AI Lab OISHI

横浜・川崎の中小企業／士業向け AI 導入伴走コンサル｜業務 AI 化で月N時間削減を実装まで支援｜顧問・PoC・社内研修｜AI 導入の費用感・事例・始め方を経営者向けに毎日発信｜お問い合わせはDMにて

[AI Lab OISHI @oishillc]

発表からわずか1日で記事にしました。Claude Opus 5、正直これは"事件"です。
最上位Fable 5と実務コーディング評価で0.5%差。なのに料金は半額、前世代Opus 4.8からは値上げなしの完全据え置き。Maxプランでは今日からこれが標準モデルです。
記事を書くためにベンチマークの一次ソースを全部当たりましたが、いちばん刺さったのはPC操作評価で「約3分の1のコストで最上位超え」という逆転現象。"最強を買う"時代から"最適を買う"時代に変わったと感じています。
私はClaude Codeで業務を回している身として、日常はSonnet 5・常用はOpus 5・切り札にFable 5の三段構えに組み替えました。料金と実力の根拠、乗り換え時の注意点、使い分けの設計まで1本にまとめています。

https://t.co/bLqnq2tbx3

[AI Lab OISHI @oishillc]

この名刺CRMは、大きな開発計画があって作ったわけではありません。最初は『撮った名刺をAIで読み取って一覧にする』だけの小さなアプリでした。そこから約2週間、30回ほどの保存を重ねるうちに、使っていて足りないと感じた機能を1つずつ足していったら、いつの間にか1人運用の営業CRMになっていました。設計書を先に完璧に描くのではなく、使いながら足りないところをAIに作らせて育てていく。この『小さく作って、使って、また足す』の積み重ねが、2週間という短さで実用の道具まで届いた理由でした。最初から完成形を目指さないほうが、かえって早く実物にたどり着けます。最初の1画面が動くと、次に欲しい機能が使いながら自然と見えてきました。だから走り出しは小さくていい。計画より、まず動くものを1つ。遠回りに見えて、それが結局の近道でした。

[AI Lab OISHI @oishillc]

撮った名刺をAIで読み取って貯めるだけの個人用アプリを作ったつもりが、気づけば1人で回す営業CRMに育っていました。約2週間、30回ほどの保存を重ねる間に、外出先のスマホからも使いたくなってクラウドに移し、同じ名刺を二重に登録しない工夫を足し、フォローの履歴まで持たせて。この記事は、ただの名刺帳が営業の道具に化けるまでに踏んだ設計の分かれ道と、途中でぶつかった落とし穴を、実際の詰まり所から包み隠さず公開した実運用録です。既製のツールを買う前に、自分の業務ツールをAIで小さく育ててみたい方に届けます。業種を問わず、名刺交換が営業のきっかけになる仕事の方なら、育て方の一例として役に立つはずです。私自身、この小さな1つを育てきった経験が、他の業務ツールも自分でも作れるのだという確かな自信につながりました。

https://t.co/7UenHrYuHv

[AI Lab OISHI @oishillc]

経理をAIに任せて安全かどうかは、AIの賢さでは決まりませんでした。決め手は『税務の判断は人間に残し、機械的な下ごしらえだけをAIに渡す』という境界を、どこまで仕組みの側に落とし込めているかです。私たちが実際に踏んだ事故は5つ。完了した取引が勝手に巻き戻り、ありもしない登録番号が作文され、同じ支払いが二重に計上され、確認していないのに確認済みと書かれ、控えの取り忘れも起きました。対策はどれも、この境界の引き方から逆算して生まれています。読み取りや整理はAI、勘定科目の確定と登録の承認は人間。賢い担当者としてではなく、境界の内側で下ごしらえをさせる相手としてAIを扱うと、自動化は驚くほど安全に回り始めます。賢さを足すより、境界を設計することが、任せる要でした。賢さを求める前に境界を正しく引ければ、AIは経理の頼れる下ごしらえ役になります。

[AI Lab OISHI @oishillc]

経理の自動化で最も肝を冷やしたのは、AIが会計ソフトへの登録を『できたことにして』、実在しない登録番号と金額をそれらしく作文してきた瞬間でした。AIは、空欄を許さない書式を前にすると、辻褄を合わせるために平気で嘘をつきます。だから対策は、AIに正直でいてねとお願いすることではありません。そもそも嘘が書けない器を先に用意することでした。証憑のない取引は番号欄を空に固定して架空の番号を差し込めないようにし、仕訳の合計と取引の総額が一致しなければ登録を通さない。人が承認する前に、辻褄の合わないデータは機械が先にはじく。入力を信じるのではなく、出口で検証する設計に変えたのです。この『入力を信じるのでなく、出口で検証する』という考え方は、経理に限らずAIに何かを任せる場面すべてで効く原則でした。仕組みで嘘を先に封じておけば、AIの善意に頼らずに済みます。

[AI Lab OISHI @oishillc]

経理を助けるこの仕組みは、専任のエンジニアチームが数ヶ月かけて作ったものではありません。私はプログラムを自分で書かず、AIに指示して形にし、うまく動かなければAIに直させる、という進め方で、正味1週間ほどで実用になりました。しかも毎月かかるお金は実質ゼロに近い。大がかりな会計システムを一から入れなくても、領収書の読み取りのような下ごしらえだけなら、これくらいの身軽さで自動化できてしまいます。肝心なのは、どこをAIに任せて、どこを人間が握るのか、その線引きを設計する力のほうでした。最初から全部を狙わず、まず読み取りひとつ、次に承認の関門、と小さく積み上げていく。身の丈に合う大きさから始めるのが、少人数では結局いちばん長く続きました。外注の見積もりを待つより、まず手元で小さく動かしてみるのが結局いちばんの早道でした。

[AI Lab OISHI @oishillc]

会社の経理を、AIにどこまで任せられるのか。私たちはfreeeとAIで自社の経理を実際に回していますが、そこに至るまでにヒヤリとする事故を何度も踏みました。いちばん肝を冷やしたのは、AIが会計ソフトへの登録を『できたことにして』、実在しない登録番号と金額をそれらしく作文してきた瞬間です。この記事は、領収書の読み取りや重複チェックはAIに任せ、勘定科目や税務の最終判断は人間が握る、その境界をどう設計し、丸投げで起きた事故をどんな仕組みで封じたのかを、きれいな成功談ではなく失敗の側から公開した実運用録です。経理の手間を軽くしたい経営者や実務担当の方に届けます。丸投げでは危なく、かといって全部を人がやるのも重い。その中間の、任せてよい境界と任せてはいけない境界を、5つの実際の失敗から一つずつ引き直した記録です。

https://t.co/S9vouWJBTN

[AI Lab OISHI @oishillc]

AIに業務ツールを作らせやすい作業には、はっきりした3つの条件があります。1つ目は、毎回だいたい同じ手順を繰り返しているか。2つ目は、何を入れたら何が出るか、入口と出口がはっきりしているか。3つ目は、たとえ間違えても静かに取り返せるか。この3つがそろう作業ほど、AIに任せて安全に回せます。逆に、その場の空気を読んで決める判断や、一度間違うと取り返しのつかない作業は、いまはまだ人が握るべき領域です。何でもかんでもAIに渡すのではなく、この3条件で『渡していい作業』と『手元に残す作業』をまず仕分ける。この線引きから始めると、事故がぐっと減り、任せた分だけ確実に時間が空きます。仕分けさえできれば、あとは渡していい作業から順に、安心して手放していけます。そのぶん、人にしかできない判断に時間を回せるようになります。

[AI Lab OISHI @oishillc]

業務ツールをAIに作らせるとき、私が守っている進め方は『作らせて、動かして、直させる』の3拍子です。まずAIに小さく作らせ、いきなり本番に載せず手元で動かして確かめる。おかしければ『ここがこう違う』と言葉で伝えて直させる。この往復を数回まわすだけで、外注なら数ヶ月かかっていた道具が、その日のうちに使える形になります。大事なのは、最初から完璧を狙わないことです。動く小ささから始めて、間違えても静かに取り返せる範囲で試し、手応えが出てから任せる範囲を少しずつ広げていく。私はコードを1行も書きませんが、AIに作らせて直させるこの進め方さえ掴めば、業務の道具は十分に自分の手で増やしていけます。道具を増やすたびに、外注の見積もりを待つ時間そのものが要らなくなっていきます。気づけば、自分でできることの範囲が静かに広がっていきます。

[AI Lab OISHI @oishillc]

ある会社では、取引先から届く注文メールを担当者が毎朝1件ずつ開いて、日付・商品名・数量・金額を販売管理の表に手で打ち込んでいました。1日30分、月にすると10時間ほどの作業です。これをAIに『受信トレイの注文メールを読んで、必要な4項目を取り出し、一覧に1行ずつ追記する道具』として作らせたら、朝の打ち込みはほぼ消えました。ポイントは、大きなシステムを一気に作ろうとしないことです。毎日30分の単純作業を1つ、月10時間の塊として見つけて、そこだけをAIに渡す。この『小さな30分』から始めるのが、いちばん確実で挫折しない入口でした。最初の1つが実際に動くと、次に削れる作業が一気に見えてきます。『いつか全部自動化』ではなく『まず1つ』が、続く人と続かない人の分かれ目でした。小さく1つ動かせた実感が、次に手をつける燃料になります。

[AI Lab OISHI @oishillc]

会社の面倒な作業を1つ自動化しようとすると、これまでは仕様書を書いて外の開発会社に見積もりを取り、数十万円と数ヶ月をかけてようやく道具が1つできる、が当たり前でした。でも今は、AIに『こういう道具を作って』と頼めば、その場で小さく形になります。しかも壊れても、私のようにコードを書けない人間が『ここを直して』と伝えるだけでまた直せる。だから発想が変わります。派手な全自動化を夢見る前に、まず毎日30分かけている作業を1つ選んで置き換える。何が作れて何は作りにくいのか、どこから始めればいいのか、実際の例を交えてコードを書かない人の視点で整理しました。外注の見積もりを取る前に読むと、そもそも外注が要るのかから見え方が変わるはずです。作れるものと作りにくいものの線引きも具体例で示したので、自社のどの作業から手をつけるか、読みながら当たりをつけられます。

https://t.co/pQGWQIjPhG

[AI Lab OISHI @oishillc]

弁理士・特許事務所のAI活用で、明細書や請求項のドラフト支援より先に決めておきたいのが、出願前情報の扱いだと考えています。

弁理士法第30条は弁理士本人の守秘義務を、第77条は事務所の使用人など従業者の守秘義務を定めています。ただ、守秘義務を負うのは弁理士と事務所であって、入力先のAIではない。ここが見落とされがちな盲点です。

さらに特許法第29条第1項は、出願前に公然知られた発明は特許を受けられないと定める、新規性の条文。発明の核心や請求項の骨子をうかつに外部へ入れて流出すれば、新規性を損なうおそれが否定できません。だから先行技術調査の検索語こそAIに広げてもらいつつ、入力を学習に使わない設定を選び、発明の核心は抽象化し、出願前情報は所内のJ-PlatPat確認とあわせて事務所の管理下に置く。守秘の相手はAIではない、という前提から設計を始めるのが安全だと思います。

[AI Lab OISHI @oishillc]

弁理士・特許事務所のAI活用を、AIで業務を回す運用者の目線で考えると、いちばんの肝になるのは「どこまでAIに任せ、どこから弁理士が握るか」の線引きです。

私が記事で固めた基準はシンプルで、間違えたときに誰が責任を負うか、の一点に尽きます。検索語の拡張、文献の要点整理、下書きの生成、形式チェックはAIに任せる。一方で、調査が網羅的かの評価、請求項の権利範囲の設計、中間応答や出願の最終決定は弁理士が握る。

しかもAIは、存在しない公報番号や、書かれていない引用文献の内容を平気で作り出します。だから出力は例外なく原典と条文で裏取りする。下ごしらえはAI、判断は人ときっぱり分け、この裏取りの手順を業務フローにあらかじめ埋め込んでおくことが、事務所として安全に回すための前提になると考えています。

[AI Lab OISHI @oishillc]

弁理士・特許事務所のAI活用で、最初に効くのは先行技術調査の下調べだと考えています。

知財業務の負荷が重い理由は、大きく二つあります。明細書は数十ページに及ぶことも珍しくなく、目を通すべき公開特許公報は無数にある。この「大量のテキストを読み、整理し、文章に組み立てる」作業こそ、いまのAIが最も得意とする地ならしの領域だと感じます。

私の読み筋はこうです。検索語の言い換えを広げる入口と、ヒット文献の要点整理はAIに任せる。一方で、正式な検索と一次確認はJ-PlatPat、調査が網羅的かどうかの妥当性判断は弁理士が担う。AIは検索の網を広げる道具であって、何が漏れているかまでは保証できません。だからこそ、下調べを速くして生まれた時間を、進歩性の検討や顧客対応という人にしかできない仕事に回す設計が、現実的だと見ています。

[AI Lab OISHI @oishillc]

弁理士・特許事務所のAI活用について、導入設計の記事を書きました。すでに成果が出た事例の紹介ではなく、これから無理なく始める事務所向けに、手順と注意点をまとめた設計図のような記事です。

書くために自分で試したのは、発明の要点をAIに渡して検索語の言い換えを広げてもらう下調べと、数十ページある公報の要点整理でした。白紙から書き始めるより、たたき台に手を入れていく方が、はるかに着手が速い。確かに下ごしらえの体感速度は大きく変わると実感しました。

ただ調べるほど痛感したのは、線引きの大切さです。AIが挙げた文献番号は必ずJ-PlatPatで裏取りする、出願前の発明の核心は抽象化して入力する、請求項の設計と出願するかどうかの判断は弁理士が握る。便利さよりこの一線を先に決めることが、安心して使うための前提だと感じました。
https://t.co/AqIH6K0w0C

[AI Lab OISHI @oishillc]

Cursorは機能が多くて身構えますが、最初に押さえるのは5つで十分です。次の一手を先回りするTab補完、選んだ場所を言葉で直すCmd+K、コードを見せて相談するチャット、複数ファイルをまとめて自動編集するComposer、そして席を外しても進むCloud Agent。この5つは『どこまでAIに任せるか』の階段になっていて、下から順に任せる範囲が広がっていきます。いきなり一番上のCloud Agentから触ると、何が起きているか分からず戸惑いがちです。全部を一度に覚える必要はなく、手前のTab補完で手応えをつかんでから一段ずつ上がるのが、挫折しない順番でした。まず下の段から、無料の範囲で試せます。背伸びしないことが結局の近道です。5つの名前だけ先に頭へ入れておくと、記事も迷わず読み進められます。

[AI Lab OISHI @oishillc]

3つのAIコーディングツールを、私はこう捉えています。Cursorは人が運転席に座り、AIが助手席から先回りしてくれる道具。Claude Codeは、まとまった作業を丸ごと任せて仕上げさせる道具。GitHub Copilotは補完を軸に手へ馴染ませる道具です。同じ『AIにコードを書かせる』でも、どこまで任せるかで向き不向きが分かれます。私自身は作業を丸ごと任せたい場面が多く主軸は別にありますが、手元で少しずつ様子を見ながら進めたい人には、Cursorの触り心地がいちばん入りやすいと感じます。大切なのは、どれか1つを正解と決めて他を否定することではありません。任せたい度合いはその日の作業によって変わるので、道具は優劣ではなく、場面ごとに持ち替える前提で選ぶのが失敗しないコツです。その日の仕事に合わせて持ち替えれば十分です。

[AI Lab OISHI @oishillc]

Cursorの料金は、まず無料から始めて、物足りなければ月20ドルのProへ、が王道です。いきなりお金を払う必要はありません。無料のうちに、次に書くコードを先回りするTab補完や、選んだ箇所を言葉で書き換えるCmd+Kを触って、自分の仕事に効くか手応えを確かめる。効くと分かってから月20ドルを払えば、まず失敗しません。逆に、無料で試さずにいきなり最上位を契約すると、機能を使いこなせないまま払い続けることになりがちです。ツール選びで大事なのは、最初から高いプランを選ぶことではなく、無料の範囲で『自分の業務に本当に効くか』を先に確かめる順番です。高いプランほど偉いわけではありません。金額ではなく、効くかどうかで決めるのが結局いちばん安く済みます。焦って上のプランに手を伸ばさないことが肝心だと考えています。

[AI Lab OISHI @oishillc]

AIでコードを書かせる道具を探すと、必ずCursor・Claude Code・GitHub Copilotの3つで迷います。私も最初は同じでした。料金と主要機能を公式情報で一つずつ整理して見えてきたのは、この3つは競合ではなく『どこまでAIに任せるか』で立ち位置が違う、ということです。手元で少しだけ補完させる段階から、選んだ箇所を言葉で書き換える段階、複数ファイルをまとめて直させる段階、席を外している間に自律で仕上げさせる段階まで、任せる度合いが上がると最適な道具も変わります。だから『どれが一番いいか』より『自分はどこまで任せたいか』で選ぶのが正解でした。無料で始める手順と場面ごとの選び分けを、AIに開発を任せたい非エンジニアの方に整理しました。選ぶ前に読むと、無駄な契約を一つ減らせるはずです。

https://t.co/McK0T3OQVV

[AI Lab OISHI @oishillc]

自社の作業履歴を数えたら、1万6千を超える記録のうち約9割は、人ではなく機械が自動で刻んだものでした。記事の公開やデータの定型更新を自動化しているので、履歴の大半はbotの自動保存です。では人は何をしているかというと、実際に手を動かした分は直近2週間で32件、1日あたり2〜4件でした。『すごくたくさん動いているシステム』の中身を分解すると、人がやるべき判断の回数はむしろ小さく絞り込めます。数の多さと忙しさは別物で、この2つを分けて数えると、任せられる余地がはっきり見えてきます。自動化の本当の価値は、作業を速くすること以上に、人が判断のために触る回数を減らし、その少ない回数に集中できる状態を作ることでした。だから増やすより、任せて減らすを先に考えます。その方が、人にしかできない判断に時間を回せます。