Claude CodeやCursor、v0、Lovableのようなツールが広がり、「非エンジニアでもアプリや業務ツールを作れる」という話を目にする機会が増えてきました。
日本のXを見ていても、エンジニアではない人が、自分の仕事の中にある課題をもとにWebアプリや業務改善ツールを作り始めている流れが強くなっています。
営業、マーケター、医療従事者、士業、経営者、現場担当者。以前なら「エンジニアに頼まないと作れない」と思っていたものを、自分で試作し、動かし、改善できるようになってきています。
ただ、ここで重要なのは「コードが書けなくてもアプリが作れるようになった」という話だけではありません。むしろ本質は逆です。
誰でも作れる時代になったからこそ、これから差がつくのは「何を作るか」「誰のどんな課題を解くか」になっていきます。
「作れる」こと自体の価値は、少しずつ下がっていく
AIによって、プロダクトの試作コストは大きく下がりました。以前なら、簡単な業務ツールを作るだけでも、要件定義をして、エンジニアを探して、見積もりを取り、数週間から数ヶ月かけて開発する必要がありました。
でも今は、ある程度の構想があれば、AIと対話しながら数時間から数日で動くものを作れるようになっています。これは大きな変化です。
一方で、作るハードルが下がるということは、「作れる」だけでは差別化しづらくなるということでもあります。今後は、似たようなアプリ、似たようなSaaS、似たようなAIツールが大量に出てきます。
その中で価値が残るのは、技術そのものよりも次のような問いです。
- 誰の課題を解いているのか
- その課題は、お金を払ってでも解決したいものなのか
- 現場で継続的に使われるものなのか
- 業務フローの中に自然に組み込めるのか
つまり、AI時代の新規事業開発では、コードを書く力以上に、課題を見つける力が重要になります。
非エンジニアの強みは、現場の違和感を知っていること
非エンジニアには、エンジニアとは違う強みがあります。それは、現場の違和感を知っていることです。
たとえば、毎回手作業で転記しているExcel。誰か一人しか分からない属人的な判断。お客様から毎回聞かれる同じ質問。提案書を作るたびに繰り返している作業。社内では当たり前になっているけれど、実はかなり非効率な業務。
こうした課題は、外から見ているだけではなかなか分かりません。現場にいた人、顧客と話していた人、実際に手を動かしてきた人だからこそ、「ここはもっと良くできるはず」という違和感を持てます。
AI時代には、この違和感がそのままプロダクトの種になります。以前は「課題に気づいても作れない」ことが多かった。でも今は、AIを使えば、完璧なプロダクトではなくても、まず動く試作品を作ることができます。
LPを作り、簡単なデモを作り、顧客に見せて、反応を確かめる。このスピードが、新規事業開発では大きな武器になります。
AI時代に強いのは「作れる実務家」
これから強くなるのは、単にコードが書ける人だけではありません。もちろん技術力は重要です。ただし、AIによって実装のハードルが下がるほど、事業側の力がより重要になります。
特に強いのは、次のような人です。
- 現場の課題を知っている
- 顧客の言葉で課題を説明できる
- 小さく試作品を作れる
- LPや営業資料に落とし込める
- 顧客に見せて検証できる
- 反応を見ながら改善できる
つまり、「考えるだけの人」でもなく、「作るだけの人」でもなく、課題発見から検証、実装、改善まで動ける実務家です。
AIは、この実務家の力を大きく拡張します。今までは、アイデアがあっても形にするまでに時間とお金がかかりました。これからは、自分の理解している課題を、そのまま試作品に変え、顧客にぶつける速度が上がります。
ツールから始めると、だいたい遠回りになる
AI活用やAIエージェント導入の話では、どうしても「どのツールを使うか」に目が向きがちです。Claude Code、Cursor、ChatGPT、Gemini、v0、Supabase、Vercel。選択肢はたくさんあります。
ただ、新規事業開発の入口としては、ツール選びから始めると遠回りになることが多いです。
最初に見るべきなのは、ツールではなく業務です。
- その業務は、どんな目的で行われているのか
- 誰が、どのタイミングで、何を判断しているのか
- どこで手戻りが起きているのか
- どの作業に時間がかかっているのか
- どこまでAIに任せ、どこから人間が判断すべきなのか
ここを分解できていないままAIで作り始めると、「それっぽいけど使われないもの」ができやすくなります。逆に、業務理解が深ければ、最初のプロダクトは小さくても構いません。
むしろ、最初は小さい方が良いです。ひとつの面倒な作業、ひとつの判断補助、ひとつの入力ミス防止から始める。その小さな改善が、現場で本当に使われるかどうかを見る方が、いきなり大きなAIシステムを作るよりも確度が高いです。
新規事業として考えるなら、開発より前に検証がある
AIでプロダクトが作りやすくなると、つい「まず作ってみよう」と考えたくなります。もちろん、手を動かすことは大切です。
ただし、新規事業として考えるなら、開発より前に検証があります。
最低限、次の順番で見る必要があります。
- 現場の課題を洗い出す
- 課題の頻度と深刻度を確認する
- 既存の代替手段を調べる
- 解決後の価値を言語化する
- LPやデモで反応を見る
- 必要最小限の機能だけ作る
- 利用後の行動や継続率を見る
Claude CodeやCursorは、この流れの「作る」部分を大きく速くしてくれます。しかし、「誰に何を届けるのか」「本当に必要とされているのか」は、AIだけでは決められません。
だからこそ、非エンジニアの事業経験や現場理解が活きます。
まとめ：AI時代の差は、コードより業務理解に出る
AIによって、非エンジニアでもプロダクトを作れる時代になりました。これは間違いなく大きなチャンスです。
ただし、作れる人が増えるほど、単に作れることの価値は相対的に下がります。これから差がつくのは、どの課題を選び、どの順番で検証し、どう現場に定着させるかです。
現場の痛みを知っている人。顧客の言葉を知っている人。業務の流れを分解できる人。小さく作って、見せて、直せる人。
AI時代の新規事業開発では、こうした実務家が強くなります。
コードが書けるかどうかよりも、業務を理解しているか。顧客の課題を、自分の言葉で説明できるか。そこに、これからの新規事業の勝ち筋があります。