3時間、溶かした。
Next.jsとSupabase認証の実装で、 Google認証は成功するのに セッションCookieが作成されず無限ループに陥るバグ。
最初にGeminiに相談した。 「Cookie処理の修正では？」 「DB接続タイムアウトの調整では？」 「環境変数の再設定では？」
どれも「よくある問題」からの推測だった。 3時間、一つずつ試して、一つも当たらなかった。
次にClaude Codeに相談した。 「まず、エラーの詳細を完全に可視化しましょう」。
段階的にログを取ると、10分で原因が見えた。 「sessionsテーブルが存在しない」。
初歩的なミスだった。 でも、推測で3時間かかったものが、 観察で10分で解決した。
このとき確信した。 ChatGPTで経営が変わらない理由は、 使い方ではなく前提にある。
ChatGPTの活用には二つの段階がある。
「使う」と「前提にする」。
「使う」とは、既存の業務にAIで便利さを足すこと。 議事録の要約、メールの下書き、アイデア出し。 便利にはなるが、経営の構造は変わらない。
3時間の格闘で体験したのは、まさにこの限界だった。
Geminiは「よくあるパターン」から推測した。 統計的に頻出するエラーを順番に提案してくる。 賢いアプローチだが、当たらなければ延々と彷徨う。
Claudeは「まず事実を見よう」から始めた。 段階的なログで何が起きているかを可視化し、 原因を特定してから解決策を出した。
推測より観察。仮説より事実。
この違いは、AIの優劣の話ではない。 「使う」と「前提にする」の違いそのものだ。
ChatGPTで文章を要約させるのは「推測型」の使い方。 AIで業務プロセス自体を設計し直すのが「観察型」の活用。
経営でもまったく同じことが言える。
「売上が下がった。たぶん営業の問題だろう」 ──本当にそうか。まず数字を見たか。
「社員のモチベーションが低い。たぶん給与の問題だろう」 ──本当にそうか。まず話を聞いたか。
推測は効率的に見えて、しばしば遠回りになる。 観察は非効率に見えて、しばしば最短ルートになる。
五次元経営ではこれを「AIネイティブ化」と呼んでいる。
- ChatGPT活用には「使う」と「前提にする」の二段階がある
- 推測型の活用は便利だが、経営の構造は変わらない
- 観察型の活用は業務プロセス自体を設計し直す
- 3時間→10分の差は「推測」と「観察」のアプローチの違い
- AIネイティブ化は経営の判断と方向づけに集中する構造をつくる
推測で3時間、観察で10分──その差の正体
Geminiのアプローチを振り返る。
「Next.js 15の非同期問題では？」→違った。 「DB接続タイムアウトの調整では？」→違った。 「環境変数の再設定では？」→違った。 「ライブラリを変更しましょう」→違った。
いずれも「よくある問題」からの推論だった。 統計的に頻出するパターンから、 可能性の高い順に試していく。
当たれば速い。 でも外れると、延々と彷徨うことになる。
Claude Codeのアプローチは違った。
「まず、エラーの詳細を完全に可視化しましょう」。 段階的なログを実装するコードを提示してきた。
Step 1: OAuth認証… → 成功 Step 2: ユーザー保存… → 成功 Step 3: セッション作成… → 失敗
エラーコードは「PGRST205」。 メッセージは「table not found」。
テーブルが存在しない。 それだけだった。
この差は技術の話に見えるが、 本質は「問題解決のOS」の違いだ。
ChatGPTの「もったいない使い方」の構造
多くの経営者がChatGPTで止まっている使い方がある。
雑用係として使う。 「この文章を要約して」「英語を翻訳して」。 便利だが、アルバイトにできることを AIにやらせているだけだ。
検索エンジンの代わりに使う。 「○○について教えて」「トレンドは？」。 Google検索の延長。経営は何も変わらない。
壁打ち相手として使う。 「新規事業のアイデアを10個出して」。 少し進んでいるが、出てきたアイデアを 判断するのは結局人間だ。
3つとも共通しているのは、 既存の業務プロセスの中にAIを「足している」こと。 プロセス自体は変わっていない。
これは推測型のアプローチと同じ構造だ。 「たぶんこうすれば便利になるだろう」で始まる。
一方、「前提にする」とは観察型のアプローチ。 まず現状の業務プロセスを可視化する。 どこに摩擦があるか、どこで時間が消えているかを見る。 その上で、AI前提でプロセスを設計し直す。
プロセスが消えるのだ。 2日かかっていたものが30分になる。
ChatGPTとClaude Codeの使い分けが見えた瞬間
3時間→10分の体験から、使い分けが明確になった。
ChatGPTが得意なこと。 会話形式の壁打ち。文章の生成と編集。 多言語対応。画像の生成と分析。
日常的なコミュニケーションの延長で 使えるのが強みだ。
Claude Codeが得意なこと。 長文の構造化された分析。 コードの生成と実行。 ファイル操作やシステム構築。
「こういうものがほしい」と伝えると、 実際に動くものをつくってくれる。
経営の文脈で言えば──
ChatGPTは「考える」のパートナー。 Claude Codeは「つくる」のパートナー。
「考える」だけで止まっている経営者は多い。 「つくる」まで到達して初めて、経営が変わる。
3時間の推測は「考える」の延長だった。 10分の観察は「つくる」への最短ルートだった。
思いついたことが動くものに変わるまでの距離が 劇的に縮まる。
それがAIネイティブ化の目指すところだ。
AIネイティブ化の全体像は /for-ceo でご覧いただけます。
ChatGPT活用の現在地を観察する
- 直近1週間のAI利用を振り返り、何に使ったかリストアップする
- それぞれが「推測型（足し算）」か「観察型（設計し直し）」か分類する
- 経営判断で「たぶん○○だろう」で動いている場面を一つ特定する
- その場面で「まず事実を可視化する」としたら何が見えるか、考えてみる
推測より観察。 仮説より事実。
3時間と10分の差は、 能力の差ではなくアプローチの差だった。
ChatGPTは、すでにあなたの手元にある。
問題は「使えているか」ではなく、 「前提にしているか」。
あなたの経営で今、 推測で動いている判断はどれだろうか。
▼ 関連記事 /blog/ai-adoption-failure /blog/what-is-claude-code-for-ceo /blog/non-engineer-first-app