【3.7 Sonnet】経験豊富なコンサルとして、AI初心者〜中級者がやるべきことを解説し、アクションプランまで立ててみて下さい。AI時代を勝ち抜く知恵①
さて、今日も今日とて壁打ち千本ノック、連投中。
今回のネタは、目下話題のClaude 3.7 Sonnetを使ってのブログ生成。
わずか3週間前に、UPしたこちら（好評御礼）の、
Claude 3.7 Sonnetバージョン。
同じプロンプトで、やってみるとどうなるかなというテストです。
ほぼほぼまるまる生成結果のコピーアンドペーストとなりますので、
注意⚠️
前書き：AI時代の扉を開く
親愛なる読者の皆様へ
私たちは今、人類史上最も急速な技術革命の真っただ中にいます。人工知能（AI）は、もはや遠い未来の話ではなく、私たちの日常生活やビジネスの隅々にまで浸透しつつある現実です。この変革の波は、私たちの働き方、学び方、そして生き方そのものを根本から変えようとしています。
私がこのガイドを執筆したのは、この前例のない変化の時代に、あなたが自信を持って歩みを進められるよう、実践的な道標を提供したいと考えたからです。AI技術の進化スピードは目覚ましく、多くの人々がその可能性に期待する一方で、「どこから始めれば良いのか」「どのようにスキルを身につければ良いのか」という疑問や不安を抱えていることでしょう。
このガイドは、そんな疑問に答え、初心者から中級者へと成長するための具体的なロードマップを提供します。単なる技術解説ではなく、実践的なアクションプランと思考法を含む総合的なガイドとして、あなたのAIジャーニーを支援することを目指しています。
AI分野の最前線で活躍する専門家たちの知見を集約し、初心者でも理解しやすいよう心がけながらも、中級者にとっても価値ある内容となるよう構成しました。基礎概念の理解から、実践的なツールの活用法、AIとの効果的な協働、業界別の活用戦略、そして持続可能な学習習慣の確立まで、AIを真に使いこなすために必要な要素を網羅しています。
この本を読み進める中で、AIは単なるツールではなく、あなたの創造性と問題解決能力を拡張するパートナーであることに気づかれるでしょう。AIの力を借りながらも、最終的な判断と創造性は人間にあるという視点を持つことが、AI時代を生き抜くための鍵となります。
また、このガイドは一度読んで終わりではなく、繰り返し参照し、実践を重ねながら理解を深めていくための伴走者として活用していただければ幸いです。各章の最後に提案している「実践アクション」を実際に試してみることで、知識を体験に変え、真の理解へと昇華させることができるでしょう。
AI時代の扉は、すでに開かれています。この扉をくぐり、未知の可能性に満ちた世界へと踏み出す勇気を持つことで、あなたのキャリアと人生はこれまでにない広がりを見せることでしょう。このガイドが、その第一歩を踏み出すための確かな道標となることを心から願っています。
AIとの共創による新たな未来へ向けて、共に歩みを進めましょう。
AI時代を勝ち抜く知恵｜初心者から中級者へのマスタープラン
序章：変革の波に乗る
あなたは今、人類史上最も急速な技術革命の中心にいます。AIの進化は、私たちの生活やビジネスの在り方を根本から変えつつあり、この波に乗るか沈むかが、これからのキャリアを左右するでしょう。しかし、その可能性の海は広大で、どこから始めればよいのか迷っている方も多いはずです。
では、どうすれば良いのでしょうか？
この問いに明確な答えを示すため、私はAI分野の第一線で活躍する専門家たちの知見を集約し、初心者から中級者へと成長するための具体的なロードマップを作成しました。このガイドでは、AIの基本概念の理解から実践的なプロジェクト構築まで、段階的に進化するためのステップを詳細に解説します。
単なる知識の羅列ではなく、実際にAIを使いこなすためのスキルセットと思考法を身につけるための具体的な行動計画です。これから紹介する内容を一つひとつ実践していけば、AI時代の荒波を乗り越え、むしろその力を借りて大きく飛躍することができるでしょう。
あなたのAIジャーニーは、この瞬間から始まります。
第1章：AI理解の基礎構築
- 知識のファーストステップ
AIの世界に足を踏み入れる最初のハードルは、基本概念と専門用語の理解です。これは新しい言語を学ぶようなもので、「AIの文法」を習得しなければ、その後の応用も難しくなります。
AIとは何か？それは単に「人間の知能を模倣するコンピュータシステム」という表面的な定義にとどまりません。その背後には、機械学習、深層学習、自然言語処理、コンピュータビジョンなど、複雑に絡み合った技術の生態系があります。これらの技術は相互に影響し合いながら、私たちが目にするAIアプリケーションを形作っています。
例えば、ChatGPTのような大規模言語モデル（LLM）は、トランスフォーマーと呼ばれるニューラルネットワークアーキテクチャを基盤としています。このモデルは何十億もの文章データから学習し、パターンを認識することで、人間のような文章を生成できるようになりました。こうした技術の進化が、今あなたがこの文章を読む体験を可能にしているのです。
では、具体的にどのように学べばよいのでしょうか？
まず、AIの基礎を学ぶためのオンラインコースを受講することをお勧めします。Coursera、Udemy、edXなどのプラットフォームでは、初心者向けから専門家レベルまで、様々な難易度のコースが提供されています。特に、Andrew Ngによる「Machine Learning」や「Deep Learning Specialization」は、AIの基礎を体系的に学べる名講座として知られています。
次に、AIに関する入門書を読むことで、概念をより深く理解できます。例えば『人工知能は人間を超えるか』（松尾豊著）や『AI白書』（AIビジネス研究会編）などは、日本語で読める良質な入門書です。英語が読める方なら、『Artificial Intelligence: A Modern Approach』（Stuart Russell & Peter Norvig著）は包括的なAIの教科書として定評があります。
さらに、AIの専門用語集を作成し、定期的に更新することも効果的です。「ニューラルネットワーク」「バックプロパゲーション」「過学習」といった用語の意味を理解し、自分の言葉で説明できるようになることが、次のステップへの準備となります。
AIに関するポッドキャストやYouTubeチャンネルを定期的に視聴することも、最新トレンドをキャッチアップするのに役立ちます。「Lex Fridman Podcast」や「AI Alignment Podcast」などは、AI研究者や専門家のインタビューを聴くことができる貴重なリソースです。
これらの学習リソースを組み合わせることで、AIの基本的な概念と用語を理解し、次のステップへと進む準備が整います。この基礎知識は、AIツールを効果的に活用するための土台となるでしょう。
第2章：AIツールの実践的活用法
- 知識から実践へ
基本的な概念を理解したら、次は実際のAIツールに触れてみましょう。2023年時点で、ビジネスパーソンが活用できるAIツールは多岐にわたります。これらのツールを使いこなすことで、日々の業務効率を飛躍的に向上させることができます。
まず注目すべきは、ChatGPT、Claude、Google Bardなどの大規模言語モデル（LLM）です。これらのツールは単なるチャットボットではなく、テキスト生成、要約、翻訳、アイデア出しなど、様々なタスクをサポートします。例えば、マーケティング担当者なら、ターゲット顧客向けのコピーを短時間で複数バージョン作成し、A/Bテストに活用できます。プログラマーなら、コードの説明や修正、最適化の提案を受けることができます。
これらのツールを最大限に活用するためのカギは、効果的なプロンプト（指示）の書き方を学ぶことです。AIに何をしてほしいかを明確に伝えるためには、具体的で明確な指示、必要なコンテキストの提供、望ましい出力形式の指定が重要です。例えば、「マーケティングアイデアを教えて」ではなく、「20代の女性向けの化粧品の夏季キャンペーンで、SNSエンゲージメントを高めるための具体的なマーケティング戦略を5つ、それぞれ100字以内で提案してください」と指示するほうが、はるかに有用な回答を得られます。
次に注目すべきは、Midjourney、DALL-E、Stable Diffusionなどの画像生成AIです。これらのツールは、テキストプロンプトから高品質な画像を生成できます。マーケティング素材、プレゼンテーション資料、製品コンセプト画像など、ビジュアルコンテンツの作成プロセスを革新しています。例えば、「未来的なオフィスの中で働くビジネスパーソン、明るい光、広々とした空間、大きな窓、ミニマルデザイン」といったプロンプトから、プレゼン資料用の魅力的な画像を数秒で生成できます。
ビジネス特化型AIツールも急速に進化しています。例えば：
Jasper.ai：マーケティングコンテンツ作成に特化したAIライティングツール
Grammarly：文章の文法、スペル、スタイルを校正・改善するAIツール
Otter.ai：会議の文字起こしと要約を自動化するAIツール
Notion AI：ノートテイキングと知識管理を強化するAIアシスタント
Copy.ai：セールスコピーや広告文の生成に特化したAIツール
これらのツールを業務に組み込むことで、ルーティンタスクを自動化し、創造的な業務により多くの時間を割くことができます。
実践的なアクションプランとして、まずは3つの異なるAIツールを選び、2週間試用してみましょう。例えば、ChatGPTでメール作成の効率化、Midjourney（または同様のツール）でビジュアル素材の作成、Notion AIでミーティングノートの整理といった具合です。日常業務の中で、AIツールで自動化できるタスクを特定し、小さな成功体験を積み重ねていくことが重要です。
また、同じAIツールでも、異なるプロンプトで試してみることで、最適な使い方を見つけることができます。例えば、「このテキストを要約して」「このテキストの主要ポイントを5つ箇条書きで抽出して」「このテキストを初心者にわかりやすく説明して」など、同じ内容に対して異なるアプローチを試してみましょう。
さらに、同僚とAIツールの活用事例を共有する勉強会を開催することも効果的です。異なる視点からの活用法を学ぶことで、自分一人では気づかなかった可能性を発見できるでしょう。
第3章：AIとの効果的な協働
- 人間とAIの最適な関係構築
AIツールを使いこなすことは重要ですが、それ以上に重要なのは、AIと効果的に協働するスキルを身につけることです。これは「AIとの共創」とも呼ばれ、人間とAIがそれぞれの強みを活かして協力する新しい働き方です。
AIとの協働において最も重要なのは、批判的思考と評価能力です。AIの出力を鵜呑みにせず、常に批判的に評価する姿勢が必要です。特に、大規模言語モデルは「幻覚」と呼ばれる誤った情報を生成することがあります。例えば、存在しない研究論文や書籍を引用したり、実在しない人物や出来事について自信を持って語ったりすることがあります。
このような「幻覚」を見抜くためには、AIの出力を常に検証する習慣を身につけることが重要です。重要な事実や数字については、複数の信頼できる情報源で確認しましょう。また、AIの回答に対して「その情報源は何ですか？」「その結論に至った理由を詳しく説明してください」などと掘り下げることで、回答の信頼性を評価することができます。
次に重要なのは、創造性の発揮です。AIは既存のデータからパターンを学習しますが、真に革新的なアイデアは人間の創造性から生まれます。AIをアイデア生成の起点として活用し、そこから人間ならではの視点で発展させる思考法を養いましょう。
例えば、新製品のアイデアを考える際、AIに「スマートホーム市場の新製品アイデア」を提案してもらい、その中から興味深いものをピックアップして、自分なりにブラッシュアップするといった使い方が効果的です。AIが提案した「スマート窓」というアイデアに対して、「窓の透明度を自動調整する機能」「室内の温度に応じて開閉を最適化する機能」など、人間ならではの使用体験や課題解決の視点を加えていくことで、より実用的で魅力的な製品コンセプトに発展させることができます。
AIとの協働においては、倫理的判断力も重要です。AIの活用には倫理的な側面も伴います。プライバシー、著作権、バイアス、透明性など、AIの使用に関わる倫理的問題を理解し、責任ある判断ができるようになることが重要です。
例えば、AIを使って他者の文章のスタイルを模倣する場合、どこまでが「インスピレーション」でどこからが「剽窃」になるのか、AIが生成した画像を商用利用する場合の著作権はどうなるのか、AIが特定の集団に対して偏ったレスポンスを生成していないかなど、常に倫理的な観点から自分の行動を評価する習慣をつけましょう。
実践アクションとして、AIの出力に対する事実確認プロセスを確立しましょう。重要な意思決定に使用する情報については、必ず複数の信頼できる情報源で検証するルールを設けるといいでしょう。また、AIと協働したプロジェクトを1つ立ち上げ、成果を評価することも有効です。例えば、AIを使ってブログ記事のアウトラインを作成し、それを基に人間が記事を書き上げ、従来の方法と比較してどのような違いがあるかを分析するといった取り組みが考えられます。
AIの倫理に関するオンラインコースを受講することも、責任あるAI活用のために重要です。MIT、Harvard、Stanfordなどの大学が提供するAI倫理のコースや、「AI Ethics: Global Perspectives」（edX）などのプログラムがおすすめです。
AIの限界を理解するためのテスト実験も有効です。例えば、同じ質問を異なる方法で尋ねてみて、回答がどう変わるかを観察したり、AIに意図的に難しい質問や曖昧な指示を与えて、どのように対応するかを確認したりすることで、AIの能力と限界についての理解を深めることができます。
第4章：業界別AI活用戦略
- 専門分野でのAI革命
AIの活用方法は業界によって大きく異なります。自分の業界や職種に特化したAI活用法を学ぶことで、より実践的な知識を得ることができます。ここでは、主要な業界におけるAI活用の具体例を紹介します。
マーケティング・広告業界
マーケティング分野では、AIは顧客データの分析から、コンテンツ生成、パーソナライゼーションまで幅広く活用されています。
コンテンツ生成の自動化においては、AIを使ってブログ記事、ソーシャルメディア投稿、メールニュースレターなどを効率的に作成できます。例えば、特定のキーワードやトピックに基づいて、AIにブログ記事のアウトラインを生成させ、それをベースに人間がコンテンツを仕上げるというワークフローが効果的です。ただし、AIが生成した文章をそのまま使うのではなく、ブランドの声やトーンに合わせて編集し、独自の視点や専門知識を加えることが重要です。
顧客セグメンテーションと個別化では、AIを使って顧客データを分析し、より細かなセグメントに分類することで、ターゲットを絞ったマーケティングが可能になります。例えば、購買履歴、ウェブサイトでの行動、人口統計データなどを組み合わせて分析し、「30代前半の都市部在住で、環境問題に関心が高く、週末にアウトドア活動を楽しむ女性」といった具体的なペルソナを作成できます。このセグメントに対して、AIを使って最適なメッセージやオファーを作成し、コンバージョン率を高めることができます。
市場トレンド分析と予測においては、AIを使ってソーシャルメディア、ニュース、検索クエリなどのデータを分析し、新たなトレンドや消費者の関心の変化を早期に発見できます。例えば、特定の製品カテゴリーに関するソーシャルメディアの投稿や検索量の増加を検出し、需要の高まりを予測することで、マーケティング戦略やプロダクト開発の意思決定に活かせます。
A/Bテストの効率化では、AIを使って複数のバージョンのウェブページ、広告、メールなどをテストし、最も効果的なものを特定する過程を自動化できます。従来のA/Bテストでは、人間が仮説を立て、テスト設計し、結果を分析する必要がありましたが、AIを活用することで、このプロセスを大幅に効率化し、より多くのバリエーションを同時にテストすることが可能になります。
金融・投資業界
金融業界では、AIはリスク評価、不正検知、投資分析など、データ駆動型の意思決定を支援する様々な場面で活用されています。
リスク評価モデルの構築においては、AIを使って膨大な量の財務データ、市場データ、顧客データを分析し、より精度の高いリスク評価モデルを構築できます。例えば、融資申請者の信用リスクを評価する際、従来の信用スコアだけでなく、取引履歴、雇用状況、教育背景など多様なデータポイントを考慮した総合的な評価が可能になります。これにより、従来のモデルでは見落とされていた潜在的な良い顧客を発見したり、隠れたリスクを早期に検出したりすることができます。
不正検知システムの強化では、AIを使って通常とは異なる取引パターンをリアルタイムで検出し、潜在的な不正行為を特定できます。例えば、クレジットカード取引において、顧客の通常の支出パターン、位置情報、取引の時間帯などを分析し、異常な取引を即座にフラグ付けすることで、不正被害を最小限に抑えることができます。
投資ポートフォリオの最適化においては、AIを使って市場データ、企業財務データ、経済指標などを分析し、リスクとリターンのバランスが最適な投資ポートフォリオを構築できます。例えば、個人投資家の年齢、収入、リスク許容度などのプロファイルに基づいて、AIが最適な資産配分を提案し、市場環境の変化に応じて動的に調整することが可能になります。
顧客サービスの自動化では、AIチャットボットやバーチャルアシスタントを活用して、口座残高の確認、取引履歴の照会、基本的な金融アドバイスなど、一般的な顧客サービス業務を自動化できます。これにより、人間のカスタマーサービス担当者は、より複雑で価値の高い顧客対応に集中することができます。
医療・ヘルスケア業界
医療分野では、AIは診断支援、画像解析、個別化医療など、患者ケアの質を向上させる様々な場面で活用されています。
画像診断支援においては、AIを使ってX線、MRI、CTスキャンなどの医療画像を分析し、腫瘍、骨折、異常などを検出する精度を向上させることができます。例えば、放射線科医がAIによる画像解析結果を参照することで、小さな異常を見逃すリスクを減らし、より正確な診断が可能になります。特に、乳がんのマンモグラフィー検査や肺がんのCT検査など、微細な変化の検出が重要な分野で効果を発揮しています。
患者データ分析では、AIを使って電子カルテ、検査結果、遺伝子データなどを統合的に分析し、疾病リスクの予測や早期発見に役立てることができます。例えば、糖尿病や心疾患のリスクが高い患者を特定し、予防的な介入を行うことで、重篤な症状の発現を防ぐことが可能になります。
治療法の個別化においては、AIを使って患者の遺伝子プロファイル、病歴、生活習慣などを分析し、個々の患者に最適な治療法を提案できます。例えば、がん治療において、患者の遺伝子変異に基づいて最も効果的な薬剤を選択することで、治療効果を最大化しつつ、副作用を最小限に抑えることが可能になります。
医療文献の要約と知識抽出では、AIを使って膨大な量の医学論文や研究結果を分析し、最新の医学知識を抽出・要約することで、医療従事者の情報収集を支援できます。例えば、特定の疾患や治療法に関する最新の研究成果をAIが要約し、臨床現場での意思決定に役立てることができます。
製造・物流業界
製造・物流分野では、AIは需要予測、品質管理、サプライチェーン最適化など、効率性と精度を向上させる様々な場面で活用されています。
需要予測と在庫最適化においては、AIを使って過去の販売データ、季節性、市場トレンド、外部要因（天候、イベント、経済指標など）を分析し、より正確な需要予測を行うことができます。例えば、小売業者が特定の商品の需要を予測し、適切な在庫レベルを維持することで、在庫切れによる機会損失や過剰在庫によるコスト増を防ぐことができます。
品質管理の自動化では、AIを使って製造ラインの画像認識や音声分析を行い、製品の欠陥を検出する精度を向上させることができます。例えば、自動車部品の製造ラインで、AIが高速カメラの映像を分析し、微細な傷や変形などの欠陥を人間の目よりも正確に検出することで、品質管理の効率と精度を高めることができます。
予知保全システムの導入においては、AIを使って機械や設備のセンサーデータを分析し、故障や不具合を事前に予測することができます。例えば、工場の生産設備の振動、温度、音響などのデータをリアルタイムで監視し、通常とは異なるパターンが検出された場合にアラートを発することで、故障が発生する前に予防的なメンテナンスを行い、ダウンタイムを最小限に抑えることができます。
サプライチェーン効率化では、AIを使って複雑なサプライチェーンネットワークを最適化し、コスト削減と納期短縮を実現できます。例えば、原材料の調達から製造、配送までの各プロセスをAIが分析し、最適な調達先、生産スケジュール、輸送ルートを提案することで、全体の効率性を向上させることができます。
これらの業界別AI活用例を参考に、自分の業界や職種に特化したAI活用法を探索してみましょう。業界の先進事例を5つ調査し、自社の課題に対するAIソリューションの可能性を検討するワークショップを開催することも有効です。また、業界団体のAI関連セミナーやウェビナーに参加することで、最新のトレンドや成功事例について学ぶことができます。
第5章：AIプロジェクトの実践
- 理論から実装へ
理論を学んだら、実践に移る時です。小規模なAIプロジェクトから始めて、徐々に複雑なものに挑戦していきましょう。実際にAIプロジェクトを計画し、実行することで、これまでに学んだ知識を統合し、実践的なスキルを身につけることができます。
プロジェクト計画の立て方
AIプロジェクトを成功させるには、明確な目標設定、必要なデータの特定、適切なツールの選択、評価指標の確立が重要です。また、プロジェクトの範囲を適切に設定し、段階的に進めることで、リスクを最小化できます。
まず、解決したい具体的な問題や達成したい目標を明確にしましょう。例えば、「カスタマーサポートの問い合わせ対応時間を30%削減する」「マーケティングコンテンツの作成時間を半減させる」「製品レコメンデーションの精度を20%向上させる」など、具体的で測定可能な目標を設定することが重要です。
次に、目標達成に必要なデータを特定します。既存のデータソースを活用できるか、新たにデータを収集する必要があるか、データの質と量は十分かなどを検討しましょう。例えば、カスタマーサポートの効率化を目指す場合、過去の問い合わせ内容とその回答データ、対応時間のログなどが必要になるでしょう。
適切なAIツールやプラットフォームを選択することも重要です。目標とデータの性質に応じて、既存のAIサービス（ChatGPT API、Google Cloud AI、Amazon SageMakerなど）を活用するか、カスタムソリューションを開発するかを決定します。初めてのプロジェクトでは、できるだけ既存のサービスを活用し、開発の複雑さを低減することをお勧めします。
プロジェクトの成功を測るための評価指標も事前に設定しておきましょう。技術的な指標（精度、再現率など）だけでなく、ビジネス上の成果（コスト削減、生産性向上、顧客満足度など）も考慮することが重要です。
データの重要性
AIの性能は使用するデータの質に大きく依存します。データの収集、クリーニング、前処理、分析の基本的な手法を学びましょう。
まず、データ収集の方法を検討します。既存のデータベースからの抽出、APIを通じた外部データの取得、ウェブスクレイピング、アンケート調査など、様々な方法がありますが、目的とプライバシー規制に適した方法を選びましょう。
収集したデータは、通常、そのままでは使用できません。欠損値の処理、異常値の検出と対応、重複データの削除、形式の統一など、データクリーニングのプロセスが必要です。例えば、顧客データを分析する場合、名前の表記ゆれ（「鈴木太郎」と「鈴木 太郎」など）を統一したり、年齢が明らかに誤っているレコード（例：150歳）を修正したりする必要があります。
データの前処理も重要なステップです。カテゴリカルデータの数値化（ワンホットエンコーディングなど）、数値データの正規化やスケーリング、テキストデータのトークン化など、AIモデルが効果的に学習できる形式にデータを変換する必要があります。
AIプロジェクトの評価
プロジェクトの成功を測るためには、適切な評価指標が必要です。技術的な指標（精度、再現率など）だけでなく、ビジネス上の成果（コスト削減、生産性向上、顧客満足度など）も考慮しましょう。
例えば、AIを使ったカスタマーサポートチャットボットを導入した場合、技術的な評価指標としては「質問の正しい分類率」「適切な回答の提供率」などがありますが、ビジネス指標としては「対応時間の短縮」「カスタマーサポート担当者の作業量削減」「顧客満足度スコアの変化」などを測定することが重要です。
プロジェクトの評価は一度きりではなく、継続的に行うべきです。初期のパフォーマンスを基準として、定期的に再評価し、必要に応じて改善を加えていくことで、AIソリューションの価値を長期的に高めることができます。
実践アクション
具体的なアクションとして、業務効率化のための小規模AIプロジェクトを計画し、実行してみましょう。例えば：
社内の頻出質問に自動回答するチャットボットの構築
営業レポートの自動要約システムの開発
顧客フィードバックの感情分析ツールの作成
会議の自動議事録作成と重要ポイント抽出システムの実装
プロジェクト前後の効果測定方法を確立し、プロジェクトの成果と学びを文書化して組織内で共有することで、AIの価値を可視化し、次のプロジェクトへの支持を得やすくなります。また、プロジェクトの経験を基に、次のプロジェクトのためのロードマップを作成しましょう。
初めてのAIプロジェクトでは、完璧を目指すよりも、まずは小さな成功体験を積み重ねることが重要です。「小さく始めて、素早く学び、迅速に改善する」というアジャイルな姿勢で取り組むことで、リスクを最小化しながらも、有意義な成果を上げることができるでしょう。
#chatgpt #claude #gemini #genspark
#felo #deepseek #grok
【Genspark Plus招待リンク⬇️のお知らせ】
こちらの招待リンクを使っていただくと、招待する側とされた側の両方が、1ヶ月間無料でGenspark Plusをご利用いただけます。
・【招待リンク】
https://genspark.ai/invite?invite_code=MTVhMWQ4N2NMYWRmYkwwMWU0TDUzMGJMZTdjZTY5Yjk4NWVl…
・【対象ルール等】
Genspark Plusのご利用について
もし、まだ「Genspark Plus」で、
AIをのびのびと活用されていない方がいらっしゃいましたら、
この機会にぜひお試しください。
今回のClaude 3.7 Sonnetも使えるようになっており、さまざまな高機能AIツールを無料でお使いいただけるのが魅力です。なお、PLUS の方は利用登録の際には、電話番号の登録が必要となりますのでご了承ください。
私自身も日頃から愛用しており、ここしばらくは私のメインAIとして重宝しています。＊#GensparkPlus＊
参考：使い方動画
YouTubeで「genspark」と検索すると、使い方動画が多数見つかります。
いくつかご覧いただくだけで、その便利さや機能の充実度がお分かりになると思います。なお、画像生成機能やリサーチ機能なども備わっており、さまざまなシーンで活用可能です。⬇️以下検索結果リンク
https://www.youtube.com/results?search_query=genspark
ぜひこの機会に、Genspark Plusで新しいAI体験をお楽しみください！
いいなと思ったら応援しよう！
