AI活用は「高性能AIを使うこと」ではない

けんさん

案内人

個人事業主として、Web・写真・AI活用などに日々向き合っている案内人。現場で試しながら、本質を丁寧に整理する。

まりなさん

受け手

けんさんのアシスタント。一般人目線で素朴な疑問や感想を代弁し、読みやすさをサポートする。

AI先生

整理係

日々の対話相手であるLLMを擬人化した存在。親しみを込めて「先生」と呼ぶ、構造化の頼れる相棒。

まりなさん受け手 — 導入

高性能AIって聞くと、つい「それを使えばすごい成果が出るのかな」って思っちゃうんですけど…実際どうなんですか？

けんさん案内人 — 本質化

そうだなぁ… 実はそこ、AI活用でいちばん誤解されやすいところなんだよね。今日はコストの話から、その先の考え方まで一緒に整理していこう。

ONE PAGE SUMMARY

AI活用とは、必要な分だけ自分自身を一時的に拡張すること。

「高性能AIを使うこと」そのものは、AI活用の本体ではない。

1

仕事を分解する

工程に分けて見る

2

ボトルネックを見つける

詰まっている所

3

必要な分だけAIで拡張する

自分を一時的に増員

4

配置を見直す

効果を見て判断

ここからひとつずつ、図で整理していきます。

AI先生整理係 — 構造化

整理すると、流れは4段階です。仕事を分解し、ボトルネックを見つけ、必要な分だけAIで拡張し、効果を見て配置し直す。今日はこの流れに沿って進みます。

01

「高性能AIを使うこと」はAI活用ではない

誤解されがちな点

性能の高いAIを使うことが、AI活用である

「どのAIが一番賢いか」「最新モデルはどれくらいすごいか」という話に、つい意識が向きやすい。

正解

今の自分に、その能力拡張が本当に必要かを判断すること

モデルが優秀かどうかとは別の問題。これは仕事、時間、お金、役割の再設計の話になる。

02

AIコストの意味は、誰が使うかで変わる

AIには必ずコストがかかる。そのコストを何として捉えるかは、利用場面によって大きく変わる。

まりなさん受け手 — 代弁

会社だと人件費と比較すればいいのは分かるんですけど…個人で使うときは、何と比べたらいいんですか？

けんさん案内人 — 現場確認

そこがポイントで、時間・成果・体験の3つで考えるといいんだよね。「儲かったか」だけで測ろうとすると、個人利用はすぐ行き詰まるから。

01

日常生活

個人の支出として捉える。時間・体験・成果に見合うかで判断する。

02

会社員としての個人業務

生産性への投資として捉える。自分の時間削減に見合うかで判断する。

03

会社としての導入

業務経費として捉える。人件費・業務効率・成果との比較で判断する。

04

クライアント案件

原価・案件経費として捉える。案件利益の中で回収できるかで判断する。

05

自分の事業・販促

事業投資として捉える。将来の売上・時間・機会損失との比較で判断する。

会社

人件費と比較する

AI利用料月30,000円／削減時間月20時間／時給換算3,000円とすると、20時間×3,000円＝60,000円の人件費・時間を削減できる。30,000円の投資で60,000円相当を削減——合理性がある。

個人

時間・成果・体験で考える

時間価値（どれだけ時間を取り戻せるか）、成果価値（一人では得られない成果か）、体験価値（ストレスや負担が減るか）の3つで判断する。

03

必要品質を超えた性能は、過剰コストになる

低コストAI

80点

目的が十分に達成できるなら、95点を得るための追加コストは不要。

高性能AI

95点

重要なクライアント提案・大きな意思決定・失敗コストが高い仕事では、この15点に価値がある。

必要な成果を満たす最小コストのAIを選ぶ。
最も賢いAIを選ぶのではなく、目的に必要なAIを選ぶ。

04

AIは「優秀な部下」ではなく「自分自身の能力拡張装置」

まりなさん受け手 — ツッコミ

え、AIって優秀な部下みたいなものだと思ってました…！違うんですか？

AI先生整理係 — 訂正

少し違います。AIは自分とは別人格の誰かというより、自分の言葉や文脈をもとに推論を広げる装置と考えると分かりやすいです。返ってくるものは、自分が差し出した言葉を起点に広げられた推論なんです。

1

自分の言葉・文脈

目的・材料

2

AI＝推論の拡張幅

モデルにより広さが違う

3

広がった推論・成果

自分では届かなかった先

05

モデル選択は「タスク」でなく「工程」で変える

「この仕事にはこのモデル」と固定する必要はない。一つの仕事の中でも、工程ごとにモデルを変えられる。

上流 → 高性能AI

目的整理・要件定義・設計・仮説・構造化

最も推論負荷が高い工程。ここにだけ高性能AIを投入する。

下流 → 低コストAI

実装・修正・変換・定型処理

正解の型がある工程。低コストなモデルへ切り替える。

実例 — 高性能AIへ100ドル課金した判断

クライアントのWebサイト設計

計画・サイト設計・構造整理・モック・土台づくりといった上流工程にのみ高性能AIを約30ドル分使用。その後の実装フェーズはOpus・Sonnetなど、より低コストなモデルへ切り替えた。全工程を高性能AIで処理したわけではない。

06

AI活用の判断フロー

1小さくAIを試す

メール文章を整える・会議メモを要約する・情報を分類するなど、身近なところから。

2効果を確かめる

時間が減った・精度が上がった・ストレスが減ったか。効果がなければ「使わない」という判断も、それはそれで成熟したAI活用。

3繰り返しが多いかを見る

入力が決まっていて、同じ作業が何度も発生するなら自動化を検討。少なければ、都度AIに任せればよい。

4高度な推論が必要かを見る

複雑な判断・上流設計・重要な意思決定なら高性能AI。そうでなければ低コストAIで十分。

07

「性能が高い」と「自分に必要」は別

AIそのものの評価

推論能力・文脈理解・精度

推論能力が高い、文脈理解が優れている、精度が高い、複雑な仕事に強い。

自分の利用判断

今、この仕事に必要か

今この仕事に必要か、コストに見合うか、低コストモデルでは不足か、本当に今使う必要があるか。

「優秀である」と「自分に必要である」は一致しない。

08

自分の仕事を分解してみる

AIを使う前に、自分へ問いかける。

01この仕事は本当に必要か
02どの工程に時間がかかっているか
03AIで楽になるか
04AIを使わなくてもよいか
05高性能AIまで必要か
06そのコストは何によって回収できるか

まりなさん受け手 — 理解確認

なるほど〜！「このAIはすごいか」じゃなくて「今の自分に必要か」を先に考えるってことなんですね。

けんさん案内人 — 次の一手

そういうこと。まずは自分の仕事をひとつ、工程に分解してみるところから始めてみるといいよ。

AIは「優秀な誰か」ではなく、
必要な瞬間だけ増やせる、自分自身なのかもしれない。