業務改善・社内でつくる
AIを使っているのに忙しい。原因はコピー＆ペーストだった
SNS担当者の「AIで書いても仕事が終わらない」を、担当者自身の手で仕組みに変えた記録です。
- 課題
- AIで文章は速く書けるのに、投稿を開いて、コピーして、貼り付ける作業が残り、仕事が終わらない。
- なぜAIを使ったか
- 速くすべきなのは文章づくりではなく、その前後の流れだと分かったため。
- AIをどう使ったか
- Xの投稿をAPIで取得してスプレッドシートにまとめ、AIに対応案（返信・いいね・何もしない）を出させる。仕組みは担当者自身がClaude Codeで構築。約6時間。
- 何をつくったか
- 「一件探す→AIに渡す→文章を移す」の流れを、「対応案が揃った一覧を見る→直す→承認する」に変える仕組み。
- 人間が判断した部分
- 相手の意図、言い方、アカウントとして発言してよいか、そもそも返事をすべきか。最終確認は人に残した。
- 結果と学び
- 担当者は「すぐ楽になった」。削減時間は未計測。毎日繰り返す仕事は、今日を早く終えるより、明日から同じ手間をなくす形をつくることに意味がある。
出典：note「AIを使っているのに忙しい。その原因は、コピー＆ペーストだった」
業務改善・自動化
毎月つらいfreeeの領収書添付を、ChatGPTで仕組み化した
経理の月次作業のうち、人が判断すべきところだけを人が担当する形に組み替えた記録です。
- 課題
- 毎月、freeeのカード明細に対して、複数の取得先から領収書を集め、明細と照合し、添付し、重複を整理する作業が発生していた。
- なぜAIを使ったか
- 作業の大半が「手順どおりに集めて照合する」ことで、人の判断が必要な部分は限られていたため。手順そのものを仕組みとして定義し直すことにした。
- AIをどう使ったか
- ChatGPT（Codexプラン）で、一連の作業の手順と判断基準を定義。約6時間の試行錯誤で、仕様と手順を固めた。
- 何をつくったか
- 仕様書、取得手順の台帳、進行表、利用者ガイド、CSVの取り込み・件数集計・ハッシュ検証を行うローカルプログラム。
- 人間が判断した部分
- すべての認証（ログイン、2段階認証、CAPTCHA）。会計上の判断（紙のみの証憑、返金、証憑不要の判定）。同日同額の明細の照合。
- 結果と学び
- 2か月分57件のうち、添付52件、証憑不要2件、紙のみ2件、返金1件、未取得0件。重複ファイル100件を削除。初回は約6時間かかり、次回以降は90分以内を目標にしている。人が確認すべきところだけを人が担当する、という分け方が要点。
出典：note「毎月つらいfreeeの領収書添付をChatGPTで自動化した【完成版プロンプト全文公開】」
自社サイト・AI検索
AIに見つけてもらう会社へ。自社サイトを整理して、AI検索で試した
本サイトそのものを、人にもAIにも分かる形に整理し、実際にAI検索で見つかるかを試した記録です。
- 課題
- これからはAIが企業を探し、比較する。「詳しくはお問い合わせください」だけの情報では、AIが判断できない。
- なぜ改善したかったか
- 料金、対象、人数、時間が曖昧だと、AIが会社を比べるときに候補に入らないため。
- 何をしたか
- サービスを「個人向け・法人向け」ではなく、何人で・何をしたいのか（人数・時間・目的）で整理。料金、対象、プロフィール、FAQ、問い合わせ方法を明確にし、講演テーマも企業の課題から選べる形にした。
- AIをどう使ったか
- ChatGPTやGeminiで、「やさしいバイブコーディング」「亀井ゆき」を含む検索と、「企業向け生成AI研修をしてくれる人を探して」のような名前を知らない検索を試した。
- 人間が判断した部分
- サービスの分け方、どこまで公開するか、講演テーマ、「表は人に見やすく、裏はAIにも分かる」見せ方。最終的に依頼を決めるのは人なので、デザインは維持。
- 結果と学び
- 名前を知っている検索では、noteも含めて見つかった。名前を知らない検索では、まだ弱い。ページを作るだけでは仕事は来ず、公式サイト、note、実績、一次情報、他サイトからの言及の積み重ねが必要。
出典：note「AIに見つけてもらう会社へ。これからのWebサイトに必要な『AI向けの窓口』を考える」
既存Webサービスの再構築
2週間かかった開発が2日になった。変えたのはモデルではなく設計だった
運営している女装カルチャーガイドを、要件定義から本番切替まで31時間55分で作り直した記録です。
- 課題
- 既存のWebサービス（女装カルチャーガイド）を作り直す必要があった。従来のやり方では、同じ規模の開発に2週間かかっていた。
- なぜAIを使ったか
- AI（Claude Code）に実装を任せる前提で、人が担う仕事を「何をつくるかを決めること」に寄せられると考えたため。
- AIをどう使ったか
- 実装はClaude Codeに任せ、人は要件定義と設計の進め方を見直すことに集中した。速くなった理由はAIモデルの性能ではなく、設計プロセスの変更にあった。
- 何をつくったか
- 女装カルチャーガイドの新しいサイト。要件定義から本番環境への切り替えまでを一続きで実施。
- 人間が判断した部分
- 何をつくり、何をつくらないかの要件。設計の順序と、AIに渡す前に決めておくこと。本番へ切り替える判断。
- 結果と学び
- 要件定義から本番切替までの実作業は31時間55分。従来2週間かかっていた規模の開発が2日で終わった。速さの要因は、AIに実装させる前の設計と仕様の決め方にあった。
出典：Zenn「2週間かかった開発が2日になった。AI開発で変えたのはモデルではなく設計だった」
業務システムの作り直し
GAS＋Slack中心の業務システムを、Cloud Run＋管理画面に作り直した
「バイブコーディングで作れること」と「運用できるシステム」の違いを、自分の業務システムで確かめた記録です。
- 課題
- Google Apps ScriptとSlackを中心に組んだ業務システムが、運用を続けるうえで限界を迎えていた。
- なぜ作り直したか
- 動くものを速くつくることと、運用し続けられるシステムをつくることは別の仕事で、後者に合わせた構成へ移す必要があった。
- AIをどう使ったか
- この記事の主題は構成と運用の判断で、AIの使い方は詳しく書かれていません。ここでは記事に書かれている範囲のみ記載しています。
- 何をつくったか
- SvelteKitで管理画面を持つ業務システム。Cloud Runで動かし、データベースにNeon、ファイル保管にR2、決済にStripeを使用。
- 人間が判断した部分
- どこまでを作り直すか、どの構成にするか、運用と費用をどう見るかの判断。
- 結果と学び
- 運用を前提にした構成へ移行。バイブコーディングで試作できることと、運用できるシステムを持てることは違う、という前提で法人の支援も行っている。
出典：Zenn「GAS＋Slack中心の業務システムを、Cloud Run＋管理画面に作り直した理由」