AI利用タスクの3分の1は「AIなしでは不可能」|Atria Dawn論文769件の実測とEC業務の線引き

Atria Dawn論文の769タスク記録では、AIを使った仕事の33.2%が「AIなしでは不可能」でした。人とAIの分担の実測データをもとに、EC業務を3分類して線引きする手順をプロンプト4本つきで解説します。

投稿日: カテゴリー EC×AI活用

Atria Dawnの769タスク記録とは、人とAIの分担の実測値のことです。

AIを使った仕事のうち、33.2%は「AIがなければそもそも完成できなかった」。2026年9月に公開された論文「Atria Dawn: The Dawn of Agentic Superintelligence」の第4章には、56人が記録した769件のタスクをもとに、人とAIがどう仕事を分け合っていたかが数字で残されています。この数字は「AIで何時間短縮できたか」とは別の物差しで、EC事業者が「どの業務をAIに任せ、どこを人が握るか」を決めるときにそのまま使えます。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)の現場知見にもとづいて、769タスクの実測データをEC業務の線引きに置き換える手順を、プロンプト4本つきで解説します。

769タスクの実測で見えた「人とAIの分担」

Atria Dawn論文の第4章が示したのは、「AIはほぼすべての仕事に入り込んでいるが、目標と合格ラインを決めているのは今も人」という構図です。論文はAtria Teamによるもので、143人の共著、arXivの版表記は2026年9月17日付のv2です。著者の所属ロゴには上海人工知能実験室(Shanghai AI Laboratory)などが並んでいます。モデルそのものの性能については、うるチカラのAtria Dawn Previewの解説記事で扱ったので、ここでは開発現場の働き方を測った第4章に絞ります。

調査の材料は、56人の参加者が残した769件のタスク記録と、AIエージェントの操作ログです。AIの利用有無がはっきり回答された739件のうち、713件(96.5%)でAIが使われていました。開発チームの仕事のほぼ全部にAIが関わっていた計算です。

注目すべきは、AIを使って完了した455件(有効回答のあるもの)について、「AIがなくても自分の担当部分を完成できたか」を尋ねた結果です。151件、割合にして33.2%が「AIなしでは不可能だった」と答えています。この回答は56人中27人から出ており、一部の人だけの偏りではありません。しかも質問は、作業の範囲、求める品質、使える人員や予算を同じ条件に固定したうえでの判断を求めています。「時間をかければできた」ものは不可能に含まれない、という厳しめの聞き方です。

AIが詰まったときの動きも記録されています。困難が生じた588件のうち、人の介入で前に進んだのが76.0%、AIエージェントが自力で立て直したのが23.0%、未解決は1.0%でした。人がした手助けの中身は、「文脈を足す・要件をはっきりさせる」が35.2%、「原因を診断して方法を変える」が34.7%と大半を占め、「一部を直接書き直す」は3.2%、「人がすべて引き取る」はわずか0.7%です。人は手を動かすより、指示と判断で介入していました。

判断の所在はさらに明確です。方法やパラメータの最終決定は85.5%、目標や範囲の最終決定は93.4%、合格基準の最終決定は81.9%を人が行っていました。方法の選択肢をAIが出した割合は55.4%あり、「AIが提案し、人が選ぶ」形が定着しています。そして「AIなしでは不可能」だった151件でも、最終的な目標を人が決めたのは144件(95.4%)でした。

もう1つ、委任の深さを測る指標があります。人が1回指示を出すごとにAIエージェントが何回操作したかの比率で、22人前後の集団の日次中央値は、2026年8月7日の11.0から9月4日の28.5へ、およそ1か月で2.6倍に伸びました。ただし参加者ごとのばらつきも広がっており、全員が同じ速さで任せ方を深めたわけではありません。論文自身も、この比率だけでは委任の価値や責任の所在は分からないと断っています。

数字を読むときの注意点もあります。「AIなしでは不可能だったか」や「どこで詰まったか」は、参加者自身の評価と記憶にもとづく回答です。困難については、各タスクで最も影響の大きかったものを1つ思い出して答える形式でした。客観的な計測ではないため、33.2%という値を他の職場にそのまま当てはめるのは避けるべきです。それでも、同じ人が同じ物差しで数百件のタスクを振り返ったデータは珍しく、人とAIの分担を考える材料としての価値は高いと判断します。

EC業務に置き換えると「AIなしでは不可能」はどこにあるか

EC事業者にとってのポイントは、「AIで速くなる仕事」と「AIがなければ手を付けられなかった仕事」を分けて数えることです。前者は人件費の削減として計算できますが、後者は売上や品質の上乗せとして効きます。769タスクの調査が時間短縮と「不可能だったかどうか」を別々に聞いたのは、この2つが別の量だからです。

EC運営に当てはめると、「AIなしでは不可能」に入りやすいのは、今の人員・予算・品質基準のままでは着手を見送ってきた仕事です。たとえば、楽天市場とAmazonとShopifyで扱う全SKUの商品説明を、楽天のPC用商品説明文(半角10,240文字以内)やAmazonの検索キーワード(250バイト以内)といったモールごとの制約に合わせて書き分ける作業。数千件たまったレビューを不満の種類ごとに分類し、商品ページの改善点に落とす作業。越境ECで英語と中国語の商品ページを同じ品質でそろえる作業。どれも「やれば効く」と分かっていながら、担当者1〜2人の店舗では手が回らなかった領域です。

モール別に見ると、候補はさらに具体的になります。楽天市場なら、RMSの商品一括編集機能やCSVで全商品のキャッチコピー(半角174文字以内)を季節ごとに見直す作業。Amazonなら、セラーセントラルの在庫ファイルで全ASINの箇条書き(最大5項目)を、Rufusのような対話型の買い物アシスタントが拾いやすい具体的な表現にそろえる作業。Yahoo!ショッピングなら、ストアクリエイターProで商品名(75文字以内)と商品情報を一括で整える作業です。どれも1件ずつなら人でも書けますが、数千件を同じ品質でそろえるとなると、今の人員では「不可能」に分類される店舗が大半でしょう。5,000社支援の中で何度も再現したパターンとして、こうした全件作業は「いつかやる」リストに何年も残り続けます。

一方で、問い合わせメールの返信や受注確認の連絡は「AIで速くなる仕事」の典型です。人が書いても完成はするので、AIの価値は時間短縮として測るのが筋です。問い合わせ返信の自動化については、EC問い合わせ返信をAIで作るスキルの解説で、即送信してよいものと人の確認が要るものを3段階で分ける考え方を紹介しています。

AI企業の内部でも、同じ二層構造が見えています。The Decoderが報じたAnthropic社内の振り返りでは、2026年8月時点でAIエージェントの稼働時間が人の約6倍に達し、技術職の新規採用に占めるジュニア層の割合は2025年初めの27%から9%に下がりました。同じ記事は、エンジニアのコード提出数が5.1倍、法務チームの契約処理数が3.1倍になったとも伝えています。量の拡大と、入口の仕事の縮小が同時に起きているわけです。

この流れは、店舗の採用や育成にも関わります。オーストラリア準備銀行の分析では、AIの影響を受けやすい事務やコールセンターの職種で、若手の雇用に弱含みの兆しが出ています(詳しくは豪中銀のAI雇用分析とEC採用の3論点)。AIで「不可能だった仕事」を取りに行くのか、「速くなる仕事」で人を減らすのかで、数年後の店舗の姿は大きく変わります。

人とAIの線引きを決める4ステップとプロンプト4本

結論として、769タスクの調査から店舗運営に持ち込むべき手順は、業務の3分類、目標と合格基準の人による固定、詰まったときの文脈追加、委任の深さの月次記録の4つです。以下のプロンプトはChatGPT、Claude、Geminiのどれでも動くように書いています。中括弧の部分を自店の情報に置き換えてください。

1つ目は業務の棚卸しです。調査が「AIなしでは不可能か」を範囲・品質・資源を固定して聞いたように、店舗の業務も同じ条件で3つに分けます。ここを曖昧にすると、時間短縮の数字ばかりが集まり、売上につながる「新しくできるようになった仕事」が見えなくなります。

プロンプト1:EC業務の3分類(AIで速くなる/AIなしでは不可能/人が決める)

あなたはEC運営の業務設計に詳しいコンサルタントです。
以下の業務一覧を、次の3つに分類してください。

A:AIで速くなる仕事(人だけでも今の品質で完成できるが、時間がかかる)
B:AIなしでは不可能な仕事(今の人員・予算・品質基準のままでは着手できない)
C:人が決める仕事(目標設定、合格基準、最終承認、顧客への約束に関わる判断)

判定の条件:
1. 作業範囲・求める品質・使える人員と予算は現状のまま固定して判断する
2. 「時間をかければ人でもできる」ものはBではなくAに入れる
3. 各業務について、分類の理由を1文で書く
4. Bに入れた業務は、着手した場合に期待できる効果(売上・品質・顧客満足のどれか)を1つ書く

店舗情報:
- 販売チャネル:{楽天市場/Amazon/Yahoo!ショッピング/自社EC}
- 商品ジャンル:{ジャンル}
- SKU数:{件数}
- 運営人数:{人数}

業務一覧:
{業務名と月間の作業時間を1行ずつ}

出力フォーマット:A・B・Cの見出しごとに、業務名/理由/(Bのみ)期待効果

2つ目は、目標と合格基準を人が先に書くことです。調査では目標の93.4%、合格基準の81.9%を人が最終決定していました。AIに丸投げした店舗ほど、出力の良し悪しを判断できずに手戻りが増えます。商品説明の一括書き換えのような「AIなしでは不可能」な仕事ほど、着手前の基準づくりが効きます。

プロンプト2:AIに任せる前の目標・合格基準シート作成

あなたはEC店舗の品質管理担当です。
これからAIに任せる作業について、人が事前に決めておくべき目標と合格基準を整理してください。

作業内容:{例:楽天市場の全SKUのスマートフォン用商品説明文の書き直し}
対象件数:{件数}
現状の課題:{例:説明が短く、素材とサイズの情報が抜けている}

出力してほしい項目:
1. この作業の目標(売上・CVR・問い合わせ削減など、測れる指標で1つ)
2. 合格基準(必ず含める情報、文字数の上限、禁止表現、トーン)
3. 不合格になる典型例を3つ
4. 人が最終確認すべき項目(価格、在庫、効能表現、配送条件など)
5. 抜き取り確認の件数と方法

条件:
- 楽天市場の規約、薬機法・景品表示法に触れる表現(最大級表現、効能の断定)を合格基準で禁止する
- 基準は担当者が5分で読める長さにまとめる

3つ目は、AIが詰まったときの介入の型です。調査で人の手助けの35.2%が「文脈を足す・要件をはっきりさせる」でした。現場で繰り返し見るのは、AIの出力が的外れなときに担当者が自分で書き直してしまい、同じ失敗が翌月も起きるパターンです。書き直す前に、足りなかった文脈を言葉にして渡し直すほうが、次回以降の品質が上がります。

プロンプト3:詰まったときの文脈追加テンプレート

先ほどの出力は、次の点で期待と違いました。
- 期待と違った点:{例:商品の使用シーンが一般論になっている}
- 足りなかった前提:{例:主な購入者は40〜50代で、贈答用が売上の6割}
- 守ってほしい制約:{例:「送料無料」は対象商品だけに書く}
- 参考にしてほしい既存の良い例:{過去の評価が高い説明文を1つ}

この情報を踏まえて、最初の指示の目的は変えずに作り直してください。
作り直す前に、あなたが理解した前提を3行で要約し、私の意図とずれていないか確認できる形にしてください。

4つ目は、委任の深さを毎月記録することです。論文では「人の指示1回あたりのAIの操作回数」の中央値が1か月で11.0から28.5に伸びました。店舗でエージェントのログまで取るのは難しいので、もっと簡単な代わりの指標を使います。担当者ごとに、AIに任せた作業件数、手直しが必要だった件数、人が引き取った件数を月末に集計するだけで、任せ方が深まっているかが分かります。

プロンプト4:AI委任ログの月次集計と改善提案

あなたはEC店舗のAI運用担当です。
以下は今月、担当者ごとにAIへ任せた作業の記録です。

記録:
{担当者名/作業の種類/件数/手直しが必要だった件数/人が全部引き取った件数/分類(A:速くなる・B:不可能だった)}

次の4点を出力してください。
1. 担当者ごとの「手直し率」と「引き取り率」
2. 分類Bの作業が全体に占める割合
3. 手直しが多い作業の種類と、考えられる原因(指示の不足、合格基準の曖昧さ、AIの苦手領域)
4. 来月、任せる範囲を広げてよい作業と、人に戻すべき作業をそれぞれ2つ

条件:数字は記録から計算できるものだけを使い、推測した値には「推測」と書く

失敗例と回避策

失敗の多くは、「AIなしでは不可能」な仕事に、速くなる仕事と同じ管理をあてはめるところから起きます。

1つ目の失敗は、全SKUの一括書き換えを合格基準なしで走らせるケースです。食品ジャンルでよく起きるのは、AIが大量の説明文を一晩で作ったものの、賞味期限や保存方法の書き方が商品ごとにばらばらになり、結局全件を人が読み直すことになるパターンです。回避策は、プロンプト2で合格基準を先に固め、最初の20件だけ流して抜き取り確認してから全件に広げることです。

2つ目の失敗は、AIが詰まるたびに担当者が自分で書き直してしまうケースです。調査では人が直接書き直したのは手助け全体の3.2%にとどまり、多くは文脈の追加と方法の変更で解決していました。店舗運営の現場感覚では、ベテラン担当者ほど自分で直したくなり、その結果ノウハウがプロンプトに残りません。プロンプト3の型で文脈を言葉にして返す習慣をつけると、担当者が休んでも品質が落ちにくくなります。

3つ目の失敗は、効能や価格の判断までAIに委ねるケースです。化粧品や健康食品のレビュー分析をAIに任せた結果、レビューの言葉をそのまま商品ページに転記し、効能を断定する表現が混ざる事故は今も起きています。調査で目標の決定の93.4%を人が握っていたように、顧客への約束になる表現と価格は人が最終承認する、という線を先に引いておくべきです。

KPI設計と費用・工数の目安

KPIは「速くなった時間」と「新しくできた仕事」の2本立てにします。前者は、問い合わせ返信や受注連絡などの分類Aの業務について、月間の作業時間がどれだけ減ったかで測ります。後者は、分類Bの業務を何件実行できたか、その結果として商品ページの更新率や検索流入がどう動いたかで測ります。769タスクの調査でも、論文は時間短縮と「可能になった仕事」を別の量として扱っていました。

分類Bの成果は、作業が終わった時点ではまだ見えません。全SKUの説明文を書き直した場合なら、書き直し前後の4週間で、商品ページのアクセス数、転換率、商品に関する問い合わせ件数を比べます。楽天市場ならRMSのアクセス分析、AmazonならビジネスレポートのASIN別の詳細ページ売上・トラフィックが使えます。すべての商品を一度に変えると比較ができないので、売上上位と下位から半分ずつ先に変える、といった分け方をしておくと効果を切り分けやすくなります。

費用面では、ChatGPT、Claude、Geminiの個人向け有料プランは月額20米ドル前後が目安です(2026年11月時点の各社の公式価格は要確認)。数千件規模の一括処理をAPIで回す場合は、件数と文字数に比例した従量課金になるため、まず100件で試算してから全件の予算を決めるのが安全です。

工数の目安として、業務の3分類(プロンプト1)は担当者1人あたり半日、目標・合格基準シート(プロンプト2)は1つの作業につき1〜2時間、月次集計(プロンプト4)は月末に30分程度を見込んでおけば回ります。直近の支援案件で観測した範囲では、最初の1か月は分類Bの仕事にまで手が回らず、合格基準が固まった2か月目以降に任せる範囲が広がる流れが多く見られました。立ち上がりの速さは店舗ごとの差が大きいので、自店の数字で確かめてください。

今後の展望と独自考察

今後の焦点は、「AIに任せる量」ではなく「人が何を決めるか」の設計に移ります。論文の主張も、AIの役割が作業単位の実行からプロジェクト単位のパートナーへ移り、人は「何を追う価値があるか」の判断に集中していく、というものでした。委任比率が1か月で2.6倍に伸びても、目標を決める人の割合は9割台で動いていません。

EC事業者にとって、この構図は2つの意味を持ちます。1つは、商品企画や価格戦略、販促の優先順位といった「目標を決める仕事」の価値が上がることです。もう1つは、その判断ができる人材をどう育てるかという問題です。Anthropicのようにジュニア層の採用を絞る動きが広がれば、若手が判断力を身につける入口の仕事が減ります。店舗側は、AIの出力を評価し合格基準を書く練習を、新人教育に組み込む必要が出てきます。

AIエージェントが買い手側にも広がると、商品データの正確さと網羅性が売上を左右する場面が増えます。全SKUの属性を正しくそろえる作業は、多くの店舗にとって典型的な「AIなしでは不可能」な仕事です。769タスクの調査は研究開発の現場のデータであり、EC運営にそのまま当てはまる保証はありませんが、「任せる量と決める人を分けて測る」という物差しは、業種を問わず使えると判断します。

よくある質問

769タスクの調査は誰が何を調べたものですか

769タスクの調査とは、Atria Dawnの開発チーム56人が残したタスク記録とAIエージェントのログを分析したもののことです。論文「Atria Dawn: The Dawn of Agentic Superintelligence」の第4章に収録されています。AIの利用率、AIなしで完成できたか、詰まったときの人の介入、判断の所在などが数字で示されています。

「AIなしでは不可能」が33.2%というのは、AIで仕事が3分の1減ったという意味ですか

いいえ、仕事が減ったという意味ではありません。AIを使って完了したタスクのうち、作業範囲・品質・資源を同じ条件に固定すると、AIがなければ完成できなかったものが33.2%あったという意味です。時間短縮とは別の量で、論文も両者を区別しています。

EC店舗でも同じ割合になりますか

いいえ、同じ割合になるとは限りません。調査対象はAIモデルの研究開発チームで、AIの利用度がとても高い現場です。EC店舗では、まずプロンプト1で自店の業務を3分類し、分類Bが何割あるかを自分の数字で確かめるのが先です。

AIに任せてはいけない業務はありますか

はい、価格の決定、効能や品質の約束になる表現、顧客との約束の最終承認は人が持つべきです。調査でも目標の93.4%、合格基準の81.9%を人が最終決定していました。薬機法や景品表示法、モールの規約に関わる表現は、AIの出力をそのまま公開しない運用にしてください。

ChatGPT・Claude・Geminiのどれを選べばよいですか

どれを選んでも、本記事のプロンプト4本はそのまま使えます。選ぶ基準は、社内で使っているツール(Google Workspaceか、Microsoft 365かなど)との連携と、一括処理をAPIで回す場合の料金です。最初は1つに絞り、月次集計で手直し率を比べてから併用を検討するのが現実的です。

小規模店舗でも委任の記録を取る意味はありますか

はい、むしろ担当者が少ない店舗ほど意味があります。1〜2人で回している店舗では、誰が何をAIに任せたかが頭の中にしか残らず、担当者が変わると品質が落ちます。月末30分の集計でも、手直し率が下がっているか、分類Bの仕事が増えているかが見えるようになります。

まとめ

Atria Dawn論文の769タスク記録は、AIがほぼすべての仕事に入り込む一方で、目標と合格基準は人が決め続けていることを示しました。AIを使った仕事の33.2%は「AIなしでは不可能」で、これは時間短縮とは別に数えるべき価値です。EC事業者は、業務を「速くなる」「不可能だった」「人が決める」の3つに分け、合格基準を人が先に書き、委任の深さを毎月記録することから始めてください。最初の一歩は、プロンプト1に自店の業務一覧を入れて、分類Bに入る仕事がいくつあるかを数えることです。

参考文献


著者:齋藤竹紘(株式会社オルセル 編集長/5,000社以上のEC支援実績/書籍3冊)


※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/


【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)


投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

お問い合わせ