0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

エンジニアこそMuseを最大限活用できる

0
Posted at

エンジニアこそAIエージェントを使い倒せる ─ 個人AI「Muse」と3週間暮らして分かったこと

はじめに

個人向けAIエージェント「Muse」を使い始めて3週間ほど経ちました。

カレンダー、メール、ファイル、ブラウザを横断して作業し、定期実行のジョブを持ち、外部サービスと連携して動くタイプのエージェントです。チャットで質問に答えるだけのAIとは、だいぶ毛色が違います。

3週間使ってみて思ったのは、「この手のエージェントは、エンジニアほど使い倒せる」 ということです。理由は単純で、エージェントの活用に必要なスキルが、そのままエンジニアの日常スキルだからです。

この記事では、実際に何を任せていて、なぜエンジニアが有利なのかを書きます。

前提:私の使い方

立場はPM/PMO寄りのエンジニアです。Museには大まかに次のことを任せています。

  • 定期ジョブ:家計データの週次レポート作成、特定の着信通知メールの監視、資格試験の日程カウントダウン、SNS投稿の週次チェックとリンク要約
  • 開発の伴走:GitHub上の個人開発(Webシミュレータ)の改善。Issue的な相談からPR作成まで。gh 操作はほぼ丸投げしています。正直気持ちいい
  • 学習の伴走:資格試験対策を「実力テスト → SWOT分析 → 弱点対策」のループで進めるための教材と記録表の作成
  • 生活まわり:紙書類のスキャンのリネームと整理、健康データの集計とPDF化、買い物の下調べと比較表づくり
  • 連携の自作:公式に無いサービス連携を、MCP(Model Context Protocol)で自作して接続

「秘書」というより、「常時稼働しているジュニアエンジニア兼リサーチャー」に近い感覚です。

理由1:連携の勘所が分かる(APIとMCP)

エージェントの価値は、つながっているサービスの数と質で決まります。

ここでエンジニアは強い。APIのドキュメントを読める、認証方式の違い(OAuth、APIキー、認証なし)が分かる、レート制限の概念がある。そして今はMCPという標準プロトコルがあるので、「無い連携は自分で作る」 という選択肢が取れます。

実際、私は公式コネクタの無いドキュメント検索サービスなどを、MCP経由のカスタムコネクタとして自作して接続しました。やっていることは普通のAPIクライアント実装と変わりません。

「連携が無いから使えない」で止まるか、「じゃあ作るか」になるか。ここが最初の分岐点です。

理由2:権限設計ができる

エージェントにメールもファイルもブラウザも触らせるのは、正直怖い。だからこそ、権限の設計が要ります。

  • 読み取り専用の連携と、書き込み可能な連携を分ける
  • 資格情報はチャットに貼らず、専用の保管庫(Secure Vault的な仕組み)経由で渡す
  • 予約・支払い・送信など「外に出る操作」は、必ず自分の承認を挟む
  • エージェントの出力(金額、日時、固有名詞)は鵜呑みにせず、一次情報で裏を取る

これ、全部ふだんのシステム設計と運用の話です。最小権限、監査、変更管理。エージェント運用は、情シスの仕事そのものでした。

逆に言うと、この設計をサボると「便利だけど怖いもの」になります。怖さの正体は、だいたい権限設計の不在です。

理由3:検証する習慣がある

エージェントは平気で間違えます。もっともらしい数字を出すし、半分読み込みのページを「データなし」と報告することもあります。

エンジニアはここでも有利です。「その出力、本当か?」と疑って、ソースを開いて確認する。テストファーストで、まず小さく試してから広げる。失敗したら原因を切り分ける。

私は資格学習でも「まず実力テストを解いて、弱点を特定してから対策する」という進め方をしていますが、エージェントの使い方も同じでした。いきなり大きな仕事を任せず、検証可能な小さなタスクから信用を積み上げる。 これはエンジニアの基本動作です。

理由4:成果物を育てる発想がある

エージェントとの作業は、Gitと相性がいいです。

  • 指示や方針はMarkdownのドキュメントとして残す(=仕様書)
  • 成果物はファイルとしてバージョン管理する
  • うまくいった手順は「スキル」として再利用可能な形に切り出す

チャットの流れに任せると知識は蒸発しますが、ドキュメントとして残せば資産になります。「AIにやらせた一回限りの作業」と「育てているシステム」の差は、ここに出ると思います。

理由5:自動化に落とせる

単発で便利なのは序の口です。本番は定期実行です。

  • 毎週決まった曜日にレポートを作る
  • 条件に合うメールが来たら知らせる
  • 月1回、外部サービスの公開データを読みに行って差分を報告する

「気づいたらやっておいてくれる」状態を作れるかどうかは、タスクを再現可能な手順として言語化できるかにかかっています。これもエンジニアの日常(ジョブ設計、運用手順書)そのものです。

注意点:丸投げの境界線

気持ちよく丸投げするために、私は境界線を決めています。

  • 任せる:調査、下調べ、集計、下書き、定期チェック、比較表の作成
  • 自分がやる:支払い、予約の確定、送信、削除などの不可逆な操作の最終決定

「AIがやりました」ではなく「AIが下ごしらえして、私が決めました」の形を保つ。これが崩れると、便利さより先に事故が来ます。

まとめ

AIエージェントの活用に必要なのは、プロンプトの小手先テクニックではありませんでした。

  • 連携を作れる(API / MCP)
  • 権限を設計できる(最小権限・承認フロー)
  • 出力を検証できる(テストと切り分け)
  • 成果物を資産化できる(ドキュメントとバージョン管理)
  • 自動化に落とせる(手順の言語化)

全部、エンジニアが仕事で鍛えている能力です。

「AIに仕事を奪われる」という話をよく聞きますが、少なくともエージェント活用に関しては逆で、 エンジニアリングの基礎体力がある人ほど、AIを部下として使い倒せる 。3週間使っての実感はこれです。

これからエージェントを触るエンジニアの方は、まず「検証可能な小さな定期ジョブ」を1つ任せてみるのをおすすめします。そこから信用の積み上げが始まります。

0
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?