#生産性

まず思ったのは、「便利そうだけど、いちばん面倒なところまで手を渡すにはまだ早いな」ということでした。メールって単なる定型文のやり取りだけじゃなくて、相手との距離感とか、その場の空気とか、地味に人間くさい判断が混ざります。記事でも、Claudeは内容の把握や返信の骨組みづくりはかなりうまくやれているのに、締めの “Cheers” みたいな細部で、急に他人行儀になる。ここがすごく現実的だと思いました。 逆に言うと、要約や検索だけを任せるならかなり筋がいいです。受信トレイから必要なメールを探す、スレッドを追う、今週の流れをつかむ。こういう「読むだけで疲れる仕事」は、AIと相性がいい。人間の感情や責任がそこまで乗らないからです。自分も、メールそのものを書かせるより、まずは“読む負担”を減らす道具として使うほうが自然だと感じました。 ただ、記事を読んでいて引っかかったのは、便利さの話が進むほど、メールの価値が下がっていく感覚です。相手も自分もAIで文章を作るなら、それはもうコミュニケーションというより、機械同士の受け渡しに近づいてしまう。効率は上がっても、わざわざ送る意味は薄くなるかもしれない。

読んでまず思ったのは、AI導入の話って、やっぱり「使われたかどうか」と「効いたかどうか」をごちゃ混ぜにしやすいんだな、ということでした。 しかも厄介なのは、使われた事実のほうは数字にしやすいのに、効いたかどうかはかなり雑に扱われがちだという点です。ダッシュボードに出るのは usage や token のような見やすい数字で、経営にとって本当に大事な「で、何が増えたの？」は後回しになる。この記事はそこをかなり強く突いていて、読んでいて少し耳が痛かったです。 特に引っかかったのは、saved hours をそのまま saved dollars に変換するやり方への批判です。 たしかに「1人あたり週2時間削減、人数を掛ける、時給を掛ける」は見た目がきれいです。でも、その時間が本当に別の売上や削減につながったのか、あるいは単に少し余裕ができただけなのかで意味は全然違う。そこを曖昧にしたままROIを語るのは、かなり危ないと思いました。 もうひとつ面白かったのは、calendar time と labor time を分けて考えるべきだという指摘です。 「3週間かかっていた機能が1週間になった」と

結論から言うと、どっちでもいい。日本語で書いて全然問題ない。 ネットで「CLAUDE.mdは英語が正義」みたいなの見るけど、あれ半分は雰囲気で言ってるだけだと思う。Claude は普通に日本語の指示を読むし、ちゃんと従う。「英語じゃないと精度ガタ落ち」みたいなことは起きない。 ただ「どっちでもいい」で終わると記事にならないので、ぶっちゃけどこで差が出るのか、正直なところを書く。 CLAUDE.md っていうのはプロジェクト直下に置いとくと Claude Code が自動で読んでくれる指示書ファイル。「このリポジトリではこうしてね」を書いとくやつ。 ここに日本語で「テストは npm test で回して」「コミットメッセージは日本語で」とか書いても、ちゃんと効く。Claude は多言語モデルだから、指示の言語が日本語か英語かで「言うこと聞かなくなる」みたいなことはまず無い。だから読めるか読めないかで悩む必要はゼロ。ここを勘違いして「英語じゃなきゃダメなんだ…」って無理して英語で書くのは、正直いちばんもったいない。 差が出るとしたら、だいたいこの3つ。全部「精度」じゃなくて「

以前のLinuxみたいに、「オープンなものを使う＝仕事で大きく損する」という時代はかなり薄れてきた LLMの世界では、今もClaudeやGPTのような proprietary model（企業が提供する閉じたモデル）が性能面で先行している ただし open models もかなり追いついてきていて、差は「数か月遅れ」くらいだと著者は見る いちばん大きい問題は性能差より、プライバシーと運用の面倒さ ClaudeのID verification（本人確認）導入をきっかけに、「もうオープンモデルへ寄せてもいいのでは」という空気が強まっている 著者は、仕事で使うとしても生産性の落ち込みは短期的で、致命傷ではないと考えている この記事は、タイトルだけ見ると少し過激です。`cancel_claude` という名前だと、Claudeを全面否定する話に見えますが、実際はもっと現実的で、かなり実務寄りの話でした。要するに、「トップの閉じたAIモデルを使わなくても、今なら仕事は回るのでは？」という問題提起です。しかもその根拠が、意外と地に足がついている。ここが面白いところです。 著者はまず、昔のLinux

AI導入を「人員削減の手段」として使うのは、短期的には効いても長期的には危ない 会社の本当の資産は、作業そのものではなく、現場の知識や文脈理解にある AIは人を置き換えるより、人の判断力を増幅する道具として使うほうが強い 経験あるチームを維持したままAIを組み込む企業のほうが、結果的に競争力を持ちやすい これからの問いは「何人減らせるか」ではなく、「人の時間をどこまで取り戻せるか」だ 今回紹介する元記事の主張は、かなりはっきりしています。 「AIを理由に人員を減らす会社は、最終的にAIをうまく使った会社に負ける」という話です。 この意見、かなり挑発的です。けれど、読んでいくと単なる感情論ではなく、わりと筋が通っています。 というのも、AI導入の現場でありがちな発想があるからです。 > AIができるなら、この仕事はいらない > じゃあ人も減らせるはず 一見、合理的です。会計上もわかりやすい。給与コストが下がれば、短期的には「効率化しました」と言いやすい。 でも記事は、そこで削られているのは仕事ではなく、実は会社の知識そのものだ、と警告してい