Case studies

実践事例

AIの名前を並べるのではなく、目的、分担、確認点、分かったことをひとまとまりにします。以下はnote記事の実践記録に基づく要約です。

実証・試行中

クラウドAIとローカルAIの分業

目的：高性能モデルの使用量を抑えながら、大量・長時間の下準備を進める。

分担：Ollama上のローカルモデルが画像分類やスクリプトの下準備、クラウドAIが複雑な判断と仕上げ、人間が原本保護と最終確認を担当。

知見：速さだけでなく、作業量・プライバシー・ハードウェア・確認方法を含む運用設計が重要。

実施済み

目的：専門知識が限られる個人でも、構成・文章・HTML/CSSを段階的に作る。

分担：人間が世界観、目的、公開範囲を決め、AIがサイトマップやコードを作成。実ファイル、スマートフォン表示、リンクを人間が確認。

知見：AIへの丸投げではなく、1ファイル・1工程ごとの確認が手戻りを減らす。

実証・試行中

目的：内容整理に強いNotebookLMの音声を活かし、動きのあるYouTube動画へ変換する。

分担：素材の内容整理と画像準備を行い、FFmpegで画像正規化、ズーム・パン、音声結合を処理。人間が内容・権利・完成映像を確認。

知見：手編集の反復を「素材とルールを流し込む仕組み」へ置き換えられる。

実施済み

目的：AIを難しい専門技術のままにせず、地域の仕事・活動・表現へ接続する。

内容：動画要約、プロンプト作成、画像・音楽生成、資料整理、複数AIの使い分けを体験。ハルシネーションと最終判断も共有。

知見：「完璧に理解してから」ではなく、小さく試しながら限界も学ぶ場が有効。

実証・試行中

目的：大量の行政・技術資料を読み、市民側の情報の非対称性を小さくする。

分担：NotebookLM等でソースを限定し、複数AIで交差確認。論点・反論・出典を構造化し、人間が事実、表現、公開判断を担う。

知見：感情の正当化ではなく、証拠・争点・成果物・運用の4層を分ける必要がある。

構想・研究提案

目的：問い合わせ対応を冷たい完全自動返信にせず、過去の文脈を思い出す支援にする。

提案：公式LINEのWebhookとデータベースを用い、AIが返信下書きを作り、人間が確認して送信する段階導入。

注意：記事上の設計提案であり、完成済みの提供サービスとしては掲載しない。

Shared practice

ローカルAI運用、Webリニューアル、動画自動生成などの実際の画面や解説をYouTube動画アーカイブで公開しています。