午前2時。私は画面上で並行して動いている4つのウィンドウを見つめている。1つはクライアント資料を処理している。1つはコードを修正している。1つは未読のSlackメッセージを追っている。4つ目はAPIのレート制限で止まり、私が判断を下すのを待っている。私はAIを使っているのではない。私はAIを管理している。まるで午前2時に工場を巡回する現場監督のように。
2か月前、私はAIが自分にできることの天井に到達したと思っていた。GPT-3.5の頃から毎日使っていた。2年間の会話、より賢い壁打ち相手、それ以上ではなかった。そこから会話は止まり、管理が始まった。AIと会話することと、AIと実際に働くこと。その2つのモードの間にある溝は、私がこれまで経験した中で最も重要な仕事上の越境だった。これは、その向こう側からの現場報告であり、失敗も含めて書いている。
自分で作っていた天井
私はAIの傍観者ではない。AIを全面的に取り入れている会社を経営している。Pythonを書き、APIを扱い、研究動向も追ってきた。メモの下書き、戦略の検証、会議準備など、1日に何度もAIを使っていた。
その慣れこそが罠だった。
なぜなら、私がしていたことは、すべて会話だったからだ。タブを開き、質問し、答えを得て、タブを閉じる。次回はまたゼロから始める。私は多くの経営者と同じようにAIを使っていた。共に働く同僚ではなく、話しかける賢いアシスタントとして。途中でパッケージ化されたエージェント製品も試した。Manusはブリーフを保持し、セッションをまたいで文脈を追うことができた。プレゼンには役立ったが、やり取りは依然として「私が指示し、それが実行する」という一歩ずつの形だった。
GitHub Copilotのようなコーディングコパイロットの存在も知っていた。しかし私はCEOであり、エンジニアではない。危険な程度にはコードを書けるが、生産的に書けるほどではなかった。IDEに座るという発想は、自分のキャリアを後戻りさせるように感じた。私は無意識のうちにツールを分類していた。これはプログラマー向け、あれはマネージャー向け。その天井はツールに押し付けられたものではない。自分で作ったものだった。私は「自分のような人間向け」の範囲を決め、それ以上を見なくなっていた。
壁が崩れるときの感覚
CTOに背中を押され、私はCursorを試した。IDE、つまりプログラマーの道具だ。何年も本格的にコードを書いていなかった。それでも好奇心が勝った。
Cursorは肩書きを気にしない。やりたいことを自然な英語で説明すると、それは作る。オートコンプリートではなく、構築だ。仕様を語ることはできても、自分では作れず、いつも実装から一歩離れていた私にとって、それは壁が崩れるような感覚だった。初めて実装レイヤーに直接触れられた。
その後、彼は私をClaude Codeへ導いた。AnthropicのコマンドラインAIエージェントだ。そして何かが突き抜けた。
Cursorは賢いコパイロットだ。まだ自分が運転席にいて、1行ずつ進める。Claude Codeは同僚だ。私は目標を説明する。それは問題を推論し、確認質問をし、コードを書き、テストし、壊れたところを直す。どのファイルが存在し、どうつながり、昨日何を作ったかまで、プロジェクト全体を頭に入れている。私の役割は書くことからレビューすることへ移った。ボトルネックは自分の技術力ではなく、まったく別の2つに移った。自分が望むものをどれだけ明確に言語化できるか、返ってきたものをどれだけ正しく判断できるか。
その2つのスキルは、結局CEOのスキルだった。私はコーディングツールは自分向けではないと思い込んでいた。気づいていなかったのは、ツールの方が、すでに私がいる場所まで移動してきていたということだ。
そしてOpenClawを見つけた。オープンソースのマルチエージェントフレームワークだ。そこでまた床が抜けた。
ManusからCursorへ、Claude Codeへ、OpenClawへ。この一連の進行は3〜4週間ほどだった。加速度曲線のように、ジャンプするたびに速く、深くなった。最後には、私は単一のAIツールを使っているのではなく、システムを動かしていた。
加速度曲線：ジャンプするたびに速く、深くなっていった
向こう側
その溝の向こう側はこう見える。1か月後には違って見えるかもしれないが。
私は2つのレイヤーを使っている。OpenClawは常時稼働のレイヤーだ。クラウドサーバー上にあり、会社のSlackを監視し、事業運営のリズムを支える。チーム更新の要約、アウトリーチワークフローの実行、クライアント依頼の追跡、締切に関するチームへの促し。人、ツール、チャネルに散らばり、誰もつなぐ時間がなかった断片をかき集める。
Claude Codeは深い集中のレイヤーだ。1つのことについて深く考える必要があるとき、この記事を書く、新しいワークフローを設計する、OpenClaw自体をデバッグする、といったときにClaude Codeに向き合う。OpenClawは工場の現場で、Claude Codeは作業台だ。
エージェント向けに再構成：Markdownファイルがブリーフィング文書として機能し、AIがプロジェクトを理解できるようにする
この分担は重要だ。AIツールには本当に異なる強みがある。モデルも、メモリも、自律性のレベルも違う。どのエージェントにどのタスクを割り当てるかを見極めること自体が新しい種類の仕事であり、私もまだ学んでいる。ただし重要なのは特定のツールではない。重要なのは、私はAIに質問するところから、AIシステムを運用するところへ越えたということだ。その違いは漸進的ではない。構造的だ。
実際にはどう感じるのか
変わったことはこうだ。
導入前と導入後：CEOの仕事6領域における具体的な変化
時間短縮は本物だ。以前なら1〜2週間かかったタスクが、今では1時間で終わる。しかし速度が主眼ではない。CEOとして、やるべきことは常に自分の処理能力を超えて存在する。多くのタスクは厄介な中間地帯にある。やる価値はあるが、採用を正当化するほど大きくはない。だから実行されない。株主向けアップデートは後回しになり、見込み客調査は浅いままになり、フォローアップは抜け落ちる。AIは既存の仕事を速くしただけではない。隙間から落ちていた仕事を実際に起こるものにした。
そしてその溝を越えたことで、予想していなかった扉が開いた。AIそのものへの扉だ。散歩中、タクシーの中、会議の合間に、私は音声チャットでAIを使う。道路を渡りながら口にしたアイデアが、席に着く頃には仕様になっている。日々エージェントと働くことで、私はフロンティアに手で触れている。基盤モデル（Claude、Gemini、Qwen、Kimi）を切り替え、RAGパイプラインを作り、エージェントのメモリシステムと格闘している。読んでいるのではない。使っている。AIに取り残されるのではないかという不安、今すべての経営者が抱えている感覚は消えた。すべてを知っているからではない。すべてに触れられるセットアップを持っているからだ。
では、ファミリーオフィスを運営しているなら、これは何を意味するのか。
あなたが管理しているのはコードではない。多世代にわたる資産、複雑な家族関係、規制上慎重な取り扱いが求められるデータだ。自動化に慎重になるのは当然だ。1つの誤った指示が世代をまたぐ資産配置に影響し、1つのデータ漏えいが一族の評判を壊し得る。しかし慎重さと回避は同じではない。
ファミリーオフィスの中核業務は、根本的にはこうだ。断片化した情報を集め、理解を統合し、判断し、実行し、検証する。カストディアン銀行をまたぐポジション統合から、PEファンドのキャッシュフロー予測、各家族メンバー向けのレポートカスタマイズまで、そのうちどれだけが反復的なデータ集約で、どれだけが本当の意思決定なのか。
AIが資産配分の判断を下したり、どのファンドマネージャーを信頼すべきかを教えたりするわけではない。しかし会議の15分前にカストディアン横断の完全なポートフォリオビューを提供し、コーヒーを飲み終える前にデューデリジェンス資料に埋もれた主要条項とリスク要因を示すことはできる。重要な線引きは、自動化できる情報処理と、人間に残すべき判断の間にある。その線を明確に引けば、フライホイールは回り始める。そして越えた人と越えていない人の差は急速に広がっていく。
誰も警告してくれない部分
ここまでは明るい話だった。ここからが残りだ。
環境構築に飲み込まれる。 私が説明したタスクにかかる時間は今では短い。しかし、それを速くするシステムを構築し維持することは、新しい継続的な仕事だ。私はタスク時間をインフラ時間と交換した。そして私にとっては明らかに差し引きプラスだ。しかし私には動機があり、技術的背景があり、費やせる時間があった。多くの人にとってはそうではないだろう。
世界はエージェント向けに作られていない。CAPTCHA、二要素認証、セッションタイムアウト、PDF、レガシーなスプレッドシート、人間の速度を前提に設計されたAPIレート制限。エージェントがこれらの壁にぶつかるたびに、回避策を見つけるのはあなた自身だ。（この摩擦は巨大な機会でもある。私たちのような会社にとってもそうだ。障壁はビジネスモデルである。）そして自作エージェントは製品ではない。LEGOだ。メモリ、レポーティング、タスクオーケストレーション、権限、監視、エラーハンドリング、ツール連携。それぞれのブロックに判断が必要で、その多くには技術的判断も必要だ。基盤モデル、API、ツールが数週間ごとに変化するため、終わることはない。
最新のエージェントが自然な英語を理解するようになっても、推論が横道にそれたときには、なお導き、上書きする必要がある。
最近、私はOpenClawのために3層のメモリシステムを作ろうとした。リアルタイムメモリ、日次メモリ、週次メモリ。きれいに聞こえるだろう。私はClaude Codeに大量の研究論文を読ませ、アーキテクチャを設計させた。出てきた計画は綿密で完全に見えた。これで終わったと思って息をついた。
動かなかった。
2つ目のClaudeインスタンスにアーキテクチャをレビューさせた。構造的な問題が見つかった。直した。また壊れた。新鮮な目を求めてCodex、OpenAIのコーディングエージェントを開いた。それは私が見落としていた新しいエッジケースを見つけた。それを直した。するとOpenClawが新バージョンをリリースし、私が何日も修正していたコードを上書きした。振り出しに戻った。
最も不条理だったのは、ClaudeとCodexが時々タイプミスを入れたことだ。推論ミスではなく、自分たちのために書いた指示の中の単なるスペルミスだった。この些細なミスが、問題を探す時間を倍にした。根本的な何かが壊れているはずだと常に考え、大局を何時間も見た末に、1つの単語から1文字抜けているだけだと気づくからだ。
このループが4〜5日続いた。直す、壊れる、直す、壊れる。同じ場所を走っている感覚。最終的には、重要な部分を抜き出し、1行ずつ手でレビューしなければならなかった。これは「AIで時間を節約する」からは、ほとんど最も遠い経験だった。
メモリシステムは今では動いている。おそらく80〜90%の確率で。リアルタイムメモリはまだ時々エラーを出すが、少なくともエージェント自身が修正履歴を十分に記録しているので、何が起きたかを追跡できる。まだバグはあるか。ある。3層が維持されているとそこそこ自信はあるか。おおむね。幸運を祈るしかない。
ツールがこれほど利用しやすかったことはない。うまく使うために必要な判断力が、これほど希少だったこともない。
Claude Codeの実例。「AIと働く」とは実際にどう見えるのか
そして、それがあなた自身に及ぼす影響という問題がある。 2週間ほど、私は本当に息苦しかった。エージェントは絶えず権限を求め、判断を求め、私がレビューできるより速くアウトプットを出してきた。私は毎晩午前2〜3時まで働いた。そうしなければならなかったからではない。止められなかったからだ。私はそれを人間のトークンレート制限と呼び始めた。システムのボトルネックはもはや機械ではない。あなた自身だ。
そしてそれは人を引き込む。研究者たちは、AI応答の非決定的な性質がスロットマシンに似たドーパミン経路を刺激することを発見している。次の当たりを求め続けさせる可変報酬だ。今月のHBRの研究も同じパターンを確認した。「AIツールは仕事を減らすのではなく、一貫して仕事の負荷を高めていた。」
『マトリックス』には、ネオが目を覚まし、自分がシステムにつながれ、自分の人生だと思っていた出力を生み出していたことに気づく場面がある。完全に同じではないが、その感覚は不快なほど近い。私のカウンセラーはもっとシンプルに言った。「AIはあなたの時間を自由にするはずだと言っていましたよね。なぜ以前よりストレスが増えているのですか？」
これはAIの波における実存的な問いの1つだと思う。技術が機能するかどうかではなく、それを最もよく使う人々に何をするのか。これは私個人の経験より大きい。私はまだ、この中でどう生きるかを模索している。もしこの道を進むなら、あなたもそれを見つけなければならない。
今から始めるなら
AIから得られているもの以上の何かがあると感じているなら、その感覚は正しい。私が気づいていなかったのは、AIの側から距離が縮まっていたことだ。ツールはあまりに速く、あまりに良くなったため、あなたは質的な変化の一歩手前にいて、それに気づいていないかもしれない。自分が本当に気にしているタスクを1つ選ぶ。AIに本物の文脈を与える。そこから信頼を積み上げる。疑いは消えない。ただ形を変える。そして学習税は払い続ける必要がある。それでもリターンは本物だ。
AIと会話することと、AIと働くことの間の隔たりは広がっている。100以上の億万長者ファミリーと仕事をしてきたAngelo Roblesは、率直にこう言った。「かつて20人必要だった仕事が、AIがあれば今は1人か2人で足りる。」私は2か月前にその溝を越えた。混乱していて、疲弊し、未完成だった。私は燃え尽きかけた。頂上からこれを書いているのではない。登りの途中、息を切らしながら書いている。
それでも、戻りたいとは思わない。
次の数本では、さらに深掘りする。AIエージェントに関するハードデータ、私のチームがこれらのツールを日々どう使っているか、そしてAIとウェルスマネジメントの交差点でCanopyのプロダクトをどう考え直しているか。ただ、この文章から1つだけ持ち帰るなら、それはこうだ。溝は越えられる。始まりは1つのタスクだ。
Mu ChenはCanopyのCEOであり、Canopyは世界の60以上のファミリーオフィスおよびUHNWクライアントにサービスを提供し、900億米ドル超の資産を追跡している。また清華大学PBCSFのゲスト講師でもある。Amongst Familiesで、AIとウェルスマネジメントの最前線の交差点について執筆している。
[1] M. Karen Shen & Dongwook Yoon, “The Dark Addiction Patterns of Current AI Chatbot Interfaces”, CHI 2025
[2] Aruna Ranganathan & Xingqi Maggie Ye, “AI Doesn’t Reduce Work — It Intensifies It”, Harvard Business Review, February 2026
[3] Angelo Robles, Family Office Association
