しい技術・⁠事業の探索に時間を充てる
働く時間・休暇実労働時間を短くし、休む時間を確保する

自社の理屈だけで考えないことも大切です。デジタル従業員が増えると、顧客にとって何が良くなるのか。その問いに答えられる配分であるかを、確かめる必要があります。

INSIGHT 週休3日制の議論と、Agent FTEによる供給力 余力の使い道として、海外では週休3日制(週4日勤務)の議論が進んでいます。英国では2022年6月から12月にかけて、61社・⁠約2,900人が、給与を100%維持したまま労働時間を減らす試験導入を行いました。シンクタンクのAutonomyなどがまとめた結果報告によると、試験の終了後も56社が週4日勤務を続けています。
92%試験後も週4日勤務を続けた企業(61社中56社)
71%燃え尽きが減った従業員
39%ストレスが減った従業員
57%減試験期間中の離職者数
経営者の発言も相次いでいます。JPMorgan ChaseのJamie Dimon CEOは、メディアのインタビューで、先進国では将来、週3日半の勤務になるとの見方を示しています。ZoomのEric Yuan CEOは、誰もが多くのデジタルエージェントを使うようになるため、週5日働く必要はないと述べ、2031年までに週3日勤務になると予測しました(Fortune、2026年4月9日)。
10人のチームが週5日から週4日にした場合(説明のための計算例)
週5日
Human 10.0 FTE
週4日
Human 8.0 FTEAgent 2.0
労働時間が2割減ると、人の仕事量は10人分から8人分になります。同じ供給力を保つには、2人分の仕事をエージェントが担えばよい計算です。週休3日制は理念だけでは続きません。Agent FTEで足りない分を測り、補えるかどうかを確かめることで、働く時間の短縮を経営の数字として検討できるようになります。

16/To-Be像

AI Native Company:人よりエージェントが多く働く企業の経営

Human-Agent Ratioが最も価値を持つのは、AIネイティブな企業、エージェントを主力にしたAgenticな企業を作ろうとする経営者にとってです。Work Trend Index 2025は、これから生まれる組織の姿を「AIが運営し、人が導く(AI-operated but human-led)」と表現しています。同レポートが取材した12社のAIネイティブなスタートアップには、AIを使った人材会社を1人で立ち上げ、年200万ドルの売上を見込む創業者や、建設のシミュレーションから市場調査までAIで行い、利益率を20%高めた5人の会社が含まれています。

人とエージェントの比率で見た企業の移行(考え方を整理して作図)
現在の多くの企業人中心の企業Human FTE > Agent FTEAIは人の仕事を速くする道具。仕事の大半を人が担う
→
移行期人とエージェントの協働企業Human FTE ≒ Agent FTEエージェントが特定の業務を担い、人が指示と確認を受け持つ
→
To-BeAI Native CompanyHuman FTE < Agent FTEエージェントが業務の大半を動かし、人は方向を定め、判断と責任を担う

人よりエージェントが多く働く企業では、経営が管理する対象そのものが変わります。人を前提にしてきた管理の仕組みを、人とエージェントの両方を扱えるように作り直す必要があります。

管理の対象
人中心の企業
AI Native Company
労働力の計画
採用計画と要員計画。人の数で供給力を決める
人とエージェントを合わせた労働力計画。Human FTEとAgent FTEで供給力を決める
組織の形
機能別の組織図
目標ごとに人とエージェントが組むワークチャート
原価
人件費が中心。人数と時間に比例する
人件費とAI費用の合計。Agent FTE 1人分あたりの費用で比べる
評価
人の成果と行動を評価する
エージェントの完了数・⁠品質の受入率と、人の判断・⁠指導の質を評価する
育成
研修とOJTで人を育てる
Agent-Job-Fitでエージェントを仕事に適合させ、人はエージェントを導く力を身に付ける
統制
人の権限と承認の規程
エージェントのID・権限・⁠監査と、人に戻す条件の定義

この移行で、Human-Agent Ratioは、人事、財務、事業計画に共通する基本の指標になります。何人の人と、何人分のエージェントで、どれだけの仕事を担い、いくらの費用で、どの成果を出しているのか。それを同じ単位で語れることが、人よりエージェントが多く働く新しい時代の経営の前提になります。

17/まとめ

Human-Agent Ratio:会社の成長の仕方を変えるための物差しの一つ

→ 価値の配分を決める:効率化で生まれた価値を、値下げ、範囲の拡大、利益のどれに充てるかを選ぶ
→ 定義を混ぜない:エージェントの配備数の比率と、FTEで見た仕事量の比率を分けて扱う
→ 人の関与を消さない:レビューや例外対応はHuman側に一度だけ計上し、AIの貢献も二重に減らさない
→ 比率と成果を分ける:比率の変化と、品質・⁠原価・⁠利益の変化を別々に確かめる
→ 適合させ、資産として残す:Fit&Gapを重ね、判断と修正を会社の能力として蓄積する
→ 資本として育てる:AIの利用を、判断と知見を蓄積するトークン資本への投資として扱う
→ 徹底的に可視化する:比率、品質、費用、資産化の指標を並べ、悪化していないかを確かめる
→ 人と同じ単位で計算する:Agent FTEで、要員計画や原価計算を人と同じ表で扱う。トークン数は投入量で、成果ではない
→ AI Native Companyを描く:人よりエージェントが多く働く企業を目指すなら、人事・⁠財務・⁠事業計画の共通指標にする
→ 組織も一緒に変える:任せ方、確認の仕方、人の育て方と使える環境を、比率と一緒に変える

AIで仕事が速くなるだけでは、会社は変わりません。仕事の構成を測り、判断を会社の能力として残し、価格と人の役割を変え、生まれた余力を顧客と次の事業と働く人に配分する。Human-Agent Ratioは、その変化を捉えるための物差しの一つにしたいと考えています。

最後に、私自身の取り組みを少しだけ。私は、組織単位や部門横断でHuman-Agent RatioをAIで自動計算し、日次でループを回して計測しています。結果はダッシュボードにまとめ、ステークホルダーにシェアしています。このダッシュボードのファクトから次の打ち手を考えることで、人とエージェントの適切な比率を測り、トークンのコストと成果のバランスを見定められるようになってきました。

AIが増えれば、従業員はいらなくなるのではないか。そう不安に思う方もいるかもしれません。けれども、バランスを取りながら測り続けると、見えてくるのは逆の姿です。エージェントを使いこなすAIネイティブな人材が育ち、従業員が増えることと、AIの労働力が増えることが掛け算になって、さらなる成長につながっていきます。

目指しているのは、16で描いたAI Native Companyの働き方です。その道筋や計測の進め方、試行の中で得たヒントは、反響があれば、また別の機会にお伝えします。

関連リンク

公式レポート 2025: The year the Frontier Firm is born(Microsoft Work Trend Index)
公式ブログ The 2025 Annual Work Trend Index: The Frontier Firm is born(The Official Microsoft Blog)
公式レポート The Future of Jobs Report 2025(World Economic Forum)
プレスリリース Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027(Gartner)
公式レポート Agents, robots, and us: Skill partnerships in the age of AI(McKinsey Global Institute)
公式発表 Introducing GPT-6.1 Sol(OpenAI)
調査報告 The results are in: the UK's four-day week pilot(Autonomy)
論考 A frontier without an ecosystem is not stable(Satya Nadella氏のX投稿)
著者 / Author
依光 薫平 株式会社ヘッドウォータース 執行役員 CMO 営業・マーケ・PR・アライアンスやAI事業の立ち上げを行ってきたビジネスサイド畑の元エンジニア。AI全社導入推進や事業戦略を行っています。

人とAIエージェントの体制づくりのご相談

業務の棚卸し、エージェントへの業務知識の組み込み、効果の測り方まで、貴社の状況に合わせてご相談を承ります。

お問い合わせ