ChatGPTの活用事例

AIを使った開発を試しから本番の案件まで広げる段階で社員のスキルが追いつかなかった。

社内の研修や外部の教材はあったが、役割ごとに段階を踏む道筋がなかった。

1. ソフトウェアエンジニアを対象にUdemy Businessで研修を始めた。
2. UdemyのSkills Mappingで役割別の学習コースを組んだ。
3. 入り口のLevel0をAIの基礎として1,235人に必須にした。
4. Level1から3は役割ごとに学ぶ深さを上げた。
5. 進み具合は管理者別のダッシュボードに自動で出した。

Level0は88%が修了し、社員の62%が毎日の仕事でAIを使うようになった。

新規の開発案件では45〜55%の効率改善が出た。

商業保険の仲介は紙の作業が多く手順も遅いままだった。

創業者はエンジニアではなく、仕組みを1人で作る必要があった。

1. AWSのコンソール画面のスクリーンショットをChatGPTに渡した
2. ChatGPTに聞きながらバックエンドとデータベースを立てた
3. CursorやClaude CodeやCodexで開発を進める
4. コーディングエージェントが扱いやすいWeaviateに決めた
5. 保険の書類を分類し項目を取り出してベクトル化する

2025年2月のアイデアから同じ年の11月には顧客のいる本番システムが動いた。

稼働から1年たたずに40口座で2,000万ドルの保険料を運用し、年間50万ドルを超える顧客も8件ある。

案件の情報が大量の表計算ファイルに散らばり、全体の状況がつかめなかった。

経営の確認会議のたびに資料づくりへ長い時間を取られていた。

1. ClickUpを1つの作業場にして進み具合を集めた
2. ClickUp Brainを全社で入れ依頼の受付とタスク確認に使った
3. 営業は見込み客の調査と提案資料づくりに使った
4. ChatGPTとGeminiとClaudeを中から切り替えて呼び出した
5. Salesforceとつなぎ顧客の声を案件の流れへ渡した

スライド資料を作る運用をやめ、経営陣はその場の数字が出るダッシュボードで状況を見るようになった。

会議前の準備にかかっていた長い時間も無くなった。

動画で見込み客に知ってもらいたかったが、納得できる出来にするには撮影費が高くつくと感じていた。

そのため動画は作っていなかった。

1. 週に出す話題を自分で決める。
2. ChatGPTに台本の下書きを作らせる。
3. 下書きを自分の言いたいことに合わせて整える。
4. 台本をHeyGenへ渡し自分の顔と声の動画にした。
5. 毎週月曜にInstagramへ1本出し後半にもう1本足す。

動画を作っていなかった状態から毎週の投稿が続くようになり、1本を出すまでの手間は最長でも5分で済む。

宣伝費をかけていない医師向けの動画を見て、地元の外にいる医師2人から連絡が来た。

見込み客1人を調べて文面を作るのに最大10分かかり1日20通が限界だった。

500社以上を手作業で調べるのは重く贈り物と組み合わせた個別の案内も広げられなかった。

1. 過去1年の失注案件と2年以内の見込み客をClayへ登録した
2. 商談前のメモをChatGPTに渡して興味を持った理由を要約する
3. まとめから担当者名と商談時期を入れたメールを自動で作成した
4. できたメールをInstantly.aiへ流して配信する
5. 贈り物のAPIとつないで相手ごとに違う品を自動で発送した

数時間の準備で16件の商談と23件のリードが生まれ2週間以内に1件成約した。

開封率は75%で返信率は11%になりパイプラインは合計100万ドルを超えた。

サービス統合にともなう口座の初期設定について電話とメールの問い合わせが集中し、サポート窓口が回らなくなった。

オペレーターの研修に2カ月かかるため増員も難しかった。

1. 問い合わせページを刷新しチャットボットと検索FAQを設置する
2. 毎朝チャットのログを人が見てトレーニングを重ねる
3. 1つの回答に想定される質問の言い回しを大量に登録する
4. ChatGPTと連携し質問パターンを自動生成して言い回しを増やす
5. 確認事項が多い依頼はフォームで受け専任担当が対応する

リリースの翌月に7,000件、翌々月には1万件を超える対応となり、直近は2万件を超えた。

回答率は90%超、満足率は60%超になり、電話の受付を大きな問題なく終了できた。

アイデアはあったが小説の書き方が分からず、てにをはや句読点の打ち方、一人称と三人称の使い分けにも自信がなかった。

1. 作品のコンセプトと筋書きをざっくり自分で書き出す
2. 書き出したものをChatGPTに渡し本文の形にしてもらう
3. 上がってきた文章を読み気になる部分を自分で直す
4. ChatGPTから直した方がいいと指摘された箇所は受け入れる

書き方を知らないままでもシリーズの連載を始められ、初期の作品はAIが書いた文章がもとになっている。

読み返すと初期作品は一文が長いものが目立つ。

アプリ開発は素人で、Androidのカメラアプリを一人で作り切る時間も経験も足りなかった。

チャットで相談する形だと実機での動作確認まで手が回らなかった。

1. エージェント型のClaude CodeとCodexを併用しQwenも追加した
2. AGENTS.mdに全AI共通のルールを置き実測か未検証を明示させた
3. 実機投入時はAPKと端末のSHA-256一致まで確認させた
4. hookでadb uninstall等の危険なコマンドを機械的に止めた
5. 課題は自己完結HTMLのWBSで管理し実機5台で目視確認した

2026年7月23日から約50日でGoogle Playのクローズドテストまで到達した。

API従量課金なら約60万円分に当たる使用量を、月額プランの枠内で実費約1.5万円に収めた。

スキャンした領収書のフォルダをそのままChatGPTに渡してチェックリストを作らせたところ、紙で受け取った領収書のスキャン画像まで電子取引データとして扱われていた。

フォルダに入っているものはすべて対象という前提でAIが判断していた。

1. ファイル名の先頭に電子か紙かの区分を手作業で書き込む
2. ChatGPTに電子_のファイルだけでチェックリストを作らせる
3. 出てきたリストの件数をフォルダ側の件数と照らす
4. タイムスタンプの付与期限など日付は自分で数え直す

区分を先に決めてから任せる順番に変えたことで、対象外の書類が紛れることはなくなった。

今回は38件が電子取引のデータ、残る12件は紙をスキャンしたもので対象外という分かれ方だった。

月次の報告でこの話を共有し、上司から制度対応の精度を評価された。

面接官3人が別々に付けたスコアをChatGPTにまとめさせたところ、合計点の順位が自分の感覚とずれ、一番良かったはずの候補者が2位になっていた。

点数の付け方が厳しい面接官と甘い面接官の差が、そのまま平均されていた。

1. 過去の選考記録から面接官ごとの平均点を算出する
2. 依頼文の冒頭にA3.1点B4.2点C3.6点と書き添える
3. 各面接官の平均からの離れ具合を先に計算させる
4. 偏差値に直して3人の評価を比べるよう指示を固定する
5. 出力された順位を元の単純合計と自分の目で照合する

基準となる平均を先に伝える流れにしてから、厳しさの違いを無視して足し合わせる間違いは起きなくなった。

偏差値に直すと候補者1人の位置が単純合計のときと入れ替わり、採点者ごとの偏りを会議の前に言葉で示せるようになったと人事部長から評価された。

GitHubのコードをAIに触らせるならCodexを起動するしかないと思い込み、小さな修正でもエージェントの使用枠を減らしていた。

1. ChatGPTの通常チャットにGitHub連携をつなぎ対象リポジトリを読ませる
2. まず変更しないよう伝え影響範囲と依存関係を洗い出させる
3. 数ファイルならブランチ作成から修正とPull Request作成まで指示する
4. 過去記事を読ませて構成と文体をそろえMarkdownを直接追加させる
5. テストを何度も回す大規模な変更だけCodexへ渡す

通常チャットからブランチ作成やPull Request作成まで到達でき、この記事自体もCodexの作業環境を立ち上げずにリポジトリへ追加できた。

軽い変更を通常チャット側で処理する分、Codexなどが共有するエージェント枠を大きな開発に回せるようになった。

ChatGPTのチャットからnoteへ記事を投稿するMCPを作ったが、APIが通るだけでX投稿が普通のリンクカードになったり、画像を差し替えたつもりが公開ページに反映されないといった問題が続いた。

1. 利用者の目的から逆算し本文作成から公開反映までの完了条件を置いた
2. URLを判定する。X/Twitterのstatus URLは埋め込みで登録する
3. それ以外は外部記事カードとして登録し分けた
4. 生成画像は公式画像と見比べて人が監査しNGなら再生成する
5. 公開後はdetail APIで公開状態と画像の反映を検証した

HTTPの2xxではなく公開後の表示状態を成功条件にしたことで、表示が壊れたまま完了とみなす事態がなくなった。

再起動の判定も45秒のhealth監視だけで失敗と決めず、タスクの稼働とポートのListenと/healthの応答を分けて見るようにした。

ブログ記事に添える画像で自分らしさを出しにくく、似た雰囲気のイラストばかりになりがちだった。

1. 他の人が公開する文字合成プロンプトをChatGPTに読み込ませる
2. 自分のアバターから派生したイラストを渡す
3. 文字数を減らして顔を大きくするよう指示する
4. 5文字までは1文字に1人、超えると1枚絵になると確かめる
5. できた静止画をPollo AIのSeedance 2.0 Miniで動画にする

「スキ」という飾り文字が短時間ででき、記事の最後に置く画像として使えた。

動画にすると文字で切れていた部分が補われ、髪型や背景が変わって秋らしい別のキャラになった。

Codexの5時間ごとの利用枠は最初のメッセージを送った時点から始まるため、開始時刻が日によってずれて作業時間と噛み合わなかった。

1. ChatGPTのMacアプリのWorkからScheduled Taskを作る
2. 毎日午前4時にPINGだけ返す軽い指示を登録した
3. 実行はNew chat each runにして会話を引き継がない形にする
4. モデルはGPT 5.6 Luna、ReasoningはLightを選ぶ
5. 翌朝SettingsのUsageでリセット時刻を確かめる

翌朝のUsage表示では5時間枠のリセットが9:14 AMとなり、4時14分ごろに枠が始まったと推定できた。

PINGだけの実行だったため残量は100% leftのままで、目立った消費は見られなかった。

自分で書いた記事は誤字や言い回しのぶれに気づきにくく、事実の裏取りにも手間がかかっていた。

生成AIに文章そのものを作らせる方法は精度に限界を感じてやめていた。

1. 自作の1000字ほどのエッセイを本文ごと貼る
2. 誤字脱字と語法と表現のぶれだけを抜き出し修正案を求める
3. 事実確認も指示し根拠のURLも示させる
4. 同じ文章をChatGPTとCopilotに渡し指摘を見比べる
5. 採用した数点だけ直し却下分は理由を書いて返す

ChatGPTからの8点ほどの指摘のうち採用したのは3点で、残りはエッセイの持ち味を優先して見送った。

事実確認ではB級グルメの由来の誤りと輸入うどんという断定の危うさが見つかった。

スキルシートを一度書くと見直さないまま面談を迎えていた。

自分では当たり前と感じている経験が書く価値のある強みかどうか判断しづらかった。

1. 採用担当者の立場で深掘り質問をさせる指示書を作る
2. スキルシートと自分の技術記事を渡して一問一答で掘り下げる
3. 聞き出した内容を書く価値があるかAIに判定させる
4. 数字や固有名詞を残して短くまとめさせる
5. AIが理解した内容を毎回確認してから次へ進む

定量的な成果の記載が1件、属人化を解消したエピソードが1件加わり、曖昧だった表現が実態に合う形に直った。

書面上は運用保守中心の印象に見えていることも分かった。

上位プランや無制限課金を並行して契約すると月3万〜5万円まで膨らみ、かといって無料枠だけでは上限にすぐ当たって手が止まっていた。

1. ChatGPTに雑なアイデアを渡し要件定義とタスク分解をさせる
2. 結果をspecs配下のMarkdownとしてローカルに置く
3. そのファイルをAntigravity無料枠に読ませ生成やGit操作を自律実行させる
4. Cursorのインライン補完でコードを仕上げGitHubへ送る
5. PR差分とテストログをClaudeに投げ分析とリリースノートを任せる

月額は合計で約9,000円〜10,000円に収まり、上位プランをまとめて契約した場合の約30,000円〜50,000円と比べて安く済んだ。

役割を4つに分けたことで一つのツールが制限に達しても作業が止まらなくなった。

英語のなまりが気になって動画を1文ずつ撮り直していた。

1本仕上げるのに1時間以上かかり患者を診る時間が削られていた。

1. ChatGPTに台本の下書きを作らせる
2. 台本をHeyGenへ渡し自分の顔と声のアバター動画にする
3. 中身は運動やストレッチや検査の説明を中心にする
4. 1日でまとめて7日分を作る
5. InstagramやFacebookなどへ順に出す

1本1時間以上かかっていた制作は10〜15分で終わるようになり7日分を2時間ほどで用意できる。

投稿は月におよそ60万回見られ客の約30%がSNS経由で来ている。

担当区域が広く今週どの企業に当たるかを営業が自分で調べて決めていた。

手がかりがLinkedInやCRMや外部ツールに散らばり1社調べるのに最大1時間かかっていた。

1. 自社と外部のデータをClay Audiencesに集める
2. サイトの閲覧や採用の動きや商談の進み具合を最新に保つ
3. ClayのMCPをChatGPTにつなぎ普通の言葉で聞ける形にした
4. 連絡先は200社以上のデータ元を探す処理が返す
5. 運用チームがデータの出し先と使える回数を決める

営業の60%が質の高い商談を増やし見込み案件は3,220万ドル増えた。

1社あたり最大1時間かかっていた下調べはその場で終わるようになった。

社員が好きなツールを選べる代わりに、必要な情報があちこちに散らばって探せなくなっていた。

ツールを1つにまとめる案は手間が大きすぎて現実的でなかった。

1. Gleanを社内の横断検索として入れた
2. Chrome拡張から画面を離れずに引けるようにした
3. Slackの問い合わせ窓口にGleanをつないだ
4. MCPサーバーを立てて他のAIからも引けるようにした
5. 商談前に情報をまとめて出すエージェントを作った

問い合わせの自己解決は2倍を超え、社内で上がるチケットの98%がGleanで答えられるようになった。

回答の関連度は99%で、クローズまでは平均30分になった。

紙の図面や検査記録が社内にあふれ、書類を探すだけで現場が1〜2時間動き回ることもあった。

創業50年でも手順書は50件ほどで、多くの作業のやり方はベテランの頭の中だけにあった。

1. AIとの対話を1500時間以上重ねコーディングを学んだ
2. タブレットとSlackで内線電話や紙探しをなくした
3. Claude Codeで社内アプリをフルスクラッチで内製した
4. 生産実績や設備稼働などを同じデータベースにひも付けた
5. 手順書アプリでAIが100点満点で採点し改善案を出す

月400〜500時間程度の作業時間を減らし、価格改定資料の作成時間は90％短縮した。

紙は月間約6000枚減り、手順書は1年足らずで290件集まった。

セキュリティや規制の情報を毎回自分で探すのが手間で、まとめて見返せる場所がほしかった。

ただし何を作るかの整理と実装の両方に壁があり、個人では手を出しにくかった。

1. ChatGPTにサイトの狙いを伝え構成を相談した
2. 出てきた構成案をもとに実装させた
3. 画面を確認し気になる点を指摘した
4. 指摘をもとに設計や文章を直させた
5. 相談と修正を何度も繰り返して形にした

サイバーセキュリティやAIセキュリティ、規制やガイドラインの情報を月次と四半期で振り返れるサイト「Security Intelligence Library」を一人で公開できた。

以前なら理由をつけて諦めていたことが自分だけで進むようになった。

動画は反応が良いと分かっていたが役員と撮影の日程を合わせる必要があり1本仕上げるのに数週間かかっていた。

5人のマーケティング担当では見込み客ごとに動画を作り分ける余裕もなかった。

1. 担当者と打ち合わせて動画の狙いを決める。
2. 台本はChatGPTかClaudeに書かせる。
3. 台本をHeyGenに入れ役員のアバター動画を作る。
4. 人が仕上げを直して広告やメールに回す。
5. 1本の動画を記事やSNS投稿にも作り替える。

動画1本を1週間ではなく2日で出せるようになった。

撮影の段取りや修正のやり取りが消えて年間で2〜3か月分の時間が浮いた。

オンラインストアでは文字と商品画像だけの案内になり、実店舗のような着こなしの相談に応えにくかった。

雰囲気や体型、場面といった言葉にしづらい要望はサイト内検索で絞り込めなかった。

1. ECサイトにチャットボット「AIデジタルスタッフ」を置く
2. サイト内の情報をもとに回答を作らせる
3. visumoのスタッフ投稿をつなぎ合う投稿をカード形式で並べる
4. 靴やトップスなど複数アイテムを一度のやり取りで示す
5. フェミニンや結婚式などの抽象表現も文脈から読み取り案内する

チャット接客のCVRは11.4%を記録した。

提案のあとにさらに質問が続いた割合は41%で、通常のチャット接客と比べて対話数が約1.5倍に広がった。

本人が出向ける回数に限りがあり、イベント登壇やSNSでの発信を増やせなかった。

1. 20年以上分の著書や講演の発言を集めて学ばせた
2. 数分の撮影素材からHeyGenでアバターを作った
3. 表情と声と口の動きをそろえる
4. 本人向けのGPTで原稿を下書きし動画に流し込む
5. 出す動画は人が確かめAIで作ったと明記した

口の動きまで合った9言語の動画を出せるようになり、下書きから公開できる動画まで1時間以内に仕上がるようになった。

アバターは20を超えるライブイベントに出て、その場の質問にも答えた。

動画を1本作るのにほぼ1日かかり、週1〜2本しか出せず飛ばす週もあった。

撮影を外注しても費用と手間が重く、投稿が続かなかった。

1. 月曜の朝にその週に出す内容を決める。
2. Manusで地域の相場や動きを調べる。
3. ChatGPTに台本を書かせる。
4. HeyGenが写真と素材から動画を作る。
5. 出来上がった5本をその場で予約投稿する。

月曜の3〜4時間で1週間分の5本を用意できるようになった。

YouTubeの登録者は1,000人を超え、視聴者の70%が25〜45歳になった。

教育動画をきっかけに65万ドルの物件が7日で売れた。

調査や設計や実装をAIに任せると、記憶だけで確認を済ませたり終わりを決めずに過去まで遡り続けたりして、作業が空回りしていた。

まだ作らない機能まで設計書に書き足され、今作るものが見えなくなることもあった。

1. 調査や整理や設計や実装をClaudeに任せる
2. どこまで調べるかと何を今作るかは自分で決める
3. 確認は記憶に頼らせず実際の検索結果で照合させる
4. 調査依頼は対象と範囲と終了条件を先に渡す
5. 指示書を今の実装と突き合わせ済み項目を外す

直っている箇所を作り直す無駄が消え、daily-stackの改修はその日のうちに仕上がった。

調査が過去まで際限なく潜る事故も、範囲と終了条件を先に渡すことで止まるようになった。

長い設計書やソースコードをそのままAIに読ませると読み込む量が増え、場所を探すのにも時間がかかっていた。

人間向けの形式のままではエージェントの動きが遅くなる。

1. 設計知識をobjectiveやconceptなど8種類に分ける
2. 1ファイル2〜3ページの小さなYAML文書として貯める
3. ファイル間の行き来をjsonl形式のインデックスでたどる
4. 会話や要件のmarkdownを先に知識へ分解しコードを書かせる
5. リポジトリ間の変更は提案書を相手側の知識に評価させる

3つのリポジトリでコンセプト665・568・162件、相互リンク6,633・5,471・857件の知識を作り、Codex・Claude Code・GitHub Copilot・Grokのどれでも問題なく動いた。

エージェント同士を同じモデルで対立させたことで設計が洗練される場になった。

子どもと防災の話はしていたが、下校中や留守番中に地震が起きた場合を聞かれると答えられなかった。

家庭での防災教育をどう進めればよいか分からなかった。

1. ChatGPTに小学生が命を守って動ける形で教えるよう頼む
2. 家の中・学校・外の場面ごとの行動と禁止事項を短く出させる
3. 家庭でできる練習メニューと家族のルール案も出させる
4. 出てきた中から親が伝える3つを選ぶ
5. 子どもと家を歩きながら中身を確かめる

「あわてない・頭を守る・安全な場所へ」という覚えやすい形に整理でき、親の合図で動く練習や家の中の危ない場所探しを子どもと実際にやれた。

防災リュックの場所を子どもが知らないことや、家族の集合場所を決めていないことにも気づけた。

AI検索の回答に自社名が出るかどうかだけを追っても売上につながらず、比較の場面で選ばれるところまで届いていなかった。

1. 想起されたい問いかけの言葉を決める
2. AIが比較で使う基準（KBF）を洗い出す
3. 基準を満たす証拠（RTB）を整理する
4. 証拠をAIが参照しやすい面に置き直す
5. 推奨の出方を見ながら置き方と書き方を人が直す

支援先での推奨率は18%から49%に上がった。

LANY自身の問い合わせでも認知経路の25%がAI経由となり、Web検索に次ぐ2番目の入口になった。

バナー広告は多くのパターンを試す必要があるが、Codexだけで画像生成から入稿までをまとめようとすると1枚で残り使用量の10%ほどを消費してしまい枚数を増やせなかった。

ChatGPTとCodexを分ける運用にしても、毎回プロンプトと参照画像を渡し直す手間が残った。

1. Codexに生成から登録まで任せたが重く断念した
2. 画像生成はChatGPT、登録と分析はCodexに分担した
3. CodexからComputer UseでChatGPTを操作する方法も試した
4. OpenAIのAPIから直接画像を生成する形に変えた
5. 生成用スキルに品質や判断の基準を細かく書き込んだ

ChatGPTのライセンスが不要になり、もとから使っていたClaudeだけを入口にして生成から登録までの流れを回せるようになった。

エージェントが実際のサイトで申し込みから支払いまでやり切れるのか確かめる場所がなかった。

失敗してもどの段階で何につまずいたのか分からなかった。

1. 顧客のサイトへエージェントを送り込む。
2. 申し込みと連携と支払いを実際にやらせた。
3. 同じ条件で走らせ費用と時間と手順の数を記録する。
4. ハーネスごとに別のランタイムを用意した。
5. 社内の開発エージェントがデプロイまで回す。

同じモデルで比べるとeveはClaude Codeより手順が7%少なく、自社サイト内で完了した割合は2倍になった。

プロンプトのキャッシュ不具合を直した後は合計コストが約15%下がり、開発の担当者は週に数時間を浮かせている。

Deep Researchは調べ物を数十分で終わらせてくれるが、出てくるレポートが何万字もあり読み通すのが重い。

中身は良くても全体をつかむまでに時間がかかっていた。

1. ChatGPTにリサーチ用の指示文を書かせる
2. その指示文でDeep Researchを走らせる
3. 出たレポートをMarkdownで保存しChatGPTに読ませる
4. HTML化の指示文を作らせそのままHTML出力させる
5. グラフのラベル重なりなど見た目の粗を直す

文字がびっしり並んだレポートが、グラフや表や折りたためる見出しの付いた資料に変わり全体をつかみやすくなった。

無料アカウントでも実用に足る出来で、有料との差は主に見た目だった。

LINEスタンプを作るには背景を透過し、サイズを変え、1枚ずつ分割する作業が必要で手間がかかっていた。

1. 自作キャラクター2体を3Dイラストに変換した
2. 公開されていたプロンプトを借りてCodexに生成を指示した
3. スタンプは16個と16個と8個の3回に分けて出した
4. 絵文字40個は1回でまとめて出しメイン画像とタブ画像はサイズ指定で作らせた
5. 背景透過とZipまとめを任せ人は画像を確認して登録した

40個のスタンプが約30分ほどでそろい、そのまま申請まで終えて販売開始になった。

3回に分けても表情やポーズが違うだけでキャラクターの雰囲気はそろっていた。

あったらいいと思うアプリを自分で形にしたかったが、プログラミングの経験がまったく無かった。

生配信の視聴者参加企画を回す仕組みも、既製のサービスでは用意できなかった。

1. ChatGPTにコードを書かせNode.jsのプログラムを作った
2. 直しは部分修正でなく全文を書き直させて進めた
3. CursorとGitHubとVercelの開発手順を教わった
4. 移動中にスマホで仕様をMarkdownにまとめた
5. 帰宅後に仕様書をAIへ読ませClaude Codeで開発した

Xへの購入報告や応援ポストの数に応じて衣装や映像素材が使えるようになる仕組みと、元のMVとの再現度をAIが採点する機能を組み込み、2026年7月31日の約10時間の生配信で動かした。

Claude Codeを使い始めてから開発の速さが大きく上がった。

Webサイトを公開するにはコードを書くだけでなくサーバーやデプロイの準備も必要で、思いついた小さなツールを形にするまでの手間が大きかった。

1. 作りたいサイトの中身を話し言葉で伝えて骨組みを作らせた
2. 出来上がった画面を見ながら会話で直す点を伝えて整えた
3. 外部APIや環境変数はSecretとして設定画面に登録した
4. 取得したドメインを追加しDNSレコードを登録して接続した
5. 公開URLで見た目を確かめ直しを繰り返した

コードをほとんど書かずに個人サイトと、SEO診断やLLMO診断などの無料ツールを置いたページを公開できた。

一方で細かい数値や見た目の調整は指示の解釈にぶれがあり、プレビューで目的のページが出ずトップページばかり表示されることがあった。

インテリアを整えた経験がなく何をどこに置けばいいか分からなかった。

立体の完成像を頭に浮かべるのも苦手だった。

1. キッチンとダイニングを片付け現状を写真に撮る
2. 写真をChatGPTに送り変更点を画像付きで提案させる
3. イギリスの田舎と昭和レトロという方向を伝える
4. 棚の扉を外すなどの作業は自分で行う
5. 古道具の正体が分からないときはGeminiに聞く

半年かけて自分好みのキッチンダイニングができ、好きなものが視界に入る時間が増えた。

DIY初心者でもできる範囲が広がり、日々手を入れるのが趣味になった。

参考にする広告やLPを探すたびに分析ツールを開いて条件を設定し、ランキングを上から一件ずつ見比べる必要があった。

まとめ直してチームへ共有する手間もかかっていた。

1. MCPで主要15媒体の広告データベースをClaudeやChatGPTにつなぐ
2. 同じジャンルのスワイプ型LPを10件のように条件を言葉で伝える
3. 抽出結果を見出しや構成などの構造化データで受け取る
4. 競合上位10社の広告と分析を週1回チームチャットへ自動配信する
5. 出てきた材料を見て人が構成や制作の方針を決める

LPの参考リサーチが約1時間から約15分になり、競合調査の手間は体感で約1/20に減った。

市場データと自社データをAIでまとめて制作の自動化までつないだ会社では、広告関連の業務が月50〜100時間減った。

会話が長くなると前に出した指示が薄れ、同じ長い指示を貼り直す手間があった。

自分でタスクを書き留めるのが苦手で、やるべきことを忘れがちだった。

1. ChatGPTのSkillsに「ふたりのToDo係」という説明書を登録した
2. 説明書に拾う内容と保存先と完了時の書き換え方を書いた
3. 保存先をGoogleドライブ上のスプレッドシートにした
4. 予定や買うもの期限つきの用事に分けて記録させた
5. タスク機能と組み合わせ期限のあるものを当日朝に知らせた

毎回保存先や参照先を指示しなくても、普段の会話からタスクが登録されるようになった。

記事を分けるという話をしただけで制作記録に残り、洗濯を回したまま忘れることも減った。

毎月ほぼ同じ内容の経費精算の社内案内メールを一から書いていて、言い回しに迷う時間がかさんでいた。

月次処理の報告書も書き出しを考えるところで手が止まりがちだった。

1. 自分の仕事を頻度・手順化・影響の3つで仕分ける
2. 最初の1つとして経費精算の案内メールを選ぶ
3. 毎月の書式と伝える内容をChatGPTに渡し下書きを出す
4. 数字と固有名詞は自分の目で確認し手直しする
5. 同じやり方を月次報告書とマニュアルの下書きに広げる

文面を考える時間が体感でかなり短くなり、書き始めるまでのためらいも減った。

マニュアルを渡した後輩からは手順の確認ではなく判断の仕方を聞く質問が増えた。