Google社内で勃発した「AI導入格差」論争に学ぶ、フィリピン日系企業が陥る"使っているつもり"の罠 | ケーススタディ

Googleの「AI導入格差」論争から学ぶ:フィリピン日系企業が陥る"使っているつもり"の罠

元Googleエンジニアの一投稿が、ハサビスCEOらを巻き込む大きな論争に発展しました。争点は「使っている人の広がり」と「仕事が変わった深さ」の違いです。本社報告で失点しないための評価軸を解説します。

2026年4月、元Googleエンジニアのスティーブ・イェッジ氏がX(旧Twitter)に一つの意見を投稿しました。これが、GoogleのAIリーダーたちを巻き込む大論争に発展します。争点は「AIを使っている」と「AIで仕事が変わった」の違いです。この論争は、フィリピンに拠点を持つ日系企業の経営者にとっても他人事ではありません。本教材ではこの事例を取り上げ、自社のAI導入戦略にどう活かすかを解説します。

Part 1: 読む → 自社への示唆を考える

Step 1: Pre-Reading(3分)

本題に入る前に、自社の状況を振り返ってみてください。

自社のフィリピン拠点では、現地スタッフの何割がAIツール(ChatGPT、Gemini、Claudeなど)を週1回以上業務で使っていますか。感覚でかまいません。
「AIを導入した」と本社に報告した後、業務のやり方そのものが変わった部署はありますか。それとも、単にツールが増えただけでしょうか。
もし本社から「AI活用の成果は?」と聞かれたら、何を根拠に答えますか。利用者数でしょうか、時間削減でしょうか、それとも別の指標でしょうか。

Step 2: First Reading(10分)

以下は、ニュース記事の事実をもとに、フィリピン日系企業を主語として書き起こした架空の経営企画レポートです。

社内向けレポート:Googleの内部論争から読み解く、当社マニラ拠点のAI導入評価について

2026年4月13日、元Googleエンジニアのスティーブ・イェッジ氏がX上で、ある投稿を行いました。Google社内のAI活用は「20%-60%-20%」に分かれている、という友人(現役Google社員)の見解です。内訳はAI拒否層が20%、チャット中心の中間層が60%、エージェント型ツールを使いこなす先進層が20%という構成です。この投稿は4月14日時点で190万回閲覧され、4,500以上の「いいね」を集めました。

これに対しGoogle DeepMindのCEOデミス・ハサビス氏は、「完全な誤りでクリックベイトだ」と強く反論しました。Google CloudのAI担当ディレクターであるアディ・オスマニ氏も具体的な数字で応じます。「週次で4万人以上のソフトウェアエンジニアが、エージェント型コーディングを使っている」という反論です。さらに社員はVertex上でAnthropicのClaudeモデルも使えると補足しています。

しかしイェッジ氏は引き下がりませんでした。「トークン使用量」と「従来の開発習慣を真のエージェント型ワークフローに置き換えているか」こそが意味ある指標だと再反論しています。

当社マニラ拠点に引き寄せて考えると、「何人が使っているか」という広がりの指標と、「仕事のやり方が変わったか」という深さの指標は別物です。本社報告で前者だけを示している場合、Googleと同じ批判を受ける可能性があります。

出典: VentureBeat — "Google leaders, including Demis Hassabis, push back on claim of uneven AI adoption internally" (Apr 14, 2026)

注記: 上記のビジネスシナリオは、公開されている事実をもとに学習目的で作成した架空の社内レポートです。詳細は上記リンクの元記事をご覧ください。

Step 3: Comprehension Check(5分)

以下の5問で理解度を確認してください。

イェッジ氏の友人が主張した「20%-60%-20%」とは、それぞれ何を指しますか。
ハサビス氏はイェッジ氏の投稿をどう評価しましたか。
オスマニ氏が反論の根拠として挙げた具体的な数字は何ですか。
イェッジ氏が「意味ある指標」として挙げた2つは何ですか。
この論争の本質的な対立点は何ですか。

解答例

AI拒否層が20%、チャット中心の中間層が60%、エージェント型を使いこなす先進層が20%です。
「完全な誤りでクリックベイト(釣り記事)だ」と強く否定しました。
週次で4万人以上のソフトウェアエンジニアが、エージェント型コーディングを利用している点です。
トークン使用量と、従来の開発習慣がエージェント型ワークフローに置き換わっているかの2点です。
「AIを使っている広がり」を測るのか、「仕事の進め方が変わった深さ」を測るのか、という評価基準の対立です。

Step 4: 3分ブリーフィング(10分)

本社役員に3分で説明するためのテンプレートです。空欄を自社の実情で埋めてください。

お疲れさまです。Googleで起きているAI導入論争について共有いたします。

元Google社員のイェッジ氏は、Google社内のAI活用が3層に分かれていると指摘しました。「AI拒否層が20%、チャット中心の中間層が60%、先進層が20%」という内訳です。これに対しGoogle DeepMindのCEOハサビス氏は「完全な誤り」と反論しています。Google Cloudのオスマニ氏も「週次で4万人以上のエンジニアがエージェント型AIを使っている」と数字で応じました。

しかしイェッジ氏は「利用者数ではなく、仕事の進め方が本当に変わったかが重要だ」と再反論しています。

当社マニラ拠点の状況に当てはめますと、現在AIを週1回以上使う社員は _______ 名で、全体の _______ %です。ただし、業務プロセスそのものが変わった領域は _______ に限られております。

したがって今後は、利用者数だけではなく _______ を成果指標として追加します。四半期ごとに _______ の形で報告させていただきたく存じます。

Part 2: 重要キーワード解説(経営者向け)

1. エージェント型AI(Agentic AI)

意味:人間の指示をその都度待たず、目標を与えると自分で複数の手順を実行するAIです。記事中でハサビス氏の部下のペイジ・ベイリー氏が「エージェントが24時間365日動いている」と述べたのが、この形態です。

経営会議での使用例:「当社のAI活用はまだチャット型止まりです。来期はエージェント型への移行を検討すべきだと考えます」

なぜ重要か:チャット型は人間が質問するたびに答える「便利な部下」です。一方エージェント型は「任せられる部下」にあたります。生産性の桁が変わります。

2. AIトランスフォーメーション(AI Transformation)

意味:AIを単に導入するだけでなく、業務プロセスそのものをAI前提に作り直すことです。イェッジ氏が主張したのは、Googleは「導入」はしても「トランスフォーメーション」には至っていないのではないかという点でした。

経営会議での使用例:「AI導入の報告は毎月上がってきますが、トランスフォーメーションの観点で見ると進捗はどうでしょうか」

なぜ重要か:ツール導入で満足してしまうと、本社から「それで何が変わったのか」と問われたときに答えられなくなります。

3. トークン使用量(Token Usage)

意味:AIが処理した文字量(単語の断片の数)を示す指標です。イェッジ氏はこれを「本当にAIを使い込んでいるか」の目安として挙げました。

経営会議での使用例:「ユーザー数は増えましたが、一人あたりのトークン使用量が伸びていないなら、まだ実験段階と見るべきです」

なぜ重要か:登録者数は簡単に増やせます。しかしトークン使用量は本気で使わないと伸びません。形だけの導入を見抜く指標になります。

4. ベンダーロックイン(Vendor Lock-in)

意味:特定のAI提供元に依存しすぎて、他社に乗り換えられなくなる状態です。記事では、Googleの一部社員がAnthropicのClaude Codeを「敵」と見なして使えなかったという主張がありました。

経営会議での使用例:「Gemini一択にするのか、ClaudeやChatGPTも選択肢に入れるのか、方針を決めておきたいです」

なぜ重要か:一社依存は価格交渉力を失わせ、新しい技術への乗り遅れリスクも生みます。

5. パワーユーザー行動(Power-User Behavior)

意味:AIを単に「使う」のではなく、使い倒して業務を作り変える上位2割の行動様式です。記事では、この層が全体を牽引するかどうかが論点になりました。

経営会議での使用例:「まず社内にパワーユーザーを3名育てて、そこからベストプラクティスを横展開する方針でいきましょう」

なぜ重要か:全社員を一気に底上げするのは現実的ではありません。先進層を特定し、彼らのやり方を広げる方が現実的です。

Fill-in-the-blank 確認演習

次の文の空欄に、上の5つの用語のどれが入るか考えてください。

「AIユーザー数は順調に伸びていますが、( ① )で見ると個人差が大きいです」
「Gemini一本化は効率的ですが、( ② )のリスクも考慮すべきです」
「チャット型からの脱却、つまり( ③ )への移行が次の課題です」
「導入ではなく、( ④ )の段階に進むには業務プロセスの見直しが必要です」
「まず社内の( ⑤ )を特定し、その行動を標準化しましょう」

解答:①トークン使用量 ②ベンダーロックイン ③エージェント型AI ④AIトランスフォーメーション ⑤パワーユーザー

Part 3: 自社への応用を考える

自社の「20%-60%-20%」を棚卸しする

イェッジ氏の枠組みを自社に当てはめて、現状を可視化してください。

層	定義	自社の人数	全体比	代表的な使い方
先進層	エージェント型を日常的に使用	例:3名	5%	例:議事録→要約→タスク化の自動化
中間層	ChatGPT等で翻訳・文章作成	例:25名	42%	例:英文メール作成、資料要約
拒否層	AIを使わない、または拒否	例:15名	25%	例:「情報漏洩が怖い」で不使用
未分類	状況不明	例:17名	28%	—

先進層が5%を切る場合、本社報告で「AI活用推進中」と述べるのは危険です。利用者数ではなく、層別の構成で報告する方が誠実といえます。

深さ指標の設計

利用者数だけを追わないために、3つの深さ指標を設定します。

指標	測定方法	目標値(例)
一人あたり月間トークン使用量	各AIツールの管理画面から取得	前月比+20%
AI起点で変わった業務プロセス数	四半期ごとに現場ヒアリング	3件/四半期
パワーユーザー数	週10時間以上AI活用する社員	全体の10%

投資対効果の試算

マニラ拠点50名規模での試算例です。

AIツール費用:一人月額30ドル × 50名 = 月1,500ドル(年18,000ドル)
想定時間削減:一人あたり週2時間 × 50名 × 50週 = 年5,000時間
時給換算:仮に平均時給8ドルとすると 40,000ドル相当
差引効果:年22,000ドルの生産性向上

ただし、これは「使われた場合」の試算です。拒否層の25%が動かなければ、効果は75%に目減りします。

Part 4: よくある失敗パターン(NG集)

失敗1: 本社に「利用者数」だけで報告する

Bad:「マニラ拠点ではAI利用者が80%に達しました」と数字だけを報告してしまいます。

Good:「利用者は80%ですが、業務プロセスが変わったのは経理と人事の2部門です。残りの部門は来期の重点領域とします」と、深さと課題をセットで報告します。

解説:Googleのオスマニ氏が「週4万人が使用」と反論したのに対し、イェッジ氏は「それは広がりであって深さではない」と返しました。本社も同じ目で見ています。広がりだけの報告は、次の質問で崩れます。

失敗2: 本社指定ツールへの忖度で選択肢を狭める

Bad:本社が「Microsoft Copilotで統一」と決めたからと、現地で使いやすいClaudeやGeminiを一切検討しません。

Good:本社方針を尊重しつつ、「現地業務では他ツールの方が効果が高い領域がある」とデータを添えて提案します。

解説:記事では、Google社員がClaude Codeを「敵」扱いして使えなかったという主張が出ました。これに対しオスマニ氏は「VertexでAnthropicのモデルも使える」と反論しています。一社依存は生産性を落とします。日系企業でも、本社忖度で選択肢を狭めれば同じ結果になります。

失敗3: フィリピン人スタッフを「使わせる」姿勢で進める

Bad:日本人駐在員が一方的に「このAIツールを使いなさい」と指示してしまい、現地スタッフの声を聞きません。

Good:現地スタッフから先進層(パワーユーザー)を発掘し、その人を社内講師として活用します。

解説:フィリピン人スタッフは英語でのAI活用において、日本人駐在員より優位な場合が多いです。上意下達ではなく、現地スタッフの中から牽引役を見出す方が定着します。

失敗4: Data Privacy Act(共和国法10173号)への配慮を欠く

Bad:顧客情報や従業員の個人情報をそのままChatGPTに貼り付けて、要約させてしまいます。

Good:個人情報を含むデータは、入力前に匿名化するルールを定め、研修で徹底します。契約上、データが学習に使われないエンタープライズ版を選びます。

解説:フィリピンにはData Privacy Act of 2012(共和国法第10173号)があり、個人情報の取り扱いに規制があります。AI活用の速度を上げるほど、情報管理のリスクも上がります。National Privacy Commission(NPC)のガイドラインを確認したうえで、社内ルールに落とし込む必要があります。

活用のコツ(4 Tips)

今週中に、社内のパワーユーザーを3名特定してください。全員を一気に底上げしようとせず、先進層を起点に広げる方が早いです。
本社報告の指標を「利用者数」から「トークン使用量」または「変わった業務プロセス数」に切り替える提案を準備してください。Googleの論争が示す通り、利用者数だけの報告は次の質問で崩れます。
現地スタッフに「AIで困っていること」を直接ヒアリングしてください。日本人駐在員の想像と現地の実情はずれていることが多いです。15分の面談を5人分入れるだけで、見える景色が変わります。
Data Privacy Act対応を「AI導入のブレーキ」ではなく「セットの業務」として最初から組み込んでください。後から対応すると、やり直しのコストが導入コストを上回ります。

ボーナス: PH AI Works 無料相談の活用法

相談前の準備

Part 3のTopic A(20%-60%-20%の棚卸し表)を埋めてお持ちください。現状の数字がなくても、感覚値でかまいません。加えて、本社から受けているAI関連の要求や報告義務を箇条書きでまとめておくと、議論が深まります。

相談中に何が分かるか

自社のAI導入が「広がり」で止まっているのか「深さ」に届いているのかを、第三者の視点で診断します。また、本社方針と現地実情のギャップをどう埋めるか、Data Privacy Actとの整合性をどう取るかについて、他社事例を交えて具体的に議論します。

相談後のアウトプット

次の四半期に着手すべき優先課題3つと、本社報告用の深さ指標のドラフトを持ち帰っていただけます。その日から経営会議で使える形に整理してお渡しします。