はじめに
この記事は、自分が作った記事自動執筆パイプラインを使って生成した最初の投稿です。
最近Youtubeを見て勉強することが多いのですが、
今回、2本の動画を見たことがきっかけでこの記事を書きました。
1本目は、田中渓さん（元ゴールドマン・サックス）と勝間和代さんの「AI時代にお金を増やすには日記を書け」という対談。
2本目は、梶谷健人さん（POSTS代表）の「全てのビジネスマンが使うべきAI Claude Code」という紹介動画。
特に、2本目の動画ですが、「面白いな、自分もやってみたいな」と思いました。
で、Claude Code と一緒に作り始めたら、数時間で自分の環境に合わせたパイプラインが完成していました。
この記事で伝えたいのは、仕組みの技術的な詳細ではなくて、AI時代は「巨人の肩に乗る」——つまり TTP（徹底的にパクる）が圧倒的に簡単になったということです。
「巨人の肩に乗る」が変わった
これまでは、新しい価値を生み出すために膨大な時間をかけて知識や技術を習得して、先人たちが積み上げた山の頂上まで自力で登る必要がありました。エンジニアの世界でいえば、OSS を使い、ドキュメントを読み、先人のブログ記事を参考にして、自分のプロダクトを作る。
でも正直、「パクる」にもそれなりのコストがかかっていました。
従来の TTP:
動画/記事を見る → 概念を理解する → 自分の環境に置き換える
→ 設計する → コードを書く → デバッグする → 動かす
所要時間: 数日〜数週間
AI（Claude Code）を使うと、これが劇的に変わります。
AI時代の TTP:
動画/記事を見る → 「こういう仕組みを作りたい」とAIに伝える
→ AIが設計・実装・デバッグまで一気に進める
→ 自分はレビューと微調整だけ
所要時間: 数時間
最近は、知識の山が積み上がるスピードが半端じゃないです。
AI関連の技術やノウハウは日単位で更新されていきます。時間をかけて山を登っているうちに、山の形が変わってしまう感覚です。
だからこそ、少しでも早く山の上まで連れて行ってもらって、その道のりを後から理解する
この順番の方がやりやすいと感じました。
実際にやったこと
きっかけ: 2本の動画
1本目 — 田中渓 × 勝間和代「AI時代に日記を書け」
ざっくりまとめると、こういう話でした。
- AI（LLM）のブレークスルーは「知能の大半が言語」という発見
- 日記を書く = 思考を言語化するトレーニング = AIを使いこなす土台
- 日々の記録の蓄積 = AIには生成できない一次情報 = 自分だけのコンテンツ資産
「アウトプットし続けることが大事」。エンジニアの技術ブログの話と同じです。分かってる。分かってるけど続かない。自分にとってはこれが一番の課題でした。
2本目 — 梶谷健人「全てのビジネスマンが使うべきAI Claude Code」
こちらは、Claude Code を使って業務を自動化する話でした。願望を言うだけでAIが実装してくれるという、まさに自分がやりたかったこと。
「Claude Code でここまで自動化できるのか」と素直に驚きました。これは使える。
数時間で出来上がったもの
2本の動画を見終わった後、Claude Code に「こういう仕組みを作りたい」と伝えました。
- 田中 × 勝間の動画から: 「アウトプットを継続する仕組みが欲しい」
- 梶谷氏の動画から: 「Claude Code で業務自動化できるなら、記事執筆も自動化したい」
- 自分の要望: 「ラベルを変えたら自動で記事が書き始まってほしい」
そこから数時間。多少の試行錯誤はありましたが、こういうパイプラインが出来上がりました。
[GitHub Issue] ラベル「ライティング」を付ける
↓
[article-watcher.sh] 5分間隔で Issue をポーリング
↓
[Claude Code] 記事を自動執筆（リサーチ → 構成 → 本文 → レビュー）
↓
[Qiita 下書き] private: true で保存
↓
[人間がレビュー] 確認して公開
GitHub Projects のカンバンボードで、記事のステータスが一目で分かります。
| カラム | 状態 |
|---|---|
ネタ |
アイデアストック |
ライティング |
執筆中（← ここで自動トリガー） |
レビュー中 |
AI/人間レビュー中 |
完了 |
記事完成 |
元の動画の仕組みとまったく同じではないです。自分の環境（macOS + Claude Code + Qiita CLI）に合わせてアレンジされています。でもコアなコンセプトは同じです。
なぜ「数時間」で出来たのか
自分なりに振り返ると、ポイントは3つありました。
1. 「何を作りたいか」だけ伝えればいい
従来なら、「GitHub API の仕様を調べて」「launchd の plist の書き方を調べて」「Node.js でスクリプトを書いて」……とステップを自分で分解する必要がありました。
Claude Code なら「GitHub Issue にラベルを付けたら自動で記事が書き始まる仕組みを作って」と言うだけでいい。設計も実装も一気に進めてくれます。正直、自分で launchd の plist を一から書けと言われたらかなり時間がかかっていたと思います。
2. 「自分の環境」を知っている
Claude Code はローカルで動くので、自分のファイル構成やツールチェーンを直接把握してくれています。「Qiita CLI がここにあるから、ここに保存すればいい」「gh コマンドが使えるから、これで Issue 操作すればいい」——こういう判断を勝手にやってくれる。これはでかい。
3. 多少の差異は吸収してくれる
参考にした動画の環境と自分の環境は当然違います。使っているツールも、ディレクトリ構造も、ワークフローも違う。でもコンセプトレベルで「こういうことがやりたい」と伝えれば、差異を吸収して自分の環境に合わせた実装を出してくれるんですよね。
個人的にはこれが一番大きかったです。従来の TTP で一番コストがかかっていたのは、まさにこの「自分の環境への翻訳」だったので。
技術的な構成（ざっくり）
興味がある方向けに、ざっくり構成だけ紹介します。
| コンポーネント | 役割 |
|---|---|
| GitHub Issue + Projects | 記事ネタのカンバン管理 |
| article-writer.js | Issue 操作・記事保存の薄い CLI ラッパー（テキスト生成は含まない） |
| article-watcher.sh | 5分間隔ポーリング → Claude Code を自動起動 |
| launchd | macOS のデーモン管理（ポーリングのスケジューリング） |
| Claude Code | リサーチ・構成・執筆・レビューの全工程を担当 |
| Qiita CLI | 記事の管理・プレビュー・公開 |
設計で意識したのは責務の分離です。テキスト生成は Claude Code、GitHub 操作は article-writer.js、スケジューリングは launchd。それぞれ独立しているので、どれかを差し替えても他に影響しません。
陳腐化する前にアウトプットする——テキストが資産になる時代
話を最初に戻します。
田中 × 勝間の動画の本質は「アウトプットし続けることが資産になる」でした。
YouTubeを見ていると、再生回数が回っているYoutuberは、AIに骨子を作ってもらって、とにかく早く情報を発信していることに気づきました。そして、その人たちが果実を得ている。
もちろん「自分の手で全部書いた方がいい」「それは自分の力じゃない」という気もします。が、凄まじい速度で進化していく技術を、陳腐化する前にアウトプットする。
このスピード感がアーリーアダプターとしての先行利益を生んでいるのは事実なのかなという風に思いました。
そして、残ったテキストは今後の資産になる。一次情報としての記録は、AIには生成できない自分だけのコンテンツです。
実際にこの仕組みを使ってみて思ったんですが、自分の中にポッと出てきたアイデアや学びを、整理された形で外に出しておけるのがかなり良いと思いました。
頭の中にあるだけだと消えていくので、テキストとして残しておくことで、後から自分で振り返れますし、AIへのインプットとしても再利用できる。
アウトプットを続けるための最大の敵は「面倒くさい」「なかなか時間が取れない」だと思いますが。この仕組みは、そのボトルネックを極限まで排除してくれます。
やることは GitHub Issue にネタと自分の考えをメモ。 あとは仕組みが勝手に動いて、下書きまで完成する。
もちろん、AIが書いた記事をそのまま公開するわけではありません。最終的に自分の目で読み、自分の言葉で手直しして公開します。でも「ゼロから書く」のと「下書きをレビューする」のとでは、心理的ハードルが全然違います。
ちなみに、この記事もこの仕組みで書いてます
実はこの記事自体が、上のパイプラインで生成されたものです。ただ、完全にAI任せではないです。記事の内容や伝えたいメッセージの設計は自分で考えています。 動画を見て感じたこと、自分なりの解釈、伝えたい方向性——そういうのを GitHub Issue にメモとして残しておいて、Claude Code はそれをベースにリサーチ・構成・執筆まで自動実行してくれる。自分はそれを読んで、手直しして公開しています。
で、このレビューの過程が意外と勉強になります。
読んでいると「ここ、自分ちゃんと理解できてないな」というのが見つかりますし、それがまた次の学習のネタになります。
インプット → アウトプット → レビューで気づく → 次のインプット、というサイクルが自然に回る感覚があります。
まとめ
この記事のポイント
- YouTube動画2本を見て「いいな」と思った仕組みを、Claude Code を使って数時間で自分の環境に構築できた
- AI時代の TTP（徹底的にパクる）は、「コンセプトを理解 → AIに伝える → 自分の環境に合わせて実装」が一瞬で回る
- 「巨人の肩に乗る」コストが劇的に下がった。
作って満足、ではないです。この仕組みは、自分の学習を加速させるためのツールとして使っていきたいと思っています。
学んだことを整理して外に出す。出したテキストが資産になる。資産がまた次の学びのインプットになる。このサイクルを回し続けることが、大事だと感じています。
「あの人の仕組み、すごいな。でも自分には無理だな」——そう思って終わることが多かったですが、
今は違います。「すごいな。じゃあ作ろう」で数時間後には動き出せる。とにかくパクれます。
なので、パクって満足ではなく、その先で自分の学びを加速させるということを大事にしていきたいと思います。