Atlassianの共同創業者でCEOのマイク・キャノン=ブルックス氏は、Web Summitの場で、人に代わってタスクを実行するソフトウェアであるAIエージェントについて2つの主張を展開しました。1つ目は、エージェントは知識労働者の仕事そのものをなくすというより、仕事の中身をはるかに大きく変えるということです。2つ目は、AIモデルが良くなっても、それだけでは組織の生産性は上がらないということです。制約になっているのは、人の働き方とソフトウェアの設計だからです。AtlassianはJiraやConfluenceといった企業向け業務ソフトウェアを手がけ、これらの製品にエージェントを組み込んでいます。

これまでに成果が表れている領域

企業はいま、中核となるワークフローにエージェントを組み込んでいます。小さな改善を重ねる場合もあれば、大がかりな構造改革として進める場合もあります。キャノン=ブルックス氏は結果を率直に語りました。効率の向上は確かにあるものの、その幅は控えめで、初期の過熱した期待が示していたほど大きくはありません。

よりはっきりした成果は別のところにあります。仕事の質が上がっており、業務プロセスが標準的に生み出すアウトプットが良くなっています。チームが新たに手がけられるようになったプロジェクトやソフトウェアを見つけるにつれて、創造性も広がっています。

一つの読み方として、削減できた時間だけを測っているチームは、実際の改善がアウトプットの質と幅に表れているのに、AIツールが期待外れだと結論づけてしまうかもしれません。これは同氏の発言に対する解釈であり、同氏が示した測定結果ではありません。

雇用:なくなるのではなく、中身が変わる

キャノン=ブルックス氏はまず注意を促しました。5年後の労働市場がどうなるか分かると言う人の話は信じないほうがよい、というのです。その前提を置いたうえで、同氏は、広範な再編によって既存の役割が変わるとしても、差し引きではAIが奪う仕事よりはるかに多くの仕事を生み出すと考えていると述べました。また、企業が実際には新しい事業運営の形に合わせて体制を組み直しているのに、外部の観察者が人員の再編を「AIによる人員削減」と呼ぶことが多いとも指摘しました。

同氏が主な例として挙げるのは銀行の支店です。2000年代初頭には、オンラインバンキングやモバイルバンキングによって実店舗の支店はなくなると予測されていました。ところが同氏によると、米国とオーストラリアでは過去10年間に支店が拡大しました。支店の役割が変わったからです。行員の仕事は、基本的な現金取引の処理から、複雑な顧客対応、相談の面談、金融コンサルテーションへと移りました。2026年の支店の仕事は、2000年の同じ仕事とほとんど共通点がありません。

同氏は、知識労働も同じ道をたどると見ています。ソフトウェアエンジニア、プロダクトデザイナー、マーケター、金融アナリストがいなくなることはありませんが、仕事の進め方は完全に変わります。職種間のバランスはまだ定まっていません。同氏は、あるプロダクトマネージャーが「プロダクトマネージャーが増えてエンジニアが減る」と予測し、あるエンジニアがその逆を主張したという業界内の議論を引き合いに出しました。

自分の役割を見極める実践的なテスト

同氏の発言からは、ある役割がなくなろうとしているのか、形を変えようとしているのかを判断する3つのチェックポイントが読み取れます。

  • その仕事が残るかどうかではなく、どう変わらなければならないかを問います。リーダーは、AIをうまく使う競合に市場シェアを奪われる前に、既存の仕事をどう変える必要があるかを見極めるべきです。
  • モデルではなく、同じ仕事をする人を見ます。同氏は、人はAIモデルに仕事を奪われるのではなく、AIツールを使ってその仕事をよりうまくこなせるようになった人に奪われる、というよく知られた言い回しを繰り返しました。
  • 人の労力がどこへ移るかを見ます。働き手は手順をこなす作業から、目指す成果を定義する側へと移り、その貢献の中心は、センス、判断力、そしてモデルが生み出したものの厳密な評価になります。

金融モデリングは3つ目の点をよく示しています。高度なモデルを依頼すると、いまではほぼ瞬時に結果が返ってきます。アナリストの中心的な仕事は、そのモデルが正しいことを確かめるテストを設計することになります。人は各ステップを手作業で実行する代わりに、目標、制約、フィードバックループを設定するという、より高い抽象度で働くようになります。

モデルが良くなってもそのまま生産性につながらない理由

キャノン=ブルックス氏は、最大の障害は技術ではなく人材だと指摘しました。問題の解き方について身についた直感や長年の思い込みを改めるのは難しく、この文化面の転換は、モデルを製品につなぐことよりも高い壁です。

2つ目の障害はインターフェース設計です。モデルは急速に進歩しましたが、人がソフトウェアとやり取りする方法は後れを取っています。大きな生産性向上を得るには、働き手が考え方を切り替えるとともに、ソフトウェアが従来のWebフォームから脱してエージェントに対応する必要があります。

同氏は「AI製品」という呼び方も退けています。同氏の整理では、Atlassianが売っているのは技術とワークフローのソリューションであり、AIはその中の一つの材料で、モバイル接続やインターネットに相当するものです。AIがあらゆるソフトウェアの当たり前の前提になるにつれ、「ドットai」の接尾辞を掲げて自社をブランド化する企業は姿を消していくと同氏は予測しています。

Web Summitの約1か月前、Atlassianはアムステルダムで開いた自社カンファレンスで、Agentic Multiplayer Protocol(AMP)を発表しました。これは、エージェントをツールやデータにつなぐAnthropicのModel Context Protocol(MCP)や、エージェント間(A2A)通信といった新興の標準を、Jira、Confluence、Loom、Atlassian Service Collectionのユーザーインターフェースの下で組み合わせるものです。

フォームで埋まったモニターに1人で向かう働き手と、その隣でカーソルやロボットのマーカーとともに1つの共有文書を編集するチーム

▲ 単独のWebフォームからエージェントとの共同作業へ

人とエージェントの4つの働き方

キャノン=ブルックス氏は、1対1のテキストチャットは企業の生産性を高める主要な形ではないと主張します。同氏はいくつかのやり取りの形を説明しました。

モード 具体的な姿
チャット 1人の人と1つのモデルが交わすテキストのやり取り
委任 Claudeなどのエージェントに、ユーザーに代わってコードを書き、GitHubのプルリクエスト(コード変更の提案)を作成するよう依頼する
マルチプレイヤー協働 Confluenceなどのアプリケーション内で、異なるベンダーの複数のエージェントが、複数の人間のチームメイトと並んで同時に作業する
ペアリングと代理出席 明確な条件をエージェントに伝えたうえで、会議に出席させたり、非同期で従業員の代理を務めさせたりする

委任では、エージェントが人の名義で仕事をしたとき、その成果を誰のものとするかという新たな問いが生じます。協働について同氏が思い描くモデルは、人とエージェントがテーブルの同じ側に座り、共通の成果に向かって一緒に文書を作り上げるというものです。

モードごとに専用のインターフェースが必要です。Loomでは、エージェントが動画の下書きを作ったり、録画を分析してコメントを付けたりします。Confluenceでは、文書をリアルタイムで共同編集する形になります。1つのチャットボックスでは、これらすべてには対応できません。

アプリケーションの下にあるコンテキスト層

Atlassianのアプリケーションの下には、エージェントに企業のコンテキストを供給する層であるTeamwork Graphがあります。開発は8年前に約5人のエンジニアで始まり、現在はおよそ1,000人のエンジニアが携わっています。

このグラフは、オブジェクトとその間の関係をマッピングします。対象は、文書、スプレッドシート、プロジェクトの目標と成果、メール、カレンダー、会議の文字起こし、ソースコード、DatabricksやTableauといったプラットフォームのデータ資産、そしてオフィスの物理的な資産です。システムはこのグラフをもとに推論し、検索クエリやチャットでの依頼に答えます。外部のコーディングエージェントは、コマンドラインインターフェース(CLI)またはMCPサーバーを通じてこのグラフにアクセスします。

キャノン=ブルックス氏は、豊富なコンテキストがトークン消費を減らすと述べました。トークンとはモデルが処理するテキストの単位で、利用コストはトークン数で計算されます。豊富なコンテキストはコストを下げ、精度を高め、タスクを速くもします。グラフは完了したエージェントのセッションもインデックス化し、記憶、文書リンク、教訓を抽出するため、後の実行は以前の実行を土台にできます。

交換盤の下に、つながり合う作業項目の網が広がり、交換盤は3つのエンジンの箱へケーブルを振り分け、上には小さなロボットが載っている

▲ コンテキスト層、モデルの振り分け、エージェント

最新モデルを追わず、モデルを組み合わせる

キャノン=ブルックス氏は、モデルを純粋なコモディティとは考えていません。モデルによって強みもコストも異なるからです。同氏はまた、最新かつ最大のフロンティアモデルへ自動的に乗り換えることは、遅く、高くつき、逆効果になる場合が多いとも注意を促しています。

Atlassianはモデルのブレンドに頼っており、どのモデルがどのタスクを最もうまくこなすかを把握するために多くの時間を投じています。モデルの上で動くソフトウェア層であるハーネスが重要なのは、作業を振り分け、プロバイダーを切り替える役割を担うからです。同氏の説明では、大きな前進はモデル単体の性能向上だけからではなく、コンテキスト、ハーネス、アプリケーションスタック全体がそろって改善したときに生まれます。

モデル開発ラボと企業向けソフトウェア

モデルの開発元はアプリケーションの領域に進出しており、AnthropicはClaude Code、Claude Cowork、Claude Designを提供しています。MicrosoftのCEOであるサティア・ナデラ氏は、AIモデルを使った作業は「パンくず」を残し、それによってラボが企業のワークフローを学び、競合製品を投入できるようになると述べています。

キャノン=ブルックス氏は、歴史に視点を求めました。かつてはMicrosoft、Google、Amazonに対しても同じような懸念がありました。同氏は、企業向けソフトウェアの基本ルールはいまも変わらないと主張します。すなわち、集中、実行、そして顧客に沿った製品です。同氏は、コンプライアンス、大規模で複雑なワークフロー、インターフェースへの継続的な投資をAtlassianの強みに数えています。

AIモデルで素早くコードを生成する手法であるバイブコーディングについて、同氏は、コードが安くなることは既存企業にも有利に働くと指摘しました。Claude Opus、Claude Haiku、Google Gemini、そしてMetaやMistralのオープンウェイトモデルといったモデルは、どのベンダーも同じペースで利用できます。

「ヘッドレスはブレインレス」

ヘッドレスソフトウェアは、視覚的なインターフェースをなくし、すべてのやり取りをエージェントに任せます。Atlassianはエージェント向けに広く使われているMCPサーバーとCLIツールを運用していますが、それでもキャノン=ブルックス氏はこのアプローチを「ブレインレス(脳がない)」と呼び、ソフトウェア製品にとって死への道だと述べました。

その理由はこうです。コンピューティングが端末からウィンドウとメニューへ移ったのは、端末での作業が人にとって非効率だからです。同氏は、一般的な知識労働者がテキストプロンプトとコマンドラインだけで働くことを強く嫌っていることを示す、最近の業界調査データを挙げました。同氏は動的に適応するインターフェースが登場すると見ていますが、ソフトウェアがユーザーの予測できない形で勝手に配置を変えてはならないとも警告しました。

要点と取るべき行動

中心となるメッセージは、エージェントは仕事の中身を変えるということ、そして成果が出る速さを決めるのはモデルの質ではなく、組織の習慣とソフトウェアの設計だということです。これらはコラボレーションソフトウェアを販売する企業のトップの見解であり、読者はその点を踏まえて受け止めるとよいでしょう。

自分の仕事に生かすには、次の点が挙げられます。

  1. エージェントに作業を依頼する前に、成果、制約、受け入れ基準を定義します。
  2. 検証のスキルを身につけます。金融モデルやコードなど、AIが生成した成果物は、頼る前にテストを用意します。
  3. 導入をソフトウェアの購入としてだけでなく、チェンジマネジメントと研修の取り組みとして扱います。
  4. すべてをフラッグシップモデルに送るのではなく、タスクに合ったモデルを選びます。
  5. エージェントに構造化された企業コンテキストを与え、各セッションで得た学びを残します。
  6. 視覚的なインターフェースへの投資を続け、適応型インターフェースを試すときもナビゲーションは安定させます。