Cloudflare「100倍エンジニア」の盲点——6つのAIエージェント運用で見えた現実

Cloudflareは、「2倍から100倍」というAIの生産性向上を理由に、従業員の20%を削減したばかりです。AIエージェント時代に「100倍エンジニア」という見方をそのまま当てはめれば、構造的に誤った人員判断が連鎖しかねません。

Cloudflareは2026年第1四半期に実際何を語ったのか

投資家向け説明会で最も注目を集めているのは、AIによって一部の職種のアウトプットが以前の「2倍、10倍、さらには100倍」になったというPrinceの発言です。TechCrunchも、CNBCも、The Registerもこれを取り上げました。どの記事もこの見方を自明の前提として扱い、そのまま失われた雇用の数へと話を進めています。

全体像はこうです。Cloudflareが削減した1,100人は、Princeの説明によれば、いまやAIが業務を担う職種にまたがっています。つまり、これまでその仕事をしていた人間がボトルネックであり、AIがそれを取り除いたという含意です。売上高は34%増え、従業員数は20%減りました。同じアウトプットを少ない人数で生み、利益率を拡大する——投資家向けの筋書きは自然にできあがります。

しかし、その決算説明会で誰も尋ねず、報道も検証しなかった論点があります。エージェントが端から端まで動かすプロセスに対して、「100倍の生産性」という分析単位はそもそも成立するのでしょうか。AIの支援を受けた人間のエンジニアが100倍生産的になることと、プロセスそのものが人間の労働から完全に切り離されることは別です。この違いは、誰を残すかを決める創業者にとって極めて重要です。

今週、私が実際にしていること

WorkersとDurable Objects上で、このブログのパブリッシングシステムを動かしています。エージェントはManualIntake、Discovery、Editorial、Writer、Distribution、Maintenanceの6つです。先月は24本の記事を公開し、私が直接手を入れたのはおそらく4本でした。実際の請求額は以下のとおりです。

Cloudflare Workersで6つのAIエージェントを本番運用すると、実際いくらかかるのか

以下は、6つのエージェントでパブリッシングシステムを稼働させた2026年4月分のCloudflareの実請求額です。

Workersのコンピューティング費用は$11.40でした。エージェントの作業メモリ、タスクキュー、記事の下書き、コンテンツのメタデータを担うD1のデータベース読み書きは$3.20。メディア素材とアーカイブのエクスポートを保存するR2は$0.84、記事群を横断するセマンティック検索用のVectorizeは$1.10でした。Agents SDKとWorkflowsのオーケストレーション層にかかったリクエストおよび実行時間の料金は$2.60です。Cloudflareインフラの合計は、月額$19.14でした。

推論料金は別で、モデルプロバイダー側に発生します。4月は、タスクの複雑さに応じて6つのエージェントでClaude Sonnet 4.5とHaiku 3.5を使い分け、月額$214でした。インフラと推論を合わせたAIシステムの総コストは、$233.14です。

4月のタスク数は次のとおりです。ManualIntakeは31件のコンテンツ依頼を処理し、Discoveryは188件の調査・情報収集タスクを実行しました。Editorialは47件のブリーフ作成と改訂サイクルを担当し、Writerは公開用の下書きを24本生成しました。Distributionは96件のシンジケーションとソーシャル配信を処理し、Maintenanceは定期ヘルスチェック、リンク監査、インデックス更新を240件実行しました。合計すると月626件、推論料金を含む総コストは1タスクあたり約$0.37です。

小規模な調整レイヤーには、月額€4.42のHetzner CX22を使っています。それ以外はありません。

このエージェント群と同じ品質・処理量で、月626件のタスクを人に任せると、いくらかかるでしょうか。欧米市場で中堅のコンテンツオペレーション担当者を雇えば、諸経費込みで月額$6,500〜$9,000です。エージェントは、その仕事のかなりの部分を$233でこなしています。この計算が現実であることを、取り繕うつもりはありません。

ただし、見落としてはいけない点があります。私はいまも、このシステムに週約12時間を費やしています。 エージェントと同じタスクをしているのではありません。別の仕事をしているのです。「100倍」という見方は、その部分を完全に取り逃がしています。

「100倍エンジニア」という枠組みが概念的に破綻している理由

「100倍エンジニア」という枠組みが想定しているのは、1人のエンジニアをAIが100倍生産的にする構図です。分析単位はあくまでエンジニアであり、同じアウトプットに必要な人数が減る、という発想です。

本番環境へのエージェント導入で実際に起きているのは、そういうことではありません。プロセスそのものが、人間の労働から丸ごと切り離されています。Discoveryエージェントは、リサーチ担当者の生産性を100倍にするわけではありません。そもそもリサーチ担当者がいないのです。調査プロセスはcronスケジュールで動き、複数のAPIとモデルを呼び出し、構造化された出力をD1に書き込み、Editorialエージェントを起動します。プロセスは存在しますが、かつてそのプロセスを担っていた人間の役割は存在しません。

言葉の上だけの違いに聞こえるかもしれません。しかし、そうではありません。どの仕事に人を配置するかという判断の前提が、根本から変わります。

「100倍エンジニア」と捉えると、エンジニアの人数を見て、「100人を置き換えるには、どの10人を残せばよいか」と考えます。そして、最もアウトプットの多い人だけを残し、ほかを削る方向へ最適化します。

一方、「プロセスを自動化へ移す」と正しく捉えれば、問いは変わります。社内のどのプロセスなら完全自動化できるのか。エージェントでは再現できない人間の判断が必要なのはどれか。エージェント群を管理・監査し、拡張するために、どのような新しい役割が必要なのか。そこから導かれる人選は別物です。

まだほとんど採用されていない役割を、私はAgent Operationsリードと呼びます。プロンプトエンジニアでも、MLエンジニアでもありません。ビジネスプロセスを深く理解し、エージェントがすべきことを定義できる人です。停止したワークフローをデバッグするためにDurable Objectの状態ログを読み、エージェントの出力が許容品質からずれたタイミングを見抜き、ビジネスの変化に合わせてシステムを拡張できなければなりません。私がパブリッシングシステムに費やす週12時間は、おおむねこの役割に当たります。単純な仕事ではありません。プロセスの知識と、システムを運用できるだけの技術的な理解を併せ持つ、高いレバレッジを生む仕事です。

Cloudflareにも、ほぼ間違いなく同じ役割が社内にあります。ただ、まだ職種名がないのでしょう。この能力を築かないまま最小限の人員まで削れば、エージェント群は6カ月以内に劣化します。

自動化は仕事を生みます。ただし、以前と同じ仕事ではありません
私が動かしている本番エージェントは、それぞれ月に約3〜5件、人の介入が必要な問題を起こします。状態の破損、品質ゲートを通らないモデル出力、下流APIのスキーマ変更、2つのエージェントが同じD1の行へ同時に書き込んだために生じるデッドロック。どれも致命的ではありませんが、すべてシステムを理解した人が対処しなければなりません。エージェント運用の能力を残さずに人員を削れば、未解決の問題が積み上がります。

さらに、自動化が取り除くのではなく、新たに生み出す仕事もあります。Editorialエージェントは月47件のブリーフを作り、人間の編集者がそれを確認して承認します。エージェントが存在する前に書かれていたブリーフは、おそらく15件でした。エージェントは編集者を置き換えていません。編集者が扱える範囲を広げ、求められる仕事の水準を引き上げたのです。エージェント群に隣接する役割のなかには、消えるのではなく強化されるものがあります。この関係を丁寧に整理しない創業者は、強化されるべき役割を削り、その後に処理量が落ちた理由を考え込むことになります。

2026年下半期、人員計画をどう判断すべきか

Cloudflareのストーリーを根拠に2026年下半期の人員計画を組むなら、私なら次の枠組みを使います。

まず、業務プロセスを「プロセスごと置き換えられる候補」と「職種ごと置き換えられる候補」の2つに分けます。

プロセスごと置き換えられる候補とは、ほぼ決定論的に進み、完全に仕様化でき、アウトプットの品質を自動で測定できるワークフローです。データパイプラインの保守、大量のコンテンツ制作、カスタマーサポートの一次振り分け、QAテストの生成、ドキュメントの更新、請求書処理などが該当します。ここで問うべきなのは、「AIで担当者の仕事を速くできるか」ではありません。「今後90日以内に、このプロセスを人間の労働から完全に切り離せるか」です。人員に手をつける前に、エージェントで4週間のテストを実施します。

職種ごと置き換えられる候補は性質が異なり、はるかに少数です。人の役割が、明確に定義されたタスクを熟練者として実行することを主目的とし、そのタスクが自動化でき、周辺に意思決定や人間関係を伴う仕事がない場合に限られます。このような職種は、たしかに危機にさらされています。しかし、Cloudflareのストーリーが示唆するほど多くはありません。大半の職種は、単一のタスクではなく、複数タスクの束だからです。コードを書き、PRをレビューし、作業範囲を定め、若手を指導し、顧客と話すエンジニアを、コーディングエージェントで置き換えることはできません。自動化できるのは、コーディングの部分かもしれません。

シリーズA〜Cの取締役会でも通用する人員コストの計算は、こうなります。現在そのプロセスにかかっている諸経費込みのコストから、プロセスを置き換えるエージェント群の予想総コスト——インフラ、推論、Agent Operationsの間接コスト——を差し引き、その差額を示します。月$233で626件のタスクなら、適切なプロセスに対する費用対効果は明らかです。一方、判断を必要とする複数タスクの束である職種では、この計算の説得力は急速に落ちます。

人を削減する前に、私ならエージェントと人間を60日間、並行して動かします。人間を評価するときと同じ基準でアウトプットの品質を測り、失敗率と介入率を記録します。Agent Operationsの間接コストが、実際に人の時間でどれだけかかるかも計算します。そのコストを含めても人間の30%の費用で品質基準を満たせるなら、削減には確かな根拠があります。人間が節約できた時間以上の介入時間を失敗対応に要するなら、その根拠はありません。

ランレートの検証は複雑ではありません。それでも多くの創業者が省略するのは、Cloudflareのストーリーによって不要に思えてしまうからです。「100倍」という主張には抗いがたい魅力があります。しかし、同じスタックの本番運用を内側から見ている立場として断言できます。重要なのは生産性の倍率ではなく、運用負荷まで含め、許容できる品質で1タスクを処理するコストです。取締役会の資料に載せる前に、検証してください。

Q：月額$233のコストは、エージェントを増やすと比例して伸びますか？

推論料金については、おおむね比例します。WorkersとDurable Objectsは大規模でも効率がよいため、Cloudflareのインフラ費用は緩やかに増えます。私の環境では、推論料金が最大の変動要因です。エージェントのタスク量を2倍にすれば、推論料金もおおむね2倍になると考えてください。インフラ費用の増加はおそらく20〜30%です。個別のタスクではなくシステムを管理するため、運用の間接コストはタスク量ほど急には増えません。

Q：本番のエージェント群で中核を担うCloudflare製品はどれですか？

最も重要なのはDurable Objectsです。外部の調整用データベースを使わず、複数のWorkers呼び出しをまたぐ長時間のエージェントタスクを連携させる、永続的なステートマシンとして機能します。D1はビジネスデータ用のリレーショナルストア、R2はオブジェクトストレージ、Vectorizeは埋め込みベクトルのストアです。Agents SDKは、Durable Objectsの上に載る比較的薄いオーケストレーション層です。このスタックを評価するなら、アーキテクチャの中心はDurable Objectsです。

Q：Agent Operationsの担当者は、日々どのように働くのですか？

私の場合、毎朝30分を使って、失敗や品質のずれがないかタスクログを確認します。週約2時間はエージェントのワークフローのデバッグや拡張に充て、毎週月曜日には前週のアウトプット品質を定例でレビューします。それ以外は事後対応で、何かが壊れたら直します。20人以上のチームを支える大規模なエージェント群なら、空き時間で担う仕事ではなく、おそらく勤務時間の半分を充てる役割になります。

今後30日で注目すべきこと

Cloudflareの決算説明で使われた見方は、これから広がっていきます。第2四半期の決算シーズンが終わるまでに、少なくともほかの上場テック企業3〜5社が、「AIによる生産性向上」を人員削減の理由に使うでしょう。注目すべきは、曖昧な生産性の主張ではなく、エージェント導入の具体像と併せて削減を発表する創業者です。それなら本物のシグナルになります。スタックも、タスク数も、1タスクあたりのコストも示さない曖昧な主張は、取締役会資料のための演出にすぎません。

Cloudflareのスタックに目を向けると、Agents SDKは急速に成熟しています。Durable Objectの休止時料金は今年に入って変更され、常時稼働するエージェントにとって以前より大幅に有利になりました。このアーキテクチャを検討しながら導入を見送っていたなら、コスト曲線はこちらに有利な方向へ動いています。運用の複雑さは消えていませんが、多くのシリーズA〜C企業が実際に必要とする規模なら管理可能です。

Agent Operationsの採用市場は、今後12カ月以内に独立した職種カテゴリーとして姿を現すでしょう。LinkedInにその職種名が載る前に、自社ではどのような役割になるかを定めておくべきです。

2026年下半期の計画が固まる前にプロセス監査を進めたい方には、私がDVNC.devで使っているワークフロー監査チェックリストを、この枠組みにそのまま当てはめられます。

要点

• Cloudflareの2026年第1四半期決算では、売上高$639.8M、1,100人の削減、「2x〜100x」というAIの生産性向上が並べて示されました。
• Cloudflare Workers、Durable Objects、D1、Agents SDK上で6つの本番エージェントを動かす総コストは、626件のタスクに対して月$233です。推論料金込みで、1タスクあたり約$0.37になります。
• 「100倍エンジニア」という見方は誤っています。本当に起きている変化は、人のアウトプットが何倍にもなることではなく、プロセスそのものが人間の労働から完全に切り離されることです。
• まだほとんど採用されていないのがAgent Operationsです。エージェント群を管理・監査し、拡張する人を残さず最小限の人員まで削れば、エージェント群は劣化します。
• 取締役会の資料に載せる前に、エージェントと人間を同じ品質基準で60日間並行稼働させ、実際の運用負荷を測ってください。費用対効果が高いケースは多いものの、ストーリーどおりとは限りません。
• 判断基準は生産性の倍率ではなく、運用負荷を含め、許容できる品質で1タスクを処理するコストです。