今、生成AIで3Dモデルを作ってみようというセミナーに参加してます。ハンズオン形式なので、お試ししながら。
以前、同講師のセミナーで作った「クロにゃん」というキャラクターを「meshy」というサイトで3Dを作りました。
有料化しないとデータはダウンロードできないみたいですが、その画像を今度はGeminiの画像生成で「店頭に並んでいたら」と妄想して画像作らせました。
これが面白かったので、夜中にもかかわらずアップ。。。
ちょっと試すだけでもこんなのが作れるなんて面白い～(仕事に使えるわけじゃないのでこれ以上なにするわけじゃないんですが、こいうのは触ってみてなんぼなんで(^^;))
最近、Claudeとかを使って講座資料(一部)を作っています。指導略案や、プロンプトもいい感じでまとめてくれるので便利！
できれば、これまでの講座資料をAIに読み込ませて、「◎◎の資料を私が作成したっぽく作って！最新の情報を盛り込んで」と指示出したらポンって資料が作れるようになってくれるといいのですが、さすがにそこまでは(笑)
ということで、以下、Claudeにまとめさせたものを掲載。(画像は下記の内容をNotebookLMに読ませて生成)
# AIで講座資料を作りながら、AIそのものと格闘している話（近況）
今年度初めてやろうと思っている新ネタを2本、AIを使いながら作りました。
タイトルは「夢実現できる金」と「その情報ホント？〜見抜ければ、ちょっと得する〜」。
1つ目のタイトルは某バラエティー番組みて思いつきました(笑)
内容は、これまでの金銭教育でもやっていた、一人暮らしに必要なお金の話や、やりたいことにお金がかかるということ、ライフプランニングを混ぜたようなものです。
中学生～高校1,2年生が対象のもので、来月講座で初おろし予定。
2つ目のは消費者教育の分野で「情報とメディア」というのがありまして。「情報リテラシー力をつけよう！」「こんなこと知ってる？」「知らないと損してしまうかも…」という情報やSNS、AIとの付き合い方、対処法について伝えるというもの。これはClaude使って資料や指導略案を作り、それをNotebookLMに入れて画像やスライドを作成しました。
一部画像や文字の乱れはありますが(^^;)、2月頃に作ったものよりさらに洗練されている！！
AI画像生成(Nano BananaやChatGPT)で資料作成始めたのは去年11月ごろからですが、半年ほどでも驚くほど違いが！！
私自身慣れてきて、いいプロンプトがかけるようになったのもありますが、性能アップのスピードはすごいものがあります。。
—
## 壮大なほうは、正直、停滞気味
実はもう一つ、大きいことに手を出しています。
「講師業の棚卸し」——過去10年分の講座や自分の判断のクセを全部言語化して、最終的にはAIに講座の叩き台を作らせられる状態にする、という計画です。最初は、過去資料を全部AIに読ませれば「第二の自分」ができるんじゃないかと妄想していました。
これは今、停滞気味(苦笑)。やってみて分かったのは、資料をいくら食わせても、肝心の「なぜそう作ったか」が資料には残っていないということ。そこは自分の頭の中にあって、言葉にする作業を省略できない。ここは自身の業務や講師業、なぜその資料を作るかなど暗黙知を時間をかけて、言語化、まとめをやっていっています～
—
## 何をやるにしても、まずAIの「クセ」を掴まないと話にならない
AIは賢いけれど、最新のものを使っても、放っておくと勝手に先回りするし、こちらが「これはやるな」と制限をかけたことを、平気で忘れて都合よく動こうとする部分があります。制限をかけても聞かない、ということが普通に起きる。
だから、いかにうまくコントロールするか、軌道を外れたら戻すか、長い作業をどう引き継ぐか——道具を使うというより、「気を抜くと変な方向に走る相手と、どう付き合うか」を覚える感じでした。今回の2本も、その綱引きの上にできています。
## まとめ
この文自体をClaudeで作成させましたが、なかなか思うように行かない。。
たぶん、有料セミナーや誰かにお願いすれば早いんでしょうけど、これもAI活用を学ぶ機会と思ってちょっと時間をかけてAIと対話、作成をしています。
数ヶ月後には、もうちょっと楽に作業させられるようになりたいな～と思う日々です😊
FP系のニュース記事を見ていたら、4/1から自転車のルールが変わったというのがありました。
それと、警察庁HPにあったルールブックをNotebookLMで画像生成しました。
毎日のようにNotebookLMでニュース記事や情報をまとめていて、埋もれていくのもったいないな～って思うのでアップします
このイベントにonlineで参加？見ています。
かなり難しい話をしている＆企業向けのお話が多いっぽい。
それでも、生成AIとの付き合い方や、今後どう進むのかなどは考えさせられるかなって思いながら見ています。
データのRAG化が途中で止まっているのでやらなきゃな～って思うようになったし、何をAIに任せて、何を差別化を図っていくのかをもっと考えようと思いました！
今年初めぐらいからどっぷりAIにはまっている中で、「情報を扱う仕事はAIを味方に付けないといけない」「個人事業主はAIをうまく使うことって大事」と思っていましたが、より強く思います！
ここ最近で一番驚いたこと(今更？)
最近の切手はシールタイプが多いんですって。
一生懸命、水で濡らしたりちょっと舐めてみたりしてもダメだったので一度のり付けして送りました。
送った後、不思議に思ってググって「あ、シールになってる！」
(最近までストック切手使ってたので気づかなかった。。)
思い込みってヤバいですね。(^^;)
(行動経済学的に「確証バイアス」がかかっていると言えそう)
3月まではGeminiとChatGPTをよく使ってAIについて学んでいましたが、先月半ばぐらいからClaudeを使っています。
今月初めぐらいにSkillsってやり方を聞いたので、少し触り始めていますが、あちこちでClaude Codeがすごいと聞くので、こんなセミナーに参加して、やり方学んでいます。
分からないことだらけですが、非エンジニアの私でもいろんなツールが触れるのは面白いです！
あと、この間もアップしたような、生成AIにプログラムして貰ってツール作ったり、自前でいろいろやろうとするとコマンドプロンプト触ったり、ネットの基礎知識なんかが必要になってきます。
若い頃、MS-DOSを少し触ったり、初級システムアドミニストレータを取ったときの知識が活きていて、何でもやっておくものだな～と実感しているところです。
Claude Codeはプロ版だとすぐ上限に来てしまうみたいですが、課金の範囲内で、業務効率できるような何かを作れればなって思っています😊
今、確定申告作業をしていて、自動化作業や来年のために、やっていることをGeminiを使って記録を取っていました。しかし、「これまでやったことをまとめて」と指示したら、まったく違うことをしてきたりして、結局、スレッドを遡って1つずつ記録させたのを集める羽目になりました。
これを、別のスレッドで聞いたら、納得する話が出てきてまとめさせたのでアップしようかなと思います。(本当かどうかまでの検証はしていませんが、「生成AIは魔法の杖なんかじゃなく、言葉の計算機」というGeminiの言葉が深く刺さりました。(作業前に知っておけば(^^;))
📝 【レポート】チャット型AIの構造的限界と、実務に耐えうる「真の自動化」への移行戦略
1. 現場で起きた問題（AIがもたらしたストレス）
複雑な事務作業（確定申告など）の思考ルーチンを記録させるため、AIを「秘書役」として横に置き、作業しながら対話形式でメモを取らせる運用を試みた 。
2. なぜAIは裏切るのか？（構造的な原因）
これらのポンコツな挙動は、AIの不具合ではなく、2026年現在の**「チャット型AI（LLM）が抱える構造的な限界」**によるものである 。
① 記憶力の正体は「RAM（一時記憶）」
チャットAIの脳内は、データを永久保存するハードディスクではなく、電源を切れば消える「一時メモリ（作業台）」と同じである 。 対話が長引くと、古い指示はメモリの奥底に追いやられ、徐々に解像度が下がっていく 。
② 「中抜け」と「捏造（ハルシネーション）」の発生
記憶が限界に達した状態で「最後にすべてまとめて」と指示されると、AIは以下のような致命的なエラーを起こす。
③ アテンション（注意力）の希釈
AIは「直近の会話」に最も強く引っ張られる性質を持つ 。そのため、記録中に別の質問を挟むと、計算リソースが新しい話題に全振りされ、過去の「秘書として記録せよ」という大前提のルール（コンテキスト）が吹き飛んでしまう 。
3. 実務でAIを使いこなすための「対策」
「チャット画面（ブラウザのUI）」という一つのツールに、「記録（メモ帳）」「思考（脳）」「対話（口）」のすべてを担わせようとすることが失敗の根本原因である 。これを解決するには、以下の段階的な対策が必要となる。
【暫定対策】「最後にまとめる」のをやめる
【究極の対策】チャットUIからの脱却（エージェント化）
コピペの手間すら無くす「真の自動化」を目指すには、AIをチャット画面から引っぱり出し、「脳（AI）」「手足（Pythonプログラム）」「記憶（ローカルデータベース）」を分離したハイブリッドシステムを構築する 。
(レポート終了)
今日も遅い時間から始まった、「Geminiで動く図解を作ろう」セミナーに参加して、いくつか面白いSVGアニメーションや図解を作りました。
仕事で使えるかは微妙ですが(^^;)
でも、刺激になりますし、他の人のプロンプトや制作の仕方を見れるのはいい勉強になります♪
無くてはならないツールになりつつあった音声を文字入力に自動的に変換する仕組み。これが急に動かなくなりました。原因を究明していたら、一昨日から手を付け始めた確定申告作業の自動化作業でした。。こちらは今回のに間に合わなさそうだったのでいったん保留でということで音声入力自動化を復旧したのですが、なんだかんだで4時間かかってしまいました。。
また、今回も記録をGemini作成、ChatGPT編集、私最終校正で作ったのでアップします～(インフォグラフィックスも同様に作りました、なんか1ヶ月前より良くなっている？)
失われた「声」と本陣の再構築―Windows環境におけるAI音声入力復旧の記録
失われた「声」と本陣の再構築
日常の道具が、ある日突然その機能を失う。それはたいてい、大きな事件の顔をしていない。むしろ「ちょっとした掃除」の副作用としてやってくる。
今回の発端は、システムの最適化を目的とした整理だった。不要な仮想環境を削除し、古いライブラリを一掃し、PCを“軽くする”はずの作業。ところが、その代償として長年連れ添ってきた音声入力システムは沈黙した。
起動直後に表示されたのは、「DLLが見つからない」という無機質な一文。それはエラーというより、拒絶だった。
混在するPython、失われた秩序
調査を進めると、PC内部には複数のPythonバージョン（3.12、3.14など）が混在していた。どの個体が主導権を握っているのか、もはや判然としない。
最新の3.14は確かに新しい。しかし、AI開発に必要な外部ライブラリとの互換性はまだ万全とは言えない。一方、以前安定していた環境は、整理の過程で物理的に消えていた。
しかもこのトラブルが起きたのは、仕事が立て込んでいる時期だった。本来なら別の案件に使うはずの時間が、静かに削られていく。気がつけば、4時間。
何も生み出していないようでいて、しかし止まったシステムを前にしては進むこともできない。そんな種類の4時間だった。
「最新」ではなく「本陣」を選ぶ
ここで下した決断は、「本陣の再建」である。流行や最新版を追うのではなく、最も安定性の高いPython 3.11を改めてインストールし、これをシステムの“コア”として再定義する。
土台を決める。まずはそこからやり直す。
遠回りに見えるが、実は最短距離だと経験上わかっている選択だった。
欠落した“筋肉”と、深層からの借用
しかし問題はそれだけではなかった。AIモデルを動かすための“筋肉”ともいえるGPUエンジン（DLLファイル）が欠落していたのである。これがなければ、いくらPythonを整えても動かない。捜索の末、Python 3.14の深層にそのエンジンが眠っていることを突き止めた。
ここで選んだのは、無理に移植することではなかった。3.11の配下に組み込むのではなく、必要な瞬間だけ“借用”する。境界線は守る。しかし、必要なら通路は一時的に開く。この設計思想が、今回の復旧の核心だった。
見えない裏側での再構築
最終的に、バックグラウンドでの隠密起動を担うVBScriptをアップデートした。スクリプトが呼ばれた瞬間、必要なエンジンへの道（パス）を一時的に通し、Python 3.11を明示的に指名して起動する。処理が終われば、その道は静かに閉じる。
「境界線を維持した借用」。
その結果、既存のキーボード連動（Scroll Lock + Endキー）という操作感を一切変えることなく、システムは息を吹き返した。
外から見れば、何も変わっていない。だが内部では、本陣が再編されている。
再点灯するマイクアイコン
再起動後、タスクバーにマイクアイコンが灯った。ただそれだけのことだ。だが、止まっていた流れが戻る瞬間には、わずかな安堵がある。4時間という時間は戻らない。しかし、その4時間で環境は整理され、主従関係は明確になり、次に同じ混乱が起きる可能性は大きく下がった。
これは単なるトラブルシューティングの記録ではない。複雑化した環境を見直し、安定という名の「本陣」を再構築した、小さな戦記である。
そして何より——
忙しいときほど、足元の構造を整える価値はある。沈黙していた「声」は、そう教えてくれた。
今日から作業を開始。。。その前に、レシートのデータ化は簡単なのか。それを悩んだので、Geminiとやり取りしたり、写メったデータを読み込ませて検証などを行いました。
そして、それもGemini作成、ChatGPT監修、最終校正：私で記事を書いたのでアップします！(同様に、インフォグラフィックスをNotebookLMに作ってもらいました)
～確定申告をローカルAIで自動化できるか？実装前にやった「原資料」検証の話～
【1日目】
確定申告の作業は、いまだにどこかアナログな匂いが残っています。レシートを集め、金額を打ち込み、勘定科目を考える。今回はそれを、クラウド任せではなくローカル環境で自動化できないかを検証しました。
目標は「弥生会計に取り込めるCSVを自動生成すること」です。ただし、いきなりコードは書きません。最初にやったのは、もっと地味で重要な作業でした。
1. レシート撮影は本当に“写メ”で足りるのか？
最初の論点はシンプルです。「スマホで撮った写真は、OCRやAIにとって十分な入力なのか？」試してみると、いくつかの課題が見えてきました。
○ 遠景撮影の問題
長いレシートを一枚に収めようとすると、どうしても引いて撮ることになります。すると文字が小さくなり、特に数字の判別精度が落ちます。「8」と「3」の誤認識のような、地味ですが致命的なミスが起こりやすくなります。
○ 折るという選択
そこで考えたのが、レシートを軽く折り、店名と合計金額を物理的に近づけて撮る方法です。これだけで、文字の密度が上がり、読み取り精度はかなり改善しました。
AIに頑張らせる前に、入力側を整える。ここが最初の気づきでした。
2. スキャナという選択肢
さらに検証を進める中で、スマホ撮影よりも安定した方法があることに気づきます。それがフラットヘッドスキャナです。なぜ「スキャンが良い」のか。
・影が出ない
・コントラストが安定している
・傾きが発生しない
さらに、長いレシートや品目の多いものでも、フラットに取り込めます。特に複数商品・1万円超のようなレシートでは、スマホ撮影よりもスキャンの方が明らかに安定していました。
また意外だったのは、最適化されたスキャン画像の方がファイルサイズが小さいケースがあること。ローカルでAIを回す場合、画像サイズはVRAM使用量に直結します。この点でもスキャンは合理的でした。
それから、背景を黒バックにすること。これはいくつかの写メとスキャンデータで確かめたことですが、背景が様々であったり、傾いて撮影したりすると精度に揺れが生じるだけで無く、普通のコピー機だと背景がすべて白になり、境界が曖昧になることでデータサイズが拡大したり、OCR精度が落ちる危険性がありました。こちらも何度かテストを行い、最終的には、黒画用紙を背景にスキャンすることが一番効果的ということが分かりました。
3. 「スタート一回」で終わる設計を考える
スキャンの弱点は「手間」です。蓋を開けて、並べて、閉じて、保存する。そこで、発想を少し変えました。
A3サイズでまとめてスキャンし、その後はプログラムに任せる、という考え方です。スキャン時には複数枚のレシートを同時に取り込んだり、多少傾いていたり。縦横が混ざっていたりしてもいい形で。これならば、1枚ずつスキャンするという手間や面倒くささが軽減され、さらにノイズになってしまう、傾きや90度向きが傾いていて、取り込みに手間がかかってしまうことを防ぐことができる方法です。
1. 複数レシートを並べて一括スキャン
2. Pythonで自動的に輪郭検出
3. 個別レシートごとに自動切り出し
4. 傾き補正・回転
5. フォルダ監視で自動処理開始
人間の作業は「並べてスキャン」だけ。その後は自動で流れるという設計です。
4. まだコードは動いていない
今回のは、まだ実装していません。
やったのは、
・どう撮れば精度が安定するか
・どの入力方式が再現性を持つか
・自動化に向いた原資料とは何か
ということを整理することでした。AIは便利ですが、入力が曖昧なままでは精度は安定しません。また、一次データである画像が高精度であれば、今後、AIやOCR精度が向上したときにより高度な戦略が打てるようになる。そのためにも一次資料はできるだけ手間をかけず、しかし高精度でおきたい。
最初、確定申告作業の自動化作業の中で、写メった画像があれば、それをAIに読み取らせ、会計ソフトに渡すことができるようにすることが自動化作業の肝かなと思っていました。しかし、最初の「画像化」もかなり大事なことなのだと気づきました。結局のところ、「出力の信頼性は、入力の規格で決まる。」これは一連の検討作業において良き収穫となりました。(生成AIとのやり取りに5時間かけました)
実装はこれからですが、こうした、場を整えること。そして、生成AIに何が出来るか。自動化作業とはどういうことなのか。どの段階の精度を上げて、どの段階はコストを払うのか。この確定申告作業の自動化作業は(時間は無い中で)、そういった、私自身の省力化、付加価値を上げることを考えるいい作業となっているかなと思います。
まだ全体の一里塚。「最終的に税理士さんに投げた方が良かった」とはならないよう、頑張っていきたいと思っています。
(作成：Gemini、監修：ChatGPT、最終校正：私)