2026年におすすめのAIスキル
皆さんこんにちは、矢野 哲平です。この番組は、耳で学ぶAIをコンセプトに、初心者・中級者向けに、AIを分かりやすく解説する番組です。
今回のテーマは、2026年におすすめしたいAIスキルについて話していきます。 はい、ということで今日は、2026年におすすめしたいAIスキルについて話していきます。
改めまして、明けましておめでとうございます。 2026年もよろしくお願いします。
年が明けて初めての配信ということで、2026年におすすめしたいAIスキルについて話したいと思います。
年が明けると、今年はAIでこういったことをしよう、こういったことをやりたいと、そういった様々なアイディアや目標が出てくると思います。
今日は、以前から感じている、これ身につけておくと便利だなと、そう感じるAIスキルについて解説していきたいと思います。
今日話すポイントは主に3つです。 1つ目に、おすすめのAIスキルについて、2つ目に、そのAIスキルをおすすめする理由について、
そして3点目に、そのスキルを身につけることで何を解決できるのか。 これら3点を中心に話していきます。
はい、では早速話していきましょう。 今回のエピソードで紹介するAIスキルは5つです。
メタプロンプティング、AIコーディング、AI自動化、ローカルLLM、そしてスペック駆動開発。
聞いたことあるよという言葉もあれば、いやちょっと初めて聞くなという言葉もあると思います。 ここで紹介するのはAIスキルとも言えますし、
一つのAIに対するアプローチとも言い換えることができると思います。 つまり普段私たちAIを使ってるんですけど、
AIのこうした使い方、こうしたアプローチもおすすめですよという話を今回したいと思います。 リスナーの皆さんがこうしたアプローチもあるんだと、
そういった気づきのようなもの、そういったものを持ち帰れるように話していきたいと思います。 で今回5つ紹介していきますけど、できるだけ端的にかつわかりやすく話して
いきたいと思います。 はい、では最初1つ目がメタプロンプティングになります。
これは簡単に言うと、AIにプロンプトを書いてもらうというアプローチになります。 以前までプロンプトエンジニアリングという言葉をよく耳にしていました。
様々な知識やテクニックを駆使して、より効果的なプロンプトを書いていくと。 最近ではこうしたプロンプトを書くという行為も、
AIに書いてもらうと。そうしたアプローチを採用する人が増えています。 結構プロンプトを考えるのって大変ですよね。
そうした作業もAIに任せてしまおうと。 特にプロンプトを自分で考えるのが苦手で、ちょっと面倒だと、
そういった人はあのぜひこのアプローチをお勧めしたいです。 やり方いたって簡単です。AIに次のようなプロンプトを入力するだけでOKです。
○○のようなタスクを行いたいです。 効果的なプロンプトを考えてください。これだけでAIがプロンプトを考えてくれます。
そして既存のプロンプトを改善したい場合は、次のような指示も有用です。 ちょっと長いプロンプトですけど、今から言いますね。
プロンプトの最適化を依頼された際は、あなた自身の視点から回答してください。 具体的には、望ましい挙動をより確実に引き出し、望ましくない挙動を防ぐために、
どの特定のフレーズを追加または削除すべきか説明してください。 そして対象のプロンプトを貼り付けて、次のように続けます。
このプロンプトで期待する挙動は、エージェントが○○することですが、実際は○○をしてしまいます。 元のプロンプトを可能な限り維持しつつ、これらの課題を一貫して改善するために、
どのような最小限の編集や追加を行いますか。 ちょっと長いプロンプトなんですけど、このプロンプトを入力することで、既存のプロンプトをAIがより効果的なものに改善してくれます。
一つ目はメタプロンプティングとなります。 はい、では次どんどん行きます。次はAIコーディングになります。
これは簡単に言うと、AIにプログラムのコードを書いてもらうというアプローチです。 で、これ何がいいのかっていうと、
AIで解決できない問題でも、AIにプログラムのコードを書かせて解決することができるというものになります。
例えば、そうですね、私がニーサ、投資新宅をやっているとします。 毎月いくらかのお金をかけて、それを20年間運用した場合に、20年後
資産はどのぐらいになっているのかと、そういった質問をAIにしたとします。 毎月いくらのお金を投資新宅に回して、1年後
配当金を受け取って、でまたその配当金をそのまま投資に回していく。 こうした副利の計算で20年後お金はいくらになっていますかと。
こうした計算問題って、実はあまりAIは得意ではありません。 毎回正確な計算結果を知りたい。毎回安定した回答を得たい。
こうしたタスクでは、あまりAIは向いているとは言えません。 じゃあどうするかっていうと、AIにこの計算をするプログラムを書いてもらって、
でそのプログラムから回答を得ると。 こうすることで毎回安定した結果を得ることができます。
プログラムってAIと違って、処理さえ間違っていなければ、毎回必ず安定した結果を得ることができます。
こんな感じで、AIが得意ではないタスク、確実な答えが安定してほしいというタスク、 こうしたケースではAIコーディングのアプローチが活躍してくれます。
AI自動化とLocal LLMの活用
じゃあ、AIにプログラムを書かせるのどうするのかっていうと、これも非常に簡単です。 今普段私たちが手元で使っているAI、チャットGPTとかジェミニとか、
それに対してこう質問するだけでOKです。 〇〇の問題をプログラムで解決したいですと、どのようにすればいいでしょうかと。
つまり、AIにこんな感じでプログラムを書いてほしいんだけど、どうですか? できますかと。まず相談から入ります。
するとAIが、そういった問題、プログラムで解決できますよと回答してくれます。 そこからさらにこう続けます。
OK、わかりましたと。じゃああなたがプログラムを書くために、現時点で不足している情報があれば、私に質問をしてください。
そして回答するまでに十分な情報が揃ったら、一連の手順を出力してください。 AIコーディングでは3つのステップを踏みます。
1つ目にAIに相談をする。〇〇できますかと。 2つ目にAIに逆質問をさせる。不足している情報があれば、私に質問をしてくださいと。
そして最後にAIに手順書を作ってもらう。 AIを使っていると、これAIじゃなかなか解決できないなっていう問題、結構遭遇するんですよね。
で、こうした時にAIに書いてもらったプログラムで解決をすると。 今はどのAIも精度が高くなってきているので、
ChatGPT、Gemini、Cloud、あの普段使っているAIチャットでぜひ試してみてください。 はい、では次はAIの自動化についてです。
これは簡単に言うと、人間の手を離れてAIに24時間稼働してもらうというアプローチになります。
AI自動化は特にバックオフィス系のタスクに強みを発揮します。 メールの処理を自動化すると、AIによるドキュメントの処理を自動化する。
こんな感じで使うことができます。 じゃあAIの自動化どうするのという話なんですけど、これは専用のAI自動化ツールを導入する
ことで解決します。 具体的にはMakeやZapier、Diffie、N8n、こうした自動化のツールが有名です。
個人的には無料で利用できることが多いMakeをお勧めしますが、他のAIツールでも同じようなことが実装できます。
ただここまで説明してきたものに比べると導入のハードルは若干高めとなります。 例えばメタプロンプティングやAIコーディング
ここまでちょっと話してきたんですけど、この2つのアプローチっていうのは普段私たちが使っている AIチャットを使えば簡単に実装できます。
ただ、AIの自動化についてはMakeやZapier、Diffie、そういったツールの使い方を覚える必要も出てくるので、導入のハードルというのは若干高めとなります。
とはいえ、ツールの使い方に慣れるだけなので、ExcelやPowerPointのツールの使い方を覚える、そういった内容と同じような感覚になります。
AI各社もAIの自動化のツールっていうのは出してきています。 AI自動化はより便利に、そして導入も簡単になると思います。
2025年の年末、GoogleがGoogleワークスペーススタジオというAIの自動化ツールを出してきていました。
このツール、面倒な設定は不要で、人間の行動による指示だけでAIが自動化の処理を実装してくれるようなツールとなります。
こんな感じで、AIの自動化に関しては、以前からこのポッドキャストでも話していますけど、2026年も引き続き注目したいトピックの一つだと思います。
はい、では次行きましょう。次はLocal LLMです。 これは簡単に言うと、手元のパソコンでAIを動かすというものです。
いやいや、私普段手元のパソコンでChatGPT動かしているんですけど、そう感じた人もいるかもしれません。
これは実際は、手元のパソコンからChatGPTのサーバーにアクセスをして、そこでChatGPTを動かしているわけです。
なので、インターネットの回線が切れてしまうとChatGPTを動かすことはできません。 一方で、Local LLMは手元のパソコンだけで完結します。
つまり、インターネットのアクセスがなくても手元のパソコンだけでAIを動かすことができます。
AIスキルのメリット
でこれ、何が嬉しいのかっていうと、大きく2つのメリットがあります。 1つは、AIにかかる料金は無料となります。
AI動かし放題と。 これは先ほどAIの自動化について少し触れましたけど、AI自動化と非常に相性がいいんですよね。
通常、AIを自動化したい場合っていうのは、AIを動かした分だけお金が発生します。 ChatGPTを自動化で動かした分だけコストが発生するというものです。
実際はかなり料金としては低いんですけど、塵も積もれば山となるということで、 たくさん動かすとそれだけコストが発生します。
一方で、Local LLMは手元のパソコンでAIを動かすので、 かかるお金というのは純粋にパソコンの電気代だけとなります。
2つ目のメリットは、プライバシー保護の観点から非常にメリットがあると。 通常、AIとのやり取りはインターネットを介して送信されます。
例えば、ChatGPTとのやり取りはオープンAIのサーバーに送信されます。 一応こちら側の選択肢として、送信した情報をAIに学習させないとか、
かなり高いセキュリティレベルで処理してもらうとか、そういった選択肢もあります。 ただ、外部にデータを送信するということは、情報が100%保護されるわけではないというリスクも払っています。
一方で、ローカルLLMの場合は、そのパソコン内だけで情報の処理が完結します。 なので、外部にデータが送信されたりとか、そういった心配はなくなります。
通常の使い方だと、別にそこまでプライバシーに関わる内容は考える必要はないと思うんですけど、 場合によっては高い否得性を持って処理したいタスクっていうのもあると思います。
例えば、会社の機密情報をAIに処理させたいとか、顧客の情報をAIに処理させたいとか、 100%データを保護したい、こういったケースではローカルLLMの選択肢が生きてきます。
例えば、そうですね、あるクリニックを経営している医師の方がいたとします。 患者とのやり取りを文字起こしをして、その内容から診断をサポートする、
そんなAIの使い方をしたいとします。 これちょっとあくまで仮の設定なので、そういったシチュエーションがあるとします。
その病状とかに関する内容なので、かなりデータの取り扱いは慎重になる必要がありますよね。 AIの会社、データは厳重に取り扱っていると言っているけど、
もし万が一流出があったりすると、患者さんに迷惑がかかってしまうと。 そうした時にローカルLLMを使うと、
そのデータというのは外部に送信されることはありません。 もちろん世の中には、こうした非特性の高い情報を取り扱うことに特化したAIツールというのはあります。
ただ、そうしたものもローカルLLMというアプローチを採用すれば、自分の環境で構築できると。 そうした選択肢の一つとしてチェックしてみるのも面白いと思います。
GoogleといえばGeminiが有名ですけど、実はローカル用のAIモデルも開発しています。 Gemmaと呼ばれるモデルで比較的小さなモデルとなります。
割とパソコンのスペックが低くても動かすことができるので結構便利です。 2026年も引き続きローカルの環境で新しいモデルがどんどん出てくると思います。
私も年末新しくパソコン購入したんですけど、24時間ローカルの環境でAIを動作させる自動化のワークフローも作ろうかなと思ったりしています。
じゃあローカルでAIどうやって動かすのっていう話なんですけど、実はこれ思ったほど難しくないんですよね。
いろいろ選択肢はあるんですけど、シンプルに2ステップです。 ローカルでAIを動かすためのツールをインストールする。
そして動作させるAIモデルをインストールする。 この2つのステップで利用することができます。
ローカルLLMの導入に関してはノートで記事を書いたので、こちらの概要欄にリンクを貼っておきます。 はい、そして最後はスペック駆動開発となります。
スペック駆動開発の重要性
これは簡単に言うと、バイブコーディングが抱える課題を解決するアプローチとなります。 ポッドキャストでもたびたび取り上げてきたんですけど、
感覚に身を任せてAIにコーディングをしてもらう。 アプリを作ってもらう。このアプローチはバイブコーディングと呼ばれます。
このバイブコーディング、プログラミングの知識がなくても簡単に動くアプリを作れるので面白いアプローチなんですけど、一方で課題もあります。
それ何なのかっていうと、バイブコーディングのアプローチを採用することで01は簡単に作れるんですけど、
そこから例えば67とか78とかアプリを改善していく場合に精度が落ちてしまうという問題です。
実際私もこの課題直面していて、どうしたものかなぁと考えていたんですけど、スペック駆動開発というアプローチを採用することで、
こうしたバイブコーディングが抱える課題というのを低減することができます。 じゃあスペック駆動開発何なのかっていうと、アプリの仕様書を作って人間もAIも
その仕様書を最優先として開発を進めていくというものです。 バイブコーディングの場合はバイブ数、感覚に目を任せて行き当たりばったりでコーディングを
していくことが多いです。 こんな機能追加したい、エラーが出たのでこのエラーを解決してほしいと。
これは最初の方はうまく機能するんですけど、やっぱり開発の後半になってくると、なかなかこの行き当たりばったりのアプローチは難しくなってくる場面があります。
そこでアプリの仕様書っていうのをしっかり作って、その仕様書をもとに開発を進めていくと。 これがスペック駆動開発です。
これ考えると至極当然なアプローチなんですよね。 例えば会社で何か新しいプロジェクトを立ち上げて仕事を進めていくと、
プロジェクトの責任者が感覚に身を任せてその場その場で行き当たりばったりの指示を出していくと、どこかで必ず破綻しますよね。
これは改めて言うまでもなくて、もうこのプロジェクトが破綻するのは目に見えていると思います。 当然のことですけど、そのプロジェクトの計画などをしっかり文書に起こして、
チームの誰もが見れる場所において、その計画書をもとに仕事を進めていくと、こうした方がうまくいきます。
で、これと同じアプローチをAIのコーディングに持ってくると。 プロジェクトの仕様書、常に最新情報で更新されていて、何か問題があった場合、
計画に修正があった場合でも、仕様書を見ればそのプロジェクト全体を把握することができると。 人間でもAIでも。
バイブコーディングやってるけど、まさに同じような課題に直面していると。 そういった人はスペック駆動開発のアプローチも考えてみてください。
スペック駆動開発に関しては、また改めて別で収録したいと思います。 以上、2026年おすすめしたいAIスキルを紹介しました。
AIスキルのまとめ
導入のしやすさから順に、メタプロンプティング、AIコーディング、AI自動化、ローカルLLM、そしてスペック駆動開発。
一応、タイトルでAIスキルという風に名前をつけてるんですけど、どちらかというとスキルというよりアプローチと言い換えても分かりやすいかもしれません。
こういったAIの使い方をすると、よりAIを活用できるのではないでしょうか、という提案となります。 気になるものがあったら、ぜひチェックしてみてください。
はい、それでは今日のポイントをまとめます。 一つ目に、メタプロンプティングはAIにプロンプトを考えてもらうアプローチです。
二つ目、AIコーディングはAIにプログラムのコードを書いてもらって、AIが解決できないタスクをプログラムで解決するというアプローチです。
三つ目、AI自動化は人間の活動時間を超えて、AIを24時間動かすことができるアプローチとなります。
バックオフィス系の業務と相性が良いです。 四つ目、ローカルLLMは手元のパソコンだけでAIの処理を完結させるアプローチです。
セキュリティの高さが求められるようなタスクでおすすめです。 五つ目、スペック駆動開発は、仕様書を最優先としてAIに開発をしてもらうアプローチです。
何をどう開発するのか、しっかり明文化することで、より精度高く開発を進めることができます。
はい、今日はこの辺ということで、本日もお付き合いいただきありがとうございました。 あの話変わりますけど、2025年の12月、ちょうど先月
ポッドキャストアワードの応募にご協力いただきましてありがとうございました。 応募は終了したので、あとは審査待ちという状況になります。
結果はまだわからないんですけど、応募のサポートをしていただいて本当にありがとうございました。 この場を借りて改めてお礼申し上げたいと思います。
ありがとうございました。 そして今週はお便りをいただいています。
ありがとうございます。ちょっと読みますね。 AIについては文外観で、当初は何から手をつければよいかわからない状態でしたが、
矢野さんのポッドキャストに出会ったことで世界が変わりました。 最新ニュースをわかりやすく解説してくださるおかげで、現在は教育現場や研究、
大学運営などの業務にAIを積極的に活用できるようになり、心から感謝しております。
教育関連のお仕事をされている方でしょうか。続けます。 本日は以前の配信で紹介されていたタスク管理について一つ質問をさせていただきたくご連絡しました。
現在私は以下の流れでタスクを管理しています。 1、入力。Googleタスクを使用。
理由は、Gmailとの連携がスムーズで直感的に入力しやすいため。 2つ目、管理。これはToDoistを使用。
タスク管理アプリの活用
ToDoistというのはタスクの管理アプリですね。 3点目、連携。Zapierを介してGoogleタスクに入力した情報をToDoistへ自動転送。
Googleタスクと自動化ツールのZapierを連携させて、その内容をToDoistというタスク管理アプリに集約しているという感じでしょうか。続けます。
矢野さんのご紹介でToDoistを使い始め、非常に重宝しているのですが、先日配信されたエピソードを拝聴し、
最新のAI自動化ツールを活用すれば、Zapierを挟まずとも、よりスマートに連携できるのではないかと考えるようになりました。
もし現在のGoogleタスクとToDoistを連携させる方法として、より効率的あるいはAI時代に即したおすすめの連携術やツールがあれば、
ぜひアドバイスをいただけないでしょうか。これからも毎週の配信を楽しみにしております。
おりしも寒い日が続いておりますが、何卒ご自愛ください。お便りありがとうございました。
そうですね、お便りにあった最新のAI自動化ツールを活用すれば、Zapierを挟まずとも、よりスマートに連携できるのではないかと考えるようになりました。
この部分をいただいた時に、Googleワークスペーススタジオが頭に浮かびました。
これちょっと補足すると、Googleワークスペースという企業向けのツールの中で実装された、AI自動化の新しい機能となります。
Googleワークスペーススタジオ。これ所属する企業がGoogleワークスペースを使っているっていうのが前提になるんですけど、
もし導入されているのであれば、Googleワークスペーススタジオが一番スマートに管理できるかなと思いました。
というのが、このツール、Google関連のツールの自動連携が非常にスマートなんですよね。
ちょっと今お便りいただいた方のワークフローを改めて整理すると、Gmailを受け取って、Googleタスクを作って、
そのGoogleタスクの作成をトリガーにZapierを介してTodoistに反映をさせるという、このワークフローを使っていると思うんですけど、
Googleワークスペーススタジオを使うと、このワークフローの中からZapierとTodoistを除外することができます。
シンプルにGoogleタスクとGmailだけで似たような実装ができます。 あとはこのワークフローの中にGeminiの処理を挟むこともできます。
例えば、Gmailを受信したら自動で返信文の候補をGeminiに書いてもらうと。 その返信文の下書きのチェックをGoogleタスクに登録すると。
もし仕事でGoogle関連のツールをよく使っているという方であれば、GoogleタスクもGmailも、あとはスプレッドシートなどの他のGoogle関連のツールもスマートに連携することができるので、
Googleワークスペーススタジオいいのかなと思いました。 今の環境でおそらく課題を感じているのでお便りをいただいたと思うんですけど
AIを使った自動化の可能性
Googleタスク、Todoist、Zapierの連携で。 ちょっと違ってたら申し訳ないんですけど、このGoogleタスクとTodoistをプログラムで動かすというアプローチも面白いかなと思いました。
AIに自動化のプログラムを書いてもらって、Zapierのようなノーコードのツールでは実現できない自分だけのワークフローを構築する。
こうしたアプローチも面白いかなと思います。 もちろん手間はかかるんですけど、自前で自動化の処理を実装することでノーコードツールの制限というのはなくなります。
こうしたことをできたらいいのに、でもZapierでは実装されてないなと。 こうした制限が一切なくなって自分だけのワークフローが構築できるようになるので
やれることの幅というのはかなり広がります。 以前まではこうしたことを自前で実装するのものすごくハードルは高かったんですけど
今回のエピソードで紹介したようにAIコーディング、AIにコードを書いてもらうというハードルはかなり下がっています。
なのでまずお試しでAIに相談してみる価値はあると思います。 こういった自動化の処理をプログラムで実装したいんだけどできますかと。
AIを使ったタスク管理についてちょっと私もいろいろ考えていて、先で改めてエピソードで配信したいと思います。
お手入れありがとうございました。番組ではこのように耳で学べるAIを毎週発信しています。
通勤中や火事の合間にAI情報をキャッチアップできます。 毎週水曜朝に更新していますのでぜひフォローお願いします。
そしておすすめの生成AIツールをまとめた資料も配布しています。 興味のある方はこちらもぜひ概要欄にリンクを貼っておきます。
お相手は耳で学ぶAIの矢野てっぺいでした。 また次の配信でお会いしましょう。
