6 min read
良い仕事を断っていると気づいた、あの日曜日
日曜の夜9時、マヤはある助成団体の応募要項をじっと見つめています。すでに4回読んだのに、一言も頭に入ってきません。彼女は小さな非営利団体のために助成金申請書を書く仕事をしています。一人だけ、チームなし、そして腕は確かです。それが問題なのです。予定はぎっしり埋まっていて、新しいクライアントが待っているのに、彼女はこれからフリーランスなら誰もが恐れるあの一文をメールしようとしています。「今は余裕がありません」。彼女はこの四半期ですでに3件のプロジェクトを断っています。仕事ができないからではなく、仕事に取りかかる前の部分、つまりリサーチと真っ白な最初の下書きが、彼女にはない時間を食い尽くしていたからです。
マヤは実在する一人の人物ではなく、説明のために作られた合成の人物像ですが、彼女が抱えるボトルネックは、ほぼすべての個人サービス提供者に心当たりのあるものです。ここでは、小さく計画的なAI活用の仕組みが、彼女を「仕事を断る」状態から「余裕を持って引き受けられる」状態へと変えた経緯を紹介します。
時間が実際どこに消えていたのか
マヤが正直に時間を計ってみると、遅いのは執筆の部分ではありませんでした。何を書きたいかさえ決まっていれば、申請書を書くこと自体は4時間ほどで済みます。そこにたどり着くまでに12時間かかっていたのです。新しい助成金案件が来るたびに、分厚い応募要項を読み込み、非営利団体の過去の報告書や過去の申請書を掘り起こし、山積みのメモを最初の段落に変えようと真っ白なページと向き合う必要がありました。彼女が対応できるクライアント数の上限を決めていたのは、執筆ではなくリサーチと真っ白なページだったのです。
彼女は誰もが思いつく解決策、テンプレートを試したことがありました。しかし予想通りの形で失敗しました。使い回した申請書は使い回しに見えるもので、助成団体はそれを見抜きます。彼女の採択率は、それぞれの申請がその特定のプログラムのために書かれたと感じられるかどうかにかかっていました。テンプレートは、時間を節約すればするほどお金を失う場所で、まさに時間を節約してしまっていたのです。彼女に必要だったのは、声のトーンを均一化することなく、地道な作業だけを速めてくれる何かでした。
採算を変えた仕組み
マヤは2つの部分から成る仕組みを作り上げました。どちらの部分も、コピー、ペースト、そして明確な指示を書くこと以上の技術力は必要ありませんでした。
1つ目はリサーチの統合です。彼女はGoogleのNotebookLMを使い始めました。これは自分の文書をアップロードし、インターネット全体からではなく、その文書だけを根拠にした回答を得られるツールです。そこに応募要項、クライアントの年次報告書、そしてクライアントが過去に採択された申請書を2件投入しました。すべてを4回読み直す代わりに、直接的な質問を投げかけました。この助成団体が重視すると言っているのは何か、この非営利団体が測定可能な成果を示しているのはどこか、どんな受給資格ルールが自分たちを失格にしうるか、といった具合です。回答はアップロードしたファイルだけから得られるため、実際の文書に根ざしており、それぞれが元の該当箇所にリンクしているので確認もできました。このツールについては、なぜNotebookLMが個人事業主に足りなかったリサーチアシスタントなのかという記事でより詳しく取り上げていますが、マヤの使い方はまさにその主張を実践したものです。
2つ目は真っ白なページの問題です。リサーチメモを手元に、彼女はClaudeを使って、構成済みのブリーフを大まかな初稿に変換しました。「助成金申請書を書いて」とは決して頼みません。それでは月並みでぼんやりしたものしか出てこないからです。実際のメモ、助成団体の優先事項、クライアントの本物の数字を与え、それぞれのセクションについて、平易で具体的な言葉遣いでの下書きを求めました。返ってきたものはそのまま送れるものではありません。骨組みが正しい位置に収まった土台であり、これこそ以前はゼロから3時間かけて作っていたものでした。気分によってはChatGPTでも同じ結果を得ました。どちらのツールを使うかよりも、実際の素材を与えるという習慣の方が重要だったのです。
この変化が実際に生み出したもの
数字は重要な方向へと動きました。マヤは労働時間を増やすことなく、無理のない上限を月3件から月5件に増やしました。1件あたり12時間かかっていた事前作業は、およそ5時間まで縮まりました。読み込みと真っ白なページという、最も時間のかかる2つの工程がAIの助けを得たからです。この空いた余力のおかげで、これまで断っていたクライアントにも「はい」と言えるようになったのです。
もっと静かな収穫は品質でした。機械的な作業が速くなった分、彼女は残りの時間を、自分にしかできない部分、つまり物語性、切り口、この非営利団体がこの助成金にふさわしい具体的な理由に注ぎ込めるようになりました。彼女の下書きは、以前より画一的になるどころか、むしろ一つひとつに合わせたものになりました。これはテンプレート時代に彼女に起きていたことの正反対です。日曜の夜も戻ってきました。これは何度も見てきたパターンで、直近ではあるソロ旅行アドバイザーがリサーチをAIに任せたことで夜の時間を取り戻した例でも見られました。
マヤの仕組みから学べること
この3つの教訓は、助成金申請の枠を超えて、ほぼあらゆる個人向けサービス業に当てはまります。
- 何かを自動化する前に、本当のボトルネックを見つける。マヤの場合、それは執筆ではなく、リサーチと真っ白なページでした。1週間、正直に自分の時間を計ってみましょう。気が重い工程こそ、たいてい任せる価値のある工程であり、それは思い込んでいた工程とは違うことがほとんどです。
- AIには自分の素材を与える、あいまいな依頼は禁物。ありきたりな駄作と役立つ下書きの違いは、投入するものの質にあります。本物のメモ、本物の数字、本物の要項です。ツールの出来は、与えるブリーフの出来次第です。この点はプロンプトを書き始めて最初の1時間でより良い指示を書くコツのガイドでも説明しています。
- 自分にしかできない部分を守る。マヤはAIに地道な作業を任せ、判断力、声のトーン、クライアントとの関係は自分の手元に残しました。その境界線があったからこそ、彼女の仕事は無難になるどころか、むしろ良くなったのです。この「一つの素材から多くの成果物を」という同じ論理は、1本のブログ記事を1週間分のコンテンツに変える方法を解説した記事でも紹介しています。
マヤとまったく同じツールや、まったく同じ職種である必要はありません。必要なのは彼女の動き方です。遅い工程に名前を付け、その機械的な部分を本当に詳細なブリーフとともにAIに渡し、浮いた時間を自分にしかできない仕事に注ぎ込むことです。
あなたの1週間に隠れている「12時間の工程」は何でしょうか。コメント欄で教えてください。AIの助けが最も効きそうな場所をご提案します。
