おはよう。市民開発とは、IT部門の専門家ではない現場の社員が、自分たちの業務課題を見つけ、ローコード・ノーコードや生成AIなどを使って、業務アプリや仕組みを自ら作り、改善していく取り組みだ。
そして2026年、この市民開発が大きく変わり始めている。
以前は、kintoneやPower Appsなどのツールを覚えなければ、現場の人が仕組みを作るのは難しかった。今はChatGPTやGeminiに普通の言葉で相談しながら、課題の整理、設計、ロジック、テスト、修正まで進められる。
ただ、最初に結論を言うと、これから広がる差は、単純な「AIを使う人」と「使わない人」の差ではないと思う。
AIに質問する人。
AIを自分の仕事に組み込む人。
そしてAIと一緒に、仕事の仕組みそのものを作り替える人。
同じ「AIを使っている人」でも、この間にはかなり大きな違いがある。
そもそも市民開発とは何なのか
「市民開発」という言葉だけを聞くと、市民が街づくりをするような話にも聞こえる。
でも、ここでいう「市民」は、ITを本業としない一般の社員という意味に近い。
たとえば、毎日同じ内容をExcelへ転記している。
申請状況を何度もメールで確認している。
大量の資料から必要な情報を毎回探している。
同じ問い合わせに、何度も同じ回答をしている。
こうした仕事があったとする。
以前なら、「システムを作ってください」とIT部門や外部業者へ依頼するところだ。
市民開発では、その業務を最もよく知っている現場の人自身が、「ここをこう変えれば楽になる」と考え、ツールを使って仕組みにする。
ITRの2026年ホワイトペーパーでは、市民開発を、単に非IT人材でもアプリを作れるという技術の話ではなく、現場が主体となって課題を解決する組織能力の変革として捉えている。
ここが大事だと思う。
AIを使うこと自体が市民開発なのではない
ここは、最初にはっきり分けておきたい。
ChatGPTでメールの文章を作る。
長い資料を要約してもらう。
分からないことを質問する。
これらは立派なAI活用だけれど、それだけで市民開発になるわけではない。
一度だけAIに助けてもらって、その仕事が終わる。
これは「個人の作業支援」に近い。
一方で、
毎回発生する業務を整理する。
誰でも使える手順やアプリにする。
チームで共有する。
使いながら改善する。
自分がいなくても回る状態にする。
ここまで進むと、市民開発に近づいてくる。
つまり市民開発の本質は、AIに仕事を手伝ってもらうことではなく、AIと一緒に仕事の流れを作り替えることにあるのだと思う。
日本企業の78％が「内製」を志向している
ITRが2025年10月に、企業のアプリケーション開発やマネジメントを担当する人へ行った調査では、「完全内製」と「内製優先」を合わせた内製志向の企業は78％だった。
ただし、これは「78％の企業が市民開発をしている」という意味ではない。
市民開発を実施している企業は、全体のおよそ3分の1だ。
できるだけ自分たちでシステムを作りたいと考える企業は増えている。
一方で、IT部門ではない現場の社員まで開発の主体になるところまでは、まだ広がり始めた段階ということだ。
そして、ここに生成AIが入ってきた。
同じITRの調査では、市民開発に使われているツールの上位に、ChatGPT、Azure OpenAI／Azure AI、kintone、Google Gemini、Power Appsが並んでいる。
市民開発といえば、ローコードやノーコード。
そんな時代から、
市民開発＝AIと一緒に作る
という時代へ移り始めている。
ITRはこの変化を、ツール中心の「市民開発1.0」から、AI中心の「市民開発2.0」への進化と表現している。
AIによって「作れない理由」が一つずつ消えている
これまで、非IT人材が何かを作ろうとすると、いくつもの壁があった。
データベースが分からない。
コードが書けない。
どういう構造にすればいいか分からない。
エラーが出ても、何が原因なのか分からない。
そもそも、何から勉強すればいいのか分からない。
だから「こうなれば便利なのに」と思っても、そこで止まることが多かった。
生成AIは、この壁をかなり低くした。
「毎月この表へ同じ数字を転記している」
「申請状況を一覧で確認したい」
「この資料だけを参照して質問に答える仕組みが欲しい」
そう普通の言葉で説明すれば、AIが課題を整理し、方法を提案し、必要ならコードを書き、エラーの原因まで一緒に探してくれる。
もちろん、専門知識が不要になったわけではない。
AIが作ったものが正しいか、安全か、実際の業務で使えるかを判断する力は必要だ。
それでも、専門知識を持っていないことが、スタートできない理由ではなくなってきた。
僕は、ここが生成AIの大きな価値だと思う。
AI活用には三つの段階があると思う
僕は、仕事でのAI活用には大きく三つの段階があると考えている。
一つ目は、AIに質問する段階。
文章を書く、調べる、要約する、アイデアを出してもらう。まずはここから始まる。
二つ目は、AIを仕事の流れに組み込む段階。
定型文を作る、資料を決まった形式へ変換する、毎回の確認作業を自動化する。AIが一時的な相談相手から、仕事の一工程になる。
三つ目は、AIと一緒に仕事の仕組みを作り替える段階。
そもそもの手順を見直し、アプリやワークフローを作り、チームで共有し、継続的に改善する。
同じChatGPTを使っていても、質問を一度する人と、仕事の仕組みそのものを変える人では、得られる効果が違う。
この三つ目の段階に、市民開発がある。
首都高の事例が教える「使い方を教えるだけでは広がらない」
首都高速道路の事例は、厳密には市民開発そのものというより、生成AIを組織へ定着させた事例だ。
ただ、市民開発が始まる前に何が必要なのかを考えるうえで、非常に分かりやすい。
ITmedia AI+が紹介した首都高速道路の事例によると、Geminiを月100回以上使う社員は、2025年2月の22人から2026年2月には224人へ増えた。
1年間で10倍以上だ。
さらに、2026年5月の社内アンケートでは、7割を超える社員が、生成AIが使えなくなれば同じ仕事をするのに1日30分以上余計にかかると回答した。平均は約48分だったという。
ただし、最初から順調だったわけではない。
首都高は当初、GeminiやGemini Notebookの機能説明、デモ、ハンズオンを含む研修を行った。
それでも現場からは、「自分の仕事で何に使えばいいのか分からない」という声が出た。
AIについて学ぶことと、AIを自分の仕事で使えることは別だった。
そこで首都高は、対面で終日行うワークショップへ力を入れた。
一般的なAIの説明ではなく、実際の業務で頻繁に発生し、効果の大きい作業を自分で試す。グループ会社を含め、全23回、約500人を対象に実施した。
人は「AIは便利です」と説明されただけでは変わらない。
自分の仕事とAIがつながる瞬間を、一度経験する。
そこから初めて、使い方を自分で考え始める。
大切なのは「研修を受けた人数」ではなく、小さな成功体験
首都高の事例で僕が一番面白いと思ったのは、AIの性能そのものではない。
実際に使って、
「昨日まで30分かかっていたことが、今日は短く終わった」
「難しい資料の内容が分かった」
「自分でも使えた」
と感じること。
その小さな成功体験が、次の利用につながっている。
しかも首都高では、約100件の生成AI活用事例をまとめ、全社員が投稿できる形で共有している。
一人の工夫を、その人だけの裏技で終わらせず、組織の知識に変えている。
これは市民開発にもそのまま通じる。
一人が便利なアプリを作った。
そこで終わるのではなく、他の人も使えるようにする。
改善点を集める。
次の部署へ広げる。
この循環ができたとき、個人のAI活用が組織の変化になる。
沖縄電力が示した「自由に作る」と「安全に使う」の両立
市民開発そのものの事例として分かりやすいのが、沖縄電力だ。
サイボウズが2026年8月に公開した沖縄電力の導入事例によると、沖縄電力グループでは約3,800人がkintoneを利用し、段階的に現場でのアプリ開発を広げてきた。
最初から誰でも自由にアプリを作れるようにしたわけではない。
導入当初は、情報システム部門とグループ会社がアプリ開発を担当した。
その後、開発依頼が増えたことを受け、2023年から現場でのアプリ開発を解禁した。
同時に、社内勉強会を行い、2026年7月までに延べ400人が受講。
情報の性質に応じてアプリを作れる領域を分け、設定を間違えても意図しない範囲へ情報が公開されにくい仕組みを用意した。
さらに、アプリの作成は申請制。
公開するときには情報システム部門の設定が必要になる。
自由に作れる。
でも、何でも自由ではない。
その結果として、年間6万件の書類業務をなくし、1万5,000時間の業務時間を削減したと報告されている。
この事例が示しているのは、ガバナンスと市民開発は反対のものではないということだ。
現場が動ける範囲を明確にしたうえで、その中では自由に試せる。
この設計が大切なのだと思う。
「みんな自由にAIで作ればいい」では危ない
一方で、市民開発には怖さもある。
個人情報や社外秘の情報を、許可されていないAIへ入力する。
誰も仕組みを理解していないアプリが増える。
作った本人しか修正できない。
同じようなアプリを部署ごとに何個も作る。
AIの誤った回答を確認せず、そのまま業務で使う。
担当者が異動した瞬間に、誰も管理できなくなる。
これでは効率化どころではない。
AIはコードを書いてくれる。
仕組みも提案してくれる。
でも、その仕組みの責任までは負ってくれない。
だから必要なのは、すべてを禁止することでも、何でも自由にすることでもない。
ITRも、市民開発を成功させるポイントとして、**「最小限の統制」と「現場の自律性の最大化」**の両立を挙げている。
禁止するだけでは進まない。
自由すぎても危ない。
この真ん中をどう作るかが、組織の力になる。
AIを使う人と使わない人の差は本当に広がっているのか
では、AIを使う人と使わない人で、本当に仕事の差は広がっているのか。
パーソル総合研究所が2026年7月に公表した調査では、正規雇用者の生成AI業務利用率は、2025年10月の41.9％から2026年5月には54.3％へ上昇した。
正規雇用者の半分以上が、何らかの形で生成AIを仕事に使う段階へ入っている。
ただし、
「使っている54％が勝ち、使っていない人が負け」
という単純な話ではなかった。
同じ調査では、AIを頻繁に使うヘビーユーザー同士でも、仕事のやり方の見直し、成果水準の向上、業務スピードなどの成果指標に、最大3.6倍の差が見られた。
違いを生んでいたのは、AIを使う回数だけではない。
「集める」
「決める」
「確かめる」
「壊す」
「蓄える」
という五つの「メタ・スキル」だった。
なお、この3.6倍という数字は、「AIを使えば生産性が必ず3.6倍になる」という意味ではない。
同じAIヘビーユーザーの中で、メタ・スキルが高い層と低い層を比較したときに、調査上の成果指標に最大3.6倍の差があったという話だ。
ここは誤解しない方がいい。
「集める・決める・確かめる・壊す・蓄える」とは何か
この五つの力は、市民開発にもそのまま当てはまる。
集める。
今の仕事がどう流れているのか、誰が何に困っているのか、どこで時間がかかっているのかを整理する。
決める。
何を変えるのか。どこまでAIに任せるのか。今は何を作らないのかを決める。
確かめる。
AIの答えや作った仕組みが、本当に正しいのか。実際の現場で使えるのかを確認する。
壊す。
うまくいかなければ、最初の案に固執せず、別の方法を試す。
蓄える。
うまくいった方法を自分だけのものにせず、手順、テンプレート、アプリ、事例として残す。
AIに詳しいことより、この循環を回せることの方が大切なのかもしれない。
本当に広がるのは「AI格差」ではなく、仕事を考える回数の差かもしれない
僕はここまで調べて、「AIを使える人と使えない人の差」という言い方を少し変えたくなった。
上手なプロンプトを書ける人だけが強いわけではない。
毎日何百回AIへ質問する人が強いわけでもない。
本当に差を生むのは、
「この仕事は、そもそも必要なのか」
「もっと簡単にできないか」
「毎回やっているなら、仕組みにできないか」
「人間が判断するところと、AIに任せるところを分けられないか」
と考える回数なのではないだろうか。
AIがあることで、その考えをすぐに試せるようになった。
考えた人は試す。
試した人は直す。
直したものを共有する。
共有したものから、また新しい改善が生まれる。
この小さな循環が、数か月、数年たったときに大きな差になる。
市民開発は「全員がプログラマーになること」ではない
市民開発というと、
「これからは全員がプログラミングを学ばなければいけないのか」
と思う人もいるかもしれない。
でも、そうではない。
むしろ大切なのは、自分の仕事を理解していることだ。
なぜこのExcelを使っているのか。
なぜこの順番で確認するのか。
どこでミスが起きるのか。
誰への確認に時間がかかるのか。
何を自動化すると、逆に危険なのか。
それを一番知っているのは、毎日その仕事をしている人だ。
IT部門には技術がある。
現場には業務の知識がある。
AIには、整理し、提案し、作る力がある。
どれか一つだけでは足りない。
三つがつながったときに、市民開発は強くなる。
まずは「大きなシステム」ではなく、小さな困り事から始める
市民開発を始めるといっても、最初から大きなシステムを作る必要はない。
むしろ最初は、
毎日10分かかっている転記。
毎週探している資料。
何度も作り直している定型文。
同じ内容を繰り返している確認作業。
こうした小さな困り事の方がいい。
始め方を五つに分けるなら、こうなる。
- 今の仕事で、繰り返している作業を一つ選ぶ
- 現在の手順と、困っている理由を書き出す
- 入力してよい情報と、入力してはいけない情報を確認する
- 小さな試作品を作り、人間が結果を確認する
- うまくいった方法を残し、他の人も使える形にする
ITRも、市民開発を広げるためには、小さなアプリから始め、成功体験を共有することが重要だとしている。
最初から完璧なものを作ろうとしない。
小さく作る。
使ってみる。
直す。
安全を確認する。
そして残す。
この順番が大切なのだと思う。
組織に必要なのは「AIを使え」と言うことではない
AI活用を進めようとすると、
「全員、AIを使ってください」
「研修を受けてください」
「各部署で活用事例を出してください」
という話になりやすい。
でも首都高の事例を見ると、知識を与えるだけでは人は動かなかった。
必要なのは、
何に使ってよいのか。
どこまで任せてよいのか。
困ったときに誰へ相談できるのか。
試す時間を持てるのか。
失敗してもやり直せるのか。
こうした環境だ。
パーソル総合研究所の調査でも、AIを活用する職場では、上司が単に成果物を管理するのではなく、仕事の枠や裁量範囲を示し、人とAIの協働を調整する「チューナー役」になることが成果と関連していた。
IT部門も同じだと思う。
作る人を管理するだけではなく、現場が安全に作れる基盤を用意し、困ったときに支える。
「勝手に作るな」でもない。
「自由に何でも作っていい」でもない。
安全に試せる場所を作る。
これが、AI時代の組織に必要になる。
AIで広がるのは「能力の差」だけではなく、可能性だと思いたい
「AIを使う人と使わない人の差が広がる」
そう言われると、少し怖くなる。
取り残される。
仕事がなくなる。
若い人やITに詳しい人だけが有利になる。
そんな話になりやすい。
でも、市民開発には逆の面もある。
これまでなら、
コードが書けない。
IT用語が分からない。
専門部署へ頼むほどの話でもない。
だから諦める。
そうして消えていた現場のアイデアを、普通の言葉から形にできるようになった。
生成AIは、格差を広げる可能性がある一方で、これまで存在していた技術の壁を低くする力も持っている。
だから大切なのは、一部の詳しい人だけがAIを独占することではない。
普通に働いている人が、安全に試せること。
分からないことを聞けること。
小さな成功を共有できること。
そして一人ひとりが、
「これ、もう少し良くできないかな」
と思えること。
市民開発とは、結局そこから始まるのだと思う。
AIを使える人と使わない人、その本当の境目
これからAIを使う人は、さらに増えていく。
いずれ「ChatGPTを使ったことがある」というだけでは、ほとんど差にならなくなるかもしれない。
電卓を使える。
検索できる。
Excelを使える。
それと同じように、AIを使うこと自体が普通になる。
そのとき差になるのは、
AIを使って何を変えたか。
ここだと思う。
文章を一つ早く作った。
それも立派な効率化だ。
でも、その先に、
仕事の手順そのものを変えた。
誰でも使える仕組みにした。
自分がいなくても回るようにした。
チームへ共有した。
安全に続けられる形にした。
そこまで進めば、AIは単なる便利な道具ではなくなる。
仕事を変える力になる。
AIの時代だからと、全員がプログラマーになる必要はない。
でも、自分の仕事を自分で少し良くする力は、これから誰にとっても大きな武器になる。
AIに答えをもらうだけではなく、AIと一緒に仕事を考える。
小さく試し、確かめ、直し、残していく。
僕自身も、その積み重ねを楽しんでいきたい。
今日も新しいものを恐れず、自分の生活や仕事を少し良くする一歩を重ねていこう。
愛と感謝を胸に。
バイバイ、またね。
- ✍️ChatGPT Work・Codexのモデルと推論レベル、結局どれがいい？クレジットを使い切る僕が考えた、賢い使い分けとAIに任せる限界
- ✍️闇AIとは？ChatGPTが禁止しているのに、犯罪者はどのAIを使っているのか
- ✍️iPhone Duo正式発表！折りたたみiPhoneは36万4,800円から｜iPhone 18 Proも想像以上にすごかった
- ✍️折りたたみiPhoneは9月10日に発表？「iPhone Ultra」の価格・発売日と噂の現在地
- ✍️ヘリウム風船は宇宙まで行く？何mで割れる？空へ飛んだ風船の行方
- ✍️QommonsAIとは？自治体向け生成AIのできること・情報管理と「公共OS」構想
- ✍️GPT-6 Astraとは？GPT-5.6 Sol・Terraとの違い｜Proユーザーは何が変わる？
- ✍️Codex・Workが0％でも終わりじゃなかった｜「完全リセット」で100％へ戻った実録
- ✍️PayPayで楽天カードが突然使えない！2026年9月の変更理由と使えるカード・使えないカード一覧
- ✍️ビル・ゲイツが提案する「ロボット税」とHuman Reservedとは？AIで仕事が減る時代に何を守るのか
- ✍️近畿で30年以内にM6.8以上が50〜60％とは？南海トラフとの違いと備え
- ✍️ソフトバンクが1Xの過半取得を検討か｜孫正義氏が本気で狙う「身体を持つAI」
- ✍️怪しいリンクがなくても詐欺？AI時代のフィッシングが見抜きにくい理由と対策
- ✍️新Mac Studio M5 Ultraとは？最大512GBのAI母艦｜M1 Pro・M4 Pro・M5 Pro比較と現実的な選び方
- ✍️フィジカルAIとは？AIが「画面の中」から現実世界へ出てくる｜ヒューマノイドが変える家事・仕事・音楽
- ✍️市民開発とは？AIを使える人と使わない人の本当の差｜首都高・沖縄電力の事例から考える
- ✍️ChatGPTがMacの「メッセージ」を直接操作できるようになった｜Computer Useとの違い、何が変わった？
- ✍️Xの「凍結祭り」とは？2026年に検索急増、「偽装行為」凍結の原因と解除方法
- ✍️setlog（セットログ）とは？高校生・大学生に流行る「2秒Vlog」、BeRealとの違いと使って分かった魅力
- ✍️ノルウェーはなぜ小学校でAIを原則使わせないのか｜便利すぎる時代に子どもの理性をどう守る
- ✍️AIで書いた文章は「バレる」のか｜電子透かしが示すのは作者ではなく処理の痕跡
- ✍️Codex・ChatGPT Workの週間利用枠は本当に7日？｜12:59と9:02、気まぐれな100％
- ✍️ペルセウス座流星群2026は当たり年？8月12日夜が見頃｜時間・場所・見る方法まで解説
- ✍️「1日が短くなる」は本当？地球の自転が変わる理由と時間の秘密
- ✍️ChatGPTに健康情報をつなぐ時代へ｜便利さの前に知っておきたい5つのこと
- ✍️ChatGPT Workが無限ロードで開かない｜Mac版Codexで試した全対処と「何もせず突然直った」実録
- ✍️ChatGPTの仕事利用80万件超をOpenAIが分析｜43.5％が「職種の外側」のタスク
- ✍️Claude Fable 5で何が変わる？ChatGPT・Work・Codexの違いと「AIに頼む」「仕組みにする」の境界
- ✍️AIの次のボトルネックは「入力」だ｜人前で使える小声マイクと、声を出さずにAIへ伝える未来
- ✍️南鳥島のレアアース泥とは？水深6000mの海底から日本が目指すもの
