彼らはどうやってやったのか？

製造業チームへのオンボーディング過程で、LLMを使い倒してタスク完了を加速させたが、会議での主体的な参加ができていなかった経験から、「自分が身につけたい能力か」という問いの重要性を実装例とともに考察。Notion MCP による資料参照の自動化から始まり、理解不足に気づき、段階的な前提構築へとプロンプトを改良していった過程を紹介。

子ども向けアプリ Finoko の金融学習機能について、学年別のクイズ生成・採点方式と架空の株価市場を活用した疑似投資機能の実装詳細を解説。Claude で生成した問題を DB に貯蔵して都度生成を避け、採点・金額決定をサーバー側で行う認可方式、および実在株価の規約制限を踏まえた現実ニュースベースの架空相場生成を紹介。

GPT・Claude・Gemini は同じ LLM カテゴリに属していても、開発元・学習方法・得意なタスク・料金が異なる。モデル選定時は「一番賢いモデルを選ぶ」のではなく、推論能力・コンテキスト長・速度・コスト・ツール対応など 7 つのポイントを確認し、システムに必要な能力を持つモデルを選ぶべき。モデルは頻繁に更新されるため、会社ごとのイメージでなく実際に使うモデルと用途を見ることが重要。

長期案件でClaudeやChatGPTを使う際、大量のファイルをAIに記憶させるのではなく、参照方向の管理と探索ルールを構造化することで対応した実運用例。00番を「正典」として現在の採用判断を一元管理し、深掘りルールを外部ファイル化することで、モデルの忘却や読み落としを前提とした安定運用を実現。