なぜツールを配って終わりではないのか
2025 年に Claude Code を導入した後、DoorDash はエンジニアリング以外でもターミナルから直接デプロイする人が現れたのを見て、全社員にコーディングエージェントを配ることにしました。目標は会社全体の AI 活用の基礎、いわば『床』を引き上げることでした。多くの社員はいまだに AI をチャットとしてしか使っていませんが、Gmail・カレンダー・Slack につながった瞬間、知的労働の効率が変わるからです。
ところがスループットが上がると、隠れていたボトルネックが表面化しました。コードが大量に流れ込み、マージ待ちとコードレビューが滞り、セキュリティ問題が業界全体で増えました。DoorDash はこれを再び AI コードレビューエージェントで自動化して対応しました。速度を一枚はがせば次の壁が現れ、その壁をまた自動化する——それが AX の実際の姿です。
学習はどうやって組織全体に広がるのか
最も拡張性のある広め方は『書き残された成果物』です。優れた人と成功事例をドキュメント化させれば会社全体が読め、副産物としてエージェントが参照できる資料まで積み上がります。人を付けて一人ひとり教える方法は、組織の規模では拡張しません。
成功だけを共有させてはいけません。『このワークフローはうまくいかなかった』『この MCP 連携はトークンを浪費しただけだった』といった失敗も、同じように気軽に共有できる文化が必要です。各チームが自分のチャンネルで成果と限界の両方を出せてこそ、学習が蓄積されます。
実験チームが実際に動くには何が要るのか
あるチームに『AI で 3〜5 倍速くやってみろ』という課題を与えるとき、普段の職務の範囲内でだけやらせると人はすぐ諦めます。コード生成の外にある障壁——部門横断の合意、レビュープロセス、承認手続き——がそのまま残っているからです。
だから DoorDash は実験チームに VP・経営層レベルのスポンサーシップを付けます。トークン予算だけでなく、『コードの外で何が自分を止めているか』を上に提起する権限もあわせて与えます。リーダーが自ら踏み込んで詰まりを解消するとき、チームは安全に実験できます。
AI チャンピオンはどう見つけるのか
トップダウンで『このワークフローを自動化しろ』と指定すると、たいてい間違ったワークフローや間違った人を選びます。どこがボトルネックかは、その仕事を毎日している人にしか分かりません。
だから自由を与え、自発的に現れるチャンピオンを探します。営業・マーケティング・運用・サポートの各領域で、空き時間にもツールを掘り下げる人が自ら姿を現します——情熱のあまり、Slack で成果を共有せずにはいられないからです。こうした人が自分の領域の本当のボトルネックを見つけて自動化し、あるいは同僚が使える共有 skill に仕立てます。
では組織は何を再設計すべきか
最も印象的な再設計はレビュープロセスでした。かつてエンジニアはデザインをピクセル単位まで合わせるのに時間を使っていましたが、いまはエンジニアが動く状態まで作り、デザイナーが自立して仕上げます。すると製品レビューとデザインレビューがかえってボトルネックになり、DoorDash は『このレビューは今も同じ形で必要か』と問い直しました。
核心となる原理は自立性です。個人とチームが自立しているほど速く動けるので、領域の専門家というゲートキーパーは少数だけ残し、残りはコードベースを自在に横断するゼネラリストに育てます。コードの速度がボトルネックだった時代は、その速度がチーム編成・プロセス・レビューの周期を規定していましたが、エンジニアリングが速くなった今は、そのすべてを再設計しなければなりません。
ROI は二つの見方をします。一つは誰もがやる業務の時間を削って『基準線』を上げること、もう一つは部門ごと・領域ごとに特定のワークフローを自動化することです。後者のほうが大きなインパクトを生みうる。全社員がわずか 10% 生産的になるだけでも、規模の大きい組織では莫大な差になります。結局のところ指標は、コードがどれだけ速くマージされるかではなく、顧客価値がより速く届くかどうかです。