非エンジニアが「AI実装」を
できるようになるまでにやったこと

はじめに

株式会社Scentier代表の加藤です。

私は文系出身で、エンジニアリングのバックグラウンドは一切ありません。

CLIベースのAIツール——いわゆる「AIコーディングエージェント」が登場し始めた頃、興味本位でターミナルという黒い画面を初めて開きました。「cd」というコマンドが何をするものかすら知らない状態。正直、画面を見ただけで拒否反応が出るレベルでした。

今では、7〜8件のクライアント案件を常時同時進行で回しています。データ分析、レポート作成、提案書のドラフト、Webサイトの構築——すべてAIを「実装レベル」で使って。

これは才能の話ではありません。正しい順番で、正しいことをやっただけです。

この記事では、非エンジニアの私が「AI実装」をどうやって自分のものにしたのか、その過程をお話しします。

最初の壁：ターミナルという「異世界」

AIを業務に実装する——その入口に立ったとき、最初に直面したのは「ターミナル」でした。

エンジニアの方には信じられないかもしれませんが、私にとって黒い画面に白い文字が並ぶあの画面は、完全に異世界でした。マウスが使えない。フォルダをクリックで開けない。「cd」と打ってEnterを押すと何かが起きるらしいが、何が起きているのかわからない。

でも、ここで重要な気づきがありました。

私がターミナルを「使いこなす」必要はなかった。

なぜなら、Claude Codeというツールは、ターミナルの中で動くAIだからです。私がやることは、ターミナルを開いてClaude Codeを起動し、やりたいことを日本語で伝える。それだけ。

「cd」コマンドを覚える必要はありませんでした。「このフォルダに移動して」と言えば、AIが勝手にやってくれるから。

「触る」から「任せる」へ

最初の数日間は、おそるおそるでした。

「これ、お願い」と言ったら本当にやってくれるのか。ファイルを壊したりしないか。見当違いなものが出てきたりしないか。不安だらけでした。

でも、実際にやってみると、驚くほどまともなアウトプットが返ってくる。

最初にやったのは、取引先のフォルダ構造を整理することでした。これまで自分の頭の中にしかなかった「どのクライアントに、どんなスコープで、何を提供しているか」という情報を、AIに伝えて構造化してもらった。

ここで最初のブレイクスルーが起きました。

AIは「作業を代わりにやってくれる道具」ではなく、「自分の思考を構造化してくれるパートナー」だと気づいた瞬間です。

頭の中のモヤモヤを言葉にして投げると、整理されて返ってくる。それを見て「いや、こっちの方がしっくりくる」と修正する。そのやり取りを繰り返すうちに、自分の業務の全体像がクリアになっていきました。

「型」を作る

「AIに任せられる」という感覚を掴んだ後、次にやったのは仕組み化でした。

毎回ゼロからAIに説明するのは面倒です。「このクライアントのデータ分析をするときは、こういう手順で、こういうフォーマットで」という型（スキル）を作り始めました。

具体的には：

• データ分析の型: データを渡したら「数値→要因→考察→ネクストアクション」の構造で分析する
• 資料作成の型: 構成案を出す→承認を得る→スライドを生成する、という3ステップ
• 品質チェックの型: 「この資料を読むのは誰か」を基準に、成果物をチェックする

これらの型を一度作ってしまえば、次からは「先月と同じ形式でレポートを作って」と言うだけで済む。

ここが、「チャットで使う」と「業務に実装する」の分岐点でした。

チャットで使う人は、毎回ゼロから聞く。実装する人は、一度作った型を再利用する。この差が、生産性の差に直結します。

生産性は、5倍〜10倍になった

大げさに聞こえるかもしれませんが、数字で見ると明らかです。

しかも、これは「スピードが上がった」だけではありません。

アウトプットの質も上がっている。なぜなら、AIが分析のモレやロジックの飛躍を指摘してくれるから。人間1人で作っていたときよりも、構造的に整理された成果物が出てくるようになりました。

空いた時間で何をしているか。考えることです。

「このクライアントに本当に必要なのは何か」「次に提案すべきことは何か」——AIに作業を任せた結果、ようやく本来やるべき「考える仕事」に時間を使えるようになりました。

エンジニアリングスキルは、本当にいらなかった

ここまで読んで、「それでも自分には無理だ」と思っている方がいるかもしれません。

断言しますが、私はいまだにコードを書けません。

Pythonの文法も知らない。HTMLの構造も理解していない。JavaScriptに至っては、何がどう動いているのか説明できません。

でも、このWebサイトはAIと一緒に作りました。クライアントのデータ分析も、提案資料も、業務フローの自動化も、全部AIと一緒にやっています。

必要だったのは、たった1つのスキルだけでした。

それは、「何のために、何をやるか」を言語化する力です。

「このクライアント向けに、先月の広告配信データを分析して、来月のアクションにつなげるレポートを作りたい」——こう伝えれば、AIは動きます。

逆に言うと、「なんかいい感じにして」では動きません。ここだけは、人間がやる仕事です。

振り返って思う「順番」の大切さ

私の経験を振り返ると、3つのフェーズがありました。

フェーズ1：触れる

まずはAIを動かしてみる。何でもいいから、1つ仕事を任せてみる。完璧じゃなくていい。「お、動いた」という体験が一番大事。ここは思ったより早く通過できます。

フェーズ2：型を作る

うまくいったやり方を「型」にする。毎回ゼロから聞くのをやめて、再利用できる仕組みにする。ここで生産性が一気に跳ね上がる。

フェーズ3：考える時間を取り戻す

作業から解放されて、初めて「本来やるべきこと」に集中できるようになる。事業の方向性、クライアントへの提案、新しい打ち手。ここがゴール。

多くの人がフェーズ1で止まっています。「AIを触ってみた。便利だった。でも、それだけ」。

フェーズ2に進めるかどうかが、生産性5倍の分岐点です。

あなたが今日からできること

最後に、私の経験から言える「最初の一歩」をお伝えします。

1. 「自分でやらなくていい仕事」を1つ見つける

1日の業務を振り返って、「これ、私じゃなくてもいいよな」と思う作業を1つ選んでください。レポート作成、議事録の整理、データの集計——何でもいい。

2. AIに「やってみて」と頼む

完璧な指示を出す必要はありません。「こういう仕事があるんだけど、手伝ってくれる？」から始めればいい。AIは「何がわからないか」を聞き返してくれます。

3. うまくいったら「型」にする

一度うまくいったら、そのやり方を保存しておく。次に同じ仕事をするとき、ゼロから始めなくて済みます。

ターミナルに拒否反応が出るレベルだった私が、ここまで来られた。あなたにできないはずがありません。

まとめ

• エンジニアリングスキルは不要。必要なのは「何のために、何をやるか」を言語化する力
• 最初の壁は思ったより低い。すぐに「触れる」状態になれる
• 「型」を作ることで、生産性は5倍〜10倍に跳ね上がる
• ゴールは「作業の効率化」ではなく「考える時間を取り戻す」こと

AIは、あなたの仕事を奪うものではありません。あなたが本来やるべき仕事に集中するための、最強のパートナーです。