AI 時代に、どうすれば周りの大多数を追い抜けるのか？
「簡単だ。スキルを増やし、ツールを切り替え、会員登録を増やせばいい」と言う人もいるかもしれない。
しかし、結果はどうなるか？
大量のツールを導入したものの、毎月のトークン請求額は給料より恐ろしい額で、それでも上司は昇進も昇給もしてくれない。
なぜか？
なぜなら、誰もが同じツールを使っている時点で、ツールは単なる新しい基準線になるからだ。自分に使えるなら、他人にも使える。ただ使い方を知っているだけでは、誰もが同じスタートラインに立ったに過ぎず、誰も誰も追い抜いてはいない。
本当に周りの人を追い抜くための鍵は、どんなツールを使うかではなく、ツールを使う能力を継続的に改善し続けられるかどうかにある。
この方法は PDCA と呼ばれ、数十年の歴史がある。そして今、AI 時代においても有効だ。
なぜ PDCA なのか？
PDCA メソッドは、かつて日本の製造業がアメリカを追い抜く原動力となった。そして、同じこのメソッドが、職場やビジネス競争においてライバルを追い抜く力となる。
しかし、なぜ製造業で効果を発揮したメソッドが、AI の高効率活用にも役立つのか？
それは、PDCA が本質的にあらゆるプロセスを最適化するための核となる手法だからだ。
トヨタの組立ラインでの作業と、あなたが毎日 AI を使って行う仕事は、どちらも本質的に反復可能なプロセスであり、したがってどちらも最適化が可能なのだ。
このメソッドは70年以上前に、デミングというアメリカ人の品質管理の大家によって日本にもたらされ、その後の日本の製造業がアメリカを打ち負かす原動力となった。
PDCA には4つのステップがある：
- Plan：計画を立てる
- Do：計画を実行する
- Check：実行内容を記録し、何がうまくいかなかったかを分析する
- Act：再び反復し、毎回前回より少しだけ良くする
このメソッドからは、リーン生産方式やリーンスタートアップなど、一連の思想が派生した。
これが PDCA の過去と現在だ。しかし、より大きな問題がある：AI 時代に PDCA をどのように実装するのか？
AI 時代に PDCA を実装する方法は？
AI 時代の PDCA サイクルは、より AI ネイティブでなければならない。従来のプロセスのように単純に反復するのではもはや遅すぎる。自動化され、極めて高速である必要がある。
どうやってこれを実現するのか？
まず、多くの人が PDCA のどこで行き詰まるのかを分析してみよう。
多くの人は、分析と改善の段階で行き詰まると思っている。しかし実際は、ボトルネックはもっと前、最初のステップである「記録」にある。
考えてみてほしい。AI とやりとりしてやっと有用なワークフローを作り上げても、その後忘れてしまったり、記録するのが面倒だったりする。
記録がなければ、何を分析するのか？何を改善するのか？
つまり、PDCA は記録の段階で早々に頓挫してしまうのだ。
昔の時代、記録は人が書類を書いたりメモを取ったりすることに依存していた。しかし、人間は怠け者で忙しい。継続することなど到底できない。
したがって、AI 時代において記録は、AI ネイティブなツールに任せるべきなのだ。
そのツールが flowtrace だ！
flowtrace は、AI とのワークフロー全体を自動的に再利用可能な記録、すなわち「トレース」に変換する。
インストールは難しくない。GitHub からプロジェクトをクローンし、インストールコマンドを実行するだけだ：
git clone https://github.com/AIScientists-Dev/flowtrace.git
cd flowtrace
./scripts/install.sh
その後、その make-trace スキルを AI のスキルフォルダにコピーし、/make-trace と入力して使い始める。
では、実際に何ができるのか？
公式サイトにはいくつかの機能が掲載されている：
- 透明性：すべてのステップの出力は開くことができるファイルとなり、プロセスが可視化され、メッセージに埋もれない
- 文書化：すべての結論は、その元となったファイルに遡ることができる。盲目的に信頼するのではなく、自分で検証できる
- 介入可能性：1つのステップを変更すると、それに依存するステップだけが再実行され、残りはそのまま保持される
- トレーサビリティ：実行全体はファイルと git で構成され、いつでも停止・再開でき、全履歴を閲覧できる
- 再利用可能性：タスクが完了すると、それはトレースになる。入力を変更して再実行できる
- 進化可能性：実行するたびに完成度が増す。あるステップが基準を満たさなければ、次回のバージョンでそれを満たす方法に置き換えられる
おわかりだろうか？これらの機能は、まさに PDCA の各ステップのために設計されたツールなのだ：
- 記録：透明性（すべてのステップがファイルになる）と文書化（結論がソースに遡れる）に依存
- 分析：トレーサビリティ（git のように各ステップの履歴を閲覧できる）に依存
- 改善：介入可能性（1つのステップだけ変更し、その依存関係のみ再実行する）に依存
- より良いサイクル：再利用可能性（異なる入力で再実行）と進化可能性（実行するほど良くなる）に依存
PDCA の各ステップに必要なすべてが揃っているのだ。
使い方
基本的には、このスキルを呼び出し、これらの機能に基づいて何をするかを指示する。
もし使い方がまだわからなければ！ウェブサイトにはさまざまな分野の既製のユースケースも多数用意されている：
- 履歴書の作成
- 株の選定
- SaaS の買収デューデリジェンス
- セキュリティスキャンの実行
- 業界レポートの作成
- バグ修正
- 広告配置の最適化
- ある人の思考をスキルに抽出する
- スピーチ原稿を雑誌スタイルのスライドデッキに変換する
まだ混乱しているかもしれないので、実際の例をお見せしよう！！
オープンソースプロジェクト評価プロセスの最適化
最近、いくつかのオープンソースプロジェクトを評価するタスクがあったので、それを例に使う。
ステップ1：実行と記録
以前、Claude Code を使ってあるオープンソースプロジェクトを調査し、かなりのやり取りをした結果、長いチャット履歴ができていた。
そこで Claude Code で、/make-trace record this open-source project research workflow と入力した。
すると自動的に実行が始まった。その裏で何をしていると思う？
私の調査プロセスをステップごとに分解していった。まずプロジェクトをクローンし、README を読んで構造を理解し、その後いくつかのパスに分岐して、コアドキュメントを読み、サンプルを見て、競合をチェックし、最終的に調査ノートにまとめた。
分解が終わると、ローカルサーバーを起動するよう指示してきた。ブラウザを開くと、プロセス図全体がノードごとに表示され、何が何に接続されているかが明確に示されていた。
私の調査の進め方が、再利用可能なトレースとして固定化された。これが記録だ。
ステップ2：分析
記録は始まりに過ぎない。価値が生まれるのは、それを再実行できることだ。
2つ目のプロジェクトに切り替え、アドレスを入力し、このトレースに従って再実行するよう AI に指示した。
どう実行されたか？
図に従い、ノードごとに進んでいった。各ステップで、指示を読み、作業を行い、ファイルを出力し、次のステップに進む。階層ごとに、自動的に最後まで実行された。
実行が進むにつれて、問題が明らかになった。私のトレースはドキュメントと競合にしか焦点を当てておらず、大きな部分を見逃していた。プロジェクトの健全性を全くチェックしていなかったのだ。スターの数、Issue への対応状況、最終更新からの期間など。
ほらね、再利用するときに、プロジェクト分析に最適な形で、手法の欠点が可視化されるんだ。
ステップ3：改善
コマンドラインで直接、このトレースにプロジェクトの健全性をチェックするステップを追加するよう指示した。AI は即座に追加し、図に新しいノードがすぐに表示された。
ノードを追加した後、3つ目のプロジェクトで実行した。結果はすぐに大きな違いを示した。このプロジェクトは34,800のスターがあり、非常に人気があったが、Issue を見てみると800件以上が未処理で、過去3ヶ月間コードが1行も動いていなかった。
このプロセス全体で、私は何も新しいものを発明したわけではない。ただ、毎回行った作業を記録し、次に使うときに欠点を見つけ、その場で修正しただけだ。
このプロセスを通じて、このプロジェクトがどのようにしてワークフローに PDCA を実装しているかがわかるだろう。
最後に
AI 時代において本当に差をつけるのは、決していくつのツールをインストールしたかではない。ツールを使えば使うほど、より良く機能させる方法を持っているかどうかだ。
PDCA はその方法を与え、flowtrace はそれを実装する手助けをする。
誰もがツールを持っている。プロセスを最適化できる者だけが、競争で勝ち残るのだ。
あなたも AI をもっと便利に使いたいと思うなら、まず flowtrace をインストールし、最も頻繁に繰り返しているタスクを1つ選んで、一度実行してみてほしい。記録し、分析し、改善するのだ。
最後に、flowtrace は作者が無料で公開しているオープンソースプロジェクトだ。もし役に立ったと思ったら、スターを付けてほしい。アドレスはこちら：
https://github.com/AIScientists-Dev/Flowtrace
良いものは、もっと多くの人に見てもらうべきだ！！！
