こんにちは！グッドパッチの長沼（ぬま）です。

生成AIの進化が止まりません。毎日のように新しいモデルやツールが登場し、「キャッチアップしなきゃ」と焦りを感じている方も多いのではないでしょうか。

「触ってはみたけれど、結局業務では使いこなせていない」 「情報が多すぎて、何を追えばいいのか分からない」

実は、私自身もそうでした。 日々の業務に追われる中で、生成AIに割く時間がなかなか持てない。一人で勉強しようとしても、どうしても後回しにしてしまい、続かない──。

そんな個人的な悩みから、「一人で無理なら、仲間と一緒に強制的にやる時間を作ればいいのでは？」と思い立ち、社内で声をかけて始めたのが、今回ご紹介する「stoicAI（ストイックAI）」という活動です。

本記事では、グッドパッチ社内でひそやかに、しかし確実に熱量を高めているこのコミュニティの取り組みと、私たちが実際に取り組んでいる内容についてお話しします。

stoicAIとは？　「宣言」が生む、良い強制力

「stoic（ストイック）AI」という名前は少し厳しく聞こえるかもしれませんが、そのルールはいたってシンプルです。

1. 毎日2時間、AIに触れる
2. 使ってもいい、学んでもいい、検証でもいい
3. その結果を必ずSlackに投稿する

目的は、「今日絶対やりきるぞ」と宣言し合うことで、良い意味での強制力を生み出すこと。 一人では挫折してしまうことも、誰かが見ている環境ならやりきれる場です。

内容は完全に自由です。ChatGPTやClaude、GeminiといったLLM等で画像・動画生成、コーディング、UI生成まで。業務に直結した使い方でも、純粋な好奇心による取り組みでも構いません。

重要なのは、「毎日やる」ことと、「成果を共有する」こと。 この2つが組み合わさることで、単なる勉強会ではなく、メンバー同士の熱量が循環し、コミュニティ全体のAIリテラシーが底上げされる場になっています。

メンバーの変化と実践事例

stoicAIの活動を通じて、私たちメンバー自身にも大きな変化が起きています。ここでは、3人のメンバーが具体的にどのような変化を感じているかをまとめました。メンバーそれぞれが実践する10個の「生成AI活用術」も合わせてご紹介します。

1. ぬま（UXデザイナー）

「仲間の実践が、自分の限界を突破させる」

一番の変化は、自分一人では決してたどり着けなかったであろう活用法に出会えたことです。

stoicAIでは、毎週月曜日の昼に「ストイックAI発表会」を開催し、メンバーの実践事例を共有しています。これが本当に面白いんです。

例えば、あるメンバーは子どものテスト結果を読み込ませて類似問題を作成するアプリを作っていたり、別のメンバーはペルソナの人物像をより魅力的に伝えるためのスライド生成フローを構築していたり。「そんな使い方があったのか！」「そこまで出来るのか」と、毎回目から鱗が落ちる思いです。

週に一度、この報告の場があることで、自分自身の活動の振り返りにもなりますし、何より仲間のハイレベルな実践を浴びることで、視座が一気に引き上げられます。お互いの知見を交換し合えることで、自分の学びが促進されるということが非常に良いなと思っています。一人で黙々とやるのではなく、切磋琢磨できる仲間がいること。これこそが、成長を加速させる最大の要因だと感じています。

▼具体的な実践内容

 1. 自分専用のAIニュースレター

「情報量が多すぎて追いきれない……」

生成AIに関するニュースは日々爆発的に増えており、さまざまなメディアやYouTubeを巡回するだけで一苦労です。そこで、「毎朝早朝に、サマリーだけをサクッと確認できる環境」を作りたいと考えました。

活用したのは、ManusとLINE連携です。
（※Manusは会社としてではなく、個人のアカウントとして利用）

具体的な仕組み

1. LINEでビジネスアカウント（公式アカウント）を作成し、自分の個人アカウントだけを友だち登録
2. Manusと連携し、「毎日朝5時に、過去24時間以内の最新生成AIニュースを20個ピックアップする」よう指示
3. ピックアップした内容を、LINEの「ブロードキャスト配信（一斉配信）」で送信する設定に

ここでのポイントは「ブロードキャスト配信」を使うこと。

ブロードキャスト配信とは、友だち全員に対して同じメッセージを一斉に送る機能です。通常は多数の顧客への宣伝などに使われますが、友だち登録しているのが「私一人」だけなので、実質的に「自分専用のAIニュースレター」が毎朝LINEに届く仕組みになります。

この仕組みのおかげで、毎朝起きてLINEを開くだけで主要なトピックを把握できるようになり、インプットの効率が格段に上がりました。多方面の情報を漏らさず、かつ時間をかけずにキャッチアップできるため、非常に重宝しています。

2. 批判的フィードバックの自動化

「自分のプレゼン、本当に伝わっているのかな？」

セミナーや重要なプレゼンの前、練習相手を見つけるのは意外と大変です。そこで、「Google Meetで一人リハーサル」を行い、それをAIに即座に評価させるワークフローを構築しました。

具体的な仕組み

1. Google Meetに自分一人だけで入り、プレゼン練習を録画（レコーディング）開始
2. 終了後、Google Workspace Studioの機能で自動生成された文字起こしデータを取得
3. これを自作の「批判的フィードバック生成Gem（Gemini）」に渡す
4. Gemが論理構成の矛盾や説明不足な点を辛口で分析し、即座に自分宛にメールでフィードバック

これまでなら、同僚の時間を確保して発表を見てもらい、フィードバックをもらうまでにタイムラグがありました。しかしこの仕組みなら、練習が終わった瞬間にフィードバックが届きます。

「ロジックが飛躍しています」「この説明では伝わりにくいです」といった指摘を、記憶が新鮮なうちに受け取れるため、その場ですぐにスライドや構成を修正できます。

誰にも迷惑をかけず、高速でPDCAを回せる「一人壁打ち」環境。生成AIからのフィードバックだとメンタルも削られません（笑）。

3. Nano Banana Proで即興グラレコ

ミーティングや勉強会の議事録、テキストだけで残していませんか？

私は最近、「Notion AI × Nano Banana Pro」を組み合わせた即興グラフィックレコーディングを実践しています。

具体的な流れは以下の通りです。

1. ミーティングや勉強会中、NotionでAIミーティングノート（文字起こし）を起動しておく
2. 終了時に、Notion AIに「今日の議論の要約を作って」と依頼
3. 生成された要約テキストをNano Banana Proに入力し、図解を生成
4. その場で参加者に画面共有し、認識合わせを行う

この手法の最大のメリットは、「視覚的な共通認識」を瞬時に作れることです。テキストだけの議事録は後から読み返すのが大変ですが、図解があれば「前回何やったっけ？」の振り返りが一瞬で済み、認知コストが劇的に下がります。

テキストで詳細を残しつつ、サマリーは図解で直感的に伝える。このハイブリッドな方法は、今後のスタンダードな働き方になっていくのではないかと感じています。

4. Cursorパッケージでプロトタイプ作成をワークフロー的に自動化

プロトタイピングの効率化と品質の標準化を目指して、「Cursor上でステップバイステップで実行できるプロトタイプ作成パッケージ」を自作しました。

生成AIの登場でプロトタイプ作成は容易になりましたが、Google Opalのように「一回の指示で全て出力される」ツールでは、途中の微調整が難しいという課題がありました。また、ワークフローツール（Dify等）も試しましたが、各工程での修正の自由度に欠ける部分がありました。

そこで、コードエディタであるCursorの編集のしやすさに着目し、以下のような仕組みを構築しました。

1. プロトタイプ作成の手順（プロセス）を設計
2. そのプロセスを、レビューと承認を繰り返しながら一つずつ進められるよう、実行ファイルだけでなく、各種アウトプットを作成するためのプロンプト一式も含めてパッケージ化
3. デザイナーはこのパッケージをCursorで開き、ガイドに従ってステップバイステップで作業を進める

これにより、デザイナーは「実行ファイル」に沿って進めるだけで、迷うことなくプロトタイプを作成できる環境ができました。途中の成果物に対してその場で修正を加え、承認してから次のステップに進むことができるため、手戻りも最小限に抑えられます。

2. ちせい（リクルーター）

「AIは魔法ではない。自分の判断力を拡張するパートナーとしての学び」

コーポレート・バックオフィス業務は、デザイナーやエンジニア職と比べると、意識的に取り入れない限りAIによる業務変化が起こりにくいと感じていました。日々の業務に追われる中で、1日に一度もAIに触れない日もあるような状況に、次第に危機感を覚えるようになりました。

そこで、「現場でのAI活用方法を知りたい」「できればHR業務にも横展開したい」「強制的にAIに触れる時間を作りたい」という思いから、10月末にstoicAIへの参加を決めました。

参加後は、業務の中にAIを組み込む場面が明らかに増え、新しいことを学んだり試したりすることへの心理的ハードルが下がり、業務効率化も実感できるようになりました。

特に大きな学びだったのは、「自分ができる以上のことはAIもできない」という気づきです。AIの活用には、自分自身の「問いを立てる力」や「判断軸」といった土台が問われることを実感しました。この気づきから、いくつかの具体的な行動などにもつながりました。

まず、AIが判断するための情報源がなければ期待するアウトプットは得られないと考え、散在していた採用関連データをデータベースとして整理し直しました。また、AIの提案の良し悪しや優先順位を決めるのは人間側であるという前提に立ち、HR関連の書籍を読み直すなど、自分自身の判断軸を鍛えるためのインプットを増やしました。

さらに、採用業務の自動化に向けてワークフロー構築に挑戦する中で、エラーが出るたびに手が止まる経験も重ねました。そこで、DifyやMCP関連の書籍を読んだり、エラー文を正しく解釈したり、JSONやWebhookといった、これまで自分には縁遠いと感じていた概念についても一つずつ理解するようにしました。

加えて、AIから良いアウトプットを引き出すには、「何をしたいのか」という目的を明確にし、「前提条件」「処理手順」「期待する出力」を言語化・構造化して伝えることが重要だと学びました。
こうした取り組みを通じて、AIを使わない日常業務においても、物事の考え方が少し変わってきたと感じています。

AIは決して万能な魔法のツールではなく、自分の専門性や判断を拡張してくれるパートナーです。だからこそ、自分自身も成長を続けながら、AIとともにより良い仕事をしていきたいです。

stoicAIに入って1カ月、インプットに使っていた書籍やコンテンツです。

• LLMのプロンプトエンジニアリング ―GitHub Copilotを生んだ開発者が教える生成AIアプリケーション開発
• 大規模言語モデルを使いこなすためのプロンプトエンジニアリングの教科書
• ゼロからわかるDifyの教科書 ～生成AI×ノーコードでかんたん業務効率化
• 図解まるわかり データベースのしくみ
• やさしいMCP入門
• 図解 採用入門 人事の根幹をイチから学びたい人のための「理論と実践」100のツボ
• MCPがわかる・使える・作れる！AI自律化の共通規格 “Model Context Protocol” を徹底解説＆実践（udemy）

※AI領域は変化が激しく書籍だけではどうしても追いきれない部分もあるので、普遍的な知識や体系的に学びたいものは書籍で、新しいニュースはオンラインでと使い分けています

▼具体的な実践内容

5.チームのAI活用促進のための「プロンプトを作るプロンプト」

チームの業務で利用するGemのプロンプトを作成できるのが私含め少数のメンバーだけだったため、プロンプト作成が特定の人に依存しないよう、チームの誰でも同じ品質でプロンプトを作れるGemを用意しました。

チームメンバーは必要な情報を入力するだけで、誰でも一定品質のプロンプトを作成できる仕組みです。

誰か一人に依存せず、チーム全員が一定品質のプロンプトを使って、スピーディかつ高品質に業務を回せる状態を作れるようになりました。

6.全社会議”Monthlypatch”の議事録の作成

グッドパッチでは全社の情報伝達の場として毎月「Monthlypatch」というMTGをしています。その議事録作成は、

• 当日中に公開する必要がある
• 文字起こし＋キャプチャ＋資料貼り付けに2人がかりで対応していた
• 人で作っていた議事録はボリュームが多く、視認性にも課題があった

と、地味に工数と負担の大きい割に課題の多い業務でした。

そこで、Zoomの文字起こしデータ × Gemを使った議事録の半自動化フローを構築し、現在は試運転しながら運用しています。

やっていることはシンプルで、

• Zoomのトランスクリプトと当日のアジェンダをGemに貼り付け
• 議事録のたたきをAIに一気に生成
• 後処理をCursorで一括加工（cite表記の削除やURLの一括変換など）
• 社内ポータルに貼り付けたあと、人の手で最終調整

という流れで、AIに“完成品”を期待するのではなく、“6〜7割の精度のたたき台を高速で作るパートナー”として利用、大切なメッセージの盛り込みや想いについては必ず人が仕上げて社員に届けるようにしています。

この方法に切り替えてから、対応は1人だけ、終了後5分で初稿作成が、修正を含めても2時間以内に完成版ができるスピード感で議事録が作成できています。

7.採用DBの構築と「AIが使えるデータ」の整備

AIがうまく機能するかどうかは「どんなデータを渡せるか」に大きく依存することを実感し、まずは採用まわりの情報をNotionに集約することから始めました。

• 候補者情報、選考履歴、面談メモなどをNotion上に整理して格納
• 求人票、採用業務のマニュアルやオペレーションフローも同じスペースにまとめ、AIから参照しやすい状態に整える
• よくある質問や過去のやり取りを自動的にFAQとして蓄積。ナレッジとして採用マーケティングなどにも活用できる元データに

まだ、チームとしての活用の方向性は模索中ではありますが、例えば求職者の方からのFAQを蓄積したDBを活用して、採用に関する質問に対して誰でも一定品質の回答ができるような基本ナレッジとしたり、

採用情報発信のための調査（求職者の方がグッドパッチに対して一番聞きたいホットな話題を抽出）＆コンテンツを作成するといった活用ができるのではないかと考えています。

3. もも（UXデザイナー）

「AIは作業を代替するツールではなく、思考を拡張するパートナー」

AIを使い始めた頃よりもAIの構造や仕組みを理解し、段階的に依頼したり、具体的なプロンプトを工夫したり、ワークフローを設計したりすることで、より効果的な活用ができるようになりました。それぞれのAIツールとの特性を理解し、ワークフローとして線や面で使うことにより、実践的な業務の代替につながっていると感じています。

一人で黙々と考えるのではなく、AIに思考をぶつけ、AIが提示する観点を参考にしながら、より深い思考ができるようになりました。業務効率と品質の両方が向上し、AIは「作業を代替するツール」ではなく、「思考を拡張するパートナー」として機能していると実感しています。

8. Cursorという”もう1人の自分”との共創

Cursorは単なるコードエディタではなく、私にとって「思考を拡張するパートナー」として共に課題に取り組むチームメイトです。特に、NotionMCPとの連携により、社内ナレッジをリアルタイムで参照しながら、高品質なアウトプットを短時間で作成できるようになりました。

CursorとNotionMCPを接続することで、Notionに保存されている社内ナレッジ（ベストプラクティス、過去の事例など）を、わざわざNotionを開かなくても直接参照できるようになりました。Cursorは案件情報などのコンテキストを元に思考するのが得意なので、汎用化された社内ナレッジと案件特有のコンテキストを掛け合わせたアウトプットの生成に役立っています。

例えば、KGI/KPI/KSFを策定する際、以下のような流れで進めます。

1. ペルソナ情報とユースケース一覧をCursorに読み込む
2. 「@ペルソナイメージ.md @ユースケース一覧.md を厳密に参照して、KGI/KPI/KSFはなんだと考える？」と指示
3. 初稿が出力される
4. 「NotionMCP経由でUXDスターターキットを参照して、UXDキットのナレッジを厳密に参照して修正」と指示
5. ベストプラクティス準拠の改善版が出力される

この仕組みにより、0から2時間でKGI/KPI/KSFを策定し、ビジュアル化まで完了できるようになりました。従来は4-5時間かかっていた作業が、60%短縮されています。

👉️Notion MCPとCursorで高品質なUXデザインを生み出す「ナレッジ引き出しAI」を作った話
https://goodpatch.com/blog/2025-10-knowledge-ai

Cursorを業務のハブとして活用し、日々の業務やアウトプットを集約・考察できる仕組みも構築しています。

• 日報・業務メモをMarkdownファイルで一元管理
• ディレクトリごとにカテゴリ分け（ワイヤーフレーム、ユーザーストーリー、テスト設計など）
• Cursorで「今日のタスク一覧をMarkdownで作成して」「今日の業務内容を日報テンプレートでまとめて」と指示するだけで自動生成
• 過去のアウトプットから「今月のアウトプットからUX改善案を3つ提案して」と依頼すると、分析結果が出力される

この仕組みにより、情報の検索性が向上し、過去の知見を活かした意思決定ができるようになりました。

9. プログラミングをしないで業務を自動化

ワークフローツール（Zapier、Difyなど）を触り始めて、プログラミングの知識がなくても、簡単な自動化なら自分で組めるようになりました。これにより、あらゆる作業系タスクを自動化し、自身が本当に集中すべき思考系タスクに時間を使うことができています。

ワークフローツールを触り始めて、以下のような変化がありました：

• 「これ、自動化できるかも」という視点が身についた
  • 繰り返し作業を見つけたら、まず「ワークフローで自動化できないか？」と考えるようになった
• プログラミングの知識がなくても、自動化できることを実感
  • コードを書かなくても、GUIでワークフローを組むだけで自動化できる
  • 複雑な処理が必要な場合は、代替したいアクションを細分化して、AIに壁打ちしながら設計を進めることで壁を乗り越え
• 小さな自動化から始めて、徐々に複雑なものに挑戦
  • 最初は「Slackに通知する」だけの簡単なものから始めた
  • 慣れてきたら、複数のサービスを連携させる複雑なワークフローにも挑戦できるようになった

10. Layermateを使い、散らばった情報から美しいビジュアルを短時間で作成

Layermateは、Figma上でAIと対話しながらデザインを生成できるプラグインです。デザイナー向けのUI生成ツールとして利用されることが多いですが、私は主に「情報を構造化してビジュアル化する」用途で活用しています。

具体的な流れは以下のとおりです。

1. FigJamメモをPDF化
   • 散在する情報・付箋・メモをPDFに書き出し
2. NotebookLMで構造化
   • PDFをNotebookLMにアップロード
   • 「このドキュメントに含まれるペルソナ情報を整理してください」と指示
   • 構造化されたテキストが出力される
3. 専用Gemでマークダウン化＆プロンプト作成
   • NotebookLMの出力を専用Gemに貼り付け
   • 自動的にマークダウン形式に整形される
   • メタプロンプトを用い、Layermate用の詳細プロンプトが生成される
4. Layermateでビジュアル化
   • FigmaでLayermateを起動
   • 生成されたプロンプトをそのままペースト
   • 30秒〜1分でFigma図解が完成

👉️https://x.com/layermate_ai/status/1991804223055708449?s=20

活用をすることで以下のような効果がありました。

• 手作業で数時間かかる作業が、約10〜15分で完了
• 統一感のあるデザインで自動生成される
• 修正もチャットで簡単にできる

この方法は、例えば以下のような、様々な情報の整理や資料作成、中間アウトプットの作成に応用が可能です。

• カスタマージャーニーマップ: ユーザーの購買プロセスを5段階で可視化
• サービスブループリント: 顧客行動、フロントステージ、バックステージ、サポートプロセスの4層で表現
• ステークホルダーマップ: 中央にプロダクト、周囲に関係者を配置し、影響力の大きさを円のサイズで表現
• 競合分析マトリクス: 5社の競合を2×2マトリクスで分析

「推し」インプットソース（YouTube編）

stoicAIメンバーから「どんなソースでAI関連情報をインプットしているの？」といった相談を寄せられることがあります。そういった方にぜひ紹介したい、信頼を寄せている情報ソースの一部をご紹介します。

いけともch
生成AIの実践的な使い方を網羅的に学べます。毎週日曜の注目AIニュースでトレンドも追えるため、これを見ておけば生成AIのキャッチアップに乗り遅れません。

KEITO【AI&WEB ch】 / チャエン【AI研究所】
最新AIニュースの速報性と網羅性が圧倒的で、世の中の動向をキャッチアップしたいときにおすすめです。

NI-WORK
Geminiに関する具体的な活用事例や実践的な内容が豊富で、「やってみた」のモチベーションをいただいています。

ジェネトピ
生成AI活用の最新ツールや具体的な実践手法を本格的に学べます。AIを実践するときにいつも参考にしています。

本気AI
完全無料のAI活用マガジンです。マジくんとマスターの掛け合い形式で読みやすく、楽しくAIを学べます。一つのテーマに沿って詳しく学べますし、プロンプトも無料で公開してくれるため、業務に利用することもあります。

おわりに

stoicAIは、「このままでは取り残されるかもしれない」という漠然とした不安や、「本気で向き合わなければ」という健全な危機感を持ったメンバーが集まるチャンネルになっています。

だからこそ、私たちは日々「今日はこんなAI活用をする」と宣言し合い、実践した内容を共有し合います。一人で戦うのではなく、仲間と共に学ぶことで、全員のレベルを底上げしていく。そんなポジティブな循環が生まれれば良いなと思っています。

そして最近では、ただ学ぶだけでなく、「生成AIでこんなことができるようになった！」という具体的なアウトプットを共有し合うことで、活用レベルをさらに一段階引き上げるような取り組みへと昇華しつつあります。今後も同じようなマインドセットを持つ仲間と切磋琢磨し、ワイワイ楽しみながら使い倒し、現場での成果につなげていきたいと思います。

共著：大村桃香、宍戸知勢