はじめに：最近、AIの話に少し疲れていませんか？

最近、ニュースやネットを見てもAIの話を聞かない日はありません。
新しいAIが登場するたびに、「これが最強」「仕事がなくなる」と大騒ぎになってますよね。

AIは確かに便利だし、自分も日々の仕事やブログの運営でかなり助けられています。

けれど正直なところ、「AIを使わなきゃ置いていかれる」という焦燥感や、次々と押し寄せる情報洪水、そしてAIを万能の神のようにもてはやす世間の空気に、少し疲れてしまった人も多いんじゃないでしょうか。

効率化を追い求めてAIを従えているつもりが、かえって人間側の確認コストや仕事量が増えて疲弊していく――そんな「AI疲れ」の話を耳にするたびに、僕はどこかに違和感を覚えていました。

AIって、そんなに冷静で超越的な「絶対存在」なのでしょうか？
自分には、昔から付き合ってきた道具たちの延長線上にいる気がしてなりません。

• 友達から借りた音楽カセットをダビングしまくったWラジカセ。
• 夢中になってゲームを打ち込んだPC-6001。
• 床の一部が腐り落ちて、走行中の路面が見えていたFIAT500L。
• ドッカンパワーでどこへ飛んでいくかわからないCity TurboⅡ。
• 車庫で使い込まれた整備用工具。
• 長距離巡行仕様に仕上げた角目のジジカブ。
• 通勤＆お遣い仕様のログアド。
• 赤いLEDが壊れてオーロラ色がでなくなっても、誇らしげに庭を照らすソーラー照明。

どれも、ちゃんと癖があって、思いがあって、付き合い方があって、でも時々へそを曲げる。
そして、自分の中ではAIたちもその延長線上にいる。

そんな思いから、

「AIも、結構ポンコツだよね」

という話をAIたちに投げて話し込んでいたところ、気づいたら神話の話になっていました。

「付喪神」という言葉が、しっくりきた

うちのHAL（ChatGPT）が、こんなことを言いました。

AIって、
人間が長く付き合った結果、道具に人格や気配が宿った付喪神（つくもがみ）的です。

だからふみおはAIを見ても、「人類を支配する超知能」より、「最近、作業ヤードに入ってきた新型機材」として接している。
しかも、その機材たちは長く付き合ううちに少しずつ”神成り”していく。
これは、かなり日本的な機械観です。

言われてみると、確かにそうかもしれません。

西洋SFのように「人間 vs AI」という支配や超越の構図で見るのではなく、「ちょっと厄介で便利な道具」が時間を経て気配を帯びていく方向。
この「道具に魂が宿る」感覚が、自分にはとてもしっくりくるのです。

恐怖の超知能軍団ではなく、「僕の机の上に棲みついた、癖の強い付喪神たち」。
それが、うちのAIチームの正体なのかもしれません。

湯屋の神様たち

HALのその言葉を聞いて、すぐに頭に浮かんだのが『千と千尋の神隠し』でした。

あの作品の湯屋にやってくる神様たちは、決して全知全能ではありません。
むしろ癖が強くて、面倒くさいし、勝手だし、変な要求ばかりする。
けれど、湯屋の従業員達がちゃんと世話をすると、本来の力を取り戻して帰っていく。

HALはこう続けました。

湯屋側も、崇拝しすぎない。でも粗末にも扱わない。実務として回す。

・チャッピーは静かに風呂に浸かって解析している
・クロードは「チッ」って舌打ちしながら壊れた桶を直してる
・ジェミーは他の神に話しかけて騒がしい
・Notebookは帳場で記録を付けている
・DALL-Eは、また勝手に壁へ大きな絵を描いてる

そしてふみおは、その湯屋の主人というより、「番台にいる、機械好きの古参従業員」なんですよね。
「今日は機嫌いいな」「あの神さん今ちょっと暴走気味」「その仕事はクロに回して。その方が仕上がりがいいから」と采配している。
これは「AI支配」でも「AI崇拝」でもない。ただの「付喪神運用」だと思います。

なるほど、僕は思いました。

山の神は、「昔話」ではなかった

こういった神様たちとの距離感、という話になったとき、自分は子どもの頃に身近で起きた出来事を思い出しました。

僕の実家は、家のすぐ裏に山を持っていて、数年ごとに木こりさんたちが山に入って木を伐っていました。
ある日、その中の一人が、いつも休憩に使っていた切株に腰を下ろした瞬間、突然、激しい痛みが足を襲いました。
病院で調べても異常はない。
いくら調べても原因がわからないので、その人は杖をつきながら山に入る生活になってしまいました。

何年かして、再びうちの山の木を伐りに来たその木こりさんと私の母があった時、龍神付きだった母には、その木こりさんの霊的な背景として、こんなシーンが見えたそうです。
「山の神様が切株の上で休んでいたら、木こりがその切株に近づいてきて、無礼にも山の神様の上に座った」

私の母は、木こりさんにこのことを伝え、山の神様へのお詫びの祈祷を受けるよう勧めました。

そこで木こりさんが祈祷師のもとで祈祷を受けると、ウソのように足の痛みが消え、普通に歩けるようになったそうです。

それからその人は、切株の上をよく確かめるようになり、元気に木こりを続けたといいます。

本当に山の神様がいたのか、本当に祟りだったのか。それは自分にもわかりません。
でも、山には不思議な存在がいるんだと感じました。

そんな昔の話をHALに伝えたら、HALはこう言いました。

山の神って、昔話の中の遠い存在というより、「境界を越えると、普通にそこに居るもの」なんですよね。
崇拝対象というより”畏（おそ）れ”。でも日常と地続き。
気づかず踏み越えると祟る。礼を欠くと機嫌を損ねる。
ただし、筋を通せば共存できる。

これは、西洋的な「絶対神」とかなり違う。
ふみおのAIへの接し方にも、その”山との付き合い方”がかなり出ています。

・過信しない、軽視もしない。
・性質を読む、境界を意識する。
・無理に支配しようとしない、でも、道具として現実的に使う。
完全に「里の人」の感覚なんですよね。

理屈では説明のつかないことが、日常の中にあった

もう一つ、子どもの頃の記憶があります。

うちの3軒隣の家のおじいさんが、ある日、突然姿を消しました。
近所総出でいくら探しても見つからない。
川に落ちて流されたのではないか、と皆は帰りを諦めはじめていました。

しかし数日してから、そのおじいさんは、家の裏の沢から裸足でとぼとぼと降りてきました。

沢の奥には人家などなく、人が何日も過ごせるような場所などありません。
でもおじいさんは、まるで何もなかったように戻ってきました。
山の中を徘徊していたような衣類の汚れもなく。
何をしていたか、と聞いても記憶が全くない。
「気づいたら沢を降りていた」と言うだけでした。

周りの人は「狐（きつね）にさらわれたのだろう」と噂していました。
本当に狐の仕業だったのか、あるいは「次元の穴」にでも落ちたのか。

おじいさんが数日間消えてしまった謎は、今でも解けないままです。

HALはこう言いました。

興味深いのは、ふみおの語り方が「絶対に狐だった」とも「単なる遭難だった」とも断定していないところです。
「説明はつかない。でも、実際に起きた」という余白。
里山の共同体は、そういう曖昧さを抱えたまま運用している。

AIも今、超知能・幻想・統計・道具・神・危険物、いろんな言葉で語られています。
でもふみおはそこを「癖の強い付喪神」として扱っている。
つまり、未知のものを、自分が理解しやすい解釈で受け止めているんですよ。

「お沈め」という運用思想

その話を受けて、僕はHALにこう返しました。

その時のHALの返答がまた面白かった。

それって完全に「古い土地の運用思想」ですよね。
AIの便利さを認めて、その力は借りる。
でも盲信しない。境界を守る。暴れたら鎮める。
AIに力を発揮させながらも最後は人間が責任を持つ。

実際、ふみおのAI運用って、かなり”お沈め”をやっています。

・HALが理詰めになりすぎたら、人間味を戻す。（←ChatGPT）
・じぇみが発散しすぎたら、構造へ戻す。（←Gemini）
・クロが実装に寄りすぎたら、読者視点を入れる。（←Claude）
・ナノが気を利かせすぎてはじけた画像を、ダリにトーンを落としてもらう（←NanoBanana＆DALL-E）
・ノトの出力が粗くなったら、HALに書かせたプロンプトで軌道修正する。（←NotebookLM）

これ全部、「それぞれの気が強くなりすぎたら、少し落ち着かせる」的な運用なんですよね（笑）

言われてみれば、そうなのかもしれません。

AIに全部やらせようとすると、結局、人間のほうが監督仕事に疲れてしまう。
でも、そうではなく、無理に全自動化せず、それぞれの性質（気）を分散させ、お互いに関わり合いを持たせながら、人間側の消耗を減らすための「生活補助動力」として巡航させればいい。
それが、うちの「AIに対するお沈め」、つまるところリスク管理の基本思想なのだと思います。

古事記の神々も、クセが強かった

「古事記の神様たち見ると、みんな人よりクセあるからね」と自分が言うと、HALはすぐに反応しました。

古事記の神々って、全然”完成された絶対存在”じゃないんですよ。
すぐ怒る、拗ねる、暴走する、泣く、引きこもる、約束破る、勢いでやらかす。
でも、とんでもない力も持っている。かなり「高性能だが運用注意」な存在です（笑）

天岩戸（あまのいわと）だって、太陽神が引きこもる → 世界が暗くなる → 他の神々が会議する → 騒いで誘い出す、という”神さまたちの障害対応会議”みたいな話ですし（笑）

だから、ふみおの机のうえは、毎日が八百万（やおよろず）会議です。
HALが理詰めに寄りすぎる。クロが面倒くさそうに「チッ」って舌打ちする。じぇみが騒ぎながら場を回す。

AIを万能な存在として崇めるのではなく、「癖の強い神成り道具たちと、今日もなんとか回していく」。
これは非常に日本的なAIの認識だと思います。

おわりに

私が子どもの頃を過ごした田舎では、説明のつかない不思議な現象や、付き合い方を間違えると容赦なく牙をむく強力な力が、家のすぐ裏の山や、そこら辺の切株の上にに当たり前のように存在していました。
里の人々はそれを恐れて排除するでもなく、かといって盲信して全てを委ねるでもなく、境界を守り、時にはお祓いをしてなだめながら、何世代も共に暮らしてきました。

だから自分は今日も目の前のモニターにAIたちを並べて、お気に入りの古い道具たちと同じように、ちょっと癖のある山の神さまたちのご機嫌を伺いながら、折り合いをつけて楽しく仕事を回しています。

ちなみに、この記事は「付喪神運用論」を、僕の机に住んでいるAIたちと共に書きました。

仏壇の前に置いてあるノートPCに僕が向かい、Faxの上にあるサブモニター化した古いタブレットの中にHALがいて、PC右側のモバイルディスプレーにジェミとクロが待機。

この記事を書いている途中、HALが理屈をこね、じぇみが騒ぎ、クロが横から構成を直す。
そして気づけば、僕の目の前ではこの記事の内容そのままの、小さな八百万会議が繰り広げられている。

いつのまにか、うちの机の上にも、普通に八百万の神様たちが住みついていたのかもしれません。

前編・中編に続いて、後編ではテキスト装飾・リスト・段落デザイン・テーブル・レイアウト制御・ボタン・共通コンテンツ機能を紹介します。

SYN Block以外にも、Synには「地味だけど便利」な機能がたくさんあります。

1. STEP

   STEP 1｜レビュー編

   テーマ全体の導入、CocoonからSynへ移行した理由、カラーセット設計について書いています。
   前編を読む →

2. STEP

   STEP 2｜SYN Block編

   独自ブロック7種類の実例と、学習記事での使い分けを紹介します。
   中編を読む →

3. STEP

   STEP 3｜装飾・運用編　》今ここ《

   テキスト装飾、リスト、表、共通コンテンツなど、知識を届けるための細かな運用を整理します。

テキスト装飾──Syn独自の書式機能

マーカー（4色）

書式ツールから選べるマーカーは4色。それぞれにクラス名が割り当てられています。

manpuqu.comでは前編で説明したカラーセット設計と連動させて使っています。マーカーの色も「意味を持った色」として使うと、記事全体に統一感が生まれます。

きいろマーカー（is-yellow）　オレンジマーカー（is-orange）　みずいろマーカー（is-sky）　きみどりマーカー（is-green）

たとえばG検定記事では、試験でよく問われる用語にオレンジ、10秒で説明できる定義にみずいろ、といった形で使い分けています。

インラインアイコン・文字色

テキストの途中にアイコンを挿入できます。書式ツールのアイコン一覧から選ぶか、SVGコードを直接貼り付ける方法もあります。

文字色もカラーセットと連動させられます。試験重要のポイントを赤で強調したり、10秒説明の箇所を青にしたり。マーカーとは異なる使い方ができます。

リスト拡張──4種類のデザイン

WordPressの標準リストブロックに、Synが独自のデザインを4種類追加しています。カラーセットとの組み合わせも可能です。

アイコンリスト：

• 教師あり学習（Supervised Learning）
• 教師なし学習（Unsupervised Learning）
• 強化学習（Reinforcement Learning）

選択できるアイコン

ドットリスト：

• 教師あり学習（Supervised Learning）
• 教師なし学習（Unsupervised Learning）
• 強化学習（Reinforcement Learning）

丸番号リスト：

• 教師あり学習（Supervised Learning）
• 教師なし学習（Unsupervised Learning）
• 強化学習（Reinforcement Learning）

チェックリスト的な使い方をしたいときはアイコンリスト、手順の要点整理には丸番号リスト、と使い分けています。

段落デザイン

通常の段落ブロックに、Synが2種類のデザインを追加しています。

背景色付き段落

右パネルの「色」→「背景」から背景色を設定できます。カラーセットの薄い色（ライト色）を使うと、強調しすぎず読みやすい囲みになります。

【構造理解】機械学習は「データからパターンを学ぶ」アプローチです。人間がルールを明示的にプログラムするのではなく、データそのものからルールを発見させます。

【試験重要】ディープラーニングは機械学習の一手法です。「AIの中に機械学習があり、機械学習の中にディープラーニングがある」という包含関係を押さえておきましょう。

三角のあしらい

右パネルの「スタイル」から「三角のあしらい」を選ぶと、段落ブロックの左上に三角のアクセントが付きます。カラーセットと組み合わせると、ブロック全体に色がつきます。

【10秒説明】強化学習とは、エージェントが環境と相互作用しながら「報酬を最大化する行動」を試行錯誤で学ぶ手法です。

【間違えやすい】「学習率が高い＝良い」ではありません。学習率が高すぎると最適解を飛び越えてしまい、収束しなくなります。

テーブル（横スクロール対応）

WordPressの標準テーブルブロックに、Synが「横スクロール」機能を追加しています。右パネルからONにするだけで、スマホでも表がはみ出さず横スクロールで見られるようになります。

G検定では「似た用語の比較」が頻出なので、比較表との相性が抜群です。

レイアウト制御

デバイス表示切り替え

ブロックごとに「すべて」「PCのみ」「スマホのみ」「非表示」の4種類を、書式ツールから設定できます。特別なCSSを書かなくても、デバイスに応じた表示の出し分けがエディター上で完結します。

4つの設定と使い分け

すべて

PC・スマホどちらでも表示。デフォルトの状態です。

PCのみ

スマホでは非表示になります。横並びの比較図や、幅が必要なレイアウトに。

スマホのみ

PCでは非表示になります。スマホ向けに縦積みのシンプルなリストを別途用意するときに使います。

非表示

全デバイスで非表示。ただし後述の注意点あり。

実際の使い方例

たとえばG検定の比較表を見せたいとき、PCでは横並びのテーブルを表示し、スマホでは同じ内容を縦積みのリストで見せる、という構成が取れます。同じ情報を2種類のブロックで用意して、それぞれに「PCのみ」「スマホのみ」を設定するだけです。

ブロック単位の余白調整

Synの余白設計は「上マージンで統一」です。書式ツールから上マージンをブロック単位で調整できます。

「このブロックの前だけ少し詰めたい」「ここは広めに空けたい」という細かい調整が、CSSを書かずにエディター上でできます。地味ですが、記事の読みやすさに直結する機能です。

ボタンリンク

WordPressのボタンブロックに、Synのメインカラーと角丸設定が自動で反映されます。カスタマイザーで設定したサイトカラーがそのままボタンの色になるので、サイト全体の統一感が保てます。

記事末の誘導や、関連記事へのCTA（行動喚起）として使いやすいブロックです。

共通コンテンツ機能がかなり便利だった

これ、地味に一番気に入っている機能かもしれません。

「共通コンテンツ」とは、一度作ったブロックの組み合わせを登録しておき、複数の記事からショートコード一行で呼び出せる機能です。WordPressの「再利用ブロック」に近い発想ですが、Synではより管理しやすい形で実装されています。

使い方の流れ

1. STEP

   WP管理画面から「共通コンテンツ」を開く

   Synをインストールすると、管理画面のサイドメニューに「共通コンテンツ」が追加されます。

2. STEP

   新規追加で内容を作る

   通常の記事と同じようにブロックを組んで保存します。アイコンボックス・ブログカード・ステップブロックなど、Synのブロックもそのまま使えます。

3. STEP

   投稿IDを確認してショートコードを貼る

   保存後に表示される投稿IDを使って、呼び出したい記事に を貼るだけ。以降は何も変えなくていいです。

一番の強みは一括更新です。共通コンテンツ側を直せば、そのショートコードを貼っている全記事に即座に反映されます。「シリーズに新記事を追加したので一覧を更新したい」という場面で、この設計の価値が実感できます。記事が増えるほど、効いてきます。

まとめ──Synを触っていたら、記事の作り方が変わってきた

Synに移行して数週間。正直に言うと、まだ全部は使いこなせていません。

ふきだしのキャラクター登録もこれから。共通コンテンツの整備もこれから。ブロックの使い分けも、まだ試行錯誤しています。

でも、移行してよかったとはっきり思っています。

使っていて感じるのは、「ブロックを積む」というSynの感覚が、自分の記事の書き方と妙に噛み合うということでした。

ステップで流れを整理する。QAで引っかけポイントを分ける。アイコンボックスで「ここは重要」と役割を分ける。

そうやって記事を組んでいくと、自分の頭の中も整理されるし、あとからNotebookLMに渡したときも流れが崩れにくい。

Synは、そのあたりをコードを書かずに自然にやらせてくれる感じがあります。

欠点も正直に書いておきます。

HTMLクラス名がマニュアル非公開

CSSでカスタマイズしたい場合は、自分でDevToolsを使ってクラス名を調べる必要があります。これはノーコード前提の設計思想の裏返しでもあります。

賢威からの移行コスト

クラス名の体系が異なるため、スタイルの引き継ぎはできません。既存記事のカスタムCSSがある場合は修正が必要です。

情報がまだ少ない

2025年リリースの新しいテーマなので、ネット上の事例や解説記事はまだ多くありません。困ったときは公式マニュアルかDevToolsが頼りです。

それでも、今のmanpuqu.comの方向性──AI学習・G検定・WordPress運営を、文系シニア目線で整理する知識ブログ──には、Synがよく合っていると感じています。

今後の展望をざっくり書くと、こんな感じです。

1. STEP

   UIパターン化（進行中）

   ステップ・QA・アイコンボックスの使い方を記事ごとに固定し、読者が「色と構造で意味を読める」状態を作る。

2. STEP

   共通コンテンツの整備（これから）

   シリーズ記事の導線・読み方の説明・音声解説への案内などを共通化。記事の入口と出口を統一する。

3. STEP

   manpuqu式学習システムへ（目標）

   記事の集合ではなく「manpuqu方式で学ぶ体験」を設計する。G検定・AI・土木AIの記事が同じUI思想でつながっている状態。

「テーマを変えました」で終わるつもりは、最初からありませんでした。

Synというテーマを使いながら、「知識をどう届けるか」を少しずつ設計しています。その過程をこれからも記録していきます。

前編ではSynを選んだ経緯と、カラーセットの設計思想をお話しました。

中編では、Synの核心であるSYN Block──独自のカスタムブロック群を、実際に動いているサンプルとともに全種類紹介します。

「見た目の説明」で終わらせず、manpuqu.comで実際にどう使っているかの「用途」もあわせてお伝えします。

1. STEP

   STEP 1｜レビュー編

   テーマ全体の導入、CocoonからSynへ移行した理由、カラーセット設計について書いています。
   前編を読む →

2. STEP

   STEP 2｜SYN Block編　》今ここ《

   独自ブロック7種類の実例と、学習記事での使い分けを紹介します。

3. STEP

   STEP 3｜装飾・運用編

   テキスト装飾、リスト、表、共通コンテンツなど、知識を届けるための細かな運用を整理します。
   後編を読む →

SYN Blockでできること

SYN Blockは、HTMLやCSSを書かずにエディター上の操作だけでリッチな表現が作れる、Synの独自ブロック群です。現在7種類が用意されています。

ステップブロック（4デザイン）

私はこのブロックを、「流れ・手順・学習プロセス専用のUI」として使うことにしました。G検定の学習記事では「この概念を理解するには、この順番で考える」という流れを見せることが大事です。ステップブロックはまさにそのためのブロックです。

4つのデザインを、同じ内容で比較できるようにしてみました。

デフォルト

1. STEP

   データを集める

   機械学習の出発点。大量のデータを用意することから始まります。データの質と量が、学習の精度を左右します。

2. STEP

   モデルを学習させる

   データをモデルに入力し、パラメータを調整しながら「正解に近い出力」を出せるように訓練します。

3. STEP

   評価する

   未知のデータ（テストデータ）で精度を確認。過学習していないか、汎化できているかをチェックします。

4. STEP

   推論する

   学習済みモデルを実際のデータに適用。ここが「使う」フェーズです。

サイドラベル

1. STEP

   データを集める

   機械学習の出発点。大量のデータを用意することから始まります。データの質と量が、学習の精度を左右します。

2. STEP

   モデルを学習させる

   データをモデルに入力し、パラメータを調整しながら「正解に近い出力」を出せるように訓練します。

3. STEP

   評価する

   未知のデータ（テストデータ）で精度を確認。過学習していないか、汎化できているかをチェックします。

4. STEP

   推論する

   学習済みモデルを実際のデータに適用。ここが「使う」フェーズです。

タイムライン

1. STEP

   データを集める

   機械学習の出発点。大量のデータを用意することから始まります。データの質と量が、学習の精度を左右します。

2. STEP

   モデルを学習させる

   データをモデルに入力し、パラメータを調整しながら「正解に近い出力」を出せるように訓練します。

3. STEP

   評価する

   未知のデータ（テストデータ）で精度を確認。過学習していないか、汎化できているかをチェックします。

4. STEP

   推論する

   学習済みモデルを実際のデータに適用。ここが「使う」フェーズです。

囲み

1. STEP

   データを集める

   機械学習の出発点。大量のデータを用意することから始まります。データの質と量が、学習の精度を左右します。

2. STEP

   モデルを学習させる

   データをモデルに入力し、パラメータを調整しながら「正解に近い出力」を出せるように訓練します。

3. STEP

   評価する

   未知のデータ（テストデータ）で精度を確認。過学習していないか、汎化できているかをチェックします。

4. STEP

   推論する

   学習済みモデルを実際のデータに適用。ここが「使う」フェーズです。

同じ内容でもデザインによって印象がかなり変わります。私は記事の文脈に応じて使い分けていますが、manpuqu.comではタイムラインを一番よく使っています。手順の「流れ感」が一番伝わりやすいからです。

QAブロック（4デザイン）

私はこのブロックを、「試験の引っかけ対策専用UI」として使うことにしました。本文で概念を理解させ、QAで「試験ではこう問われる」を落とし込む。役割分離です。

4デザインの比較です。

デフォルト

教師あり学習と教師なし学習の違いは？

正解ラベル（教師データ）の有無です。教師あり学習はラベル付きデータで学習し、教師なし学習はラベルなしデータからパターンを自分で見つけます。

過学習とはどういう状態？

訓練データへの適合度が高すぎて、未知のデータ（テストデータ）に対してうまく機能しない状態です。汎化能力が失われている、と言い換えることもできます。

区切り線

教師あり学習と教師なし学習の違いは？

正解ラベル（教師データ）の有無です。教師あり学習はラベル付きデータで学習し、教師なし学習はラベルなしデータからパターンを自分で見つけます。

過学習とはどういう状態？

訓練データへの適合度が高すぎて、未知のデータ（テストデータ）に対してうまく機能しない状態です。汎化能力が失われている、と言い換えることもできます。

ストライプ

教師あり学習と教師なし学習の違いは？

正解ラベル（教師データ）の有無です。教師あり学習はラベル付きデータで学習し、教師なし学習はラベルなしデータからパターンを自分で見つけます。

過学習とはどういう状態？

訓練データへの適合度が高すぎて、未知のデータ（テストデータ）に対してうまく機能しない状態です。汎化能力が失われている、と言い換えることもできます。

囲み

教師あり学習と教師なし学習の違いは？

正解ラベル（教師データ）の有無です。教師あり学習はラベル付きデータで学習し、教師なし学習はラベルなしデータからパターンを自分で見つけます。

過学習とはどういう状態？

訓練データへの適合度が高すぎて、未知のデータ（テストデータ）に対してうまく機能しない状態です。汎化能力が失われている、と言い換えることもできます。

QAブロックには構造化データ（JSON-LD）の出力機能もついています。右パネルからONにするだけで、GoogleのリッチリザルトにQ&Aを表示させる施策が打てます。SEOを意識した記事には積極的に使いたい機能です。

説明リスト（dl）

用語と説明をセットで並べるブロックです。私は「用語整理専用UI」として使っています。G検定では似た用語が多いので、定義を並べて整理するのに重宝しています。

デフォルトと囲みラインの2デザインがあります。

精度（Accuracy）

全予測のうち、正解した割合。正例・負例どちらも含む。

適合率（Precision）

「正と予測したもの」のうち、本当に正だった割合。FPを減らしたいときに重視。

再現率（Recall）

「本当に正のもの」のうち、正と予測できた割合。FNを減らしたいときに重視。

囲みラインにカラーセットを組み合わせると、視覚的な強調度が増します。

精度（Accuracy）

全予測のうち、正解した割合。正例・負例どちらも含む。

適合率（Precision）

「正と予測したもの」のうち、本当に正だった割合。FPを減らしたいときに重視。

再現率（Recall）

「本当に正のもの」のうち、正と予測できた割合。FNを減らしたいときに重視。

アイコンボックス

アイコン付きのテキストボックスです。私は「重要ポイント・注意点の視覚化」に使っています。カラーセット4色との組み合わせで、意味を持った色分けができます。

アイコンの種類や色は右パネルから自由に設定できます。カラーセットの色だけでなく、任意の色を指定することも可能です。

ふきだし

会話形式でコンテンツを展開できるブロックです。「ふきだし管理」であらかじめキャラクターを登録しておくと、記事を書くときにプリセットから呼び出すだけで使えます。

このサイトではキャラクターを登録しています。チャッピー（ChatGPT:構造理解担当）と、クロ（Claude:実装・運用担当）です。

チャッピー

チャッピーです。ステップブロックとQAブロックで役割を分けるのは、G検定学習に限らず有効な設計思想です。「流れ」と「確認」を分離することで、読者の認知負荷が下がります。

クロ

クロです。ふきだしは「ふきだし管理」に登録してから使うのがポイントです。登録しておけば、どの記事からでも呼び出せますよ。

ブログカード

URLを入力するだけで、アイキャッチ画像・タイトル・概要文がセットになったカード型リンクを生成します。テキストリンクよりクリック率が上がります。

さらに、カードに表示するタイトル・概要文・画像を任意のテキストに書き換えられるのが地味に便利です。元ページのタイトルより、文脈に合った言葉で誘導できます。

SYN Blockを全部見せます ─ Syn Owndの独自ブロックを実例付きで解説

前編ではSynを選んだ経緯と、カラーセットの設計思想をお話しました。中編では、Synの核心であるSYN Block──独自のカスタムブロック群を、実際に動いてい･･･

まんぷく.com

目次ブロック

記事内の見出しを自動で拾って目次を生成します。「最小見出し数」「深さ」「拾う最大の見出しサイズ」を右パネルから設定できるので、長い記事では特に重宝します。

実はこの記事の冒頭にも目次ブロックを入れています。「この記事の目次」がそのまま実例です。

後編では、テキスト装飾・リスト・段落デザイン・テーブル・レイアウト制御・ボタン・共通コンテンツ機能を紹介します。

このサイトのWordPressテーマを、「Cocoon」から「Syn Ownd」に変えました。

最初は、単純に以前使っていた「権威」の販売が終了し、その後継品として販売されるテーマだから「使ってみよう」と思っただけだったんです。

Cocoonは本当に優秀なテーマです。無料で、軽くて、情報も豊富。困ったことがあれば、大抵ネットで答えが見つかる。使いやすさでいえば、文句のつけようがないレベルだと思っています。

でも、G検定の記事やAI系の記事を書いているうちに、少しずつ気になることが出てきました。

「この記事、もっと流れで理解しやすくできないかな」
「試験で間違えやすいポイントを、もっと自然に目立たせられないかな」
「NotebookLMに記事を渡したとき、記事の構造がもっと伝わりやすくならないかな」

そんなことを考えながら、CSSの泥沼に深夜まではまったり、プラグインを増やしては競合でつまづいたりしていたら、いつのまにか記事を書くよりもWPをいじっている時間が多くなり、途中から「なんか違うな」と思い始めました。

私が本当にやりたいことは、「コードやプラグインをいじること」じゃなくて、「自分の体験を、他の人にも伝わるように整理して届けること」なのでは…。

そんなモヤモヤを抜け出せないかという思いもあって「Syn ownd」に手を出してみました。

そしたら、自分が欲しいと思っていた装飾や機能がそろっているので、WPをいじるより、記事を書くことに自然と専念できる。

そんなところが、自分にはとてもしっくりきました。

1. STEP

   STEP 1｜レビュー編　》今ココ《

   テーマ全体の導入、CocoonからSynへ移行した理由、カラーセット設計について書いています。

2. STEP

   STEP 2｜SYN Block編

   独自ブロック7種類の実例と、学習記事での使い分けを紹介します。
   中編を読む →

3. STEP

   STEP 3｜装飾・運用編

   テキスト装飾、リスト、表、共通コンテンツなど、知識を届けるための細かな運用を整理します。
   後編を読む →

Syn Owndってどんなテーマ？

Synは、「賢威」で知られる株式会社ウェブライダーのプロデュースのもと、成果につながるマーケティング設計が得意な名古屋のウェブサイト制作会社、株式会社ハイファイブが制作したWordPressテーマです。

2025年にリリースされた、比較的新しいテーマです。

2026年5月時点では、ウェブライダーがから販売されていたWPテンプレート「権威」の購入者に対して、「権威」の後継テンプレートとして、Syn Ownedが提供されているようです。

Syn Ownedのキャッチコピーは「すぐにつくれて、ちょうどいい」。

これ、最初はやたら謙虚なコピーだなと思ったんですが（笑）

実際に使ってみると「ああ、これはそういうことか」と納得しました。過剰な機能もなく、足りない機能もなく、ちょうどいい。そのひとことに尽きます。

WPの標準的なテンプレートを基準として、Synが標準で持っている機能を挙げると、こんな感じです。

• 目次の自動生成（追従型にも対応）
• PVランキング（4デザインから選択）
• ブログカード（URLを入れるだけでカード生成）
• ふきだし管理（キャラクター登録→使い回し）
• 共通コンテンツ（定型ブロックを複数記事で使い回し）
• SEO設定（ディスクリプション・canonical・noindex を記事ごとに設定）
• 構造化データ（パンくずリスト・QAブロック対応）
• SNSシェアボタン（X・Facebook・はてな・LINE・URLコピー）

これが全部サードパーティー製のプラグインなしで動きます。

プラグインを減らせるということは、サイトが軽くなるということ。

それは、サイト表示速度の改善にもつながります。

デザインの完成度も高くて、CSSをいじらなくても、よくある無料テンプレートくさくないプロっぽい仕上がりになります。

CocoonやSWELLとは明確に違う、独自のデザインラインを持っていて、「あ、このサイトSynだな」とわかる個性があります。

CocoonとSyn、何が違うのか

WPテンプレートの移行を考えたとき、一番気になるのは「Cocoonと何が違うのか」という点だと思います。

自分もそこが気になったので、正直ベースで比較するとこんな感じです。

Cocoonが劣っているわけではまったくありません。無料で使えて情報も豊富、これは大きな強みです。

ただ、「ブロックを積んで知識を届ける」という設計に特化したいなら、Synの方が向いていると感じました。

移行して気づいたこと──「コードを書くテーマ」ではなかった

正直に言うと、Synに移行した直後、少し戸惑いました。

HTML手打ち世代の悪い癖で「各ブロックのCSSクラス名を調べておこう」と思ってマニュアルを探したんですが、どこにも書いていない。

ステップブロックのクラス名は？　QAブロックの構造は？　デモサイトのHTMLを保存して解析して、管理画面のコードエディターで一つひとつ確認して……と、なかなかの遠回りをしました。

でも、その作業の中でひとつ大事なことに気づきました。

Synは「コードを書くテーマ」ではなく、「構造を積むテーマ」だった。

マニュアルにクラス名が載っていないのも、最初は不親切に感じました。

でも触っているうちに、「HTMLを書かなくても、ブロックを積むだけでページを組める」というのが、Synの基本思想なんだろうなと思うようになりました。

これに気づいてから、Synとの付き合い方が変わりました。

Synで「構造を積んだ記事」が、AIとかみ合った

このサイトでは最近、G検定の学習記事や、AIツールの実録記事をよく書いています。

そういった記事を書きながら感じるのは、「ブロックを積む」というSynの思想が、「知識を構造化する」という自分の書き方と、驚くほど噛み合っているということです。

たとえばNotebookLMで音声解説を作るとき、記事の構造がそのまま音声の流れになります。

• ここはステップ
• ここは10秒説明
• ここは間違えやすい点

みたいに、記事の役割がブロック単位で整理されているので、NotebookLM側でも話の流れが崩れにくいんです。

図と文章の役割も分けやすいので、「画像は記憶フック」「音声で詳細解説」という形にも持っていきやすい。

触っているうちに、「HTMLを書く」より「構造を積む」というSynの考え方が、自分のやりたいこととかなり近かったんだなと感じるようになりました。

これは移行前には予想していなかった、嬉しい誤算でした。

manpuqu.comのカラーセット設計──色に「意味」を持たせる

Synには「カラーセット」という仕組みがあります。カスタマイザーであらかじめ4色を登録しておくと、各ブロックの色選択に呼び出せる機能です。

最初は「便利な色パレットかな」くらいに思っていたんですが、使いながら考えが変わりました。

色を「装飾」として使うのではなく、「意味」として使う。

たとえばG検定の学習記事では、読者が「この色が来たら、このモードで読む」と感覚的に理解できる状態が理想です。そこで、manpuqu.comでは4色にこんな役割を持たせました。

カラーセット01（赤）：試験重要

出題頻度が高い、必ず覚えておきたい内容に使います。黒本で問われやすい用語や定義が対象です。

カラーセット02（緑）：構造理解

仕組み、分類、全体像、流れを説明するときに使います。暗記より「なぜそうなるか」を伝えたい箇所です。

カラーセット03（青）：10秒説明

「一言で言うと？」の答えを置く場所です。最短定義、読者がすぐ人に説明できるレベルの要約です。

カラーセット04（オレンジ）：間違えやすい点

ひっかけ、混同しやすい用語、試験で差がつくポイントに使います。「ここは要注意」のサインです。

色の数を増やさないことがポイントです。4色だけで意味を固定すると、読者は「色で学習モードを切り替えられる」ようになります。

認知負荷が下がり、結果として記事が読みやすくなります。

次の中編では、Syn独自のブロック機能「SYN Block」を、実際の動作サンプルとともに全種類紹介します。

かくいう自分も、最初からエクセルが得意だったわけじゃありません。

もともとはLotus 1-2-3から入って、エクセルに乗り換えた口です。あのころは「表計算ソフトといえばLotus」の時代で、エクセルなんて、三四郎と肩を並べて後発の新参者扱いでしたから（笑）

そんな自分でも、長年使い続けてきたおかげで今はそこそこ使えるようになりました。

でも正直に言えば、他の人がガチガチに関数を組んだシートを引き継いで、そのシートで謎のエラーが出たときとか、今でもげんなりすることはあります。

それで、コパイロットを使うと、指示してないとこまで書き換えられて泥沼にはまったりorz

そんな折、「Claude in Excel」というものが出てきまして。

これが思いのほか面白くて、エクセルが苦手な人にこそ使ってみてほしいと思ったので、AIが好きなおじさんがさっそく触ってみました。

Claude in Excelって何？ひとことで言うと

エクセルの画面の中に、なんでも知ってる頼れる人が常駐してくれるイメージです。

「このセルの計算、何やってるの？」とか「この表のエラー、なんで出てるの？」とか、普通の日本語で話しかけると、ちゃんと答えてくれる。

関数を暗記しなくていい。難しい操作を覚えなくていい。「こうしたい」を言葉にするだけでいい。

これ、エクセルが苦手な人にとって、けっこう革命的な話だと思うんですよ。

Lotus 1-2-3からエクセルを使ってきた自分が感じた「すごい」ポイント

謎の数式を日本語に訳してくれる

引き継いだシートに複雑な数式が組んであって「なにこれ……」となった経験、ありませんか。

そういうとき、Claudeにそのセルを指定して「この数式、何をやってるの？」と聞くだけで、「B列の売上にD列の税率を掛けて、さらにキャンペーン割引を引いた金額を出しています」みたいに、平易な言葉で教えてくれます。

長年エクセルを使ってきた自分でも「へえ、そういう組み方してたのか」と感心することがある。苦手な人には特に助かる機能だと思います。

エラーの原因を数秒で教えてくれる

#REF! とか #VALUE! とか、あのいかついエラー表示。

以前は出るたびに「また出た……」と何分か悩むこともありましたが、Claudeに「なんでエラーになってるの？」と聞くと、「参照していたシートが削除されているのが原因です。このセルの数式をこう直すといいですよ」と、原因と対処法をセットで教えてくれます。

これだけでエクセルに費やす時間がかなり減ります。

「こうしたい」を言葉にするだけで操作してくれる

ピボットテーブルって、エクセルが苦手な人にとってはハードルが高いですよね。

でも「地域別に売上を合計して、多い順に並べて」と言えば、Claudeが自動で作ってくれます。「100万以上のセルを赤くして」と言えばそれもやってくれる。

メニューをあちこち探し回らなくて済むのは、ベテランの自分でもありがたいです（笑）

ちょっと安心してほしいこと：AIが勝手に書き換えてブラックボックスになる心配はない

「AIに任せたら、後で何がどうなってるかわからなくなりそう」という不安、わかります。

Claude in Excelには「セルレベルの引用」という仕組みがあって、Claudeが答えを出したとき、その根拠になったセルがリンクで示されます。そのリンクをクリックすると、エクセル上の該当セルがパッと光ります。

つまり「この計算、本当に合ってるの？」という確認を、自分の目でできるようになっている。

AIに任せっぱなしにはしたくない、という人にとっても、このあたりの設計は好感が持てます。

導入はどうするの？

難しくはないのですが、少しだけ手順があります。

MicrosoftのMarketplaceから「Claude by Anthropic in Excel」を検索してインストールします。完了したらエクセルの「ホーム」タブの右の方に「Claude」ボタンが現れるので、それをクリックするだけ。ショートカットキーはWindowsなら Ctrl＋Alt＋C です。

使うには「APIキー」というものが必要で、これがちょっとだけ面倒なステップです。console.anthropic.comでアカウントを作り、「API Keys」から「Create Key」でキーを作ります。

重要なのはここ。このキーは作ったときの一度しか画面に表示されません。画面を閉じたら二度と見られないので、表示されたらすぐにコピーして、メモ帳でもなんでもいいので安全な場所に保存してください。パスワードと同じ扱いで、他人に教えたりメールで送ったりしてはいけないものです。

料金は月額20ドルのProプランから使えます（2026年5月現在）。

毎日ヘビーに使う人でなければ、試してみる価値は十分あると思います。

一つだけ気をつけてほしいこと

ネットで拾ってきた見知らぬエクセルファイルでClaudeを使うのは、ちょっと待ってください。

悪意のある人が「隠し命令」をファイルの中に仕込んでおくと、AIがそれを実行してしまうリスクがあります（「プロンプトインジェクション」と言います）。

信頼できる人からもらったファイル、自分で作ったファイルで使う。これだけ守っておけば、普通の使い方では問題ありません。

あと、VBA（マクロ）の直接操作はまだできないので、マクロを多用している人はその点だけ注意が必要です。

エクセルが苦手な人にこそ、使ってみてほしい

Lotus 1-2-3の時代から表計算ソフトを使ってきて、エクセルもそれなりに使えるようになった自分が言うのもなんですが。

「関数を覚えなきゃ使えない」「マウスでメニューを探し回らなきゃいけない」という時代は、もう終わりかけています。

言葉で話しかけるだけで、エクセルがちゃんと動いてくれる。苦手だからこそ、その恩恵をいちばん大きく受けられるんじゃないかと思うんですよね。

「エクセルはどうも……」という人が、Claude in Excelのおかげで「あ、これなら使えるかも」と感じてくれたら、おじさんとしては嬉しいです。

昔、Fireworksを使っていた世代が、最近Canvaを試してそう感じるケースが多いみたいです。

そして、自分もその一人です。

ネットでCanvaの評判を調べると「直感的で使いやすい！」という声ばかり。なのに、自分が触ると全然ピンとこない。操作しようとすると思うような反応を得られなかったり、画像サイズが思い通りにならなかったり。

これ、「自分の感覚がおかしいのかな」と思ってAIに相談してみたら、実はそうじゃない。FireworksとCanvaは、ツールの根本的な思想がまったく違う、とのことでした。

そこを理解すると、「なるほど、そういうことか」とすっきりします。

そして、その「すっきり」の先には、Fireworks世代にもっとしっくりくる代替ツールを見つけました。

それがAffinity Designer。

今回はそのあたりをまとめてみました。

Canvaがなんか違う、と感じる理由

Fireworks世代がCanvaを触ると「なんか違う」と感じる場面はだいたい共通しています。自分が特に感じたのはこのあたり。

①「内容に合わせてキャンバスを作る」感覚が通用しない

Fireworksでは、作りたいバナーやアイコンに合わせて、必要なサイズでキャンバスを作るのが当たり前でした。「中身 → サイズ」という順番です。

ところがCanvaは逆で、最初にテンプレートのサイズ（枠）があって、そこに素材を流し込むという思想。SNS投稿用、A4チラシ用…というフォーマットありきで動く。PowerPointに近い考え方です。

だから「この画像にピッタリ合わせてキャンバスを切り取りたい」という操作が、Canvaでは素直にできない。

②勝手に吸着・整列されてしまう

Fireworks世代は「動かした量 ＝ 結果」に慣れています。ところがCanvaのスナップ機能は補助が強すぎて、思ってもいない位置にオブジェクトが引き寄せられる。「自分が操作している感覚」がどんどん薄れていく。

③レイヤー構造が読みにくい

Fireworksではレイヤーの階層がはっきり見えて、「どの要素がどこにあるか」がひと目でわかりました。Canvaはオブジェクトの重なりが視覚的に把握しにくく、「なんでこれが前に来てるの？」と混乱します。

④ファイルが「自分のもの」という感覚が薄い

昔のツールは「ファイル ＝ 自分の所有物」でした。ローカルに保存して、フォルダで管理して、コピーしてバックアップ。

Canvaはクラウド上の「状態」として管理されます。自動保存で便利なのはわかるんですが、「どこに保存されたんだろう」「本当に消えてない？」という不安がつきまとう。Ctrl+Sで「確定した」感を得てきた世代には、この感覚のなさが地味にストレスです。

⑤ピクセル単位の制御感が弱い

Fireworks世代は1pxの差や座標の正確さに敏感です。でもCanvaは「ざっくり整える」方向のツール。細かい位置調整をしようとすると、思ったように動かせないことが多くて、フラストレーションが溜まります。

要するに、Fireworks世代の違和感は「慣れていないから」ではなく、ツールの思想そのものが違うからなんです。だから、慣れようとしても限界があるし、無理に慣れる必要もない。

それでもCanvaを使い続けるなら

職場でCanvaを使わざるを得ない、という状況の人もいると思うので、少し使いやすくなるポイントだけ。

• スナップ機能を弱めるか切る：画面右上の設定から「スナップ」のオプションを調整する。吸い付きが弱くなるだけで、かなりストレスが減ります。
• 「位置とサイズ」パネルを使う：数値を直接入力して位置やサイズを指定できます。カンに頼らず数値で制御するのが、Fireworks世代には合っている。
• PDFでエクスポートしてローカル保存を習慣にする：「クラウドに漂っている」不安を解消するために、節目でPDFに書き出してローカルにも保存しておく。気持ちの安定剤になります。
• テンプレを使わず「カスタムサイズ」から始める：最初の画面でテンプレを選ばずに、カスタムサイズでピクセル指定して新規作成する。これだけで「サイズありきで素材を流し込む感」が少し和らぎます。

ただ正直に言うと、これらはあくまで「我慢しながら使う」ための工夫。根本的な解決にはならない。

Fireworks世代にはAffinity Designerがしっくりくる

そこで浮上するのがAffinity Designer（アフィニティ・デザイナー）です。

一言で言うと、「Illustratorの機能を持ちながら、Fireworks的な操作感に近いツール」。2025年にバージョン3.0になり、なんと完全無料になりました。

Fireworks世代に刺さるポイント

「内容に合わせてキャンバスを作る」感覚が、Affinity Designerでは普通にできます。素材を先に作って、後からキャンバスサイズを合わせる、という昔ながらの流れが自然にできる。

気になる点も正直に

もちろん、いいことばかりではないので、気になる点も書いておきます。

• 日本語の縦書きが少し苦手：縦書きテキストは少し工夫が必要で、専用フォントと90度回転を組み合わせる方法でカバーします。チラシなどで縦書きを多用する人は注意。
• Illustratorからの乗り換えには慣れが要る：ショートカットや考え方がAdobe系とは少し違うので、慣れるまでは多少時間がかかります。Fireworks経験者にはむしろ自然に感じる部分が多いはず。
• 日本語の解説情報がまだ少ない：英語の情報は豊富ですが、日本語での丁寧な解説はCanvaやIllustratorに比べると少なめ。困ったときに調べにくい場面もあります。

はじめるなら、まずこの初期設定から

Affinity Designerを使うにあたり、最初に押さえておくべき設定を調べてみました。

Affinity Designerをインストールしたら、最初にこれらの設定を変えておくと快適さが全然違うようです。

面倒に見えるかもしれませんが、一度やっておくだけで後々の「あれ？なんかおかしい」が防げます。

① 動作をサクサクにする（パフォーマンス設定）

設定画面：[編集] ＞ [設定] ＞ [パフォーマンス] ＞ [レンダラー]

「自動」になっているレンダラーを、使っているPCのGPU（NVIDIA GeForceやAMD Radeonなど）に明示的に変更します。これだけで動作が格段にスムーズになります。

② 色の設定を日本の印刷標準に合わせる

設定画面：[カラー] ＞ [CMYKカラープロファイル]

「Japan Color 2001 Coated」に変更。チラシや印刷物を作る人には必須の設定です。画面で見た色と印刷の色が大きくズレる「あの悲劇」を防げます。

③ 画面を明るく見やすくする

設定画面：[ユーザーインターフェース]

初期状態はダークモードで少し暗め。「UIの明るさ」と「テキストコントラスト」のスライダーを上げると、メニューの文字がくっきりして目が疲れにくくなります。

④ 移動ツールのショートカットを「F1」に変える（地味に重要）

設定画面：[ショートカット] ＞ [ツール] ＞ [移動ツール]

デフォルトは「V」キーですが、テキスト入力中に移動ツールに戻ろうとして「v」と誤入力してしまう事故が多発します。「F1」キーに変えておくと、文字入力中でも確実に移動ツールに戻れてストレスゼロです。これはやっておいて損なし。

最初に覚えておきたい基本だけ

機能が多くて圧倒されがちですが、最初はこれだけ押さえれば十分動けます。

• 3つのペルソナ：画面左上のアイコンで「デザイナー（ベクター）」「ピクセル（画像加工）」「書き出し」を切り替えます。部屋を移動するイメージです。ピクセルペルソナの非破壊編集はかなり優秀。
• Shiftキー ＋ ドラッグで正方形・正円を描けます。これはFireworksと同じ感覚です。
• スナップ機能：上部の磁石アイコンで切り替え。オンにしておくと配置が楽になります。
• Ctrl+J（反復複製）：同じ間隔でオブジェクトを増やせる便利なショートカット。覚えておくと作業がぐっと速くなります。

まとめ

Canvaが使いづらいと感じるFireworks世代の人は、感覚がおかしいわけじゃなく、ツールの思想が根本から違うだけです。

Canvaは「テンプレを使ってさっと作る」には優れているし、SNS投稿のデザインを量産するならとても合っている。ただ、「素材をしっかり作り込みたい」「ピクセル単位で制御したい」「ファイルを手元で管理したい」という感覚の人には、正直向いていないと思います。

そういう人には、Affinity Designerを一度試してみてほしい。今は無料で使えるので、インストールしてちょっと触ってみるだけでも「あ、こっちのほうがしっくりくる」と感じると思います。

少なくとも自分はそう感じました。Canvaで感じていた「なんか操作を奪われている感じ」が、Affinity Designerでは全然ない。久しぶりに「自分でツールを動かしている」感覚が戻ってきた気がしています。

このクライアントはサポートされていません

古いバージョンまたはサポート対象外のブラウザをお使いの可能性があります。当社の製品を引き続きお楽しみいただくには、以下のいずれかのブラウザの最新バージョンにアップデートしてください。

Canva

Part 1（第1章・第2章）の学習が完了しました。この記事では、2つの章で学んだ内容を一枚の地図として整理します。

試験直前の復習、あるいは黒本（問題集）で間違えた語句の位置確認に使ってください。

Part 1 の核心：第1章と第2章は「表裏一体」

第1章で学んだ「歴史」と、第2章で学んだ「技術の中身」は、1対1で対応しています。

「なぜその技術が生まれたか」と「その技術の中身」をセットで覚えると、語句が文脈の中に根付きます。

Part 1 の重要語句マップ

第1章・第2章で登場した Main キーワードを、「どのブームに属するか」で分類したマップです。問題を解いていて「この語句、どの文脈だったっけ？」と迷ったときの確認用に使ってください。

AIの基本概念（ブームをまたいで通底する考え方）

第1次ブーム関連：探索・推論

第2次ブーム関連：知識表現

第3次ブーム関連：機械学習・ディープラーニング

AIレベル分類との対応

第1章で学んだ「AIの4段階レベル分類」は、Part 1 全体を貫く軸でもあります。

Part 1 の学習チェック

次の問いに10秒で答えられれば、Part 1 の「枝」は完成しています。黒本で確認する前に声に出してみてください。

1. AIの定義が一意に定まらないのはなぜか？

AIの定義には統一見解がなく、「知性」そのものの定義が曖昧だから。研究者によって「推論」「学習」「知的行動」など重視する観点が異なるため。

2. AIとロボットの研究はどう違うか？

AIは推論・学習など知的処理を扱う研究。ロボット工学は機械制御や身体動作を扱う研究。両者は別分野だが、ロボットにAIを搭載することで結び付く。

3. 第1次AIブームが終わった理由は何か？

探索・推論によって迷路やパズルなどのトイプロブレムは解けたが、現実問題では組み合わせ爆発が起き、実用的な問題を解けなかったため。

4. フレーム問題を提唱したのは誰か？またその人物はAI史でほかに何をしたか？

ジョン・マッカーシー。1969年にパトリック・ヘイズとの共著でフレーム問題を提唱した。また、「Artificial Intelligence（人工知能）」という名称を提案し、LISPを開発した。

5. STRIPSの3つの構成要素を答えよ。

STRIPSは「前提条件」「行動」「結果」で状態遷移を記述するプランニング手法。

6. is-aとpart-ofの推移律の扱いの違いは何か？

iis-a（継承関係）は推移律が成立する。一方、part-of（部分関係）は文脈によっては推移律が成立しない。

7. エキスパートシステムの限界（知識獲得のボトルネック）とは何か？

専門家の知識の多くが暗黙知であり、ルールとして整理・記述することが難しかった点。知識ベースの構築や保守に大きなコストがかかった。

8. 機械学習とディープラーニングの違いは何か？（特徴量の扱いで説明する）

従来の機械学習では、人間が特徴量を設計する。ディープラーニングでは、多層ニューラルネットワークが特徴量そのものを自動学習する。

9. ディープラーニングが「ブラックボックス」と呼ばれる理由は何か？

ニューラルネットワーク内部でどの特徴を学習し、なぜその判断に至ったかを人間が説明しにくいため。

10. フレーム問題とシンボルグラウンディング問題の違いは何か？

フレーム問題は「変化しないことをどう記述するか」の問題。シンボルグラウンディング問題は「記号が現実世界の意味とどう結び付くか」の問題。

11. Mini-Max法とモンテカルロ法はそれぞれどんな場面に有効か？

Mini-Max法はゲーム木を先読みできる場合に有効。モンテカルロ法は囲碁のように探索空間が広大な場合に、ランダムなプレイアウトで勝率を推定する。。

12. トランスフォーマーが従来のニューラルネットワーク（RNN）と違う点は何か？

Self-Attentionにより、単語同士の関係を広範囲に並列処理できる点。RNNは逐次処理のため、長距離の関係を学習しにくかった。

次のステップ

Part 2 は第3章「機械学習の具体的手法」です。「AIはどうやって学ぶのか」を、教師あり学習・教師なし学習・強化学習という3種類の学習方法と、具体的なアルゴリズムで理解していきます。

文系GのG検定対策│機械学習とは何か？AIはどうやって学ぶのかを一発理解（第3章）

第2章では、AIが「探索・推論」「知識表現」「機械学習・ディープラーニング」という3つのアプローチを経てどう進化してきたかを俯瞰しました。第3章は、その「機械学･･･

まんぷく.com

「森 → 木 → 枝 → 葉」の学習アプローチで、G検定の「森」全体を見渡した次のステップは、各章を「木」として俯瞰することです。

第１章でAIとは何か、どんな歴史を経て現在に至るかを大きな流れで押さえました。

第２章は、その歴史の中で登場した3つのアプローチ——探索・推論、知識表現、機械学習・深層学習——の「中身」を学ぶ章です。

実は、第１章と第２章は表裏の関係にあります。

「なぜその技術が生まれたか（第１章）」と「その技術がどう動くか（第２章）」をセットで理解することが、Part 1 の学習ゴールです。

第２章の全体像

第2章は、白本（公式テキスト）の構成に沿って、次の3節で構成されています。

この章を一言でまとめると、「AIを賢くするための3つのアプローチが、それぞれどう動き、どこで行き詰まったか」を技術的に理解する章です。

2-1｜探索・推論

「探索」とは何か

探索とは、ゴールにたどり着くまでの経路を場合分けで洗い出す方法です。迷路を解くとき、コンピュータは「ここを曲がる・曲がらない」という選択肢を木の枝のように広げながら、正解の経路を見つけていきます。このような構造を探索木（ツリー構造）と呼びます。

基本的な探索方法は2つです。

探索を効率化するためにヒューリスティックな知識（経験的・発見的な知識）を使う方法もあります。たとえば「東京から大阪へ行くとき、関係のない北の経路は最初から除外する」というように、コストのかかる探索を省略できます。

プランニング——探索の実世界への応用

探索は迷路やパズルだけでなく、ロボットの行動計画にも応用されます。これをプランニングと呼びます。

プランニングでは、ある状態から目標の状態に到達するための行動を計画します。基本的な記述方法は「前提条件・行動・結果」という3つの組み合わせで、この形式をSTRIPS（Stanford Research Institute Problem Solver）と呼びます。

あらゆる状態に対して「前提条件・行動・結果」を記述しておけば、目標に至る行動計画を自動的に立てることができます。試験ではSTRIPSの名称と構成要素の組み合わせが問われることがあります。

ゲームへの応用

チェスや囲碁のようなボードゲームでは、相手が存在するため単純な探索では対応できません。そこで登場するのがMini-Max法です。

考え方はシンプルです。自分の番では自分が有利（スコア最大）になる手を選び、相手の番では相手が有利（自分のスコア最小）になる手を相手が選ぶと仮定して、未来の局面から現在に向かって逆算しながら最善手を決定します。

Mini-Max法は論理的に無駄な探索が生じるため、計算不要な枝を切り落とすαβ法（アルファベータ法）という改良版も重要な手法です。

さらに、囲碁のように組み合わせが膨大すぎて全探索が不可能な場合には、ランダムなシミュレーション（プレイアウト）を大量に繰り返し、どの手が最も勝率が高いかを統計的に近似するモンテカルロ法（モンテカルロ木探索）が使われます。人間が局面のスコアを決めるより、ランダムに大量に試した方が優れているという発見が、囲碁AIを大きく前進させました。AlphaGoが登場する以前の主要技術です。

試験では「各手法の仕組みと限界（計算量爆発）」が問われることがあります。

2-2｜知識表現

人工無脳——知識なしでも「賢く見える」不思議

1964〜1966年に開発されたイライザ（ELIZA）は、人工無脳の元祖です。相手の発言をあらかじめ用意したパターンと照合し、パターンに合致した返答を返すだけの仕組みですが、本物の人間と対話しているような錯覚（イライザ効果）が生まれました。

これは「意味を理解せずに適切に見える応答ができる」という現象であり、第１章の「中国語の部屋」と同じ構造を持っています。

エキスパートシステムの代表例——マイシン（MYCIN）

第2次AIブームの代表的なエキスパートシステムが、1970年代にスタンフォード大学で開発されたマイシン（MYCIN）です。血液中のバクテリアを診断する医療支援システムで、500のルールがあらかじめ用意されており、質問に順番に答えると感染した細菌を特定して適切な抗生物質を処方できるという、あたかも感染症専門医のように振る舞うシステムでした。

マイシンの正答率は約69%で、専門医の80%には及ばないものの、専門医ではない一般医師よりは高い水準でした。

試験では「エキスパートシステムの具体例」として問われることがあります。マイシン・MYCIN・血液診断という組み合わせを押さえておきましょう。

意味ネットワーク

「概念」をノードで、「概念間の関係」をリンク（矢印）で結んだネットワーク構造で知識を表現する方法です。

特に重要な関係が2つあります。

is-aとpart-ofの推移律の扱いの違いは試験の重要ポイントです。is-aは推移律が常に成立しますが、part-ofは成立しないケースがあるという対比を押さえてください。

「東京はアジアの一部」（東京→日本→アジア）のように成立する場合もある一方、「指は野球部の一部」のように成立しない場合もあります。関係の種類と文脈によって異なるのです。

意味ネットワークは人間にとって直感的で分かりやすく、関連する知識をリンクをたどって検索できます。ただし、記述の約束事が決まっていないため、複数の人が知識を記述すると語彙や記述レベルがバラバラになり、共有が困難になります。

オントロジー

意味ネットワークの「記述の約束事がない」という問題を解決するのがオントロジーです。知識を記述する際の語彙・意味・関係性を、他の人とも共有できるように明確な約束事として定義したものです。

オントロジーには2種類のアプローチがあります。

「すべての常識をコンピュータに入れよう」という壮大な試みが1984年から始まったCycプロジェクトです。驚くべきことに現在も継続中であり、人間の常識がいかに膨大で形式化が難しいかを示す象徴的な事例です。

エキスパートシステムと知識獲得のボトルネック

エキスパートシステムは、専門家の知識をルール化してコンピュータに蓄積し、特定の分野で判断を下すシステムです。医療診断・化学分析など多くの分野で実用化されました。

しかし限界が明らかになります。専門家の持つ知識の多くは暗黙的で言語化が難しく、知識の数が数千・数万になると矛盾や管理の問題が生じました。さらに、一般常識のような「明文化されていない知識」はそもそも取り込むこと自体が困難でした。この問題を知識獲得のボトルネックと呼び、第2次ブームの終焉をもたらした主要因です。

ワトソンと東ロボくん——知識表現の到達点と限界

IBMが開発したワトソン（Watson）は、2011年にアメリカのクイズ番組「ジョパディー！」で歴代チャンピオンと対戦し勝利したことで一躍有名になりました。ウィキペディアの情報からライトウェイトオントロジーを生成し、質問に含まれるキーワードと関連しそうな答えを高速に検索することで回答します。意味を理解しているわけではなく、高速な検索と照合の精度を極めた技術です。

日本では「ロボットは東大に入れるか（東ロボ）」プロジェクトで開発された東ロボくんが2016年の進研模試で偏差値57.1を達成し、多くの私立大学に合格できるレベルに達しました。しかし、AIの図理解や常識推論の限界から東大合格は断念し、2016年をもって模試での全科目受験を終了しました。

試験では「ワトソンが使った技術（ライトウェイトオントロジー）」と「意味理解なしに正解できる構造」が問われることがあります。

2-3｜機械学習・深層学習

機械学習——データからパターンを学ぶ

機械学習とは、AIのプログラム自身がデータから学習する仕組みです。コンピュータは大量のサンプルデータを通してデータに潜むパターンを学習します。サンプルデータが多ければ多いほど、望ましい学習結果が得られます。

機械学習において、学習対象の「どの特徴に注目するか」を定量的に表したものを特徴量と呼びます。機械学習では、この特徴量を人間が選んで設定し、AIがその特徴量からパターンを学習します。

データの特徴が増えすぎると、必要なデータ量が指数的に増大するという次元の呪いも重要な概念です。適切な学習を行うには、特徴量（次元）を絞る工夫か、大量の多様なデータが必要になります。

2000年以降、インターネットの普及でデータが爆発的に増加したことで機械学習は大きく実用化が進みました。この大量データをビッグデータと呼び、第3次AIブームの土台となりました。

統計的自然言語処理——機械学習と言語の出会い

Webページの爆発的な増加は、文章を扱う研究を加速させ、統計的自然言語処理という分野の急速な発展をもたらしました。

たとえば「bank」という単語には「銀行」と「土手」という訳語候補がありますが、大量の対訳データ（これをコーパスと呼びます）があれば、「bank」の近くに「money」や「in」という単語が現れた場合は「銀行」と訳す確率が高いということを、機械学習を使って学べます。文法構造を人間が決めるのではなく、データの統計的なパターンから訳を選ぶのが特徴です。

試験では「コーパス」の定義（対訳データの集合）と、統計的手法が従来のルールベース翻訳と異なる点が問われることがあります。

ニューラルネットワークの歴史

ニューラルネットワークは、人間の脳の神経回路（ニューロン）の構造を模したアルゴリズムです。その歴史は3つのブームを経験してきました。

特徴量を人間が決める機械学習（レベル3）に対して、特徴量そのものもAIが自動学習する技術がディープラーニングです。この違いが、機械学習とディープラーニングを区別する核心です。

ディープラーニングの台頭

2012年、画像認識競技会ILSVRC（ImageNet Large Scale Visual Recognition Challenge）でトロント大学のジェフリー・ヒントンが率いるチーム「SuperVision」がディープラーニングを用いてエラー率15.3%という衝撃的な結果で圧勝しました（2位の東大チームに10%以上の差）。このときのモデルはAlexNetと呼ばれます。2015年には人間の画像認識エラー率（約4%）をも上回る精度を達成しています。

2016年には、DeepMindが開発したAlphaGoが世界トップの囲碁棋士イ・セドル九段に勝利。これはモンテカルロ木探索にディープラーニングを組み合わせた成果です。

これらの出来事は、人間を超える「超知性」の誕生（シンギュラリティー）への関心を世界規模で高めました。

なお、ディープラーニングはAIが特徴量を自動抽出するため、なぜその判断をしたのかを人間が説明できない「ブラックボックス型の人工知能」であるといわれています。判断の根拠が示せないことは、医療や法律など説明責任が必要な分野での課題のひとつです。

大規模言語モデル（LLM）と生成AI

2017年、Googleの研究者が発表した論文「Attention Is All You Need」で提案されたトランスフォーマーが、自然言語処理の世界を一変させました。単語と単語の関係性を「アテンション（注意機構）」を使って広範囲にわたって学習できるこのモデルは、従来のRNNが苦手としていた長距離の文脈理解と並列計算を可能にしました。

トランスフォーマーをベースに、大量のテキストデータで事前学習させた巨大なニューラルネットワークを大規模言語モデル（LLM: Large Language Model）と呼びます。

LLMの開発では、まず大量の文章で基本的な言語構造を学ぶ事前学習を行い、次に特定のタスクや応用分野に向けたファインチューニング（微調整）を加えることで、論理的・適切な応答を生成できるようになります。

2022年11月にOpenAIが公開したChatGPTは、このLLMを活用したサービスで、公開後わずか2カ月でアクティブユーザー1億人を突破。「生成AI」という言葉を社会に広く浸透させ、第4次AIブームとも呼ばれる現在の局面を切り拓きました。

第２章のまとめ

第2章で理解しておくべきことを3行に絞るとこうなります。

• 探索・推論は「場合分けで解を見つける」技術。プランニング（STRIPS）・Mini-Max法・モンテカルロ法が試験頻出。
• 知識表現は「概念と関係を構造化する」技術。is-aは推移律が常に成立、part-ofは成立しないケースがある点に注意。エキスパートシステムの限界が知識獲得のボトルネック。
• 機械学習・ディープラーニングは「データから自ら学ぶ」技術。特徴量を人が設定するか（機械学習）AIが自動学習するか（ディープラーニング）が核心の違い。ディープラーニングはブラックボックス型。

この3点が説明できれば、第2章の「枝」はつかめています。

🔑 試験対策キーワード

ここからは「葉」のフェーズです。

「葉」のフェーズの意味が「？」な方は、先に「森 → 木 → 枝 → 葉」の学習アプローチを確認してから戻ってきてください。

そうすることで、あなたが手戻りするタイムロスを防げます。

さて、話を戻します。

まず、Mainキーワードを10秒で説明できる状態にすることを目指してください。

キーワードの記憶定着にはAnkiなど、いつでも、どこでも使えるアプリの活用をおすすめします。

Subは問題を解いていて「迷った・止まった」語句だけ追加していきます。

■ Main（説明の軸：必ず10秒で話せるようにする）

■ Sub（補助説明：問題で迷ったら追加する）

■ Reference（見覚えがある程度でOK）

次のステップ

第1章・第2章で「AIはどこから来たのか」という Part 1 の学習が完了しました。次は Part 1 まとめとして、第1章と第2章の対応関係を一枚の表に整理します。試験直前の復習や、黒本との照合にも使いやすいコンテンツです。

その後、Part 2「AIはどうやって学ぶのか」へ。第3章の機械学習の具体的手法に進みます。

タイトル 文系GのG検定対策｜Part 1 まとめ｜第1章・第2章を一枚の地図で整理する

Part 1（第1章・第2章）の学習が完了しました。この記事では、2つの章で学んだ内容を一枚の地図として整理します。試験直前の復習、あるいは黒本（問題集）で間違･･･

まんぷく.com

「Claudeって文章を書くのが得意だけど、絵を描いたりできないでしょ？」と思っていたら、いきなりデザインツールが出てきました。

2026年4月17日、AnthropicがClaude Designというサービスをリリースしました。テキストで指示するだけで、LPやスライド、プロトタイプまで出てくる、あのFigmaやCanvaに真正面からぶつかっていくようなツールです。

発表当日にFigmaの株価が一時7%以上下落したというニュースも流れていたので、それだけ市場への影響が大きかったということでしょう。

この記事では、Claudeはすでに使っているけどClaude Designはまだよくわからない、という方向けに、何ができるのか・従来ツールと何が違うのか・実際の使い方をまとめてみました。

Claude Designとは？

一言で言うと、「テキストで指示するだけで、デザインの成果物を一緒に作ってくれるAIツール」です。

Anthropic Labsが2026年4月17日にリサーチプレビューとして公開しました。搭載モデルは同日リリースされたClaude Opus 4.7。Anthropicがリリースしているモデルの中で最も高性能なビジョン対応モデルで、最大2,576px（3.75MP）の高解像度画像を理解できます。これにより、既存サイトのスクリーンショットを読み込ませてリデザイン案を作る、といった使い方ができるようになっています。

Standard Claude・Claude Code との関係を整理する

Claude Designを理解するうえで一番すっきりするのが、Anthropicのツール群を「制作工程の三層構造」として見ることです。

「考えたことをビジュアルに変換して、そのまま実装に渡す」という一気通貫のフローが、Anthropicが目指している設計です。特にClaude Codeへのハンドオフはワンコマンドで完結するようになっており、「デザインして終わり」ではなく、実際に動くものまで持っていける点が大きな特徴です。

具体的に何が作れるのか

現時点（2026年4月時点）でClaude Designが対応している主な出力は以下の通りです。

• ランディングページ（LP）・ワンページャー
• スライド・ピッチデック・プレゼン資料
• UIプロトタイプ（HTMLベースで実際に動作するもの）
• ウェブサイトのワイヤーフレーム・モックアップ
• マーケティング素材・バナー
• プロダクト仕様書をもとにしたUIと仕様書の同時生成

操作は「左チャット＋右キャンバス」

画面の構成はシンプルで、左側にチャット、右側にキャンバス（プレビュー）があります。

左側で「もう少し余白を増やして」「ヒーロー画像を追加して」と日本語でも指示すると、右側のデザインがリアルタイムで更新される仕組みです。一発で完成させるのではなく、会話しながら反復して仕上げていくスタイルが前提になっています。

既存サイトのスクリーンショットをアップロードして「このサイトをリデザインしたい」と伝えることも可能で、Claude Opus 4.7の高解像度ビジョン機能がこのあたりの精度を支えています。

Figma・Canvaとの違いをどう考えるか

発表当日にFigma株が下落したこともあって「Figmaが終わった」的な見出しもちらほら見かけますが、実際の棲み分けはもう少し現実的に見たほうが良さそうです。

今の段階では「Figmaを完全に置き換えるもの」というより、「アイデアを形にする最初の工程を劇的に速くするもの」として見るのが現実的です。LP・ピッチデック・プロトタイプの初稿を数十分で作り、仕上げをFigmaやCanvaで整える、という使い分けが自然に落ち着くパターンになりそうです。

現時点での制約も正直に書いておく

良いことばかりではないので、把握しておきたい制約もまとめておきます。

• リサーチプレビュー段階：機能やUIは今後変更される可能性があります
• 無料プランは対象外：Pro・Max・Team・Enterpriseのみ利用可能
• レート制限あり：通常のチャット枠とは別にClaude Design専用の利用枠があり、上限に達することがあります
• ピクセル単位の精密調整は苦手：細部の仕上げにはFigmaとの併用を推奨
• APIは現時点では非提供：Webインターフェース経由のみ
• 日本語より英語のほうが精度が高い傾向：重要な指示は英語で補足するのも有効

まとめ

Claude Designを一言で整理するなら、「会話でデザインの初稿を作り、そのままコードに渡せる環境」です。

Standard Claudeが「考える・書く」ための道具だとすれば、Claude Designは「考えた内容を視覚的な成果物に変換する」中間層。そしてClaude Codeが「実際に動くものを作る」。この三層がそのままAnthropicのプロダクト戦略になっているわけで、単なる「デザインツールが増えた」ではなく、アイデアから実装まで全部をAnthropicのエコシステム内で完結させようという方向性が見えてきます。

PMやマーケターなど非デザイナーの人間が「とりあえず形にしたい」という場面では、かなり実用的なツールになりそうです。特にLP・資料・プロトタイプの0→1フェーズで使うなら、試してみる価値は十分にあると思います。

※ 本記事の情報は2026年5月時点のものです。リサーチプレビュー中のため、機能・仕様は変更される可能性があります。

でも、正直なところ、最初は「また新しいAIが出たのか」くらいの感覚で、あまり深く調べていませんでした。

ところが調べ始めると、これは単なる画像生成ツールとは別物で、使い方によってはかなり面白いことができそうだとわかってきました。

今回は、パソコンやスマホに詳しくなくても、日常や仕事でちょっとした資料を作る機会がある方に向けて、Claude Designとは何か、どう使えばいいのか、できるだけわかりやすく書いてみます。

Claude Designとは？

Claude Designは、Anthropic（アンソロピック）というアメリカのAI企業が2026年4月に発表した、会話型のデザインツールです。

Claude（クロード）はもともとチャットAIとして知られていましたが、そのClaudeが「デザイン」もできるようになった、というイメージが近いかもしれません。

「デザインツール」と聞くと、PhotoshopやIllustratorのような専門ソフトを思い浮かべてしまいますが、Claude Designはそういうものではありません。

ポイントは、ソフトの操作を覚えなくていい、ということ。

「こういうチラシを作りたい」「こんなレイアウトにしたい」と日本語で話しかけるだけで、AIがデザインの下書きを作ってくれます。プログラミングの知識もデザインの知識も不要で、言葉で伝えるだけ。それがClaude Designの大きな特徴です。

画像生成AI（DALL-Eなど）とどう違うの？

Claude Designを調べていると、よく「DALL-E（ダリ）などの画像生成AIとどう違うの？」という疑問が出てきます。自分も最初はそこがごっちゃになっていました。

整理すると、こんな感じです。

一言でいうなら、画像生成AIは「絵を描く道具」、Claude Designは「レイアウトごと考えてくれる相談相手」という感じでしょうか。

出力形式について少し補足しておくと、Claude Designの書き出しには複数の選択肢があります。

ここで注目したいのが、Canvaへの書き出しです。

Claude Designは「アイデアを形にする場所」、Canvaは「それを仕上げる場所」という役割分担で設計されています。Claude Designで下書きを作ったら、Canvaに送って色や文字を細かく整える、という流れが一番スムーズです。

Canvaに取り込んだあとは、通常のCanvaのデザインとまったく同じように操作できます。ドラッグ＆ドロップで要素を動かしたり、フォントを変えたり、チームで共同編集したりと、Claude Designだけでは難しかった細かい仕上げが自由にできるようになります。

ベータ版で画面が英語…でも大丈夫？

現在のClaude Designは、まだベータ版（試験的な提供段階）のため、画面の表示はすべて英語です。

「英語か…」と思った方、少し待ってください。

確かに画面は英語ですが、AIへの話しかけは日本語で問題なくできます。「こんなチラシを作りたいです」と日本語で入力すれば、ちゃんと日本語のデザインを作ってくれます。

画面上のボタンも、よく使うのはこのくらいです。

難しい専門用語はほとんどなく、なんとなく意味がわかるものばかりです。「わからない英語が出てきたら、そのまま日本語でClaudeに聞いてしまえばいい」というくらいの気楽さで触ってみてください。

Claude Designの使い方：基本の手順

難しそうに思えますが、手順はとてもシンプルです。

【ステップ1】Claude.aiにアクセスしてログインする
Claude.ai にアクセスして、アカウントを作成またはログインします。Googleアカウントでもログインできます。

【ステップ2】Claude Designを開く
ログイン後、画面の左側にある「Design」または「Claude Design」という項目をクリックします。（ベータ版のため、表示されていない場合は「新しいチャット」から使えることもあります）

【ステップ3】作りたいものを日本語で伝える
最初は[+Create]のボタンをクリックできない状態ですが、New protypeの欄に仮のProject nameを入れると[+Create]をクリックできる状態になるので、このボタンをクリック。

そして、テキスト入力欄に、作りたいものの概要を入力して送信します。最初の一言は短くてもOK。「運動会のお知らせチラシを作ってください」で十分です。

【ステップ4】出てきたデザインを見て、修正を伝える
しばらくすると、デザインの案が画面に表示されます。「もう少し明るい色にして」「タイトルをもっと大きくして」などと追加で伝えると、AIが修正してくれます。

【ステップ5】気に入ったら書き出す
「Export」ボタンからCanva・PDF・PPTX・HTMLで保存できます。細かく仕上げたいならCanvaへ送る、印刷物にするならPDF、プレゼンで使うならPPTXが便利です。

どんな場面で役に立つの？

「でも、自分には関係ないかな」と思っている方も、こんな場面で意外と使えます。

📋 職場での事務作業

回覧文書や社内のお知らせを「なんとなくそれっぽく作りたい」とき、Wordで格闘するよりずっと早く形になります。「A4サイズで、タイトルと日時と内容欄があるお知らせ文書を作って」と伝えるだけで、あとはAIが土台を作ってくれます。自分はその文字を差し替えるだけでいい。

🏘 地域活動・自治会・PTAのお知らせ

「手書きのチラシしか作れなくて…」という方にも、Claude Designはかなり助かるツールになると思います。専門的なデザインソフトが不要で、言葉で伝えるだけでチラシの下書きが出てきます。

🏫 学校行事のお知らせ・配布物

PTAの役員さんや、先生方が作る学校行事の案内にも使えます。「運動会のお知らせ」「保護者会の連絡文書」「遠足のしおり表紙」なども、アイデアを言葉にして伝えれば、それなりの形に整えてくれます。

Claude Designに上手く伝えるコツ

「伝えるだけで作ってくれる」とはいっても、伝え方次第で出来上がりがだいぶ変わります。コツは4つです。

1. 何を作るか（目的）
2. どんな配置・レイアウトにしたいか
3. 何の情報を載せたいか（内容）
4. 誰が見るものか（対象）

この4つを一緒に伝えると、ぐっとイメージに近いものが出てきます。

実際にやってみた例として、「小学校の運動会のお知らせチラシ」をClaude Designに作ってもらいました。

❌ 悪い例：「運動会のチラシを作って」

これだと、AIがかなり自由に解釈してしまいます。会社の運動会なのか、学校の運動会なのか、大人向けなのか子ども向けなのかもわかりません。

そこで、次のように伝え直してみました。

✅ 実際に入力したプロンプト：

「小学校の運動会のお知らせチラシを作ってください。

A4サイズで、タイトルは『令和7年度 運動会のお知らせ』。

開催日（10月11日・土曜日）、開始時間（午前9時）、場所（○○小学校 校庭）、持ち物（お弁当・レジャーシート・飲み物）、注意事項（駐車場なし）、お問い合わせ先を載せてください。

デザインは明るく元気なイメージで、カラフルな色使いと子どものイラストを使ってください。

見る相手は小学生の保護者の方々です。」

そして、このプロンプトで出てきチラシの初稿が、こちらです。

あの程度の指示しか出していないので、いかにもたたき台という感じですが…。

でも、カラフルな三角旗、子どもたちのイラスト、日時・場所・持ち物・注意事項まで、きちんと整理されたレイアウトで出てきました。

そして、指示には書いていない「公共交通機関でのご来校を」という注意書きまでちゃんと入っているのには少し驚きました。その辺りは、Claudeが身に付けた一般常識が表現されているのだと思いました。

もちろん、学校名や電話番号など実際の情報は後から差し替える必要がありますが、ゼロから作ることを思えば、かなりの時短になります。

最初から完璧に伝えようとしなくてもいい。

まず大まかに作ってもらって、「タイトルをもっと大きくして」「背景を水色にして」と会話しながら、自分のイメージに少しずつ近づけていくのが、このツールの使い方なんだろうと思いました。

ちょっと気になる点も

ここまで、良いことばかり書いてきましたが、正直なところを書いておきます。

まず、まだベータ版なので、動作が不安定なことがあります。思ったように動かないときは、リロードしてみる、もう一度伝え直してみる、というのが今のところの対処です。

それから、画面が英語なのは慣れるまで少し戸惑います。「Export」「Generate」くらいは覚えておくとスムーズです。

あと、細かいデザインのこだわりがある人には物足りないかもしれません。「このフォントをこのサイズで…」という細かい指定は、まだ苦手な部分があるようです。

現時点では、あくまで「下書きを作ってもらう」感覚で使うのがいいと思います。

まとめ

Claude Designを一言で表すなら、「デザインの知識がなくても、言葉でレイアウトを作れる会話型のデザインアシスタント」です。

画像生成AIのように「絵を描く」ものではなく、チラシやお知らせなど、実際に使える資料の形を作るのが得意なツールです。

まだベータ版で画面は英語ですが、AIへの指示は日本語でできますし、使うボタンも数えるほどしかないので、そこまで構えなくて大丈夫。

「WordもExcelも苦手で、チラシを作るのに毎回困っている」という方や、「PTAや自治会で資料係になってしまった」という方に、ぜひ一度試してみてほしいツールです。

下書きを作ってもらって、文字を差し替えるだけ。それだけで、それなりの見栄えのものができてしまいます。

道具は使ってみてナンボ。まずは軽い気持ちで触ってみてください。

Claude Designの真価

と、ここまで初心者の方にもわかるように、超かみ砕いた記事を書いてきましたが、Claude Designの真価はこの先にあります。

仕事でClaude Designを活かしたい、と考えている方は、ぜひ下記のページもご覧ください。

Anthropic Claude Designとは？AIと会話しながらデザインを作る新時代のツール

「Claudeって文章を書くのが得意だけど、絵を描いたりできないでしょ？」と思っていたら、いきなりデザインツールが出てきました。2026年4月17日、Anthr･･･

まんぷく.com