AIの使いどころは、自分で見つけるしかない

※2026年9月時点

道具の極め方より先に、自分の仕事のどこで使うか。使いどころは事業そのものなので、他人には決めてもらえない。だから事例をたくさん見て、勘所を自分の中に育てるしかない。

1. 「講座を受ければ、使えるようになる」のか

Claude Code講座、数万円。 そういう案内を見かけることが増えた。

私はシステムを作る側で長く働いてきて、いまは道具としてAIを毎日使っている。 その立場から正直に言うと、数万円で効果が出るのかは怪しいと思っている。

講座が悪いと言いたいのではない。 操作は覚えられる。 ただ、操作を覚えて帰ってきた翌日、画面の前で手が止まる。

この一言が出た時点で、講座代は寝てしまう。

読者が本当に知りたいのは、道具の極め方ではない。 「うちのこの業務に、AIをこう使えるよ」という事例だ。 私も、ずっとそれが欲しかった。

2. 使いどころは、他人には作れない

では事例を教えてくれ、となる。 ここで、書く側として白状しておきたいことがある。

個別のユースケースに対応して教えることは、できない。 八百屋の仕入れと、税理士の月次と、工務店の見積りでは、AIに渡すものも、返ってきてほしいものも、全部違う。 それぞれの現場を知らない私が「あなたの場合はこう」と書いたら、それは嘘になる。

できるのは、事例を並べることまでだ。 その中から自分の業務に近いものを見つけて、自分の形に作り直す。 この作業だけは、読む側にやってもらうしかない。

私自身の話をすると、この記事を出しているサイトは、記事の管理も、決済も、会員登録も、AIと一緒に作った。 それができたのは、Claude Codeの操作が上手だったからではない。 「記事を売る」「作業フォルダを売る」と決めていて、作るものが先にあったからだ。 道具は、その後から追いついてきた。

3. 「全部AIに任せればいい」も、危ない

逆の極端もある。 ユースケースなんて考えなくても、全部AIに投げればいいじゃないか、という話だ。

これも危ない。 AIは自信満々に間違える。 確認していない事実を、それらしく書く。 量をこなすのは得意だが、曖昧な判断と、責任を引き受けることはできない。 この特性を知らないまま任せると、間違いが静かに業務の中に入り込む。

くわしくはこの記事でエージェントAIの得意と苦手AIの得意と苦手の線引きは、この記事にまとめています。

つまり、使いどころを決めるには「自分の業務」と「AIの特性」の両方を知っている必要がある。 そのAIの特性の中で、私が一番大事だと思っているものを次に書く。 片方だけでは決まらない。

4. AIは、データがあるところから効く

もうひとつ、使いどころを探すときに私が最初に見るものがある。 そこにデータがあるか、だ。

AIは、渡されたものを読んで、書いて、数える道具だ。 だから、渡せるものが手元にある業務から効いていく。 請求書のPDFがフォルダに溜まっている。 問い合わせのメールが受信箱にある。 売上が会計ソフトに入っている。 こういう場所は、AIに渡すものがすでにあるので、明日から効率化できる。

逆に、見積りの根拠が職人の頭の中にしかない。 注文は電話で受けて、手元のメモに書いている。 こういう場所では、AIは何も読めない。 どれだけ道具が上手でも、渡すものが無ければ止まる。

だから使いどころの候補が出たら、「そこにデータがあるか」で最初にふるう。 無ければ、AIより先に「記録する」という仕事が来る。 記録が始まれば、それ自体が小さな効率化で、半年後にはAIの効く場所になっている。

5. 「めんどくさい」から始まるループ

ここまでの話を人にすると、だいたい同じ反応が返ってくる。

その通りで、専門家に聞けば早い。 ITコンサルの仕事はそこにあって、需要があるから成り立っている。 私も作る側にいたので、個別のケースに対応するには人が動き、人が動けば費用になることは理解している。 資金に余裕があって、全部外注で回る会社なら、それでいい。 それは立派な選択だ。

ただ、ひとつだけ引っかかることがある。

ユースケースとは、業務のどこに時間がかかっていて、どこで判断が生まれていて、どこが手放せないか、という話だ。 言い換えると、業務プロセスのキーポイントそのもので、事業そのものと言っても言い過ぎではない。

それを外に出すと、どうなるか。 「うちの仕事のどこにAIが効くか」を、自分の言葉で説明できないままになる。 すると次に道具が変わったとき、また誰かに聞くしかない。 めんどくさい、専門家へ、また変わる、また専門家へ。 このループは、費用が続く限り回り続ける。

外注するなら、順番だけは守りたい。 使いどころを決めるのは自分。作るのを頼むのが外注。 どこまでを頼むかの線引きは、この記事に書いた。

くわしくはこの記事でどこまで内製、どこから外注？内製と外注の線を、作る難しさと止まったときの重さの2軸で引く話です。

6. だから、事例をたくさん見る

自分で決めるしかないと言われても、何も見ずに決めるのは無理だ。 私も、ゼロから思いついたことは一度もない。 人がやっている例を見て「これ、うちの発注書でもできるのでは」と思ったところから、全部始まっている。

だから事例を見る。 1つではなく、たくさん。 見るときに、私が気をつけているのは3点だけだ。

この3点で事例を見ていると、道具が違っても、業種が違っても「型」が見えてくる。 その型の数が増えるほど、自分の業務を見たときに「ここは任せられそうだ」と感じられるようになる。 それが勘所で、私がこのサイトでやりたいのは、講座ではなく、この勘所を渡すことだ。

AIから何が出てくるのか、何が速くなり何が速くならなかったのかは、私の実例で別に書いた。

くわしくはこの記事でAIで生み出せるもの、速くなる仕事AIに実際に生み出させたものと、速くなった仕事の3条件、速くならなかった仕事の記事です。

事例を見たあとに自分の1週間を書き出すと、当てはめ先はだいたい見つかる。

くわしくはこの記事で任せる仕事は1週間の中にある任せる仕事を、自分の1週間の記録から選ぶ手順です。

7. 講座を受けるなら、その後で

Claude Code講座を否定したいわけではない。 使いどころが決まっている人にとって、道具の講座は効く。 私が怪しいと言っているのは、順番が逆になっているときだけだ。

まずは事例を見て、自分の業務の中に「ここかも」を1つ見つける。 それだけで、講座もAIも、まったく違う道具になる。