「内製か、外注か」はもう正しい問いではない ― AIが引き直す、業務の"任せる線"

AIエージェントが実用段階に入り、多くの企業が同じ場所で立ち止まっている。「この業務は自社でやるべきか、外に出すべきか」。一見もっともらしいこの問いが、いま急速に古びている。社内と社外の境界も、人とAIの境界も、同時に引き直されているからだ。問うべきは「内製か外注か」ではない。「どの業務を、誰に、どこまで任せるか」である。

なぜ「内製か外注か」が機能しなくなったのか

「内製か外注か」という問いは、長らく業務委託の出発点だった。コストとコントロールを天秤にかけ、コア業務は社内に、ノンコア業務は社外に切り出す。この発想自体は間違っていない。問題は、AIがその天秤の支点を動かしてしまったことにある。

前提① 「作業」を外に出す価値が下がった

これまで外注の主役は「作業の代行」だった。だが生成AIの実用化で、定型作業のコストは社内でも劇的に下がっている。AIを使いこなさない「作業だけ」の外注は、もはや社内のAIより低品質になりかねない（千葉将志税理士事務所、2026年）。「人手が足りないから外に出す」という従来の外注理由は、AIによって部分的に無効化された。外注に求められる価値は「作業量」から「設計力」へとシフトしている。

前提② 「全部内製」が現実的でなくなった

逆に、すべてを社内に取り込む選択も難しくなっている。生成AIを使いこなせる人材の不足は深刻で、経済産業省の試算ではIT人材は2030年に最大約79万人不足するとされる（三菱UFJリサーチ&コンサルティング、2026年4月）。実際、グローバルでもPoC（概念実証）を経て本番稼働まで到達した取り組みは44%にとどまる（PwC「生成AIに関する実態調査2026春」）。日本では中小企業の約6割が生成AIを「活用していない」と答え、日常的に活用している企業はわずか13%だ（大同生命調査、2026年1月）。「全部自社で」は人材の壁にぶつかり、「全部外に」はAIで価値が薄れる。二択の両極が、同時に成立しなくなっているのである。

いま起きているのは「境界の引き直し」である

正確に言えば、AIは「内製か外注か」の答えを変えたのではない。問いの単位そのものを、業務全体から「業務の構成要素」へと細かくした。PwCは、生成AIによる組織変化を「個の生産性が飛躍的に向上した組織（オーグメンテッド・エンタープライズ）」への転換と表現する。AIを脳と手の外部拡張として使い、個人が扱える業務量と成果の質が大きく跳ね上がる段階だ（PwC、2026年）。この変化が意味するのは、ひとつの業務が「人がやる部分」「AIがやる部分」「社外に任せる部分」に分解され、それぞれが別々に再配置されるということだ。境界は業務の外側ではなく、業務の内側に走るようになった。

引き直される3本の線

• 社内／社外の線：かつての問いは「どの業務を外に出すか」。いまは「どの設計を外に任せ、どの実行を内に残すか」
• 人／AIの線：かつての問いは「どの業務を自動化するか」。いまは「どの判断を人が持ち、どの実行をAIに渡すか」
• 作業／設計の線：かつての問いは「誰が作業するか」。いまは「誰が業務を設計し、標準を保つか」

3本の線は連動している。AIに実行を渡すには、まず業務を設計し直さなければならない。社外に任せるにも、何を任せるかを定義しなければならない。境界の引き直しは、突き詰めれば「業務設計の問題」に行き着く。

「任せる線」を設計する4つの問い

では、どこに線を引けばいいのか。「内製か外注か」を一括で決めるのではなく、業務を分解したうえで、次の4つの問いに順に答えていくのが実践的だ。

1. その業務は、競争力の源泉か。自社の差別化に直結する業務（顧客理解、独自の提案設計、意思決定）は社内に残す。AIで効率化はしても、外には出さない。
2. 標準化できているか。手順が言語化され、品質基準が定義されている業務は、AIにも社外にも任せやすい。逆に、属人化したまま外に出すと品質が崩れる。
3. 判断を伴うか、実行だけか。判断（何を・なぜ）は人が持ち、実行（どう・どれだけ）はAIや社外に渡す。この切り分けが、AI時代の役割分担の基本線になる。
4. 誰が品質を保証するか。任せた先で品質をモニタリングし、改善し続ける責任は社内に残る。「丸投げ」は、AIに対しても社外に対しても成立しない。

この4問を通すと、答えは「内製」でも「外注」でもなく、「設計は社内、標準化されたうえで実行はAIと社外に分散、品質保証は社内」というグラデーションに収束していく。実際、高度な判断業務は外部の専門家に、定型業務やシンプルなAI活用は内製で、という階調的なアプローチが主流になりつつある（株式会社renue、2026年）。

「外注先」も「AIエージェント」も、同じ原理で扱う

ここで重要なのは、社外パートナーとAIエージェントを、別々のものとして考えないことだ。どちらも「自社の外に業務を渡す」という意味では同じであり、同じ設計原理で扱える。

外注の再定義 ― 下請けから共創へ

AIで作業価値が下がった以上、外注先に求めるものは「作業量」ではなく「AIを使いこなした設計と実行の質」になる。外注先を単なる下請けとしてではなく、AIを前提に成果を最大化する共創パートナーとして位置づけ直す必要がある（千葉将志税理士事務所、2026年）。その象徴がAIとBPO（業務委託）の融合だ。NTTデータは、従来のBPOで30〜40%だった工数削減に、上流工程へのAIエージェント適用を重ね、最大70〜80%の効率化を目指すと発表している（NTTデータ、2026年4月）。外注はいま、「人を貸す」モデルから「AIと人で成果を出す」モデルへ移行している。

コストだけで決めない

内製と外注のコストは、期間によって逆転する。一般に1〜2年の短期では外注が安く、3年以上の長期では内製が安くなりやすい。ただし内製には「AI人材を確保できる」という前提条件がつく（株式会社renue、2026年）。コスト試算だけで線を引くと、人材確保という最大の不確実性を見落とす。だからこそ、判断軸は「コスト」ではなく「競争力・標準化・判断／実行・品質保証」の4問に置くべきなのだ。

線を引き間違えると、何が起きるか

「任せる線」の設計を誤ると、典型的な失敗が起きる。

• 設計まで丸投げする ― 何を任せるかを定義しないまま外注やAIに渡し、出てきた成果物が要件と噛み合わない。判断の責任まで手放してしまっている。
• 属人業務をそのまま外に出す ― 手順が言語化されていない業務を任せると、品質が人依存のまま社外・AIに転写され、再現性が崩れる。
• コア業務まで切り出す ― 目先の効率化のために、差別化の源泉である業務まで外に出し、競争力そのものを失う。
• 品質保証を放棄する ― 任せた先の出力をモニタリングせず、問題が顧客に届いてから気づく。

これらに共通するのは、「任せる前の設計」を省いていることだ。AIにせよ社外にせよ、任せられる状態を作るのは、任せる側の仕事である。

Noumaの視点 ― 「任せ方」を設計する

私たちNoumaは、この変化を「業務委託の問い直し」として捉えている。AIエージェントが実行主体になるほど、企業に問われるのは「自社でやるか、外に出すか」という二択ではなく、「どの業務を、誰に、どこまで任せるか」を設計する力だ。そのために私たちが行うのは、次の3つである。

1. 業務の可視化と分解 ― 一括りになっている業務を、判断と実行、コアとノンコアに分解し、線を引ける状態にする。
2. 標準化（仕組み化） ― 任せられるように、手順と品質基準を言語化する。属人性を、再現可能な仕組みに変える。
3. 任せ方の設計と実行支援 ― AI・社内・社外への配分を設計し、品質保証を社内に残したまま回る体制をつくる。

AIの経済的便益が一部の企業に集中していく傾向も指摘されるなか（PwC、2026年）、差を分けるのは「AIを導入したか」ではなく「任せ方を設計できたか」だと私たちは考えている。「内製か外注か」で迷うのをやめ、「どう組み合わせるか」を設計する。その線引きこそが、AI時代の事業の強さを決める。

ご相談について

Noumaでは、AI・社内・社外をどう組み合わせるか、すなわち「業務の任せ方」を設計するところから、標準化・実行支援までを一気通貫でご支援しています。

• どの業務を社内に残し、どこをAI・外部に任せるべきか整理したい
• 属人化した業務を、任せられる状態に標準化したい
• AIエージェントと外部委託を含めた業務体制を設計し直したい

このような課題をお持ちの方は、ぜひお気軽にご相談ください。貴社の業務を分解し、最適な「任せる線」の引き直しから伴走します。