目標を与えて眠りにつけば、タスクは終わっている

彼女が現時点でいちばん気に入っている操作は、Attio（CRM、顧客関係管理ソフトウェア）を設定していたときに起きた。彼女を手伝うスタッフは、通話とメールで起きたことに基づいて、各顧客のレコードを埋めて正確にする必要があった。

彼女は一件ずつ埋めていったわけではない。Codex に1つの目標を与えた：数百件の顧客と見込み客をカバーする形で、CRM を自分の会話と受信トレイで実際に起きたことを正確に反映するものにすること。目標を与える際には、しっかりしたプロンプトと方向性の説明も添えた。目標を渡し終えると、彼女は眠りについた。6時間後、本来なら数週間かかる人手作業がすべて完了していた。

ループの両端を人間が押さえ、真ん中はすべて AI に任せて実行する：
1. 冒頭（人）：これに取り組む価値があるか、つまりやる価値のある目標かを判断する
2. 中間（AI）：一件ずつ処理するのではなく、このタスク全体の種類を一括処理できるシステムを組んで実行する
3. 終盤（人）：AI が出した結果をレビューし、磨き上げる
4. フィードバック：このサイクルで学んだことをシステムに戻し、次のサイクルの精度を上げる

彼女はポッドキャストの中でループの構造と各アプリの作り方を口頭で説明していたが、それぞれのワークフローの逐語的なプロンプトは Every の有料コンテンツに残されており公開されていない。真似できるのはパターンと構造であり、そのままコピペできる原文ではない。

学習資料を自動で通勤中に読める漫画にする

これは彼女が作った中でいちばん気に入っている skill であり、本人いわく「いちばん罪悪感のある楽しみ」でもある。約半年前、あるプロンプト（もともとコンサルティングチームのエンジニア Nateesh が社内 AI 従業員 Claudia をベースに作った）に端を発している。

これは彼女が新しいトピックを学ぶときに必ず問う4つの質問を、1つのフレームワークとして固定化したものだ。週末には長時間かけてこの手の深い解説記事を読むことが多いが、土曜まるまる使える余裕がないときは、Codex のビジョンモデルを使って、長い解説記事を一連の漫画に変換し、地下鉄の中や散歩中、コーヒーを飲みながらでも読み終えるようにしている。

1. このトピックの歴史はどうなっているか？
2. それを動かしている第一原理は何か？
3. どうやって一歩ずつ今日の局面に至ったのか？
4. このトピックが置かれている市場では、どんな変数が働いているか？

彼女が解剖学を学んだときの例を挙げると：筋肉は靭帯より先に強くなり、靭帯は骨より先に強くなる、つまり力の向上は体の部位ごとに異なる時間スケールで起きるということを学んだ。（この「骨がいちばん遅く強くなる」というディテールは、後述する彼女がなぜ CRM を購入したのかという話でもう一度出てくる。）

彼女の Codex プロジェクトは、そのまま学習コースの名前で命名されている。たとえば「セールス戦略」「あなたの父」「NZQ 認識論」（アリストテレスの三段論法体系）といった具合だ。同じ4問フレームワークは、他のどんなトピックの学習にもそのまま使える。

自分のメールボックス用に仕分けツールを作る

この節は、彼女のやり方の中でもっともすぐに実践できるサンプルだ：反復作業に出くわしたら、その場で Codex にボタンを1つ作らせる。

このツールは Dan がオープンソース化したメールアプリ（元の名前は inbox sweep、現在は Tend）の上に構築されている。そのアプリはメールを1枚1枚のカードに変換し、機微な内容にモザイクをかける。彼女はその上に大量のカスタマイズを施したが、いちばん重要なのは、直近の送信済みメール150通彼女が約1年前に作った「代筆」skill で、AI に様々な場面での自分の話し方を把握させた、最も初期の skill の1つを使って、AI に自分の口調を真似た返信の下書きをさせるよう訓練したことだ。彼女の言葉を借りれば：私のメールボックスは私自身よりも今何が起きているかをよく知っている。だからそれが書く下書きは、私自身が今考えていることより少し正確かもしれない。

彼女はこのツールに7つのアクションボタンを追加し、それぞれが彼女が実際に1通のメールを処理する際に行う動作に対応している。このリストはそのままコピーできる：

1. 承認して送信（AI がすでに彼女の口調で返信を下書き済み、ワンクリックで送信）
2. 書き直しを要求（下書きに満足できない場合、AI に書き直させる）
3. アーカイブ
4. 対応する顧客の markdown ファイルにアーカイブ（返信しなくても、文脈がその顧客専用ファイルに保存される）
5. Asana タスクに変換
6. 迷惑メールとしてマーク
7. 保存

さらに重要なのはこのロジックの出どころだ：彼女はセールスパイプラインの仕分けフローを手描きし、「見知らぬ相手からのメールがパイプラインの次のステップに進むにはどんな条件を満たす必要があるか」という複雑なロジックを図に描き起こし、そのフロー図を PDF にして Codex に渡した。同じロジックが、彼女のメール仕分けと Attio CRM の両方を同時に動かしている。

いちばん手っ取り早い始め方：ポッドキャスト公開時に、Every はこのメールアプリ Tend をオープンソース化する予定だという。Dan はある近道を教えてくれた：この動画を Codex に投げ込み、Codex に最後まで見させれば、使い勝手は同じだが自分専用のバージョンをそのまま真似て作ってくれる。

81歳の父親の多方面介護を調整するアプリを作る

同じ「自分専用にシステムを組む」というやり方を、彼女は普通の人なら自分で手を動かそうとは思わない場面にも使った。彼女の父親は81歳で、複数の看護師の介護を受けている。

これは13時間の Codex プロジェクトで、プロトタイプから、パスワード保護付きで正式リリースされる完全な Web アプリまで一気に作り上げた。この家族が介護を調整するための基幹システムとなった。

1. 複数の看護師が提出する Google フォームの報告を取り込む
2. 家族の WhatsApp グループでの気軽な更新（診察の様子、投薬量の状況など）を取り込む
3. 上部に「最新状況」のまとめを表示
4. スペイン語/英語をワンクリックで切り替え（介護の更新は通常スペイン語だが、日中さっと確認したいときは英語に切り替え）
5. 看護師同士もお互いの記録が見えるので、介護の連続性が保たれる
6. 責任トラッカー：各家族が対応すべき事項は、未解決ならハイライト、完了すれば灰色に変わる

彼女はコロンビア出身で、介護の更新は通常スペイン語で行われる。日中さっと消化したいときは英語に切り替える。看護師にもそれぞれのバージョンがあり、お互いに何をしたか見えるので、介護に連続性が生まれる。価値はこのツール自体にあるのではない：看護師たちはこの家族がより主体的で頼れると感じるようになっただけであり、アプリは事務作業を全員の肩から下ろし、その結果家族は雑務に追われるのではなく、寄り添う時間にエネルギーを注げるようになった。

自分で CRM を作れるのに、なぜお金を払って買ったのか

Every には自分たちで CRM を寄せ集めるリソースがある（Fable はほぼ一発でコンテンツ管理システムを生成できるほどだ）が、それでも彼女は AI と Claudia を使って組み上げた自作の Google Sheets システムを手放し、Attio を購入した。彼女が挙げた理由は、汎用性の高い判断法だ。

AI 時代には、ほとんど何でも作れてしまう。本当に問うべきなのは「作れるかどうか」ではなく「作るべきか、そして長期的にメンテナンスし続けるべきか」だ。データ品質は継続的なメンテナンスがあってこそ、面白いことができるレベルまで良くなる。CRM をきちんとメンテナンスすること自体が、Attio の全業務なのだ。

1. まず問う：これが作れるかどうか ≠ 作るべきかどうか。本当に問うべきは作るべきか、そして長期的にメンテナンスし続けるべきかだ
2. 本物のソフトウェアとは、事前には想像もつかない何千もの具体的なロジックルールの集合であり、ソフトウェア企業の全仕事は、こうしたルールを収集し続け、問題が起きたときに修正することだ
3. AI はこの手の確定的なルールシステムの中で作業しコードを書くのは得意だが、一度にすべてのルールを正しく漏れなく書き切ることはできない
4. 判断のたとえ：ソフトウェアはあなたの骨格、AI モデルはあなたの脳と靭帯。骨格がなければあなたはぐにゃぐにゃのクラゲ、脳と神経系がなければあなたはただの棒の山だ

結果として、彼女は PRD（プロダクト要件定義書）と範囲確定の支持者になり、あるものを買うべきか作るべきかをより早い段階で判断するようになった。チームも同じ理由から、プロジェクト管理も Asana に切り替えた。チームが背負うメンテナンス負担を少しでも軽くするためだ。

1年経っても、Claudia はまだ人手が必要

Claudia は Every のコンサルティングチーム内部の AI 従業員で、以前に単独回で取り上げられたこともある。稼働1年を迎えたが、直近2ヶ月のモデルアップデートで、できることが大幅に増えた。

今の Claudia は自分専用の LinkedIn と Twitter アカウントを持ち、ダッシュボードを管理し、さらに「信頼バッテリー」という仕組みも備えている：それは1つのループの中で動いており、自己評価し、フィードバックに基づいて改善していく。

だが限界は正直だ：AI は標準作業手順に沿って実行するのが特に得意で、Claudia はこの点で非常に優秀な仕事をしている。しかしそれでも2つのものが必要だ。1つは継続的な人間による監督とマネジメント――センスや物事を極限まで磨き込むことは、依然として人間が方向性とマネジメントのサポートを与える必要があり、これは細々として時間もかかる。もう1つは、人間はやはり人間と関わりたいということだ。

そこでチームが取った動きは：人間の運用担当者をもう1人追加採用することだった。Claudia は豊富なデータとダッシュボードを差し出す役、人はその中からどれが注目に値するかを選び、その対話を主導する役を担う。AI がデータを差し出し、人が判断と行動を担う。

自分のチームで試してみたいなら、彼女が挙げる3つの始め方

これは、大きな組織にこのやり方を導入したいと考える人へ向けた彼女の3つのアドバイスだ：

余談だが、彼女が思いつきで AI を使ってその場で作った2つの小さなもの。ニューオーリンズ旅行中には、Claude に歩きながら自分と母親のためのスペイン語ガイドを生成させた。また自分の Spotify のプレイリストを読み込ませて、フランスの音楽フェスの中で自分たちが特に好きそうなバンドを選ばせたりもした。どれも同じ「ニーズにぶつかったらその場で組む」という気軽なやり方だ。

彼女はやり方を変えた：一件一件を自分の手で作るのではなく、結果が自然に育つようなシステムを組む。文中ではこれを「園芸」と呼ぶ。庭師は一株一株を自分の手で植えるのではなく、土壌・日光・水を整え、作物を自ら育たせる。彼女の仕事も「一通一通のメールを書く」ことから「そうした結果を自動的に生み出すシステムを組む」ことへと変わり、肝心な点でだけ手を出すようになった。

では「システムを勝手に走らせる」とは具体的にどんな構造なのか？彼女はそれを1つのループに分解した。次の図で見てみよう。

彼女がいちばん気に入っている事例：Attio（CRM、顧客関係管理ソフトウェア、顧客情報を保存するのに使う）を設定していたときのこと。数百件の顧客のレコードを通話とメールの内容に基づいて正確にする必要があった。彼女は一件ずつ埋めていくのではなく、Codex に目標を1つ与えてそのまま寝てしまった。6時間後に目覚めると、本来なら人手で数週間かかるはずの作業がすべて完了していた。

同じループで、彼女はそのまま真似できる3つのアプリも組み上げた。完全なリストはすべて本文にあり、そのままコピーできる：

• 学習漫画：固定4問フレームワーク（歴史 / 第一原理 / どう今日に至ったか / 市場にどんな変数があるか）を使い、長い解説記事を自動で通勤中に読める漫画にする。
• メール仕分け：直近の送信済みメール150通を使って AI に自分の口調を真似た返信を書かせるよう訓練し、7つのアクションボタンでワンクリック振り分け。
• 父親の介護：複数の看護師のフォーム＋家族グループのメッセージを集約し、上部に「最新状況」まとめ、中西バイリンガル切り替え、責任トラッカーを実装。

自分のチームで試してみたい？彼女が挙げる始め方の順序も本文にある：すでにある KPI/OKR/SOP（チームの目標と業務フローの規範）から始める → どの部分は人間にしかできないかを線引きする（電話をかけるなど）→ 小さなことから始め、一足飛びに「AI ファーストの組織」になろうとしない。

「かなり速くなった」だけでは実感が湧かないが、同じ作業に新旧それぞれどれだけかかるかで比べると一目瞭然だ。あの CRM 入力の例で言うと：