JOURNAL — 2026-08-02
プログラマーではない私たちは、AIエージェントをどう使うのか
AIエージェントを何に使うかという用途を探すのではなく、自分の仕事や生活の中で感じている不便を実装可能な構造に分解し、小さく作って試す循環を紐解きます。
AIワークデザイン実践サイクル
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。
AIの仕組みや開発の手順は一通り体験できました。でも、プログラマーではない私は、結局このAIエージェントを何に使えばいいんでしょうか。具体的なアイデアが湧かなくて。
そうだなぁ。何に使えばいいかをAIの用途一覧から探し始めると、作った本人が使わないデモツールになりがちなんだよね。大切なのは、技術から考えるのをやめて、自分の仕事や生活の不便から逆算すること。その実践サイクルを図にしてみたよ。
ONE PAGE SUMMARY
今日の核心は、仕事の不便を分解して、小さく試す循環を始めること。
知識を得るチュートリアルを終え、今日から現場での実践をスタートします。
知識のインプット
概念や全体の仕組みを知る。
現実への接続
仕事や生活に戻り、不便を発見する。
世界の分解
AI・プログラム・人間の役割分担。
実践と資産化
小さく試作し、Skillや部品を蓄積する。
- 知識から問題への逆転
- 実装可能な構造への分解
- 試作による仮説検証
- 失敗の共通資産化
ここからひとつずつ、図で整理していきます。
このサイクルは単にアプリを作って終わりではありません。不便を観察して小さく作り、実際に使って得た失敗や修正を共通部品として資産化していくという、継続的な学習と成長のループを示しています。
用途から考えてはいけない（現場の問題からの逆算）
「AIエージェントで何ができるか」を調べて使えそうな用途を探そうとすると、必要とされない多機能なツールを作ってしまいがちです。正しい順序は、現場にどのような問題があり、現在はどのように人間が対処しているのかという泥臭い現状分析から始まります。
用途一覧からアイデアを探す
AIエージェントの便利な機能や用途の一覧から、使えそうなアイデアを探してアプリを開発する。
現場のボトルネックから設計する
まず現場の負担やボトルネックを特定し、人間が行っている判断や作業の手順を観察する。そのうえで、どこをAIに任せ、どこを通常プログラムに任せ、どこを人間に残すかを設計します。技術から考えてはいけません。
技術の機能から考えるんじゃなくて、目の前の面倒な仕事や、仕方がないと諦めていた不便から出発するべきなんですね。
その通りだね。自分の現場を深く観察して、合理的な仕事の進め方を設計することこそがツール作りの第一歩なんだよね。
非プログラマー開発者の本当の強み
AI開発ツールが登場した現代において、すべてのコードを自分で書く専門的なプログラミング能力だけが開発の強みではありません。本当に価値を持つのは、現場の問題を理解し、それをAIとプログラムが動く構造へと翻訳できる能力です。
仕様書通りに実装する
言語やフレームワークの深い文法知識、仕様書通りに機能を作成する正確さ、手動での長時間のプログラミング作業。
現場と仕組みをつなぐ
実務経験から来る深い業務理解と問題意識、AIとプログラムと人間の協調関係の設計、AIツールを活用した迅速な試作と仮説検証。
コードを自力で書くのはAIが手伝ってくれるから、私たち非プログラマーの現場経験やコミュニケーション能力そのものが、設計の強い武器になるんですね。
整理すると、アプリケーションがどのような部品で構成され、データの入力・処理・保存がどこで行われているかという全体像の技術理解は必要です。しかし、すべてを一人で実装するプログラマーになる必要はありません。
AIエージェントを活かすべき仕事と使わない処理
AIエージェントは万能ではありません。適材適所の設計を行うために、AIに任せるべき仕事と、通常プログラムに任せるべき処理を明確に区別します。曖昧さや手順の揺らぎがある部分はAIエージェントに、正確性と再現性が必要な部分は通常プログラムに任せます。
揺らぎと曖昧さがある領域
自然言語の解釈、状況に応じた判断の変更、複数ツールをまたがる、人間の思考に近いプロセス。音声やメモからのタスク抽出、状況に応じた質問の生成、下書き作成など。
確定性と正確性が求められる領域
数値計算、バリデーション、データ保存など、絶対にミスなく決まった手順で処理すべき領域。金額計算、DB保存、メール自動送信やデプロイ実行など。
なんでもAIにやらせようとすると、コストも高くなるし、間違えたときの影響も大きいから、確実な作業はプログラムに任せて、AIは意味の解釈に集中させるのがいいんですね。
そうだね。さらに、金銭や送信、削除といった重大な最終判断は人間に残すという設計が、実務で安心して使えるシステムにするための鍵なんだよ。
学びを人生と価値観へ統合するサイクル
技術的な知識を学ぶチュートリアルはこれで終わりです。ここから先は、自分の仕事と生活に戻り、実践を繰り返すことで学びを本当の力に変えていきます。不便を我慢するのをやめ、構造に分解して捉え、小さく形にして自分で使い、失敗を蓄積していく循環を始めます。
不便の観察
日々の「面倒」を構造として見つめ直す。
業務の分解
情報・判断・処理・確認・出力に分ける。
小さな試作
一つの入力と整理の仕組みを作り、自分で使う。
資産の蓄積
失敗や修正をプロンプトや共通部品へ移す。
補足すると、この小さな循環を繰り返すうちに、最初は自分専用だったツールが、やがて他の人の問題を解決する価値提供ツールへと育っていきます。
完璧なものを最初から作るんじゃなくて、今日困ったことを一つ良くする仕組みから始めて、それを自分のSkillとして残していけばいいんですね。
現実の不便をただ受け入れるのではなく、自分の力で観察し、分解して、より良い形へ作り直せる可能性を知ったことこそが、今回の学びの本当の価値なんだよね。さあ、道具は手の中にあるから、自分の仕事と生活へ戻って、最初の旅を始めよう。
はい。不便を面白がりながら、小さく作って試すことを今日から始めてみます。素敵な旅になりそうです。
この話、あなたの現場ではどうですか。
記事の話題そのままで構いません。「あの記事の件で聞きたい」——それだけで最初の一言になります。
- ヒアリング無料
- 全国対応（オンライン可）
- しつこい営業はしません