daisuke

ツイッター始めました。

[マーチくん @ai_march39]

ChatGPTに月3,000円払ってるなら、
質問する前に
『取扱説明書10ヶ条』を先に貼ってください。

イエスマンが鬼編集者に変わって、
返ってくる答えが、
手直しなしで通せるレベルになります。

いじるのは、質問文じゃなくて、

[あいえる @Fukugyo_clinic]

あの、、知ってましたか？

ChatGPTの回答精度は、
最後の確認フレーズで9割変わる。

「教えて」
「まとめて」
しか言ってない人は、AIの回答をそのまま受け取ってる。

たった1文足すだけで、
抜け漏れも思い込みもかなり減る。

仕事でも副業でも使える
“回答精度を上げる確認フレーズ”を
30個まとめて公開します。

そのままコピペOK👇

[あゆみかん🍊1分体操と「巡りの法則®︎」で世界に幸せを広めるプロジェクト @ayumichannelok]

人類史上最も危険な嘘は、食べ物についてではない。

薬についてもではない。

それは睡眠についてだ。

20万年にわたり、人間は8時間眠らなかった。

その数字は、1938年にSimmons Beautyrestというマットレス会社によって作られた。

そのキャンペーンの前は、平均的な人間は二段階で眠っていた。

歴史家たちはそれを「二相性睡眠」と呼ぶ。

4時間眠り、2時間起き、さらにもう4時間眠る。

その2時間の窓の中で、人々は祈りを捧げ、セックスをし、書き、考え、家族とつながった。

人類史上最も偉大な作品のいくつかは、その神聖な中間の窓で生み出された。

シェイクスピアは、2回目の起床期間の午前1時から3時の間に、ほとんどの戯曲を書いた。

モーツァルトは、彼が「神の時間」と呼んだ時間に、完全な交響曲を作曲した。

それから産業革命は、固定スケジュールの労働者を必要とした。

二相性睡眠で工場を運営することはできない。

そこで彼らは、ネイサン・クライトマン博士という心理学者を雇い、8時間連続の睡眠が生物学的な標準であることを「証明」させた。

彼は研究を偽造した。

彼は完全にマットレス業界から資金提供を受けていた。

そして医療界は、工場モデルに合致していたため、彼の研究を疑問を抱かずに採用した。

彼らは、人間の意識の最も創造的な2時間を「睡眠障害」に変えた。

それを「不眠症」と呼んだ。

薬で治療した。

8時間の連続睡眠が健康的だということを、丸ごと一世代をガスライティングした。

彼らは、人類史上最も偉大な芸術、音楽、文学を生み出したまさにその意識の窓を病理化した。

あなたは不眠症ではない。

あなたは、人間の意識の最も自然な形態を体験している。

そしてマットレス会社が、あなたにそれが病気だと信じ込ませた。

あなたの天才を薬で抑えるのをやめろ。

午前2時に起きろ。

それを書け。

「神の時間」が呼んでいる。



© Andre Gonzalves

[Aircle｜学生AIコミュニティ @AiAircle34052]

【速報】これは見逃したらダメ🚨
Anthropicが「ClaudeのSkills完全ガイド」をPDF33枚で公式公開👀

今まで：
「どうプロンプトを書くか？」
これから：
「AIをどう“仕組みとして動かすか？」

Anthropicが示した答えが Skills。
・Skills = プロンプトじゃない
・一度作れば何度でも使える
・毎回説明しない
・AIの“動き方”を丸ごと定義する

つまり、
「会話するAI」から「自動で仕事を回すAI」へ。
しかも重要なのがここ👇
Anthropicは最初から
テスト・再現性・効率を前提に設計している。

もう
「今回はうまくいった」
「気分で精度が変わる」
そんなAI運用は想定していません。

これは
小手先のプロンプト論じゃない。
チャットを“業務インフラ”に変えるための公式設計書。
詳細はこちら👇
https://t.co/RcsGTlsYie

[可愛い猫🐱速報 @pwkwjwt]

初めてハスキー犬を見た猫の反応が可愛すぎる

[Koder @koder_dev]

聞こえますか… エンジニアの皆様

https://t.co/DYflt0Q6Dqを是非とも見てください…

そこには、世界中のエンジニアによって各分野の学習ロードマップが加筆修正されまくってまとまってます…

既に知ってる方もAI EngineerやTechnical Writerなど新たな更新が多くされてるので是非…

[Juntaro @xjuntaro]

AI時代のビジネスツール、Claude Codeがほぼ全てを乗っ取るポテンシャルがある件↓　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

✅️契約書の作成：Word → Claude Code × Obsedian

✅️データ分析：Excel、ipynb → Claude Code × PythonのSkills

✅️ピッチ資料の作成：PowerPoint → Claude Code × Nanobanana MCP

✅️コーディング：VSCode → Claude Code × Cursor

✅️広告制作：Figma、Photoshop → Claude Code × Nanobanana MCP

✅️市場調査：Speeda × Google検索 × パワポ → Claude Code × Obsedian

✅️タスク管理：Notion、Asana → Claude Code × Notion MCP

✅️経営の相談：Zoom × アドバイザー（人間） → ChatGPT、Claude Code

[みやさかしんや@Python/AI/DX @miyashin_prg]

SONYが無料で公開しているディープラーニングの入門コース(全14回)がとても分かりやすい🤗✨Deep Learningに取り組むべき理由やDeep Learningとは？から説明があるので初心者でも学習しやすい🤗各回10分前後の講義なので無理なく学習できて嬉しい🤗

・今Deep Learningに取り組むべき理由
・Deep Learningとは？
・Deep Learningでできること
・ニューラルネットワーク設計の基礎
・層数、ニューロン数を決める指針
・ニューラルネットワークの多層化テクニック
・ニューラルネットワーク学習の仕組み
・Recurrent Neural Networksとは？
・Generative Adversarial Networks (GAN)とは？
・数式なしで理解するLSTM (Long short-term memory)
・Transfer Learning（転移学習）
・量子化によるニューラルネットワークのコンパクト化
・Attention（注意）
・マルチタスク学習

動画へのリンクはリプ欄にて🤗✨

[Yuiの美容帳✎𓂃𓈒𓏸 @1f_yui]

ウォニョン級に脚まっすぐで長い友達が
「これ1日1分でX脚もO脚も死ぬほど改善する」って教えてくれたストレッチ↓

・3週間で膝下O脚の隙間-3cm
・内もも-2cm
・O脚でスカート諦めてたのに今普通にミニ履けてる

1日1分寝る前だけだからまじで続けやすいし自信つく、全員やって。

[川岸宏司 @OnebookofMAG]

ナメられる機会が異常に多いので、これまで試して効果性の高かった行動だけをまとめてみた。メンバーを率いるトップとして、特にビジネスシーンで「舐められたな」と思ったときによく使っている、あんまりマネしてほしくない手法…です笑。

①「今の発言、もう一度お願いできますか」と聞く
②目を細めて数秒見つめてから「なるほど」と言う
③表情を固めて一旦無言をつらぬく
④目の前にいるときは一歩前に物理的距離を詰める
⑤相手の言葉尻を拾って「〇〇…ですか？」だけ問う
⑥ゆっくり腕を組んで、瞬きを数秒しない

これらは本当に効果があって、舐めた行動をする人が「この人に適当なことを言わない方がいい」と勝手に抑止力にしてくれる。悪用してはいけないし、謙虚さは失ってほしくないけど、見た目や誠実すぎて舐められがちな人はためしてみてもいいかも。

[テツメモ｜AI図解×検証｜Newsletter @tetumemo]

📝正直に言います

このレポートを読んで、私は少し怖くなりました
一方でワクワクも増しました

Anthropicが自社のエンジニア132人を調査し、53人に深掘りインタビューまで行った内部レポート。普通、企業ってこういう「都合の悪いこと」は隠したがるじゃないですか。

でもこのレポート、AIがもたらす『希望』と『不安』の両方を、驚くほど正直に語っているんです。

なぜ怖くなったか？

それは、ここに書かれていることが「AIを作っている側の人たち」のリアルな声だから。つまり、私たちの数カ月…数年後の姿かもしれない。

まず数字から見ていきましょう。

Anthropicのエンジニアたちは現在、仕事の60%でClaudeを使い、生産性は50%向上したと報告しています。

1年前は？ 仕事の28%で使用、生産性向上は20%。

つまり、たった1年で使用率は2倍以上、生産性向上も2.5倍。このスピード感、ちょっと異常じゃないですか？

でも私が本当に興味を持ったのは、この先の話なんです。

『やらなかったはずの仕事』が27%も生まれている。

これ、すごく重要なポイントだと思うんです。

AIで既存の仕事が速くなる——これは誰もが想像できる。でも実際に起きているのは、それだけじゃない。

エンジニアたちはこう語っています。

「以前は優先度が低くて放置していた『ペーパーカット』に手が回るようになった」

ペーパーカットって何かというと、紙で指を切るような小さな痛み。コードの世界では、構造の悪いコードのリファクタリングとか、あったら便利なツールの作成とか、そういう「やりたいけど時間がなくて後回しにしていたこと」を指します。

実際、Claude Codeの利用データを分析すると、タスクの8.6%がこのペーパーカット修正だったそうです。

これ、地味に見えて実はめちゃくちゃ大きな変化だと思うんですよね。なぜなら、こういう小さな改善の積み重ねが、長期的には組織の生産性を根本から変えるから。

もう一つ、読んでいて「これは...」と思ったのが『フルスタック化』の話。

あるバックエンドエンジニアのエピソードが印象的でした。

Claudeと何度もやり取りしながら複雑なUIを構築したところ、デザイナーに見せたら驚かれたそうです。

「待って、これあなたが作ったの？」
「いや、Claudeが作った。僕はプロンプトを出しただけ」

このエンジニア、自分では「絶対にできなかった」し「期限内には間に合わなかった」と言っています。

別のエンジニアはこう語っています。

「以前は触るのが怖かったフロントエンドやトランザクションデータベースも、今は自分で扱えるようになった」

研究者がデータの可視化を自分で作る。セキュリティチームが不慣れなコードベースを分析する。非技術系の従業員がデバッグやデータサイエンスをこなす。

Claudeのタスク分析を見ると、チームごとに使い方が全然違うんです。でも共通しているのは、みんなが「自分の専門外」に手を伸ばせるようになっていること。

数週間かかっていたプロセスが、同僚との「数時間の作業セッション」で完結することもあるそうです。

すごい時代になったなぁ...と思いますよね。

でも、ここからが本題なんです。

レポートで最も考えさせられたのが『監督のパラドックス』という概念。

これ、本当に深い問題だと思うんですよ。

AIを効果的に使うには、その出力を監督する能力が必要。でもその監督能力は、実際にコードを書く経験から培われる。ところがAIを使いすぎると、その経験を積む機会が減ってしまう——という矛盾。

あるエンジニアはこう表現しています。

「以前なら難しい問題を自分でデバッグする過程で、ドキュメントやコードを読み込んで、システムがどう動くかのメンタルモデルを構築していた。Claudeはすぐに問題の核心にたどり着けるから、そういう時間が大幅に減っている」

別の人も言っています。

「新しいツールの設定を全部調べて理解していたのに、今はAIに使い方を聞くだけ。だから専門知識が身につかない。同僚との会話で『それ知ってる』と即答できていたことが、今は『AIに聞かないとわからない』になっている」

これ、すごくリアルな声だと思いませんか？

特に印象的だったのが、あるシニアエンジニアの言葉。

「私がAIを使うのは、主に『答えがどうあるべきか』を既に知っている領域。その能力は、かつてSWE（ソフトウェアエンジニアリング）を『ハードな方法』でやることで身につけたもの。でも自分がキャリア初期だったら、モデルの出力を鵜呑みにせず、意図的に自分の能力を伸ばす努力が必要だと思う」

ここに、AI時代の学習における核心的な課題があると思うんです。

「楽」と「成長」のトレードオフ

出力を簡単に得られるからこそ、「じっくり学ぶ時間を取る」ことが難しくなる。

一部のエンジニアは対策として、意図的にAIなしでコードを書く練習をしているそうです。

「Claudeが問題を解決できると分かっていても、あえて頼まないことがある。自分を鋭く保つために」

この姿勢、すごく大事だと思うんですよね...。

一方で、こんな反論もありました。

「『錆びつく』という発想は、コーディングがいつかClaude 3.5以前の状態に戻るという前提に依存している。でも僕はそうは思わない」

これも一理ある。

ソフトウェアエンジニアリングは過去にも抽象化のレベルを上げてきました。アセンブリ言語から高級言語へ、手動のメモリ管理から自動ガベージコレクションへ。

今、英語がプログラミング言語になりつつあるのかもしれない。

あるスタッフはこう提案しています。

「これからのエンジニアは、AIにコードを書かせることに習熟し、より高レベルな概念とパターンの学習に集中すべきだ」

抽象化が進めば、低レベルの知識は必要なくなる——理論上は。

ただ、別のエンジニアが指摘していたように、「高級言語への移行で、ほとんどのエンジニアはメモリ処理に関する深い理解を失った」のも事実。抽象化にはコストが伴う。

どちらの視点が正しいかは、正直まだ誰にも分からない。でも両方の視点を持っておくことが大事なんじゃないかと思うんです。

個人的に一番グッときたのが、『職人技と意義』についての議論でした。

エンジニアたちの声が、見事に二極化しているんです。

ある人は言う。

「25年間プログラミングを続けてきた私にとって、これは時代の終わり。そのスキルセットに自信を持てることが、職業的な満足感の核だった」

「一日中Claudeにプロンプトを出すのは、あまり楽しくないし充実感もない。音楽をかけて没頭して、自分で実装するほうがずっと楽しい」

一方で、こういう声も。

「コードをリファクタリングするときの禅のようなフロー状態...確かに失った部分もある。でも今は生産性が劇的に上がったから、喜んで手放す」

そして、こんな発見をした人も。

「この時点で、怖くなったり退屈になったりすると思っていた。でも実際はどちらも感じない。代わりに、ずっと多くのことができるようになってワクワクしている。コードを書くこと自体を楽しんでいたと思っていたけど、実は『コードを書くことで得られるもの』を楽しんでいたんだ」

これ、すごく深い気づきだと思うんですよね。

自分が仕事のどの部分に意義を感じているか——手段なのか、結果なのか。AI時代は、この問いに向き合わざるを得なくなる。

職場の人間関係にも、静かだけど確実な変化が起きています。

「質問の80〜90%はClaudeに行く」

かつて同僚に向けられていた質問が、まずAIに向かうようになった。Claudeがルーティンな問い合わせを処理し、人間はAIの能力を超える複雑な問題だけを担当する——そんなフィルタリング機構が生まれている。

「同僚の誰よりもClaudeと遥かに多く働いている」という声も。

興味深いのは、これを肯定的に捉える人と否定的に捉える人がいること。

「同僚の時間を奪うことへの罪悪感がなくなった」——これは楽になった側の声。

「『Claudeに聞いた？』が一般的な反応になるのは好きじゃない。人と直接働くことを本当に楽しんでいるし、すごく大事にしている」——これは寂しさを感じている側。

あるシニアエンジニアの言葉が、少し切なかったです。

「若手が質問に来る頻度が減ったのは悲しい。でも彼らは確実に、より効果的に答えを得て、より速く学んでいる」

メンターシップの形が変わりつつある。それが良いことなのか悪いことなのか、まだ誰にも分からない。

キャリアの未来について、エンジニアたちの本音が語られていました。

多くの人が、自分の役割が「コードを書く人」から「AIを管理する人」へとシフトしていると感じている。

「仕事の70%以上が、純粋なコードライターではなく、コードレビュアー・リバイザーにシフトした」

「1人、5人、または100人のClaudeの仕事に責任を持つこと——それが将来の役割の一部だと思う」

短期的には楽観的な人が多い。でも長期的には...？

「短期的には楽観的。でも長期的にはAIがすべてをやり遂げて、自分や多くの人を無関係にすると思う」

「毎日仕事に来るたび、自分の仕事をなくしているような気がする」

こういう声を読むと、胸が締め付けられる思いがします。

でも前向きな視点もありました。

「ジュニア開発者のことは心配だけど、彼らは新しいテクノロジーに最も貪欲でもある。この職業の軌道について、僕はかなり楽観的だ」

そして、こんな適応戦略も。

「AIの仕事を意味のある形でレビューするスキルを開発するには、より多くの時間とより深い専門化が必要になる」

「合意形成により多くの時間を費やし、実装はAIに任せるようになるだろう」

「Claudeからフィードバックをもらうことで、物事を学ぶ速度が完全に変わった。天井が砕けたような感覚」

━━━━━━━━━━━━

最後に、あるチームリーダーの言葉を紹介させてください。

「誰も何が起こるか知らない。重要なのは、本当に適応できることだ」

このレポートを読んで思ったのは、AIがもたらす変化に「正解」はないということ。

生産性は上がる。新しい可能性も広がる。でも同時に、大切なものを失うリスクもある。

技術的な専門知識の維持。有意義な協業の形。学習とメンターシップのあり方。キャリア開発の新しいアプローチ。

Anthropicは2026年に、より具体的な対応策を共有予定だそうです。彼ら自身が「責任ある職場移行の実験場」として、この変革を乗りこなす方法を模索している。

私たちも、このレポートを他人事として読むのではなく、「数年後の自分」として読んでみる価値があるんじゃないかと思いました。

長文読んでいただきありがとうございます

※この図解の作り方は今回発行したニュースレターで作り方を紹介しています　リプ欄へ↓

[QDくん⚡️AI関連の無料教材紹介 @developer_quant]

Pythonのライブラリを大量に解説した長編テキスト（299ページ）が無料公開されている

Python3 ライブラリブック
https://t.co/o3cAMaGxYx

・OpenCV
・Pillow
・pygame
・Eel
・PyDub
・NumPy
・matplotlib
・SciPy
・SymPy
・hashlib
・passlib
・Cython
・Numba
・ctypes
・PyInstaller
・JupyterLab
・json
・urllib
・zenhan
・jaconv

[さゆり@元人事の裏垢 @sayu5632j]

最近、うちのチームで
異常な速さで仕事を回す後輩がいる。

資料づくりも、報告も、相談も無駄がない。
最初は才能なのかなと思っていたけれど、
ある日ふと気づいた。

この子の会話には、
必ずある共通点 がある。

話し始める前の3秒で、
こちらに「思考のガイド」をそっと渡してくれる。

たとえば、

「結論から先に言いますね」
→ 私は判断モードに切り替わる。

「前提だけ共有します」
→ 途中で口を挟まず情報受取モードで聞ける。

「判断は任せたいです」
→ 主導権がどちらにあるのかが最初から明確。

「確認だけお願いしたいです」
→ 無駄に深掘りせず、さっとチェックすればいい。

ほんの一言の前置きだけで、
会話の摩擦がほぼゼロになる。

正直なところ、私はそこで初めて理解した。

仕事が速い人って、
何を話すかより先に
相手の脳の負荷をどう減らすか を考えている。

だから伝わるし、だから速い。

評価される人は、
相手の認知コストを減らす。

反対に、評価が伸びない人は
自分のペースで話してしまい、
相手に余計な処理をさせてしまう。

これは性格じゃなくて技術。

そして多くの企業が、
実はこの部分を高く評価している。

なぜなら、
上司もクライアントも忙しいから。

3秒で脳の負荷を下げてくれる人は
どこに行っても重宝される。

[ぱんだみや @panda0385]

「結論から先に言いますね」
「前提だけ共有します」
「判断は任せたいです」
「確認だけお願いしたいです」
のちの内容が上手く説明できない時にクッション言葉的に使うことは多い 意識して使っていかなくては
言われた時のスイッチの入れ方も何気にポイントよね…

[ねろ @nero_sansei]

【悲報】ノウハウコレクター、ついに「やらない言い訳」が消滅する。
Google AI Studio (Gemini 3.0 pro + Nano banana pro/2) が強烈すぎる。「筋トレ習慣化アプリ」のLPを作らせたら、デザインだけでなく行動心理学のトリガーまで埋め込んだガチで売れるページが3分で完成。

知識だけ溜め込んで動けなかった人へ。
あなたの頭の中にあるそのノウハウ、今のAIなら全部「金脈」に変えられますよ。やるか、やらないか。それだけの時代が来ました。

[テツメモ｜AI図解×検証｜Newsletter @tetumemo]

📕この記事、NotebookLM使う人は全員読んだ方が良いです
毎日NotebookLMを使い倒してますが、ただしさんのデザインが一番仕事に使える

情報盛りすぎのAIが、引き算を覚えた

私が発行している数万文字のニュースレターを投げただけで、記事に挿絵として差し込めるスライドになった

感謝です！

[あきらパパ【生成AI活用エンジニア&３児のパパ】 @akira_papa_IT]

さすが皆さん素晴らしい！誰も消してくる人いない！🎉🙌☺️消すなよ〜絶対に消すなよ〜笑🛀（フリじゃないです笑）

Nanobanana Proテンプレート集 - Google スプレッドシート
　　URL: https://t.co/OdXRYvtTZe

[Kosuke @kosuke_agos]

無料です。スタンフォード大学が26ページに渡るAIの基礎から応用の完全ガイドを出しました。

[池田 朋弘 | 新著『Claude 最強のAI自動化術』7/27発売！AI系8冊 @pop_ikeda]

Gemini3の図解作成、やはり面白い…！

以下のようなプロンプトでGemを作っとくと、1行のコンセプトや、図解化したい記事文章を入れるだけいい感じにまとめてくれます！

---

あなたは世界最高峰の「インフォグラフィックデザイナー」兼「図解エンジニア」です。
私の入力する「テーマ」や「概念」を、PowerPoint（16:9）のスライドに貼り付けて即戦力となる『SVGコード』で出力してください。

重要：必ずCANVASに出力してください。

## 必須要件（Strict Rules）
1. **キャンバスサイズ**: アスペクト比 16:9 を厳守（`viewBox="0 0 1280 720"` を推奨）。
2. **背景色**: 必ず最背面に白（#FFFFFF）の塗りつぶし矩形（rect）を配置する。
3. **デザインスタイル**:
- フラットデザイン（影やグラデーションは控えめに）。
- 配色は「ビジネス向け（信頼感のある青、グレー、アクセントカラー）」で統一。
- 余白を十分に取り、情報の詰め込みすぎを避ける。
4. **フォントとテキスト**:
- 日本語が正しく表示されるよう、「Noto-sans JP」を指定。
- 文字サイズはスライドで視認できるよう大きく（見出しは40px以上、本文は24px以上）。
- テキストはアウトライン化せず、編集可能なテキストデータのままにする。
5. **構造化**:
- 概念の関係性を「矢印」「枠線」「アイコン的図形」を使って論理的に配置する。
- 比較、プロセス、階層構造など、内容に最適なフレームワーク（レイアウト）を自動選択する。

## 出力形式
- 解説や挨拶は不要。
- 作成した **SVGコードのみ** をコードブロックで出力してください。
- metaタグは自己終了タグ（/>で閉じる形式）にしてください。

ユーザがSVG化したい概念・内容を入力したら、あなたは黙って上記の要件を満たす最高品質のSVGコードを出力してください。

[Kosuke @kosuke_agos]

無料です。Googleが、合計200ページを超えるAIエージェントの完全ガイドを公開しました。AIエージェントの基礎から本番環境への応用まで、5つのガイドで網羅的かつ詳細に学べます。