NotebookLM の「専門特化型ノート」を使って、テーマごとにノートブックを分けることで「20人の専門家チーム」を構築する方法を紹介します。元ネタは えーたん/AI×時短で仕事効率化(@ai_jitan) さんの投稿です。 なぜ NotebookLM が「専門家」になるのか NotebookLM の最大の強みは、ユーザーが入れた資料だけを根拠に回答すること。ネットの一般論ではなく、ストックした信頼できる情報源からのみ回答を生成します。さらに、すべての回答に引用元のリンクが付くため、根拠の確認も簡単です。 この仕組みを活かして、テーマごとにノートブックを分ける。たったこれだけで、各ノートブックが「その分野の専門家」として機能し始めます。 1つの AI に何でもかんでも聞くのと、20人の専門家に分けて聞くのでは、回答の精度がまったく違います。 専門家ノートの作り方（共通4ステップ） NotebookLM で新規ノートブックを作成する タイトルに「○○専門」と設定する（例：「マーケティング専門」） 「ソースを探す（Fast Research）」で、5つのプロンプトを順番に実行する 情報が集約されたら、あなたの課題を入力するだけ 20人の専門家一覧 1. 業務改善コンサルタント ムダを見つけて仕組みに変える専門家。属人化している作業、毎回ゼロから作っている資料、形骸化した会議などの「見えないコスト」を洗い出します。 Fast Research 用プロンプト例: 「業務プロセスの可視化と改善手法（BPR、リーン等）を具体例付きで解説した記事を収集」 「属人化の解消とナレッジマネジメントの実践方法を詳しく紹介した記事を収集」 「業務自動化（RPA・ノーコード等）の導入手順と成功事例を解説した記事を収集」 2. マーケティングコンサルタント 集客戦略、SNS運用、競合分析、KPI設計まで幅広くカバー。 Fast Research 用プロンプト例: 「デジタルマーケティングの最新手法と成功事例を詳しく解説した記事を収集」 「SNSマーケティングとコンテンツ戦略の具体的な手法を解説した記事を収集」 3. コピーライター メール、提案書、LP、SNS投稿など「伝わる言葉」を作る専門家。 Fast Research 用プロンプト例: 「売れるキャッチコピーの作り方と名作事例を詳しく解説した記事を収集」 「ランディングページのライティング手法とコンバージョン改善策を紹介した記事を収集」 4. データアナリスト データに基づいた判断ができるようになる右腕。売上予測、A/Bテストの設計、KPIの設定をサポート。 5. 営業コーチ 新規開拓の方法、クロージングの話法、断られたときの切り返し方まで。営業スキルを「型」として共有できます。 6. プロジェクトマネージャー タスクの優先順位の付け方、進捗の可視化方法、トラブル発生時の対応手順を体系的にアドバイス。 7. 広報・PRアドバイザー プレスリリースの書き方、メディアへのアプローチ方法、SNS公式アカウントの運用方針をカバー。 8. 心理学アドバイザー 部下のやる気を引き出す声かけ、顧客の購買意欲を高めるプレゼン手法、チームの信頼関係を築くコミュニケーション術。 9. カスタマーサクセスマネージャー 解約の兆候を早期に察知する方法、顧客オンボーディングの設計、アップセルの提案タイミングなど。 10. 人事コンサルタント 「面接で何を聞くべきか」「どう評価すべきか」「入社後にどう育てるか」まで体系的にサポート。 11. 交渉・ファシリテーションアドバイザー 会議を30分で終わらせる進行術、交渉で双方が納得する落としどころの見つけ方など。 12. 財務アドバイザー 財務諸表の読み方、投資の判断基準、キャッシュフロー管理をカバー。 ...

「資金調達の翌日にCTOが辞めて、コードが書けないCEOだけ残った」——こんな生々しい失敗談が5,700社以上も集められたデータベース Startups.RIP が話題になっている。 Startups.RIP とは Startups.RIP は、Y Combinator（YC）出身の失敗・買収されたスタートアップ1,737社以上について、研究レポート、再構築プラン、技術仕様をまとめたプラットフォームだ。「Dead YC Startups, Alive Ideas」をコンセプトに、2005年から現在までのYCスタートアップを網羅している。 作者の Oscar Hong 氏が、失敗したスタートアップを分析する中で「アイデアが悪かったのではなく、タイミング・市場・技術が準備できていなかっただけ」というパターンを発見し、このデータベースを構築した。 主な機能 失敗要因の詳細分析 単なる失敗リストではなく、各スタートアップについて以下の情報が整理されている: 失敗の要因分析: なぜ事業が停滞・終了したのか 何がうまくいっていたか: 失敗の中にも成功要素はある バッチ情報・創業者情報: YCのどのバッチ出身か、誰が創業したか 現代技術での再構築プラン 各スタートアップについて、2026年の技術スタックで再構築するならどうなるかという「ビルドプラン」が用意されている: 現在の市場分析: 当時と今で市場がどう変化したか コア機能の設計: 何を中心に据えるべきか Go-to-Market 戦略: 現代のチャネルでどう展開するか DBスキーマ・API設計: 技術的な実装の青写真 AIに実装させる場合のプロンプト: 生成AIを活用した開発アプローチ アイデアの進化の可視化 失敗したスタートアップと、その後成功した類似サービスの比較機能もある: Posterous → Substack Parse → Supabase こうした「アイデアの進化」を視覚的に追えるのは、起業を考えている人にとって非常に参考になる。 技術的な背景 Startups.RIP 自体は Next.js（TypeScript）+ Tailwind CSS で構築されている。興味深いのは、このデータベースの調査・分析に Claude Agent SDK が Deep Research エージェントとして使われている点だ。AIを活用して大量のスタートアップ情報を体系的に整理するという、まさにAI時代ならではのアプローチといえる。 活用方法 このデータベースは以下のような場面で役立つ: 起業準備: 似たようなサービスを考えているなら、過去の失敗から気をつけるべきポイントがわかる 技術選定の参考: 再構築プランに含まれる技術スタックやDB設計は、実際の開発の参考になる 市場調査: 特定の領域でどんなスタートアップが失敗し、なぜ失敗したかを俯瞰できる 読み物として: 純粋にスタートアップの栄枯盛衰を追うだけでも面白い まとめ 失敗したスタートアップのデータベースは Failory や CB Insights など他にもあるが、Startups.RIP の特徴は「再構築プラン」まで踏み込んでいる点だ。単に「なぜ失敗したか」だけでなく、「今ならどう作るか」まで提示することで、失敗を次の挑戦への具体的なヒントに変えている。 ...

X（旧 Twitter）で VIA(@Via00Via) 氏が投稿した、フリーランスの厳しい生存率と月収100万円の壁を超えるための「覚悟」についての記事が話題になっている。中小企業白書のデータを交えながら、その要点を整理する。 フリーランスの廃業率：数字が示す厳しい現実 日本のフリーランスの廃業率は以下のように報告されている： 1年以内: 約4割が廃業 3年以内: 約6割が廃業 10年後: わずか1割程度しか生き残れない 多くの人が「スキルさえあれば」と信じて参入するが、現実はもっとシビアだ。 月収100万以下のフリーランスに共通する行動パターン 月収100万円という壁を前に足踏みしている人には共通点がある。それは 無意識のうちに「今の延長線上」の努力に逃げていること だ。 低単価な案件を寝る間も惜しんで数でこなす。一見すると努力に見えるが、本質的には以下のリスクから目を背けている： 高単価な提案をして断られるリスク 責任範囲を広げる恐怖 今の作業を繰り返すだけで壁を越えようとするのは、正直やめたほうがいい。 「時給」の呪縛から抜け出す なぜあと一歩が届かないのか。それは 「時給」という概念に縛られ、自分の時間を切り売りすることに安心しているから だ。 1万円の作業を100回こなそうとする努力は一見尊い。しかしその実態は、100万円の価値を1回で提供するプレッシャーから逃げているだけ。今のままのやり方でどうにかしようとする甘えが一番のブレーキになっている。 壁を突破するために必要な行動変革 この壁を突破したいなら、今日から行動を180度変える必要がある： 自分の安売りを即座にやめる — 作業員としてではなく、クライアントの利益に直接貢献する「事業パートナー」として振る舞う 相手の売上に責任を持つ覚悟を決める — 100万円の価値を届けるために何が必要かを考え、泥臭く提案し続ける チームで成果を出す仕組みを作る — 時には自分より優秀な人を巻き込み、個人の限界を超える 報酬は「覚悟」に比例する フリーランスの報酬は「自分がどれだけの責任を背負うと決めたか」に比例する。100万円以下で停滞しているのは、心のどこかで「今のままでも生きていける」と自分を甘やかしている証拠かもしれない。 廃業率のデータに飲み込まれる側に回るのか、それとも突き抜ける側に回るのか。その差は、今この瞬間に 「退路を断つ覚悟」 を持てるかどうかにかかっている。 成功しているフリーランスは、例外なく「覚悟」を決めた日から人生のギアが変わっている。 参考 元ポスト — VIA(@Via00Via) フリーランスの廃業率は1年で30%以上？ — ITプロマガジン

Claude Code をインストールして「で、次どうすれば…？」となっていないだろうか。導入は単なる入口に過ぎない。フック、カスタムコマンド、サブエージェントの3つを使いこなすことで、Claude Code は「1人のAIアシスタント」から「自分専用の開発チーム」へと変わる。 この記事では、X で話題になった @wad0427 氏の記事「Claude Code、インストールしたけど「で、次どうすれば…？」ってなってない？」をベースに、それぞれの機能の概要と実践的な使い方を解説する。 フック（Hooks）— 自動化ルールを仕込む フックとは、「AIが〇〇したら、自動で△△を実行するルール」のことだ。 料理に例えると、「盛り付けたら、最後に必ずパセリを振る」と自分ルールを決めておく感じに近い。Claude Code では以下のような自動化が可能になる。 AIがファイルを保存したら → 自動でコードの見た目を整える（フォーマッター実行） AIがコードを書き換えたら → 自動でテスト（動作チェック）を走らせる AIの作業が終わったら → 自動で変更履歴を記録する（コミット） つまり、毎回「フォーマットして」「テストして」と指示しなくていい。フックを設定するには Claude Code のターミナルで /hooks と打つと設定画面が出る。選択肢を選んでいくだけなので、コードを書かなくても OK だ。 フックの設定例 プロジェクトルートの .claude/settings.json（またはユーザー設定の ~/.claude/settings.json）に以下のように定義する: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 { "hooks": { "PostToolUse": [ { "matcher": "Edit|Write", "hooks": [ { "type": "command", "command": "jq -r '.tool_input.file_path' | xargs npx prettier --write" } ] } ] } } この例では、AI がファイルを書き換えるたびに Prettier が自動実行され、コードスタイルが統一される。 ...

AI エージェントが iOS アプリ開発を丸ごと自動化するオープンソースツール「Blitz」が公開された。ビルドからテスト、App Store 提出まで、これまで手作業だった工程を AI に任せられる時代が到来しつつある。 Blitz とは Blitz は、AI エージェントに iOS 開発ライフサイクルの完全な制御を与えるネイティブ macOS アプリケーション。シミュレーター/iPhone の管理、データベース設定、App Store Connect への提出まで、開発に必要な一連の操作を AI エージェントが実行できる。 GitHub リポジトリ: blitzdotdev/blitz-mac（Apache-2.0 ライセンス） 主な特徴 MCP サーバーによる AI 連携 Blitz には MCP（Model Context Protocol）サーバーが組み込まれており、Claude Code をはじめとする MCP クライアントからアプリのビルド、テスト、App Store への提出が可能になる。 自動化される範囲 コード署名とビルド: Xcode プロジェクトのビルドを AI が実行 テスト実行: シミュレーターや実機でのテストを自動化 App Store メタデータ: アプリの説明やスクリーンショットの管理 App Store 提出: App Store Connect API を通じた申請処理 iPhone MCP 関連プロジェクトとして iPhone-mcp も公開されている。AI が実際の iPhone を操作してアプリをテストし、バグを発見できる仕組みだ。 セキュリティとプライバシー MCP サーバーは 127.0.0.1 にのみバインドされ、外部ネットワークには公開されない 連絡先、写真、位置情報などの個人データにはアクセスしない 画面キャプチャは iOS シミュレーターウィンドウに限定 ネットワーク通信は Apple の App Store Connect API と GitHub のリリース API（更新チェック用）のみ 技術スタック SwiftUI で構築されたシングルターゲットアプリ Swift Package Manager によるビルド CLAUDE.md ファイルによるアーキテクチャドキュメントが整備されている iOS 開発の未来 従来の iOS 開発では、Xcode での手動操作が多くの時間を占めていた。Blitz のようなツールが成熟すれば、開発者はアプリのロジックや UX 設計に集中し、ビルド・テスト・提出といった反復的な作業は AI に委ねるワークフローが一般的になるかもしれない。 ...

AI エージェントが外部ツールやデータソースに安全にアクセスするための標準プロトコル「MCP（Model Context Protocol）」が、OAuth 2.1 ベースの認証・認可フレームワークを導入し、エンタープライズ環境での採用が加速しています。本記事では、MCP の認可仕様の仕組みと、企業導入における設計ポイントを解説します。 MCP とは MCP（Model Context Protocol）は、AI アシスタントがツール、データソース、サービスといった外部リソースに接続するための標準プロトコルです。Anthropic が提唱し、オープンな仕様として公開されています。 MCP を使うことで、AI エージェントは以下のようなことが可能になります： 社内データベースへのクエリ実行 外部 API の呼び出し ファイルシステムの操作 各種 SaaS サービスとの連携 OAuth 2.0 から 2.1 へ：何が変わったのか OAuth 2.1 は OAuth 2.0 の後継仕様であり、これまで個別の RFC やベストプラクティスとして散在していたセキュリティ強化策を統合したものです。MCP がベースとする OAuth 2.1 では、以下の重要な変更が含まれています： 変更点 内容 PKCE 必須化 全クライアント（パブリック・コンフィデンシャル両方）で必須に Implicit フロー廃止 アクセストークンが URL フラグメントに露出するリスクを排除 リフレッシュトークンのローテーション パブリッククライアントでのトークン漏洩時の影響を軽減 リダイレクト URI の厳密一致 ワイルドカードによるオープンリダイレクト攻撃を防止 つまり、OAuth 2.1 は「新機能の追加」というより、OAuth 2.0 時代に発見された攻撃手法への対策を標準に組み込んだものです。 MCP の認可アーキテクチャ MCP の認可仕様では、OAuth 2.1 をベースに、AI エージェント特有の要件に対応した複数の仕組みを組み合わせています。 ...

2026年3月22日、イーロン・マスクは Tesla、SpaceX、xAI の共同プロジェクトとして、世界最大規模のチップ製造施設「TERAFAB（テラファブ）」を発表した。年間 1TW（1兆ワット）のコンピュート能力生産を目指す壮大な計画だ。 TERAFAB の概要 TERAFAB はテキサス州オースティンのギガ・テキサス北キャンパスに建設される、250億ドル規模のチップ製造施設。ロジック、メモリ、先進パッケージングを1つの屋根の下に統合した垂直統合型ファブとなる。 主な特徴： 建設地: テキサス州オースティン（ギガ・テキサス） 投資規模: 約250億ドル 目標: 年間 1TW のコンピュート能力を生産 プロセス技術: 2nm（最先端ノード）を目指す 統合範囲: チップ設計、リソグラフィ、製造、メモリ生産、先進パッケージング、テストまで一貫 なぜ TERAFAB が必要なのか マスク氏は発表で、現在の世界中のチップメーカー（TSMC、Samsung など）の合計生産量では、自身のプロジェクト群が必要とするチップの約2%しかまかなえないと説明した。 「既存のサプライチェーン、Samsung、TSMC、Micron などには非常に感謝している。しかし、彼らが快適に拡張できるペースは、我々が望むペースよりはるかに遅い。チップが必要なので、TERAFAB を建設する」 需要の内訳： オプティマスロボット: 年間1〜10億台の生産目標。これだけで 100〜200GW のチップが必要 太陽光発電 AI 衛星: テラワット級のチップが必要 地上 AI コンピュート: 100〜200GW 程度 宇宙向け: 全体の約80%が宇宙向け、20%が地上向け チップのロードマップ 用途別に専用チップが開発されている： チップ 用途 特徴 D3 宇宙（AI 衛星） 宇宙最適化設計。放射冷却器の質量削減のため高温動作 AI5 Tesla FSD / ロボタクシー エッジ/推論チップ。2026年に少量生産開始、2027年に量産予定 AI6 オプティマスロボット ロボット駆動用チップ また、100kW 級の AI Mini Sat（太陽光パネル＋熱放射器付き）のプロトタイプも紹介され、将来的にはメガワット級までスケールアップする計画だ。 カルダシェフ・スケールと銀河文明 マスク氏は冒頭で「まともな文明なら、少なくともカルダシェフ II 型に到達する必要がある」と述べた。カルダシェフ・スケールとは、文明を利用可能なエネルギー量で分類する指標で、Type II は恒星のエネルギーを完全に利用できるレベルを指す。 ...

Browser Use CLI 2.0 がリリースされた。Playwright より速く、コストも半分。起動中の Chrome にそのまま接続できるこのツールは、AI エージェント時代のブラウザ自動化の本命になりそうだ。 Browser Use とは Browser Use は、AI エージェントのためのブラウザ自動化フレームワーク。GitHub スター数は 85,000 超で、Python ベースのオープンソースプロジェクトだ。 従来の Playwright がセレクタベースで要素を特定するのに対し、Browser Use はページ上のインタラクティブな要素をインデックスで管理する。セレクタのメンテナンスが不要で、AI エージェントとの相性が良い。 CLI 2.0 の主な特徴 2026年3月22日にリリースされた CLI 2.0 では、以下の改善が入った。 処理速度 2 倍・コスト半減 バックグラウンドデーモンがブラウザをコマンド間で維持するため、コマンド実行あたりのレイテンシは約 50ms。毎回ブラウザを起動する Playwright と比べて圧倒的に速い。 起動中の Chrome に接続可能 3 つのブラウザモードをサポートする: マネージド Chromium: ヘッドレスで自動管理 リアル Chrome: 既存のユーザープロファイル（Cookie、セッション）をそのまま利用 クラウドブラウザ: Browser Use Cloud API 経由 リアル Chrome モードでは、ログイン済みのセッションをそのまま使える。API が提供されていないサービスでも、ブラウザを直接操作して自動化できる。 AI コーディングツールとの統合 Claude Code、Cursor など主要な AI コーディングツールから直接利用できる。ターミナルからブラウザを操作するワークフローがシームレスになった。 セットアップ 1 2 3 4 5 6 7 8 # インストール（pip install browser-use でも可） uv pip install browser-use # Chromium のインストール browser-use install # 環境チェック browser-use doctor なぜ CDP 直叩きが効くのか Browser Use の高速性の鍵は、Chrome DevTools Protocol（CDP）を直接利用している点にある。 ...

2026 年 3 月 20 日、Anthropic が Claude Code の新機能「Channels」をリサーチプレビューとしてリリースしました。Telegram や Discord から Claude Code セッションにメッセージを送り、PC 上で開発タスクを実行させることができる機能です。この記事では Claude Code Channels の概要と、OpenClaw と組み合わせた AI 開発ワークフローの可能性について紹介します。 Claude Code Channels とは Claude Code Channels は、MCP（Model Context Protocol）サーバーを通じて外部のメッセージングプラットフォームから Claude Code のセッションにイベントをプッシュする仕組みです。従来の「ターミナルの前に座って対話する」同期的なモデルから、非同期的にどこからでも AI エージェントに指示を出せるモデルへの転換を実現します。 主な特徴 双方向チャットブリッジ: Telegram や Discord からメッセージを送ると、Claude Code が読み取って処理し、同じチャネルに返信を返す ローカル実行: 開発作業は自分の PC 上で実行される。ファイルアクセスやコマンド実行はすべてローカル MCP ベース: Anthropic が推進するオープンプロトコル MCP 上に構築 プラグイン方式: Telegram・Discord が公式プラグインとして提供され、カスタムチャンネルの自作も可能 セットアップの流れ（Telegram の場合） Telegram の BotFather で新しいボットを作成しトークンを取得 Claude Code でプラグインをインストール: /plugin install telegram@claude-plugins-official トークンを設定: /telegram:configure <token> Channels を有効にして Claude Code を起動: 1 claude --channels plugin:telegram@claude-plugins-official Telegram でボットにメッセージを送りペアリングコードを取得、Claude Code で承認 動作要件 Claude Code v2.1.80 以上 Bun ランタイム（Node.js では動作しない点に注意） claude.ai ログイン認証（API キー認証は未対応） Team/Enterprise プランでは管理者による有効化が必要 OpenClaw とは OpenClaw はオーストリアの開発者 Peter Steinberger が開発した、オープンソースの自律型 AI エージェントです。2026 年初頭に 72 時間で GitHub スター 60,000 を獲得するなど爆発的に普及しました。 ...

OpenClaw を使っていて API コストが気になっていませんか？ ClawRouter は、リクエストごとに最安のモデルを自動選択してくれるオープンソースの LLM ルーターです。最大約92%のコスト削減が期待でき、しかも完全無料で利用できます。 ClawRouter とは ClawRouter は、OpenClaw 向けに設計されたエージェントネイティブな LLM ルーターです。MIT ライセンスで公開されており、誰でも無料で利用できます。 主な特徴: 55以上のモデルに対応 — DeepSeek V3.2、Nemotron Ultra 253B、Mistral Large 3 675B、Llama 4 Maverick など 1ms 未満のルーティング — すべてローカルで処理されるため、レイテンシの追加はほぼゼロ 15次元のリクエスト分析 — 各リクエストを多次元で要素分解し、最適なモデルをスコアリング 11モデルが完全無料 — 簡単なクエリは無料モデルに自動ルーティング どれくらいコストが下がるのか ClawRouter の公式ベンチマークによると: 指標 値 ClawRouter 平均コスト $2.05 / 100万トークン Claude Opus 直接利用 $25 / 100万トークン 削減率 約92% たとえば「2+2は？」のような簡単な質問は、DeepSeek などの無料モデルに自動ルーティングされます。一方、複雑な推論が必要なタスクにはプレミアムモデルが選択されるため、品質を犠牲にしません。 仕組み ClawRouter は各リクエストに対して以下のプロセスを実行します: リクエスト分析 — 入力テキストを15次元で要素分解（タスクの複雑さ、必要な推論能力、言語、コンテキスト長など） スコアリング — 各モデルの能力とコストを総合的に評価 ルーティング — 最もコスト効率の良いモデルを自動選択 この全プロセスが 1ms 未満で完了します。 ...