
僕がAIにやらせている仕事100選【全部実測】

僕がAIにやらせている仕事100選【全部実測】
ChatGPTを毎日使っているのに、仕事全体はまだ楽になっていない——そんな人に向けて書きました。
「AI業務OS」とは、チャット画面にその都度質問するのではなく、AIを自分のノート・ファイル・ツールの上に住まわせて、仕事そのものを任せる仕組みのことだ。
ChatGPTは使っている。便利なのも分かっている。でも「で、次は何をさせればいいの?」で止まっている人が、とても多い。
この記事では、僕が実際にAIにやらせている仕事を100個、カテゴリ別に全部見せます。願望でも予測でもなく、すべて手元のログに残っている実測です。
この記事で分かること
AIに任せられる仕事の「具体的なメニュー」100個(議事録・資料作成・リサーチ・経理まで)
チャットAIと「AIを住まわせる環境」の決定的な違い
100個のうち、最初の1個をどこから始めればいいか
この100選、数字の出どころ
先に種明かしをします。この100選は、僕の記憶や印象で書いたものではありません。
僕の環境には、AIとの作業記録が全部残っています。そこで4体の調査AIを同時に走らせて、次の4つを機械的に集計させました。
作業セッションのログ: 211本
環境の変更履歴: 1,720件(直近5ヶ月)
AIの長期記憶: 179件
成果物ファイルの実数(レポート何本、デッキ何枚、という現物の数)
つまり、「自分がAIに何をやらせてきたか」をAI自身に監査させて作ったリストです。この記事の項目はすべて、ログ・履歴・プログラム・成果物という現物の裏付けがあります。
ちなみにこの採掘作業自体、かかった時間は30分ほどでした。これも本記事の項目97あたりと地続きの話です。
この自己監査のやり方(実際に使ったプロンプト全文つき)は、別記事にまとめました。自分の「実測リスト」を作りたい方はこちらへ。
僕の環境を3行で
ノートアプリ(Obsidian)に約3,000本のノートがあり、その上でAI(Claude Code)が直接ファイルを読み書きする
月額コストは約140ドル。マシンは普通のノートPC(MacBook、メモリ18GB)
構築はプログラマーでなくてもできる範囲(僕はコンサルタントで、エンジニアではありません)
前提はこれだけです。ここから本題の100連発に入ります。
興味のあるカテゴリだけ拾い読みしてください。A〜Jの10カテゴリに分けてあります。
A 会議・議事録 / B 提案資料 / C リサーチ / D データ分析 / E ナレッジ / F 文書変換・制作 / G バックオフィス / H 対外対応 / I ツール内製 / J 環境・保守
実例カタログ100連発
A. 会議・議事録(10個)
60分の会議録画を渡すと、約20分で文字起こしが終わり、標準様式の議事録Wordになって出てきます。音声は外部に送らず、手元のPCの中だけで処理します
日本語と英語が混ざったバイリンガル会議も、そのまま議事録にできます
会議で投影したパワポから社名・人名・専門用語を自動で拾って辞書を作り、音声認識にありがちな固有名詞の誤変換を直してくれます
録音に失敗してBGMしか入っていない録画でも、諦めなくていい。映像を1秒ごとに切り出して画面の文字をAIが読み取る方式に自動で切り替え、内容を復元します
60分を超える長い会議は、長文処理に強い上位のAIへ自動で引き継ぎます
「議事録はこう書く」という手順自体を約300行の指示書として保存してあるので、いつ実行しても同じ品質になります
Wordの見出し・段落番号・表の体裁まで、テンプレート通りに自動で整います
自分が出ていない会議の録音を扱うときは、発言者を推測で実名にせず役割名で書く、という安全ルールも仕込んであります
「この論点、過去の会議でどう決まったっけ?」と聞くと、過去の議事録を横断検索して答えてくれます
完成した議事録を、共有ストレージに置ける形へ整えるところまで一度の指示で終わります
このA章で使っている議事録プロンプトの全文(3段階・構造抽出→議事→統合)は、別記事で公開しています。→ コンサルの議事録プロンプト、全文公開します
B. 提案資料・スライド(12個)
92枚の提案デッキを、レビュー指摘を反映しながら32版まで改訂しきりました。直すたびに機械検査で崩れがないことを確認してから再提出するループを、AIと一緒に回します
54枚のデッキを作ったときは、スライド1枚につき1体、合計54体のAIを同時に走らせました。初稿は数時間で揃い、人間は最初から「直す側」に回れます
過去の本物の提案書からデザインの作法を抽出して「見本帳」として部品化してあります。AIはゼロから描くのではなく、見本帳を複製して中身を入れ替えるので、素人っぽいスライドになりません
完成スライドは自動検査にかけます。枠からのはみ出し・文字あふれ・必須要素の欠落・配色違反が1つでもあれば不合格となり、直すまで出荷できません
85枚のデッキを10体のAIに手分けさせて1枚ずつチェックさせ、レイアウトルール違反がゼロであることを確認したこともあります
「この記述は全スライドでこう統一する」という修正を、465箇所へ一括適用しました
AIは引用元や数字を勝手に変えることがあります。なので、裏取り済みの値への自動補正、原典URLの埋め込み、改変されやすい語の機械検出という三重の対策を入れてあります
グラフは画像の貼り付けではなく、PowerPoint上でそのまま編集できる本物のグラフとして生成します
昔作った既存のパワポを渡して、デザイン改善や「表を図解に作り替える」リメイクを頼むこともできます
企業買収後の統合(PMI)案件では、提案書とその裏側の分析メモをセットで管理しながら作りました
文章を渡すと、画像生成AI向けのスライド画像用プロンプトに変換する経路も用意してあります
出来上がりは1つのHTMLファイルで完結し、ブラウザの印刷ボタンを押すだけで16:9実寸のPDFになります。PowerPointを開く必要すらありません
C. リサーチ・デューデリジェンス(12個)
「この市場に参入すべきか」級の問いを投げると、11体のAIが役割分担して動きます。仮説づくり、情報収集、数字の試算、リスク検討、最終レポートまでが流れ作業です
1つのテーマについて記事・資料を30〜50本同時に取得し、主張ごとに別のAIが「本当にそう言えるか」と反証を試みる深掘り調査の仕組みもあります
台湾・韓国・東南アジアなど海外市場の規制・主要プレーヤー・市場規模を、現地語の情報源まで含めて調べられます
提携候補やキーパーソンを発掘し、146社分の連絡先・属性つきリストに整理しました
ある人物の経歴・資産・係争歴を公開情報から徹底調査し、脚注208本・1,000行超の調査報告書(デューデリジェンス)を仕上げたこともあります
公的な登記・登録データをたどって「この資産の本当の持ち主は誰で、意思決定者は誰か」を逆引きする調査ができます
「今回の状況は過去のどの事例に似ているか。成功の条件は何だったか」を専門に調べる類例分析の担当AIがいます
結論を出すときは必ず、楽観・標準・悲観の3シナリオと、「都合のいい思い込みをしていないか」という5種類のバイアス点検を通します
保険・金融・建設・旅行・スポーツなど、業界を問わない単発の調べ物を30回以上こなしてきました
AI業界の最新動向は週2回、寝ている間に3体のAIが自動で調べ、朝にはレポートが置いてあります(これまでに19本)
引用予定のURLが溜まったら5本同時に全文を取得し、引用する数字が原文と一致するか照合します。有料記事で読めなかったものは「読めなかった」と正直に報告させます
「ニュースの日付や金額は、記憶で書かず必ずWebで確認してから書く」という決まりを、過去の失敗からルール化して全作業に適用しています
このC章のリサーチを支える11工程パイプライン(プロンプト全文つき・ChatGPTで動きます)は、別記事で公開しています。→ AIリサーチを11工程に分けたら、出典が嘘をつかなくなった
D. データ分析・ダッシュボード(8個)
アンケートの自由記述6,500件を約1分で、「ポジティブ/ネガティブ × 12の要因 × 29のカテゴリ」に自動分類できます
その分類エンジンで、部門別の分析レポートを合計115本自動生成しました。人手なら最初から諦めていた物量です
「どの要因に手を打てば従業員の意欲が上がるか」を、統計手法(偏相関・構造方程式モデリング)で定量的に示せます
重いExcelは高速なデータ形式に変換してから扱います。容量は5分の1以下、読み込みは10秒から0.5秒に縮みます
分析結果は、相手が自分で操作できるWebダッシュボードにして渡せます。更新もほぼ自動です
2つのシステム間で予定データ889件を一括変換・正規化しました。その過程で、相手システムの説明書に載っていない仕様をAIが実測で突き止めました
社内の感謝・称賛ツールで受け取ったカード380枚を自動収集・整理して、評価面談で使える「誰に・何を感謝されたか」の分析資料に変えました
「この切り口で集計したい」と思ったら、その場で集計プログラムを書かせて答えを出します。使い捨ての分析でも数分で形になります
E. ナレッジ・記憶(10個)
約3,000本のノート(過去の分析・事例・議事録・ルール)をAIが直接読み書きします。「前回の整理を踏まえて」という頼み方が通じます
「あの理論の出典どこだっけ?」「この案件の経緯は?」と聞くと、どのファイルを根拠にしたかを示しながら答えます
AIとの会話の要点は自動でノートに保存され、後日「先週の続きから」と言えば文脈ごと再開できます
僕の好み・過去の失敗・確立したやり方を、AIが179件の「長期記憶」として覚えています。同じ説明を二度しなくていい
ノートへのタグ付けはAIが自動で行い、「タグが多すぎる」「禁止ワードを使った」といった違反は機械チェックが見つけます
乱れたタグの一斉棚卸しも実施済みです。正体不明のタグ221本をすべて仕分けし、タグ未設定の183本へまとめて付与しました
質問の内容から「どのフォルダを見るべきか」をAIが自動判断するための地図(ナレッジマップ)を整備してあります
新しいAIツールや新機能はまず自分で検証してからノートに残します。この検証メモが25本たまっています
読んだ本の内容もノート化してあるので、「あれはどの本に書いてあったか」を本棚ごと検索できます
仕事で失敗が起きるたびに教訓を恒久ルールとして書き残し、以後の全作業へ自動適用します。179件の記憶の多くが、この「二度と起こさない仕組み」です
F. 文書変換・コンテンツ制作(8個)
ノートから、日本語の体裁が崩れないPDFをコマンド1つで作れます。変換プログラムは自作(2,085行)で、表も図も崩れません
同じノートから、テンプレート準拠のWordファイルもコマンド1つで作れます
同じノートから、編集可能なPowerPointも作れます。「正本は1つ、出力形式は相手に合わせる」が成立します
逆方向もあります。もらったPowerPointをHTMLへ変換できます
気になったWeb記事やSNS投稿のURLを投げると、全文を取得してノートとして保存してくれます
経歴・実績資料を日本語版・英語版・用途別に複数バージョンで管理し、WordやPDFへの組版まで自動化してあります
長文記事を書くときは、執筆 → 法的にまずい表現がないかの確認 → 別のAIによる辛口チェック → 公開、という流れ作業になっています
動画も作れます。プログラムで動画を生成するツールを使い、音楽に同期した縦型動画を23版まで作り込みました
G. バックオフィス・業務管理(10個)
勤怠システムへの月次入力は、AIがブラウザを操作して代行します。入力内容のプレビューを出し、僕が確認してから本入力する3段階方式なので、誤入力のまま確定しません
働いた時間はAIが自動で記録していて、月末には業務報告書と請求書まで自動で出来上がります
確定申告用の会計システムも自作しました。テスト55件すべて合格、別ベンダーAIのレビューを7回通過した品質で、毎月の明細取り込みも自動です
2つのカレンダーを双方向で同期する仕組みを自作し、本番稼働させています。「同期が無限ループしないか」を実際の予定データ243件で検証してから動かしました
メールソフトの予定表の取り出しや、受信トレイの仕分けもスクリプト化してあります
業務委託契約書のチェック観点(違約金・競業避止・解約条件の偏り)を標準化してあり、契約書を渡すと論点を洗い出してくれます
各案件のノートに散らばるTODOを、ひとつの一覧へ自動集約します。元のメモが正、一覧は自動生成なので、二重管理が起きません
月々の稼働時間の集計や収支の整理も、AIが下ごしらえまで済ませます
クラウド同期フォルダ内でのファイル削除・移動は事故が起きやすいので、専用の安全手順を整備して事故ゼロで運用しています
法人設立まわりの文書134本(定款・規程・議事録・収支計画)も、AIと共同で整備・管理しました
H. コミュニケーション・対外対応(10個)
営業メールの送信もAIがブラウザ操作で行えます。ただし1通ごとに「宛先・本文・添付が正しい組み合わせか」を照合するチェックを必ず通します。これは過去の誤送信の反省から生まれたルールです
チャットツールのやり取りは15分ごとに自動でノートへ同期されます。「あの件、いつ何を合意したっけ?」をAIに聞けます
取引先への返信文はAIがドラフトを書き、送信ボタンは必ず人間が押す。この役割分担を明文ルールにしています
クレームや揉め事への対応文も、争点の整理から先回りの譲歩案まで任せられます
新規案件への応募文・提案文はAIが量産し、受けるべき案件かどうかは6観点のチェックリストで見極めます
メッセージ履歴196部屋分を一括バックアップして、検索できる形で保存してあります
メッセージアプリでのファイル送信も自動化してあります(送信前に人間が確認するステップ付き)
「購入された」等のイベントを自動検知して、お礼メッセージを自動送信する仕組みも動いています
SNS運用も型になっていて、投稿の作成から効果の振り返りまでがルーチン化されています
引き継ぎ資料を作るときは、相手が僕と同じ環境を持っていなくても再現できる形に「翻訳」して渡します。内部の仕組みを開示しない版をAIが自動で作ります
I. ツール内製・開発(12個)
僕の環境にある自動化プログラム約572本は、ほぼすべて「AIとの会話」から生まれました。仕様を言葉で伝えると、その日のうちに動くものができます
ただし作らせっぱなしにはしません。実装専用の10体のAIが、要件定義→実装→テスト→セキュリティ検査→性能検査→自動修正と分業し、検査に落ちたものは出荷されません
実装作業は本番から隔離した作業用コピーの中で行わせ、実行できるコマンドも許可リストで縛ります。万一暴走しても、本体への影響を最小限に抑えられます
仕上げに別ベンダーのAIを「粗探し役」として検収させます。6回連続で不合格を出されて、開発そのものを凍結した実例もあります。つまりこのレビューは忖度しません
AIが実際のブラウザを操作する基盤があります。ログインが必要な画面でも、フォーム入力でも操作できます
その応用で、公共スポーツ施設の抽選申込みまで自動化しました(動作テスト済み)
案件情報を収集して評価するツールも内製し、機会の見極めを半自動化しています
AIの使用量をエディタ画面に常時表示する拡張機能を2本自作しました。使いすぎを目で見て管理できます
自分のポートフォリオサイトも、AIと一緒にWeb技術で構築して公開しています
遊び心の例では、オフィス周辺のランチマップWebアプリを内製して、無料ホスティングで公開しました
iPhoneとPCの間で必要なファイルだけを同期する仕組みも組んであり、外出先でもノートを参照できます
AIの利用枠が切れても、作業が止まりにくい仕組みにしてあります。4つのAIサービスを束ねた切替装置が、枠切れを検知して自動で次のサービスへ繋ぎ替えます
J. 環境・統制・保守(8個)
毎週日曜の朝9時に、環境全体の健康診断が自動で走ります。ファイルの重複・タグの違反・ゴミファイルなど5観点を点検してレポートを置いていきます
WindowsとMacを併用すると日本語ファイル名が壊れる問題(文字コードの差異)があります。常駐監視で防ぎつつ、過去に蓄積していた734件の壊れた履歴も一掃しました
クラウド同期が生んだ重複・競合ファイル289件を、一括で検出して修復しました
AIに与える権限は3層で管理し、「外部への送信」「ファイルの大量削除」「権限昇格」はそもそも実行できない設定にしてあります。便利だが危険な「全権モード」は、実機検証の結果あえて不採用にしました
環境全体をバージョン管理していて、大きな変更の前には必ず復元ポイントを取ります。冒頭で書いた「自分の働き方をAIに監査させる」が30分でできたのは、この記録があるからです
AI実行環境そのものの不調(残骸プロセスがメモリを食い潰す等)も、診断と掃除がコマンド1つで済むよう標準化しました
クラウド同期の障害が起きたときの初動手順書まで用意してあります(触ってはいけない場所も明文化)
そして、この環境は完成品ではありません。直近5ヶ月だけで1,720回の変更記録が残っています。毎日使いながら、毎日進化しています
100個に共通する、たった1つのこと
ここまで読んで、気づいたことはないでしょうか。
100個のどれひとつとして、「すごいプロンプトを書いた」話ではない。
共通しているのは、AIに仕事の文脈(ノート)と、道具(ツール)と、検査(チェックの仕組み)を渡していることです。チャット画面のAIがどれだけ賢くなっても、あなたの議事録の様式も、過去の経緯も、社内の作法も知りません。知らない相手に仕事は任せられない。
逆に言えば、文脈と道具と検査を渡せば、AIは「賢い回答者」から「働く同僚」に変わる。これは能力の問題ではなく、設計の問題だ。
どこから始めるか(3ステップ)
100個をいきなり真似する必要はありません。僕も1個ずつ積み上げました。順番だけ提案します。

ステップ1: AIが読み書きできる「置き場」を作る
ノートアプリのObsidian(無料)と、Claude Code(月20ドルのプランから使えます)を入れます。これで「AIが自分のファイルを直接読み書きできる」状態になります。最小構成なら3日あれば動きます。
ステップ2: 頻出業務を1つだけ型にする
迷ったら、週2回以上やっている定型作業を選んでください。僕のおすすめは2つです。
議事録(この記事の1番): 効果が一番分かりやすい
記事URLの全文保存(57番): 仕組みが一番簡単で、最初の成功体験に向く
コツは、最初にやり方を細かく指示し、うまくいった手順を「次からこの手順でやって」とノートに保存させること。この瞬間から、指示が資産に変わります。
初回の成功基準は「手作業より速いこと」ではありません。「次回も同じ手順で再実行できること」です。1回目はAIに教える分だけ遅くて当たり前です。
ステップ3: 検査を1つだけ機械化する
AIの「できました」を信じないでください。最初は「出力の最後に、自分でチェックリスト5項目を検証して結果を書け」と指示するだけでいい。5項目のうち3つ以上を機械的に確認できていれば、最初の検査としては合格です。慣れてきたら、この記事の14番や84番のような「不合格なら出荷できない」仕組みに育てていきます。
正直な注意点
良いことばかり書くのはフェアではないので、3つ書いておきます。
AIの事実誤りはゼロになりません。 僕の環境でも、AIがニュースの日付や金額を記憶で書いて間違えたことがあります。だから34番のルールと84番の辛口レビューが生まれました。失敗は消せませんが、同じ失敗の再発は仕組みで消せます
保守の手間は存在します。 93〜99番は、裏を返せば「何もしないと環境は壊れていく」という話です。僕は保守そのものを自動化することで折り合いをつけました
最初の数週間は遅くなります。 AIに教える時間が先行投資としてかかるからです。回収はその後、複利で返ってきます
まとめ
AIの価値は、チャットの賢さでは決まらない。仕事の文脈と道具と検査を渡したとき、初めて「働く同僚」になる。
この記事の100個は、AIの能力リストではありません。僕からAIへの「仕事の渡し方」のリストです。そして渡し方は、才能ではなく設計です。小さく始めれば、積み上げていけます。
まずは1個。週2回以上やっている定型作業から始めてみてください。
この100選を生んだ「自己監査」のやり方は、プロンプト全文つきでこちら。
品質を担保する「検査」の仕組みは、この記事で深掘りしています(無料)。
環境の作り方を最初から最後まで知りたい方向けに、構築の全手順をまとめた設計書があります。30万字、全プロンプトとテンプレート付きです。
→ 30万字の設計書|自分のクローンを作って、仕事の負荷を圧倒的に下げた全記録
スライド量産の裏側だけ深掘りした記事もあります。
この記事が役に立ったら、スキとフォローで応援してもらえると、更新の励みになります。