会議の「アクションアイテム」をLLMで自動抽出する — プロンプト設計と、つまずいた3つの落とし穴

プログラミング未経験者が Claude との対話のみでライブセットリスト予想ビンゴの Web アプリを開発・公開した事例。日本語指示とスクリーンショットによる動作確認だけで、HTML/CSS/JavaScript と Supabase を組み合わせた機能完全なアプリが完成。セキュリティレビューも含めた実装判断が非エンジニアでも可能であることを示す。

Headwaters 社の「HWS AI Kids Club」で、小学3年生が Claude を使ってドッジボールゲームを制作。子どもの口頭でのアイデアをプロンプトに変換し、HTML/CSS/JavaScript のコードを一発で生成、試しながら仕様を改善していく様子を記録。社内 AI 推進方針「いち早くキャッチ・適材適所・全社で実践」が、説明なく自然と実践されていたことに気づく。

ChatGPT のシェア低下と Claude・Gemini 台頭が報じられるが、市場全体のシェアや総合ベンチマーク順位は複数タスク・複数ユーザーの平均値であり、個人の特定タスクにおける最適モデル選択を保証しない。タスク・評価軸を固定し同一プロンプトで複数日比較する小規模評価ハーネスを個人で用意することが、市場ランキングに振り回されずモデルを選ぶ実務的な解になる。

電気設備設計が本業で、ソフトウェア知識は独学レベルの著者が、AI にコード生成を大部分を任せて、認証・決済を備えた不動産相場調査 SaaS を個人開発し本番運用。つまずきポイント（動的 OG 画像のハング、Vercel 無料枠の制約、SEO）ごとに「凝らない」「制約内に収める」「判断は人間」という割り切りで解決した実装記録。