はじめに
こんにちは、もんすんです。
最近、Claude Codeを日常的に使うようになって気づいたことがあります。
私は毎回、無意識のうちに 「これはAIに任せていいのか、自分でやるべきか」 を判断している、ということです。
あるタスクでは、設計まで自分で決めてAIには実装だけ渡します。
別のタスクでは、目的だけ伝えて実装からレビューまで丸ごと任せます。
さらに別のタスクでは、「何を作るか」の構想自体をAIに考えさせることすらあります。
こういった自分自身の行動に限らず、日々以下のような声が私の仕事環境では聞こえてきます。
- いや、レビューはAIに任せるとダメでしょ
- 実装するのが楽しくてエンジニアになったんだけど...
- 正直バイブコーディングで十分できるんだったらAI任せでいいんじゃない？
さて、実際、AIにはどこまでの作業を任せ、どこから人が介在するべきなのでしょうか？
上流ほど人が入るべきという人もいますが、本当にそうなのでしょうか？
そういった疑問を元に私の考えを整理してみました。
対象読者
- AIコーディングツールを日常的に使い、「どこまで任せるか」に迷ったことがある人
- 特定のツールの話ではなく、汎用的な判断の型を求めている人
委任レベルを3段階に分ける
まず、「AIにどこまで任せるか」を3段階に整理します。
| レベル | 人間の役割 | AIの役割 | イメージ |
|---|---|---|---|
| L1: 実装委任 | 構想・設計・レビュー | 実装（コードを書く） | 現在いちばん一般的な使い方 |
| L2: 開発委任 | 構想・目的設定・最終受け入れ判断 | 設計〜実装〜セルフレビューまで一貫実行 | ゴールだけ渡し、途中は見ずに成果物だけ確認する |
| L3: 構想委任 | 目的・制約だけ提示、もしくはそれすら渡さない | 構想・設計・実装のすべて | いわゆる「丸投げ」 |
L1→L2→L3と進むほど、人間の関与が減っていきます。
「AIに任せている割合・領域」が増えていく、と言い換えてもいいかもしれません。
比較の4軸
問題は「じゃあどのレベルを選べばいいのか」です。
私は今のところ、なんとなく次の4つの軸で考えてレベルを切り替えるようにしています。
1. 可逆性・リスクの大きさ
間違えたときに取り返しがつくかどうか。
本番DBのスキーマ変更と、PR概要の下書きでは、任せていい範囲が全く違います。
取り返しがつかない作業ほど、人間の関与を厚くする（L1側に寄せる）べきです。
2. 自分の成長・学びの機会
任せすぎると、自分のスキルが伸びなくなる領域があります。
まだ習得したい技術やドメイン知識がある場合、そこを丸投げしてしまうと、いつまで経っても自分の中に何も蓄積されません。
3. スピード・アウトプット量
任せることで得られるスループットの違いです。
定型作業や、正解の幅が広いタスクは、任せれば任せるほど圧倒的に速く・多く前に進みます。
4. 受け手の納得感・「その人らしさ」
これが一番悩ましい軸です。
AI100%で作られたものを、見る人・使う人は本当に受け入れてくれるのか。
人は「その人らしさ」に惹かれているのではないか、という問いです。
L3に進むほど、成果物から「自分」が薄まっていきます。
効率だけを考えればL3が最速ですが、それを受け取る相手が「あなたが作ったもの」として評価しているとしたら、丸投げした成果物は本当にその評価に応えられているのでしょうか。
レベル×軸のマトリクス
4つの軸を、3つのレベルに当てはめてみます。
| L1: 実装委任 | L2: 開発委任 | L3: 構想委任 | |
|---|---|---|---|
| 可逆性・リスク | 人間が都度チェックするので安全 | 最終確認はあるが途中の判断はブラックボックス | リスク管理は事実上AI任せ |
| 成長機会 | 自分の構想・設計力は伸びる | 構想力のみ伸びる、実装力は停滞しがち | 自分のスキルはほぼ伸びない |
| スピード | AIを使わない場合より速いが、人間のボトルネックが残る | 圧倒的に速い | 最速だが「何が作られたか」の把握コストが別途かかる |
| 受け手の納得感 | 「その人らしさ」が最も残る | 目的設定に「その人らしさ」が宿る | 「その人らしさ」はほぼ失われる （※ただし、移植の精度によって変わりうる。後述） |
こうして並べると、L3は「速いが失うものも大きい」 ということが見えてきます。
逆にL1は「遅いが安全で、自分の中に何かが残る」選択肢です。
判断基準としての使い方
この4軸を、実際の意思決定にどう使うか。
私は次のような目安で選んでいます。
-
リスクが高く、かつ自分がまだ学びたい領域 → L1
例: 本番影響のある設計変更、まだ習熟していない技術領域 -
リスクが低く、量をこなしたい定型作業 → L2
例: 定型的なCRUD実装、既に何度もやったことのあるパターンの横展開 -
探索的で正解がなく、かつ「らしさ」が問われない領域 → L3
例: 大量のアイデア出し、下調べ、たたき台のたたき台
逆に言うと、「らしさ」が成果物の価値そのものである領域（創作、対人コミュニケーション、意思決定の説明責任が伴う場面）は、どれだけ効率が良くてもL3に進むべきではない、というのが一般的な考え方になるかと思います。
「らしさ」の考え方
と、いうところまでは考えたのですが、「らしさ」はAIに代替されないとも言い切れません。
そもそも「その人らしさ」とは何かを分解すると、
- その人の考え方
- 口調
- 表現方法
- 思考のクセ
- バックグラウンドの積み重ね
に行き着きます。
だとすれば、これらをAIに十分学習させ、再現させることができれば、AIが出した成果物であっても「その人らしさ」を実現できてしまうのではないか、という話です。
つまり、あらかじめ人格として定義・学習させておけば、L3の丸投げであっても十分に再現できる余地がある、ということです。
そう考えると、「らしさ」は委任レベルとは独立した軸ではなく、「その人らしさ」をどれだけAIに移植できているかという別のパラメータとして捉え直せます。
移植の精度が低いうちはL3で任せると「らしさ」が失われますが、精度が上がっていけば、L3でも「らしさ」を保ったまま任せられる領域が広がっていく。
むしろ今後意識すべきは「委任レベルを上げるか下げるか」ではなく、「自分の"らしさ"をどれだけAIに理解させられているか」なのかもしれません。
ただし、これには限界もあります。
人格を言語化・学習させられるのは、あくまで過去に表出した思考や言動のパターンです。
- まだ言語化されていない直感的な判断
- その場の空気を読んだ即興的な反応
こういったことまで丸ごと移植するのは簡単ではありません。
だからこそ、「らしさの移植」は一度作って終わりではなく、新しい判断や発言が生まれるたびに定義をアップデートし続ける、終わりのない作業だと思っています。
ただ、これ以上は別途どこかで考えを整理したいと思います。
レベルは固定しない
さて、話を戻して、もう一つ大事なのが、同じタスクでもレベルを固定しないということです。
最初は不安だからL1でじっくり進めていたタスクも、慣れてくれば「これはもうL2で任せて大丈夫」と判断が変わります。逆に、普段はL2で回している作業でも、影響範囲が大きい変更が絡んだ瞬間はL1に戻す。この行き来の柔軟性こそが、AIとの協働を長く健全に続けるコツだと感じています。
「AIにどこまで任せるか」を一度決めたら固定するのではなく、タスクごと・状況ごとに毎回選び直すもの。
そう捉えておくと、無用な不安も、逆に任せすぎる油断も減らせるはずです。
最後に
- AIへの委任は「実装委任(L1)」「開発委任(L2)」「構想委任(L3)」の3段階で捉えられる
- 比較軸は「可逆性・リスク」「自分の成長機会」「スピード」「受け手の納得感・らしさ」の4つ
- どのレベルが正解、ではなく、どの軸を今のタスクで重視するかでレベルを選ぶのが実践的な判断フレーム
- ただし「受け手の納得感・らしさ」だけは他の3軸と性質が違い、委任レベルそのものよりAIへの人格移植の精度によって結果が変わりうる（詳細は別記事で掘り下げたい）
- レベルは固定せず、タスクごと・慣れ具合に応じて行き来していい
全体的に個人での考えになっていますが、結局チーム開発における方針を決める際にも同じことが言えると思います。
私が実務で関わっているチームではレビューまで(L2)を完全にAIに任せるようにしています。
ここまで任せるという判断をし、チームで共有しています。
「AIにどこまで任せるか」に唯一の正解はありません。
レビューも人間がやるべきという考えをもちろん否定する気もありません。
しかし、L1からL2に移行(さらにL3へ移行)することで、開発速度をあげて、人間の負担を軽くし、さらにビジネスインパクトを出せることすることも重要です。
この記事が、みなさんの委任判断の一助になれば幸いです。