AI習熟度の5段階と、組織が「使い倒す」に至る設計
AIツール導入から半年。同じ環境でも成果に3倍の差が出た。差分を追うと、習熟度には明確な段階があり、各段階で必要な実践が異なっていた。表面的な利用から脱却し、AI駆動で仕事の質を変えるために、私たちが観察した5つの習熟段階と、各段階の実装チェックリストを記録する。
2026-08-27 · 読了時間：約5分
AI指示設計を分解する
AIコーディングツールの出力品質は、指示の構造で決まる。開発チームが直面する「書き直しループ」の原因は、ドメイン知識・開発文脈・意図の伝達、この三層の設計不足にあった。実装現場で蓄積した指示パターンを整理する。
2026-08-14 · 読了時間：約4分
ブラウザを開かなくなった朝
AI導入から半年、実務担当者がブラウザすら開かなくなる瞬間が訪れる。ClaudeとCursorへの指示・確認・修正のみで業務が完結する状態。だがこの変化は、誰にでも訪れるわけではない。AI時代のPMに求められるのは、ツールの習熟ではなく、クリエイティブと開発と経営の知識という基礎体力だった。
2026-08-14 · 読了時間：約4分
副業案件で見えた、人を出す線
自動化の範囲を決めるとき、多くの企業が「どこまで機械化できるか」を問う。だが実際の判断は逆だ。どこで人を出すかを先に決め、残りを自動化する。副業案件の成約プロセスで私たちが記録した、人機分業の境界線を引く実際の判断基準を公開する。
2026-08-10 · 読了時間：約3分
副業マッチング自動化を組んだ2週間
副業案件の募集が1日50件流れるクラウドで、条件に合う案件を抽出し、応募文を生成し、送信前まで自動化した。2週間で5件の商談、1社と契約。ただし最終送信は手動で残した。その判断基準と、自動化する工程としない工程の境界をどう引いたかの記録。
2026-08-10 · 読了時間：約4分
セキュリティリスクを設計の前提にする
多くの企業がセキュリティを理由にAI活用を保留している。しかし本質的なリスクと過剰な不安を切り分けられないまま判断を先送りすれば、競合との差は開く一方だ。リスクは回避対象ではなく、設計時に織り込むべき前提条件である。
2026-08-07 · 読了時間：約4分
説得を諦めた朝に見えたもの
研修を重ねても AI ツールを使わない社員がいる。説得には限界がある。私たちは変化適応力を軸に、誰を待ち、誰を見切るかの判断基準を整理した。組織浸透は全員の同意ではなく、動ける人の速度で決まる。
2026-08-07 · 読了時間：約4分
採用基準を、スキルから適応力へ
AI時代の採用で見るべきは、保有スキルではなく変化への適応力です。私たちは「技術は十分なのに新しい手法を試さない」人材を何度か目にし、採用の判断軸を変えました。スキルセットは教えられる。でも、変化を受け入れる姿勢は、採用時点で見極める必要があります。
2026-08-07 · 読了時間：約3分
使えるのに、使わない人たち。
あるコンサル先で、AIツールを全社に配っても7割が使わない現実に直面した。問題は技術ではなく、変化への適応力。私たちが見た組織の分断と、その先の選択を記す。
2026-08-07 · 読了時間：約3分
AI導入判断を止めている3軸
AI導入の可否判断で迷うのは、評価軸が曖昧だからだ。データ分類・利用範囲・ツール選定の3軸で整理すれば、セキュリティを担保しながら導入を進められる。AzRunが実践している判断基準と、実際に起きた事例を公開する。
2026-08-07 · 読了時間：約5分
精度が出た検証が、実用で破綻する
技術検証で99%の精度が出ても、本番で使えないケースは多い。原因は、テストパターンを作りすぎたことによる過剰最適化だった。「軽量化webapp指定」「JSON出力ルール厳守」といった細かな条件を重ねるほど、汎用性は失われていく。AI自動化の実用化判断には、検証の成功体験を疑う視点が要る。
2026-08-04 · 読了時間：約4分
Codexで組み、Claudeで仕上げる
Agent開発でトークンが枯渇する問題を、工程ごとにLLMを使い分けることで回避した。Codexで構造を組み上げ、Claude Codeで対話しながら仕上げる。この分業が機能した理由を、プロンプト設計と各LLMの特性から整理する。
2026-08-04 · 読了時間：約4分
Figmaコーディング自動化が止まった理由
Figmaからコードを自動生成する実験で、最初の実装は5分でトークン上限に達した。原因はテストパターンの過剰指定。Agent構築、コード生成、仕上げの3ステップで異なるLLMを使い分け、最終的に実用化できるパイプラインを組んだ記録。
2026-08-04 · 読了時間：約4分
Codex と Claude Code、どちらを使うか
Codex と Claude Code は、同じコード生成 AI でも設計思想が異なる。Codex はエディタに統合され既存コードの補完・拡張に強く、Claude Code は会話形式で新規実装や要件整理に向く。どちらが優れているかではなく、タスクの性質で選ぶ。実装の場面ごとに使い分けた記録を残す。
2026-07-23 · 読了時間：約5分
生成AIで開発が破綻する場所
Cursor や Claude Code で開発速度は上がった。だが、要件が曖昧なまま進めると手戻りで工数は倍になる。AI がコードを書くなら、要件を固める役割は誰が担うのか。DX 推進室が直面する実装前の壁について、実例をもとに整理する。
2026-06-05 · 読了時間：約4分
freee を AI の起点にする
freee を導入しても Excel と税理士依存が続く。これは使い方の問題ではなく、設計の問題だ。会計ツールを単体で見るのではなく、AI エージェントの起点として再配置すると、経理業務の構造が変わる。
2026-06-01 · 読了時間：約4分
AIが書いた記事は、評価されない。
SEOの評価基準は変わっていない。変わったのは、中身のない記事を量産する手段が増えたこと。AIが書いた記事が評価されないのではなく、何も考えずに出力された記事が評価されないだけだ。
2026-05-30 · 読了時間：約3分
Codex を使う前に整えた3つの環境
CODEX の生成精度は、指示の巧さではなく、事前に用意した情報の整理度で決まる。ディレクトリ構成、命名規則、既存コードの密度。この3要素を揃えると、プロンプトは短くなり、修正工数は半分以下になる。
2026-05-29 · 読了時間：約3分
AI実務を、丸投げしなかった。
ChatGPTを試し、AI活用を謳う競合に焦る。だが外注した瞬間、中身は見えなくなる。私たちが選んだのは、創業者自身が手を動かし続ける道だった。机上の空論ではなく、実務で体験することでしか得られないものがある。
2026-05-28 · 読了時間：約4分
チームビルディングを、人を増やさずに設計する
従来のチームビルディングは「人を増やして分業する」前提で組まれている。AzRun は人ではなく AI ノードを増やし、少人数が大量のエージェントをオーケストレーションする構造で、桁違いの出力を実現している。
2026-05-27 · 読了時間：約3分
ジレンマを、抱えたまま進む。
既存事業と新規事業の相反するニーズに直面した著者は、矛盾を解消してから進もうとしていたため動けなくなった。しかし部下の小さなプロトタイプをきっかけに、社内承認を待たずに実装を進める方針に転換。
2026-05-27 · 読了時間：約3分
ディスプレイ広告は、量で語れ。
ディスプレイ広告は検索広告より意図が弱いため、CPAが高くなるのは仕組み上自然です。継続判断はLTV、ブランド検索増加率、クリエイティブ別CPAで評価すべき。
2026-05-27 · 読了時間：約3分
リスティング広告を、任せられなかった。
リスティング広告の外注先選定に際し、提案内容の違いが判然とせず、社内知見の欠落から丸投げを余儀なくされていた。しかしAIの登場により、専門知識なしで広告運用の実務に携わることが可能となった。
2026-05-27 · 読了時間：約3分
リスティング広告を、社内で回す。
リスティング広告を代理店に依存すると、社内にノウハウが蓄積されず、改善提案も停滞して成果が頭打ちになります。
2026-05-27 · 読了時間：約3分
手を動かす人に、戻れた。
ディレクターとして長年人に仕事を依頼する立場にあった著者は、AIツールの活用により、構想から実装まで自ら手がけられるようになった。
2026-05-25 · 読了時間：約2分
考える人と、つくる人。
AzRunは肩書きを設けず、コンサルタントやエンジニアの区別をしない組織構造を採用しています。
2026-05-20 · 読了時間：約2分
コンサルや開発、マーケの中抜きをなくす。
複数の専門会社に業務を分業すると、戦略が各段階で変質し、実行時に齟齬が生じる問題がある。従来はスキルや人数の制約から分業が必然だったが、AIの登場により個人の対応領域が大幅に拡大した。
2026-05-18 · 読了時間：約2分
Cursor + Claude Code で、1 営業日プロトタイプ。
AzRun開発では、AI活用と工程の一貫性により1営業日でプロトタイプを完成させている。午前にヒアリングと仕様整理、午後にAIで骨組み構築と接続作業を行い、夕方には動作可能な状態に。
2026-05-15 · 読了時間：約2分
少人数 × 大量の AI ノードで、桁違いの出力を生む。
AzRunは人員増加に依存せず、個人が管理するAIノードの数を増やす運用モデルを採用している。AIノードは特定の役割を持つエージェント単位で、リサーチや文書生成など定型的な業務を自動化する。
2026-05-12 · 読了時間：約2分
広告クリエイティブを、AI で大量検証する。
広告クリエイティブの成功は事前の推測では決まらず、市場による検証が重要です。AIを活用すれば従来の月20案から月200案へ大幅に増やせ、複数の訴求軸や表現方法を並べて比較できます。
2026-05-08 · 読了時間：約2分