概要
https://zenn.dev/globis/articles/claude_code_is_all_you_need
詳細内容
## AIも不確実だけど、人間はもっと不確実だ
https://zenn.dev/globis/articles/claude_code_is_all_you_need
本記事は、Claude CodeとLogseqを活用し、個人の記録をAIに参照させることで、人間よりも不確実な非決定性タスク、特にミドルマネージャーのソフトスキル業務を効率化する具体的な手法を提示します。
**Content Type**: ⚙️ Tools
**Scores**: Signal:4/5 | Depth:4/5 | Unique:5/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 90/100 | **Annex Potential**: 90/100 | **Overall**: 88/100
**Topics**: [[Claude Code, Logseq, AI活用ワークフロー, ソフトスキル支援, プロンプトエンジニアリング]]
記事は、Anthropicの従業員がClaude Code (cc)をコーディング以外の幅広い分野で活用している事例に触れ、著者が同様にccやRoo Codeをミドルマネージャーのソフトスキル業務に応用する具体的なワークフローを紹介します。従来のソフトウェアエンジニアリングが決定論的であるのに対し、LLMは非決定的な性質を持つ点を踏まえ、人間が均質なアウトプットを出すのが難しい「不確実性の高い仕事」こそ生成AIに任せる価値があると主張。具体的には、完了したTODOからのMBO/OKR進捗評価材料収集、業務メモからの深掘りポイント抽出、1on1/MTGの話題の叩き台作成などに活用しています。
このワークフローの鍵は、Logseqで管理された個人のジャーナルやTODO、MBO/OKRの記録をAIへのインプットとして整備することです。著者は、`.ai/knowledge`に`personal-context.md`などを、`.ai/prompts`に目的別のプロンプトファイルを配置し、`journals`や`pages`ディレクトリに日々の活動や目標が記述されたMarkdownファイルを格納する独自のファイル構造を公開しています。これにより、AIは組織内の課題や個人のコンテキストを深く理解し、例えば「今日の仕事状況を要約し、MBO/OKRの進捗を確認し、懸念点やNext Action不明瞭な点を質問形式で掘り下げる」といった複雑なタスクに対応可能となります。
特に、週次振り返り支援のプロンプト例は、AIがセルフコーチングの役割を果たし、人間が見落としがちな部分をランダムにピックアップすることで、思考をトリガーする強力なツールとなることを示しています。さらに、Claude Codeのオープンクエスチョン形式とRoo Codeの選択肢提示型アプローチを、自身の「気力」に応じて使い分ける運用術も提案。AIにコンテキスト情報を蓄積させ、自身のジャーナルの書き方をブラッシュアップする循環を生み出すことで、多量の情報に埋もれがちな日々の業務から意味のある洞察を引き出す重要性を強調しています。このアプローチは、AIを単なるツールではなく、人間の不確実性を補完し、思考プロセスを強化する「パートナー」として位置づけるものです。