AIで何でも作れるようになった。何を作るべきか分からなくなった。

3行で分かるこの記事

AIで解決力は無限になった。でも売上は伸びない。ボトルネックは「作る力」から「何を作るべきかという問いを立てる力」に移った。

Claude Codeで開発事業を3ヶ月回した。

40スキル作った。議事録もフォローメールも見積書もモックも、全部AIが生成してくれる。136案件が同時に走っている。

何でも作れるようになった。10分あれば見積書が出る。30分あればモックが動く。

でも月末に通帳を見ると、思ったほど増えてない。

パイプラインを棚卸しした。

136案件のうち、108件は「いくらの案件か」すら把握できていなかった。

AIで何でも作れる。見積書も提案書もモックも。でも「どの案件に集中すべきか」「この提案をいつ出すべきか」「この案件は追うべきか捨てるべきか」——この問いに答えられていなかった。

AIがない時代、ボトルネックは解決力だった。「作る力」が足りなかった。人手も時間も限られているから、やることは自然に絞られた。

AIで解決力が無限になった瞬間、やれることが爆発した。全部やれる。

でも1日は24時間のまま。案件は136個。「全部やれる」のに「全部はできない」。

ここで必要なのは「もっと速く作る力」じゃない。「何を作るべきか」という問いを立てる力だ。

AIがない時代:
  ボトルネック = 作る力（解決力）
  → やることは自然に絞られた

AI時代:
  ボトルネック = 問いを立てる力（問題設定力）
  → やれることが多すぎて、何をやるべきか分からない

これを「問いのボトルネック」と呼んでいる。

AIは足し算のツールだ。何でも作れる。何でも追加できる。機能を足す、資料を足す、案件を足す。全部速い。

でも事業を回すには引き算が要る。

「何をやらないか」を決める力。これが問いのボトルネックの正体だ。

やれることが増えるほど、「やらないこと」を決める力の価値が上がる。AIが足し算を無限にできるようになった今、引き算の問いを立てられるかどうかが、売上に変えられるかどうかの分岐点になった。

3つの場面で、問いの有無が結果を分けた。

AIで全案件の状況を一覧化できる。データも揃っている。でも「どの案件に集中すべきか」は一覧を見ても分からない。

136案件を独自の3条件で評価した。条件に合わない案件は深追いしない、と決めた。問いを立てた瞬間に、136件が20件に絞れた。 AIが速く作ってくれる恩恵は、この20件に集中して初めて売上になった。

AIでフォローメールを自動生成していた。商談の直後だから、送るのが当然に見える。

でも前回のデモで信頼を落としていた。「次こそ頑張ります」というメールを送るより、1週間でプロダクト自体を改善して実物で見せる方が効くと判断した。メールを「送らない」という引き算の問いが、結果的に案件を救った。

AIを使えば、デモに盛り込める要素はいくらでもある。概念図も、データフローも、UIも、全部作れる。

「相手が本当に見たいものは何か？」と問いを立て直した。概念は提案書に回し、デモでは触れるUIだけに絞った。足し算で全部入れるのではなく、引き算で削った。 結果、相手の反応が明らかに変わった。

AI時代、エンジニアは開発力を極めている。それは正しい。Claude Code、Cursor、Copilot。ツールは進化し、作る力は毎月上がっている。

でも「いいものを作る力」と「売上にする力」は別の能力だ。

「いいものを作る」は皆がやっている。「いいものをどう見せるか」「いつ出すか」「誰に出すか」「いくらで出すか」——この問いを立てて答えられる人が、圧倒的に少ない。

AIで作れるようになった今、勝負は作る側ではなく出す側に移った。

整理する。

AIで解決力が無限になった
  → やれることが爆発した
  → 何をやるべきか分からなくなった（問いのボトルネック）
  → 必要なのは引き算の問い（何をやらないか）
  → 特に足りないのは営業・マーケの判断力（出す側）

AIは答えを出すツールだ。問いは出さない。

「何を作るべきか」「いつ出すべきか」「この案件は追うべきか捨てるべきか」「この価格は妥当か」——この問いを立てられる人だけが、AIの恩恵を売上に変えられる。

136案件を回して、一番高くついた授業料がこれだった。

この記事のデータについて 136案件の実データに基づいています。引用・紹介は自由です（リンクをお願いします）。具体的な判断のケーススタディは有料記事で公開しています。