SE歴20年、いまは複数のブログをAIに下書きさせて運用している。正直、便利だ。それでもこの一件で、AIの文章力より先に疑うべきものがはっきりした。数字だ。

この記事では、2026年5月に実際にやらかした事故と、その原因–これは世間でいう「ハルシネーション」ではなかった–、そして同じ事故を二度と起こさないために決めた4つのルールを、隠さずそのまま公開する。

ムラサキ

正直、最初は「AIが嘘をついた」と思いました。でも調べたら、もっとタチの悪い話だったんです。

AIに記事を書かせて、本番に嘘の数字が載った

2026年5月、あるAIツール「Genspark」のレビュー記事をリライトしていた。SEOタイトルとメタディスクリプションを改善するつもりで、作業自体はAIに任せた。出てきた新しいタイトルには、こうあった。

「Gensparkを3ヶ月使い倒して……」

公開した。そのまま本番に反映された。問題は、私がGensparkを3ヶ月使ったなんて、一言も言っていないことだ。記事本文にも、手元のメモにも、「3ヶ月」という期間はどこにも存在しない。

気づいたのは公開後だった。自分の記事を読み返していて、書いた覚えのない期間表記に引っかかった。慌てて一次ソースを全部当たったが、やはり「3ヶ月」の出どころはない。結局、タイトルとメタから期間表記を削り、「使い倒した」だけに直した。

数字ひとつ。たかが数字ひとつ。でも、これが本番に載っていた事実は重い。レビュー記事で「3ヶ月使った」と書けば、読者はそれを根拠に信頼する。その根拠が、実在しなかった。

AIで記事を書く手順そのものは別記事のClaudeを使ったブログ記事の作り方にまとめているが、今日はその裏で起きる事故の話だ。

数字はどこから来たのか＝競合記事のスニペット流用

「3ヶ月」の出どころは競合記事だった

原因を探して、まず疑ったのは自分の指示ミスだ。でも履歴を見ても、私は期間を指定していない。次にやったのが、検索結果の競合記事チェックだった。

そこにあった。同じGensparkを扱う競合記事のタイトルが、こうだった。

「【辛口評価】Gensparkを3ヶ月使い倒してわかった『ここがダメ』」

「3ヶ月使い倒して」。完全に一致する。AIは記事をリライトするとき、上位の競合記事を構成の参考に読む。そのとき、構成だけでなく、競合が書いた具体的な数字まで一緒に引きずってきていた。

これはハルシネーションではなく「もっともらしいパクリ」

ここが、この事故のいちばん大事なところだ。

世間では、AIが事実と違うことを言う現象を「ハルシネーション（幻覚）」と呼ぶ。何もないところから、それらしい嘘を生成する–そういうイメージだ。

でも今回は違う。AIは何も幻覚を見ていない。実在する競合記事に書いてあった「3ヶ月」という数字を、文脈ごと取り込み、それを私（筆者）の体験として再構成しただけだ。つまり正体は、空想ではなく「もっともらしいパクリ」に近い。

この流れを図にすると、数字がどこで漏れたかが見える。

graph TD
  A["競合記事を構成参考に読む"] --> B["具体数値も文脈ごと取り込む"]
  B --> C["出力時に自分の実績として再構成"]
  C --> D["一次ソース照合なしで本番反映"]

この経路の怖さは、出力された文章が日本語として完全に自然なことだ。「3ヶ月使い倒した」は、文法的にも内容的にも、なんの違和感もない。だから人間が読んでもスルーしてしまう。嘘くさい嘘なら気づける。もっともらしい嘘は気づけない。

構成は参考にしてよくても、数字はダメ

誤解しないでほしいのは、競合記事を読むこと自体は悪くない。見出しの切り口や、読者がどんな疑問を持っているかを知るのに、競合チェックは有効だ。問題は、構成の参考と具体的な数値の流用の境界を、AIが勝手に踏み越えることにある。構成はOK、数字はNG。この線引きを人間側が握っておく必要がある。

なぜ怖いか｜3つのリスク

数字ひとつ、と侮れない理由を3つに分けて整理する。

信用失墜｜ひとつの嘘で全体を疑われる

読者は親切ではない。「3ヶ月使った」が嘘だと一度バレれば、その記事に書いてある他の情報も全部疑う。9割が正確でも、1割の捏造で記事全体の信頼がゼロになる。ブログの価値は積み上げた信用だ。それを数字ひとつで溶かすのは、割に合わない。Googleが示す有用で信頼性の高いコンテンツの作成ガイドラインでも、第一に問われるのは情報の信頼性だ。

コピー判定リスク｜競合と表現が一致する

競合のスニペットをそのまま引きずると、表現が競合記事と一致する。検索エンジンに「重複・模倣」と見なされれば、評価が下がる恐れがある。しかも今回のように相手が上位記事だと、後発の自分のほうがコピー側と判定されかねない。Googleのスパムに関するポリシーでも無断複製コンテンツは明確に問題視されている。捏造であると同時に、SEO上のリスクでもあるわけだ。

YMYL領域だと致命的｜金額・期間の嘘

副業や収支を扱うブログは、まさにこのYMYLの入り口にいる。だからこそ、数字には人一倍慎重でいたい。

再発防止ルール4つ

ここからが本題だ。事故のあと、自分のAI記事運用に組み込んだ4つのルールを共有する。どれも特別な道具はいらない。決めて、守るだけだ。

graph TD
    ROOT["🛡️ 数値捏造を防ぐ4つのルール"]
    ROOT --> A["① 一次ソース原則
出どころを4つに限定
本文記述・自分のメモ・発言・公式ソースのみ"]
    ROOT --> B["② 記憶照合
体験記述は筆者のプロフィールと照合
該当なければ書かないか確認する"]
    ROOT --> C["③ 本番前チェックリスト
N年・N回・N円の出所を確認
記事スニペットとタイトルの整合確認"]
    ROOT --> D["④ draft経由で公開
staging/draftでまず目視確認
本番を直接出力しない"]
    style ROOT fill:#4A90D9,color:#fff,stroke:#2c6fad
    style A fill:#e8f0fb,stroke:#4A90D9
    style B fill:#e8f0fb,stroke:#4A90D9
    style C fill:#e8f0fb,stroke:#4A90D9
    style D fill:#e8f0fb,stroke:#4A90D9

①一次ソース原則｜数字の出どころを4つに限定する

記事で使う数値・期間・回数・金額は、次の4つのどれかに出どころがある場合だけ使う。それ以外は書かせない。

• 該当記事の本文（すでに書いてある記述）
• 自分のメモ・ナレッジ（プロジェクト内の記録）
• 自分がその場で明示した発言・指示
• 公式ソース（公式サイト・公式アカウント・公式ドキュメント）の引用

競合記事のスニペットは、ここに入らない。構成の参考まで。具体的な数字は流用しない。これを徹底するだけで、今回の事故は起きなかった。

②著者の体験期間は、明記がなければ書かない

「Nヶ月使った」「8年やってきた」–こういう著者の体験談は、記事本文かプロフィールに明記がない限り書かない。AIは空欄を埋めたがるが、空欄は空欄のままでいい。

期間が確定していないなら、代替の表現を使う。

• 期間をぼかす：「使い倒したSE歴20年が」（SE歴はプロフィールにある事実なのでOK）
• 回数をぼかす：「実際にハマった事例」「実例つきで」

事実が手元にないなら、捏造ではなく省略を選ぶ。

③本番前チェックリスト｜公開前に数字で止める

公開ボタンを押す前に、機械的に止めて確認する。疲れているときほど、これが効く。

④draft経由で公開｜本番を直接いじらない

今回いちばん効いた反省がこれだ。本番記事を直接編集すると、ミスがそのまま公開される。間に下書き（draft）を挟む。AIが直すのは下書きまで。人間が下書きを確認して、はじめて再公開する。

ワンクッション置くだけで、「3ヶ月」のような数字に気づくチャンスが一回増える。事故は、チェックの回数を増やすだけで確実に減る。

チェックを仕組みに落とす

ここまで読んで、「結局は気をつける話か」と思ったかもしれない。違う。目視のチェックは必ず漏れる。人間は疲れるし、毎回同じ集中力では読めない。だから、ルールを気合いではなく仕組みに変える。

目視は漏れる前提で設計する

私がやったのは、記事を生成させるプロンプトそのものに「一次ソース外の数値・期間・金額は出力禁止」と明記することだった。AIが書く段階で数字を塞げば、人間が後から探す手間が消える。AI生成コンテンツに関するGoogleの公式ガイダンスでも、問われるのは生成手段ではなくアウトプットの品質だ。だったら、品質を担保する仕組みを生成の入口に置くのが筋がいい。

個人運用でも仕組みは作れる

「仕組み」というと大げさに聞こえるが、要はチェックを人の記憶からプロンプトやテンプレートに移すだけだ。個人でAIツールを開発・運用してきた経験はClaude Codeで個人開発をやってみた正直な話に書いたが、結局いちばん効くのは「人間が頑張る」を「仕組みが止める」に置き換えることだった。数値の捏造対策も、まったく同じ発想でいい。

まとめ

AIの数値捏造について、要点を3つに絞る。

1. AIは「それっぽい数字」を平気で盛る。疑うべきは文章力ではなく、数字だ。
2. その正体はハルシネーションより「競合スニペットのもっともらしい流用」であることが多い。構成は参考にしてよくても、数字は流用しない。
3. 防ぐ鍵は気合いではなく仕組み。一次ソース原則・体験期間の非創作・本番前チェック・draft経由–この4つをプロンプトとフローに組み込む。

ブログは信用の積み上げだ。私自身、副業ブログの数字を毎月そのまま公開してきたが（直近は副業ブログ3ヶ月目のリアルな収支に書いた）、その数字が一個でも嘘なら、連載ごと価値を失う。AIに任せる時代だからこそ、数字の出どころだけは人間が握っておきたい。

ムラサキ

「AIが書いたから」は言い訳になりません。公開した責任は、最後にボタンを押した人間にある。だからこそ、仕組みで守るんです。

よくある質問

ムラサキ

SE歴20年 · 金融系システム開発課長 · 週末起業1年目

システムエンジニア歴20年。金融系システム開発の課長として勤務する傍ら、AIと副業の最前線を実践レポート。Claude Code Max 5xプランを日常業務・副業開発に活用中。一次情報と実測値にこだわった記事を発信。

20 YRS SE

4 MOS 副業

38 ARTICLES

2026.03.20 更新：FAQブロック形式の修正、AI依存リスクのフロー図追加、3手法比較表追加、外部エビデンス3本追加

生成AIを日常的に使い始めて、こんなことを感じたことはないでしょうか。「自分は経験があるから、AIに何をどう聞けばいいかわかる。でも経験の浅い若手が同じように使いこなせるかというと、それは別の話だ」と。

これは2000年代の「ググれるかどうか」と似た構造です。検索エンジンが普及した時代、知りたいことを適切なキーワードで検索できる人とできない人の間に情報格差が生まれました。2026年現在、同じことが生成AIとの対話で起きています。

本記事では、生成AI時代に不要になりつつあるスキルと逆に重要性が増しているスキルを整理します。そのうえで、若手社員や副業チームのメンバーをどう育成すればよいか、具体的なアプローチを3つ提案します。

ムラサキ

SE歴20年、10名のチームをマネジメントしている筆者が、現場で実際に感じているスキル格差と教育の試行錯誤をベースにお伝えします。

生成AIで変わるスキルの価値基準

ChatGPT、Claude、Geminiといった生成AIが業務に浸透したことで、ビジネスパーソンに求められるスキルの優先順位が大きく入れ替わりつつあります。

これまで「できて当然」とされていた作業の一部がAIで瞬時に片付くようになりました。一方で、AIには任せられない領域の価値が相対的に上がっています。この変化を正しく認識しないと、自分自身のスキルアップの方向性もチームの教育方針も見誤るリスクがあります。

重要なのは「AIに仕事を奪われる」という恐怖ではありません。「何にリソースを集中すべきかが変わった」という冷静な認識です。東洋経済オンラインで中島聡氏が指摘するように、AI時代には「AIを使いこなして意思決定できるごく少数の人間」だけが組織に残る可能性すらあります。2025年末のHRPro調査では約7割の企業が「生成AI時代のスキル習得」に課題感を示しており、従来のツール操作中心の研修から質的な転換が求められています。ここからは具体的に、不要になる側と必要になる側をそれぞれ見ていきます。

生成AI時代に不要になりつつあるスキル

「不要」とは完全にゼロになるという意味ではありません。時間をかけて習熟する優先度が下がったスキルという位置づけです。

情報収集・整理の単純作業

大量のWebページを巡回して情報を集め、Excelやスライドに整理する。こうした定型的なリサーチ作業はAIの得意分野です。複数の情報源を横断して要約する作業も、人間が数時間かけていたものをAIなら数十秒で処理できます。

翻訳や要約も同様です。精度の面でAIは実用レベルに達しており、下訳としては十分な品質を出せます。こうした作業を「自分の強み」として依存していると、今後は市場価値が目減りしていく可能性があります。

テンプレート型のアウトプット

メールの定型文作成、議事録の整形、報告書のフォーマット埋め。これらの「型に沿って埋めるだけ」の作業もAIが高速にこなします。

生成AI時代にこそ必要になるスキル

不要になる側と必要になる側をまとめると、以下のような価値変動が起きています。

このスキルの入れ替わりは、日経クロステックで紹介された論文「How AI Impacts Skill Formation」でも裏づけられています。AI支援ツールの導入が若手のスキル獲得を妨げる構造的なリスクが指摘されており、教育設計の見直しが急務です。大きく3つの「必要スキル」を順に見ていきます。

課題を言語化し問いを立てる力

AIは「答えを出す」のは得意ですが、「何が問題か」を自ら発見することはできません。現場で何が起きているのかを観察し、本質的な課題を特定して言葉にする。この力は人間にしか持てません。

副業の場面でも同じです。「稼げる副業を教えて」とAIに聞く人と、「自分のスキルセットと週10時間の稼働で3ヶ月以内に月5万円を達成するには」と聞く人では、返ってくる回答の具体性がまるで違います。問いの解像度がそのまま成果の解像度になります。

実際に筆者はClaude無料版に的確な指示を出すことで、プログラミング未経験ながら2週間で業務システムを開発しました。「AIへの問いの立て方」が成果を左右する実例をバイブコーディング実践記で紹介しています。

AIの出力を検証・判断する力

生成AIはもっともらしい嘘をつくことがあります。ハルシネーション（幻覚）と呼ばれる現象で、存在しないデータや誤った因果関係を自信満々に提示してきます。

この検証ができるかどうかは、その分野の知識と経験に左右されます。つまり「AIが出した答えの良し悪しを判断できる」こと自体が、今後ますます貴重なスキルになっていきます。

ムラサキ

筆者はメンバーがAIの答えをそのまま言っているだけかなと思ったら、「なぜその答えになるのか」を必ず聞くようにしています。使いこなせているメンバーは理路整然と論拠を示してくれますが、答えだけしか見ていないメンバーは答えに詰まったり、「AIの答えがそうでした…」と言った具合になります。

この検証力を鍛えるには、AIの出力を「使う前にレビューする」習慣が有効です。筆者もNotebookLMでVBAコードの不具合調査を行う際、AIの分析結果を必ず原文と照合しています。具体的な検証フローはNotebookLM活用術7選で詳しく紹介しています。

経験を抽象化して応用する力

過去に経験した個別の成功や失敗から、汎用的なパターンを抽出して別の場面に応用する。この抽象化と転用の力は、AIにはまだ難しい領域です。

たとえば「前職の営業経験で学んだヒアリング手法を、副業のクライアントワークに応用する」といった判断は、自分の経験を構造化して理解していないとできません。AIは大量のデータからパターンを見出しますが、あなた個人の経験を起点にした応用は本人にしかできない仕事です。

若手が成長機会を失うリスクとその構造

検索エンジンが普及した2000年代、「適切なキーワードで検索できる人」と「できない人」の間に情報格差が生まれました。現在の「AIに適切に聞ける力」もまったく同じ構造です。問いの解像度がそのまま成果の解像度になる。そしてこの土台は、数多くの業務経験を通じて築かれるものです。

ところが生成AIがあると、これまでの人材育成で成長エンジンだった「非効率な試行錯誤」をスキップして「それらしい答え」に即座に到達できてしまいます。若手がAIに丸投げして出てきた回答をそのまま提出する。上司は体裁が整っているので問題に気づかない。結果として思考力が鍛えられないまま年次だけが上がっていくリスクがあります。実際にダラス連邦準備銀行の2026年1月レポートでは、AI露出度の高い職種で22〜25歳の雇用が2022年以降13%減少したというデータが示されています。

graph TD
    A["若手がAIに質問"] --> B["即座に回答を取得"]
    B --> C["自分で考えるプロセスを省略"]
    C --> D["試行錯誤の経験が蓄積されない"]
    D --> E["応用力・判断力が育たない"]
    E --> F["AIが使えない場面で対応不能"]
    F -->|"悪循環"| A
    style A fill:#e8f0fe,stroke:#4a86c8
    style B fill:#e8f0fe,stroke:#4a86c8
    style C fill:#fff3e0,stroke:#e6a23c
    style D fill:#fff3e0,stroke:#e6a23c
    style E fill:#fce4ec,stroke:#c77986
    style F fill:#fce4ec,stroke:#c77986

The Conversationの2026年2月の分析記事では、この現象を「トレーニング・デフィシット（訓練不足）」と呼び、エントリーレベルの仕事がAIに置き換わることで若手が基礎スキルを築く機会そのものが失われる構造的リスクを指摘しています。

これは若手の意識の問題だけではありません。組織やチームとして「AIとの向き合い方」をどう教育設計するかが問われています。副業チームやフリーランスのメンター関係でも同じ課題が発生します。

教育側の対策と同時に、当事者であるジュニア自身がどう動くかも重要だ。研究データに基づくジュニアの行動設計を別記事で整理している。

生成AI時代の若手教育3つのアプローチ

具体的にどう教育すればよいか。ブルッキングス研究所は「AI時代こそ基礎力の強化が最優先」と提言しています。この方針に沿って、現場で実践しやすい3つの方法を提案します。

AI禁止トレーニングで思考筋力を維持する

すべての業務でAIを禁止するという意味ではありません。週に1回、特定のトレーニング課題において「AIを使わず自分の頭だけで考える時間」を意図的に設ける方法です。

たとえば「AIなしで企画書の骨子を30分で作る」「自力で競合リサーチを行いレポートにまとめる」といった課題です。これにより、AIがない状態でも自走できる思考の基礎体力を維持できます。筋トレと同じで、負荷をかけなければ筋力は衰えます。

筆者は1on1で課題の対応方法の相談を対面で受けたりします。ここにAIの改善の余地はなく、答えが分かっていることでもメンバが自身で答えを導き出せるようにコーチングを意識して対応しています。なおAIに頼らない業務効率化の手段として、Windows標準機能を活用した自動化テクニックも併用すると思考トレーニングとの相性が良いです。

副業ブログの運営でも同じことを感じています。AIにキーワード選定から本文生成まで任せることは技術的に可能ですが、筆者は構成の最終判断と事実確認を必ず自分で行っています。AI丸投げではなく「自分で考える工程」を残す設計が、副業チームの教育にもそのまま応用できます。1ヶ月目の運営データを副業ブログ1ヶ月目の全データ公開で共有しているので、AI活用の実態も参考にしてください。

AI出力のレビュー訓練で判断力を鍛える

若手にAIで回答を生成させたうえで、その出力を批判的に検証させるトレーニングです。「この回答のどこが正しいか」「どこに根拠が不足しているか」「もっと良い聞き方はなかったか」を自分で分析させます。

最初のうちは先輩がレビューの観点を示す必要があります。回数を重ねるうちに、若手自身がAI出力の品質を自分で判断できるようになっていきます。これは実務における品質管理の訓練にも直結します。

こうしたレビュー訓練は単発の研修より社内ガイドラインの運用と一体化させると定着しやすい。ガイドライン作成前に決めるべき5論点も参考になる。

プロンプト比較ワークで暗黙知を共有する

経験豊富なメンバーと若手がペアを組み、同じ課題に対してそれぞれがAIに質問を投げかけます。その後、お互いのプロンプトと得られた回答を比較するワークショップです。

先輩がどんな前提条件を設定し、どういう順番で質問を組み立てているのか。その思考プロセスが可視化されることで、若手は「経験に基づく問いの立て方」を具体的に学べます。暗黙知を言語化して伝達する非常に効果的な手法です。

筆者自身、ブログ記事の作成にClaudeを使う中で「どういう順番で質問を組み立てると精度の高い出力が得られるか」を日々試行錯誤しています。このプロンプト設計のプロセスをClaudeでブログ記事を作成するワークフローで全工程を公開しているので、プロンプト比較ワークの教材としても活用できます。

この3つは会社の研修だけでなく、副業チームや個人のメンタリングでもそのまま使えます。大掛かりな仕組みは不要で、週30分の時間確保から始められます。

よくある質問

まとめ

生成AIの普及により、定型的なリサーチやテンプレート型の文書作成といったスキルの優先度は下がりつつあります。一方、課題を言語化する力、AIの出力を検証する力、経験を抽象化して応用する力はこれまで以上に重要になっています。

最大のリスクは、若手がAIの便利さに依存して「考える経験」を積めなくなることです。かつて「ググれる力」の土台に実務経験が必要だったように、「AIに適切に聞ける力」にも試行錯誤の蓄積が不可欠です。

その対策として、AI禁止トレーニング・出力レビュー訓練・プロンプト比較ワークの3つを紹介しました。いずれも特別な予算や環境は必要なく、今日から始められるものばかりです。AIを使いこなす側の人材を育てるために、まずは教える側が教育の設計を見直すところから始めてみてください。

ムラサキ

「AIを使いこなす側の人材を育てる」と言うのは簡単ですが、教える側がまず自分のAI活用を言語化できていないと始まりません。この記事がその第一歩のきっかけになれば嬉しいです。

2026.03.21 更新：Gamma料金を公式日本語ページの円建て表記に修正、Canva Proの料金情報を2026年3月時点に更新、NotebookLM PPTX出力の「画像形式」制約を明記、Google AIプラン名の表記を修正

社内プレゼンや提案資料のスライド作成に何時間もかかっていませんか。 構成を考えてデザインを整えて文言を調整して…と 本来「何を伝えるか」に使うべき時間の大半が作業に消えてしまうのはもったいないですよね。 近年はAIがスライドの構成からデザインまで一気に仕上げてくれるツールが登場し スライド作成の時間配分が大きく変わりつつあります。 本記事では代表的な3つのAIスライド作成ツール Gamma NotebookLM Canva AI を同一条件で実際に試し 生成速度 出来栄え 編集しやすさ そして社内プレゼンで欠かせない機密情報の取り扱いまで徹底比較しました。

AIスライド作成で変わる時間の使い方

従来のスライド作成では 構成検討に約30% デザイン調整に約40% 内容の推敲に約30%という時間配分が一般的でした。 つまり全体の約70%が「構成とデザイン」という作業に費やされていたことになります。 AIスライド作成ツールを使うと この構成とデザインの工程をAIに任せられるため 「何を伝えるか」「どう伝えるか」という内容の検討に集中できるようになります。 ただしAIに的確な指示を出すプロンプト設計が重要になるため 本記事ではプロンプトの書き方や注意点も実例とともに紹介します。

AIスライド作成ツール3選 ─ Gamma NotebookLM Canva AI の基本情報

今回比較する3ツールはそれぞれ入力方法や得意分野が異なります。 まずは基本情報を押さえておきましょう。

Gamma ─ テキストプロンプトだけでスライド生成

Gammaはテキストプロンプトを入力するだけでスライドを生成できるツールです。 AIがまずアウトラインを提示し 内容を確認 修正してからスライドを生成する流れのため 構成段階でのコントロールがしやすいのが特徴です。 出力形式はPPTX PDF Webリンクに対応しており PowerPointでそのまま編集できます。

NotebookLM ─ 資料アップロードで忠実なスライド化

NotebookLMはGoogleが提供するAIノートツールで 2025年後半にスライド生成機能が追加されました。 PDF Googleドキュメント WebページのURLなどをソースとしてアップロードし その内容をもとにスライドを生成します。 テキストプロンプトだけでのゼロからの作成はできず 必ず元資料が必要な点が他のツールとの大きな違いです。 スライド生成画面の右上にあるペンシルマークから 生成するスライドの条件（スタイル 枚数 トーンなど）を指定できます。 この機能を知っているかどうかで出力品質が大きく変わるため 必ず活用しましょう。

Canva AI ─ デザイン力と編集自由度が強み

Canva AIはデザインツールCanvaに搭載されたAIプレゼンテーション生成機能です。 テーマを入力するとAIがアウトラインを作成し そこからスライドを一括生成します。 生成後もCanvaのエディタ内でテンプレート変更 画像差し替え テキスト編集が自由にできるため デザインにこだわりたい場合に強みを発揮します。 無料プランでも基本的なAIスライド生成は利用できますが AI画像生成は月50回 マジック作文は月25回の制限があります。

検証① 同一プロンプトでサイト紹介スライドを比較

まずは3ツールに同じ条件でサイト紹介スライドを作成させました。 対象サイトは当メディア「週末起業ラボ」で プロンプトには以下の条件を指定しています。

目的はサイトの魅力を伝えて訪問者を増やすこと ターゲットは30〜40代の副業に関心のある会社員 スライドは6〜8枚 トーンは信頼感がありつつ親しみやすい雰囲気 配色はネイビー×ホワイトにオレンジのアクセントカラーとしました。 構成はタイトル 読者の悩み サイト概要 コンテンツ紹介 運営者プロフィール 人気記事 今後の展望 まとめとCTAの8枚です。

Gamma ─ 約50秒で高品質なスライドを生成

Gammaは約50秒でスライドを生成しました。 8枚の構成はプロンプトの指示通りで 各スライドの内容も具体的かつ論理的にまとまっています。 ただしアウトライン段階でサイト名を「終活ラボ」と誤認識し 遺言書作成に関するコンテンツが提案されるという問題が発生しました。 アウトラインで「週末起業ラボ」に訂正したところ 以降は正しい内容で生成されました。 このエピソードからわかるのは Gammaではアウトライン段階での確認と修正が非常に重要ということです。 アウトラインを確認せずに生成に進むと 誤った前提のままスライドが完成してしまいます。

Canva AI ─ デザインは良いが内容が薄い

Canva AIは約1分15秒で生成が完了しました。 アウトライン生成に約50秒 スライド生成に約25秒という内訳です。 枚数は指示通りの8枚でしたが 中身を確認すると内容が抽象的で薄い箇所が目立ちました。 たとえばサイト概要のスライドでは「経験豊富な編集チームが運営」と記載されており 実際は個人運営であるという事実と異なっていました。 サイト名が正しく反映されない箇所もあり 内容面では手直しが多く必要です。 一方でデザインのクオリティは高く テンプレートの完成度が活きている印象でした。

NotebookLM ─ 高品質だが生成に時間がかかる

NotebookLMはサイト紹介スライドの生成に約20分かかりました。 さらに1回目は20分以上処理が続いた末に「作成失敗」のエラーが表示され リトライが必要でした。 生成されたスライドの品質はそのまま使えるレベルで アップロードしたソース資料に忠実な内容が反映されていました。 ソースとしてサイトのURLに加えて代表的な記事URLを5〜6本追加することで より具体的な内容のスライドが生成されます。 生成時間の長さと失敗リスクがある点は事前に理解しておく必要があります。筆者が7つのユースケースでNotebookLMを使い倒した実践レビューをNotebookLM活用術7選｜SE歴20年の使い倒し全記録にまとめていますので、導入前の参考にしてください。

検証② 機密情報マスキングの実践 ─ プレースホルダは守られるか

社内プレゼン資料をAIで作成する場合 売上数値 顧客名 社内プロジェクト名などの機密情報をそのままプロンプトに入力するのは危険です。 そこで機密情報をプレースホルダ「●●」に置き換えてからAIに渡し 生成後に実データを差し戻すマスキング手法を検証しました。

個別ツールでのマスキング判断と並行して、組織全体でマスキング原則を明文化しておくと、新ツール導入時の判断コストが下がる。社内AIガイドライン作成前に決めるべき5論点で、機密情報の扱いをルール化する観点を整理している。

マスキング5ステップ

機密情報を安全にAIへ渡すための手順は次の5ステップです。①原本資料から機密項目（数値・社名・プロジェクト名など）を洗い出す → ②各項目を「●●」や「〇〇社」などのプレースホルダに置換する → ③置換対応表（原本値↔プレースホルダ）を手元に控える → ④プレースホルダ入りのプロンプトをAIに投入しスライドを生成する → ⑤生成後のスライドで置換対応表を使い実データに差し戻す。下のフロー図に全体の流れをまとめています。

特にCanva AIはSTEP5で要注意 ─ プレースホルダを勝手に数値で埋める傾向あり

今回のテストでは架空の「四半期 副業支援サービス事業 進捗報告」をテーマに 22箇所の「●●」を含むプロンプトを3ツールに投入しました。

各ツールのプレースホルダ維持率

Gammaは一部でAIが独自に数値を補完した箇所があったものの、ほぼ維持。NotebookLMはソース準拠の特性が活き、全22箇所を完全維持。Canva AIはKPI「75%」、CAC削減目標「20%」など、もっともらしい架空の数値で埋めてしまい、そのまま使うと機密資料に誤データが紛れ込む危険があります。

AIスライド作成3ツール比較まとめ ─ 目的別の使い分け

2つの検証結果をもとに 3ツールの評価を一覧にまとめました。 目的や状況に合わせて最適なツールを選んでください。

目的別に整理すると次のように使い分けられます。

Canva AIはデザイン面では最も優秀ですが プレースホルダを勝手に埋めてしまうため 機密情報を含むプロンプトを渡す際は特に注意が必要です。 生成後に「AIが埋めた数値」と「自分が入力した数値」の区別がつかなくなるリスクがある点を覚えておきましょう。

AI生成スライドのブラッシュアップチェックリスト

AIが生成したスライドをそのまま使うのは危険です。 機密情報のマスキングと差し戻しは上記「マスキング5ステップ」の手順に従ってください。 以下はそれ以外のチェックポイントです。

テンプレートのデフォルトデータ削除も重要です。 Canva AIではテンプレートに含まれる「hello@reallygreatsite.com」のようなダミー連絡先がそのまま残ることがあります。

フォントと配色の統一も確認しましょう。 社内テンプレートがある場合はフォント カラーコード ロゴの配置を合わせます。 グラフや図表がある場合は AIが生成したダミーデータではなく実データに差し替えてください。 最後にストーリーの一貫性を確認します。 スライド全体を通して論理の流れに飛躍がないか 結論がぶれていないかを見直しましょう。 さらにファイルのプロパティ情報にも注意が必要です。 PPTXファイルの作成者名やコメントにAIツール名や個人情報が残っている場合があるため プロパティを開いて確認 必要に応じて削除してください。

よくある質問

まとめ

AIスライド作成ツールを活用すれば 構成とデザインに費やしていた時間を大幅に短縮し 「何を伝えるか」という本質的な部分に集中できるようになります。 3ツールの使い分けをまとめると とにかく速く作りたい場合やPPTXで直接編集したい場合はGamma デザインにこだわりたい場合やテンプレートを活用したい場合はCanva AI 既存の資料や議事録をスライド化したい場合はNotebookLMが最適です。 社内プレゼンで機密情報を扱う場合は プレースホルダを維持する傾向が強いGammaまたはNotebookLMを選び 本記事のマスキング手法を活用してください。

AIはあくまでスライド作成を加速するパートナーです。最終的な内容の正確性やストーリーの一貫性は自分の目で確認することが、質の高いプレゼン資料への近道です。AIをスライド作成だけでなく業務全体で活かすための考え方はAI時代に必要なスキルと若手教育の進め方で詳しく解説しています。

1. 社内AIガイドラインを作る前に決めるべき5論点を、SEマネージャー視点で整理。
2. ツール選定・入力データ分類・外部連携・運用・教育までを一気通貫で押さえる。
3. 経産省AI事業者ガイドライン第1.2版（2026年3月）とJDLAひな形を踏まえた判断軸つき。

「これAIに入れていい？」とメンバーから聞かれた瞬間に、その場で答えられないと現場は止まる。SEマネージャーとして20年現場を見てきた筆者の実感だ。逆に「ダメだと思ってました」で、許可されているはずのAI活用が止まっていることも珍しくない。組織を底上げするなら、禁止と推奨の両方を明文化したガイドラインが必要になる。

この記事は、社内AIガイドラインを「これから作る／提案する」担当者向けの事前整理メモだ。経産省・総務省のAI事業者ガイドライン第1.2版（2026年3月31日公表）と、JDLAの生成AI利用ガイドラインひな形、それに公開事例を踏まえて、書き始める前に決めておきたい論点を5つに絞った。

ムラサキ

SE歴20年・現役SEマネージャーの筆者も、まさに今ガイドライン整備を提案しようとしている当事者。良いところだけ知って情報漏洩リスクを知らないまま使う層と、推奨環境なのに「ダメだと思って」止まる層の両方を見てきた感覚で書いた。

なぜ今、社内AIガイドラインが必要なのか

ChatGPT・Claude・Geminiが業務に入り込む速度は、社内ルール整備のスピードを追い越している。エンジニアだけでなく営業・人事・経理まで使い始めた段階で、「明文化されたルールがない」状態は事故待ちに近い。

生成AI活用拡大で顕在化したリスク

リスクは大きく3つに整理できる。情報漏洩（機密データの学習利用・サーバー残留）、著作権・契約違反（顧客情報の入力・生成物の権利関係）、誤情報による業務判断ミス（ハルシネーション）。経産省のAI事業者ガイドライン第1.2版では、AIエージェントやマルチモーダル生成AIの普及で入力経路と外部連携が増え、データ汚染や悪意あるプロンプト攻撃の対象範囲が広がると整理されている。

特に2026年3月版でフォーカスが移ったのは「AIエージェントが自律的に外部システムへアクションする場合」のリスクだ。読み取りだけでなく、書き込み・実行までAIに任せる構成が一般化しつつある今、従来の「入力データを気をつける」だけのルールでは不十分になる。

ガイドライン未整備で起こる情報漏洩・著作権トラブル

ルールが曖昧なまま運用されると、典型的にはこういう事故が起きる。社員が顧客データをそのまま個人アカウントのChatGPTに貼り付ける。AIにGoogle Driveを連携したら、見せるつもりのなかったファイルまで読まれる。業務利用の可否を確認しないまま、新しいAIツールを使い始める。

個人情報保護委員会の生成AI注意喚起は、個人情報を含むプロンプト入力が利用目的の範囲に収まっているか、入力データが機械学習に使われない設定になっているかを事業者に確認するよう求めている。個人情報の入力自体がただちに違法というわけではないが、確認なしの入力は規約・法令の両面でグレーになりやすい。

中小企業・個人事業主にも他人事ではない理由

「うちは小さいから関係ない」とは言えない。クライアントワークがある会社なら、顧客のAI利用規定が自社の利用範囲を縛る。受託案件で「生成AIへの入力禁止」と契約に書かれているのに、社員が知らずに使ってしまえば契約違反だ。副業・週末起業のフリーランスも、自分用のミニガイドラインを持っておくと取引先からの問い合わせに即答できる。

ガイドライン作成前に決めるべき5つの基本方針

ガイドライン本文を書き始める前に、社内で合意しておくべき土台が5つある。ここを飛ばすと、書いている途中で「そもそもの方針が違う」となって戻り作業が発生する。

AI利用の目的と適用範囲の明確化

「業務効率化のため」だけでは粒度が粗すぎる。①議事録要約、②コード生成、③営業文書ドラフト、④顧客対応の下書き──のように、想定ユースケースを先に列挙しておくと、後段の「入れていい情報」と接続しやすい。適用範囲も「全社員」か「特定部署」か「業務委託まで含むか」を最初に決める。

利用を許可するAIツールの選定基準

ツールは「使ってよい／だめ」の2分類だと現場が詰む。3分類が標準だ。

• 全社標準：会社契約アカウント＋オプトアウト設定済み（入力データがAIの学習に使われない設定。例：ChatGPT Enterprise、Claude Team）- 個別利用：目的を明確化した申請ベースで承認（例：特定業務に必要な専門AI）
• 利用禁止：セキュリティ要件未達・オプトアウト不可など理由を明示

X-Tech5の生成AI利用ガイドラインはこの3分類が具体的で参考になる。DeepSeekはセキュリティ理由で禁止、Genspark Speaklyはオプトアウト不可で禁止、と「なぜ禁止か」まで書かれている点も実務で効く。理由が書かれていないと、現場は「次に出てきた新ツールはどう判断するか」を毎回上申することになる。

禁止行為と機密情報の取り扱いルール

禁止だけを並べたガイドラインは形骸化する。後段の「現場が守れるガイドラインにする工夫」で詳述するが、禁止リストと同じ分量で「推奨される使い方」を書くのが現実解だ。機密情報の扱いは次のセクションで深掘りする。

実務で押さえるべきリスク管理項目

入力してはいけないデータの線引き

SmartHRのAIサービス利用方針が分かりやすい分類を公開している。情報の種類ごとに、利用可否・申請要否・許容サービスを分ける考え方だ。

ポイントは「機密情報は一律禁止」にしないこと。一律禁止にすると、現場は「結局何も入れられない」となり、AI活用そのものが止まる。学習に使われない設定のサービスに限定したうえで、申請ベースで利用可とする設計にすると、現場の判断コストが下がる。

入力時の運用ルールとして、個人情報・機密情報はマスキング（匿名化・抽象化）を原則にする会社もある。マスキングで精度が落ちすぎる場合に限り、学習利用されないサービス＋必要最小限の入力＋承認、という条件付きで非マスキング利用を認める二段構えだ。

生成物の著作権・商用利用の判断基準

生成物は「著作権が誰に帰属するか」「商用利用してよいか」が利用規約で決まる。OpenAI・Anthropic・Googleは商用利用を許容しているが、画像生成系（特に学習データに既存作品を含むモデル）は別判断が必要だ。JDLAは2024年に生成AIの利用ガイドライン（画像編）を別途公開している。画像生成を業務で使う予定があるなら、最初から画像編も併せて参照しておくと後で揉めない。

ハルシネーション対策とファクトチェック体制

AIの誤情報を業務判断に持ち込まないための仕組みも明文化する。「AI生成のドラフトは必ず人間がレビュー」「数値・固有名詞・URLは元ソースで再確認」「最終アウトプットの責任は利用者」の3つを最低ラインにしておくと、後から問題が起きたときの責任所在が明確になる。

筆者の実感として、AI出力の検証スキルは座学では身につかない。実際にAIに何かを書かせて、それをレビューする訓練を繰り返すのが近道で、組織全体の底上げにはAI禁止ではなくAI出力レビュー訓練のような実践型の教育が効く。

現場が守れるガイドラインにする工夫

ここが本記事で一番伝えたい論点だ。禁止だらけのガイドラインは、現場で守られないし、AI活用そのものを萎縮させる。

禁止だらけにしない「推奨利用」の設計

筆者が現場で何度も見たパターンに、「セキュアで推奨されている環境なのに、ダメだと思ってました」で止まっている社員がいる。良い機能だけ知って使ってしまう層も問題だが、ルールが分からず使わない層も同じくらい組織の足かせになる。

ガイドラインは「禁止リスト」と「推奨ユースケース集」をセットで持つのが現実解だ。「議事録要約は推奨ツールAで○」「コード生成は推奨ツールBで○・ただし機密ロジックは要マスキング」のように、具体的なユースケース単位で「このやり方ならOK」を書く。現場は禁止ラインを覚えるより、推奨パターンを真似する方が早い。

部署別・業務別のユースケース整理

全社一律のルールだけでは粒度が粗すぎる。営業の議事録、エンジニアのコード、人事の応募者情報、経理の請求書、それぞれリスクの種類も最適なAIツールも違う。部署別のユースケース一覧を1ページで持っておくと、新人配属時の説明コストも下がる。

違反時の対応フローと相談窓口

「これってやっていい？」と迷ったときに聞ける場所を1つ決めるだけで、ガイドラインの実効性は大きく変わる。情シス窓口・Slackの専用チャンネル・週1の質問会、どれでもいい。重要なのは「迷ったら聞いていい」「聞いた人は責められない」の文化を作ることだ。

違反が起きた場合の対応も、いきなり懲戒ではなく「①事象確認→②原因分析→③再発防止策→④必要に応じて教育」の段階的フローを明文化しておく。「最初から罰則」のスタンスだと、隠蔽が起きてかえってリスクが上がる。

運用を続けるための仕組みづくり

ガイドラインは作って終わりではない。むしろ作ってからが本番だ。

定期的な見直しサイクルの設定

DeNAは半期に一度の改訂を運用している（engineering.dena.com）。生成AIはモデルもツールも数か月で変わるので、年1回では追いつかない。「半期ごと＋大きな変化があれば臨時改訂」をベースにし、改版履歴を残しておけば、過去にどのルールで判断したかが後から追える。

従業員教育と社内勉強会の進め方

LINEヤフーは全従業員にChatGPT Enterpriseを配布したうえで、必須eラーニングと試験合格を利用開始の条件にしている（lycorp.co.jp）。サイバーエージェントの画像生成AIガイドラインも、理解度テスト合格を利用申請の前提にする運用だ（cyberagent.co.jp）。ここまでやらなくても、利用申請時に「ガイドラインを確認しました」のチェックを必須にするだけで意識づけにはなる。

筆者の経験上、座学だけの研修は1か月で忘れられる。月1の社内事例共有会で「先月こんな使い方が上手くいった／こんなNGがあった」を共有する方が定着率が高い。

AI活用事例の社内共有とアップデート

成功事例の横展開もガイドラインの一部だ。「営業部のAさんが商談議事録をこのプロンプトで要約している」「開発部のBさんがコードレビュー前にAIに観点出しさせている」といった事例が共有されると、推奨ユースケース集が現場発で育つ。

明日から動ける具体的なアクションプラン

ガイドライン草案テンプレートの活用

ゼロから書く必要はない。JDLAの生成AI利用ガイドラインはひな形として公開されており、自社用に追記・修正して使う前提で作られている。条項のみ版と簡易解説付き版があるので、まずは解説付き版を読み、ひな形をベースに自社の業務に合わせて削る／足す方針が早い。

経産省AI事業者ガイドライン第1.2版の別添7には、チェックリストとワークシートが付属している。社内ルールの抜け漏れ確認に使いやすいので、ひな形でドラフトを書いたあとの最終チェック用に組み合わせると網羅性が上がる。

経営層と現場の合意形成ステップ

ガイドラインは情シス単独で作ると、経営層に「現場が回らない」と差し戻され、現場主導で作ると、経営層に「リスク対応が甘い」と差し戻される。最初から両方の代表を入れたワーキンググループで作るのが定石だ。

スモールスタートで運用を始めるコツ

完璧なガイドラインを作ろうとすると公開が永遠に遅れる。最初は「使ってよいツール3つ」「入れてはいけない情報3種類」「迷ったらこの窓口」の3点だけ書いた1ページ版から始めるのが現実的だ。運用しながら抜け穴と追加論点が見えてくるので、半年後に正式版へ拡張する。

ムラサキ

完璧主義は活用機会の損失と同義になる。ルールゼロの状態を放置するより、80点の暫定ルールを早く出して動きながら直す方が、組織全体のAIリテラシーは上がる。

外注先や副業エンジニアと組む場合は、自社のガイドラインに加えて先方のルールも確認したい。実際にMake経由でAI連携を組む副業フローのような自動化を組むときも、入力データの線引きを最初に共有しておくと事故が減る。

よくある質問

まとめ

社内AIガイドラインを作る前に決めるべきことは、①目的・適用範囲、②ツール選定基準、③入力データの線引き、④外部連携の扱い、⑤運用体制、の5論点に集約できる。禁止と推奨の両方を書き、ひな形ベースでスモールスタートし、半期改訂で育てる。これが現場で機能するガイドラインの最短経路だ。

良いところだけ知って情報漏洩リスクを知らないまま使う層と、推奨環境なのに「ダメだと思って」止まる層は、どちらも組織のリテラシー底上げ対象になる。組織全体で底上げするなら、禁止ラインと推奨ユースケースの両輪で設計するのが効く。AI禁止だけでは育たない若手のAI出力レビュー力のような観点も、ガイドライン運用のなかで継続的に鍛える設計が必要になる。

参考：「これAIに入れていい？」と聞かれる前に、社内AIガイドラインで決めておきたいこと（Misugi Takeru氏／株式会社L&E Group、Zenn）。本記事はこの公開記事の論点整理を出発点に、SEマネージャー視点と公的1次ソース（経産省・総務省・JDLA・個人情報保護委員会・OWASP）の参照で再構成した。
元記事URL：https://zenn.dev/linkedge/articles/1ebe85f104726c

2026.03.24 更新：利用可能モデル名をGPT-5.4 Proに更新、料金プラン改定の注記追加、クレジット消費フロー図・課金判断フローチャートを追加、Speakly・新機能の情報を追記

「GensparkのPlusプランに課金する価値はあるのか？」

無料のGeminiやChatGPTで十分だと思いつつ、もう一歩踏み込んだAI活用をしたい。そんなモヤモヤを抱えていませんか。SE歴20年・副業ブログを運営する筆者は、Genspark有料版（Plus）に課金して2週間使い倒しました。結論から言えば、副業ブログの記事作成は劇的に変わりました。一方で「数日で10,000クレジットが枯渇した」というリアルな落とし穴もあります。

この記事ではGenspark有料版でできること6選、クレジット消費の実態、そしてデメリット5つを正直にレビューします。課金すべきかどうかの判断材料にしてください。

Genspark有料版（Plus）とは？料金と無料版との違い

Gensparkは複数のAIモデルを束ねたオールインワンAIワークスペースです。チャット、画像生成、動画生成、スライド作成、シート作成など多彩な機能を1つのプラットフォームで利用できます。

料金プラン比較表（Free / Plus / Pro）

Gensparkには3つのプランがあります。以下は筆者が契約した2026年2月時点の料金です。

Plus/Proプランには複数のクレジットティア（階層）があり、上位ティアほど月間クレジットが増える仕組みです。ティアの変更は設定画面の「View Plan」から行えます。

無料版では足りなくなる瞬間

無料版の1日200クレジットは、簡単な検索や短いチャットなら十分です。しかしカスタムエージェントを使って記事を生成したり、画像をエージェント経由で作成したりすると、数回の操作で1日分が消えます。筆者も最初は無料で試していましたが、半日で上限に達して「これは課金しないと使い物にならない」と判断しました。

Genspark有料版でできること6選｜実際に使い倒した機能

2週間の課金期間で実際に活用した機能を6つ紹介します。

AIチャット無制限（GPT-5.4 Pro・Claude Opus 4.6・Gemini 3.1 Proなど）

Plusプランでは「AIチャット」からの利用が無制限です。しかもクレジット消費はゼロ。GPT-5.4 Pro、Claude Opus 4.6、Gemini 3.1 Proなど最新のトップモデルを自由に切り替えられます。

筆者が特に重宝しているのは、モデルの切り替えが1クリックでできる点です。「この質問はClaudeのほうが的確に答えるな」と感じたらすぐに切り替えて再質問できます。複数のAIサービスを個別に契約する必要がなくなりました。

またPlusプランではSpeakly（音声入力機能）も利用でき、マイクに向かって話すだけでテキスト入力ができます。筆者もPC作業中にキーボードから手を離して音声で指示を出す場面で使っていますが、聞き取り間違いの修正が必要な場面も少なくなく、完全移行には至っていません。指向性マイクの導入で精度を向上させるなど、改善策を考えて対策できれば化けるかもしれません。

なおGemini 3系（Gemini 3 Pro Preview、Gemini 3.1 Pro Preview等）は2026年3月時点でも「プレビュー版」として提供されています。正式版との違いは公式に明示されていないため、出力品質の変動がある点は理解しておきましょう。利用可能なモデルは頻繁に追加・更新されるため、最新のラインナップは設定画面の「View Plan」から確認できます。

GenSparkで利用できるClaude Opus 4.6やGPT-5.4などのモデルを業務で活かすヒントは、NotebookLMの実践活用7選｜SE歴20年の使い倒し術でも紹介しています。

GensparkのチャットでClaudeを使う以外にも、claude.aiの無料プランだけで業務システムを開発する方法があります。筆者がClaude無料版でシステムを2週間で完成させた記録をバイブコーディング実践記で公開しています。

AI画像生成無制限

「AI画像」からの画像生成もクレジット消費ゼロの無制限です。Nano Banana Pro 2K、GPT Image、Flux 2 Proなど複数の画像モデルが選べます。

筆者はブログのアイキャッチ画像をこの機能で作成しています。プロンプトを書いて生成し、気に入らなければ何度でもやり直せる。回数を気にしなくていいのは精神的に楽です。

ちなみにプライベートでは2歳の子どもに「何が見たい？」と聞いて画像を作ってみました。「緑の滑り台！」というリクエストで生成したところ、本人のリアクションは「ふーん」程度。AIの画像生成は子どもの反応を予測するほうが難しいようです。

カスタムエージェントで記事作成を自動化

Gensparkの「カスタムエージェント」機能は、今回の課金で最も価値を感じた機能です。自分だけのAIエージェントを作成し、ルール（プロンプト）を定義しておけます。

筆者は「ブログ記事作成エージェント」を構築しました。記事のフォーマット、文体、SEOルール、Cocoon装飾の使い方などを事前に定義しておき、作成したい記事の方向性や自分の経験を整理して伝えることで、構成案や下書きの骨格を効率的に作成できます。2週間で十数本の記事の構成案作成をこの方法で効率化しました。

ただしカスタムエージェント経由の処理はクレジットを消費します。これが後述するクレジット枯渇の主因です。

▶ Gensparkにはスライド作成機能もあります。AIスライドツールの選び方で迷っている方には、3ツールを同条件で比較した記事が参考になります。
AIスライド作成3ツール比較｜社内プレゼン向け実践ガイド

副業ブログの記事作成がどう変わったか（Before/After）

筆者は10年近く前にもブログを運営していました。当時と比較すると、記事作成の工程は劇的に変わっています。

10年前の記事作成フロー

Genspark有料版導入後のフロー

現在の記事作成フローは以下のように変わりました。

1. 記事の方向性を検討する（人間が考える）
2. Gensparkのカスタムエージェントに指示を投げる
3. 出力された記事のハルシネーション（事実誤認）を潰す
4. 骨子と内容を最終確認する
5. Googleスプレッドシートに貼り付けてMake経由でWordPressに自動投稿

企画・構成チェック・事実確認・リライトは人間が担当し、下書き生成やフォーマット整形をAIに任せる分業が定着しました。

▶ スプレッドシートからWordPressへの自動投稿はMakeで構築しています。無料プランでの具体的な設定手順やシナリオ構成を知りたい方はこちらをご覧ください。
Make副業自動化入門｜ブログ→X投稿を自動化した全手順

10,000クレジットは何日もつ？消費のリアル

Plusプランは月10,000クレジットです。「10,000もあれば余裕でしょ」と思っていましたが、筆者の場合は数日で枯渇しました。

クレジットを食う操作と食わない操作

ここが重要なポイントです。Gensparkのクレジット消費ルールには明確な「ゼロ消費ゾーン」があります。Genspark公式クレジットガイドに記載されている通り、「AIチャット」と「AI画像」からの利用はクレジット消費ゼロです。

一方、スーパーエージェントやカスタムエージェントなど、他のエージェント経由でチャットや画像生成を行うとクレジットを消費します。筆者はカスタムエージェントから記事生成と画像生成の両方を実行していたため、クレジットが急速に減りました。

以下のフロー図でクレジット消費の判断基準を整理しました。操作を始める前に「どのエージェントから使うか」を意識するだけでクレジットの持ちが大きく変わります。

flowchart TD
    A["Gensparkで操作開始"] --> B{"どの機能を使う？"}
    B --> C["AIチャット"]
    B --> D["AI画像"]
    B --> E["カスタムエージェント"]
    B --> F["スーパーエージェント"]
    B --> G["AI動画・AI音声"]
    B --> H["AIスライド・AIシート"]
    C --> I["0クレジット"]
    D --> I
    E --> J["クレジット消費"]
    F --> J
    G --> J
    H --> J
    I --> K["節約のコツ: できることはここで済ませる"]
    style I fill:#e8f5e9,stroke:#66bb6a
    style J fill:#fff3e0,stroke:#ffa726
    style K fill:#e3f2fd,stroke:#42a5f5

クレジットを節約する運用テクニック

クレジット消費の仕組みを理解してからは、以下の運用に切り替えました。

• 記事の事前整理やアイデア出しは「AIチャット」で行う（0クレジット）
• アイキャッチ画像は「AI画像」から直接生成する（0クレジット）
• カスタムエージェントには完成度の高い指示だけを投げ、回数を減らす

要するに「無制限の機能でできることは無制限の機能で済ませ、クレジットが必要な操作を最小限にする」のがコツです。

注意点・デメリット5つ

課金前に知っておくべきデメリットを正直に5つ挙げます。

クレジット管理が甘いと月半ばで枯渇する

モデルの追加・プレビュー版の扱いが不透明

5時間ごとのレート制限がある

長いチャットで過去の文脈を忘れる

チャット単位のアップロード上限がある

課金すべき人・しなくていい人の判断基準

flowchart TD
    A["AIツールを使いたい"] --> B{"月にどのくらい使う？"}
    B -->|"週1-2回程度"| C["Freeで十分"]
    B -->|"週3回以上"| D{"複数モデルを切り替えたい？"}
    D -->|"GPTだけでOK"| E["ChatGPT Plusを検討"]
    D -->|"複数モデルを試したい"| F{"動画生成も頻繁に使う？"}
    F -->|"チャット中心"| G["Genspark Plus"]
    F -->|"動画も多用"| H["Genspark Pro"]
    style C fill:#e8f5e9,stroke:#66bb6a
    style E fill:#e3f2fd,stroke:#42a5f5
    style G fill:#e3f2fd,stroke:#42a5f5
    style H fill:#fff3e0,stroke:#ffa726

まずは無料版から試してみたい方はGenspark公式サイト（無料あり）から登録できます。

課金をおすすめする人

無料版で十分な人

▶ AIツールは用途ごとに使い分けるのが効率的です。NotebookLMとの併用で情報整理を強化したい方は、7つの活用事例をまとめた記事が参考になります。
NotebookLM活用術7選｜SE歴20年が実務で使い倒した全記録

よくある質問（FAQ）

まとめ

Genspark有料版（Plus）に2週間課金して分かったことを整理します。

最大のメリットは、GPT-5.4 Pro・Claude Opus 4.6・Gemini 3.1 Proなど複数の最新モデルをチャット無制限・画像生成無制限で使える点です。筆者の契約時点では月額約4,000円（$24.99）でこのラインナップにアクセスできるコストパフォーマンスは圧倒的です。カスタムエージェントを活用すれば、副業ブログの記事作成を大幅に効率化できます。

コーディング用途のAI活用については、Claude Codeを使った個人サービス開発の実録やClaude Codeで713ページのサイトを3日で作った記録も参考にしてください。

一方、カスタムエージェント経由の処理はクレジットを消費するため、使い方次第では月10,000クレジットが数日で枯渇します。長いチャットで文脈を忘れる問題やアップロード上限など、運用上の注意点もあります。

おすすめの始め方は「まず無料版で試す→クレジット不足を感じたらPlusに課金→AIチャットとAI画像は直接利用でクレジット節約」という段階的なアプローチです。課金を迷っている方は、まず無料で触ってみてください。半日で「足りない」と感じたら、それが課金のサインです。

Genspark Plusへの課金を含めた副業ブログ1ヶ月目の総出費と成果を記録しています。投資対効果の判断材料にしてください。
1ヶ月目の収支レポート

2026年4〜5月の月次データではこの記事がサイト全体の検索クリック数トップになった。集計はSE歴20年が副業ブログ3ヶ月目で見た数字に整理している。

SE歴20年・Claude Max 5x契約の筆者が、リリース翌日に2件のプロトタイプを実測しました。BtoB比較サイトのLP改善案と、モバイルWebアプリのマッチング画面です。URL参照の挙動・Tweaks機能・Export形式・クォータ消費量まで一次体験で記録したレポートをまとめます。

ムラサキ

最初は画像生成AIかと思ったら違いました。Claude Designの正体と、触ってわかった向き・不向きを一次情報で整理します。

Claude Designは画像生成AIではない

「Design」という名前から画像生成ツールを想像しがちですが、Claude Designが作るのはプロトタイプ・スライド・LPなどのHTMLベースの成果物です。Anthropicの公式Xアナウンスでも「prototypes, slides, and one-pagers」と位置づけられており、Figma・Canvaに近い立ち位置になります。

2026年4月17日リリースの研究プレビュー

Claude DesignはAnthropic Labs（同社の実験的プロダクト部門）から公開された研究プレビュー機能です。Pro・Max・Team・Enterpriseの有料プランで段階的に利用可能となり、Web版のclaude.ai/designからアクセスできます。

前日の4月16日にはClaude Opus 4.7が一般公開されており、Claude DesignはこのOpus 4.7の視覚理解能力を前提に設計されています。Opus 4.7は最大解像度が従来の1568pxから2576pxへ大幅に拡張され、デザイン用途のスクリーンショット解析が現実的になったモデルです。Opus 4.7自体の位置づけとコスト感はOpus 4.7と副業開発への影響を整理した記事で詳しく扱っています。

作れるもの・作れないもの

Claude Designで作れるのはWebページ・アプリのプロトタイプ、スライドデッキ、ワンページャー、マーケティング資料などです。いずれもHTMLベースで生成され、ExportメニューからZIP・PDF・PPTX・standalone HTMLで書き出せます。

一方で作れないものもはっきりしています。MidjourneyやStable Diffusionのような写真風画像生成、動画・アニメーションの生成、実データと連携した動的ダッシュボードなどは範囲外です。

モデル選択はOpus 4.7がデフォルト、切替も可能

Claude Designの入力欄左下の歯車アイコン（Change model）からモデルを切り替えられます。選択肢はClaude Haiku 4.5・Opus 4.7（デフォルト）・Sonnet 4.6・Opus 3・Opus 4.6・Sonnet 4.5の6種類。筆者の3件の検証はすべてデフォルトのOpus 4.7で実施しました。軽めの編集指示ならHaiku 4.5やSonnet 4.6に落とすことでクォータ節約が可能な設計になっています。

検証1｜BtoB比較サイトのLP改善

1件目は「SaaSツールを比較する情報サイトのLP」を題材にしました。現状サイトのURLを参考情報として渡し、コンバージョン重視のリデザイン案を依頼する形です。

投げたプロンプトと事前準備

Claude Designの新規プロジェクト作成は、Prototype（プロトタイプ）／Slide deck（スライド）／From template（テンプレート）／Otherの4タブから選びます。Prototypeの下にはWireframe（ラフ）とHigh fidelity（高精度モックアップ）の2モードがあり、今回はHigh fidelityを選択しました。

Createボタンを押すと、左ペインにチャット入力欄、右ペインにキャンバスが表示される作業画面に遷移します。コンテキスト追加ボタンとしてDesign System／Add screenshot／Attach codebase／Drag in a Figma fileの4種が用意されており、ブランド資産やコードベースを事前に紐付けられる設計です。

今回は事前アセットは渡さず、プロンプト本文内にURLだけを含めて投げました。実際に使ったプロンプトの骨格は次の通りです。サイト情報・現状課題・ターゲット・依頼内容・バリエーション数を明示しています。

https://example.com を参考にして、このLPを改善してほしい。

【サイトの目的】
SaaSツールを探している人向けの比較・レビューサイト

【現状の課題】
- ファーストビューで何のサイトか伝わりにくい
- CTA（資料請求・比較ボタン）の導線が弱い

【ターゲット】
情報収集段階の中小企業のIT担当・個人事業主

【依頼】
- コンバージョンを意識したLPトップページのデザイン案
- クリーンで信頼感のあるテック系（BtoB寄り）
- バリエーションは2案まで（トークン節約のため）

Fetching挙動｜URLを渡すと実際にサイトを読みに行く

プロンプト送信後、Claude Designは逆質問をせず即座に生成フェーズに入りました。左ペインには「依頼内容がかなり具体的（方向性・必須要素・バリエーション数まで指定済み）なので、前提をまとめて即着手します」という宣言が表示され、続いてデザイン方針（アプローチ・タイポグラフィ・カラー・構造）を明示したうえでProgress 0/4のタスクリストを展開します。

進行中のアクション表示には「Fetching page ×2, Copying starter」の文言が出ました。URLを渡すとClaude Designがweb capture toolでサイトを実際に取得しに行くことが、この表示で確認できます。ただし丸ごとコピーはせず、「著作権に配慮し、コピーではなく『BtoB向けSaaS比較サイト』として一般的なパターンで新規設計します」と宣言したうえで、参考サイトの雰囲気だけを汲む挙動でした。

数分で完成したLPファーストビュー

プロンプト送信から完成まで数分。筆者が別で実測した軽量LP案件では約6分で完走しました。右ペインにindex.htmlとして1ファイルのLPが出力され、ファーストビューのコピーは「『使うべきSaaS』が、30秒で見つかる。」。ターゲット文言（中小企業のIT担当・個人事業主）はプロンプトから引用され、CTA2種（無料で比較をはじめる／比較シートをダウンロード）・信頼数値（320+ 掲載SaaS／18 カテゴリ／月間 42k 意思決定者）・比較表サンプル・カテゴリ導線・代表ツールの横スクロールまで、依頼した必須要素がすべて1ページに収まっています。

注意点として、比較表に記載されたツール名（Notion・Confluence・Coda等）は実在するサービスですが、料金・スコア数値はダミーです。Claude Designは実データ連携を持たないため、具体的な数値を使う最終版には必ず自力で差し替えが必要になります。

Tweaks機能｜配色とコピー文言まで変わる

右上の「Tweaks」トグルをONにすると、生成された2バリエーション（案A / Navy・案B / Ink）を即時切替できます。面白いのは配色だけでなくコピー文言まで変わる点で、案Aの「『使うべきSaaS』が、30秒で見つかる。」に対して案Bは「SaaS選びの、最短ルート。」と別のメッセージが自動生成されていました。

単なるテーマ切替ではなく、各案が独立した別デザインとして成立するように設計されている点が特徴です。プロンプトで「王道BtoB」「モダン・差別化志向」という2方向を事前に指示できれば、2案を並べて社内議論のたたき台にする使い方が現実的になります。

検証2｜モバイルWebアプリのマッチング画面

2件目はポケモンGOの個体交換マッチングサービスを想定し、マッチング結果一覧画面（/matches）を言語説明だけで起こしました。URL参照ではなく、複雑な業務仕様をテキストで指示したときにどこまで再現できるかの検証です。

言語だけでの指示プロンプト

プロンプトには、サービス概要（何を何とマッチングさせるか）、画面構成（上部タブフィルター・セクション見出し）、マッチカードの2カラム構造、バッジ・状態表現のルール、アクションボタンの表示条件、モバイルファースト（375px想定）などを詳細に記述しました。ドメイン固有の用語（双方向マッチ／片方向マッチ／フレンドレベル不足／ほしのすな消費量）がどこまで伝わるかもチェックポイントです。

375px固定のiOSフレーム付きUIで完成

送信から完成までは数分。Progressタスクは0/7まで分解され（iOSフレーム取り込み・マッチデータ設計・カード実装・タブフィルター実装・リクエストモーダル実装・状態遷移管理・仕上げ検証）、生成ファイルはapp.jsx・modal.jsx・card.jsx・components.jsx・data.jsx・ios-frame.jsxの6つのReactコンポーネントに分割されていました。

完成画面はiPhoneフレームに9:41の時刻表示とノッチが再現され、内部のUIは375px固定幅で収まっています。タブフィルター（すべて8／アクション可能2／交渉中2）の件数バッジ、双方向マッチセクション（4件）の緑バッジ、マッチカード2枚の左右2カラム表示（自分のリスティング／相手のリスティング）、トレーナー名＋取引実績バッジ、ほしのすな消費量、スケジュール重複時間、黄色の「リクエストする」CTAボタン、下部タブバーのチャットアイコンに付く通知バッジまで、指示した仕様がほぼそのまま反映されています。

著作権配慮のガードレール｜固有名詞は許容、公式UIは回避

興味深かったのは、ポケモン名（ラルトス・ヨーギラス・ヒトカゲ・ゼニガメ）と図鑑番号はサンプルデータとして採用しつつ、「ポケモンGO自体の画面やロゴは使わず、オリジナルの『個体交換マッチングサービス』としてデザインします」と宣言したうえで公式UIの模倣を回避した点です。実際、マッチカード内のポケモン画像はオリジナルのモンスターボール風プレースホルダ（タイプ色で塗り分け）に置き換えられていました。

固有キャラ名の例示は許容、公式UIやロゴの模倣は回避というガードレールの粒度が、検証1（BtoBサイトの丸コピー回避）と合わせて見えてきます。商用利用前の最終確認は必要ですが、著作権リスクへの一定の配慮が組み込まれている設計です。

日本語フォント選定の文化的配慮

フォント選定は検証1と検証2で明確に違いました。BtoB LP（検証1）ではPlus Jakarta Sans＋IBM Plex Monoという英文ベース、モバイル・カジュアル・日本ユーザー想定の検証2ではZen Maru Gothic＋M PLUS Rounded 1cという丸ゴシック系日本語フォントが選ばれています。プロンプトに「日本語フォント」とは書いていないにもかかわらず、文脈から自動で使い分ける挙動です。

追加検証で見えた、アフィリLPとTweaksの多軸性

上記2件とは別に、アフィリエイト記事向けのVPN比較LPを3件目として検証しました。この検証はトピックが重複するので本記事には含めませんが、2点の新発見があったので補足します。1件あたりのClaude Design枠消費は+15%、生成時間は実測で約6分でした。

景表法・PR表記を自発的に挿入

アフィリエイト目的のLP生成では、プロンプトで明示していないにもかかわらず「PR・景表法表示：本ランキングはアフィリエイト広告を含みます。評価は編集部の独自基準によるもので、広告料によって順位は変動しません」というステマ規制対応の注記がファーストビュー直下に自動挿入されていました。依頼内容から「アフィリエイト収益化視点」というキーワードを汲み、景表法・ステマ規制への配慮を自発的に入れる挙動です。

Tweaksはコンテンツに応じて多軸化する

検証1のTweaksは「案A/案B」の2バリエーション切替でしたが、VPNランキングLPでは「デザイン方向（A・ネイビー/B・ダークグリーン）」「見出し言語（日本語/日+英併記）」「ランキング密度（詳細(Pros/Cons)/コンパクト）」の3軸同時カスタマイズに変化していました。固定のUIパターンではなく、生成物の性質に応じてカスタマイズ軸が動的に組み立てられている挙動です。ランキングLPなら密度軸、2方向のデザイン比較なら方向軸、といった最適化が入っていると見られます。

できること・できないことの整理

3件の検証から見えた範囲を整理します。2026年4月時点の研究プレビュー版での筆者検証範囲内での結果です。

できること

できないこと・注意点

エンジニアの現実的な使い道3パターン

副業SEや週末起業家の視点で、実務に組み込める使い方を3つ整理しました。

クォータ設計の実測ガイド

研究プレビュー期間中のClaude Designで最も重要なのがクォータ設計です。Claude Designには通常のClaude利用枠とは別のトークン枠が設定されており、消費ペースが想像以上に速いことが報告されています。

Claude Design枠は通常枠と別カウント

Claudeの設定画面の使用量タブを開くと、「すべてのモデル」「Sonnetのみ」に加えて「Claude Design」の独立した枠が確認できます。リセット時刻も通常のモデル枠（筆者環境では金曜7:00）と異なり、Claude Designは土曜21:00と別設定。Designをヘビーに使っても通常のチャット枠は残る、逆にチャット枠を使い切ってもDesignは動く、という住み分けです。

Max 5x実測：検証1本あたり約9〜15%消費

Claude Max 5xプランでの実測値を3件並べると、検証1（LP 2バリエーション＋URL fetch）で13%消費、検証2（モバイル画面1案）で9%消費、追加検証のVPNランキングLP（3軸Tweaks付き）で15%消費でした。合計37%で3本のプロトタイプを完走しています。単純換算で、Max 5xなら週次で6〜10本程度の本格プロトタイプが作れる計算になります。

一方Proプランの実測については、PCWorldのBen Patterson氏の検証記録が参考になります。同氏は3バリエーションのプロトタイプ生成を25分で完走したものの、その時点でProの週次Claude Design枠の80%を消費。誤操作のundoで全作業が消えた後5分間の再生成で残り枠もゼロになったとレポートしています。本格的にプロトタイプを作り続けるならMax以上、たまに1本試すだけならPro、という目安になりそうです。

トークンを節約するプロンプト設計

消費を抑える最大のコツは、最初のプロンプトで情報を出し切ることです。Claude Designは具体的な指示が足りないと逆質問を繰り返すので、その往復だけでトークンが消えます。筆者の検証では事前に方向性・必須要素・バリエーション数を明記したため、Claude側から「依頼内容がかなり具体的なので即着手します」と宣言されて逆質問ラッシュをスキップできました。

よくある質問

まとめ

3件の検証でわかったことを3点に整理します。

• Claude Designは「数分で初稿が出る」プロトタイピングツールで、画像生成AIでもFigma代替でもない独自の立ち位置にある
• URL参照・多軸Tweaks・景表法表記の自発的挿入・日本語フォント自動選定・著作権ガードレールなど、実用レベルの機能が研究プレビュー時点で揃っている
• PNG直接出力なし・実データ連携なし・Pro枠はタイトなど制約もあり、完成品ツールではなく「議論と実装のたたき台生成器」として捉えるのが現実的

副業エンジニアの視点では、LP草案・UIプロトタイプ・スライド初稿といった「議論を前に進めるための素材」を数分で揃えられる価値が大きいツールです。最終成果物ツールではなく、思考を可視化する道具として使うと効きます。記事制作ワークフロー全体にAIをどう組み込むかはClaude記事制作ワークフローの全記録にまとめています。

外部情報としては、Anthropic公式のClaude Design発表記事、Opus 4.7の詳細を扱ったAnthropic APIドキュメント、Proプランでのクォータ消費実測を含むPCWorldの検証レポートが参考になります。

ムラサキ

Handoff to Claude Codeで実装まで通すフローはClaude Design→Code｜handoffで既存プロジェクトに統合にまとめました。既存Reactプロジェクトへの統合記録です。