AI分身の作り方｜自分の「記憶×判断基準」をAIに渡して仕事を任せる方法
「AIを使っているのに、思ったほど仕事が減らない」
「ChatGPTに毎回同じ説明をしている」
「自分の代わりに考えて、判断して、仕事まで進めてくれるAIが欲しい」
そんなことを感じたことはないでしょうか。
生成AIが急速に進化し、文章作成、画像制作、資料作成、プログラミング、調査など、できることは驚くほど増えました。しかし、AIツールをたくさん使えることと、「自分の仕事をAIに任せられること」は同じではありません。
今回参考にしたYouTube動画では、「AIで自分の分身を作る」というテーマを、単なる未来の話ではなく、CursorとClaude Codeを実際に動かしながら説明しています。
そこで見えてきたのは、かなり重要な考え方でした。
AI分身の本質は、AIに自分の言葉を真似させることではなく、自分が何を見て、どう判断するかを渡すことです。
僕自身、日常的にAIを使っていると、「もっと性能の高いAIに変えれば、もっと思い通りになるのでは」と考えてしまう瞬間があります。
しかし今回、約49分の実演を追っていて強く感じたのは、モデルの性能だけを追いかけても「自分の分身」にはならないということでした。
必要なのは、自分がこれまで蓄積してきた知識、会話、経験、仕事の進め方、判断基準を、AIが使える「コンテキスト」として残していくことです。
この記事では、動画の内容をもとに、AI分身とは何なのか、コンテキストをどう集めるのか、なぜCursorやClaude CodeのようなAIエージェントが重要になるのか、そして初心者が今日から何を始めればいいのかまで具体的に解説します。
AIを「質問に答えてくれる便利な相手」で終わらせず、「自分と一緒に仕事を進める存在」に変えたい人は、ぜひ最後まで読んでみてください。
AI分身とは「大量に仕事をさせること」ではない
AI分身とは、AIに大量の文章を書かせたり、たくさんの画像を作らせたりすることではありません。重要なのは、「自分ならどう考えるか」という判断までAIに渡していくことです。
動画の冒頭では、「1人で100人分働く」という過去のテーマから、さらに一歩進んだ話が出てきます。
AIを使えば、単純に仕事の処理速度を上げるだけではなく、自分がこれまでできなかった仕事まで扱えるようになる可能性があります。
たとえば、自分にデザインの専門知識がなくても、AIにデザイン原則を調べてもらいながら制作する。
プログラミング経験が少なくても、AIと対話しながらコードを書く。
自分では資料整理が得意ではなくても、AIに情報を整理させてスライドの構成を考えてもらう。
これは「自分を100人コピーする」というより、自分自身の能力がAIによって拡張されていく状態です。
動画では、この状態を単なる分身よりも「強化された分身」に近いものとして説明しています。
ただし、ここで重要な違いがあります。
AIを高速で何回も使うだけでは、自分の分身にはなりません。
たとえば「営業資料を作って」とAIに頼んだとします。
AIは一般的に良いとされる営業資料を作ることはできます。しかし、本当の仕事では、それだけでは足りません。
・ この顧客はどんな会社なのか
・ 過去にどんな提案をしたのか
・ 今回の案件規模はどれくらいなのか
・ 自社ではどのような表現を使うのか
・ どこまで詳しく説明するのか
・ 何を最優先して伝えるのか
こうした情報を、人間は無意識のうちに過去の記憶から呼び出しています。
同じ「資料を作る」という仕事でも、実際には大量の背景情報を組み合わせて判断しているわけです。
だからこそAI分身づくりでは、「作業」を覚えさせるだけでは不十分です。
「どんな状況なら、どう考えるのか」まで渡す必要があります。
AI分身を考えるとき、まず「何を自動化しようか」と考える人は多いと思います。
しかし順番としては、「自分は普段、何を材料に判断しているのか」を見つける方が先です。
自分の判断の裏側を言葉にできるようになるほど、AIに任せられる仕事は増えていきます。
AI分身の性能を決める「コンテキスト」とは何か
AI分身づくりで最も重要になるのが「コンテキスト」です。簡単に言えば、その仕事を正しく行うためにAIが知っておくべき背景情報のことです。
たとえば、あなたが長年続けている仕事があるとします。
その仕事を新人に引き継ぐ場合、「これをやっておいて」の一言では済まないはずです。
過去の経緯、顧客の特徴、失敗したパターン、社内ルール、仕事の優先順位、よく使う表現、注意すべき相手など、さまざまなことを説明します。
AIでも同じです。
インターネット上にある一般知識は持っていても、「あなたしか知らない事情」は、教えなければ分かりません。
動画では、この差がAIを使いこなす人同士の大きな違いになっていくという話が出てきます。
新しいAIツールが登場すれば、時間が経つにつれて多くの人が同じツールを使えるようになります。
しかし、自分自身の経験を何年分も蓄積したデータは、他人が簡単にコピーできません。
差がつくのは、最新モデルを知っているかより、自分だけのコンテキストをどれだけ蓄積できているかです。
これはAI時代の大きな変化だと思います。
これまでは、「知識を頭の中に持っている人」が強かった。
これからは、それに加えて「自分の知識をAIが使える状態に整理できる人」が強くなっていく可能性があります。
たとえばnoteを書く人なら、過去の記事、タイトル、読者から反応の良かった文章、コメント、書き直した履歴などもコンテキストになります。
営業職なら、商談メモ、提案資料、顧客とのメール、断られた理由、成約した理由などが使えます。
経営者なら、会議記録、社内方針、判断した理由、採用基準、過去の意思決定なども大切です。
重要なのは、「完成した成果物」だけではありません。
むしろ価値が高いのは、「なぜそう判断したのか」が分かる情報です。
AIがあなたらしい答えを出せない理由は、AIが頭の悪いからとは限りません。
単純に、判断するための材料が渡されていないことがあります。
つまりAI分身を育てるということは、ある意味では「自分の人生や仕事を記録していくこと」でもあるのです。
コンテキストはどう集める？今日から始める情報蓄積術
コンテキスト収集で大切なのは、最初から完璧なデータベースを作ろうとしないことです。まずは、普段すでに生まれている情報を「捨てずに残す」だけでも十分な第一歩になります。
動画では、メール、会話、会議記録、チャット、YouTubeの文字起こしなど、さまざまな情報を集める考え方が紹介されています。
ここで面白いのは、「AI用に特別な文章を書く」必要は必ずしもないということです。
普段の自分の会話そのものが、自分の考え方を残したデータになります。
たとえば誰かから相談を受け、あなたが返信した文章があれば、その文章にはあなたの判断があります。
「この場合はこう考える」
「これはやらない方がいい」
「ここを優先する」
そうした小さな判断の積み重ねが、そのままAI分身の材料になります。
動画内では、仕事上のデータが少ない人なら、まずLINEなどの日常会話から自分の文章や考え方を抽出して、分身づくりを練習するというアイデアも出てきます。
もちろん、仕事の情報をAIサービスへ入力する場合は注意が必要です。
会社の機密情報、顧客情報、個人情報などは、勤務先の利用規定や契約、利用するAIサービスのデータポリシーを確認したうえで扱う必要があります。
「AI分身を作りたいから全部入れる」ではなく、許可された情報だけで運用することが前提です。
それでも、個人で始められる材料はかなりあります。
・ 自分が書いた文章
・ 自分のアイデアメモ
・ 過去の企画書
・ 公開済みの記事
・ 自分の音声を文字起こししたもの
・ 自分が回答したQ&A
・ 自分で作ったチェックリスト
・ 日々の振り返り
そして、動画後半で特に実用的だと感じたのが「無理に複雑なシステムへ入れず、まずファイルとして保存しておく」という考え方です。
特定のサービスへすべて依存すると、将来もっと便利なAIツールが登場したときに移行が大変になります。
そこでMarkdownなど、比較的扱いやすいテキスト形式で自分のパソコンに残しておけば、将来別のAIエージェントへ渡すことも比較的しやすくなります。
最初から完璧に分類する必要はありません。
大切なのは、「未来のAIが読める材料を、今日から捨てずに残していく」という感覚です。
今日、自分が書いた重要な文章を1つ保存する
なぜその判断をしたのかを3〜5行で追記する
「仕事」「文章」「顧客」「アイデア」など大まかなフォルダへ入れる
まずはこれだけでも十分です。
1日1個なら30日で約30個、1年間続ければ300個以上の自分専用コンテキストが残ります。
AI分身は、ある日突然完成するものではありません。
毎日少しずつ、自分のデータを育てるところから始まります。
CursorとClaude Codeで「話すAI」から「働くAI」へ変わる
AI分身を本格的に仕事へ落とし込むとき、大きなポイントになるのがAIエージェントです。質問に答えるだけではなく、ファイルを読み、編集し、必要な操作を行えるAIを使うことで仕事の幅が広がります。
動画では、Cursorの中でフォルダを開き、そこへコンテキストとなるファイルを置き、Claude Codeを使って情報を処理する流れが実演されています。
ここは、普段ChatGPTなどのチャット型AIだけを使っている人にとって大きな違いです。
通常のチャットでは、自分が情報を選び、コピーしてAIへ渡し、返ってきた答えをまた別の場所へ移すことが多くなります。
一方、AIエージェントは仕事をする「場所」そのものへ近づいていきます。
現在のCursor公式ドキュメントでも、Agentはファイル検索、ファイル読み込み、編集、ターミナルコマンドの実行などを行える仕組みとして説明されています。 (Cursor)
Claude Codeも、Anthropic公式ではターミナルや対応IDE上でコードベースを扱い、ツールと連携しながら作業を委任できるエージェント型ツールとして案内されています。 (Claude)
チャットで相談するだけのAIから、ファイルを読み、作り、直し、実行するAIへ移ると、仕事の任せ方そのものが変わります。
ただし、「プログラマーではないから関係ない」と考える必要はありません。
今回の動画で行っていることの本質は、プログラムを書くことではなく、「自分の情報をAIが扱えるフォルダへ入れ、その情報をもとに仕事をさせる」という考え方です。
初心者は、いきなり高度な自動化を目指さなくても構いません。
たとえば「自分の過去記事フォルダ」を作る。
その中へ過去の記事を保存する。
次に「この文章群を読んで、僕がどんなタイトルを好み、どんな表現を避けているか整理して」と依頼する。
これだけでも、小さなAI分身づくりです。
動画では大量のYouTube文字起こしを材料として、本人の判断基準を抽出しています。
つまり重要なのはCursorやClaude Codeという製品名そのものではありません。
「AIが自分のデータへアクセスし、そのデータを使って仕事を進められる環境を作る」
この発想こそが重要なのです。
「記憶＋判断基準」を作るとAIが急に自分らしくなる
コンテキストを集めただけでは、本当の意味でのAI分身は完成しません。次に必要になるのが、「自分は何を基準に判断しているのか」をAIが使える形へ整理することです。
動画の中で特に面白かったのが、人間の仕事を「記憶」と「判断」という2つの要素から考えていた点です。
もちろん人間そのものを、この2つだけで説明できるわけではありません。
しかし「仕事上の判断をAIに再現させる」という目的では、とても分かりやすい考え方です。
たとえばあなたが仕事をするとき、
・ スピードと品質ならどちらを優先するか
・ 迷ったら挑戦するか、安全策を選ぶか
・ 顧客の要望と自分の専門判断が違ったらどうするか
・ 安さと品質ならどちらを選ぶか
・ 長期的な信用と短期的な売上ならどちらを取るか
といった判断を何度もしています。
しかも、その答えは人によって違います。
ここに「あなたらしさ」があります。
動画では、過去の大量の文字起こしをClaude Codeへ読み込ませ、本人の判断基準を抽出し、さらに情報を統合して1つの判断基準ファイルへまとめていきます。
その後、AI初心者からの相談に本人の分身として回答させると、考え方や表現がかなり本人らしい状態へ近づいていきました。
27分台の実演では相談回答、31分台からはTikTok台本作成へ進みます。
ここで非常に大切なのは、一度作った判断基準を「完成品」と考えないことです。
AIが自分なら選ばない答えを出したら、
「ここは違う」
「自分なら品質を優先する」
「この表現は強すぎる」
「こういう場合は相手を否定しない」
と修正します。
そして、その修正自体を新しい判断基準として残していく。
このループを繰り返すほど、AI分身は少しずつ精度が上がります。
つまりAI分身を作るとは、最初から完璧なプロンプトを書くことではありません。
AIの答えを見る。
違いを見つける。
修正理由を残す。
次回から反映する。
この繰り返しです。
「自分らしさ」は、最初から全部説明できなくても大丈夫です。
AIが間違えた瞬間こそ、自分の判断基準を発見できるチャンスになります。
AI分身が失敗する最大の原因は「AIの性能不足」ではない
AI分身づくりで最も注意したいのは、「高性能なAIを使えば、何でも自分の代わりにやってくれる」と期待しすぎることです。実際には、コンテキストが不足している領域では高性能なAIでも一般的な答えに戻りやすくなります。
今回の動画は、その失敗まで見せているからこそ面白いです。
本人の過去のYouTube文字起こしを大量に読み込ませ、判断基準を作ったあと、AI分身に相談へ回答させた場面では、かなり本人らしい内容になりました。
ところがTikTokの台本を作らせると、急に違和感のある表現が増えていきます。
なぜでしょうか。
本人の思想や考え方のコンテキストは大量に入っていた一方で、「TikTokでどんな構成が伸びるのか」「どんな台本を本人が良いと判断するのか」といった専門的なコンテキストが十分ではなかったからです。
これは非常に重要な実例です。
「高性能なAIを使えば勝手に自分らしい答えになる」という期待こそ、AI分身づくりで最初に壊したい誤解です。
AIに何かを任せて失敗したとき、多くの人は、
「このAIはダメだ」
「別のモデルに変えよう」
「もっと長いプロンプトを書こう」
と考えます。
もちろんモデルを変えることで改善することもあります。
しかし、その前に確認したいのが、
「AIは、この仕事を判断するための情報を持っていたか？」
という問いです。
たとえばSNS運用を任せたいなら、
・ 過去に伸びた投稿
・ 伸びなかった投稿
・ 狙っている読者
・ 使いたくない表現
・ 投稿の目的
・ 過去の修正履歴
などを入れる。
記事制作なら、
・ 過去の記事
・ タイトル傾向
・ SEOキーワード
・ 読者像
・文章ルール
・ 自分が修正したポイント
を蓄積する。
これがAI分身の「専門教育」です。
逆に、自分自身に知識がほとんどない分野では、自分のコンテキストだけで高品質な分身を作るのは難しくなります。
その場合は、まず自分が専門知識を学ぶか、信頼できる資料を集めてAIへ参照させる必要があります。
だからAI時代になっても、人間の経験が無価値になるわけではありません。
むしろ自分が何年も積み上げてきた経験をデータとして使えるようになることで、その経験の価値を何倍にも広げられる可能性があります。
結論｜AI分身は「未来の機能」ではなく今日から育てる資産になる
AI分身という言葉を聞くと、未来の高度な技術のように感じるかもしれません。
しかし今回の動画を通して見えてきたのは、もっと現実的な姿です。
特別なAIをゼロから開発する必要はありません。
自分の文章を残す。
会話や仕事の記録を残す。
判断理由を書く。
AIに読み込ませる。
間違ったら修正する。
これを繰り返すだけでも、自分専用のAIは少しずつ育っていきます。
要点
AI分身は、大量にAIを動かすことではなく、「自分のコンテキスト」と「判断基準」をAIが使える状態にすることから始まります。
今日の小さな一歩
今日、自分が書いた文章・仕事メモ・企画書の中から「自分の判断が出ているもの」を1つだけ保存してください。
筆者の視点
AIモデルやツールはこれからも変わっていくはずです。しかし、自分自身が積み重ねてきた経験や判断は、他人には簡単にコピーできません。だからこそ今から、自分の知識をAIが使える形にして残していく価値があります。
未来に強いのは、AIを知っている人ではなく、自分の知識と判断をAIが使える形に変換できる人です。
AIに仕事を奪われる未来だけを見るのではなく、AIと一緒に自分の能力を何倍にも広げていく未来を選ぶ。
その最初の一歩は、新しいAIツールを探すことではなく、今日の自分を「記録すること」なのかもしれません。
【簡単なのに賢すぎ】自分の分身を作ってAIに仕事をみがわりさせよう！初心者向けに解説します【AI仙人】
【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：Claude Code（AIエージェント）
・Claude Code（Anthropic / 公式） Claude Code公式ページ
・Claude Codeの主なユースケース（Claude Help Center / 公式） Claude Code Common Developer Use Cases
参考：Cursor Agent（ファイル操作・エージェント）
・Cursor Agent Overview（Cursor / 公式） Cursor Agent公式ドキュメント
・Cursorでコンテキストを渡す方法（Cursor / 公式） Cursor Prompting Agents
参考：AIエージェント利用時の安全性
・Agent Security（Cursor / 公式） Cursor Agent Security
【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
#AIエージェント
#AI分身
#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。
