生成AIの使い方を学び、プロンプトの型もひと通り覚えた。なのに月曜の朝、いつもの業務に戻ると、結局これまでのやり方で手を動かしている。学んだことが頭の中には残っているのに、実務の中では出番がない。そんな感覚に覚えのある人は多いはずです。この違和感の正体は、AIの性能不足でも、学び方の失敗でもありません。学習と実務の間にある「橋渡し」が設計されていないだけです。元サイバーエージェントのエンジニアとして、そして今はAIを駆使して自社のサービスを開発する起業家として、この橋渡しを日々試している現在地から、学びを実装まで進める3つのステップを紹介します。
「学んだのに使えない」はAIの性能の問題ではない
AIの活用講座やオンライン教材は増え続けています。プロンプトの書き方、ツールの使い分け、事例集。学ぶ手段には困らない時代です。それでも、学んだことが実務の中で使われ続けるかどうかは、また別の問題です。
実際、僕の周りでも似た声をよく聞きます。日本リスキリングコンソーシアムの調査でも、AIを学ぶきっかけの76.9%が個人的な興味である一方、具体的な業務成果につながった人は18.7%にとどまっています。
この差を生んでいるのは、知識の量ではありません。学んだことを、実務の1つの作業へどう橋渡しするかという設計です。
実務に定着しない本当の理由は、3つの断絶にある
学んだAIが実務で止まってしまうとき、そこには共通して3つの断絶があります。
- 目的の断絶：「AIを使いこなす」という大きすぎる目標のまま、実務の1つの作業へ翻訳されていない
- 検証の断絶：AIの出力をどこまで信じてよいか基準を決めないまま使い、毎回迷って結局これまでのやり方に戻る
- 置き場所の断絶：学んだプロンプトや進め方が資料やメモの中で止まり、次に使うときに毎回思い出す手間がかかる
この3つのどこかが空いたままだと、学んだ知識は実務の仕組みに変わりません。
一次体験：テックリードから、AIで自社を創る現在地まで
僕は2021年、新卒でサイバーエージェントに入社しました。ABEMA LiveのiOSアプリ開発を担当し、テックリードも経験しました。当時から向き合っていたのは、良いコードを書くことだけでなく、チームの成果を一人の頑張りに頼らない状態へどう変えるかという課題でした。
25歳でフリーランスへ転向し、26歳で株式会社Coeliaを設立してからは、AIとの向き合い方も変わりました。今はClaude Codeをフル活用して、iOS・Androidのモバイルアプリを開発しています。AIのない時代と比べて、1日の生産性は数十倍以上になったという実感があります。Coelia HP・obata-tomu.jpという2つの自社サービスも、AIを駆使しながらチームで設計・開発・運用し、SEO・AIOの実践にも自分自身で関わってきました。
この過程で気づいたのは、学んだ機能をそのまま全部使おうとすると、かえって手が止まるということです。使う場面を一つに絞り、確認の基準を先に決めてから少しずつ広げる。このシンプルな順番に変えてから、AIは実務の中で自然に使われ続けるようになりました。
この“場面を絞って検証する”進め方は、開発だけでなく、今取り組んでいる恵比寿の店舗づくりでも同じです。この現在地は完成形ではなく、AIを実務の仕組みへ橋渡しする作業は、今も日々更新し続けています。
学習と実装をつなぐ3つの橋渡し
ここからは、学んだAIを実務の仕組みへ橋渡しするための、具体的な3つのステップです。
1. 使う場面を一つに絞る
「AIを使いこなす」ではなく、「毎週の議事録の要約にAIを使う」のように、実務の中の1つの作業まで具体化します。作業が1つに絞られると、何を試し、何を確認すればよいかが明確になります。
2. 検証の基準を先に決める
AIの出力を使う前に、「ここまで確認できたら次に進める」という基準を1つ決めます。基準がないまま出力を眺めていると、毎回不安になり、結局これまでのやり方に戻ってしまいます。基準は完璧である必要はなく、まず自分が安心して次に進められる最低限のラインで十分です。
3. 使い続ける置き場所を作る
うまくいったプロンプトや進め方は、その場限りのメモで終わらせず、次に使うときすぐ開ける場所にまとめておきます。毎回一から考え直すコストがなくなると、学んだことは自然と実務の中で使われ続けます。
今週試せる最初の一歩
3つのステップを全部同時にやる必要はありません。今週は、実務の中で繰り返している作業を1つだけ選び、その1つにAIを使ってみてください。使い終えたら、確認できたことと、次に使うときのために残しておきたいことを、短くでよいので書き残します。この1回の記録が、学んだAIを実務の仕組みへ変える最初の一歩になります。
よくある質問
AIを学んでも実務で使えないのはなぜですか？
知識と実務の間に「橋渡し」の設計が抜けているからです。学んだプロンプトやツールを具体的な1つの作業に紐づけ、検証の基準と置き場所を先に決めると、実務で使い続けられるようになります。
AIの出力をどこまで信じてよいか分かりません。
出力を信じるかどうかより、先に「何を確認できたら合格とするか」を決めておくことが土台になります。基準がないまま使うと、毎回判断に迷い、結局これまでのやり方に戻ってしまいます。
AIツールはたくさん学んだ方がよいですか？
ツールの数より、毎日か毎週使う1つの作業に絞ることを優先してください。1つの作業で使い続けられる形を作ってから広げると、学んだことが実務に残ります。
プログラミングの知識がなくても、AIを実務の仕組みに組み込めますか？
組み込めます。必要なのはコードを書く知識より、繰り返す作業を1つ選び、AIに任せる範囲と人が確認する範囲を分ける設計です。