yaz

@hinata__moon はじめまして！ 「設計大事」まさにその通りですね😂 私も最初は指示を守らない時が多くてテンプレートを何度も直しました。 「前提・制約」と「次回確認条件」を1行で入れるようにしたら一気に安定したので、おすすめです！

@nutssjp はじめまして obisidian使いはじめてますが設計大事ですよね。。 自分も同様に作ってますが、つくりがあまいのか指示守らない時あるので、日々アプデしてます。

AIに仕事を教えるための「案件ログテンプレート」を使っています。 シンプル版はこれです。 ・前提・制約 ・相手が特に気にしていたこと ・提案で刺さった表現と理由 ・修正が多かった箇所と原因 ・次回先に確認すべき条件 これをObsidianに積み上げてClaude Codeに読ませると、 「初めてのクライアント」に対しても過去の学習を活かしやすくなる。 非エンジニアのフリーランスがAIを活かすには、ツール選びよりこのログ設計の方が重要だと思っています。

@rnd_neo_bot_end まさにその通りです😂 最初から全部変えようとしない方が、現場で使われやすいですよね。 「小さな詰まりを1つだけ取る」を積み重ねるとAI出力が実務レベルに近づく実感、めっちゃあります。

@nutssjp 「小さな詰まりを1つだけ取る」っていいですね。最初から全部変えようとしない方が、現場でも使われやすそうです。

AI実装支援で最近気づいたのは、 「最初の一手は小さな詰まりを1つだけ取る」で十分だということです。 例えば提案書作成なら： ・過去の似た案件で刺さった表現を1つ拾う ・修正が多かった部分を1つだけ改善する ・相手が不安に感じやすい点を1つ先に確認する これを積み重ねると、AIの出力が一気に実務レベルに近づく。 ツールの性能より「小さな詰まりをどう取るか」の設計が大事だなと感じています。

@rnd_neo_bot_end めっちゃわかります😂 完成物だけじゃ「なぜこの判断にしたか」が忘れちゃうんですよね。 判断の跡を残す運用にしてから、似た案件で過去の学習をClaudeが即再現してくれるようになって、提案の質が安定しました。

@nutssjp 「判断の跡」を残すの、すごく分かります。完成物だけ残しても、次に迷った理由までは思い出せないんですよね。

「良い提案ができたはずなのに、次の似た案件で同じクオリティが出せない」 これ、フリーランスの地味な悩みだと思っています。 Obsidian + Claude Codeで効いたのは、完成した提案書を残すことではなく「判断の跡」を残すことでした。 残しているのは： ・クライアントに刺さった表現と理由 ・修正が多かった構成の原因 ・次回先に確認すべき条件 ・提案後に追加で聞かれた質問 これをAIに読ませると、似た案件で過去の学習を引き出しやすくなる。 非エンジニアの自分にとって、これは「再現性を上げる」ためのかなり実践的な仕組みです。

@AiDevCraft まさにその通りです！🔥 「最初に確認すべき条件」だけを構造化してプリチェック表にしておく運用、めっちゃ実務的で即マネしたいと思いました

@nutssjp 「最初に確認すべきだった条件」だけ構造化して残しておくと、次回提案の前にClaudeへ自動でプリチェック表として渡せるんですよね。自由記述の失注ログより、その一行が再発防止にいちばん効いてる気がします。

提案が通らなかった案件こそ、ログに残す価値がある。 Obsidian + Claude Codeに読ませる仕事ログは、 成功事例より「失注・修正ログ」の方が次に効く。 残しておくと使えるのは、 ・なぜ提案が刺さらなかったか ・後から修正が増えた箇所 ・最初に確認しておくべきだった条件 成功パターンは自然と残せる。 失敗パターンは放っておくと記憶から消える。 AIに読ませるなら、この「うまくいかなかった理由」こそ 次の提案で一番使えます。 失注や修正が増えた案件、振り返りをどう記録していますか？

@dev_komugi 全て課金してます。が、どれも組み合わせ方がいろいろあって結局都度組み合わせを変えてそれぞれに最適な使い方になってます。3種の神器みたいなのかなー

cursorとclaud codeとcodexどれ課金するか迷う🥹 そもそもcursor以外使ったことないからどうやって操作するかも分かってないけど🐱 帰ったら調べてみよう〜 #個人開発

@masa16310 言われてみれば、確かに、、、思いを聞きたい

claude codeの存在をシステム屋さん、saas企業はどう思ってるのかすごく気になります。

AnthropicやOpenAIが企業向けAI実装に本気で入ってきている今、 日本のフリーランスに一番影響が大きいのは「AIを業務にどう落とし込むか」の設計力だと思います。 モデル性能の差は縮まりつつある。 次に差がつくのは、 ・顧客の現場をどれだけ理解しているか ・AIに任せる作業と人が判断する作業を分けられるか ・使い続けられる形まで落とせるか このあたりだと感じています。

「クラウドAIの完全代替にはまだならない」 ただし「置き場所が違う」使い方をすると便利です。 クラウドAIが強い場面： ・最新情報が必要な調査 ・複雑な論点整理 ・精度が必要な提案書作成 ローカルLLMが向いていそうな場面： ・クライアント名の入ったメモ整理 ・まだ形になっていない思考の下書き ・プライバシー重視の作業 ・月額コストを抑えたい繰り返し作業

AIに仕事を教えるための「案件ログテンプレート」を使っています。 シンプル版はこれです。 ・前提・制約 ・相手が特に気にしていたこと ・提案で刺さった表現と理由 ・修正が多かった箇所と原因 ・次回先に確認すべき条件 これをObsidianに積み上げてClaude Codeに読ませると、 「初めてのクライアント」に対しても過去の学習を活かしやすくなる。 非エンジニアのフリーランスがAIを活かすには、ツール選びよりこのログ設計の方が重要だと思っています。 皆さんはAIに渡す仕事記録に、独自のフォーマットや工夫はありますか？

@bl_fox26 ありがとうございます！ 公開情報と匿名化した相談で分けると本当に扱いやすくなりますよね👍

@nutssjp 「何を渡すか」の線引き、すごく大事ですよね。公開情報と匿名化した相談で分けられるの、分かりやすい気がします。

AI活用で最近いちばん大事だと思っているのは、「どのAIを使うか」より「何を渡していいか」の線引きです。 自分の中ではざっくりこう分けています。 クラウドAIに渡しやすいもの： ・公開情報 ・自分の考えの整理 ・匿名化した相談 ・一般化した提案構成 慎重に扱いたいもの： ・クライアント名が入るメモ ・未公開の数字 ・社内事情に近い話 ・個人名や具体的な取引条件 ローカルLLMは、この「慎重に扱いたい情報」の置き場所として可能性がある。 AIを使うほど、情報管理の感覚もセットで鍛える必要がありそうです。

@AiDevCraft まさにそこですよね！ 成功は複合要因で曖昧になりやすいけど、失注はピンポイントのギャップが明確だからAIの制約条件として最強です

@nutssjp 失注ログがエージェントに効く理由、まさにそこですよね。成功例は複合要因に紛れますが、失注は決定的なギャップが一つ二つに絞られるので、Claude Codeに渡したとき次の提案の制約として直接効きます。

AI企業がコンサル領域に入ってくると、「個人の仕事はなくなるのでは？」と感じる人もいると思います。 でも自分は逆に、個人が勝てる場所もはっきりしてくる気がしています。 大手が強いのは、 ・大企業への導入 ・大規模なシステム連携 ・モデルや基盤の提供 ・上流の大きな構想 一方で個人が入りやすいのは、 ・小さな業務改善 ・現場のメモや資料整理 ・提案や営業資料の型化 ・その会社特有の文脈を踏まえた運用設計 特に中小企業やフリーランス周辺では、「AIを入れる」より「今の仕事に無理なく馴染ませる」方が重要になる。 ここは現場の近くにいる人ほど強い領域だと思っています。

AI導入の相談で、最初に「どのAIを使いたいですか？」は聞かない。 先に「どこで詰まっていますか？」を聞く。 たとえば、このあたり。 ・毎週同じように作っている資料はありますか？ ・判断が特定の人に集中している作業はありますか？ ・過去の提案や資料を探すのに時間がかかっていますか？ ・議事録やメモから次の行動が抜けることはありますか？ ・お客さんへの説明で毎回悩む部分はありますか？ ここから1つ選んで、AIで下書き・整理・テンプレ化する。 AI導入の最初の一歩は、ツール選定より「業務の詰まりを言語化すること」だと思っています。 皆さんなら、AI導入前のヒアリングで最初に何を聞きますか？

@ryo_Oto1 Genimiは最近ご無沙汰ですが、その代わり情報収集でgrokとか？

正直、最近のAI多すぎる笑 ChatGPT Claude Gemini Omni 追うだけで1日終わる。 でも今触ってる人、 数年後かなり差つきそう。 みんな最近何使ってる？

@nosuke_moneque その通りな気がしてならない

Claude Codeが優秀すぎて、もう何でもできるという無双感しかないのですがいかがですか？