おつかれさまです。小畑です。

ITエンジニアの賃金が二極化している、という日経の記事が出ていました。僕はこれを、単なる「給料の差が広がった話」としては見ていません。仕事の価値を決める基準そのものが、AIで書き換わり始めたサインだと思っています。

AIに置き換えやすい仕事は、安くなる。
逆に、AIを使いながら決める仕事、人を動かす仕事、責任を持つ仕事は高くなる。

かなりシンプルですが、今起きているのはそういう変化です。

今回の元記事はこちらです。

https://www.nikkei.com/article/DGXZQOUC115KO0R10C26A6000000/?n_cid=SNSTW005&n_tw=1784456213

賃金差より先に、仕事の値付けが変わっている

記事では、2022年以降にAIに代替されにくい上流工程の単価が2割上がる一方、下流工程の代表例であるHTMLコーダーの単価は5割下がったと紹介されていました。

この差はかなり大きいです。

しかも一時的な景気の波というより、どの仕事にお金が払われるのか、その基準が変わってきたように見えます。

以前は、早く正確に作れること自体が価値になりました。

でも今は、その一部をAIがかなりの精度で処理できます。

そうなると、人が高く評価される場所は自然と上流に寄っていきます。

実装の価値が消えたのではなく、単体で売りにくくなった

ここは少し丁寧に見た方がいいと思っています。

コーディングや実装の価値がなくなったわけではありません。

ただ、実装だけを切り出した仕事は、一気に価格競争に巻き込まれやすくなったということです。

• 仕様が固まっている

• 正解の形がある程度見えている

• 生成AIにそのまま渡しやすい

こういう仕事ほど、単価は落ちやすい。

要するに、手を動かせること自体が武器だった時代から、何を作るかを定義できること、どう作るかを判断できることの方に重心が移っています。

上流工程が強い理由は、技術より責任を扱っているから

一方で、プロジェクトマネジャーのような上流工程の単価は上がっています。

これは自然な流れだと思います。

上流工程は、顧客の要件を整理して、優先順位を決めて、関係者の認識を揃えて、途中でズレたら修正する仕事です。

• 曖昧な期待もあります

• 社内政治もあります

• 予算や納期の制約もあります

つまり、上流工程が強いのは肩書きの問題ではありません。

不確実な状況の中で決める責任を持っているからです。

700倍差は、才能より仕事設計の差を映している

記事の中で特に印象的だったのが、フェンリルで同じAIツールを使うエンジニア同士に、コード生成量で最大700倍の差がついたという話です。

正直、かなり驚きました。

でも僕はこれを、天才と凡人の差として読むより、AI活用が仕事設計の差として表れ始めた事例だと見ています。

同じツールを使っていても、差は出ます。

• タスクの切り方が違う

• レビューの入れ方が違う

• AIに任せる範囲が違う

• 最後に人がどこを握るかも違う

この差は、プロンプトの小手先だけでは埋まりません。

仕事の流れをどう組むかまで含めて設計できるかどうかで、生産性は大きく変わります。

ツールを入れただけで成果が出るわけではない、ということです。

これから厳しくなるのは「作業者」で止まること

今回のニュースでいちばん怖いのはここだと思います。

AI時代に不利になるのは、単純に技術が低い人だけではありません。

「言われたものを作る役割」のまま止まっている人です。

• 実装力があっても、要件を分解できない

• 顧客の意図を読み取れない

• AIを前提に作業を組み替えられない

この状態だと、単価も役割も削られやすくなります。

逆に価値が上がりやすいのは、

• AIを前提に仕事を組み立てられる人

• 技術と業務をつなげられる人

• 実装だけでなく、判断と説明まで持てる人

です。

このシフトができるかどうかで、数年後の立ち位置はかなり変わるはずです。

これはエンジニアだけの話ではない

この流れは、おそらくIT業界だけで終わりません。

ソフトウェア開発は、ホワイトカラーの中でもAIの影響が先に出やすい領域です。

だから今エンジニア市場で起きていることは、他の職種にも広がる前触れとして見るべきだと思います。

• 資料作成

• 調査

• 分析

• 運用

• サポート

こうした仕事でも、作業として切り出しやすい部分は安くなりやすい。

一方で、相手に合わせて定義する、判断する、責任を持つ。

その部分は残るし、むしろ価値が上がります。

かなり残酷ですが、方向としてはとても自然ですよね。

まとめ

今回の話で見ておくべきなのは、AIで仕事がなくなるかどうかではありません。

AI時代に、自分がどの工程を握っているかです。

コードを書く力は、これからも必要です。

でも、それだけでは足りません。

• 何を作るのかを決める

• どう進めるのかを設計する

• AIをどう組み込むのかを判断する

このあたりまで持てる人が、これから強くなると思います。

自分の仕事は、AIに置き換えられやすい作業に寄っているのか。
それとも、AIを使いながら前に進める側に寄れているのか。

そろそろかなり真剣に見直すタイミングです。

No AI, No Life.

P.S.

こういう変化は、ニュースを追うだけだと整理しきれません。

大事なのは「何が起きたか」より、「自分の仕事をどこから組み替えるか」だからです。

そのあたりも含めて、実務目線で引き続き追っていきます。

ではまた！

今すぐ登録する

P.P.S.

診断は以下よりどうぞ。

https://sync.no-ai-no.life/#shindan

毎月5枠限定で、無料で作戦会議も開催しております。お気軽にどうぞ。

ではまた！

6月30日、AnthropicがClaude Sonnet 5を公開しました。

ニュースとしては「新しいモデルが出た」で終わる話です。でも今回は、そこより値段の付け方を見てほしいと思っています。理由は最後まで読むと伝わるはずです。

https://www.anthropic.com/news/claude-sonnet-5

何が起きたか

Claude Sonnet 5は、自分で計画を立て、ブラウザやターミナルを操作し、これまで高価な上位モデルでしか難しかった“自律作業”までこなします。

「質問に答える」だけのAIではなく、「手順を考えて、最後まで進める」側のAIです。

そして大事なのが提供のされ方です。

• 価格は8月末まで、100万トークンあたり入力2ドル・出力10ドル

• これはOpus 4.8やGPT-5.5より安い設定

• 全プランで使え、無料とProでは標準モデルに

つまり、いちばん多くの人が触る「標準の入口」が、最上位級の手前まで引き上げられた、ということです。

「安くなった」が、なぜ性能より大事なのか

性能の話は、正直もう驚かなくなってきました。今回もコーディングの精度は最上位のOpus 4.8に迫り、知識作業ではむしろ上回る場面もあるとのこと。すごいです。でも「すごいモデルが出た」は、毎月のように言っています。

本当に効いてくるのは、できることが増えたから、ではなく、できることが安くなったからです。

去年なら「この処理を全部AIに回したら費用が怖い」と手を止めた使い方が、今日からは現実的な金額で回せる。性能が天井を上げるなら、価格は入口を下げる。多くの人にとって、後者のほうが行動が変わります。

小畑はこう見る

おすすめの動き方はひとつです。

先月「高くてもったいない」とあきらめた使い道を、もう一度だけ書き出してみてください。

・コストが気になって途中でやめた自動化

・「上位モデルじゃないと精度が足りない」と保留した作業

・試したかったけど、回数を考えて見送ったアイデア

このあたりを、いま一度テーブルに戻す価値があります。値段の前提が変わったので、判断もやり直していい。

逆に言うと、前提が変わったのに判断を更新しないのが、いちばんもったいない。「前に高かったから」で止まったままだと、安くなった恩恵をまるごと取りこぼします。

ひとつだけ注意

速くて安くて自律的、というのは、方向が間違っていたときのズレも大きくなるということです。

「いい感じにやっておいて」で長時間走らせると、ずれた成果物が大量に返ってくる。安くなったぶん、何を・誰のために・なぜやるのかを最初に渡す手間は、むしろ価値が上がっています。

まとめ

Claude Sonnet 5で変わったのは、AIの賢さだけではありません。

最上位級の性能が、無料のまま標準で手に入るようになった。「高いからあきらめる」という判断の前提が、また一段崩れたということです。

先月見送ったアイデアを、今日もう一度開いてみる。それだけで、仕事の相棒の質は一段上がります。

No AI, No Life.

今すぐ登録する

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「Googleが、なぜSpaceXにお金を払うんですか？」

この話を聞いた瞬間、そう思いませんでしたか？僕はそうでした😅

---

GoogleとSpaceXが、AI計算力の調達契約を結んでいます。

規模が【月9億2000万ドル（約1,300億円）】。NVIDIA GPU換算で11万枚分のコンピューティング能力を、GoogleがSpaceXから借りているという契約です。

「SpaceXって、ロケットの会社じゃないの？」

そうなんですが、SpaceXはStarlinkという衛星インターネット事業も持っていて、そこで大量のGPUインフラを保有している。それをGoogleが「つなぎで貸してくれ」と借りているわけです。

今すぐ登録する

背景にあるのは、Gemini Enterpriseの需要増加です。

Googleの法人向けAIサービスが想定を超えて伸びていて、自社のデータセンター増設が間に合っていない。だからSpaceXのインフラを「橋渡し」として使っている。

ここで注目したいのが、【GPU争奪戦の激しさ】です。

世界中のAI企業が、同じNVIDIA GPUを奪い合っている。需要に対して供給がまったく追いついていない状況で、GoogleほどのリソースがあってもSpaceXから借りないといけない。

この状況は、AI開発の本質的なボトルネックが「アイデア」ではなく「インフラ」であることを示しています。

---

Web制作・DX支援をしている立場から言うと、この話は「AIを使う側のコスト」にも直結します。

AIサービスのコストが下がらない、あるいはむしろ上がっていく理由の一つが、このGPU不足です。

クライアントに「AIを導入しましょう」と提案するとき、「コストはどれくらい？」という質問が必ず来ます。その答えが「わかりません、GPU次第です」になりかねない時代に入っている。

コスト設計を含めたAI導入支援が、これからますます重要になると感じています。

---

引用元：https://winbuzzer.com/2026/06/06/google-taps-spacex-for-920m-monthly-ai-compute-deal-xcxwbn/

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「ChatGPTの月2,000円、安すぎませんか？」

ずっとそう思っていたんですが、やっぱりそうでした。

---

ある分析によると、AnthropicとOpenAIは、ユーザーが支払う【100円に対して1,000円以上のコスト】をかけている可能性があるということです。

特にコストが重いのが、コーディング支援などの長いやり取りが必要なタスク。ループ処理や思考モードを使うAPIコールは、単純な1回のチャットよりも何倍もの計算コストがかかります。

つまり、現在の月額サブスクリプション料金は、ヘビーユーザーが使えば使うほど赤字を拡大させる構造になっている。

今すぐ登録する

なぜそれが続いているかというと、【シェア獲得】のためです。

今は赤字でも、先にユーザーを獲得して習慣づけてしまえば、後で価格を上げられる。あるいは投資家からの資金で赤字を補填し続けられる間は、安くしておける。

この補助金的な状態が永遠に続くとは考えにくいですよね。

---

「じゃあ、どうすればいいの？」という話ですが、今のうちに準備しておくことが2つあると思っています。

① コスト設計を意識したAI活用をしておく

今は安いから気にしていなくても、APIを本番システムに組み込む場合は、コスト試算を最初からやっておくべきです。

「GPT-4oで月100万トークン使ったら月いくら？」
「Claudeのループ処理を1日1,000回走らせたら？」

これを感覚で判断していると、値上げのタイミングで予算超過になります。

② モデルの比較検討を習慣にしておく

今のうちにOpenAI以外のモデル（Claude・Gemini・オープンソース系）も触っておく。特定のモデルに依存していると、値上げのときに逃げ場がなくなります。

コスト効率が高い処理には小さいモデルを使い、精度が必要な場面だけ大きいモデルを使う。この「使い分け」ができると、コストを大幅に下げられます。

---

Web制作の世界でも、「とりあえずChatGPT」という使い方をしているうちは、コスト感覚が育ちません。

AIが値上がりしたとき、それを吸収できるビジネスモデルを今のうちに考えておくこと。これが一番の準備だと思います。

---

引用元：https://ea.rna.nl/2026/06/07/anthropic-openai-may-be-spending-more-than-1000-for-every-100-you-pay-them/

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「AIに何でもできるようになったら、人間には何が残るんですか？」

この問いに、経済学者が正面から向き合い始めました。

---

Google DeepMindでAGI経済学部門を率いるAlex Imasさんと、StanfordデジタルエコノミーラボのPhilip Trammellさんが対談しています。

テーマは【AGI後に希少性を持ち続けるものは何か】。

経済学の言葉で言うと、「価値があるもの＝希少なもの」です。AIがあらゆる知識労働をこなせるようになったとき、何が希少のまま残り続けるのか。

今すぐ登録する

議論の核心を整理すると、いくつかのものは希少性を保ち続けると考えられています。

土地と物理的な資源

AIがどれだけ発展しても、土地の量は変わりません。物理的な生産に必要な資源は、デジタルにはコピーできない。

人間の経験と関係性

「AIに頼まれた」より「あの人に頼まれた」が価値を持つ場面は、おそらくなくならない。信頼関係や人間的なつながりは、希少性を持ち続けるじゃないですか。

時間

AIが仕事を代替しても、人間の人生時間は変わらない。何に時間を使うかの選択、それ自体が価値になる。

---

富の分配についても議論しています。

AIが巨大な経済価値を生み出すとき、それをどう税で回収して、どう国民に分配するか。AI供給チェーンに入れていない国（途上国など）が、恩恵を受けられる構造を作れるか。

これは政策の話ですが、【格差が爆発しない未来の可能性はあるか】という問いに対して、楽観的な答えも出せると彼らは言っています。

技術の普及コストが下がれば、開発途上国でもAIの恩恵を受けられる。過去の技術革命がそうだったように、長い目で見れば格差は縮む方向に行くかもしれない、と。

---

Web制作・AI支援をしている立場から、この議論を聞いて思うことがあります。

「AIに仕事を取られる前に何をするか」ではなく、「AIが全部やってくれる時代に、自分は何に価値を置くか」を考える時間が必要じゃないかと。

仕事が目的ではなく、何のために生きるかが問われる時代。

今のうちに、その問いに向き合っておくことが、AGI後の準備になるんじゃないかと思っています。

---

引用元：https://www.dwarkesh.com/p/alex-imas-phil-trammell

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「クラウドにつながなくても、スマホでAIが動く」

この話、ついにここまで来たか、という感じがしています。

---

GoogleがGemma 4のQAT（Quantization-Aware Training）最適化版を公開しました。

QATとは【量子化対応学習】のことです。

AIモデルは通常、非常に大きなファイルサイズで動作します。これを「圧縮」すると軽くなる反面、精度が落ちる。QATはこの問題を解決するための技術で、「圧縮されることを前提にトレーニングする」ことで、圧縮後も精度を維持できるようにする手法です。

今回の更新で、Gemma 4がスマートフォンやノートPCなどの【エッジデバイス】上で動くようになりました。

今すぐ登録する

何が変わるかというと、「クラウドにデータを送らなくていい」ことです。

今のAIサービスの多くは、あなたの入力をGoogleやOpenAIのサーバーに送って、そこで処理して返ってきます。情報がクラウドを通る。

エッジAIが実用化されると、処理がデバイス内で完結する。個人情報や社内データをクラウドに出したくない、という企業のニーズに応えられるようになるわけです。

---

Web制作や業務支援の現場で言うと、この変化はセキュリティ要件の厳しいクライアントへのAI提案を変えます。

「AIを使いたいが、情報漏洩が怖い」という相談は、実際かなり多いんです。特に医療・法務・金融系のクライアントは慎重です。

エッジAIが普及すれば「クラウドに出さなくていい」選択肢が生まれる。これは、これまでAI導入に踏み切れなかった業種への提案の幅が広がることを意味しています。

---

オープンソースとして公開されているのも重要なポイントです。

商用利用も可能で、自社でカスタマイズして使える。「APIを使い続けるコスト」を避けて、自社ホスティングに切り替える選択肢が出てきます。

ただし、Gemma 4を動かせるだけのデバイス性能は必要なので、「すべての場面でクラウド不要」という話ではまだないです。技術の成熟とともに、選択肢が広がっていくフェーズだと思って見ています。

---

引用元：https://blog.google/innovation-and-ai/technology/developers-tools/quantization-aware-training-gemma-4/

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「AIって、専門性の高い仕事は苦手なんじゃないの？」

そう思っていた人に、Anthropicが強烈なカウンターを出してきました。

---

Anthropicが自社の研究レポートで公開したのは、Claude Opus 4.7が【NMRスペクトル予測】で専門ツールと同等以上の精度を出したという事実です。

NMR（核磁気共鳴）というのは、化学の世界で分子構造を分析するための技術。ChemDrawやMestReNovaというのは、長年使われてきた専用ソフトウェアです。大学の化学系学部や製薬会社では必須のツールです。

そのツールと同等か、それ以上の予測精度をClaudeが出した。

今すぐ登録する

もう一つすごいのが【逆算】の能力です。

通常のNMR分析は「分子構造を入力してスペクトルを予測する」方向で使います。Claudeはその逆、「スペクトルデータから分子構造を推定する」という難しい方向にも対応できていると報告されています。

これ、化学者からすると相当インパクトがある話じゃないですか。専用ツールを組み合わせないと難しかった作業を、汎用AIが1つでやれるようになってきている。

---

AI×専門領域という流れで、僕が気になっているのは「自分たちのビジネス領域はどこだ？」という問いです。

Web制作、コンテンツ制作、DX支援。これらの分野も、少し前まで「AIには難しい」と言われていたことが、今は普通にできるようになっています。

Claudeが化学の領域に踏み込んだように、AIはどんな専門分野にも徐々に入り込んでくる。

重要なのは「AIが入ってきたら終わり」じゃなく、「AIを一緒に使ってどう価値を上げるか」を考えることだと思います。

化学者がClaudeを使えば、実験のスピードが上がる。Web制作者がAIを使えば、制作のスループットが上がる。

「人間 × AI」の組み合わせが、まだしばらく最強の形だと、今回の研究を見て改めて感じました。

---

引用元：https://www.anthropic.com/research/making-claude-a-chemist

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「AIに、ずっと仕事を任せておける」

そんな未来が、静かに近づいてきています。

---

MicrosoftがFrontierプログラム（先行ユーザー向け）に、AIエージェント「Scout」を展開し始めました。

Scoutの特徴は【常時稼働型】であること。

従来のCopilotは「聞いたら答える」タイプでした。Scoutは違います。「常時起動していて、複数のステップにわたる仕事を自動で進める」タイプです。

対応しているモデルも面白くて、OpenAIだけじゃなくAnthropic（Claude）も使える。選択肢を持たせることで、タスクの種類によって最適なモデルに切り替えられる設計になっています。

今すぐ登録する

できることを整理すると

• Microsoft 365スタック全体との統合（Word・Excel・Outlook・Teams）

• ローカルファイルへのアクセス

• 複数ステップのルーティン実行（例：メールを読む→要約する→カレンダーに登録する）

これ、業務の中で「毎日やっている単純作業」がまるごと自動化されるじゃないですか。

---

注目しているのは【ポジショニング戦略】です。

MicrosoftはGoogleのGemini、SalesforceのAgentforceに対して、常時稼働型エージェントという軸で差別化しようとしている。

「使うたびに起動する」から「常にいる」への転換は、AIの使い方をもう一段変えると思います。

これまでAIは「ツールを開いて使うもの」でした。Scoutのような常時稼働型が広がると、AIは「いつでもそこにいるスタッフ」になる。

その変化は、AIを「何か特別なもの」として捉えている人の認識を、根本から変えていくと思います。

---

企業のAI導入支援をしている立場から言うと、Microsoftを使っている会社（中小企業でも365を使っているところは多い）には、Scoutが普及した段階でかなり大きなインパクトがある。

「うちもAIエージェント導入したい」という相談が増えるタイミングが、もうすぐ来る気がしています。

---

引用元：https://www.testingcatalog.com/early-look-microsoft-rolls-out-scout-ai-agent-to-frontier-users/

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「AIの利益は、一部の株主だけが受け取るべきなのか？」

そんな問いが、政府レベルで動き始めました。

---

トランプ政権がOpenAIへの出資を検討しています。

方法は【政府への株式贈与】。OpenAI側が株を政府に渡す形で、現金のやり取りは発生しない仕組みです。

この構想の背景にあるのが、「Public Wealth Fund（公共富裕ファンド）」と呼ばれるアイデアです。AIが生み出す経済的な利益を、国民全体に分配する仕組みを国家として持とうという考え方ですね。

今すぐ登録する

なぜOpenAIが政府に株を渡す話になっているのか。

理由はいくつかあります。

OpenAIは現在、非営利から営利への組織転換を進めています。この転換にあたって、米政府の承認が必要になってくる。政府との関係を良好にするための一手として、株式提供という選択肢が浮上したわけです。

もう一つ大きいのは、AIをめぐる「誰が恩恵を受けるのか」という社会的な問いが強くなっていることじゃないですか。

生産性が上がった分の利益が、一握りのテック企業と投資家に集中するだけなら、社会的な摩擦は必ず大きくなります。政府が株主として入ることで「国民のためのAI」という大義名分を作ろうとしている、とも読めます。

---

日本への影響を考えると、少し先の話になりますが、「AIが生み出す価値をどう分配するか」という議論は、必ず日本にも来ます。

Web制作や業務効率化でAIを使っている人間からすると、「ツールを使いこなしている自分」が競争優位になれる時間は、実は限られているかもしれない。

インフラとして整備されてしまったら、使える・使えないの差はなくなり、次の差別化要素を考えなければいけなくなります。

今の「AIを使えること」の価値をいつまで信じるか。そのタイミングを間違えないようにしておきたいです。

---

引用元：https://www.cnbc.com/2026/06/05/trump-open-ai-altman-stake.html

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

AnthropicからClaude Fable 5のプロンプティングガイドが公開されました。

読んで率直に思ったのは、「モデルのアップデート」じゃなくて「AIとの関係の再設計」が必要になった、ということです。

何が変わったか

従来のClaudeは「質問→返答」の往復が基本でした。

Fable 5は違います。

数時間、場合によっては数日にわたって自律的に動き続けることができる。並列でサブエージェントを走らせ、複数の作業を同時進行できる。途中でエラーが出ても自分で対処して進む。

ドキュメントにはこう書かれています。

「以前は数日間の反復作業を要したシステムをシングルパスで実装できた」

これ、開発者向けの話じゃないです。AIをどう使うかを考えているすべての人への話です。

3つの変化点

① 「エフォート」で知能とコストを調整できる

Fable 5にはlow medium high xhighのエフォートレベルがあります。

日常的な作業にはmedium、複雑な案件にはhigh。このコントロールが明示的にできるようになった。

「常に最高性能を使う必要はない」という設計思想です。コストと出力品質を状況に応じて選べる。

② 記憶を持てるようになる

過去のやり取りから学んだことを、ファイルに書き出して次回以降に参照できるよう指示できます。

ドキュメントにこう書かれています。 「以前の実行から得た教訓を記録し、それを参照できる場合に特に優れたパフォーマンスを発揮します」

使い続けるほど精度が上がる、という設計です。蓄積が資産になる。

③ 「理由」を伝えると出力が変わる

これが個人的に一番大事だと思っています。

ドキュメントにあったプロンプトの例

I'm working on [the larger task] for [who it's for].
They need [what the output enables].
With that in mind: [request].

「何を作って」だけでなく「誰のために・なぜそれが必要か」を伝えると、AIが文脈を理解して動く。

「命令する」から「依頼する」へ。これが今後の基本姿勢です。

使い手に求められること

Fable 5のドキュメントを読んで感じたのは、AIの進化に合わせて「こちらの伝え方」も変える必要があるということです。

「いい感じに作って」は、今まで以上に危ない指示になります。

AIが速く・長く動けるということは、方向が間違っていたときの修正コストも大きくなる。

目的・対象・背景を整理してから渡す。これが今後のAI活用の基本姿勢になっていきます。

まとめ

Claude Fable 5で変わるのは「AIの賢さ」だけではありません。

「何を渡すか」と「どう伝えるか」が、出力の質を決める割合がさらに増えました。

ではまた！

今すぐ登録する

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

No AI, No Life.

おつかれさまです。小畑です。

最近、「AIエージェント」という言葉をよく聞きますよね。

でも、「ChatGPTと何が違うの？」と聞かれると、うまく説明できない人が多いんじゃないかと思います。

今日は、その違いを具体例で整理します。

今すぐ登録する

一言で言うと、こういう違いです

• ChatGPT（普通のAI）：「答えてくれる AI」

• AIエージェント：「動いてくれる AI」

もう少し正確に言うと、

AIエージェントとは、「目標を与えると、自分で考えて、行動して、完了まで動き続けるAI」です。

---

比べてみると、こんな感じです

---

具体例で考えてみます

「競合他社の価格を調べてスプレッドシートにまとめて」と頼んだとき。

普通のAI（ChatGPT）の場合

「わかりました。手順はこうです。まずGoogleで検索して、次に…」と説明して終わります。実際には何もしてくれない。

AIエージェントの場合

自分でWebを検索 → データを収集 → スプレッドシートに書き込む → 完了を報告

人間が何も操作しなくても、ゴールまで自分で動いてくれます。

---

AIエージェントを理解する3つのキーワード

① 自律性

人間が毎回指示しなくても動く。「毎週月曜日に競合調査をまとめておいて」と一度言えば、毎週やってくれます。

② ツール使用

検索・ファイル操作・外部APIの呼び出しなど、AIが「道具を使える」ようになっています。

③ 目標志向

「〇〇を達成して」というゴールだけ渡せば、そこまでの手順を自分で組み立てます。

---

身近なところにもう存在しています

• Claude Code（ぼくが毎日使っているツール）→ ファイルを読んで、コードを書いて、テストして、修正するまで自律的に動く

• Perplexity → 複数のサイトを検索して、情報を統合して返す

• Zapier AI → 条件に応じて自動でメール送信やデータ処理をする

「まだ先の話」ではなく、すでに使える段階にあります。

---

経営者・個人事業主にとって何が変わるか

今まで、AIは「相談できる賢い人」でした。

AIエージェントは「実際に動いてくれる人」になります。

リサーチ、資料作成、メール対応、SNS投稿の下書き——これらを「お願いして待つ」から「自動で回っている」に変えていける時代が来ています。

「AIを使う」から「AIに動いてもらう」へ。

この考え方の転換が、これからの仕事の設計に効いてくると思っています。

今日も一日楽しみましょう😊

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

画像生成AIを使ったことがある人なら、こんな経験があると思います。

プロンプトを入力して、しばらく待って、出てきた画像がちょっと違う。修正してまた待って、また違う。

この「待つ時間」が、制作の集中を途切れさせるんですよね。

そこに、Alibaba（Qwenチーム）が面白い論文を出してきました。

https://arxiv.org/abs/2606.03746

今すぐ登録する

Qwen-Image-Flash：少ないステップで、同じクオリティを出す

今回の研究「Qwen-Image-Flash: Beyond Objective Design」が取り組んでいるのは、少ステップ蒸留という技術です。

普通の画像生成AIは、20〜50のステップを踏んで1枚の画像を完成させます。

「フラッシュ版」はこのステップを大幅に削減しながら、品質を維持することを目指しています。

4〜8ステップで同等の画像を生成できるなら、生成時間は文字通り数分の一になります。

---

「目的関数だけ変えても意味がない」という発見

この研究で面白いのは、技術的な結論の方向性です。

先行研究の多くは「どんな損失関数で学習させるか（目的関数の設計）」に注目してきました。

でも今回の研究が明らかにしたのは、そこだけ改善しても不十分だということです。

重要なのは3つの要素。

① データ構成：何をどんな比率で学習させるか

② 教師の指導方法：大きなモデルからどう知識を伝えるか

③ タスク混合：テキストから画像生成と画像編集を、どう組み合わせて学習させるか

目的関数（ゴールの設定）より、学習パイプライン全体の設計が結果を左右する。

これ、AIの話だけじゃないですよね。

人が育つときも、評価指標よりも「何を経験させるか」「誰から学ぶか」の方が大事だったりします。

---

クリエイターとビジネスオーナーにとって何が変わるか

画像生成AIが「フラッシュ化」すると、制作の現場は変わります。

今まで

プロンプト → 待つ → 確認 → 修正 → 待つ → 繰り返す

これから

プロンプト → ほぼ即時 → 確認 → 修正 → ほぼ即時

待ち時間がなくなると、試行回数が増えます。試行回数が増えると、アイデアを実際の画像で確かめながら考えられるようになります。

「デザインしながら考える」が当たり前になってくる。

SNS投稿用のバナーも、LP用のビジュアルも、プレゼン資料の図版も、その場でブラッシュアップできる時代が近づいています。

---

速さよりも、使いこなし方が差になる

ツールが速くなっても、使い方が変わらなければ恩恵は半分です。

AIを待つ時間が減った分だけ、「何を試すか」「どう判断するか」という人間側の思考が問われるようになります。

道具が速くなるほど、使い手の設計力が差になる。

20年以上Webの現場にいて、ずっとそれを感じてきました。

今日も一日楽しみましょう😊

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

少し前に、面白いPDFを読みました。

関西大学初等部（小学校）が発行した「生成AI利活用ガイドブック」です。

対象は小学生・保護者・教員。全13ページ。2026年3月発行。

「子ども向けのガイドブックか」と思いながら読んだんですが、読み進めていくうちに、大人にもそのまま使えることばかりが書いてあるなと思ったんですよね。

今日は、そこから感じたことを書きます。

今すぐ登録する

ガイドブックで一番響いた一言

このガイドブックの中で、こんな言葉が出てきます。

「生成AIが主役ではなく、子ども自身が学びの主役」

これ、子ども向けに書かれた言葉ですよね。

でも、そのまま大人に当てはめても全然おかしくないと思いませんか。

仕事でAIを使っている人の中にも、AIに考えさせすぎて、自分の頭を使わなくなっているケースが増えてきていると感じています。

「AIが主役ではなく、自分が主役」

これは、ビジネスにおいても同じ原則だと思っています。

---

AIを使っていい9つの場面

このガイドブックには、AIを使っていい場面として9つの例が載っています。

① 調べ学習の入口を作る時
② 見方を増やしたい時
③ 文章を整えたい時
④ 発表の組み立てを考えたい時
⑤ 伝わるか点検したい時
⑥ 間違いや抜けを確認したい時
⑦ アイデアを広げたい時
⑧ ふり返りを深めたい時
⑨ 家庭で保護者と一緒に学ぶ時

これ、小学生向けなんですが、大人の仕事にそのまま置き換えられますよね。

• 「調べ学習の入口」は「情報収集の入口」に。

• 「発表の組み立て」は「提案書の構成」に。

• 「ふり返りを深める」は「業務改善のふり返り」に。

AIを使っていい場面の整理って、意外と大人の方がきちんとできていないんですよね。

---

学校が「ルール」を作り始めたということ

このガイドブックが存在すること自体、一つのことを示していると思っています。

社会が、AIとの向き合い方を【制度として整えるフェーズ】に入ってきた。

学校でルールができれば、家庭にも広がる。家庭に広がれば、仕事の場でも「うちの会社のAIルール、どうする？」という話になってきます。

実際、クライアントからも「社内でAIをどう使わせたらいいか、ルールを作りたい」という相談が増えてきています。

学校がガイドブックを作る時代に、会社がルールを持っていないのは、正直まずいと思っています。

---

ガイドブックのPDF、無料で読めます

関西大学初等部のサイトで公開されています。

クライアントへのAI活用説明や、社内ルール作りの参考にも使える内容だと思います。よければ読んでみてください。

→ https://www.kansai-u.ac.jp/elementary/assets/images/education/ict/pdf/AI_guidebook.pdf

今日も一日楽しみましょう😊

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

みなさん、Canva使ってますか？

デザインツールとして有名ですが、最近のアップデートを見ていると、もう「デザインツール」という言葉では収まらなくなってきています。

今すぐ登録する

今回のアップデートで追加された主な機能はこちらです。

https://www.digitaltrends.com/computing/canva-adds-new-editing-tools-payments-and-previews-to-save-you-from-embarrassing-crops/

• Image to Videoの強化：人物の顔もアニメーション化できるようになった

• ライブモバイルプレビュー：スマホで見た時の見た目をリアルタイムで確認できる

• AIプレゼンターノート：AIがプレゼン原稿を自動生成してくれる

• SNS直接投稿：Facebook、Pinterestへそのまま投稿できる

• マーケティング連携：HubSpotやMeta Ads（Instagram・Facebook広告）とつながる

ひとつひとつはシンプルな機能追加に見えます。

だけど、全部つなげて考えると話が違ってくるんですよね。

---

Canvaの本当の野望は何か

デザインして、プレビューして、SNSに投稿して、広告を回す。

この流れが、【Canvaの中だけで完結する】ようになってきています。

今まで必要だったツールを思い出してみてください。

• デザイン → Canva

• 動画編集 → CapCut、Premiere

• SNS投稿管理 → Buffer、Later

• 広告設定 → Meta広告管理画面

• プレゼン → PowerPoint、Keynote

これが全部、Canva一つになろうとしているわけです。

これ、正直すごいと思っています。

---

ひとり社長にとって何が変わるか

ツールが多いと、何が起きるか知っていますか。

【切り替えコスト】が積み重なるんです。

「あ、Canvaでデザインしたけど、動画はCapCutで、それをBufferに入れて、広告はまた別の画面で」

——このたびに集中が途切れる。

ツールを一つにまとめることは、時間の節約だけじゃなくて、【思考の流れを保つ】ことにもつながります。

特にひとりで仕事をしているひとには、これはかなり効いてくると思っています。

---

一点、気になること

Canvaの強みって、「誰でも使える」シンプルさじゃないですか。

機能が増えれば増えるほど、そのシンプルさが崩れていく。

これは、Canvaが今後どうバランスを取るかが、ひとつの大きな試練だと思っています。

Notionも同じ道を歩んで、ちょっと複雑になりましたよね。

使いやすさと、プロ向け機能の両立。

これができるかどうかで、Canvaが本当に「オールインワンツール」になれるかが決まると思っています。

---

まとめると

ツールの数を減らすことは、仕事の流れを整えることにつながります。

Canvaがそれを実現しようとしているのは、なかなか面白い動きです。

まだ全部試せているわけじゃないので、これからじっくり使いながら、また報告しますね。

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

OpenAIが「Codex for every role, tool, and workflow」という発表をしました。

このタイトルにある 「every role（全役職）」 という言葉、個人的にはかなり重要だと思っています。

今すぐ登録する

今まで、Codexといえば「エンジニア向けのコーディングツール」でした。

でも今回の発表で、6つの役割別プラグインが新たに追加されました。

対応アプリは62個、できることは110スキル以上。

さらに今後は 財務・マーケティング・法律・コンサル向けのプラグイン も追加予定とのこと。

これは何を意味するか。

「AIはエンジニアだけのもの」という時代が、終わりに近づいているということだと思います。

---

具体的な活用例も出てきています。

ZapierのチームはSlack・Google Docs・CodaとCodexを連携させて、振り返り資料や機能チケットを自動生成。

NVIDIAの研究者は、実験ワークフローの高速化に活用しています。

Codexは現在、週400万人以上が使っているとのこと。

---

中小企業の現場で支援していると、「AIは自分には関係ない」と思っている方がまだ多い。

でも今回の発表は、エンジニアじゃない人向けのツールが本格的に揃い始めたというサインです。

「自分の仕事に使えるプラグインが出たかも」という感覚で、少し調べてみるところから始めてみてください。

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

先日、こんな調査結果が出ました。

中小企業の約6割が、「AIを導入する予定がない」と回答。

https://www.nikkei.com/article/DGXZQOUC2583S0V20C26A5000000/

この数字、どう思いますか？

今すぐ登録する

調査によると、大企業のAI導入率は65%。

でも中小企業は、わずか24%。

この差、ツールの問題じゃないと思っています。

中小企業がAIを導入しない理由として多いのが、

「何に使えばいいかわからない」
「難しそう」

です。

でも正直に言うと、これは情報の問題なんですよね。

「AIは便利ですよ」という話はあふれている。でも「あなたの仕事のどこに、どう使うか」まで教えてくれる情報は少ない。

わからないまま放置して、「とりあえず導入予定なし」になっていく。

AIを最初に使う場所は、1つでいいです。

「毎日繰り返している、5分以上かかる作業」を1つ思い浮かべてください。

そこだけに絞って試してみる。これが一番早い入り口です。

大きく変えようとしなくていい。まず1つ。

6割の「予定なし」が、実は「やり方を知らなかっただけ」だったと、あとから気づく人が増えてくると思います！

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「仕組みさえ作れば楽になる」

よく言われますし、僕も言ってきました。

でも、なかなか「楽になった」に辿り着かない人が多いなと思う今日このごろです。

今すぐ登録する

なぜかというと、仕組みを作ることと、仕組みを回し続けることは、全然別の話だからです。

「作った」で終わっている人が、めちゃくちゃ多い。

仕組みには、メンテナンスが要ります。

• 最初は動いていたのに、状況が変わって合わなくなる。

• ツールがアップデートされて動かなくなる。

• そもそも使うのが面倒になる。

「作った仕組みを回し続ける習慣」がないと、仕組みはすぐ止まります。

じゃあどうするか。

答えは、仕組みをシンプルにすることです。

複雑な仕組みほど、壊れやすい。続けにくい。

「ちょっと物足りないかも」と思うくらいのシンプルさが、長続きします。

楽になるのは、仕組みを「作った後」ではなく、「回し続けた先」です。

そこまで辿り着いた人だけが、本当の意味で楽になれます！

やっていきましょう🔥

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！

おつかれさまです。小畑です。

「AIエージェントを作りたいけど、何から始めればいいかわからない」

よく聞く悩みです。

答えは、難しい順ではなく、効果が出やすい順から始めることです。

今すぐ登録する

まず「やらなくていいこと」から。

• 複雑なAPIの連携

• コードを書く

• いろんなツールを同時に試す

最初からこれをやると、沼にはまります。動かなくなって、止まってしまう。

最初にやることは、もっとシンプルです。

「毎日5分以上かかっている、繰り返しの作業」を1つ書き出す。

これだけです。

例えば、

• 毎朝のSNS投稿の下書き

• 毎週のレポートまとめ

• 問い合わせへの定型返信

この「繰り返しの作業」に絞ってエージェントを使い始めると、効果をすぐ実感できます。

実感があると、次のステップに進みたくなりますよね。

AIエージェントは、難しくしなければ、難しくない。（言い回しが難しいｗ）

小さく始めて、少しずつ広げる。これが一番早いです！

ぜひ、AIエージェント取り入れてみてください！

小畑と一緒にAIエージェント構築やっていきましょう〜🔥

No AI, No Life.

P.S.

小畑と一緒にに伴走したい方は、ぜひDMください！作戦会議やりましょう！

ではまた！