AIを使い始めて、勉強量が増えた話

9/28 ふらっと、AI勉強会。　登壇資料
https://peatix.com/event/5175511

Transcript

1. ふらっと、AI勉強会。 AIを使い始めて、勉強量が増えた話 松⽥ 怜 Konel 2026.09.28 下北沢 砂箱
2. ⾃⼰紹介 02 松⽥ 怜 Rei Matsuda Tech-Team Manager, Technical Director, Engineer at Konel 学⽣時代 九州⼯業⼤学⼤学院（情報⼯学修⼠） 流体⾳の基礎研究。⾳響計算プログラム開発や、 スーパーコンピューターでの⼤規模シミュレーション 前職 Accenture（Accenture Song） ⼤⼿メーカーの業務システム、ブランドサイト、 スマホアプリの開発 2024.11〜 Konel ソフト、ハード、ネットワーク、サウンド、3DCGなど を横断するジェネラリスト
3. ⾃⼰紹介 03 過去の担当案件 テクニカルディレクション、 制作管理 テクニカルディレクター、 エンジニア テクニカルディレクター、 エンジニア、サウンドプログラマー SF狂⾔ ZZZN Green Signal Mono no Aware SLEEP APPAREL SYSTEM ⼤阪‧関⻄万博の公式協⼒催事。 眠りを持ち運べる服。 イベント会場のリユース⾏動で⽣ 会場のリアルタイム映像演出 ⽣体データで⾳と光が変わる まれたCO2削減貢献量を知らせる 時報
4. 01 これまで 05 これまでのAIの使い⽅ ⾃分が分かっている仕事は、どんどん任せられるようになった 01 仕事の⼀部から、 コーディングまで任せる GPT-3の頃 仕事の⼀部を⼿伝ってもらう GPT-4〜5 コーディングは任せる コンテキストエンジニアリング コンテキストを渡すのが⼤事に 02 03
5. 01 これまで 06 これまでのAIの使い⽅ ⾃分が分からない領域では、⾯⽩いと思えるものが出てこなかった 01 02 仕事の⼀部から、 ⾃分があまり コーディングまで任せる 分からないところを任せる GPT-3の頃 企画を出させる 仕事の⼀部を⼿伝ってもらう デザインを出させる GPT-4〜5 うまくいかなかった コーディングは任せる コンテキストエンジニアリング コンテキストを渡すのが⼤事に 03
6. 01 これまで 07 これまでのAIの使い⽅ 今はここ。⾃分の仕事の⼿順を、AIと回している 01 02 03 仕事の⼀部から、 ⾃分があまり 仕事の⼿順を分解して、 コーディングまで任せる 分からないところを任せる ワークフローにする GPT-3の頃 企画を出させる よくやる⼿順を分解する 仕事の⼀部を⼿伝ってもらう デザインを出させる ワークフローを組む GPT-4〜5 うまくいかなかった 試しながら運⽤する コーディングは任せる コンテキストエンジニアリング コンテキストを渡すのが⼤事に 現在地
7. 01 これまで ワークフローをこなすだけなら、 ⾃動化と同じ AIは、もっと⾃分をエンパワメントできるはず 08
8. 01 これまで 09 ⼈間ボトルネック問題 AIが何をしているか分からないと、コントロールできない。分かろうとすると私で詰まってしまう AIは次々に進める 私が理解する ここで詰まる 任せるほど、⾃分がボトルネックになる 仕事として出す
9. 02 ZPDで考える 10 ZPD（最近接発達領域） ⼀⼈ではできないが、⽀援があればできる領域¹ ⾃分の領域 ⼀⼈でできる。良し悪しも判断できる ZPD 今はまだ難しい ZPD 説明や⼀緒に試す⽀援があればできる 今はまだ難しい ⽀援があっても、今はまだ届かない ⾃分の 領域 ⽣成AIと学習の研究でも使われている枠組み² ¹ Vygotsky, L. S. (1978). Mind in society. Harvard University Press. ² Makransky, G. et al. (2025). Educational Psychology Review, 37, 60. https://doi.org/10.1007/s10648-025-10039-x
10. 02 ZPDで考える 11 仕事として出してよいのは、ZPDまで ここまでは、⾃分の仕事として出してよい ⽀援を使えば、理解して確かめられる範囲 その外は、出さない 今はまだ難しい ZPD 責任が取れないから ⾃分の 領域
11. 02 ZPDで考える 12 範囲ごとに、AIとの関わり⽅を変える ⾃分の領域は、任せる かなり任せる。おかしければ気づける 基礎から学ぶ ZPDは、⼀緒に進める ⼀緒に進める AIと⼀緒に調べて、試して、学ぶ その外は、基礎から学ぶ ⼩さく分けて、教材や練習を作ってもらう 任せる
12. 02 ZPDで考える 13 学ぶと、⾃分の領域とZPDが広がる ⾃分がコントロールできる範囲が増える 問いかけるAIの⽀援は、外した後も残った¹ 今 学んだあと ZPD ZPD ⾃分の 領域 学ぶ ⾃分の 領域 前のZPD ¹ Yan, L. et al. (2025). Computers & Education. https://doi.org/10.1016/j.compedu.2025.105322
13. 14 03 ⾃分の領域とZPDを、広げながら作る 広げることも、仕事の⽬的の⼀つにしている
14. 03 ⾃分の領域とZPDを、広げながら作る 15 スタート地点とゴールは、⾃分で決める 調べたり探索したりはAIが得意。それだけなら、誰がやっても変わらない スタート地点 ゴール ⾃分の知識と経験 埋めたい問い 調べる、探索する（AIが得意） ここだけなら、誰がやっても同じになる どんな知識と経験から始めて、どの問いを埋めるか。そこに⾃分が出る 参考 Makransky, G. et al. (2025). Educational Psychology Review, 37, 60. https://doi.org/10.1007/s10648-025-10039-x
15. 03 ⾃分の領域とZPDを、広げながら作る 16 三段階で進める ここで⾯⽩さが決まる 01 02 03 問いの設定 探索と問いの更新 ゴールを決めて作る ブレストと学習で、 AIが探索し、 固まったら、形にする 何を確かめたいか決める 学びながら問いを更新する 01と02は、学ぶたびに⾏き来する
16. 03 ⾃分の領域とZPDを、広げながら作る 17 問いの壁打ち Brainstormingスキル（superpowers） AIの⽅から質問してきて、問いを⼀緒に作る。 壁打ちする 使っている⼈が多いスキル 私の使い⽅は、⾔われたまま答えないこと 問いかけてくるAIの⽅が、理解が残る¹ 問いが変わる 今回、何を 確かめたい？ ⼩さな教材で学ぶ ¹ Yan, L. et al. (2025). Computers & Education. https://doi.org/10.1016/j.compedu.2025.105322 AIを疑いながら議論する
17. 03 ⾃分の領域とZPDを、広げながら作る 18 RNDスキル 研究開発を進めるために使っているスキル。3つの役割がある rnd:search rnd:start rnd:learning 調べる 試す 学ぶ 先⾏研究を調べる ⼩さな試作で確かめる ⾃分向けの教材にする
18. 03 ⾃分の領域とZPDを、広げながら作る 19 rnd:search 先⾏研究を調べ、今やろうとしていることとの重なりを⾒る 残るもの 今やろうと していること 重なり 先⾏研究 参考にする⼿法と、差別化の⽅向 何を借りて、どこを⾃分で作るかが⾒えてくる
19. 03 ⾃分の領域とZPDを、広げながら作る 20 rnd:start spikeを⼤量に回して、捨てる spikeは、確かめるための⼩さな試作プログラム spike 深掘り 捨てる spike 「動いた」で終わらせない 動くものを眺めているだけで、 捨てる 捨てる spike 深掘り 仕事をした気分になれてしまう spike 捨てる spike 捨てる 分かったことを残す 捨てる spike 捨てる 深掘り 捨てた案も、理由を書く 結果を⾒て、深掘りするか、捨てるかを決める
20. 03 ⾃分の領域とZPDを、広げながら作る 21 SDD（Spec-Driven Development） 何を作るかを決めて、実装していく。AI時代の標準的な開発⼿法 Spec テスト 実装 何を作るか、 仕様どおりか確かめる テストが通るように作る 何はやらないかを決める テストを書く
21. 03 ⾃分の領域とZPDを、広げながら作る 22 SDDの「S」を、RNDで決める Sを決める前に、試してディレクションする rnd:search rnd:start Spec SDDで作る 調べる 試して、捨てる 何を作るか決める テストと実装 Sを決める前に試してディレクションしないと、⾯⽩いものは⽣まれにくい
22. 03 ⾃分の領域とZPDを、広げながら作る 23 rnd:learning 進めている内容を、⾃分の理解に合わせた教材にする 材料 AIがやった作業 できるもの rnd:learning 読む教材（HTML） ⾃分の理解に合わせて、 集めた論⽂や資料 教材にする 動かす教材（notebook） AIの説明は、分かったつもりを⽣みやすい。だから読むだけにせず、動かす¹ ¹ Makransky, G. et al. (2025). Educational Psychology Review, 37, 60. https://doi.org/10.1007/s10648-025-10039-x
23. 03 ⾃分の領域とZPDを、広げながら作る 24 教材が⾃動で届く仕組み 勉強して、成果物への理解と問いを深める AIと進める仕事 壁打ち、調べもの、試作 理解と問いを深める 教材を作る 私が、次の壁打ちに持ち込む rnd:learning 読む、動かす GitHubに集まる スマホで読む。notebookは⼿元のPCで rnd-learn-hub が⼀覧にする 教材サイトに届く Cloudflareから配信 参考 Liu, J. et al. (2026). Computers & Education, 241, 105473. https://doi.org/10.1016/j.compedu.2025.105473
24. 04 まだうまくいっていないことと、実物 25 ⾃分の理解度も、AIと共有してみたい ⼀緒に仕事をする⼈みたいに、理解に合わせて進め⽅を変えてほしい GitHub スキルセットと、理解している範囲 AI 共有しながら、⼀緒に進める 実験中。まだうまく回っていない 参考 Liu, J. et al. (2026). Computers & Education, 241, 105473. https://doi.org/10.1016/j.compedu.2025.105473
25. 04 まだうまくいっていないことと、実物 実際の様⼦ ⽣成しているspikeと、教材 このパートは撮影をご遠慮ください 26
26. 05 おわりに 27 この構造は、エンジニアでなくても使える Sを決める前。ここで⾯⽩さが決まる 01 02 03 問いの設定 探索と問いの更新 ゴール ブレストと学習 AIの探索と学習 Sを決めて、形にする 企画書を書く前にも、デザインを確定する前にも置き換えられる 看護、⼼理学、⼩学⽣のプログラミング。分野が違っても、問いかける⽀援は効いていた¹²³ ¹ Yan, L. et al. (2025). Computers & Education Education 詳細は参考⽂献 ² Makransky, G. et al. (2025). Educational Psychology Review ³ Liu, J. et al. (2026). Computers &
27. ふらっと、AI勉強会。 今⽇も勉強しています 作れるものと、⾃分で判断できることを、⼀緒に増やす 松⽥ 怜 Konel Tecnical Director ありがとうございました
28. 参考⽂献 参考⽂献 Liu, J., Zhang, Y., Li, W., Wang, Q., Niu, P., & Zhang, X. (2026). Adaptive vs. planned metacognitive scaffolding for computational thinking: Evidence from generative AI-supported programming in elementary education. Computers & Education, 241, 105473. https://doi.org/10.1016/j.compedu.2025.105473 Makransky, G., Shiwalia, B. M., Herlau, T., & Blurton, S. (2025). Beyond the “Wow” factor: Using generative AI for increasing generative sense-making. Educational Psychology Review, 37, 60. https://doi.org/10.1007/s10648-025-10039-x Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press. Yan, L., Martinez-Maldonado, R., Jin, Y., Echeverria, V., Milesi, M., Fan, J., Zhao, L., Alfredo, R., Li, X., & Gašević, D. (2025). The effects of generative AI agents and scaffolding on enhancing students’ comprehension of visual learning analytics. Computers & Education. https://doi.org/10.1016/j.compedu.2025.105322 29