AIを、自分のものにする5時間。

What it is

LLM (Large Language Model) は、膨大なテキストデータを学習した「次にどんな言葉が来るかを予測する」モデルである。人間のように考えているわけではない。文脈から確率的に次の言葉を選び続けることで、結果として知的な対話・文章生成・要約・翻訳・コード生成・分析を行えるようになっている。

この前提を押さえておくと、「AI が万能なのか / そうでないのか」「どこを信じてどこを疑うべきか」の判断軸ができる。

What it can do

• 文章を書く / 要約する / 翻訳する
• 会話の文脈を踏まえて答える
• コードを生成する・読み解く
• 大量のテキストを横断して分析する
• 表・グラフ・図表 (画像出力できるモデルも) を作る
• 複雑な思考プロセスを言語化して整理する

What it cannot do (yet)

• 物理的な行動 (現実世界のモノを動かす)
• リアルタイム情報の絶対的な保証 (最新情報は不確か)
• 常に正しい事実だけを返すこと (ハルシネーション: 後述・付録A)
• "自分の意志" や "感情" を本当に持つこと

3つの "信号" で見る: AI に任せる/任せないの判断軸

業務を「AI に任せていいか」で3つに分類する。経営判断で迷った時、この信号機を思い出す。

青信号は迷わず任せる、黄色は人と AI の対話で詰める、赤は AI に頼らない。この3階層で見るだけで、経営判断の質と速度が両立する。

サービス	提供元	性格と強み
Claude	Anthropic	長文の理解・コード生成・安全性に強い。Project / アーティファクト / MCP で "業務を持ち込む" 設計が秀逸。本日の主役。
ChatGPT	OpenAI	知名度トップ。画像生成 (DALL-E)・音声・動画など総合力が高い。最も "汎用" なポジション。
Gemini	Google	Google 連携 (Gmail / Drive / Docs) が強い。無料で使える範囲が広い。Workspace 利用者には自然な選択。
Copilot	Microsoft	Office 連携 (Excel / Word / Teams) が強い。エンタープライズ・既存 Microsoft 環境への統合に向く。
その他	各社	Perplexity (検索特化) / Mistral (欧州) / Grok (X 連携) など、用途特化型のプレイヤーも多数。

「賢さ」では、もう差がつかない。

率直に言うと、主要モデルの "頭の良さ" には、もう実用上の大きな差がない。どれも人間より圧倒的に賢い。

では何で差がつくのか。「どのデータを蓄積し、どう使い続けるか」。これが本当の競争軸である。詳細は §07 で扱う。

経営者の "段階的アプローチ"

①Webチャットで AI の感覚を掴む (これは多くの経営者が既に経験済み) → ②デスクトップアプリで Project (自社ファイル持ち込み) と MCP (Gmail / Slack 等の連携) で "自社業務に AI を入れる" → ③CLI / API はエンジニアや AI コンサルと組んで "全社的な業務基盤" に組み込んでいく。

本日青山社長が完全に押さえるのは、この ② のステージ。③ は別物の世界として、後段で見せる。

Claude Code を支える "5つの仕組み"

「Desktop App と Code は何が違うのか?」 — その答えは、Code が持つ 5つの中核機能 にある。これらの組み合わせが、AI を "便利な道具" から "業務基盤" に変える。

Desktop App と Claude Code、何が違うか

同じ Claude でも、入口によって "天井" が変わる。経営者として両者の差を一覧で押さえる。

観点	Desktop App	Claude Code
起動方法	アプリのアイコンをクリック	ターミナルで claude コマンド
ファイル操作	Project にアップロード (上限あり)	PC全体を直接読み書き
文脈の引き継ぎ	Project 内の会話履歴	CLAUDE.md で永続化
繰り返し業務の自動化	限定的	Skills + Hooks で完全自動
並列実行 (複数AI)	ほぼ不可	Subagents で何体でも
外部サービス連携	主要 MCP のみ	全 MCP + 自作 MCP 可
技術ハードル	低 (誰でも)	中〜高 (CLI/Git 慣れ要)
課金	Pro $20/月	Pro $20/月 〜 Max $100-200/月
適用フェーズ	個人活用、まず触る	業務基盤、本格運用

よく聞くAI活用の話

• 採用工数を月200時間削減 — 非エンジニアが Gemini + GAS で自力実装した事例
• データを自動集約してNotionに転記 — Stripe / freee / スプレッドシートを連携
• 管理職の年間1,200時間がメール返信・経費処理・レポート作成に消えていた

これらは確かに価値ある事例である。ただ、ここで終わると AI を「便利な効率化ツール」として消費してしまう。

効率化は「今やっている業務を、より速く・安く・正確に」やる発想。アップデートは「業務そのものの形が変わる」発想。前者は線形の改善、後者は非連続な変革。今 AI で起きているのは後者である。

経営者の関心は、ここで線形の改善ではなく非連続の変革に向ける必要がある。

この「方向の逆転」が、ChatGPT 的な体験と Claude (Desktop / Code) 的な体験の本質的な違いである。

Desktop App と Code の関係

Claude Desktop App は、この逆転を擬似的に実現している。Project にファイル群をまとめてアップロードすることで、AI が "自分の文脈" を持ち続ける。チャット形式の親しみやすさを保ちながら、ナレッジを蓄積できる。

Claude Code は、これを本物の形でやる。AI が PC のフォルダ全体を読み書きする。1000 を超えるファイルを把握した上で、自律的に動く。CLI なので技術ハードルは高いが、世界観は同じ — ただ深さが桁違い。

今日青山社長が体験するのは、Desktop App による「逆転の入口」。Code の世界は §11 / §14 で覗き見る。

"会社" を、フォルダで表現する

ヨシミツの PC には Work/ という1つのフォルダがある。その中に、TOGATTA の "知識基盤" が 会社を6レイヤーに分けて 入っている。

• accounts/ — 取引先ごとのプロフィール、面談記録、提案資料
• projects/ — 進行中のプロジェクトごとの設計、ログ
• todos/ — 自分のタスク、アイデア、振り返り
• memory/ — 自社のコア情報 (経営方針、強み、知見)
• docs/ — 営業ノウハウ、リサーチ、設計書
• finance/ — 経理、契約、決算情報

すべて Markdown ファイル で書かれている。AI も人も読める形式。「人に使いやすい」ではなく 「AI に使いやすい」 を基準に再設計してある。

具体ファイル名や他社情報は機密のため割愛する。ここで伝えたいのは、「PC を仕事場として設計する」 という発想。これが Claude Code 起点で業務を進めるということの実体である。

AI の頭の良さには、もう実用上の大きな差がない。Claude も ChatGPT も Gemini も、人間より圧倒的に賢い。だから「どのAIを使っているか」は、もはや差別化の本筋ではない。

差がつくのは、「自社しか持っていないデータがあるかどうか」。

自社固有のデータ — 例

• 顧客からのレビュー・フィードバック
• 見込み客と直接話して得た一次情報
• 過去の 判断の履歴 — なぜあの時こうしたか
• 失敗事例とそこから学んだこと
• 業界特有の "暗黙知" (現場での慣行・暗黙のルール)

特に重要なのは "判断の履歴"

「なぜあの時こうしたか」の理由が残っていると、AI がその文脈を踏まえた提案ができる。同じ失敗を避けられる。意思決定の精度が上がり続ける。

データがないと、AIの出力はどこも似たような内容になる。同じAIを使っていても、自社の判断履歴を蓄えている会社と、何も渡していない会社では、出力の質が桁違いに変わる。

今日青山社長が書いた棚卸しシート、Claude Desktop の Project に格納されたファイル、ハンズオンで作った成果物 — これらすべてが 自社データ蓄積の第一歩 になる。

記録は、頑張ってもどうせ続かない

• 独自データが大事だと分かっていても、日々の業務で意識的に記録するのは難しい
• 商談メモを書く、判断理由を残す、情報を整理する — どれも手間
• 忙しいほど後回しになり、結局データが溜まらない

この問題に正面から取り組んでも、絶対に続かない。記録すること自体を頑張る発想を、捨てる。

業務そのものを "データの入力行為" にする

Claude を起点に業務を進めるだけで、結果として構造化されたデータが自然と溜まる。商談メモを Claude に投げる → 整形された議事録 + 相手プロフィール更新 + 次アクション抽出が一気に走る。記録のための作業が、業務のメインループに組み込まれている。

基準の転換

ただし、最初に "設計" が要る

仕事場の設計とは、次の2点。

この設計さえ最初にしてしまえば、あとは意識しなくてもデータが蓄積される仕組みになる。設計ができているかいないかが、AI 活用が "続くかどうか" を決める。

業界の AI 活用は、表面では進み、深さでは遅れている

「AI が来ている」「みんな使い始めている」 — そう聞くと、自社が遅れている気がする。だが、データを見ると実態は二極化している。

「触ってみた」レベルは半数を超えた。だが 中小企業に絞ると全社導入はまだ1割未満。さらに、経営者と一般社員の AI 理解度には 30ポイント以上のギャップ がある。

国際比較ではもっと厳しい。OECD の7カ国調査 (2025) で、日本の中小企業 AI 導入率は 23.5% で最下位。中国 95.8% / 米国 90.6% / ドイツ 90.3% と比べると、日本は周回遅れの状況にある。

「触っている人は半数」 × 「組織で使いこなしている人はごく一部」。この差が、今後の経営格差を生む。今動いた経営者が、3年後に大きな差を作る。

一般社員にAI活用を委ねる難しさ

AIを「社員の自主性で広げてもらおう」という発想は、ほぼ機能しない。理由は3つ。

• ① パーキンソンの法則 × 人間の特性 — 仕事は与えられた時間を満たすまで拡大する。AI で浮いた時間を、社員が自律的に "新しい価値創造" へ振り向けるのは、構造的に難しい
• ② 未来像 (世界線) の欠如 — AI で仕事が根本からどう変わるかを描けないため、変革を想像しにくい。"目の前の効率化" から先に行けない
• ③ 情報収集の難易度 — 日常業務をこなしながら、AI の最新動向や前提技術を追い続けるのは、現実的でない

だから、社長が動く

社長は、アンテナの高さ・情報収集・業務俯瞰の範囲が広い。だから戦略的なAI活用ができる。社員が社長の行動を模倣する。これが組織変革の最強の標準装備になる。

もう一つの重要な事実: 個人 / 少人数の組織が、圧倒的に有利。

• 大組織はツール導入・教育・合意形成に時間がかかる
• 個人・少人数の経営者は今日から始められる
• 業務プロセスを AI が介入できる形で蓄積していけば、自分専用のAIが育つ
• 場所も関係ない。インターネットとPCがあればどこでも同じ環境

2027年ホールディングス化への接続

青山社長の長期構想 — 2027年のホールディングス化と、各社のコンサル・会計の一元管理。これは Claude Desktop の Project 機能と発想がそっくり同じ構造である。

各社のプロフィール、経営判断、社員情報、損益データを Project にナレッジ化していけば、ホールディングス全体をAIと一緒に俯瞰・運営できる土台になる。2027年に向けた第一歩を、今日から始められる。

ステップ① 棚卸しから候補を抽出

セミナーの最初に書いた業務棚卸しシート — その末尾に「Claude でやってみたいこと × 3」という欄がある。抽象論パートを聞いた後の頭で、青山社長自身が思いついたユースケースを3つ書く。

これは、自分の業務文脈の中で「AI が刺さりそう」と直感したものが言語化される瞬間。"自分で選んだ" 感が、後の継続活用を決める。

ステップ② ヨシミツの事前仕込み候補を提示

同時に、ヨシミツが事前に動作確認した候補も並べる。これは "失敗しない実演" を保証するための保険であり、青山社長の選択肢を広げる材料でもある。

事前仕込みの5候補:

ステップ③ 6-8候補から、青山社長が「これ作りたい」を選ぶ

事前仕込み5個 + 棚卸し発3個 = 6-8候補が並ぶ。ここから青山社長が 1つ選ぶ。決め方は自由 — 「業務に直結するもの」「面白そうなもの」「次の MTG で見せたいもの」、何でもいい。

ステップ④ ペアコーディングで実装スタート

選んだものを、ヨシミツと一緒に75分で作る。ヨシミツの役割は:

• 横に座って、青山社長が詰まったら次のプロンプトを示唆する
• Claude のアウトプットを一緒に見て、改善ポイントを指摘する
• 失敗しても焦らず、別の角度を試す姿を見せる
• "この粒度なら絶対できる" を体感してもらう

青山社長は「何を作りたいか」を口で言うだけ。手は動かす、けどコードは書かない。プロンプトの組み立て方を体感する のがハンズオンの本質。

今日やったこと

• 13:15-14:00 Claude Desktop App をインストール、Pro 課金、最初のチャット、アーティファクトで動く HTML を生成 → 「えっ AI ってこんなことできるの」
• 14:00-14:45 業務棚卸しシートを Project に登録、対話で深掘り、自分の業務の AI 化候補を炙り出す
• 15:00-16:00 抽象論を5層で腹落ち + ヨシミツの実例 (Work/ ディレクトリ)
• 16:00-16:15 6-8個の候補から1つ選択 — "これ作りたい"
• 16:15-17:30 選んだ1個をペアで実装、動く成果物が手元に残る
• 17:30-18:00 社内展開の重さと、次の一歩

明日朝、自宅で再現する手順

たったこれだけ。難しいことは何もない。"使い続けること" だけが、唯一の重要なルール。

続けるための3つのコツ

• 毎日触る習慣をつくる — 朝1回、夕方1回、Claude に話しかける時間を決める
• "AIでできるかな?" を口癖にする — 業務中に湧いた疑問は、まず Claude に投げてみる
• うまくいったやり方は Project に残す — "前にこれやったプロンプト残ってる?" と聞ける状態をつくる

4ステップで進化する

スキル化の例 (TOGATTA 内部)

• 朝の "おはよう" → 1日のスケジュール + 優先タスク + 前日振り返り を自動表示
• 商談議事録の整形 → 雑メモを投げると 構造化議事録 + 相手プロフィール更新 + フォロー TODO 抽出
• 提案書ドラフト → 案件概要を投げると 過去類似案件 + 自社強み + 提案書ドラフトが出る
• 月次経理 → freee API と連携して、月次の仕訳・レポート生成を自動化

スキル化が起きると

• スキル化した業務は、もう自分がやらなくてよくなる
• 空いた時間で、新しいことに手を出せる
• その新しいこともまたスキル化できる → さらに時間が空く
• 仕事が "作業" から "判断" と "新しい挑戦" に変わっていく

1. Claude 起点で業務を進めるほど、自社独自のデータが蓄積されていく
2. データが蓄積されるほど、AI の出力の質が上がる
3. この差は後から追いつくのが難しい。早く始めた人のデータ量には追いつけない

これが、5/7 の勉強会で最も伝えたかったメッセージである。今日が "最も早い日" であり、明日からは差が開き続ける。

青山社長は、今日この第一歩を踏み出した。あとは続けるだけ。

ハルシネーションとは

AI が事実でないことを、事実のように生成してしまう現象を ハルシネーション (幻覚) と呼ぶ。

原因は、AIが "次に来る言葉を確率的に予測" している仕組みそのものにある。文脈に合いそうな言葉を選んでしまうため、事実関係に誤りがあっても "それらしい文章" として出力されてしまう。

典型的な発生場面

• 具体的な数字 (株価、売上、人口、年号など) を聞いた時
• マイナーな事柄や最新ニュースを聞いた時
• 論文やプレスリリースの引用元を聞いた時 (URL や著者を捏造することがある)
• 計算や論理的な推論を行わせた時

経営者として最低限のルール

• 意思決定の根拠として使うときは、必ず一次情報で裏取りする
• 契約書・財務関連は専門家チェックを必ず通す
• "これ本当?" と聞き返す習慣を持つ — Claude は素直に「私の出力は不確かです」と認めることが多い
• 事実を扱う場面では、AIに 「Web 検索して根拠を出して」と指示する (Pro 以上で可能)

大原則: 入力データは "外" に出る

Claude / ChatGPT などのクラウド AI は、入力したデータを提供企業 (Anthropic / OpenAI など) のサーバーで処理する。完全にローカル環境で完結することはない。これは仕組み上の前提として認識する。

Anthropic (Claude) のデータ取り扱い

• Claude Pro / Free: 入力データは原則として AI の学習に使われない (オプトインしない限り)
• Claude API: 学習に使われない、契約上明記
• データ保管: 安全規約・倫理性チェックのため一定期間ログ保管あり (約30日が標準)
• 詳細は Anthropic のプライバシーポリシーで最新を確認

機密情報を入れる時の判断軸

"何を入れていいか" を社内で決めておくのが、最初の一歩。判断軸の例:

企業向けの選択肢

• Claude for Work (Team / Enterprise) — 企業向け、データ保護強化、SSO 対応
• Anthropic API + 自社サーバー処理 — 完全制御、ただし開発リソース必要
• Microsoft Copilot for Microsoft 365 — Office 環境内で完結、既存ガバナンス活用

東北土建の場合、まず 社長個人の Pro 利用 + 個人レベルの判断軸 から始めて、社内展開フェーズで Team プラン or API を検討する流れが現実的。

プラン	金額 (目安)	使える機能 / 用途
Free	無料	Webチャットの基本機能。回数制限あり。Project / アーティファクトに制限。お試し用。
Pro	$20 / 月 (約3,000円)	Project / アーティファクト / Sonnet / Opus が利用可能。本日青山社長が課金したプラン。個人活用ならこれで十分。
Max	$100-200 / 月	Pro の利用枠を5倍-20倍に拡張。ヘビーユーザー向け。CLI (Claude Code) を本格利用する人に。
Team	$30 / 人月	5人以上の組織向け。共有 Project / 管理機能 / セキュリティ強化。社内展開フェーズで。
Enterprise	応相談	大企業向け。SSO / SCIM / SLA / データガバナンス。
API	従量課金 (Token 単位)	プログラム経由でAIを呼ぶ。自社システムへの組み込み。1,000 Token あたり数セント程度。

経営者の選び方

• 第1段階 — 社長個人で Pro 1人分 ($20/月) から始める ← 今ここ
• 第2段階 — 役員・幹部にも Pro を展開 (1人 $20/月)
• 第3段階 — 社内本格展開時に Team プラン or API + 自社システム連携
• 第4段階 — 全社的な AI 基盤として API + 専用システムへ移行

安すぎて躊躇する金額。だが、ここから蓄積したデータと習慣が、3年後 5年後の経営判断の質を変える。

明日からの3つの行動

• 毎朝、Claude Desktop を起動する — まずは習慣化。コーヒーを淹れる前でも、後でも
• 業務中、"AIでできるかな?" を口癖にする — 浮かんだ瞬間に Claude に聞いてみる
• うまくいったやり方は Project に残す — "前にこれやった" と振り返れる場所をつくる

ヨシミツ・TOGATTA との次の予定

• 来週か再来週 — 1-2時間の振り返り MTG (実際使ってみての感触をお聞かせください)
• その後 — 必要に応じて、社内展開・Project 設計・MCP 連携・ガバナンス設計など、青山社長の関心領域に沿って継続的に並走

困ったとき、迷ったとき

Slack DM、メール、いつでも投げてください。"これってどうやるんだっけ" の小さな疑問こそ、最初に潰すべき詰まりポイントです。