AIを「自分仕様」に育てるハック3選

ChatGPT WorkやCodexを使う人が増えるにつれて、新しい問題が浮上しています。選択肢が増えすぎて、どのモデルを何に使えばいいか判断に迷う、というものです。

@shota7180が整理した使い分けマトリクスが話題になっているのも、まさにこの文脈です。新たに加わった「GPT-6.1 Terra」を含む4モデルを、「速さ」「費用」「タスクの複雑さ」という3軸で整理したもので、「とりあえず最新モデル」から「目的に合わせて選ぶ」フェーズへの移行を促す内容になっています。

モデルの使い分けは、以前は上級者向けの話でした。でも今は、同じChatGPTアカウントの中に性格の異なるモデルが並んでいる状態です。何も考えずにデフォルトを使い続けると、「速さが欲しいのに重いモデルを回している」「単純なタスクに高コストのモデルを当てている」という非効率が静かに積み重なります。使い分けそのものが、使う側のリテラシーになりつつあります。

AIは使い分けると理解が3倍速くなるでも触れた通り、モデル選択の判断軸を持っているかどうかで、同じツールでも引き出せる質がかなり変わります。

機械学習の研究者として知られるAndrej Karpathyが、週末ハックとして「HackerTube」を公開しました。YouTubeの推薦アルゴリズムに不満を感じた彼がやったのは、文句を言うことでも、YouTubeをやめることでもありません。Hacker News（HN）の20年分・4300万件のコメントデータを Claude Opus 5.5 に処理させて、繰り返し推薦されてきた動画6,454本だけを抽出した自前のリストを作った、というものです。作業時間はおよそ2時間。

ここで注目したいのは規模感よりも、発想の向きです。「既存のサービスが気に入らない → AIで自分向けに再構築する」という動き方は、ツールを与えられたまま使うのとは明らかに異なります。推薦アルゴリズムというブラックボックスに対して、20年分のコミュニティの知性を「フィルター」として使ったわけです。

プロジェクトのリポジトリは公開されており、発想の組み立て方やClaude Opus 5.5の使いどころは追いかけられる状態になっています。大量のテキストデータをモデルに処理させて「自分好みの何か」を作るという手順は、動画リストに限らず応用できます。RSSフィードの整理、SNSタイムラインの再構築、書籍メモのフィルタリングなど、「情報が多すぎて見たいものが見えない」という場面はどこにでもあります。

Claude Codeで「全自動投稿」は本当に使えるのかでも触れたClaudeの実務活用ですが、今回のように「大量データの一括処理 → 自分仕様の出力」という使い方は、APIアクセスがある人には特に再現性が高い手口です。

今回の3つのネタに共通しているのは、「あるものをそのまま使う」のではなく「自分の目的に合わせて組み直す」という姿勢です。

モデルの使い分けも、HNデータを使ったYouTubeの再構築も、プロンプトをコピペして動かすAI書道チャレンジも、入り口は違いますが「ツールを自分仕様にカスタマイズしようとしている」という方向性は同じです。

こういった動き方が以前より現実的になってきた理由のひとつは、モデルの性能が上がって「大量データを2時間で処理できる」ような規模感が、研究者でなくても手の届くところに来たことです。Karpathyがやったことは、1年前のモデルでは同じコストでは難しかった処理です。

もうひとつは、モデルの選択肢が増えたことで「最適化の余地」が生まれたこと。選択肢が1つしかなければ使い分けは不要ですが、4モデルが並んでいる状態では、選ぶこと自体が使いこなしの一部になります。

AIが壊れたら「貼り直す」、育てるなら「方針で教える」でも言及していますが、AIとの付き合い方を「都度つかう」から「方針を持って運用する」に変えていくことが、使い倒し型の実践者にとって次のステップになっています。モデル選択の判断軸を持つことは、その第一歩として効果的です。