ビジネス職がCursorを半年くらい使ってみて思うこと

ビジネス職でCursorを使うようになって、半年くらい経ちました。

自分だけで使うというより、組織でも50人くらいに使ってもらいながら、どんなユースケースがあるのかをみんなで試してきました。

最初の頃は「ビジネス職がCursorを使う」というだけでも少し珍しかった気がしますが、最近はだいぶ当たり前になってきたので、一度ここまでの使い方を振り返ってみようと思います。

まとまりなく、最近考えていることのメモです。

AIに答えをもらう、という感じではなくなってきた

半年くらい使っていて一番変わったのは、AIに「答えを教えてもらう」という感覚がかなり薄くなったことです。

むしろ、

大量のデータやコンテキストを整理して、
論点を構造化して、
自分がちゃんと考えられるところまで地ならししてもらう。

そういう使い方が中心になっています。

仕事をしていると、難しい課題ほど「考えること」そのものより、その前段の整理にものすごく時間がかかります。

数字を集める。
過去の議論を探す。
複数の事業の状況を並べる。
会議の内容を振り返る。
定量と定性をつなげる。
論点を分類する。

ここまでやって、ようやく「で、どうするんだっけ？」というところに辿り着く。

以前は、この前処理だけでかなり消耗していました。

AIを使うことで、ここを相当高速化できるようになりました。

元々、経営企画などがかなり工数をかけてやっていた仕事の一部が、手元でできるようになってきた感覚があります。

もちろん全部ではないですが。

答えを出すのは人間なのですが、答えを考えられるところまで辿り着くスピードがかなり変わった。

最近は、AIの価値を一番感じるのはここです。

業務効率化というより「経営OS」に近い

よく生成AIの話になると「業務効率化」がテーマになります。

資料を早く作れる。
メールを早く書ける。
議事録を作れる。

もちろん、それも便利です。

ただ、自分の場合は少し違う方向に進んできました。

毎日の会議やレポート、事業データ、組織情報などをコンテキストとして貯めていって、それを横断して考える。

例えば、

・複数事業の状況を統合して、どこに問題があるのかを見る
・事業数値と組織課題を一緒に見ながら、構造的な問題を探す
・過去の意思決定と現在の状況を比較する
・新しい企画について複数の観点から仮説を出す
・経営会議に出す前に論点をかなり揉んでおく

みたいな使い方です。

こうなると、単なる業務効率化というより、

経営や事業運営のためのOSみたいなもの

に近づいてきます。

データとコンテキストが常にある程度整理されていて、何か課題が出た時にすぐ考え始められる。

これは結構大きな変化だと思っています。

どんなことに使っているか

今やっていることをざっと挙げると、こんな感じです。

複数事業を横断して状況を見る

複数の事業を持っていると、それぞれの事業の数字や課題を追うだけでも結構大変です。

そこに組織、人員、マーケット、競争環境、投資状況などを重ねると、頭の中だけではなかなか整理できません。

これを一度AIに整理させて、

「本当に重要な論点は何なのか」

を考える材料にしています。

DailyやWeeklyなどのレポーティング

日々のレポートや週報もかなり変わりました。

単純に文章を綺麗にするだけではなく、同じデータから

・経営向け
・現場向け
・短いサマリー
・詳細版
・スライド
・Markdown

などを高速に作れる。

途中で数字や前提が変わっても直しやすい。

この辺りはかなり実務的に助かっています。

組織課題の整理

組織の問題は、数字だけでも分からないし、定性的な印象だけでも危ない。

例えば、

業績、
人員構成、
会議での発言、
週報、
役割分担、
マネージャーの状態

などを合わせて考えることで、

「これは個人の問題なのか、構造の問題なのか」

を考えやすくなります。

人についての判断は当然AIに任せるものではないですが、自分の感覚を一度言語化して客観視する用途ではかなり使っています。

新規企画の壁打ち

企画の初期段階でもよく使います。

市場をどう切るか。
誰の課題なのか。
どこが競争優位になるのか。
何を検証すべきなのか。

こういうものを一気に広げてもらって、その中から自分たちで選ぶ。

ゼロから資料を作るより、議論を始めるまでがかなり速くなりました。

モックアップまで作る

これはCursorを使っていて便利なところです。

企画書だけではなく、

「こういうものです」

という簡単なHTMLやモックをその場で作ってしまう。

プロダクトに関わる仕事の場合、100ページ説明するより一個動くものを見せた方が早かったりします。

ビジネス職でもここまでできるようになったのは大きいです。

なぜCursorを使っているのか

別にCursorでなければならない、とは思っていません。

半年後にはまた違うツールを使っているかもしれません。

その前提で、今のところ自分にはCursorが使いやすいです。

理由は、LLMを使うだけではなく、

フォルダやファイルを含めた仕事全体を扱える

からです。

Excel、Markdown、HTML、ドキュメント、コードなどを横断できる。

ビジネス職の場合でも、

文章を書くだけではなく、
数字を触ったり、
資料を作ったり、
モックを作ったり、

ということをするので、この自由度がちょうどいい。

Agent Modeもかなりビジネス職が使いやすいUIになってきたと思います。

一方で、最近どのAIサービスもどんどん従量課金になってきているので、そこは普通に心配しています。

特に重いモデルを回しているとすぐ溶ける。

今作っている環境

自分の場合は、モデル単体よりも環境の方が重要だと思っています。

ざっくりこんな構成です。

データ

BIツール上のDBや、Excelなどにある各種経営データ、事業数値など。

可能なものはMCPで接続しています。

コンテキスト

ConfluenceなどのWiki、
メールやTeamsの要約、
週報、
会議要約、
文字起こしから作った議事録など。

この辺りをかなり貯めています。

AIボードメンバー

12種類くらいの人格というか役割を作っていて、いろんな視点から意見をもらうようにしています。

経営、
財務、
プロダクト、
組織、
競争戦略、

など、あえて違う視点から見てもらう。

結論を決めてもらうためではなく、自分が見ていない論点を出してもらうために使っています。

自分自身のコンテキスト

Agent.md自体はかなりシンプルです。

自分の役割や、大事にしている価値観、判断原則などを入れています。

一方で、自分自身のContext.mdのようなものにはかなり濃く情報を入れています。

これまでやってきた仕事、
自分の考え方、
失敗したこと、
意思決定の癖、
参考にしている経営原則など。

定期的に棚卸ししています。

この辺りはAIの性能以上に効いている気がします。

LLMは使い分ける

モデルも一個に決めるというより、最近は用途で使い分けています。

簡単な作業や連携は軽いモデル。

少し考えたい時はGPT。

かなり複雑な経営課題はClaude Opus。

みたいな感じです。

特に難しい経営課題についてClaudeを使うと、

経営会議の前にかなり厳しい経営陣と議論しているような感覚になることがあります。

「その前提おかしくない？」
「そこ、本当に競争優位なの？」
「その投資をする理由は何？」

みたいなものを延々ぶつけてもらう。

こういう用途にはかなり便利です。

ただし、調子に乗って回しているとすぐ課金上限に行きます。

なので全部重いモデルでやるのではなく、使い分けがかなり大事です。

大企業でも意外とできる

「大企業だとセキュリティとか色々あって、AIってそんなに使えないですよね」

と言われることがあります。

実際、制約はかなりあります。

ただ半年やってみると、思ったよりできることは多いなという印象です。

重要なのは、

データ構造、
権限管理、
セキュリティ、
MCP接続、
ファイル管理

辺りをちゃんと設計すること。

この辺りが整っていると、仕事のやり方そのものを結構変えられます。

自分の場合はBoxのローカルフォルダを起点にファイルを整理しています。

最初にフォルダ構造をある程度決めておくのは結構重要でした。

AIを使う以前に、情報がどこにあるか分からない状態だとやっぱり厳しいです。

50人くらいで使って分かってきたこと

組織でも使ってみて、いくつか面白いことが分かってきました。

骨の折れる仕事はAIにやらせた方がいい

まずこれはかなり明確です。

情報を集める。
整理する。
比較する。
フォーマットを変える。
大量のデータを読む。

こういう「重要だけどものすごく疲れる仕事」は、なるべくAIに寄せた方がいい。

人間がそこで消耗しなくなるだけでも、かなり違います。

上手な人の使い方を共有すると組織の学習が速くなる

AI活用は個人差がかなり出ます。

なので上手く使っている人の

プロンプトというより、
どういう情報を置いているか、
どういう順番で考えているか、
どういうレビューをしているか

を共有する方が大事です。

使い方そのものが組織のナレッジになり始めています。

ジュニアでもそれっぽい資料は作れる

これは良い面と悪い面があります。

以前なら経験が必要だったレベルの資料も、かなり簡単に作れるようになりました。

一方で、

あまり考えていないのに、それっぽい資料だけ大量に出てくる

ということも普通に起きます。

これは結構難しい問題です。

AI時代はむしろ、

「ちゃんと考える」

ことの重要性が上がると思っています。

資料が綺麗かどうかではなく、

何を問題だと思ったのか。
なぜそう考えたのか。
どの前提を置いたのか。
何を捨てたのか。

そこをちゃんと見る必要がある。

コンテキストを持っている人が強い

半年使っていてかなり感じるのがこれです。

AIを上手く使えるかどうかは、プロンプト技術以上に

どれだけ良いコンテキストを持っているか

に左右されます。

会社の歴史、
事業の背景、
過去の議論、
顧客の声、
数字、
組織の事情。

これらをたくさん持っている人ほど、AIから出せるものも深くなります。

なので、場合によっては現場メンバーより経営メンバーの方がAIを使いやすい。

経営メンバーは元々持っているコンテキスト量が多いからです。

逆に言うと、会社としてこのコンテキスト格差をどうするのかはかなり大きなテーマだと思います。

今はまだ個人ごとに環境を作っている部分も多く、サイロ化もしやすい。

ここはまだ模索中です。

AIを使うと、仕事が楽になるとは限らない

これも半年やって結構感じています。

AIを使うと仕事は速くなります。

以前なら3日かかっていたことが数時間でできたりする。

では楽になったかというと、そうでもありません。

できることが増えるので、さらに仕事をしてしまう。

10個しか考えられなかったものが30個考えられるようになる。

複数のプロジェクトをかなり並行して回せてしまう。

結果として、前より頭を使っています。

特に、作業ではなく判断をする回数が増える。

認知負荷はかなり高くなった気がします。

AIが作業を肩代わりしてくれる一方で、

人間はより多くの判断をすることになる。

これはAI時代の仕事の意外なところかもしれません。

なので、意識的にスイッチを切る時間も必要だと思っています。

24時間スマホから指示を出して、勝手にどんどん仕事が進む世界もやってみたいですが、本当にそれをやったら人間側が先に壊れそうな気もします。

最後に

この文章はAIに書かせましたが、
元はAIに書かせず最初の原液を全部自分で書きました。

普段あれだけAIを使っているのに。

でも、これは結構大事な気がしています。

AIに整理してもらうことと、
AIに考えてもらうことは、
少し違う。

自分の中にある違和感や、
まだ整理できていない考えを、
一度自分の言葉で外に出してみる。

この「原液を作る作業」は、たぶんこれからも人間がサボらない方がいい。

その原液をAIに渡して、
整理したり、
反論してもらったり、
別の視点を加えてもらったりする。

最近の自分の使い方はそんな感じです。

AIに答えを出してもらうというより、

考えるための面倒な摩擦をAIに引き取ってもらう。

そうすると、人間はもう少し難しいことを考えられる。

半年くらい使ってきて、今のところ一番大きな変化はそこかなと思っています。

まだまだ試行錯誤中ですが、また半年くらいしたら全然違う使い方をしている気もします。