AI仙人の「1人で100人分働く」生成AI仕事術｜ChatGPTを“道具”で終わらせない6つの実践法
「ChatGPTを使っているのに、思ったほど仕事がラクにならない」
そんな感覚を持っている人は、かなり多いのではないでしょうか。
文章を書かせてみる。メールを作らせてみる。分からないことを質問する。それなりに便利だけれど、「これで仕事のやり方そのものが変わった」と言えるほどではない。
僕も生成AIを使い始めた頃は、どちらかといえばそんな感覚でした。
ところが、YouTubeで公開されているAI仙人さんの動画「生成AI使い一人で100人分働く社長の『非常識な仕事術』に密着したら、想像以上にラクに稼いでいた。」を見ると、そもそもの発想が違います。
動画で語られているのは、「ChatGPTに上手な質問をする方法」ではありません。
会話、考え、資料、仕事の背景、過去の判断などをAIが理解できる状態にして、人間が作業するのではなく、できるだけAI側に仕事を流していくという考え方です。動画内では、AIにリサーチさせながら別のAIで別タスクを進めるなど、複数の仕事を並列に走らせる様子も紹介されています。(LilysAI)
ここで大切なのは、「本当に1人で100人分働けるのか」という数字だけに注目しないことです。
これは動画出演者自身の表現であり、誰でも100倍の生産性になるという意味ではありません。
見るべきなのは、その裏側にある仕組みです。
AI時代に差を生むのは、AIへ何を聞くかより、AIがあなたをどれだけ理解できる状態をつくれるかです。
この考え方を理解すると、生成AI活用は「便利な質問ツール」から、「自分の仕事を一緒に動かしてくれる第二の頭脳」へと変わります。
この記事では、動画の内容をそのまま要約するだけではなく、ChatGPTをはじめとする生成AIを仕事やAI副業にどう落とし込めばいいのか、普通の会社員・個人事業主・クリエイターでも実践できる形まで分解していきます。
難しいプログラミングから始める必要はありません。
最初に変えるべきなのは、AIそのものではなく「AIとの付き合い方」です。
生成AI仕事術の本質は「AIを使う」から「AIと仕事する」への転換
この動画から最初に持ち帰りたいポイントは、生成AIを単発のツールとして使うのではなく、仕事の流れそのものへ組み込むという発想です。
ChatGPTを使っている人でも、多くの場合は必要になった瞬間だけAIを開きます。
「このメールを丁寧にして」
「企画案を10個出して」
「この文章を要約して」
もちろん、これだけでも十分便利です。
ただ、この使い方ではAIが知っているのは「いま入力された情報」だけです。
たとえば、あなたが取引先への提案書を作るとします。
普通の使い方なら、
「○○会社向けの提案書を作って」
と頼むでしょう。
しかし、その会社とこれまで何を話したのか、どんな課題を抱えているのか、予算感はどれくらいなのか、担当者がどんな言葉に反応したのか、自社では何を提供できるのか。
そうした情報がなければ、AIは一般論から答えるしかありません。
これは優秀な社員を採用して、何の引き継ぎもせずに「明日から営業よろしく」と言うのと似ています。
動画の中でAI仙人さんが強調しているのは、AIへ大量の背景情報を与えることです。会話などの情報を記録し、それをAIが利用できる状態にすることで、毎回ゼロから説明する負担を減らしています。(LilysAI)
この考え方は現在「コンテキストエンジニアリング」と呼ばれる考え方にも近いものです。
Anthropicも、AI活用が単なるプロンプトの書き方から、システム指示、ツール、外部データ、会話履歴などを含む「AIが判断するための文脈全体」を設計する方向へ進んでいると説明しています。(Anthropic)
つまり、これから重要になる質問は、
「どんな魔法のプロンプトを書けばいいですか？」
ではありません。
「この仕事を判断するために、AIは何を知っている必要があるだろう？」
です。
この問いに切り替わった瞬間、AI活用のレベルが一段上がります。
生成AIの精度を上げる鍵は「プロンプト」より背景情報にある
どれだけ性能の高いAIを使っても、仕事の背景が分からなければ、欲しい答えからズレることがあります。
動画の面白い場面の1つが、AI仙人さんが音声入力でかなり自然に指示しているところです。
従来のプロンプト術でよく言われた、
「あなたは○○の専門家です」
「以下の条件を守ってください」
「目的、前提、制約、出力形式は……」
という長い指示を毎回入力しているわけではありません。
本人も動画内で、重要な場面では丁寧に指示を作るものの、普段はかなり雑な指示でもAIを動かしている趣旨の説明をしています。(LilysAI)
もちろん、これは「プロンプトは何でもいい」という意味ではありません。
OpenAIの公式ガイドでも、明確で具体的な指示を出し、必要な文脈、目的、形式などを伝えることが推奨されています。(OpenAI Help Center)
ここで重要なのは順番です。
AIの精度を上げる最短ルートは、プロンプトを長くすることではなく、必要な背景情報を整理して渡すことです。
たとえばnoteの記事を書かせる場合でも、
「AIについて3,000字の記事を書いて」
だけでは一般的な文章になります。
一方で、
・ 誰に読んでほしいのか
・ 過去によく読まれた記事
・ 自分が大切にしている考え
・ 読者から届いたコメント
・ 今回の記事で伝えたい体験
・ 使用してほしい言葉
・ 使用してほしくない表現
まで分かっていれば、アウトプットはかなり変わります。
さらに、仕事の情報を一度整理しておけば、その資産は次の仕事にも使えます。
営業なら商談記録。
ライターなら過去記事。
経営者なら事業計画や議事録。
コーチなら指導方針や練習記録。
Webサービス開発なら仕様書、ユーザーの声、過去の修正履歴です。
重要なのは、何でも無差別にAIへ入れることではありません。
会社の機密情報、顧客情報、個人情報を扱う場合は、利用しているAIサービスのデータ取り扱い、社内ルール、相手の同意などを確認する必要があります。
「全部入れればいい」ではなく、「必要な情報を、安全な範囲で使える状態にする」。
これが実務で使える生成AI仕事術です。
1人で100人分の正体は「100倍速」ではなく仕事の並列化にある
「1人で100人分働く」と聞くと、人間が100倍の速度でキーボードを叩いているようなイメージを持つかもしれません。
しかし、動画を見ると本質は違います。
AIがある作業をしている間、人間は待たずに別のAIへ次の仕事を渡す。
リサーチを走らせる。
別の画面で資料を作らせる。
別のタスクについて調査させる。
完成したものが戻ってきたら、人間が確認して次の指示を出す。
動画では、複数のAIタスクを同時に動かす考え方が紹介され、AIの処理待ち時間に別の仕事を進めることで並列化しています。(LilysAI)
ここには大きな仕事術の変化があります。
従来は、
調べる
↓
考える
↓
書く
↓
修正する
↓
提出する
という直列型でした。
生成AIを組み込むと、
AI Aに市場調査
＋
AI Bに競合分析
＋
AI Cに構成案
＋
自分は顧客ニーズを整理
という形で同時進行できます。
AIに仕事を任せるとき、人間の役割は「作業する人」から「仕事を設計し、判断する人」へ移っていきます。
これは副業でも強力です。
たとえばnote記事を1本作る場合、自分一人ですべて調べていたら、リサーチだけでかなり時間を使います。
そこでAIに、
「このテーマの一次情報を探す」
「初心者が疑問に思いそうな点を洗い出す」
「反対意見を探す」
「SEOで関連しそうな検索意図を整理する」
など別々の役割を与える。
その間に自分は、「この記事で自分だから書ける話は何か」を考える。
AIに任せるのは大量処理。
人間が残すのは経験、思想、判断、責任です。
動画では、月10時間かかっている作業を10個自動化できれば、単純計算で月100時間分になるという考え方も紹介されています。これは誰でも同じ時間を削減できるという意味ではありませんが、「巨大な自動化を1個作る」のではなく、小さな定型作業を複数減らすという発想は非常に実践的です。(LilysAI)
100倍を狙う必要はありません。
毎日15分の作業を1つ減らすだけでも、30日なら450分、つまり7時間30分です。
まずはそこからで十分です。
AI自動化は「自分の仕事を言語化する」ところから始まる
AI自動化と聞くと、プログラミングができる人だけの世界に感じるかもしれません。
しかし、本当のスタート地点はコードではありません。
「自分は普段、何をやっているのか」を言葉にすることです。
動画でも、「自分のタスクが言語化できれば、多くのタスクは自動化できる」という趣旨の話が出てきます。(LilysAI)
たとえば毎週月曜日に、
メールを確認する。
問い合わせを分類する。
重要な案件を抜き出す。
返信案を作る。
予定表へ登録する。
担当者へ連絡する。
という仕事があるなら、これらはすでに小さな工程に分解できます。
いきなり完全自動化する必要はありません。
最初は「返信案をAIに作らせる」だけでもいい。
次に問い合わせ分類。
次に要約。
少しずつAIへ渡します。
OpenAIも現在、AIエージェントについて、単なる回答生成だけではなく、推論し、ツールを使い、複数ステップのワークフローを実行する方向を紹介しています。(OpenAI)
この流れは、個人の働き方にも入ってきます。
僕自身もChatGPTやClaude Codeを使いながら、noteの記事を書き、アイデアを整理し、Webサービスという形にしていく中で感じることがあります。
AIが本当に強いのは、「ゼロからすごいものを一発で出してもらう瞬間」ではありません。
一緒に作って、修正して、また使って、その過程を次の仕事へつなげられるようになった時です。
つまり、AI活用の目的は「自分が何もしなくなること」ではありません。
自分にしかできない判断へ時間を戻すことです。
文章の誤字修正に30分使っていたならAIへ渡す。
何十サイトも検索して情報を集めていたならAIへ渡す。
定型メールを毎回ゼロから書いていたならAIへ渡す。
そして空いた30分で、読者と話す。顧客の声を聞く。商品を改善する。新しいアイデアを考える。
ここまで来ると、AIは単なる時短ツールではありません。
「何に自分の人生の時間を使うのか」を選び直すための道具になります。
生成AI活用で失敗する人ほど「最新ツール」を追いかけすぎる
生成AIの世界では、新しいモデル、新しいサービス、新しい機能が次々に登場します。
そのため、
「ChatGPTとClaudeはどっちがいい？」
「Geminiも覚えるべき？」
「新しいAIが出たから乗り換えなきゃ」
と焦りやすくなります。
動画の中でも、AI分野は情報更新が速く、本やYouTubeだけでは最新情報への追随が難しいという趣旨の話が出ています。一方で、専門領域については本などの体系的な情報も重要だと話しています。(LilysAI)
ここで壊しておきたい誤解があります。
「最新AIを全部使わないと置いていかれる」という考え方こそ、AI活用を続かなくする大きな落とし穴です。
大切なのはAIを何個知っているかではありません。
「自分の仕事のどこにAIを入れれば、一番価値が出るか」を知っていることです。
AIニュースを毎日2時間追いかけても、自分の仕事が1分も短くならなければ、実務的な意味は小さいでしょう。
逆に、毎日20分かかっている作業をAIで5分にできたなら、それだけで大きな前進です。
もう1つの落とし穴は、AIの回答をそのまま完成品として使うことです。
動画内でも、生成されたレポートについて人間が読むこと、情報を精査する必要があることが語られています。(LilysAI)
これはかなり重要です。
AIは高速ですが、責任主体ではありません。
数字、法律、医療、金融、料金、サービス仕様、引用元など、間違いが問題になる情報は一次情報まで確認する。
文章も、自分が本当に言いたいことになっているか読む。
コードなら動作を確認する。
AI時代ほど、「確認できる人」の価値はむしろ高まります。
生成AIにすべて任せるのではなく、
AIに作業させる。
人間が方向を決める。
AIに改善させる。
人間が最終責任を持つ。
この往復が、現実的なAIとの「融合」だと僕は考えています。
今日から始める「AIと融合する仕事術」3ステップ
AI仙人さんと同じ環境をいきなり作る必要はありません。
高価な機材をそろえる必要も、複雑な自動化システムを組む必要もありません。
まず「自分の仕事をAIが理解できる状態」を1つだけ作ってみてください。
今日からできる方法は、この3ステップです。
毎週繰り返している仕事を1つ選ぶ
最初は5〜30分程度の小さな作業がおすすめです。
メール返信、SNS投稿案、記事構成、会議要約、調査、スケジュール整理など、「毎回ほぼ同じ考え方で処理しているもの」を選びます。
その仕事で普段考えていることをAIへ説明する
「何を見て判断しているか」
「良い結果とは何か」
「避けたいことは何か」
「過去にうまくいった例は何か」
を伝えます。
可能なら、機密情報や個人情報を含まない過去の完成例も渡します。
AIに実際の仕事を1回やらせ、修正点を伝える
一発で完璧を狙いません。
「ここは良かった」
「この表現は使わない」
「次回からここを確認する」
とフィードバックします。
OpenAIの公式ガイドでも、一度で完璧なプロンプトを作ろうとするのではなく、回答を確認しながら指示を改善する反復的な使い方が推奨されています。(OpenAI Help Center)
これを7日間続けるだけでも、自分がAIへ任せられる仕事と、人間が判断すべき仕事の境界が見えてきます。
さらに慣れてきたら、
入力
↓
AI処理
↓
人間確認
↓
次のAI処理
という流れを作ります。
そして最終的には、
「AIに聞く」
から、
「AIに仕事を渡す」
へ移行していく。
ここが生成AI活用の大きな分岐点です。
「AIを使いこなす人」と聞くと、ものすごいプロンプトを書ける人を想像するかもしれません。
僕はそうではないと思います。
自分の目的を理解し、必要な情報をAIへ渡し、任せられる作業を切り出し、最後に自分で判断できる人。
そういう人ほど、これからAIの力を自然に引き出せるはずです。
結論｜生成AI仕事術で重要なのは「100人分働くこと」ではない
AI仙人さんの動画タイトルにある「1人で100人分働く」という言葉は強烈です。
けれど、本当に学ぶべきなのは100という数字ではありません。
背景情報をAIへ渡す。
仕事を小さく分解する。
複数の処理をAIへ任せる。
人間は判断と創造へ時間を使う。
この構造です。
僕は、AI時代の理想は「今までの100倍働くこと」ではないと思っています。
同じ成果をもっと少ない負担で生み出し、そこで生まれた時間を、自分が本当に大切にしたいことへ使えるようになることです。
生成AIは、あなたの価値を奪う道具ではなく、あなたが本当に使いたい時間を取り戻すための増幅器になり得ます。
最後に、この記事の内容を3つにまとめます。
要点
生成AI活用の中心を「良いプロンプト探し」から「必要な背景情報を渡し、仕事そのものをAIへ任せる設計」へ変える。
今日の小さな一歩
今日繰り返した仕事を1つだけ選び、「この作業をAIに任せるには何を教えればいい？」とChatGPTに相談してみる。
筆者の視点
AIが進化するほど、人間が不要になるのではなく、「何を作りたいのか」「誰を喜ばせたいのか」「どんな未来を選びたいのか」という人間側の意思が、今まで以上に大切になると僕は考えています。
AIに全部やってもらう未来ではありません。
AIと一緒だから、自分にしかできないことへもっと時間を使える未来です。
その入口は、もう目の前にあります。
生成AI使い一人で100人分働く社長の｢非常識な仕事術｣に密着したら、想像以上にラクに稼いでいた。
【参考・外部情報のリンク】
※英語リンクですが、iPhoneはSafariの「ぁあ（AA）→翻訳」で日本語表示できます。
参考：AI仙人・生成AI仕事術（検索ワード）
・ 生成AI使い一人で100人分働く社長の「非常識な仕事術」に密着したら、想像以上にラクに稼いでいた。（YouTube / 動画）
参考：ChatGPT・プロンプト（検索ワード）
・ Prompt engineering best practices for ChatGPT（OpenAI / 公式ガイド）
・ Best practices for prompt engineering with the OpenAI API（OpenAI / 公式ガイド）
参考：コンテキストエンジニアリング・AIエージェント（検索ワード）
・ Effective context engineering for AI agents（Anthropic / 公式技術記事）
・ OpenAI for agentic workflows（OpenAI / 公式）
【この記事のハッシュタグ】
#AI活用
#AI副業
#ChatGPT
#ChatGPT副業
#引き寄せの法則
#note
#人生を整える
#生成AI
#AI自動化
#AI仙人
🏆人気記事ランキングBEST10（初めての方へ）
（※どの記事から読めばいいか迷った方へ。多くの読者に選ばれた人気記事を、ランキング形式でまとめています）
⭐️次におすすめ：自己紹介
私がnoteを書くことになった理由です。
「ちゃんと生きてきたはずなのに、なぜか苦しい」
そんなふうに感じてきた方へ向けて書きました。
📝最後にひとこと
ここまで読んでくださって、ありがとうございます。
コメントはいつでも大歓迎です。
読者さんの一言が、僕たちにとっていちばんの励みになります。
