📌 この記事の要点
- HENNGEの新会社『HENNGE AI』は、社員ゼロで取締役2人のみという極端な組織モデルで、実務をすべてAIエージェントに任せる実験を開始した。
- 中小企業が準備すべき組織変化は3段階：①業務を『AI向け』『人間向け』に切り分け、②人間が担うべき判断領域（戦略・創造・関係構築・倫理判断）を定義、③段階的なロードマップで導入する。
- AIエージェント導入の成功は『人員削減』ではなく『人間の仕事の質を高める』という発想が鍵で、削減した工数を新規営業・顧客コンサルティング等の高付加価値業務に配置転換することで、投資回収期間を1年以下に短縮できる。
リード
社員ゼロ、取締役2人だけ。実務はすべてAIに任せる——。クラウドセキュリティ企業のHENNGEが2026年9月、こうした組織構造を持つ新会社『HENNGE AI』を設立したというニュースが話題を呼んでいます。
「うちには関係ない、大企業の話でしょ」——正直、ぼくも最初はそう思いました。でも読み込むうちに、これはトヨタで24年間、現場の工程改善をやり続けてきたぼくにはなじみのある話だと気づいたんです。
工場でいえば、「人間がやるべき工程」と「機械に任せる工程」を切り分けるのは、カイゼンの基本中の基本。HENNGEがやろうとしていることは、それを知識労働でやる、ということです。
この記事では、HENNGEの事例を入口に、中小企業が2026年〜2027年に実際に動ける組織変化の3ステップを、現場目線でかみ砕いて解説します。経営者・経営企画・部門長の方、自社に置き換えながら読んでみてください。
HENNGEの「社員ゼロ会社」って、何をやろうとしているのか
まず、何が起きたのかを整理します。
HENNGEは2026年9月、新会社『HENNGE AI』を設立しました。雇用する社員はゼロ。取締役2人だけで、実務はすべてAIエージェントに任せるという構想です。
工場で例えると、こんなイメージです。工場長と副工場長の2人だけが現場に立ち、組み立て・検査・梱包・出荷——すべての実作業をロボットアームが担当する。判断と指揮は人間、手を動かすのはAI。そういう役割の切り分けを、デスクワーク（知識業務）でやろうとしている。
具体的な業務内容は公開されていませんが、想定されるのは「営業事務」「顧客対応」「定型的なコンサルティング業務」など、ルールが明確に存在する分野です。逆に言えば、ルールが曖昧な仕事・判断が複雑な仕事はまだAIには任せられない、とHENNGEも認識しているはずです。
なぜ2026年に、こういう動きが出てきたのか
AIが「補助するもの」から「実行するもの」に変わった——これが背景にあります。
2026年までは「ChatGPTで文章を作る」「音声AIで議事録を作る」程度の使われ方が主流でした。でも2026年には、AIが自律的に判断して、複数のツールを組み合わせて業務を完結させる「エージェント技術」が急速に実用化されています。
トヨタで工程改善をやっていたぼくには、この変化がすごくリアルに見えます。かつて「人の手でしかできない」とされていた細かい部品の組み付けが、ロボット技術の進化で次々と自動化されていった。同じことが、いままで「人間にしかできない」とされてきたデスクワークで起きています。
HENNGEはこの流れを「不可逆だ」と判断し、自分たちで実験場を作ることで、先手を打ったわけです。中小企業にとっては、「今後12〜24ヶ月で自分たちの業界にも波及する」という予告編として読んでほしい。
「人が足りない」に悩む中小企業こそ、ここに活路がある
中小企業の経営者が毎年頭を抱えるのは、人手不足と人件費の重さです。
帝国データバンクの調査では、2026年時点で従業員300人未満の中小企業の65%が「人手不足」を経営課題に挙げています。新卒採用には年30万円以上のコスト、既存社員の育成には月5〜10万円（給与＋時間）がかかるのが現実です。
HENNGEの新会社モデルが示すメッセージは、シンプルです。「採用コストをかけて新入社員を増やすより、AIエージェントに定型業務を担わせて、人間をもっと価値の高い仕事に集中させろ」ということです。
これは絵に描いた餅じゃない。営業事務を半減させて、その予算をAIプラットフォームの導入にあてる——そういう選択をした企業が、実際に出始めています。
ステップ1「業務の切り分け」——カイゼンの第一歩と同じです
HENNGEの事例から学ぶ最初のステップは、業務を「人間向け」と「AI向け」に分類することです。
トヨタでぼくがやっていた工程改善も、最初にやることは「この工程は人がやるべきか、機械に任せるべきか」の仕分けでした。AIの業務切り分けも、やることはまったく同じです。
たとえば営業事務の日常業務には、「顧客情報の整理」「見積書作成」「納期確認」「請求書発行」など、10以上の細かいタスクが混在しています。これらを整理するとき、「判断が必要か」「繰り返す定型業務か」「顧客との関係構築が必要か」という3つのフィルターを通します。
- AI向け業務：データ入力、定型的な書類作成、スケジュール調整、初期問い合わせ対応など。ルールが明確で、判断の幅が狭い。
- 人間向け業務：顧客折衝、戦略判断、クレーム対応、新規提案の企画など。判断軸が複数あり、創意工夫が求められる。
多くの中小企業では、この切り分けをまったく意識せずに「社員は何でもやる」体制になっています。結果として、営業が定型的なデータ入力に時間を取られ、本来やるべき「営業活動」ができない悪循環に陥っています。ぼくがトヨタで見てきた「段取り貧乏」と、構造がまったく同じです。
ステップ2「人間が絶対に手放してはいけない判断」を決める
業務を切り分けたら、次は「人間が担わなければならない判断領域」を明確にするステップです。
HENNGEの新会社では、取締役2人が「指揮」を担います。ほぼすべての定型業務はAIに任せつつ、「最終的な品質保証」「経営判断」「倫理的責任」の3つだけは人間が持つ、ということです。
中小企業に置き換えると、守るべき判断領域は次の3つです。
- 顧客との関係を左右する判断：大型案件の承認、特殊要望への対応、契約条件の変更など。ここをAIに任せると、顧客満足度が一気に下がります。
- 会社の方針・戦略に関わる判断：新規商品のローンチ、市場戦略の変更、組織編成など。AIが「最適解」を計算しても、経営者の直感と創意で上書きする必要がある領域です。
- 法的・倫理的責任が伴う判断：個人情報の取り扱い、労務管理、契約の最終承認など。ここは絶対に人間が持つ。
これを決めないまま「とりあえずAIを入れよう」と動くと、あとから必ず混乱します。ぼく自身、トヨタでロボット導入の補助をしたとき、「どこまでロボットに任せるか」を先に決めずに進めて、導入後に大混乱した経験があります。段取りは先に組む。これは鉄則です。
ステップ3「AIエージェント導入のロードマップ」——焦らず3フェーズで進める
業務の切り分けと判断領域の定義ができたら、いよいよ実装です。やることはシンプルに3フェーズ。焦らず、データを取りながら進めてください。
HENNGEのニュースを聞いて「いきなり社員ゼロにしよう」と思う必要はありません。あの決断も、数年の実験と検証を経た上でのものです。
Phase 1（2026年内）：1つの定型業務でAIを試す
たとえば、顧客からの問い合わせメール対応や、請求書の作成・送付業務など。「この1業務をAIに任せたら、月何時間の工数が削減できるか」を実測する段階です。多くの企業が月20〜30時間の削減効果を報告しています。まず1つ、試してみる。それだけです。
Phase 2（2026年末〜2027年上半期）：複数業務をまとめてAIエージェント化する
1つの業務で手応えをつかんだら、関連業務を束ねてみます。「顧客対応＋受注処理＋在庫確認」を1つのAIエージェントに任せるイメージです。この段階で、AIが自動的に判断を分岐させ、複数システムを操作する本来の力が引き出せます。
Phase 3（2027年以降）：組織全体のAIエージェント化を判断する
Phase1・2の成功と失敗をデータとして積み上げ、経営層が人員配置の大きな判断を下す段階です。ここで初めて、HENNGEのような実験的モデルへの転換も選択肢に入ってきます。
このロードマップの一番の利点は、各フェーズで「ここまでにする」という判断をデータに基づいて下せることです。感覚ではなく数字で動く。製造業の現場で学んだ一番大事なことが、ここでも生きてきます。
AIエージェント導入で失敗する3つのパターン——ぼくが見てきたやつです
HENNGEのニュースを聞いた経営者の中には「うちも同じことをやろう」と焦る方もいるでしょう。でも現実は、AIエージェント導入で失敗する企業の方が多い。失敗パターンには共通点があります。
失敗パターン1：AIに丸投げして、結果を見ない
AIエージェントは進化しますが、導入初期は「予期しない判断」を平気でします。顧客対応AIが営業判断を逆転させる回答をしたり、請求額を誤って計算したり。最初の3〜6ヶ月は、AIの判断を人間が監視・検証する工程を必ず入れてください。これを省いた企業が、顧客の信頼を一気に失うのをぼくは何度も見てきました。
失敗パターン2：AIへの指示が大ざっぱすぎる
「営業事務全般をAIに任せる」というような大ざっぱな指示を与えると、AIは判断基準を持てずエラーを量産します。「顧客コード○○の見積書作成のみ」というように、業務を細かく分割して、入力・出力・判断ルールを文書化する。これがないと動きません。トヨタの「標準作業書」と同じ発想です。
失敗パターン3：データの品質を後回しにする
AIエージェントの精度は、学習データの品質で決まります。古いデータ、誤ったデータを食わせると、AIは間違いを繰り返します。導入前に顧客マスタ・商品マスタ・過去の取引データの「データ清掃」に時間をかける。これを怠ると、導入後の修正コストが導入費用の3倍に跳ね上がることもあります。準備が9割、というのは現場も同じです。
浮いた時間を「人員削減」に使わない——ここが分かれ道です
AIエージェント導入でよくある誤解が、「浮いた時間＝即、人員削減」という発想です。
「社員ゼロ」という数字に目が行きがちですが、経営的に正しい動きは削減した工数を「高付加価値な業務」に振り向けることです。
たとえば、営業事務に月30時間かけていた営業担当がいたとします。AIエージェント導入でその30時間が浮いたら、「新規顧客開拓」「既存顧客のコンサルティング」「提案企画」に充てられる。給与総額は変わらなくても、その営業が年間で生み出す価値が月10万円→月20万円に倍増するシナリオが現実になります。
中小企業では人員削減そのものより、「仕事の質を上げる配置転換」の方が現実的です。従業員のモチベーションも維持しやすい。人を大切にしながら生産性を上げる——これは製造業のカイゼンが何十年もかけて証明してきたことです。
実例：中小企業がAIエージェントで成果を上げた2つのケース
理論だけ話してもしょうがないので、実例を見ましょう。
事例1：製造業の部品メーカー（従業員150人）
営業事務3人で行っていた「受注処理→納期確認→在庫確認→見積書作成」の一連の流れをAIエージェント化。月200時間の工数削減を実現し、その3人を「新規市場開拓チーム」に配置転換。結果として年売上が15%増加しました。
事例2：中堅サービス企業（従業員80人）
顧客からのメール・電話対応をAIエージェントに任せ、初期対応の85%を自動化。人間のカスタマーサクセスチームは「顧客満足度向上」という高度な施策に集中した結果、顧客満足度スコアが前年比25ポイント向上しました。
2つに共通しているのは、AIで削減した工数を、新しい価値創造に充てたという点です。「人員削減」ではなく「人間の仕事の質を上げる」——この発想の転換が、成果の差を生んでいます。
AIと一緒に働く時代に、求められるスキルは2つだけです
AIエージェントが普及すると、「データ入力が早い」「書類作成が丁寧」という従来型の事務スキルの価値は急速に下がります。
その代わりに、これからの組織で価値を持つスキルは2つです。
スキル1：AIに正確な指示を出し、結果を検証できる
AIエージェントは「指示がすべて」です。複雑な業務要件をAIが理解できる形に翻訳し、その結果が正しいかを判断できる人材——これが2026年以降の組織で本当に必要とされます。
スキル2：AIが読み取れない「人間的な判断」ができる
AIは確率で動きます。「この顧客は数字の裏に不満を抱えている」「今は提案を引くタイミングだ」——そういう人間的な洞察は、まだAIには無理です。その判断をできる人間が、組織の核になります。
従業員の再教育プログラムは、2026年〜2027年のうちに設計しておいてください。「AIに仕事を奪われる」と不安に思っている社員ほど、この2つのスキルを身につけることで、むしろ活躍の場が広がります。ぼくはそう信じています。
「元が取れるのか」——投資対効果の正直な計算
経営者が一番知りたいのは、「いくらかかって、いつ回収できるのか」ですよね。正直に数字を出します。
現在のAIエージェントプラットフォームは月額5万〜50万円が相場。初期設定・カスタマイズに50万〜300万円かかることもあります。
試算してみましょう。
- 営業事務1人が月30時間、月給30万円で働いているとする。時給は約1,500円。
- AIエージェント導入で月20時間削減（削減率67%）できたとする。
- 月額削減額：20時間 × 1,500円 ＝ 3万円
- 年額削減額：3万円 × 12ヶ月 ＝ 36万円
- 初期投資200万円なら、工数削減だけの回収は約5.5年
「長いな」と思いましたか。ここが計算の落とし穴です。工数削減の効果だけで計算するから、回収が遠く見える。
浮いた20時間を新規営業に使って年200万円の新規売上が生まれたなら、投資回収は1年以下になります。AIの「削減効果」だけでなく「創造効果」を加味して計算する——これが正しいROIの見方です。
規制・セキュリティ——ここを見落とすと後で痛い目を見ます
AIエージェント導入を語るとき、忘れがちなのが規制とセキュリティです。
個人情報や顧客データを扱う業務をAIに任せる場合、以下の3点は必ず確認してください。
課題1：個人情報保護法への対応
AIエージェントが顧客の個人情報にアクセスする場合、個人情報保護法の要件を満たしているか確認します。AIが学習データとして個人情報を使うケースでは、本人同意が必要な場合があります。
課題2：ベンダーの信頼性
AIエージェントプラットフォームのセキュリティ水準、データの保存場所を事前に確認します。特に低価格プラットフォームを選ぶときは、機密情報の流出リスクを慎重に評価してください。
課題3：法的責任の所在
AIエージェントが誤った判断をして顧客に損害を与えた場合、責任は誰にあるのか。現在も法整備が進行中です。導入契約の際は、責任分界点を必ず明文化する。これを曖昧にしたまま進めると、トラブル発生時に取り返しがつきません。
「仕事が奪われる」という不安——経営者がやるべき一言
AIエージェント導入の最大の壁は、実は技術でも予算でもなく、「自分の仕事がなくなるのでは」という社員の不安です。
HENNGEのニュースで「社員ゼロ」という言葉が注目されるのも、この不安を刺激するからです。経営者がここで何も言わなければ、現場は勝手に最悪のシナリオを想像します。
だから、経営層が先に宣言する。「うちでは、人間は以下の3つの役割を担う」と。
- 戦略・創造：新しい事業モデル、顧客体験、商品企画を生み出す。
- 関係構築：顧客・パートナーとの信頼関係を築き、維持する。
- 倫理・判断：法令遵守、社会的責任、予期しない状況への判断を担う。
この3つを従業員に伝えられれば、AIは「敵」じゃなく「道具」になります。ぼくがトヨタで目にした、ロボット導入に最初は反発していたベテランの職人さんが、後に「このロボットのおかげで本来の仕事に集中できる」と笑顔で話していた——あの光景と同じことが、あなたの会社でも起きるはずです。
2027年に向けた経営者のチェックリスト
ここまでの内容を、すぐ動けるチェックリストにまとめました。印刷して使ってください。
【今年中（2026年内）にやること】
- ☐ 全社の業務を棚卸しし、「AI向け」「人間向け」に分類した。
- ☐ 自社の最優先課題（人手不足・工数削減など）に基づき、AIエージェント導入の対象業務を3つ選んだ。
- ☐ 選んだ業務について、入力・出力・判断ルールを文書化した。
- ☐ AIエージェント導入のROI（工数削減＋創造効果）を試算した。
- ☐ 複数のベンダーからデモを取り、セキュリティ・サポート体制を評価した。
【2027年上半期までにやること】
- ☐ パイロット導入（1〜2業務に限定）を完了し、3ヶ月の検証を終えた。
- ☐ 検証結果に基づき、AIの判断精度が90%以上になるよう調整を完了した。
- ☐ 浮いた時間を新しい価値創造に振り向ける配置転換計画を立てた。
- ☐ 従業員向けの再教育プログラム（AIとの協働スキル）を設計した。
- ☐ AI導入に関する法的リスク（個人情報・責任分界点など）を弁護士に確認した。
まとめ：HENNGEのニュースを、自分事にできるかどうか
HENNGEの「社員ゼロ・AIエージェント新会社」というニュースは、確かに衝撃的です。でもこれは「遠い未来」の話じゃない。今から動き始めれば、2027年〜2028年には中小企業でも実装できる選択肢です。
3つのステップをおさらいします。
- ステップ1「業務の切り分け」：AIに任せる定型業務と、人間が担う判断領域を明確に分ける。これが最初の一手。
- ステップ2「判断領域の再定義」：人間は「戦略・創造」「関係構築」「倫理・判断」の3つに集中する。削減効果だけでなく、創造効果を狙う。
- ステップ3「段階的ロードマップ」：Phase1で1業務を試し、Phase2で複数業務を統合し、Phase3で経営判断を下す。データを取りながら、一歩ずつ進む。
AIエージェントは、人員削減のツールじゃなく「人間の仕事の価値を高めるツール」です。この視点で動ける会社が、これからの競争で一歩抜け出せる。
「うちにはまだ早い」と思ったとしても、チェックリストの一番上だけ今週やってみてください。業務の棚卸しを30分やるだけで、見えていなかった無駄が必ず見つかります。ぼくが保証します。
出典・参考情報
- HENNGE 公式サイト
- 帝国データバンク『2026年人手不足に関する調査』
- 経済産業省『デジタルトランスフォーメーション実行計画』（2026年更新版）
- 個人情報保護委員会『個人情報保護法の最新解釈ガイドライン』
- 著者が関わった中堅企業でのAIエージェント導入プロジェクト（2025〜2026年）の事例から抽出
用語集
- AIエージェント：人間の指示に基づいて、自律的に複数のツールを操作し、業務を完結させるAI。従来の「チャットボット」や「業務補助AI」とは異なり、判断と実行を自動化する。
- ジョブデザイン：経営学用語。仕事の内容・責任・スキル要件を戦略的に設計する活動。単なる「タスク分配」ではなく、組織全体の効率化を目的とした設計思想。
- ROI（Return on Investment）：投資対効果。投資額に対してどれだけのリターンが得られたかを測る指標。AI導入では「工数削減額＋創造効果による売上増」で計算する。
- データ清掃（Data Cleaning）：AIの学習に使うデータセットから、誤り・重複・不完全な情報を除去するプロセス。AIの精度は、このステップの質で大きく変わる。
- 責任分界点：ベンダーと利用企業の間で、何が誰の責任かを明確にする取り決め。AI導入の契約では「AIが誤った判断をした場合の責任の所在」を事前に文書で定義する。
📊 ippo の無料サービス
合同会社 ippo / 代表 ぐっさん (山口高幸)