「コード書けないオジサン」が拓くノンプログラマーDXの最前線──建築士が実証する生成AI業務活用術

東海地区で建築設計事務所を営む建築士が、自ら「コード書けないオジサン」と称しながら、ChatGPTとClaudeを活用して業務効率化ツールを次々と開発しています。この連載は既に第6話を数え、野良DXFファイルの解析から始まった取り組みは、今や業界の注目を集める実践事例となっています。

従来、業務のデジタル化には専門的なプログラミング知識が不可欠とされてきました。しかし生成AIの登場により、「業務課題を言語化できる専門家」こそが最も効果的なツールを生み出せる時代に突入しています。この事例は、その典型例と言えるでしょう。

業務知識こそが最大の武器

このシリーズの最大の特徴は、プログラミングスキルではなく「業務への深い理解」を起点にしている点です。建築士という専門職だからこそ把握できる痛点を、生成AIに的確に伝えることで、実用的なツールが生まれています。

第1話で取り上げられた「野良DXFの3秒解析」は象徴的です。DXF（Drawing Exchange Format）は建築業界で広く使われるCADデータ形式ですが、フォーマットの不統一やデータ品質のばらつきが常に課題となっています。この「業界あるある」を熟知しているからこそ、解決すべき問題を正確に定義し、AIに適切な指示を出せるのです。

「ブッ込みまくる」という実践主義

投稿で使われている「業務をブッ込みまくる」という表現は、試行錯誤を恐れない姿勢を端的に示しています。完璧なプロンプトを最初から目指すのではなく、実際の業務データを投入し、結果を見ながら改善していく──このアジャイル的アプローチが、生成AI活用の現実的な成功パターンです。

従来のローコードツールとの決定的な違い

この事例を従来の「ローコード開発プラットフォーム」と比較すると、明確な差異が見えてきます。

**従来のローコードツール:**

**生成AI活用アプローチ:**

特に重要なのは、**業務フローの変化に即応できる柔軟性**です。ローコードツールでは大幅な仕様変更が困難ですが、生成AIなら「こう変えたい」と伝えるだけで対応できます。

ChatGPTとClaudeの使い分けという戦略

投稿者がChatGPTとClaudeの両方を活用している点も注目に値します。両者には以下のような特性差があります:

**ChatGPT（特にGPT-4系）の強み:**

**Claudeの強み:**

建築図面のような大規模データを扱う場合、Claudeの長いコンテキスト窓は決定的なアドバンテージになります。一方、対話を通じたアイデアブレストにはChatGPTが向いています。この「適材適所の使い分け」が、連載を第6話まで継続できている要因でしょう。

メリットと注意すべき落とし穴

**明確なメリット:**

1. **初期投資の最小化** - 高価な開発ツールや外注費が不要

2. **ドメイン知識の直接活用** - 専門家自身が開発者になれる

3. **イテレーション速度** - 思いついたらすぐ試せる

4. **属人性の排除** - コードとプロンプトが残れば再現可能

**注意すべきポイント:**

1. **生成コードの品質保証** - セキュリティやエラーハンドリングの検証は必須

2. **依存関係の管理** - ライブラリのバージョン変更への対応

3. **大規模化の限界** - 複雑なシステムには設計スキルが必要

4. **AIサービスへの依存** - APIの変更や価格改定のリスク

特に業務の基幹システムとして使う場合、生成されたコードの**レビューと検証**は欠かせません。建築でいえば構造計算のようなもので、「動けばいい」では済まない領域があります。

どんな人・場面に向いているか

このアプローチが特に効果を発揮するのは:

逆に向いていないのは:

建築設計事務所という文脈は、まさに「向いている」条件を満たしています。専門性が高く、既製品では痒いところに手が届かず、かつ業務フローを最も理解しているのは現場の建築士自身という状況です。

アクション1: 「3分ルール」で業務の棚卸しをする

明日の業務で「これ、毎回やってるけど面倒だな」と感じた瞬間をメモしてください。3分以上かかる定型作業が見つかったら、それがAI自動化の候補です。

具体的には:

これらを紙かメモアプリに書き出し、週末に1つ選んでChatGPTに「こういう作業を自動化したいんだけど、どうすればいい?」と相談してみましょう。

アクション2: 「説明駆動開発」を実践する

生成AIにコードを書かせる前に、**人間に説明するつもりで業務フローを文章化**してください。

【現状】
- フォルダAに毎日PDFファイルが追加される
- ファイル名は「YYYYMMDD_顧客名.pdf」形式
- これを顧客名ごとのフォルダに自動で振り分けたい

【期待する動作】
1. フォルダAを監視
2. 新規PDFを検出
3. ファイル名から顧客名を抽出
4. 該当する顧客フォルダに移動（なければ作成）
5. 処理ログをCSVに記録

この文章をそのままChatGPTやClaudeに渡せば、実用的なコードが返ってきます。「プログラミング用語」で考える必要はありません。

アクション3: 小さく始めて段階的に拡張する

最初から完璧なツールを目指さず、**最小機能から始める**のが成功の鍵です。

**ステップ1:** 手動で実行するスクリプトを作る

**ステップ2:** エラーハンドリングを追加する

**ステップ3:** ログ機能を追加する

**ステップ4:** スケジュール実行できるようにする

この段階的アプローチなら、各ステップで動作確認でき、問題の切り分けも容易です。「コード書けないオジサン」シリーズも、おそらくこの方法で進化してきたはずです。

この事例が示しているのは、「プログラミングスキル」と「問題解決能力」の分離です。生成AIは後者を持つ人なら誰でも、前者の恩恵を受けられる時代を実現しました。

建築士、会計士、弁護士、医師──高度な専門知識を持ちながらIT化の恩恵を十分に受けられていなかった職種こそ、生成AIの最大の受益者になり得ます。「コード書けないオジサン」という自虐的なタイトルの裏には、新時代の働き方への確信が感じられます。

あなたの専門分野には、どんな「3秒で解析したい野良データ」がありますか? その答えこそが、AI活用の出発点です。

この情報は @architectJapan さんの投稿を参考にしています。