https://bar.rikei-talk.com

9月5日（土）13時からの作業会については、こちらから詳細確認・お申込みを！（参加料はなんと500円！）

https://email.rikei-talk.com/lp/EjQTRIJy

音声ではなく文字で読みたい方はSubstackで！

https://tomo141.substack.com/p/ai395-aibar

「ゲーム、作ってみたい。」

「でも、何から手をつければいいか分からない。」

そう思ってゲーム作りを諦めていませんか？

2026年7月27日、ポッドキャスト『ともよしラジオ』に、AIゲームクリエイターの健ちゃんを迎えました。

9月5日（土）、理系とーくバー京都駅店で開催する「AIでゲーム制作Bar 〜遊びながら楽しく創り方を学ぼう〜」の一日店長さんです。

肩書きはAIゲームクリエイター／博士（工学）。

コラボポッドキャストで話したイベントの内容を、ここにまとめます。

関西の方は来店を、遠方の方は無料LIVEにご参加ください。

詳細・お申し込みを先に案内しておきますね。

【18時〜】詳細確認・バー来店予約：

https://bar.rikei-talk.com

【18時〜】無料LIVE配信の登録：

https://email.rikei-talk.com/p/r/fF6j5PWX

【13時〜】同日昼開催のAI作業会：

https://email.rikei-talk.com/lp/EjQTRIJy

（この文章は、2026年7月27日収録のポッドキャスト文字起こしからAIで文章を構成し人間が修正した上で投稿しています）

今すぐ登録する

======

50代で、もう一度ゲームを作り始めた博士

健ちゃんは10年以上前に脱サラし、ファイナンシャルプランナーとして働いていました。

もともと工学の博士で、大学のころから画像認識をやり、研究室では物体認識やロボット制御、人の姿勢を画像から定量化する研究をしていたそうです。

==

50代になって、生成AIの性能が上がってきた。

画像も動画も、コーディングもできるようになってきた。

総合力を出してゲームを作るのが面白そうだ、と戻ってきた方です。

==

CNPトレカというトレーディングカードの対戦アプリは、AIコーディングがまだ使いものにならなかった2年ほど前から制作されていたそうです。

今はクリプトニンジャのキャラクター付きパズルなど、カジュアルゲームを制作。

焦点は、キャラクターをきれいに動かし、インタラクティブにすること。

基本なのに、やってみると難しい。

そんなゲームを9月5日までに進めて、バーで見せたいと仰っていました。

==

余談ですが、

アーティストやトレーダーが多いクリプトニンジャというコミュニティで博士号を持っている健ちゃんとつながれて、実は結構うれしかったんですよね。

親近感。

======

ゲームは総合格闘技。だから〝作れること〟が証明になる

イベントの正式タイトルは、AIでゲーム制作Bar 〜遊びながら楽しく創り方を学ぼう〜 です。

健ちゃんがこの店の話を聞いたとき、お酒をたしなみつつ近い距離でできる場だと分かった。

一緒に遊びながら、ゲームってこういう仕組みなんだ、と体験し、AIで作っていく。

結果として学べたらいい、という意図ですね。

==

つまらなかったら、ゲームとして成立していない。

ザ・ゲームを作りたい人だけが対象でもない。

学ぶにしても面白く学ぶ、仕事の仕組みを面白くする。

ゲーミフィケーションの発想へつながればいい、とも仰っていました。

==

レシピも調味料も揃っているのに、台所の電気だけが消えているようなものです。

材料はある。

作り方も、いまならAIが隣で教えてくれる。

足りないのは、最初の一歩が見える明るさです。

==

イベント案内文には、

ゲームやアプリを作れることが能力を証明する有効な手段になりつつある、

とあります。

健ちゃんの言い方では、ゲームは総合格闘技に近い。

音楽、デザイン、基盤の設計、ストーリー。

全部が必要。

少し凝ったものを作ろうとすると、やりとりも時間もかかる。

それができるということは、AIを使う力が伝わる、と。

==

やる前は難しそうに見える。

何から手をつければいいか分からない。

でも第一歩が分かれば、ドミノ倒しで進む。

9月5日に来れば「できる」と思えるようになる、と健ちゃんは仰っていました。

作らなくても、ここまでできるなら自分が思っていることは簡単にできる、と持ち帰れる。

あとはAIに言うだけ。

リミッターを外していこう、と。

==

ゲームなんて無理、って諦めてはいませんか？

======

3部制。整えて、作って、遊んでもらう

第一部は18:00頃から。

なぜ今AIゲームか、制作環境を整えよう、です。

今はClaudeのFableなど、賢いモデルが出てきて、カジュアルゲームならすぐ作れる。

そこを土台に育ててもいいし、世界観からオリジナルを作ることもできるようになってきた。

知らないまま放置するのはもったいない。

それが第一部の答えです。

==

環境は、ClaudeやCodexを入れれば終わりではない。

スキルも含めて整える。

PCを持ってくると二倍も三倍も楽しい。

なくても、聞くだけ、メモだけでも参加できる。

後から見返せるサイトも用意したい、と健ちゃんは仰っていました。

==

第二部は19:30頃から。

AIでゲーム企画を考えて作ってみよう、です。

企画が弱いと、作っても面白くない、途中で破綻する。

世界観が大事なRPGなどは、企画の段階で乗っておかないと難しくなる。

そこはClaudeのFableが世界観の作り込みを上手にやる、という話でした。

堅く考えすぎず、企画ってこんなに簡単に作れるんだ、と感じてもらえればいい。

==

バーなので、セミナーのようにコントロールしない。

方向性を示して、分からないところはプロンプトを具体的に渡す。

作りたい人は作る。

できない人はお酒を飲みながら見る。

むしろ人の画面を見る価値の方が大きい、と健ちゃんは仰っていました。

自分の分だけでなく、何人分も見られるからです。

==

音楽、画像、動画、ロジック。

全部をAIで作っていく。

健ちゃんは実際に作っている方なので、わからなかったら「僕はこう作っています」と実演する。

僕自身、音楽や動画はほとんどやらない。

知らなくても乗り越えられる面白さを、そこで見たいと思っています。

==

第三部は21:00頃から。

ゲームのさまざまな遊び方を体験しよう、です。

夜も更けてくるので、リフレッシュの時間でもある。

==

健ちゃんのゲームは対戦がコンセプトです。

CNPトレカも対戦型。

今作っているのは、2048のようなパズルを対戦できるようにしたもの。

ぷよぷよやテトリスが対戦できる感じ、と。

ネットワークがるのでその場で対戦する。

参加者が作ったゲームを持ち寄って、バーで遊ぶことも想定しています。

21時時点で作れた人のゲームを、みんなでプレイしてもよい。

距離の近い店だからこそできることです。

==

自分ではできているつもりでも、他人に渡すと「ここ全然分からない」と言われる。

それを潰していくのが、ゲーム作りとして大事な部分だ、と。

ルールが新しくなるほど伝わりにくい。

直感的に分かると人が動き出す。

==

人に触ってもらったほうがいい話で行くと、

僕もイベントの申し込みページを作って、自分では気づかないところで人がつまずくことがあります。

人に触ってもらうと見える。

ゲームは特にそうです。

==

各部の後半には交流タイムがあります。

作業に没頭してもよいし、人の画面を見に行ってもよい。

健ちゃんはぐるぐる回るつもり。

ファイル構成や作業環境を直で見られるチャンスは、そう多くない。

覗きに行く使い方がよい、と仰っていました。

======

9/5は、昼の作業会から夜のバーまで選べる

9月5日（土）の流れは、こうです。

• 13:00–17:00 AI作業会（京都駅の徒歩圏。PC持参。手を上げれば健ちゃんと僕がサポート）

• 17:00–18:00 休憩。ご飯を食べてからバーへ行っても、買い出しして持ってきてもよい（持ち込みは500円）

• 18:00–23:00 AIでゲーム制作Bar（22:00 L.O.）。理系とーくバー京都駅店。京都駅から徒歩5分、JR改札からだとは10分くらい

作業会だけ、バーだけ、両方、どれでも選べます。

途中参加も、途中退出も大丈夫。

バーは完全予約制。

直前でも受け付けますが、席は10人弱で限りがあります。

==

来てほしい人に、制限はつけていません。

興味があれば大丈夫。

PCを持ってきてくれると嬉しい。

作業したい人は、AIが使える環境まで整えておいてほしい。

使い方から始めると、時間が足りないからです。

==

店がコンパクトなので、10人分のPCを全部広げるのは難しいかもしれない。

がっつり作業したい人は、午後のAI作業会を特に使ってほしい、というのが僕からの補足です。

関西まで来られる方は、京都へ。

来られない方は、無料のLIVE配信（Zoom）があります。

ぜひいずれかに、ご参加ください。

【18時〜】詳細確認・来店予約：

https://bar.rikei-talk.com

【18時〜】無料LIVE配信の登録：

https://email.rikei-talk.com/p/r/fF6j5PWX

【13時〜】同日昼開催のAI作業会：

https://email.rikei-talk.com/lp/EjQTRIJy

======

まとめ：第一歩が見えれば、あとは倒れていく

• ゲームは音楽・画像・動画・ロジックが要る総合格闘技で、作れることがAI活用力の証明になる

• 今はカジュアルゲームから始められる環境が整っている。知らないまま置くのがもったいない

• 企画は堅く考えすぎず、人の画面を見るだけでも何人分も学べる

• 自分のゲームを他人に遊んでもらうと、伝わらなさが一発で見える

• 9/5は昼の作業会と夜のバーを、片方だけでも両方でも選べる

全部出ると、13時から23時の10時間コース。

休憩1時間を挟んで。

AIマッチョな人は、全参加という挑戦もしてみてください（笑）。

遊びながら、最初の一個を作る夜です。

ぜひご参加を。

======

次にできること

いまの自分の仕事や趣味で、〝作れるもの〟を一つ挙げるとしたら、何ですか？

ゲームでなくてもいい。

申し込みページでも、小さなパズルでもいい。

9月5日に持っていくなら、何を持っていくかを一文だけ書いてみてください。

==

関西の方は来店予約を。

遠方の方は無料LIVEへ。

作業をがっつり進めたい方は、昼のAI作業会も使ってみてください。

【18時〜】詳細確認・来店予約：

https://bar.rikei-talk.com

【18時〜】無料LIVE配信の登録：

https://email.rikei-talk.com/p/r/fF6j5PWX

【13時〜】同日昼開催のAI作業会：

https://email.rikei-talk.com/lp/EjQTRIJy

==

科学系オンラインコミュニティ「理系とーくラボ」では、作業会や壁打ちを通じて、メンバー同士で制作を前に進めています。

理系とーくラボ：

https://community.camp-fire.jp/projects/view/269163 ※文系の方も歓迎です

==

今回のAIゲーム制作や、専門性の活かし方といった話題をSubstackで発信しています。

ぜひSubstackの購読(無料)／フォローをお願いします。

今すぐ登録する

==

また、ポッドキャストでも配信しています。

音声で聴きたい方は、ぜひポッドキャストも聴いてみてください。

ポッドキャスト『ともよしラジオ』：

「修士・博士号まで取ったのに、自分の専門性を人生で生かしきれていない気がする。」

「仕事を頑張っている。色々と経験を積んできた。でも、このままでいいのかなと思う。」

そう感じる人は、たぶん少なくないと思っています。

==

専門性がある人ほど、外から見ると順調に見えます。

修士や博士を取り、仕事をして、研究や専門領域の中で努力している。

でも本人の中では、進んでいる感じがしない、自分らしく生ききれていない、どこへ向かえばいいのか見えない、となることもありますよね。

==

この記事では、僕がなぜ理系とーくという個人事業を続けているのかを、博士課程での苦しさ、ブログで得た手応え、異分野の仲間やバーに救われた経験から話します。

結論から言うと、専門性はひとりで抱え込むほどもったいない。

でも、人と混ざり、領域を越え、未来を描いて仲間とともに走り続けていると、人生の武器になります。

==

僕は創薬科学の博士号を持っています。

科学メディアをやり、オンラインコミュニティを運営し、京都駅の近くで飲食店のバーを経営し、交流会を開き、個別の伴走支援もしています。

一見バラバラです。

でも、全部つながっています。

==

専門性を持っている人たちが、専門や立場を超えて混ざり合う。

お互いの価値を信じ、探し合い、活かし合える。

そんな場を作りたいんです。

（この文章は、ポッドキャストの文字起こしからAIで文章を構成し人間が修正した上で投稿しています）

今すぐ登録する

======

博士課程で、自分の価値を研究の物差しだけで測っていた

僕の博士課程、大学院生の頃はかなり苦しかったです。

専門性を深めることは大事です。

ただ、専門の世界だけに閉じこもると、自分自身の価値まで、その世界の物差しだけで測ってしまうことがあります。

研究者に向いていないと言われた

お世話になっていた方に、研究者に向いていないと言われたことがありました。

自分でも、周りのガチの研究者の方々と比べると、そうなのかもしれないと思っていました。

==

目の前の研究を進めること、学位を取ることに必死でした。

大学教員になりアカデミアに行くのか。

会社に行くなら、第一志望は製薬企業がいい。

考えることはたくさんあるのに、視野はどんどん狭くなっていったんですよね。

==

アカデミアに行って大学教授を目指しても、この領域では他の人に勝てない気がする。

製薬企業に行くとしても、同じ道を目指す研究者のみんなと比べると、やっぱり勝てない気がする。

就活でも敗北を感じた。

そういう感覚がありました。

研究がうまくいかないと、自分まで価値がないように見える

研究がうまくいかない時、研究室の先生にプレッシャーをかけられたとき、学位取得ができない不安に襲われた時、

自分自身に価値がないように感じることがあります。

実験結果や研究の評価が、自分の価値そのものに見えてしまう。

これは本当にしんどいです。

==

自分のせいでうまくいかない。

評価されないのは、自分に力がないからだ。自分に価値がないからだ。

そんなふうに考えてしまう時期がありました。

博士課程、大学院をやめようと思ったこともあります。

==

今振り返ると、当時の僕に必要だったのは、もっと違う世界や人に触れる余白だったのだと思います。

研究室の中だけで自分を測らないこと。

専門性を、違う場所に持ち出してみること。

それが必要だったんです。

======

ブログは、自分の経験が誰かに届くことを教えてくれた

一方で、僕には高校生の頃から続けていたブログがありました。

最初は、自分を鼓舞するための発信です。

でも、その発信が少しずつ、知らない誰かに届いていきました。

名古屋大学に絶対合格するぞ、から始まった

高校生の頃、僕はブログを書いていました。

名古屋大学に絶対合格するぞ、みたいな、自分のための発信です。

誰かの役に立てようというより、まずは自分を動かすために書いていたんですね。

==

でも、少しずつ読者が増えていきました。

「ともよしさんのブログを見てると頑張れます」

コメントなどを通じて、自分の考えや経験を言葉にしたものが、知らない誰かの役に立っていることを知りました。

これは、かなり嬉しい体験でした。

==

自分のためにやっていること。

自分が面白いと思って掘っていること。

自分の失敗談や考え方。

それが誰かの背中を押したり、世界を少し広げたりする。

この感覚が、たまらなく好きになりました。

科学メディアとしての理系とーくにつながった

大学生の時も、大学院生の時も、僕はブログを続けていました。

有機化学の発信や、研究者としてのスタンス、哲学のようなものも書いていました。

こう考えるのがいいよね、という発信もしていたと思います。

==

その延長で、自分と同じように何らかの経験や専門性を持つ人たちが、知識や経験を持ち寄れる科学メディアを作りたいと思うようになりました。

いろんな分野の人がライターとして集まれば、いろんな分野の読者に価値を届けられる。

そもそも、専門家がライターとして活躍する場を作れることにも価値がある。

==

理系とーくを2017年に科学メディアとして立ち上げたのは、そういう思いからでした。

自分の経験を言葉にすると、誰かの役に立つ。

その原体験がなかったら、今の活動はかなり違うものになっていたと思います。

======

異分野の仲間とバーが、専門性の見え方を変えてくれた

僕が救われたのは、同じ研究室の人や同じ分野の人だけではありませんでした。

異分野の仲間と、バーという少し不思議な場所。

この2つが、自分の専門性の見え方を変えてくれました。

研究室の当たり前が、別分野では価値になる

当時所属していた研究科には、化学だけでなく、生物系、薬学系、医学系、理学、農学、工学など、いろんな分野の人がいました。

自分の専門である化学の人だけではなく、異なる背景を持つ仲間と気軽に話せる環境だったんです。

==

そこで、自分の専門性が相手に相談され、相手にとっての価値になる経験をしました。

逆に、自分の専門ではないバイオの話を、バイオの専門家に聞ける環境でもありました。

==

研究室の中では当たり前すぎて、話しても特にすごいとはならない知識があります。

でも、別分野の人にとっては新鮮な視点になる。

あなたにとってのアタリマエも、誰かにとってはタカラモノ。

自分だけでやっていたら考えつかない可能性も、異分野の人と話すことで見えてくる。

だから、混ざる場が必要なんです。

仲間がいること自体が武器になる

一つの領域で狭く生きることには、リスクがあります。

分野を超える、領域を超える、所属を超える。

そうすると、選択肢が増えます。

視野が広がり、武器も増える。

==

異分野の仲間がいると、自分の専門性は、狭い領域の知識や経験ではなくなります。

誰かと掛け合わせて、新しいことを生み出せる武器になる。

人にとっての武器にもなるし、仲間と一緒にやることで攻められる領域も増えます。

==

仲間がいること自体が武器になることもあります。

挑戦するときに相談できる人がいる。

自分の価値を、自分ひとりの視点だけで決めなくてよくなる。

これが僕にとって大きな支えでした。

旅BARで思い出した、研究をやりたい自分

もう一つ、大きな支えになったのがバーでした。

当時、僕は名古屋にいました。

名古屋に、世界一友達ができるバーとうたっていた旅BARというバーがあり、そこに通っていました。

==

研究がつらい、しんどいと思った時に、結構行っていました。

バーのいいところは、初めましてでも声をかけていい世界があることです。

もちろんお店によると思いますが、僕が行っていたところはそういうお店でした。

==

普段の所属、職場、研究室、学校とは少し離れた、ちょうどいい距離感もありました。

同じ組織の人には言いにくい悩みでも、いい意味で距離があるから、少しだけ話してみようかなと思える。

肩書きや所属に引っ張られない場で、今何に困っているのか、何に悩んでいるのか、何に興味があるのかを話せる。

==

ある時ぼくが「研究をやっているんです」と話すと、他のお客さんに「なんで研究の道に進もうと思ったんですか」と聞かれたことがありました。

そこで素直に、こういう思いで進んだんですと話した。

すると、語っている自分を一歩引いて見た時に、やっぱり自分は研究をやりたいんだなと思い出せたんです。

==

ヘラクレイトスが語った万物流転ではないですが、人の価値も関係性の中で動いていくものだと思います。

同じ自分でも、研究室で見える自分と、バーで誰かに問いかけられて見える自分は違う。

そこに救われることがあるんですよね。

理系版のバーを作りたくなった

僕は、何かが楽しくて好きになると、その好きなものを自分で作りたくなる習性があります。

それで、理系版のバーを作りたいと思いました。

数年後に、理系とーくバーを立ち上げることになります。

==

科学の話ができて、研究や仕事の悩みも話せる。

異分野の人と出会える。

ふらっと来た人が、ここにいていいんだなと思える。

そんな場所を作りたいと思ったことが、理系とーくバーにつながっています。

==

職場や学校とは違う、適度に距離がある人は、中学校の友達でもいいと思います。

ただ、研究の悩みは言えても、研究業界の細かいことまでは伝わらず、もどかしさが残ることもある。

理系とーくバーでは、研究や理系の話が分かる人がいます。そして普段の所属とは関係ない人。

だから、いい感じに話せる場になる。

実際に、そういう場だからいいなと感じている人が、今たくさんいると思っています。

======

理系とーくは、フラスコの中で1万人を混ぜる実験です

理系とーくのビジョンはシンプルです。

科学の力で世界を笑顔に
武器は「楽しい！」「面白そう！

正しさだけではなく、好奇心で人がつながる場を作りたいんです。

科学は、技術を支えるだけではない

科学は、技術を支えるだけのものではないと思っています。

もちろん、科学は人類の発展や豊かさに貢献してきました。

でも、人と人をつなぐ時に効いてくるのは、それだけではありません。

==

それ面白そう。

もっと知りたい。

その人と話してみたい。

これができたら、こんな未来になるんじゃないの？

==

こういう問いや好奇心が、人と人をつないで、次の挑戦を生む。

僕はその世界観を作っていきたいです。

フラスコの中で1万人を混ぜてみたい

理系とーくのミッションとして掲げたいのは、フラスコの中で1万人を混ぜて、何が起こるか見てみたい、ということです。

これは僕の好奇心でもあります。

同時に、みんなの共通の価値観、ミッションにもしていきたい。

==

専門、年齢、所属、肩書きが違う人が集まり、混ざり合った時に、どんな化学反応が起こるのか。

共同研究、仕事、協業、友人関係、新しい挑戦。

予測できないものが生まれるはずです。

==

ただ人を集めるだけではありません。

お互いをリスペクトして、お互いの価値を信じる。

お互いの価値を探し合い、活かし合う。

そういう関係を増やしたいんです。

==

そのコミュニティにいることで、私はここにいたい、あなたにもここにいてほしいと思える。

そんなコミュニティを作りたい。

そこまで含めて、理系とーくです。

2017年から、メディア、コミュニティ、バーへ

理系とーくは、2017年に科学メディアとして立ち上がりました。

そこからコミュニティやバーが増えてきました。

収録時点で9年ぐらい、イベントは400回ぐらい重ねてきたと思います。

概算ですが、かなりの回数やってきました。

==

科学系オンラインコミュニティの理系とーくラボには、今は50人ぐらいのメンバーがいてくれています。

大切にしているのは、専門性を持っていて、何でも話せて、正解が分かる人だけが話す場ではない、ということです。

==

専門家も集まります。

専門家になろうと頑張っている学生さんも集まります。

研究経験の有無に関係なく、文系や理系も関係なく、科学やオーナーともよしに興味がある人が混ざり合う場です。

==

知っている人が教えるだけではありません。

知らない人の問い、疑問、助けてという質問が、新しい視点を生みます。

自分のことを大したことがないと思っている人でも、好奇心や楽しい、面白そうに従って何気なく投稿した質問が、その場では価値を生む。

そこがいいんです。

======

専門性を人生の武器にする4つの入り口

専門性を人生の武器にしていくために、僕は主に4つの入り口を作っています。

理系とーくラボ、理系とーくバー、ロードマップ会、個別の伴走支援。

それぞれ役割は違いますが、根っこにあるのは、専門性を未来と関係性の中で使える形にすることです。

1. 理系とーくラボ

理系とーくラボは、科学を楽しむための場であることがベースにあります。

科学が好きな人、専門性を持っている人が、日常的につながって話していく場です。

テキストでつながるだけでなく、月次会、週次会で集まったり、イベントで集まったりもします。

==

また科学を楽しむことをベースにしながら、行動すること、未来を言語化して追い続けることを応援し合うコミュニティでもあります。

ひとりで考えて行動する時間も大切です。

でも、それに加えて、定期的に仲間と会う。

オンラインも含めて会うことで、止まりそうになった時も、また動き出せる。

==

専門の話だけではありません。

仕事、挑戦、人生、趣味、科学に関係ないことも話せる関係がある。

それが、長く進み続ける支えになります。

2. 理系とーくバー

理系とーくバーで増やしたいのは、偶然の出会いです。

科学とおしゃべりを楽しむ、シェアハウスのダイニングのような空間。

そういうイメージ。

==

仕事、研究、肩書きを少し置いて、興味から会話を始める。

そこから思いがけない相談相手や、次の挑戦に進むための仲間が生まれる。

挑戦のきっかけが生まれる。

==

専門性を語れる人と出会ったり、自分とは違う人生を歩む人と話したりできる。

その偶然がセレンディピティを生み、人生を彩り、人生を面白くしてくれる。

そういうことが積み重なる場にしたいと思っています。

3. ロードマップ会

専門性があるのに、何に向かえばいいかわからない。

やりたいことがあるのに、行動が分散してしまう。

集中できない。

これが大事と言われるとすぐ飛びついて、いろんなことをやってしまい、なかなか結果が出ない。

==

これ、わりとあると思います。

努力していないわけではない。

むしろ努力している。

でも、その努力がどこへつながっているのか分からないから苦しくなる。

==

ロードマップ会では、理想の未来から逆算して整理しましょう、という流れでお話しさせてもらってます。

実現したい未来を選択し、その実現に集中する。

そのために、理想の未来を言語化し、強み、経験、実績などを整理します。

僕と一緒に、1年後の目標を一緒に作り、そこから90日ロードマップまで作ってみませんか？

4. 個別の伴走支援

本気で人生を変えたい人や、理想を叶えようとする人と一緒に進んでいく支援もしています。

僕と一緒に頑張っていくチームでもあると思っています。

==

自分の専門性を商品や事業にして、自分の力で稼ぐ。

そういった思いを持つ人の副業などを伴走支援しています。

==

ひとりでは見落としがちな選択肢を増やす。

視野が狭まらないようにする。

メンタルブロックを外す。

実現可能性に引っ張られすぎず、本当に追いたい未来を言語化して、そこに集中する。

==

手法はいろいろあります。

ただ、根っこは同じです。

専門性を、ただの経歴や資格で終わらせず、誰かの役に立つ形、自分の未来につながる形にしていく。

そこを一緒に作っていきたいんです。

======

次の90日は、ノウハウより先に未来から描く

最後に伝えたいのは、次の90日を一緒に描きませんか、ということです。

努力しているのに進んでいる感じがしない時、必要なのは気合いや新しいノウハウではないのかもしれません。

まず、自分はどんな未来を生きたいのかを言語化すること。

ここが出発点です。

最新AIを追うことが、目的になっていないか

最新AIを追うこと、AIを学ぶことに固執しているなら、それは手段が目的化している。

これはAIを否定しているわけではありません。

僕自身、AIは使いますし、可能性も感じています。

==

ただ、手段は手段です。

AIも、発信も、副業も、コミュニティも、目的を叶えるためのもの。

目的が見えないまま手段だけ増えると、机の上に新しい工具がどんどん増えていくのに、何を作るのかは決まっていない、みたいな状態になります。

便利そうなのに、なぜか疲れる。

それはまあ、そうなりますよね。

1年後に叶ったら嬉しい未来を書く

だから、少しドキッとした方に伝えたいのは、自分はどんな未来を生きたいのかを言語化してほしい、ということです。

1年後の未来。

これが叶ったらめっちゃ嬉しいな、嫌なこともだいぶ少なくなるだろうな、という未来を描く。

==

その未来を実現しに行くんだと決める。

大変なことやつらいこともあると思います。

でも、この未来を実現しに行きたいから、これをつかみ取りに行くぞと決めて、日々そこに向かって走る。

==

その状態にセットアップすることが、人生を一番楽しんでいる状態だと思っています。

僕はそれをやっているし、楽しい。

だから、そういう人を増やしたいんです。

今日できる小さなワーク

まずは、次の3つだけ書いてみてください。

• 1年後に叶っていたら、めっちゃ嬉しい未来は何か

• 今の嫌なこと、何を減らしたいですか？

• その未来に近づくため、次の90日で集中することは何か

==

きれいに書かなくていいです。

むしろ、最初は少し雑でいい。

==

大事なのは、未来を言葉にして、そこから行動を選ぶことです。

あなたは今、何を増やす前に、何を決める必要がありそうですか？

メルマガ登録特典のGPTについて

今、メルマガ登録特典として、僕がその作業を手伝うGPTを作りました。

未来の言語化をしながら、ロードマップを設計し、アップデートしていくGPTです。

==

そのGPTでは、1年後の理想の未来を描いて言語化し、解像度を高めます。

その上で、これまでの経験や専門性を整理します。

事業が必要であるのなら、その未来を実現するための商品を作り、それを世の中に届けるためのターゲット設計や発信の設計もできます。

==

1年後、6ヶ月後、3ヶ月後の目標を考えることもできます。

何をやるかも設計できる。

商品や活動の案も出てくる。

お客様にどういうルートを歩んできてもらうか（集客のファネル）の案も作れます。

==

90日のロードマップを作り、今月の具体的な行動計画まで作れるGPTです。

その案を見て、自分の進みたい方向性を考え、決めることができるはずです。

==

メルマガ登録特典GPTの受け取りページ：
https://rikei-talk.com/roadmap-gpt/

==

これまで地図がなかったかもしれません。

でも地図があれば、選択と集中はしやすくなります。

努力している時間が自然と増えていくし、その時間が少しずつ楽しくなっていくと思います。

======

まとめ：混ざる場と未来の地図を持とう

この記事で伝えたかったことは、専門性はひとりで抱え込むものではなく、人と混ざり、未来に向けて使うことで武器になるということです。

僕が理系とーくを続けている理由も、ここにあります。

==

• 博士課程では、研究の物差しだけで自分の価値を測って苦しくなっていた

• ブログは、自分の経験や失敗が誰かの役に立つことを教えてくれた

• 異分野の仲間や旅BARでの会話は、専門性の別の価値を見せてくれた

• 理系とーくラボや理系とーくバーは、混ざることで化学反応を起こす場として続けている

• 次の90日を進めるには、手段を増やす前に理想の未来を言語化することが大事

==

あなたの専門性は、まだ使い切れていないかもしれません。

それは、能力が足りないという話ではなく、置き場所や混ざり方がまだ見つかっていないだけかもしれない。

==

ひとりで抱え込まず、誰かと混ざってみる。

自分の理想の未来を言葉にしてみる。

そこから次の化学反応が始まります。

======

次にできること

あなたが1年後に叶っていたら嬉しい未来は、どんな状態ですか？

まずは一文で書いてみてください。

そのうえで、次の90日で何に集中するかを考える。

ここからでいいと思います。

==

理想の未来を言語化する際は、僕が作った『ロードマップ設計→アプデGPT』を使ってください。

未来の言語化だけでなく、90日ロードマップも作成することができます。

メルマガ登録特典『ロードマップ設計→アプデGPT』の受け取りページ：
https://rikei-talk.com/roadmap-gpt/

==

科学系オンラインコミュニティ「理系とーくラボ」では、科学の話、仕事や挑戦の話、未来を言語化して進むための交流ができます。

専門性をひとりで抱え込まず、誰かと混ざってみたい方は、よければご参加を。

理系とーくラボ：
https://community.camp-fire.jp/projects/view/269163

※文系の方も歓迎です

==

今回の専門性、コミュニティ、未来の描き方といった話題などをSubstackでほぼ毎日発信しているので、ぜひSubstackの購読、無料フォローをお願いします。

今すぐ登録する

==

また、ポッドキャストでもほぼ毎日配信しています。

音声で聴きたい方は、ぜひポッドキャストも聴いてみてください。

ポッドキャスト『ともよしラジオ』：
https://open.spotify.com/show/3C73XA6VdW3P4D88LJVc7E?si=e1b6111ab7734940

⁠https://substack.com/@tomo141⁠

2. メルマガ登録特典のご案内

AIを使う前に、まず“1年後の未来”と“90日ロードマップ”を設計しよう：

https://rikei-talk.com/roadmap-gpt/

（理想の未来を言語化し、商品設計やターゲット・発信の設計ができるGPTを無料配布中！）

3.【初月無料】科学系オンラインコミュニティ『理系とーくラボ』はコチラ↓

⁠https://community.camp-fire.jp/projects/view/269163⁠

どうも、ともよしです。

この番組では、理系博士のともよしが、AIや事業を駆使して「科学や研究」といった、自分の〝好きなこと〟で生きていく様子を毎日発信しております。

共に挑戦し、科学を楽しむ僕たち「各分野の専門家や、科学好き」の仲間になりませんか？

科学系オンラインコミュニティ『理系とーくラボ』

⁠https://community.camp-fire.jp/projects/view/269163⁠ 

※文系の方でも楽しめます

4.ともよしとZoomしてみる（相談や雑談など、ぜひ！）

https://my913p.com/p/r/IRuUl8zv

科学や研究、事業や副業など、お話できたら嬉しいです♪　面識のない方も、お気軽にどうぞ！

AIを使って文章を書いたり、スライドを作ったり、動画や発信コンテンツを作ったりする人は増えてきました。

でも、発信や研究や事業にAIを使いたい人ほど、途中でこう感じる瞬間があると思います。

「便利なのは分かった。」
「でも、自分の仕事や研究のどこに入れればいいのか分からない。」

わかります。

==

今回の話は、AIを単なる時短ツールとして見る段階から一歩進めて、自分専用の研究・事業・発信環境を作るチームとして見る話です。

非エンジニアでも、日本語で指示しながら小さなアプリやツールを作れる入口が下がってきました。

ただし、そこで本当に大事なのは、どのAIツールを使うかよりも、何を作りたいのか、誰のどんな作業を軽くしたいのかを言葉にすること。

==

この記事では、日本語指示で作るツール、Codex、Cursor、Claude Code、Claude Cowork、Antigravity、アプリ／IDE／CLIの使い分け、AIエージェント、AI for Science、そして理系とーくラボでの実践までを整理します。

AIで何か作りたいけれど、最初の一歩が大きすぎる。

そう感じている人に向けた、三部作第三部の読み物です。

（この文章は、ポッドキャストの文字起こしからAIで文章を構成し人間が修正した上で投稿しています）

今すぐ登録する

======

AIは作業を速くするだけでなく、環境そのものを作り変える

第一部では、AIはあくまで手段であり、迷ったら目的、つまり理想の未来に戻ろうという話をしました。

第二部では、その理想の未来を文章、スライド、動画、漫画、発信として形にする話。

第三部では、さらに一段進んで、自分専用の仕組みを作るところに入ります。

==

便利な道具から、未来を作るチームへ

AI活用というと、まずは時短が分かりやすいです。

文章を速く書く。

スライドを速く作る。

動画や漫画やSNS投稿を速く作る。

それはもちろん大事です。

==

でも本当に面白いのは、そこから先です。

自分の仕事の環境、自分の研究の環境、自分の発信の環境そのものを、少しずつ作り変えられること。

面倒な作業を減らす。

自分専用の分析ツールを作る。

発信ワークフローを作る。

自分専用のAIチャットボットや研究エージェントを作る。

==

ここまで見えてくると、AIは便利な道具というより、未来を作るためのチームに近づいてきます。

もちろん、勝手に理想の未来を決めてくれるわけではありません。

そこは人間側の仕事。

==

完璧ではないからこそ、小さく試す

日本語で指示すれば何でも一発で完璧にできる、という話ではありません。

エラーも出ます。

バグも出る。

途中で迷子にもなります。

それはそう。

==

ただ、以前なら「プログラミングができないから無理」「エンジニアに頼まないと無理」「外注費がかかるから無理」と思っていたことを、AIと一緒なら試せるようになりました。

これはかなり大きいです。

試せることが増えると、思考の形も変わります。

できるかどうかだけではなく、どこまでなら今日試せるかを考えられるようになるんですよね。

======

非エンジニアこそ、日本語指示で小さく作る

ツール作りの入口は下がりました。

ただし、入口が下がったからといって、いきなり巨大なものを作るのが正解ではありません。

夢は大きく、実装は小さくです。

==

以前のツール作りは、始める前から重かった

以前、何かツールを作ろうと思ったら、かなりハードルが高かったです。

プログラミング言語を覚える。

開発環境を作る。

エラーを読む。

データを扱う。

画面を作る。

公開する。

セキュリティを考える。

==

それぞれに知識が必要でした。

だから、多くの人は「自分には無理」と思っていたはずです。

研究者や発信者や個人事業者にとっては、本業だけでも認知負荷が高いのに、さらに開発環境まで整えるのは、白衣の上から鎧を着て、そのまま階段を上がるようなものです。

重い。

しかも、動きにくい。

==

今は、Codex、Cursor、Claude Code、Claude Cowork、Antigravityのようなツールを使うことで、日本語でやりたいことを説明しながら、コードを書いてもらったり、既存コードを直してもらったり、エラーを見てもらったりできます。

これはプログラミングの勉強が不要になった、という意味ではありません。

正確には、入口が下がったということ。

==

自分一人で全部を理解してから始める必要がなくなりました。

まず小さく作る。

動かしてみる。

壊れたらAIに聞く。

直してもらう。

なぜそう直したのか説明してもらう。

この順番で進められるようになっています。

==

巨大SNSより、まず1問の検定

AIがすごいからといって、最初から「科学好きが世界中から集まる巨大SNSを作りたい」と言うと、広すぎます。

夢としては良いです。

でも、最初の実装としては大きすぎる。

ニュートンの言葉として知られる〝巨人の肩の上に立つ〟という表現がありますが、最初から巨人の肩でフルマラソンを走ろうとすると落ちます。

まずは、足を置く場所を一つ作る。

ここが大事。

==

たとえば、ポモドーロタイマーから作る。

定期的にやっている小さなタスクを自動化する。

イベント参加者の名前と興味分野を入力したら、交流しやすい組み合わせを提案する小さなツールを作る。

このくらいなら、かなり現実的です。

==

僕が作ってる全分野科学検定も同じです。

最初から高度な機能を入れる必要はありません。

まず1問だけ出す。

4択で答える。

正解か不正解か表示する。

スコアを1点増やす。

これで最初のプロトタイプです。

==

ポッドキャストから記事とSNS投稿を作るツールも、最初から完全自動化しなくていい。

まずは、文字起こしテキストを貼り付けたら、見出し付き記事とX投稿10本を出す。

それだけで十分に価値があります。

毎回の手作業が少し減るだけでも、継続の負担はかなり変わりますから。

======

コーディングAIは、入口、編集、実行力で使い分ける

コーディング系ツールには、それぞれ得意な位置があります。

初心者はとっつきやすい入口から、慣れてきたら編集しやすいIDEへ、さらに必要ならCLIへ進むのが現実的です。

強い道具ほど、権限管理と確認が大事になります。

==

とっつきやすい入口：Codexアプリ、Claude Cowork、Antigravity

Codexアプリは、コードを書くことに慣れていない人でも比較的入りやすい方向のツールです。

「こういうものを作りたい」と伝えると、アプリやツール作りの作業をエージェントに渡せます。

一つの修正を頼むだけでなく、複数のエージェントに作業を任せたり、できたものを確認したりする感覚に近づいています。

==

Claude Coworkは、Claude Codeよりも一般の知的作業向けという見方ができます。

ファイルを整理する。

資料をまとめる。

文書を作る。

調査する。

ブラウザやローカル作業を含む複数ステップの仕事を任せる。

コードを書くというより、仕事を進めてもらう感覚です。

==

Antigravity（2.0）も、とっつきやすい入口として話に出しました。

Google系のエージェントファーストな開発環境で、アイデアからアプリ化までをAIと一緒に進めるイメージ。

コードエディタだけではなく、エージェントが計画し、実行し、確認する流れを持っているので、「何から始めればいいか分からない」という人には分かりやすい入口になりそうです。

==

編集しながら育てる：CursorとAntigravity IDE

次に、編集しやすいツールです。

ここではCursorとAntigravity IDEが分かりやすい。

==

Cursorは、AI機能が組み込まれたエディタです。

既存のファイル（コードだけでなく、文章執筆用もOK）を読みながら、

「この部分を直して」みたいに頼めます。

==

フォルダ内のファイルもドラッグして簡単にAIに渡せる、つまりプロンプトに入れられる。

実際のファイルを見ながら、AIと一緒に編集する感覚です。

Antigravity IDEも、エディタ、ターミナル、ブラウザ、エージェント的な実行をつなげて、開発作業を進めやすくする方向。

作るだけではなく、動作確認や修正まで一連でやりやすい。

==

ここで大事なのは、一発で完成させる発想を手放すことです。

AIが作ったものを自分で見て、直して、また頼んで、育てていく。

研究でも事業でも発信でも、だいたいこの反復が強いんですよね。

==

CLIは強力だが、確認と権限管理が必要

さらに上級者向けなのがCLIです。

CLIは、ターミナル上でコマンドを打って使う形式。

Claude Code、Codex CLI、その他のエージェント型CLIなどがあります。

==

CLIの良いところは、やれることが多いことです。

• ファイルを読む

• コードを書く

• テストを走らせる

• パッケージを入れる

• Gitで差分を見る

• ログを読む

• スクリプトを実行する

• MCPや外部ツールとつなぐ

==

一方で、若干のスキルとPCスキルが必要です。

黒い画面に耐性のない方はすこしハードルが高く感じるでしょう。

また、怖さもあります。

ファイルを消すかもしれない。

意図しないコマンドを実行するかもしれない。

秘密情報に触れるかもしれない。

だからCLIは強力ですが、権限管理と確認が大事です。
（アプリ型・IDEもまあ同じですけどね！）

初心者は、まずアプリ型、次にIDE型でいい。

慣れてきたらCLIに進む。

この順番が安全です。

======

作る前に、AIエージェントへ渡すプロンプトを作る

AIでツールを作ろうとして失敗する原因の多くは、最初の設計が曖昧なことです。

そこで僕が作ったのが、AIエージェントプロンプトツクールです。

いきなり作らせるのではなく、作るための良い指示を作るところから始めます。

==

最初の指示が曖昧だと、曖昧なものができる

Codex、Claude Code、Antigravityなどはかなり優秀です。

でも、最初の指示が曖昧だと、曖昧なものが出てきます。

これはAIが悪いというより、依頼の形がまだ整っていないということ。

==

AI講師をしていると、AIでツールを作ろうとして、泥沼化して抜け出せなくなる人を見ることがあります。

作りたいものはある。

でも、うまく言語化できない。

AIに頼んでみたけれど、思った通りのツールが完成しない。

何を伝えればいいのか分からない。

まあ、ありますよね。

==

だから、AIエージェントプロンプトツクールでは、まず欲しいツールを言語化します。

何を作りたいのか。

誰が使うのか。

入力は何か。

出力は何か。

画面は必要か。

保存は必要か。

どのツールで作るのか。

どこまで自動化したいのか。

完成条件は何か。

==

こういうことをインタビューで引き出して、最後にCodexやClaude CodeやAntigravityへ渡すためのプロンプトにします。

プロンプトの上手さというより、要件定義の入口です。

プロンプトツクールは、下記のメルマガ登録特典のサブ特典として受け取れます。

AIを使う前に、まず“1年後の未来”と“90日ロードマップ”を決めよう。
https://rikei-talk.com/roadmap-gpt/

==

すぐ使える簡易版プロンプト

今日すぐ試すなら、好きなAIにこう入力してみてください。

〇〇ができるツールを、Codex／Claude Code／Antigravityで作成するためのプロンプトを作りたいので、最適なプロンプトを作るためのインタビューを私にしてください。その後、私のインタビュー回答を元に、プロンプトを1つのコードブロックで出力してください。

ポイントは、いきなり作らせないことです。

まず、AIにインタビューしてもらう。

自分が答える。

その回答をもとに、開発エージェント用のプロンプトへ変換してもらう。

==

いきなりアプリ作って、ではなく、アプリを作るための良い指示を作る。

非エンジニアほど、この順番が効きます。

「自分はコードが書けないから無理」と思う前に、まず仕様を言葉にしてみる。

やってみてください。

======

僕の作ったツールの具体例：発信、検定、リスト統合・マーケティング分析から始められる

自分専用ツールと言われても、最初はイメージしにくいかもしれません。

なので、僕が考えている具体例をいくつか出します。

発信、科学コミュニティ、マーケティングのような日常的な運営ほど、小さなツール化の余地があります。

==

ポッドキャストから記事・SNS化ツール

一番分かりやすい実例は、ポッドキャストから記事とSNS投稿を作るツールです。

音声を録る。

文字起こしする。

その文字起こしを入れる。

記事にする。

X投稿にする。

メルマガにする。

スライドにする。

漫画のストーリーにする。

==

この流れを毎回手作業でやるのは大変です。

毎日やると、地味に億劫な作業が積み重なります。

一つ一つは小石でも、リュックに毎日入れて歩くと肩が終わる、あの感じ。

だからこそ、どこをAIに任せるかを決める意味があります。

==

まずは、文字起こしテキストを貼り付けたら、記事案、SNS投稿案、メルマガ案が出る。

それで十分です。

さらに進めるなら、音声ファイルをアップロードしたら自動で文字起こしし、記事まで作る。

もっと進めるなら、noteやWordPressの下書き、X投稿案、メルマガ配信文、スライド構成まで出す。

ここまで行くと、発信の仕組みになります。

==

全分野科学検定

次に、全分野科学検定です。

科学好きを集めたい。

しかも、ただ登録してもらうのではなく、楽しく参加してもらいたい。

こういうとき、検定形式は相性がいいです。

==

物理、化学、生物、数学、地学、情報、医学、工学、心理学、宇宙、環境など、いろいろな分野の問題を出す。

回答するとスコアが出る。

得意分野や興味分野が分かる。

結果をSNSでシェアしたくなる。

最後に、詳しい結果や解説を受け取るためにメルマガ登録してもらう。

こういう導線が作れます。

==

ただし、科学クイズは情報の正確性が重要です。

AIに問題を作らせるだけでは危ない。

曖昧な問題は避ける。

もちろん正解が一つに決まるようにする。

専門家である回答者からのフィードバックを反映する。

ここは科学系の発信として、かなり大事です。

==

リスト統合・マーケティング分析ツール

事業をやってていると、複数の顧客リストができていきます。

メルマガ。

公式LINE。

イベント参加者。

バー来店者。

コミュニティのメンバー。

それぞれ別の場所にデータがあります。

==

これを買う人はどのイベントに出てる傾向がある？

分析を手作業でやっていると大変です。

そこで、CSVを読み込んで重複を見つける。

同一人物同士のデータを統合する。

最近反応がある人を見つける。

コミュニティにつながりそうな人を分析する。

どんな順番で行動するのか分析する。

==

こういうツールは、まさに自分専用でいい。

もちろん、個人情報の扱いには注意が必要です。

でも、適切に管理できれば、マーケティングの解像度は上がります。

コミュニティ運営でも、誰に何を届けるべきかが少し見えやすくなるはずです。

======

AIエージェントとAI for Scienceでは、人間の問いがますます重要になる

AIエージェントは、複数ステップの作業を進めるAIです。

研究や発信や事業に入ってくると、自分専用のAIチームのように使える可能性があります。

ただし、AIが賢くなるほど、人間側の目的、制約、確認、価値判断が重要になります。

==

エージェントは、質問に答えるだけのAIではない

エージェントという言葉はいろいろな意味で使われます。

ここではシンプルに、目標に向かって、複数のステップを実行し、必要に応じてツールを使うAIと考えてください。

==

チャットAIは、基本的には質問に答える存在です。

でもエージェントは、もう少し作業者に近い。

あなたのPCにあるフォルダを操作できるから。

調べる。

計画する。

ファイルを読む。

コードを書く。

テストする。

修正する。

レポートにする。

こういう複数ステップを進めます。

==

もちろん、まだ完全自律で何でも任せられる段階ではありません。

作業によっては、人間の確認も大事です。

でも、うまく使えば、自分専用のチームに近づいていきます。

==

親エージェント、子エージェント、孫エージェント

僕が考えている構想として、親エージェント、子エージェント、孫エージェントがあります。

親エージェントは、全体を見る相棒です。

今日何をすべきか。

今週何に集中すべきか。

無料相談が足りないのか。

発信が足りないのか。

商品設計が曖昧なのか。

趣味の研究にどれくらい時間を使えるか。

研究の進捗はどうか。

人生全体を見ながら判断してくれる。

==

子エージェントは分野別です。

研究エージェント。自分研究所の教授のような存在。

事業エージェント。主に資金を作り、挑戦の幅を最大化する担当。

==

孫エージェントは、もっと具体作業。

論文調査。

文字起こし。

記事化。

X投稿化。

スライド化。

画像生成プロンプト作成。

イベント告知文作成。

==

こうやって役割を分けると、AI部下100人という比喩がかなり現実味を帯びてきます。

ただし、部下が100人いるなら、マネジメントも100人分とは言わないまでも必要です。

何を任せるのか。

何を任せないのか。

どこで人間確認を入れるのか。

どの情報にアクセスさせるのか。

どの操作を許可するのか。

間違ったときにどう止めるのか。

AI部下100人時代は、マネジメントの時代でもあります。

==

AI for Scienceは論文要約ツールで終わらない

研究者にとってAIは、論文検索や要約だけではありません。

もちろん、それだけでも便利です。

論文を探す。

要約する。

研究背景を整理する。

先行研究マップを作る。

仮説の候補を出す。

実験計画を壁打ちする。

図や文章を分かりやすくする。

これだけでも、研究の速度はかなり上がります。

==

でも、2026年の大きな流れは、それだけではありません。

AIが、仮説生成、研究計画、実験設計、データ解析、科学ソフトウェア作成、論文執筆支援まで入り始めています。

The AI Scientist、Google DeepMindのCo-Scientist、FutureHouseのRobin、Empirical Research Assistance、ERAのような研究支援システムも話に出しました。

==

The AI Scientistは、研究アイデアを作り、コードを書き、実験を走らせ、結果をプロット・解析し、論文を書き、査読を行うということまで、研究プロセスのかなり広い範囲を自動化しようとする試みです。

ただしこれはAIが研究者を丸ごと置き換えるというより、まずは計算機上で回せる機械学習研究で、仮説生成・実験計画・解析・執筆の一部に入り始めているといった具合ですかね。

参考：
Towards end-to-end automation of AI research. Nature (2026).
https://www.nature.com/articles/s41586-026-10265-5

==

Co-Scientistは、Geminiを使ったマルチエージェント型の研究支援システムとして、仮説を生成し、批判し、改善する構造を持っています。

下記の論文では、Co-Scientistは「構造化された科学的思考と仮説生成」のためのマルチエージェントAIシステムとして紹介されています。

Co-Scientistは、急性骨髄性白血病に対する薬剤転用候補や相乗効果のある併用療法を特定するのに役立ち、その一部がin vitro実験で検証されたと報告されています。

参考：
Accelerating scientific discovery with Co-Scientist. Nature (2026).
https://www.nature.com/articles/s41586-026-10644-y

==

FutureHouseのRobinは、実験生物学における科学的発見を自動化するマルチエージェントシステムとして下記論文にて報告されています。

Robinは、文献検索エージェントとデータ解析エージェントを統合し、仮説を作り、実験を提案し、実験結果を解釈し、更新された仮説を生成します。応用例として、乾性加齢黄斑変性（dAMD）に対する治療候補探索が示され、ripasudilとKL001のin vitro有効性を確認したと報告されています。

参考：
A multi-agent system for automating scientific discovery. Nature (2026).
https://www.nature.com/articles/s41586-026-10652-y

==

ERAは、Empirical Research Assistance の略で、Google ResearchらによるAIシステムです。Nature論文では、科学的発見のサイクルが、計算実験を支えるソフトウェア作成の遅さにボトルネックを抱えることが多いとし、ERAを「expert-level scientific software」を作るAIシステムとして紹介しています。

報告例として、単一細胞データ解析で人間開発手法を上回る新手法を多数見つけたこと、COVID-19入院予測でCDC ensembleなどを上回るモデルを生成したこと、地理空間解析、ゼブラフィッシュ神経活動予測、数値積分などのタスクで専門家レベルのソフトウェアを作ったことが挙げられています。

参考：
An AI system to help scientists write expert-level empirical software. Nature (2026).
https://www.nature.com/articles/s41586-026-10658-6

==

ただし、ここで冷静さも必要です。

2026年のarXivプレプリントにて、AI研究エージェントが科学的探索を狭める可能性を指摘する研究も出ています。

AIが生成する研究アイデアは、人間の研究に比べて既存文献に近く、局所的な改良に偏る可能性がある、という話です。

参考：
AI Research Agents Narrow Scientific Exploration. arXiv (2026).
https://arxiv.org/abs/2605.27905

==

つまり、AIは仮説をたくさん出せます。

でも、それが本当に広い探索になっているとは限らない。

既存研究の周辺をきれいに組み合わせている（再結合している）だけかもしれません。

だからAI for Scienceでは、人間の専門性、違和感、価値判断、長期的な問いがますます大事になります。

==

IgA腎症研究で考えているAIエージェント構想

僕自身も、AI for Scienceにはかなり関心があります。

僕は有機化学、創薬科学のバックグラウンドがあります。

そして、個人的にIgA腎症というテーマに関心があります。

だから、AIを単に発信や事業だけではなく、研究にも使っていますし今後さらに使っていきたいと思っています。

==

ここで大事なのは、僕がいきなり自分一人で研究者として全部やる、という話ではないことです。

僕の役割は、設計者、編集者、投資家、あるいは研究を前に進める場を作る人。そんな具合。

AIを使えば、自分の専門性と、周りの専門家と、文献調査と、仮説設計をつなぎやすくなります。

==

たとえば、IgA腎症研究であれば、親エージェントが全体を見る。

研究目的は何か。

どの臨床課題に集中するか。

再発予測なのか。

メカニズムなのか。

新規治療薬なのか。

==

そのうえで、子エージェントが分かれます。

論文調査エージェント。

臨床研究設計エージェント。

バイオマーカー整理エージェント。

in vitro実験設計エージェント。

創薬・化合物探索エージェント。

発信・資金調達エージェント。

こういう構想です。

======

理系とーくラボでは、未来設計を行動計画へ落とす

AI活用は、一人で学ぶより、誰かの使い方を見る方が早いです。

そして、AIを触って終わりにするのではなく、自分の未来に接続して、行動に変えることが大事。

理系とーくラボでは、そのための場として月1再起動会と週次振り返り＆計画会をやっています。

==

月1再起動会は、未来と90日ロードマップを見直す場

理系とーくラボでは月1再起動会をやっています。

テーマは、前月振り返り、未来設計、今月計画です。

毎月第1火曜日の21時から、ラボバーovice店、つまりメンバー限定のバーチャルオフィスに集まります。

==

最初に軽く挨拶をして、21時05分ごろから作業に入ります。

前月を振り返る。

未来を再設計をする。

90日ロードマップをアップデートする。

僕の作ったカスタムGPTも使ってもらいながら。

==

その後、21時30分ごろからは、質問相談や壁打ちをしながら、90日ロードマップを今月の計画に落とします。

理想の未来を語るだけではなく、今月何をやるかまで落とす場です。

AIを使って計画を作ることはできます。

でも、その計画を自分の現実に接続するには、振り返りと対話が必要になります。

==

週次振り返り＆計画会は、行動を止めないためのループ

さらに、毎週月曜日21時からは、週次振り返り＆計画会もあります。

これは、着実に進みたい人向けです。

月1で未来・計画を見直しても、日々の行動が変わらなければ前に進みません。

だから、毎週テンポよく振り返りと計画・改善を繰り返します。

==

まず、上手くいったこと、良かったこと、その要因を書く。

次に、上手くいかなかったこと、嬉しくなかったこと、その要因を書く。

そこから、改善点と今週から取り入れることを出す。

最後に、今週の計画を立てる。

==

これをマイクOFFで集中してやり、必要に応じて相談する。

この繰り返しです。

AIを使えば、計画は作れます。

でも、計画は作って終わりではありません。

振り返り、改善し、また計画する。

このループが大事です。

==

月1再起動会で未来とロードマップを更新する。

週次振り返り＆計画会で、毎週の行動に落とす。

この組み合わせで、みんなで未来を作りに行くコミュニティにしていきたいと思っています。

======

まとめ：未来を言語化し、小さな仕組みに落とそう

今回の中心は、AIを単なる時短ツールではなく、自分専用の研究・事業・発信環境を作るチームとして見ることです。

どのツールを使うかも大事ですが、それ以上に、何を作りたいのか、何を任せるのか、どこで人間が判断するのかを言語化することが重要になります。

==

• 非エンジニアでも、日本語指示で小さなツールを作るハードルは下がっている

• いきなり巨大アプリを作らず、まず1問の検定や1つの発信ツールから始める

• Codex、Cursor、Claude Code、Claude Cowork、Antigravity、IDE、CLIにはそれぞれ向き不向きがある

• 開発前には、目的、利用者、入力、出力、完成条件、テスト方法を言語化する

• AI for Scienceでは、論文要約だけでなく仮説生成や実験設計まで広がる一方で、人間の違和感と長期的な問いが残る

==

AIは未来を代わりに決めてくれません。

でも、あなたが未来を言葉にすれば、それを形にする手伝いはかなりしてくれます。

とっても優秀な部下が100人いたら、あなたはどんな未来を作りに行きますか？

この問いから始めるのが、一番強いです。

======

次にできること

今学ばなきゃと追っているAI情報は、本当に必要でしょうか？

今日この後にできることは、どんな未来にしたいのかを言語化することです。

手段（AI）で迷ったら、目的（未来設計）に戻りましょう。

よい未来を言語化したい方はぜひ、僕が作ったカスタムGPTを使ってみてくださいね。

AIを使う前に、まず“1年後の未来”と“90日ロードマップ”を決めよう：
https://rikei-talk.com/roadmap-gpt/

==

科学系オンラインコミュニティ理系とーくラボでは、月1再起動会や週次振り返り＆計画会で、未来設計、AI活用、研究や発信の壁打ちを進めています。

自分一人だと計画が止まりがちな人、AI活用を研究や発信や事業に接続したい人は、よければご参加を。

理系とーくラボ：
https://community.camp-fire.jp/projects/view/269163
※文系の方も歓迎です

==

今回のAI活用、自分専用ツール、AI for Scienceといった話題などをSubstackでほぼ毎日発信してるので、ぜひSubstackの購読(無料)／フォローをお願いします。

今すぐ登録する

==

また、ポッドキャストでもほぼ毎日配信しています。

音声で聴きたい方は、ぜひポッドキャストも聴いてみてください。

ポッドキャスト『ともよしラジオ』：
https://open.spotify.com/show/3C73XA6VdW3P4D88LJVc7E?si=e1b6111ab7734940

AIで文章やスライドを作りたい。

動画も作れたらいいし、漫画や告知画像もできたら強そう。

でも、いざChatGPTやClaudeを開くと、何を頼めばいいのか分からない。

==

そう感じている人は多いと思います。

特に、研究、仕事、発信、イベント運営、コミュニティづくりのように、自分の経験や専門性が絡むテーマほど、単に「いい感じに作って」と頼むだけでは薄くなりやすい。

きれいだけど、自分の言葉ではない。

正しそうだけど、どこかで見たことがある。

そうなっちゃいますよね。

==

今回の話は、AIを「代筆ツール」としてではなく、自分の考えを形にする制作チームとして使う話です。

文章、ポッドキャスト台本、スライド、動画、AIアニメーション、漫画、ゲーム開発、その他自動化まで、ひとつの素材からどう広げていくか。

非エンジニアでも、発信や仕事にAIを使いたい人でも、まずは自分用の制作フローを作れます。

==

大事なのは、AIに何を作らせるかの前に、自分はどんな未来を形にしたいのかを言葉にしておくことです。

第一部では、AIは手段であり、手段で迷ったら目的、つまり未来に戻ろうという話をしました。

第二部にあたるこの記事では、その未来をどう文章やスライドや動画に変えていくかを整理します。

（この文章は、ポッドキャストの文字起こしからAIで文章を構成し人間が修正した上で投稿しています）

今すぐ登録する

======

AI時代のコンテンツ作りは、まず素材から始まる

AIにゼロから作らせるより、自分の素材を編集させる。

これが、発信やコンテンツ制作で一番大きな前提です。

素材が薄いまま頼むと、AIは無難で一般的な答えを返しやすくなります。

ゼロから書かせると、きれいだけど刺さらない

初心者の方は、ついこう頼みがちです。

「AI活用について記事を書いて」

「有機化学のスライドを作って」

これでも、何かは出ます。

でも多くの場合、味気ないアウトプットになります。

読んでいても気持ちが乗っていかない。

わかりやすいけれど、自分の人生経験や事業の背景、聞き手との関係、場の空気感までは入っていない。

==

AIは、こちらが何も渡さなければ、自分の過去の失敗談も、読者がどこでつまずくかも、コミュニティの温度感も分かりません。

だからこそ、自分の音声、メモ、過去投稿、イベント概要、聞き手の悩み、本音を渡す。

そこから編集してもらう方が、自分らしいコンテンツになります。

音声はかなり強い素材になる

特におすすめなのが音声です。

いきなり文章を書こうとすると止まる人でも、話すことならできる人は多い。

1分話せば300字くらいのテキストになりますが、300字を1分でタイピングできる人はなかなかいない。

研究の話でも、仕事の話でも、専門分野の話でも、誰かに聞かれたらけっこう話せるんですよね。

誰かに聞かれて誰かに伝える。気楽に話せる友達と話すイメージでAIにつらつら話せばいいんです。

==

問題は、そのあとです。

話した内容を整理する。

見出しをつける。

読みやすくする。

noteブログにする。

X投稿にする。

メルマガにする。

スライドにする。

漫画にする。

動画台本にする。

==

ここが地味に重いんですよね。

毎日やろうとすると、結構キツい。

でも、音声をAIに渡して仕組み化すれば一気にマルチコンテンツ展開できます。

AIと話す、ポッドキャスト台本、文字起こし、記事、X投稿、メルマガ、スライド、漫画、動画台本。

この流れが作れる。

==

つまり、これからの発信は、最初から文章を書く形だけではなくていい。

まず話す。

AIに編集してもらう。

そのうえで、自分が直す。

この順番が最も効率的な手法の一つです。

======

文章作りは、いきなり書かせずインタビューから始める

文章作りの初級者向けな方法は、シンプルです。

まずチャットで壁打ちする。

いきなり完成原稿を頼むのではなく、AIに質問してもらうところから始めます。

まずAIに聞いてもらう

たとえば、こう頼みます。

◯◯のテーマで記事を書きたいので、私にインタビューしてください。
読者に刺さる文章にするために、足りない情報を質問してください。
私の回答をもとに、記事案を作ってください。

これだけで、あなたの経験や体温が乗った厚みのある文章を作れるようになります。

AIに聞いてもらい、自分が答える。

AIが整理し、足りないところをまた聞く。

そこから記事化する。

==

文章が苦手な人ほど、いきなり書くより話した方が速いです。

自分の中にあるけれど、まだ言葉になっていない考えを、AIに掘り起こしてもらう感じ。

プロンプトの巧さよりも、まず素材を出すことが先です。

目的、読者、結論、素材、形式を渡す

文章作りで最低限渡したい情報は、目的、読者、結論、素材、形式です。

たとえば、音声ではこんな例を出しました。

AI初心者向けに、発表原稿を作りたいです。
読者は大学院卒の社会人で、潜在的にAIを夢の実現に使いたい人です。
結論は、AIは手段なので、理想の未来から逆算して使おう、です。
素材は私とのチャット履歴。
まずは見出し案と概要を3案ください。

「いい感じに」ではなく、誰に、何を、どんな温度で届けたいのか。

ここを言うだけで、AIの返答は変わります。

文脈があるほど、AIは働きやすい。

==

テーマが続くなら、ChatGPTのProjectsのような機能も便利です。

イベント概要、特典情報、参加者像、過去の原稿、文体の指定、関連資料などを入れておけば、毎回ゼロから説明しなくて済みます。

音声素材があるなら、録音や文字起こしを使うのも良い。

打つより喋る。質は低くてもある程度多くのコンテキストを渡す。これは覚えておいてください。

上級者はAIを編集部として使う

慣れてきたら、AIを一人のライターではなく、編集部として使います。

ネタ集め、ライター、ファクトチェック・表現担当、SNS展開担当、メルマガ担当。

こういうふうに役割を分ける。

==

流れとしては、たとえばこうです。

• ネタ集めAIに話題の記事・ポストを集めさせる

• ライターAIに自分の過去記事等を見せつつ記事を書かせる

• チェック担当AIに確認が必要な事実を洗い出させる

• 最後に自分が直す

これやると、文章の質が上がるでしょう。

AIを一発生成マシンとして使うのではなく、制作工程の各担当として使うわけです。

==

ただし、AIが全部決めるわけではありません。

結論や本音は自分が決める。

あなたが1年かけて何を実現するかを、すべてのチームメンバーAIが知っている。

構成案と言い回しはAIに出してもらう。

事実確認や最終判断は人間が見る。

==

ここは研究や仕事にも近いところがあります。

データ処理や文献整理を人に手伝ってもらっても、仮説の責任や結論の妥当性は研究者が握る。

AI活用も同じで、判断の芯は人間側に残す必要があります。

一つの素材から複数成果物を作る

上級者向けの発想で大事なのは、一つの素材から複数のアウトプットを作ることです。

たとえば、30分のポッドキャスト原稿がある。

それを記事にする。

SNS投稿を20個作って投稿する。

SNSの画像投稿を作る。

ショート動画、長尺動画の原稿にする。

メルマガを作る。

スライドにする。

漫画にする。

==

ここまで広い展開ができます。

同じテーマから広げているので、メッセージにも統一感が出ます。

一つの考えを、一つの投稿で終わらせなくてよくなった。

これは大きいです。

最小の労力で最大のアウトプットを出していきましょう。

==

僕自身、AIによって挑戦範囲がかなり広がりました。

漫画、画像、ツール、エージェント、GPT配布、特典設計、ファネル設計、未来の解像度上げ、タスク管理。

発信のクオリティと物量が、AIを使う前後でかなり変わった感覚があります。

======

スライドは、資料集ではなく聞き手の地図として作る

スライド作成でも、いきなりデザインから入らなくて大丈夫です。

まず元資料を整理し、骨格を作る。

その後に見た目を整える方が進みやすい。

NotebookLMで骨格を作る

初級者向けにまずおすすめしたいのがNotebookLMです。

NotebookLMは、自分が入れた資料をもとに、要約、質問応答、音声概要、動画概要、スライドのような形で整理できます。

==

使い方はシンプルです。

ポッドキャスト原稿や記事、イベント概要をNotebookLMに入れる。

そして、スライド生成のボタンを押す。これだけでスライドを作ってくれます。

スライド作成初級者さんにはまずこれをおすすめしたいです。

Canva、Gamma、Gensparkで見た目を整える

スライド作成には他にも、CanvaやGamma、Gensparkを使うのがよいです。

Canvaはテンプレートが豊富で、イベント告知画像やスライド、SNS画像に向いています。

GammaやGensparkは、文章から素早くスライドをAI生成するのに向いています。

==

ただし、AIが作ったスライドに限りませんが、情報が多すぎることがあります。

1枚1メッセージ。

1枚1問い。

1枚1図解。

==

詳細は口頭説明や、配布資料、記事に回せばいい。

当日のスライドは、聞く人が迷子にならないための地図です。

地図に、全店舗のメニュー表と店長の略歴と近所の噂話まで書き込んだら、目的地に着けなくなりますよね。

聞き手が今どこにいて、次にどこへ向かうのか分かることが大事です。

Marp、Reveal.js、Reactスライドという選択肢

上級者向けには、いくつか選択肢があります。気になるものがあったら試してみてください。

まずMarp。

Marpは、Markdownでスライドを作る仕組みです。

大量の講義スライド、勉強会資料、内部共有資料にいいですね。

==

次にReveal.js。

Reveal.jsはHTMLベースのプレゼンテーションフレームワークです。

Webページとしてスライドを作るので、インタラクティブ要素を入れやすい。

発表中にWebアプリのデモを埋め込む。

コードを表示する。

アニメーションを入れる。

ブラウザでそのまま見せる。

そんな使い方ができます。

==

さらに作り込むなら、Reactスライドです。

Reactでスライドを作ると、タイトルスライド、章扉、比較表、カード型レイアウト、図解といったものをコンポーネントとして使い回せます。

Codex、Cursor、Claude Codeとの相性も良いです。

たとえば、こう頼みます。

この原稿をもとに、Reactで30枚のスライドを作ってください。
デザインは黒背景、白文字、アクセントカラーは青。
各スライドは1メッセージで、図解コンポーネントを使ってください。

もちろん修正は必要です。

でも、毎回大量のスライドを作る人には強い選択肢になります。

======

原稿、動画、漫画は、聞く人と見る人の負担から逆算する

記事、スライド、動画、漫画は、それぞれ読まれ方が違います。

同じ内容でも、文章として読むのか、音声で聞くのか、動画で見るのか、漫画で理解するのかで、設計を変える必要があります。

ポッドキャスト台本の作り方

この記事では、まずAIにインタビューしてもらいながら、僕がイベントの目的を整理しました。

聞く人は、修士卒のあらゆる分野の人。

AI初心者から中上級者までいる。

特に置いていきたくないのは、AI初心者で、夢実現にAIを活用したい人。

最大CTAは、メルマガ登録特典のGPTやプロンプトを受け取ってもらうこと。

==

今回の発表そのものが、AIとの共同制作ですね。

AI活用の話を、AIと一緒に作っている。そんな感じです。

動画は30秒からで十分

初心者がいきなり映画みたいな動画を作ろうとすると大変です。

まずは30秒で十分。

今回なら、この問いだけで動画の冒頭になります。

「とっても優秀な部下が100人いたら、あなたはどんな未来を作りに行きますか？」

そのあとに、こう続ける。

「AIは手段です。だから、AIで迷ったら、理想の未来から設計しましょう」

これだけでも動画になります。

NotebookLM、Canva、Vrew、を組み合わせれば、基本形は作れます。

ChatGPTで30秒動画台本にする。

NotebookLMで原稿や資料を整理し、動画構成を作る。

Canvaで縦長動画にする。

Vrewで字幕をつける。

==

NotebookLMは資料から要点をつかむのに便利です。

Canvaはデザインとテンプレートに強い。

Vrewは文字起こしや字幕に強い。

初心者は、まずこの3つでよいと思います。

AI動画とAIアニメーション

上級者向けには、Veo、Runway、SeedanceのようなAI動画生成モデルがあります。

VeoはGoogle系の動画生成モデル。

Runwayはクリエイター向けのAI動画生成・編集ツール。

SeedanceはByteDance系の動画生成モデルとして、マルチショットや動きの安定性、映画的な表現が話題になっています。

AIアニメといったらSeedanceかもしれない。

Seedanceの作例はぜひチェックしてみてください。そのクオリティに驚きますよ。
https://x.com/search?q=Seedance&src=typed_query&f=top

この進化によって、短いプロモーション映像、イベントの世界観動画、漫画LPの導入アニメーション、研究テーマのイメージ映像などが作りやすくなっています。

==

他にも上級者向けには、Remotionもあります。

RemotionはReactで動画を作る仕組みです。

Web技術を使ってMP4動画を作るイメージ。

毎回イベント告知動画を作るなら、タイトル、開催日時、場所、登壇者、テーマ、CTAの構造をコードで作っておき、データだけ差し替えて量産できます。

AI動画編集

最近では、しゅうへいさんがClaude Codeを使ってショート動画を自動編集したという事例をXで共有されてました。

https://x.com/shupeiman/status/2064916740631593319

動画を渡して編集をAIに任せるというのは今後スタンダードになるでしょう。

==

超直近では、Palmier ProというAI動画編集ツールも出てきてます。チェックしましょう！

https://x.com/search?q=Palmier Pro&src=typed_query&f=top

漫画は初心者に伝わりやすい

漫画はかなり強いです。

文章だけだと読まれない内容でも、漫画になると読まれることがあります。

「こんなことに悩んでいませんか？」と文章で言われると「うるせえ」となりますが、
漫画の主人公が悩んでいる様子を描けば、自然と共感ができます。

難しい概念も、キャラクターの会話になると分かりやすくなる。

==

たとえば、AIは手段で、理想の未来から逆算しようという話。

説明文で書くと少し硬い。

でも、AI初心者のキャラクターが「AIって結局、何に使えばいいんですか？」

と聞いて、AI講師が「まず、どんな未来を作りたいかから考えましょう」

と描くだけで、伝わりやすくなります。

僕は漫画作成にAI漫画クリエーターというツールを使っています。

活動紹介、商品説明、LP、SNS投稿、世界観づくり、初心者向け教育コンテンツ、イベント告知に向いていますね。

ぜひAI漫画クリエーター、使ってみてください。

AI漫画クリエーター【PR】
https://brmk.io/DVcbcK

==

以前なら、漫画をコンテンツに入れたいと思っても、お金がかかるから諦めていました。

でも今は、AIでかなり低予算で作れるようになった。

もちろん完璧ではありません。

絵柄、表情、文字、コマ割りは多少の調整が必要です。

それでも、漫画という表現に多くの個人が挑戦できるようになったこと自体が大きい。

個人事業主や運営者にとって、本当に大きな変化です。

======

ゲーム開発と自動化は、小さく作って仕組みにする

AIによって、ゲーム開発や自動化の入口も下がっています。

ただし、大事なのはいきなり大作を狙わないこと。

夢は大きく、実装は小さく。

ここが現実的です。

AIゲーム開発は、発信と学びの次の形になる

AIゲーム開発は、仲間集めやブランディング、発信やマーケティングとしてかなり重要だと思っています。

Robloxのようなプラットフォームでは、AIアシスタントや外部AIツールを使いながらゲームを作る流れも出てきています。

今は、AIと壁打ちしながら、企画、ルール、世界観、コード、画像、告知まで作れるんですよね。

ご興味ある方は下記の教材が最近話題なので見てみるといいかもしれません。

【680部突破】未経験OK。AIだけでRobloxゲームを作って公開する14日間
https://brain-market.com/u/haru_mv/a/b1ATN5QjMgoTZsNWa0JXY

==

ただし、いきなり大作を作ろうとしないこと。

最初は小さく作る。

1画面のゲーム、クイズゲーム、クリックすると反応するツール、イベント参加者が遊べる診断ゲーム、既存ゲームを模倣したゲーム。

これくらいで良さそうですね。

初級者はテンプレート化だけで十分

自動化というと難しく聞こえます。

でも、初級者はテンプレート化だけで十分です。

毎回使うプロンプトを保存する。それだけ。

==

イベント告知文プロンプト。

メルマガ作成プロンプト。

X投稿作成プロンプト。

スライド構成プロンプト。

音声文字起こしから記事化するプロンプト。

==

これを持っておくだけで、かなり省力化になります。

毎回ゼロから考えず、同じ品質基準で作れる。

それだけでも大きいです。

また、後述するようなワークフローを作るにも、どんなプロンプトだとどんな生成がされるのかという感覚が重要になってきます。

上級者はワークフローを作る

上級者は、ワークフローを作ります。

• 音声を保存する

• 文字起こしする

• 要約する

• 記事にする

• X投稿にする

• メルマガにする

• スライドにする

• 漫画ストーリーにする

• 動画台本にする

• 告知画像の文言にする

この流れを半自動にしていく。

ただし、何でも完全自動化すればいいわけではありません。

自分が判断するところと、AIに任せるところを分ける。

==

結論や大方針は自分が決める。

構成案と言い回しはAIに出してもらう。

事実確認やデザインの最終判断は人間が見る。

==

これは、AI時代の制作でかなり大事な線引きです。

ソクラテスの「汝自身を知れ」ではないですが、まず自分が何をしたいのか、何を大事にしたいのかを知らないと、AIに渡す指示もぼやけます。

AIに任せる前に、自分の目的地を知る。そういうのが効いてきます。

======

今回の実例は、ポッドキャスト原稿から全部作る流れそのもの

今回の発表そのものが、制作フローの実例です。

AIにインタビューしてもらい、僕が答え、AIが構成し、台本にして、そこから各コンテンツへ展開する。

今記事を作っていて、記事を変換してイベント当日の発表スライドにするのです。

AI活用Bar
https://x.com/RikeiTalk/status/2064906768652857397

AI活用を語るだけでなく、その制作自体にAIを入れています。

第一部、第二部、第三部をAIと作る

今回の僕の方法は、かなりそのまま実例になります。

• まず、AIにインタビューしてもらう

• 僕が答える

• AIが構成を作る

• ポッドキャスト台本にする

• そこから記事化する

• スライド化する

• 漫画化する

• メルマガにする

• X投稿にする

これを一連の流れとして作っています。

つまり、今日の発表そのものがAI活用の成果物です。

AIを使うと、単に時短になるだけではありません。

一つの考えをいろいろな形へ変換できるようになります。

理想の未来から、商品・発信・ファネルまでつなげる

ここで第一部の話に戻ります。

AIは手段です。

だから、最初に理想の未来を言語化する。

==

そこから、商品設計をする。

ターゲットを設計する。

発信を設計する。

販売導線、つまりファネルを設計する。

そのための原稿、記事、スライド、漫画、動画、イベント、メルマガを作る。

==

ここまでいくと、AIは単なる時短ではなく、自分の未来を作るための行動量を増やす仕組みになります。

博士めし、科学系オンラインコミュニティ『理系とーくラボ』、ポッドキャスト『ともよしラジオ』、Substackのような発信やコミュニティ導線も、ただバラバラに作るのではなく、ひとつの未来から逆算して整えていく。

僕自身もそういうファネルや発信習慣を作ろうとしているところです。

==

読者の方も、たぶんこう思っているのではないでしょうか。

自分の専門性や経験を、もっと伝わる形にしたい。個人で稼ぐ力を身に着けたい。

でも、毎回ゼロから作るのは重い。たくさんのメディアにコンテンツを出すのが大変。

どのツールを使えばいいかも判断しにくい。

==

それは自然です。

だからこそ、AIに全部を丸投げするのではなく、まず自分の素材と目的を渡す。

そこから、制作チームとして一緒に形にしていく。

この順番がいいと思っています。

======

まとめ：素材を出し、AIを制作チームにしよう

今回の要点は、AIに代筆させることではありません。

自分の考え、音声、経験、専門性を素材として渡し、文章、スライド、動画、漫画、仕組みへ展開していくことです。

• ゼロから書かせるより、自分の素材を編集させる

• 初級者は、AIにインタビューしてもらうところから始める

• 上級者は、AIに役割を分ける

• 最後の判断、目的、未来の設計は人間が握る

AIは未来を代わりに決めてくれるものではありません。

AIは、あなたの目的地に向かって、クオリティと速度を増やしてくれる存在です。

======

次にできること

とっても優秀な部下が100人いたら、あなたはどんな未来を作りに行きますか。

問いは、結局ここに戻ります。

どんな未来を作りたいのか。

その未来を、どんな形にして人へ届けるのか。

ここを言語化してみてください。理想の未来を言語化するためのカスタムGPTを作ったので、ぜひ使ってみてください。

AIを使う前に、まず“1年後の未来”と“90日ロードマップ”を決めよう。
https://rikei-talk.com/roadmap-gpt/

==

科学系オンラインコミュニティ「理系とーくラボ」では、AI活用や発信、研究者・理系の活動づくりについても話せます。

自分の専門性をどう形にするか、ひとりで考えるのが重い人は、よければご参加を。

理系とーくラボ：
https://community.camp-fire.jp/projects/view/269163

※文系の方も歓迎です

==

今回のAI活用、コンテンツ制作、発信づくりの話題などをSubstackでほぼ毎日発信しているので、ぜひSubstackの購読、フォローをお願いします。

今すぐ登録する

==

また、ポッドキャストでもほぼ毎日配信しています。

音声で聴きたい方は、ぜひポッドキャストも聴いてみてください。

ポッドキャスト『ともよしラジオ』：
https://open.spotify.com/show/3C73XA6VdW3P4D88LJVc7E?si=e1b6111ab7734940

AIを使いたい。

でも、ChatGPT、Claude、Gemini、Codex、Claude Code、Antigravity、Cursor、NotebookLMと名前が増えすぎて、結局どれを使えばいいのか分からない。

そう感じている人は多いと思います。

==

研究、事業、発信、副業、キャリア、イベント運営。

どの領域でもAIは使えそうに見えるのに、自分の仕事に落とし込もうとすると急に手が止まる。

「便利なのは分かる。でも、今日の自分は何を頼めばいいんだ？」

って悩む人もいるかもしれません。

==

今日の話は、単なるAIツール紹介ではありません。

もちろん、主要AIの使い分けも話します。

ただ、一番持ち帰ってほしいのは、もっと手前の問いです。

「とても優秀な部下が100人いたら、あなたはどんな未来を作りに行きますか？」

==

AIは、文章を書いてくれる相談相手であり、リサーチャーであり、編集者であり、開発者でもあります。

でも、こちらがどこへ向かいたいのかを持っていなければ、優秀な部下が増えるほど混乱する。

だから結論はシンプルです。

AIはあくまで手段。

AIで迷ったら、まず目的を設計しましょう。

（この文章は、ポッドキャストの文字起こしからAIで文章を構成し人間が修正した上で投稿しています）

今すぐ登録する

理想の未来とそれを実現するロードマップを設計できるカスタムGPTを配布中なので、ぜひ使ってみてください。

ロードマップ設計→アプデGPTを受け取る：https://rikei-talk.com/roadmap-gpt/

======

AI活用の最初の壁は、ツール選びではなく目的地

AI初心者の壁は、プロンプトの書き方だけではありません。

むしろ最初に詰まりやすいのは、「何に使うのか」が見えていないことです。

==

アカウントを作ったのに使わない理由

AI初心者の方と話していると、よくこう聞きます。

「AIとかChatGPTは気になるんですけど、何に使えばいいのかわかりません」

「アカウントは作ったんですけど、あまりイメージが湧きません」

==

これはかなり自然です。

最初の最初は、僕もそうだったかもしれません。

AIはできることが多すぎるので、入口だけ見ると逆に何も始められない。

大きすぎる食堂に入って、メニューが300種類あって、結局いつもの定食を頼むか、水だけ飲んで帰るみたいな感じです。（帰らないだろうけどｗ）

選択肢が多いほど自由になるとは限らない。

選ぶ基準がなければ、ただ疲れます。

==

だから、まず考えるべきなのは「どのAIがすごいか」ではなく、「自分は何を進めたいのか」です。

研究を前に進めたいのか。

事業準備を軽くしたいのか。

発信を始めたいのか、広げたいのか、クオリティを上げたいのか。

副業の商品設計をしたいのか。

転職やキャリアの方向性を整理したいのか。

専門性や科学の面白さを、もっと社会に届けたいのか。

==

ここが見えてくると、AIの使い方は一気に変わります。

流行っているツールを追いかけるのではなく、自分の未来を前に進めるために、どのAIをどう使うかを考えられるようになる。

ここが大事。

==

電車も車も、目的地があって初めて意味を持つ

電車に乗ること自体は、多くの人にとって目的ではありません。

東京駅へ行く、大阪駅へ行く、その裏には「どこどこの誰かに会いに行きたい」「イベントに参加したい」といった目的があるはず。

目的地があるから、電車に乗る意味が出てきます。

==

車も同じです。

車を買っても、どこへ行くかが決まっていなければ、ただ駐車場に置いてあるだけになる。

AIもそれに近い。

ChatGPT、Claude、Gemini、NotebookLM、Codex、Claude Code。

名前を覚える前に、まず何を実現したいのかを持つ必要があります。

==

古くはソクラテスが「無知の知」を重視しました。

AI時代にも似たところがあります。

自分が何を知らないのか。

何を決めていないのか。

何を言語化できていないのか。

ここを見つけるところから、AI活用は始まるのだと思います。

理想の未来とそれを実現するロードマップを設計できるカスタムGPTを配布中なので、ぜひ使ってみてください。

ロードマップ設計→アプデGPTを受け取る：https://rikei-talk.com/roadmap-gpt/

==

優秀な部下100人がいても、社長が迷うと会社は止まる

今AIを使うというのは、ある意味で、優秀な部下や相談相手が突然近くに何人も現れたような状態です。

文章を書いてくれる。

アイデアを出してくれる。

調査や要約をしてくれる。

スライド構成を考えてくれる。

漫画や画像を作ってくれる。

ツールやアプリまで作ってくれる。

==

冷静に考えると、これはすごいことです。

人を雇おうと思ったら、一人あたり月30万円、50万円、100万円とかかかる。

それが3,000円、1万円くらいで使えるようになっている。

これはかなり大きい。

==

ただし、部下が100人いても、社長である自分が何をしたいのか分かっていなければどうなるか。

全員がバラバラに動きます。

情報は増える。

選択肢も増える。

でも価値は生まれにくい。

==

AIを使えば使うほど、できることは増えます。

できることが増えると、迷いも増える。

だから、AIが賢くなるほど、こちらの目的や理想の未来が大事になるのです。

======

プロンプトより前に、要件定義がある

プロンプトは大事です。

でも、プロンプトより前にあるものがあります。

それが要件定義、あるいは設計です。

==

「いい感じにして」は、だいたいズレる

AIにイベント告知文を作ってもらうとします。

悪い頼み方は、「イベント告知文を書いて」です。

これで思った通りのものが出てきたら、かなりすごい。

AIがこちらのノウハウや背景まで勝手に読み取ってくれるわけではありません。

==

たとえば、ただ告知文を書いてほしいのではなく、こういう条件があるかもしれません。

• 科学好きの社会人向けのバーイベントである

• AI初心者も来る

• テーマは、AIは手段なので理想の未来から逆算して使おう、である

• 第1部、第2部、第3部の構成がある（イベント告知画像添付）

• 親しみやすいけれど、交流や質問が出やすい雰囲気にしたい

==

この情報を渡すと、出力はかなり変わります。

AIの性能が変わったわけではありません。

こちらの渡し方が変わっただけです。

文脈があると、AIは働きやすくなります。

特に目的があると働きやすいし、制約があるほど、自分に合ったものが出てきます。

==

「いい感じにして」は便利な言葉ですが、AIにとっては霧の中で目的地を探すようなものです。

歩けるし、体力もある。

でも、どの方向へ進めばいいのかが分からない。

だから最初に地図を渡す必要があります。

==

AIに渡したい四つの情報

AIへの指示では、目的、文脈、制約、評価基準を渡すといいです。

これはプロンプトの小手先テクニックというより、仕事の依頼そのもの。

人間に頼むときにも、本来は必要な情報です。

==

• 目的：何のためにやるのか、何を実現したいのか

• 文脈：誰向けで、どんな背景があるのか

• 制約：文字数、形式、トーン、避けたい表現、使える素材

• 評価基準：何を満たしたら良い出力なのか

==

たとえば記事を書いてもらうなら、「読者がこのリンクをクリックすることを最大化したい」のか、「専門家にも違和感がないように慎重に書きたい」のかで、出力は変わります。

研究者向けの文章なら、断定の強さも変わる。

イベント告知なら、温度感や参加ハードルの見せ方も変わります。

==

AIに何を聞くかだけではなく、AIにどんな文脈を渡すか。

どんな目的を共有するか。

ここを意識すると、プロンプトの見え方が変わります。

==

入力1を編集してやり直す、という考え方

ChatGPTなどでよくあるのが、入力1に対して出力1が返ってくる。

その出力1が微妙だったとき、次に入力2で「やっぱりこうしてください」と続けるか、入力1そのものを修正してやり直すか、という問題です。

==

最善の出力を作りたいなら、基本的には入力1を編集してやり直した方がいい結果になりやすいです。

なぜなら、微妙だった出力1に続けて修正を頼むと、そのズレた出力に引っ張られることがあるから。

==

もちろん、対話しながら育てるのも大事です。

ただ、「そもそも最初の依頼が曖昧だったな」と思ったら、最初の入力に目的や条件を足してやり直す。もしくは新規チャットでやり直す。

ぜひ比べてみてください。

この感覚がつかめると、AIとの付き合い方がかなり変わります。

======

まずは、かかりつけAIを決める

AIツールは多すぎます。

だから初心者ほど、まずは一つ、かかりつけのAIを決めるのがいいと思います。

==

僕にとってのかかりつけAIはChatGPT

僕の場合はChatGPTです。

日々の壁打ち、思考の整理、相談、検索、文章作成、イベント設計、発信の整理、事業の相談、画像生成。

かなり広い用途で使っています。

==

ChatGPTの良さは、総合力の高さです。

いろいろな期間で業界の上位にいることが多い印象があります。

あらゆる機能をまとめて考えると、まずChatGPTかなと思っています。

==

ChatGPTに限ったことではありませんが、会話しながら考えを深められるのはいいですよね。

一発で正解を出すというより、出力を見ながら「そこは違うな」「もっとこうしたいな」「この方向で深掘りしてほしいな」と調整していく。

初心者向けに変える、表現を変える、別案を出す。

こういう使い方がしやすい。

==

Claudeは文章表現が強い

Claudeは、僕の感覚では文章表現がかなり強いです。

長文の自然さ、文体の柔らかさ、ニュアンス、人間っぽい表現に強みを感じます。

==

ChatGPTとClaudeを簡単にラベリングするなら、ChatGPTはIQが高い、ClaudeはEQが高い、という感覚です。

もちろん厳密な分類ではありません。

両方使ってみると差は分かると思います。

==

僕もChatGPTだけでなく、Claudeにも聞きます。

二人に相談している感じです。

同じ問いを投げて、どちらの答えが自分の目的に合うかを比べる。

これだけでも、AI活用の解像度は上がります。

==

Gemini、NotebookLM、開発系AIの位置づけ

Geminiは、Google連携が強いのかもしれません。

Googleドキュメント、Googleスプレッドシート、Gmail、カレンダーなどとの連携です。

ただ、ChatGPTもGoogle連携できるので、僕自身はChatGPTで困っておらずGeminiは使いませんね。

少し前までは画像出力クオリティがGemini1位だったのでGeminiを使っていましたが、執筆時現在では画像出力1位はChatGPTですね。

==

NotebookLMは、資料を読み込ませるAIという感じです。

普通のチャットとは少し違い、論文、PDF、社内資料、講義資料、自分のメモ、申請要件、募集要項などを読み込ませて使います。

資料の内容から逸脱しない回答がほしいときに向いている。

==

たとえば、資料の要点を整理したい。

申請要件を読み込みたい。

この場合は規約違反なのか確認したい。

論点を抜き出したい。

質問に対して、資料の内容に忠実に答えてほしい。

こういうときに使いやすいです。

回答に資料への引用リンクが付くので、原本を見に行けるのが良いところ。

==

Codex、Claude Code、Antigravity、Cursorなどは、開発系、自動化、ツール作成系のAIです。

日本語で指示をして、自分専用のツールやアプリを作れる時代になってきています。

Chrome拡張機能を作る、自分の定型作業を自動化する、いつも使う処理をボタン一つにする。

そういう領域です。

==

もちろん、エラーもバグも出ます。

指示が曖昧だと、変な方向に進んで、後に引き返しにくい感じになることもあります。

でも、「こういう目的で、こういうときに、こう動いてほしい」と言語化できれば、非エンジニアでも試せる余地がある。

ここはかなりおすすめです。

僕のメルマガに登録すると、AIエージェントプロンプトツクールというものが使えるのでよかったら活用してみてください。

商品設計・集客・AI活用 GPTパック（無料）
https://rikei-talk.com/manga-gpt-pack/

==

無料から始めて、目的が見えたら課金する

最初は無料からでいいと思います。

ただ、どこかのタイミングで有料プランを使うことも検討してほしいです。

無料と有料の間には、信頼性や使える機能の面で無視できない差があります。

==

「これが実現するなら3,000円くらい払ってもいいな」

そう思える目的を作り、課金することをおすすめします。

AIを使うこと自体に課金するというより、自分の理想の未来を進めるために投資する感覚です。

==

ツール探しで止まるのはもったいない。

5分くらい調べて、最適そうなものを一つか二つ触ってみる。

触ると、「これは文章が強いな」「これは資料読み込みに向いているな」「これは開発に寄せた方がよさそうだな」と分かってきます。

さっさと触る。

ここが本当に大事です。

======

AI初心者がやりがちな失敗

AIが使えないのではなく、使い方の前提がずれていることがあります。

一発で完璧を求める、目的を言わない、出典を確認しない、ツール探しだけで止まる。

このあたりは、かなり起きがちです。

==

一発で完璧な答えを求めない

少し使って微妙だったからと、「AI使えないな」と言ってしまう人がいます。

気持ちは分かります。

でも、これはかなりもったいない。

==

AIは一発で完成品を出すものというより、対話しながら精度を上げていくものです。

人間の部下でも同じですよね。

最初に出てきた資料が微妙だったら、「この方向性は違うよ」「ここはもう少し初心者向けにしたいよ」「具体例を増やして」とフィードバックするはずです。

==

AIも同じです。

一発目はたたき台くらいの気持ちで受け取る。

そこから目的に近づけていく。

謙虚になってください。アウトプットが微妙なのは自分の指示が悪いから。

自責思考になると、AIが急に役に立つ相棒になってきますよ。

==

AIと喧嘩しない

AIと喧嘩する、怒る、詰める。

これはあまりおすすめしません。

「なんでこんなこともできないの」

「さっき言ったよね」

「どうして間違えたの」

そう言いたくなることはあります。

僕もやったことがあります。

==

ただ、あまり生産的ではありません。

「なぜそう言ったの」と聞いたときに、AIが本当に内省して説明してくれるわけではない場合が多いからです。

Aという出力が来て、「なんでAと出力したの」と聞くと、それっぽい辻褄合わせの説明をすることがあります。

==

もちろん、理由を聞くこと自体が悪いわけではありません。

その理由をもとにプロンプトを直し、改めて試して、うまくいったら「AIはこういう文脈に反応しやすいんだな」と解像度が上がります。

それは良い使い方です。

==

でも、ただ怒る、詰める、責める。

これは良くない。

目的はAIを反省させることではなく、次の出力を良くすることです。

==

出典確認せずに信じない

AIは流暢に答えます。

間違ったことでも、いかにも正しそうに言います。自信満々に。

ここが怖い。

==

以前、オンラインバーイベントで理系クイズを作ったときに、「これは信じていいのかな」と思うことが何回かありました。

調べてみると、微妙に怪しい。

ぼんやりと勉強になったねと、曖昧な理解のままインプット。

今はだいぶましになっていますが、AIの言うことは信じきらない方がいいです。

==

厳密さが大事なときは、最初からこう頼むのがいいと思います。

「根拠となる出典リンクを併記してください」

==

リンク付きになりやすいですし、根拠のないことを言わなくなる確率も上がります。

ただし、リンクがあるから安心、でもありません。

科学、医療、法律、お金、研究などでは特に、人間が確認する必要があります。

AIは一次情報ではない。

ここは忘れないようにしたいところです。

==

機密情報と個人情報は入れない

これはそのままです。

機密情報や個人情報は入れない。

特に、研究データ、顧客情報、未公開の事業情報、個人が特定される相談内容などは慎重に扱うべきです。

==

AIに頼るほど、入力する情報も増えます。

便利さの反対側に、情報管理の責任がある。

研究者や事業者ほど、ここは丁寧に見たいところです。

======

原理を少し知ると、AIの限界が見える

AIはなぜ間違えるのか。

ここを理解するには、大規模言語モデルの原理を少しだけ知っておくといいです。

専門的に深掘りしすぎなくても、使い方は変わります。

==

LLMは、次に来そうなトークンを予測している

AIは大規模言語モデル、Large Language Model、LLMと呼ばれます。

ざっくり言うと、文脈をもとに次に来そうな言葉を予想するモデルです。

正確には、言葉というよりトークンという単位を扱います。

==

たとえば、「今日は京都でAIのイベントを」と来たとします。

次には「みかん」よりも、「開催します」や「やります」の方が来そうです。

AIは大量のテキストデータから、こういうパターンを学習しています。

==

LLMのベースは、常に辞書を引いているわけでも、ウィキペディアを持っているわけでも、常に検索しているわけでもありません。

文章を数値に変換し、その数値のパターンをもとに、次に来るトークンの確率を計算している。

まずはそう理解しておくといいと思います。

==

言葉を数値として扱う

AIはトークンを数値の列（ベクトル）に変換します。

たくさんの数字が並んでいて、その数値の中に意味や文脈など、いろいろな情報が詰まっているイメージです。

==

猫と犬は近い。

猫と量子力学は普通は遠いけれど、文脈によっては近づくかもしれない。

京都と大阪は近い。

こういう関係が、数値空間の中で表現されます。

==

さらに、TransformerとAttentionの話があります。

Attentionは、日本語では注意機構と訳されることがあります。

何に注意するのかというと、文脈の中のどの単語、どのトークンが重要かです。

==

すべての言葉を同じ重みで見るのではありません。

「この単語を理解するにはこっちが大事」

「この文脈ではここが効いている」

そういう関係を数値的に扱う。

これによって、長い文脈の中でも重要な関係を捉えられるようになっています。

==

事前学習と事後学習

事前学習では、次のトークンを予測する学習をします。

いろいろなテキストから、次に何が来るかを学ぶ。

「吾輩は猫で」と来たら、「ある」が来やすい。

「水は100度で」と来たら、「沸騰する」が来やすい。

==

こういう予想をすごい規模で行い、正解確率を上げる。

その結果、モデルは文法、言葉の使い方、知識の断片、文章構成、プログラムの書き方など、さまざまなものを身につけていく。

「真実とは何か」を直接学習しているというより、文脈から次に来るトークンを予想している。

==

それに加えて、事後学習があります。

人間の指示に従いやすくなるようにする学習です。

ChatGPTなどで「この回答はいかがでしたか」と聞かれ、グッドやバッドを押すことがありますが、そういうフィードバックも学習に使われています。

==

次のトークンを予想できるだけでは、ユーザーの質問に役立つ形で分かりやすく答えられるとは限りません。

そのために、人間のフィードバックによる強化学習（RLHF）が使われます。

これによって、AIは親切だったり、安全だったり、より人間の指示に沿って答えやすくなる。

==

生成時は、一つずつ次のトークンを出している

AIが文章を返すとき、完成した文章をどこかの棚から取り出しているわけではありません。

基本的には、次のトークンを一つずつ選びながら文章を生成しています。

==

しかも、必ず一番確率の高いトークンを選ぶわけではありません。

設定やモデルによって、少しランダム性（温度）を持たせています。

だから同じ質問をしても、毎回違う答えになることがあります。

==

このランダム性は、適度なら創造性につながります。

一方で、上げすぎると不安定さにもつながる。

各社がそのあたりを調整しているのだと思います。

======

ハルシネーションは、構造的な弱点として扱う

AIがもっともらしい嘘を言うことを、ハルシネーションと呼びます。

これはバグというわけではなくて、大規模言語モデルの構造的な弱点として扱った方がよいです。

==

文章が上手いから、危ない

ハルシネーションでは、存在しない論文タイトルをそれっぽく作ってきたり、実在しない引用を作ってきたりすることがあります。

厄介なのが、AIの文章が上手いということ。

下手なら警戒します。

でも、流暢だから信じてしまう。

==

これは、研究者や科学好きほど気をつけたいところです。

「出典があるかどうか」だけではなく、その出典が本当に存在するのか、主張と合っているのか、エビデンスの質はどうなのかを見たい。

査読付きか、研究規模はどうか、再現性はあるのか。

科学では、ここを飛ばすと一気に危うくなります。

==

AIが言ったから正しい、にはなりません。

AIは判断の補助ツールであり、最終判断材料そのものではない。

ここはかなり重要です。

==

「理解していないから使えない」でもない

ここまで聞くと、「AIは単語を予測しているだけで、何も理解していないんですね」と言いたくなるかもしれません。

これは半分そうで、半分違うのかなと思います。

==

人間と同じ意味で理解しているとは言えません。

一方で、膨大なテキストパターンから、概念同士の関係や文脈を高度に学習しています。

単なる予想だから使えない、と切り捨てるにはもったいない。

==

人間と同じように理解しているから信じていい、でもない。

違う仕組みで、言語や概念のパターンを数値的に扱っている。

その結果、人間にとって非常に有用な出力を出せる。

でも、真実を保証する仕組みではない。

この距離感が、AIとの健全な付き合い方につながります。

==

推論モデルにも限界は残る

最近は、推論モデルと呼ばれるものがあります。

通常のチャットモデルや昔のチャットモデルと比べて、複雑な問題に対してすぐ答えを出すのではなく、内部で時間をかけて検討してくれるタイプのモデル・モードです。

だいたいの場合、推論モデルの方がいいのではないかと思いますが、

数学、プログラミング、科学、複雑な計画、論理的な話など、従来のモデルより圧倒的に強い領域があります。

技術的には、推論時により多くの計算資源を使ったり、段階的に処理したりして、難しい問題に対する性能を上げている、という感じです。

==

人間でも、難しい数学の問題を見て3秒で書き始めるより、条件を書き出したり、整理したり、場合分けしたりしてから解く方が正解に近づきやすい。

それに近いものだと捉えればいいのかなと思います。

==

それでも推論モデルにも限界は残ります。

ハルシネーションは減っても残る。

出典確認はした方がいい。

専門分野では専門家に確認した方がいい。

科学は科学者に、法律は弁護士に。

AIが賢くなったからこそ、人間側の検証力も大事になります。

======

AIは答えを出す道具ではなく、思考を前に進める道具

AIは、答えを丸投げする相手ではありません。

むしろ、思考を前に進めるための相棒として使うと強いです。

==

インタビューしてもらう、論点を出してもらう

「最適な◯◯を生成するために、私にインタビューして」

重要なテーマでは、AIに答えを出してもらうだけでなく、自分にインタビューしてもらう使い方が有効です。

論点を出してもらう。

選択肢を広げてもらう。

抜け漏れを見つけてもらう。

反論を出してもらう。

別の視点を出してもらう。

たたき台を作ってもらう。

==

一人で考えていると、同じところをぐるぐる回ることがあります。

研究でも、発信でも、副業でも、キャリアでもそうです。

「いや、分かってるんだけど、何からやればいいか分からない」

こういう状態、ありますよね。

==

AIに壁打ちすると、論点が増えます。

万能プロンプトはこれです。

「最適な◯◯を生成するために、私にインタビューして」

いろいろな方向から見える。

抜け漏れが減る。

水平思考がしやすくなる。

コンサルを受けているように、解像度を上げていける。

いつでも相談できることは、本当に大きいです。

==

研究者ほど、AIに任せる部分と人間が握る部分を分けたい

研究者や博士、科学に近い仕事をしている人ほど、AIの使いどころは広いと思います。

論文調査、データ整理、仮説づくり、分析、考察。

それだけではなく、申請書、書類作成、発表資料、事業、雑務、記録整理、メモ整理もある。
本来注ぐべき領域に時間を戻すために、AIはかなり使えます。

==

ただし、全部をAIに任せるわけではありません。

何をAIに任せるのか。

何を人間が判断するのか。

どこで出典確認するのか。

どこで専門家の目を入れるのか。

この切り分けが必要です。

==

AI活用の価値は、プロンプトを書くことだけではありません。

ボトルネックを明確にすること。

最適な手法を見定めること。

小さく試せる形にすること。

ここまで含めて、AI活用です。

==

理想の未来があると、AIは一気に強くなる

最後は、最初の話に戻ります。

AIが賢くなればなるほど、こちらの目的や理想の未来が大事になります。

優秀な部下が増えれば増えるほど、社長の意思決定が大事になる。

==

どんな未来を作りたいのか。

何を前に進めたいのか。

どんな行動量を増やしたいのか。

仕事、研究、副業、発信、キャリア。

自分の専門性を社会に届けること。

好きなものや科学を、仕事や活動につなげること。

あるいは、人生全体としてずっとやりたかったけれど後回しにしていたことを実現すること。

==

ここが見えてくると、AIは一気に強力な味方になります。

逆に、ここがないままAIを増やすと、情報と選択肢に振り回される。

AIで迷ったら目的に戻る。

手段で迷ったら、理想の未来に戻る。

この感覚を持っておくと、かなり使いやすくなるはずです。

======

まとめ：AIは目的地から逆算して使おう

今回の話の要点は、AIツールを覚えることよりも、AIを使う目的を言語化することです。

主要AIの使い分けも大事ですが、それは目的地があって初めて意味を持ちます。

==

• AIは手段であり、目的ではない

• まずは、かかりつけAIを一つ決めて触ってみる

• プロンプトより前に、目的、文脈、制約、評価基準を渡す

• LLMは次のトークンを予測する仕組みなので、ハルシネーションは起こるものとして扱う

• AIは答えを丸投げする相手ではなく、思考を前に進める相棒として使う

==

AIを使いこなす人は、プロンプトをたくさん知っている人だけではありません。

自分の目的地を言葉にできる人です。

何をしたいのか。

どんな未来を作りたいのか。

どこをAIに任せ、どこを人間が握るのか。

そこが見えてくると、AIはかなり頼もしいチームメンバーになります。

==

理想の未来の言語化は、なかなか一人ではできないこともあります。

僕もいろいろな人に壁打ちさせてもらいながら、整理してきました。

だからこそ、AIにも人にも聞きながら、自分の目的地を少しずつ言葉にしていくのがいいと思っています。

======

次にできること

今日この後にできることは、シンプルです。

いま自分がAIに頼みたい作業を選ぶ前に、「私は1年後どう生きていたいのか？」を考えてみましょう。

理想の未来とそれを実現するロードマップを設計できるカスタムGPTを配布中なので、ぜひ使ってみてください。

ロードマップ設計→アプデGPTを受け取る：https://rikei-talk.com/roadmap-gpt/


==

科学系オンラインコミュニティ「理系とーくラボ」では、研究、AI活用、発信、キャリアの壁打ちなどを、メンバー同士で相談しながら進められます。

週次・月次で振り返り→計画の作業会もやってるので、ともに夢実現に向かって走る仲間が欲しい方はぜひご参加ください。

理系とーくラボ：
https://community.camp-fire.jp/projects/view/269163

※文系の方も歓迎です

==

今回のようなAI活用、研究者の働き方、発信、コミュニティ運営の話題などをSubstackでほぼ毎日発信しているので、ぜひSubstackの購読、フォローをお願いします。

今すぐ登録する

==

また、ポッドキャストでもほぼ毎日配信しています。

音声で聴きたい方は、ぜひポッドキャストも聴いてみてください。

ポッドキャスト『ともよしラジオ』：
https://open.spotify.com/show/3C73XA6VdW3P4D88LJVc7E?si=e1b6111ab7734940

1.テキストで読みたい方はSubstackで購読(無料)／フォローをお願いします！：

⁠https://substack.com/@tomo141⁠

2.【初月無料】科学系オンラインコミュニティ『理系とーくラボ』はコチラ↓

⁠https://community.camp-fire.jp/projects/view/269163⁠

どうも、ともよしです。

この番組では、理系博士のともよしが、AIや事業を駆使して「科学や研究」といった、自分の〝好きなこと〟で生きていく様子を毎日発信しております。

共に挑戦し、科学を楽しむ僕たち「各分野の専門家や、科学好き」の仲間になりませんか？

科学系オンラインコミュニティ『理系とーくラボ』

⁠https://community.camp-fire.jp/projects/view/269163⁠ 

3.ともよしとZoomしてみる（相談や雑談など、ぜひ！）

https://my913p.com/p/r/IRuUl8zv

科学や研究、事業や副業など、お話できたら嬉しいです♪　面識のない方も、お気軽にどうぞ！

非エンジニアでもAIで便利ツールを作れるようになったのは、とても楽しいことですよね。

CodexやClaude Code、AntigravityのようなAIエージェントに頼めば、自分好みのツールが、瞬時に形になることがあります。

==

でも、途中で

「なんか違う」
「直しているはずなのに、どんどん変な方向へ行く」

となることもありますよね。

最初は軽い気持ちで始めたのに、気づいたら謎の何かが絡まり合って、カバンの中でイヤホンが固結びにしているような状態になる。

==

今日は、AIでツールを作る前に要件定義をしよう、という話です。

重たい仕様書ではなく、何ができてほしいのかをAIにインタビューしてもらいながら言語化する。そのひと手間で、成功確率がかなり変わります。

（この文章は、ポッドキャストの文字起こしからAIで文章を構成し人間が修正した上で投稿しています）

今すぐ登録する

======

最初のプロンプトは適当でもいい

いきなり矛盾するようですが、最初のプロンプトは適当でもいいと思っています。

「こういうのが嫌で、こうなったら嬉しいので、これを実現するツールを作ってください」

これで動くものができることも普通にあります。

特に、自分だけが使う小さなツールなら、まず雑に投げて試してみるのは悪くありません。AIエージェントの良さは、初速が速いところです。

==

ただし、苦戦し始めたら話は別です。

何回も微修正しているのに思った方向へ行かない。

こうなったら、やり直してみるのが吉。

そして、作り始める前に要件定義をする。

======

要件定義は、AIにインタビューしてもらえばいい

要件定義という言葉を聞くと、仕様書、設計書、開発会社、見積もり、みたいなものを想像するかもしれません。

でも、ここで言っている要件定義はもっとシンプルです。

どんなものができてほしいのかを、はっきりさせること。

==

自分で最初から全部書かなくて大丈夫です。

たとえば、こう頼みます。

「こんなツールを使いたいんです。最適なツールを作るために要件定義したいので、私にインタビューしてください」

==

すると、AIがいろいろ聞いてくれます。

• ブラウザで動くのがいいのか

• Macアプリのような形がいいのか

• 自分用なのか、配布したいのか

• お金がかかってもいいのか、無料でやりたいのか

こういう質問に答えていくと、自分では見えていなかった前提が出てきます。

こちらの中にある曖昧な願望を、質問によって少しずつ取り出していく。AIに作らせる前に、人間側の欲しいものを取り出す必要があるんですよね。

==

要件定義がある程度できたら、次にこう頼みます。

「これをCodexアプリに投げて、ツールが完成するようなプロンプトを書いてください」

使うツールが違うなら、その名前に置き換えればOKです。

======

15秒の依頼では、同じものは作られない