CodexとClaude Codeを実務で使って分かった違い

※本ページはプロモーションが含まれています

CodexとClaude Code。

どちらも、こちらから指示を出せば
単に質問へ答えるだけではなく
実際の作業まで進めてくれるAIです。

私も仕事の中で両方を使っていますが
使い始めた頃は
「似たようなことができるAI」
という認識でした。

ところが、実際の業務を任せていくと、
かなり性格が違います。

特にその違いを強く感じたのが
Googleビジネスプロフィールの登録作業でした。

38店舗に対して商品を登録し
不要になった商品を削除する仕事です。
登録する商品は合計380件、削除は152件。

以前はCodexに任せていたこの仕事を
ある事情からClaude Codeへ引き継ぐことになりました。

そこで見えたのは、
単純な「どちらのAIが賢いか」という
違いではありません。

• どちらが速いのか
• どちらが手離れが良いのか
• どんな仕事を任せやすいのか
• 人間はどこまで付き添う必要があるのか
• そもそもAIへどう仕事を渡せばいいのか

実際の仕事では、こちらの方がずっと重要でした。

今回はGoogleビジネスプロフィールの大量登録
だけでなく、Webでの情報収集、画像変換
ローカルアプリの作成、大量のテキストファイル生成など
私が実際に任せてきた仕事をもとに
両者の違いを整理してみます。

「どちらが優秀か」ではなく、「どんな仕事を、どのAIに、どう任せれば仕事が回るのか」。

これが、今回の記事で考えてみたいことです。

CodexとClaude Codeは、似ているようで仕事の進め方が違う

どちらも「作業できるAI」だが、使ってみると感覚が違う

ChatGPTやClaudeを
文章を作ったり
質問に答えたりするAIとして
使っている人は多いと思います。

しかし、CodexやClaude Codeを
使い始めると、それとは少し違う
感覚になります。

「これについて教えて」と
質問するだけではありません。

「このファイルを整理して」
「このルールで処理して」
「この作業を繰り返して」
「こういうツールを作って」

そんなふうに
実際の仕事そのものを渡せるようになります。

私も最初は、その便利さにかなり驚きました。

一方で、使う時間が長くなるにつれて、
CodexとClaude Codeでは
仕事の進め方がかなり違うことにも気づきました。

指示を受けてからの動き方
処理のテンポ
途中で人間に確認を求める頻度
得意な仕事。

同じ「作業できるAI」とひとくくりにしてしまうと
見えにくい違いがあります。

「何ができるか」だけで比べても、実務では足りない

AIサービスを比較するとき
どうしても「何ができるか」に目が向きます。

コードが書ける。
Webを操作できる。
ファイルを扱える。
情報を検索できる。

もちろん、それも重要です。

ただ、実際の仕事で使っていると、
それだけでは判断できません。

私が今、AIへ仕事を任せるときに見るのは、
主に次のような部分です。

• 処理はどのくらい速いか
• 指示した内容をどのくらい正確に処理するか
• 途中で人間がどのくらい介入する必要があるか
• 同じ仕事を繰り返しても安定するか
• 利用制限や承認によって止まらないか
• 問題が起きたとき、別の方法へ切り替えられるか

そして、実際に使ってみて特に重要だと
感じるようになったのが、「手離れ」です。

AIが作業している間
私は別の仕事をしていられるのか。

それとも、AIの前に座って
「承認」「続行」「確認」
を繰り返さなければならないのか。

この違いは、実務では
かなり大きなものになります。

Codexは「忠実に仕事をこなす担当」として使いやすい

Webでの情報収集は安心して任せやすい

私がCodexに任せて安心だと感じている仕事の一つが
Webでの情報収集です。

条件を決めて情報を集め、それを整理する。
こうした仕事ではよく使っています。

もう一つは、手順が決まっている作業の実行です。

やることを明確にして、

「この条件ならこうする」
「終わったら次へ進む」
「この場合だけ別の処理をする」

というようにルールを作って渡すと、
その通りに淡々と進めてくれます。

もちろん、どんな仕事でも間違わない
という意味ではありません。

それでも、私がこれまで使ってきた範囲では、
指示と条件をきちんと決めておけば、
余計な判断を挟まず処理してくれる印象があります。

決められた作業を自動実行させると強い

Codexの良さを感じやすいのは
やはり繰り返し作業です。

ExcelやCSVなどに元データがあり
それを一定のルールに従って処理する。

あるいはWebサイトを開いて
決められた場所へデータを入力していく。

人間がやれば単調ですが
件数が増えるとかなり時間を取られる仕事です。

こういう仕事は
AIへ任せる価値が大きいと感じます。

私自身が考えなければならないのは
最初のルール作りです。

一度流れができてしまえば
あとは同じ手順を繰り返してもらう。

この形が作れると、AIは単なる「相談相手」ではなく
本当に作業担当者に近くなります。

よく言えば忠実、悪く言えば融通が利かない

Codexを人に例えるなら
私の中ではかなり真面目な担当者です。

よく言えば、忠実。

悪く言えば、融通が利かない（笑）。

こちらの意図を察して、勝手に良い感じに
処理してくれることを期待するより
何をしてほしいのかを明確にした方が
うまくいきます。

逆に言えば、指示さえしっかり作れば、
決めた手順に沿って黙々と仕事をしてくれる。

私にとっては
この「真面目さ」がCodexの使いやすさでもあります。

ブラウザ操作までつながると、仕事を丸ごと渡せる

以前のGoogleビジネスプロフィールの作業では、この特徴がかなりうまく機能していました。

Excelに登録内容をまとめておく。

Codexがその内容を読み
Googleビジネスプロフィールを開き
必要な情報を入力する。

さらに、
Excelに記載した絶対パスを使って
画像を選び、登録して更新する。

ここまで一連の流れとして任せられていました。

現在のOpenAIの案内でも、Codexを含む
デスクトップ環境では内蔵ブラウザーや
Chrome連携を使ってWebページを
操作できる仕組みが提供されています。

ただし、使える機能はプランや
ワークスペース設定などによって異なります。

重要なのは、
ブラウザを操作できること自体ではありません。

「データを読む→判断する→入力する→
　画像を付ける→更新する」
までが一本につながっていたことです。

そこまで任せられると、人間はかなり手を離せます。

一つの工程が使えなくなるだけで、自動化全体が止まる弱点もあった

ところが
この仕組みがある日うまく動かなくなりました。

最終的に大きな問題になったのが画像の添付です。

画像を選ぶためにWindows側の
別ウィンドウが開くと
そこから先へ進めなくなりました。

「画像だけ自分で添付してください」

となるわけです。

一件だけなら、それでも構いません。

しかし今回のように
何百件という登録を自動化したい仕事では
話が変わります。

画像を付けるたびに人間が戻って
操作するのであれば、
その瞬間に「手離れ」という大きな利点が
失われます。

現在のOpenAIの資料でも、ブラウザ操作やコンピューター操作は別の実行面として扱われており、
Webサイト側の制限や実行環境によってサポートできない操作があることも案内されています。

したがって、今回の原因を単純に「Codexの性能が落ちた」と断定することはできません。

私が確認できた事実は
それまで成立していた私の業務フローが
その環境では成立しなくなった
というところまでです。

この件については前の記事でも
詳しく書きましたが
この経験がClaude Codeへ仕事を引き継ぐ
きっかけになりました。

Claude Codeは「面倒な作業を仕組みに変える担当」として使っている

画像ファイルの変換など、ちょっとした効率化に便利だった

Claude Codeには、Codexとは少し違う仕事を
頼むことが多くあります。

たとえば画像ファイルの変換です。

一枚ずつ手作業で処理すればできる。

けれど、何十枚、何百枚となれば面倒になる。

そんな
「できるけれど、自分ではやりたくない仕事」
をまとめて処理してもらうことがあります。

派手な使い方ではありません。

しかし、日常業務では
こういう小さな効率化が積み重なります。

5分、10分の面倒な作業を
何度も繰り返すくらいなら
一度処理方法を作ってしまう。

Claude Codeを使っていると
そんな発想が増えてきました。

欲しかった画像検索アプリをローカルで作ってもらった

さらに面白かったのが
ローカルで動く画像検索アプリを
作ってもらったことです。

イメージとしてはGoogleの画像検索に近く
参考画像やキーワードを入れると
パソコン内の指定したフォルダから
条件に合う画像や類似した画像を
探し出してくれます。

仕事で画像を大量に保存していると
「あの画像、どこに入れたっけ？」
ということがよくあります。

フォルダを一つずつ開いて探すのではなく
手元にある参考画像や覚えているキーワードから
探せるようにしたかったのです。

以前なら、

「こういうソフトがあれば便利なのにな」

と思って終わっていたものが、
「だったら作ってもらえばいいのでは？」

に変わってきました。

本格的なシステム開発ではありません。

自分の仕事を少し楽にするための
自分専用の小さな道具です。

「AIに作業をさせる」だけではなく
「AIに作業を楽にする道具を作ってもらう」。

この発想を持てるようになったことは
私にとってかなり大きな変化でした。

複雑なルールでも大量のテキストファイルを生成できた

Claude Codeには、多数のテキストファイルを
生成してもらう仕事も任せています。

ここで重要なのは
単に文章を大量生成する
だけではないことです。

ファイルごとに守るルールがあり
命名や内容にも条件がある。

そうした複雑な条件を先に整理して
渡すことで、多数のファイルを
まとめて生成してもらえます。

人間が一つずつファイルを作り
名前を付け、内容を確認することを考えれば
かなりの省力化です。

私の中では、Claude Codeは単純に
「仕事を代わりにやってくれるAI」というより、
面倒な作業を仕組みに変えるためのAI
という位置づけに近くなっています。

「作業するAI」だけでなく「道具を作るAI」として使える

この違いは、AIを仕事へ取り入れるうえで
意外に重要だと思っています。

目の前に100件の作業があるとします。

一つの考え方は
100件をAIに処理させることです。

もう一つは
その100件を処理する仕組み
そのものをAIに作らせることです。

私はCodexには前者を頼むことが多く
Claude Codeには後者を頼むことが
増えています。

もちろん、両者に明確な境界線が
あるわけではありません。

Codexでもコードは扱えますし
Claude Codeでも定型処理はできます。

ここで話しているのは製品仕様上の限界ではなく
私が実務で使ってきた中で
どのように役割分担すると使いやすかったか
という話です。

38店舗の同じ仕事を任せて、違いがはっきり見えた

今回任せたのは、登録380件・削除152件

両者の違いを最も強く感じたのが
Googleビジネスプロフィールの作業です。

対象は38店舗。

1店舗あたり10商品の登録と、4商品の削除です。

つまり全体では、

• 商品登録：380件
• 商品削除：152件

という作業になります。

登録する商品には画像もあります。

さらに、既存のメニュー構成を見ながら
同じセクションがあればそこへ追加し
なければ新しく作る
といったルールもあります。

一件だけ見れば難しい仕事ではありません。

しかし38店舗分となると
人間が手作業で繰り返すにはかなり面倒です。

まさにAIへ任せたい仕事でした。

Codexでは約3時間で処理できていた

従来、この仕事をCodexへ任せたときは
約3時間で処理できていました。

ここで私が評価しているのは
「3時間」という数字だけではありません。

その間、私がずっとパソコンの前で
付き添う必要がなかったことです。

最初に仕事を渡す。
途中で必要な確認をする。
あとは作業を進めてもらう。

この状態なら、Codexが作業している間に
私は別の仕事ができます。

AIに3時間働いてもらうことと
人間が3時間拘束されることは
同じ3時間でも意味がまったく違います。

ところが、突然これまでの流れで仕事ができなくなった

最初に感じた違和感は
画像添付ではありませんでした。

それまで理解していた作業上のルールを
以前のようには扱えなくなっていました。

そこでルールをもう一度説明し直すと
作業自体は進みました。

しかし、その後に画像添付で止まりました。

Windows側のファイル選択画面が開くと
Codexからその画面を操作できない。

画像を人間が付けるなら続けられる。

しかし、それでは380件分の登録で
何度も人間が介入することになります。

私はそこで、この方法を続けるのをやめました。

Claude Codeへ引き継いだら足かけ2日半かかった

そこでCodexに、Claude Codeへ渡すための
引継書を作ってもらいました。

この判断自体は正しかったと思います。

作業内容、ルール、現在の状態
どこで止まっているのか。

それを整理して別のAIへ渡せば
一から説明し直す必要がありません。

そしてClaude Codeへ引き継ぎました。

最終的には仕事を完了してくれました。

ただし、時間は足かけ2日半。

私が使った環境では利用制限もありましたし
操作の途中で承認を求められる場面も
多くありました。

Claude Codeでは、コマンド実行やファイル変更などで、承認を求める仕組みが安全対策として使われています。
Anthropic自身も、承認回数が増えることによる「approval fatigue（承認疲れ）」を課題として説明し
2026年には一部判断を自動化するAuto modeを導入しています。

また、Claude Codeには一定時間単位の利用上限があり、Anthropicは2026年5月に一部プランで
5時間枠の上限を引き上げたことを公表しています。上限は契約内容などによって異なるため、
私の体験と現在の全ユーザーの条件が同じとは限りません。

それでもClaude Codeの最終結果は完璧だった

ここが面白いところです。

2日半もかかったのだから
Claude Codeは駄目だったのか。

そう聞かれたら、私はそうは思いません。

最終的な仕事は完璧でした。

私が求めた内容を最後まで処理し
成果物そのものには不満が
ありませんでした。

だから比較が難しいのです。

Codexは約3時間。
Claude Codeは足かけ2日半。

時間だけ比べれば大きな差があります。

しかし、それだけで
「Codexの方が優秀」
と結論づけることはできません。

今回の条件では、Codexには速度と
手離れの良さを感じました。

一方でClaude Codeは
時間こそかかったものの
最後まで仕事を完了させました。

今回の経験だけでも、「どちらが優秀か」という比較では実務を説明できないことが分かりました。

仕事が変われば、評価も変わります。

実務で一番大事だったのは「手離れ」

AIに任せる価値は、その間に私が別の仕事をできること

AIを使う目的を
「作業時間の短縮」
と考えることがあります。

もちろん、それも大切です。

ただ、私はそれ以上に
「自分が拘束される時間」
を見るようになりました。

たとえば、
AIが3時間かけて仕事をするとします。

その3時間、私は何もしなくていい。

別の仕事をしていてもいいし、
外出していてもいい。

それなら十分に価値があります。

反対に、AI自身の処理は1時間でも、
5分ごとに私が戻って
承認しなければならないとしたら
どうでしょう。

私はその仕事から離れられません。

この差が、私の言う「手離れ」です。

承認が多ければ、AIが働いていても私は離れられない

承認が必要になること自体が
悪いわけではありません。

むしろ、ファイルを変更したり
外部へ何かを送ったりするAIなら
安全のために確認が必要な場面は
当然あります。

問題は、仕事との相性です。

一件一件が重要で
慎重に確認したい作業なら
承認が入ることはむしろ
安心材料になります。

一方、同じルールで
数百件を処理したい仕事では
毎回の確認が大きな負担になります。

ここで見るべきなのは、

「承認が多いAIは悪い」

ではありません。

「この仕事では、どこまで人間が介入すべきか」です。

仕事の性質によって、適切な距離が変わります。

100点の成果物より、安定して終わることが重要な仕事もある

仕事には
100点を目指したいものがあります。

Webサイトの改修や重要なプログラムなど
失敗したときの影響が大きい仕事です。

一方で、同じ形式のファイルを
何百個も整理する仕事ではどうでしょう。

もちろん間違いは困ります。

しかし、一件ごとに最高品質を追求するよりも、
決めたルールで安定して最後まで処理できることの方が
重要な場合があります。

「品質が高いか」だけではありません。

速いか。
止まらないか。
同じ結果を再現できるか。
人間が付き添わなくてもいいか。

実務でAIを評価するなら
こうした部分まで含めて見る必要が
あると感じています。

そして、どちらにも共通する弱点がある

指示が曖昧だと、AIは自分なりの「正解」を作る

ここまでCodexとClaude Codeの違いを
書いてきました。

しかし、両方を使っていて
共通して感じることもあります。

人間の指示が曖昧だと
AIはその曖昧な部分を
自分なりに解釈する。

そして、その解釈に沿って
真面目に仕事を進めます。

これが意外と怖い。

AIからすれば
指示された内容を解釈して
正しいと思う方向へ
進んでいるのでしょう。

しかし、人間側には頭の中に
「当然こうするだろう」という
完成形があります。

その「当然」を伝えていない。
すると、AIは別の着地点へ向かいます。

「そうじゃないんだけどなぁ」と何度も呟いた

AIを使い始めてから、

「そうじゃないんだけどなぁ」

と呟いた回数は、かなり多いです。

文章でもあります。
ファイル操作でもあります。
Web作業でもあります。

途中まで見ていると
AIは実に真面目に仕事をしています。

ただし
向かっている方向が少し違う。

しかも厄介なのは
AIが高速で仕事をしてくれることです。

方向が正しければ頼もしいのですが
方向が違えば、間違った方向へ
高速で進んでしまいます。

だから私は、AIへ仕事を任せるときに
「AIなら分かるだろう」と考えないようにしています。

私は「何も知らない新卒社員に教える」つもりで指示する

私が最近心掛けているのは、

「何も知らない新卒の新入社員に、この仕事をどう説明すれば理解してもらえるか」

と考えながら指示を出すことです。

長大なプロンプトを書かなければならない、
という意味ではありません。

何のためにやる仕事なのか。
何を使うのか。
どの順番でやるのか。
何をしてはいけないのか。
どうなったら完了なのか。

そこを
相手が知らない前提で伝えます。

たとえば新入社員へ、
「例のファイル、いつもの感じで整理しておいて」

と言っても、入社初日なら分かりません。

「いつもの感じ」
を知らないからです。

AIも似ています。

こちらが当然だと思っている前提条件を
相手も知っているとは限りません。

AIへの指示は、呪文を書くことではなく、新しく入った人に仕事を教えることに近い。

私はこの考え方になってから
AIへの指示を作りやすくなりました。

「プロンプトエンジニアリング」
と聞くと難しく感じますが
「新人へ仕事を教える」
と考えると急に身近になります。

自分の仕事を「量・深さ・介入頻度」で考えてみる

「量」が多い仕事

では、実際に自分の仕事をAIへ任せるとき
どう考えればいいのでしょう。

私は最近、まず「量」を見ます。
同じことを10回、100回、
1000回と繰り返す仕事なのか。

ルールは決まっているのか。
入力するデータだけが変わるのか。

たとえば、

• ExcelやCSVの整理
• 大量のファイル名変更
• 決められた情報の収集
• 定型的なデータ入力
• 同じルールで行う繰り返し処理

こうした仕事です。

人間にとっては単調でも
件数が増えるほど時間を奪われます。

私なら、このタイプは
Codexに任せることをまず考えます。

「深さ」が必要な仕事

次に見るのが「深さ」です。

一件を処理するために
原因を調べたり
複数のファイルを確認したり
コードを書いたり
する必要があるのか。

たとえば、

• プログラムの作成
• エラー原因の調査
• ローカルツールの作成
• 複雑なファイル処理
• 既存コードの修正

こうした仕事です。

私の場合はClaude Codeへ任せることが多くなります。

単純に
「Codexは量、Claude Codeは深さ」
とすべてを分けられるわけではありません。

それでも、最初に担当を考える基準としては
分かりやすいと思っています。

人間がどこまで介入する仕事なのか

そして三つ目が、人間の介入頻度です。

その仕事には、途中で人間の判断が必要なのか。

ログインや認証があるのか。

外部へ公開する前に確認が必要なのか。

間違えたときの影響は大きいのか。

ここを考えます。

私はAIへ仕事を任せることと
AIへ判断まで丸投げすることは
別だと考えています。

AIに手を動かしてもらう。
AIに候補を出してもらう。
AIに調査してもらう。

しかし、何を目的にするのか、
どこまで任せるのか、最終的に採用するのか。

そこは人間が持っておく。

どのAIが優秀かではなく、自分の仕事がどんな性質なのかを先に考える。

そうすると、AI選びはかなり楽になります。

私はCodexに「量」を任せる

情報収集と定型作業

現在の私なら、Webからの情報収集や
決められたルールに沿った処理は
まずCodexでできないか考えます。

条件を指定して調べる。
結果を整理する。
ファイルへまとめる。
決めた手順を繰り返す。
こうした仕事です。

特に「何をすればいいか」が
明確になっている仕事ほど任せやすいと感じます。

逆に、目的自体が曖昧な仕事を丸ごと渡して
「いい感じにやって」
と頼む使い方は、私はあまりしません。

先に人間側で目的を整理してから渡します。

同じルールを何度も繰り返す仕事

一件なら自分でやった方が速い。

しかし、それが100件ある。

この瞬間にAIへ任せる価値が出てきます。

同じ作業を繰り返すことは
人間にはかなりつらい仕事です。

集中力も落ちますし
件数が増えれば入力ミスも
起こりやすくなります。

AIにも誤りはあり得るので確認方法は必要ですが
ルール化できる大量作業を任せられるメリットは
大きいと感じています。

Codexの「真面目さ」を活かしやすい領域です。

ただし「前回できたから今回もできる」とは考えない

今回のGoogleビジネスプロフィールの件から
学んだこともあります。

先月できたから、今月も同じようにできるとは限りません。

AIそのものが更新されることもあります。
ブラウザ環境も変わります。
Webサイト側の仕様も変わります。
権限やセキュリティの仕組みが
変わることもあります。

現在のOpenAIの公式案内を見ても、ブラウザやコンピューター操作は利用環境や権限によって使える範囲が変わる仕組みになっています。

だから、一度自動化できた仕事を
「永久に完成した仕組み」
と考えない。

私は今回、それをかなり強く実感しました。

私はClaude Codeに「深さ」と「仕組み作り」を任せる

面倒なローカル作業を効率化する

Claude Codeには、パソコンの中で
完結する仕事をよく頼みます。

画像変換のような単純処理でも
数が増えれば十分に自動化する価値があります。

最初は、

「これくらい自分でやればいいか」

と思うような作業です。

でも、その作業が
毎週ある。
毎月ある。
ファイル数が増えていく。

それなら、一度仕組みにしてしまった方がいい。
こうした「小さな面倒」を見つけると、
Claude Codeへ相談するようになりました。

必要な道具そのものを作ってもらう

画像検索アプリを作った経験から
私の考え方は少し変わりました。

以前なら、仕事を効率化したければ
市販ソフトやWebサービスを探していました。

今は、その前に、

「これ、自分用に作れないか？」

と考えることがあります。

本格的な商品として
販売するソフトではありません。

自分の仕事が少し楽になれば十分です。

ボタン一つで処理できる。

必要な画像を探しやすくする。

複数のファイルをまとめて処理する。

こういう小さな道具なら
AIと一緒に作る選択肢が
現実的になってきました。

これは、私にとってかなり大きな変化です。

複雑なルールを正確に処理してほしい仕事

Claude Codeに任せて助かっている
もう一つの仕事が、多数のテキストファイル生成です。

単純な大量生成ではなく、複数のルールがあります。

人間が一つずつ確認しながら作ると
かなり時間がかかります。

こういう仕事も、最初にルールを整理して渡せば
処理してくれます。

ここでも大切なのは、AIが勝手にルールを考えるのを
期待しないことです。

こちらがルールを作る。
AIが実行する。

この役割分担がうまくいくと
かなり頼もしい存在になります。

さらに、仕事によって別のAIも使う

WordPressやLPの改造ではFableに驚かされた

私が使っているAIは
CodexとClaude Codeだけではありません。

たとえばWordPressで作ったLPやホームページの改造では
Fableにも仕事を任せています。

これにはかなり驚かされました。

「ここをこう変えたい」

という要望を、実際のWebサイトへ反映するところまで
AIと一緒に進められる。

以前なら、専門知識が必要だからと諦めるか
外部へ依頼することを考えていた領域です。

もちろん、だからといって何でもAIだけで
Web制作できると言いたいわけではありません。

私が面白いと思ったのは
AIによって得意な仕事が違うということです。

一つのAIですべてをやらせる必要はない

ここまで使ってきて私は
「一つのAIですべてを完結させる」ことに
こだわらなくなりました。

Codexが得意ならCodex。

Claude Codeが合うならClaude Code。

Web制作で別のAIが使いやすいなら、それを使う。

文章を考えるAIも別にいていい。

これは普通の会社でも同じだと思います。
営業が得意な人。
経理が得意な人。
パソコンが得意な人。
文章を書くのが得意な人。

全員に同じ仕事をやらせる必要はありません。
AIも同じように考えればいい。

そう思うようになりました。

私はAIを「チーム」として使うようになった

最初に私が「何をしたいか」を決める

AIが増えてくると、今度は
「誰に何を任せるか」
という問題が出てきます。

そこで、現在の私は役割を
ある程度分けています。

最初に目的を決めるのは私です。

何をしたいのか。
なぜやるのか。
どこまでできれば完成なのか。

これはAIには決めてもらいません。
相談することはあります。
アイデアを出してもらうこともあります。

しかし、最終的に
「これをやる」
と決めるのは私です。

馬麟が仕事を分解し、誰に任せるかを整理する

その次に登場するのが
普段私が「馬麟」と呼んでいるChatGPTです。

今回の記事もそうです。

私はやりたいことや経験したことを
馬麟へ話します。

すると、それを整理して、

「何を先にするか」
「どういう構成にするか」
「これはCodexへ任せるか」
「これはClaude Code向きではないか」

といった形へ分解していきます。

つまり、私の中では実行担当というより、
設計や指揮を一緒に考える役に近い存在です。

CodexとClaude Codeが実際に手を動かす

設計ができたら、実際の作業へ移ります。

私
↓
目的と最終判断
↓
馬麟
↓
仕事の整理・分解・担当決め
↓
Codex ／ Claude Code ／ その他のAI
↓
実際の作業
↓
私が確認

大まかに言えば、こんな流れです。

Codexには大量処理。

Claude Codeには深い技術作業や仕組み作り。

必要なら別のAIも使う。

一つのAIに
すべてを背負わせるのではなく
それぞれに仕事を振り分けます。

最後に私が確認して判断する

ここで大切なのは、AIチームの一番上に
AIを置かないことです。

最後は私が確認します。

目的に合っているか。
おかしなことをしていないか。
この成果物を本当に使っていいのか。

AIを信用していないからではありません。

仕事を任せることと、
責任まで渡すことは別だからです。

人間の部下や外注先へ仕事をお願いするときも
最後の確認は必要です。

AIだから特別なのではなく
仕事を任せるという行為そのものが
そういうものだと思っています。

AIは一つに絞らなくていい

「一番賢いAI」を探すより、適材適所を考える

新しいAIが出るたびに、

「どれが一番すごいのか」

という話題が出ます。

私も気になります。

でも、実務で使う立場になると
それだけではあまり意味がありません。

一番高性能と評価されるAIが
自分の仕事に一番合うとは限らないからです。

私は、AIを車に近いものとして考えることがあります。

荷物を大量に運ぶなら、それに向いた車があります。

細い道を走るなら、小さな車の方が便利かもしれません。

長距離を快適に移動したいなら、また選択肢が変わります。

「どの車が一番優秀か」と聞かれても、
用途を聞かなければ答えにくい。

AIも似ています。

AI同士を引き継げるようにしておく

そして今回、もう一つ学んだことがあります。

仕事をAIに閉じ込めないことです。

Codexだけがルールを知っている。

Claude Codeだけがファイル構成を知っている。

この状態は危険です。

そのAIが使えなくなった瞬間に
仕事まで止まってしまいます。

今回、Codexで仕事を続けられなくなったとき
Claude Codeへの引継書を作りました。

そこには、

• 作業の目的
• 守るルール
• 対象となるファイル
• 現在の進捗
• 問題が起きた場所
• 次に何をすればいいか

を残しました。

これはAI同士の引き継ぎですが
人間の仕事とほとんど同じです。

担当者が休んでも仕事が止まらない会社は
引き継げる仕組みがあります。

AIを仕事へ組み込むなら
同じ考え方が必要だと思います。

AIが変われば、役割分担も変えていく

今はCodexに大量処理を任せています。

Claude Codeには深い作業や
仕組み作りを任せています。

しかし、この役割が一年後も同じとは限りません。

実際、AIはかなり速いペースで変化しています。

機能が増える。

操作方法が変わる。

以前できなかったことができるようになる。

反対に、セキュリティや実行環境の変化によって
以前と同じ方法が使えなくなる場合もあります。

だから私は
今の役割分担を固定するつもりはありません。

その時点で使ってみる。

仕事を任せてみる。

結果を見る。

もっと適したAIがあれば担当を変える。

AIを使う側にも、そうした柔軟さが必要なのだと思います。

私にとってCodexとClaude Codeは「別の道具」

ここまで書いてきましたが、結局のところ
私にとってCodexとClaude Codeは競争相手ではありません。

別の道具です。

Codexには
決めたルールに沿って大量の仕事を進めてもらう。

Claude Codeには
少し深い技術作業や仕組み作りを任せる。

必要ならFableのような別のAIも使う。

そして、その前に私が目的を決め
馬麟と一緒に仕事を整理する。

最後は私自身が結果を確認する。

今のところ、この形が一番しっくりきています。

AIを使い始めた頃は、

「AIに何ができるのか」

ばかり考えていました。

今は少し違います。

「この仕事は誰に任せようか」

と考えています。

これは小さな言葉の違いですが
私の中ではかなり大きな変化です。

AIを何でも答えてくれる不思議な存在として
見るのではなく、それぞれ得意不得意のある
仕事仲間として見るようになったからです。

そして、AIへの指示がうまくいかなければ、

「AIは使えない」

で終わらせるのではなく、

「新人にこれを頼むなら、私はどう説明するだろう」

と考え直す。

それでも合わないなら、別のAIへ仕事を振る。

「どのAIが一番すごいか」ではなく、「この仕事を誰に任せるか」。

私にとっては、その考え方の方がAIをずっと身近にしてくれました。

CodexとClaude Codeのどちらを使えばいいか迷っているなら、
まずはAIの性能表を見る前に、自分が任せたい仕事を
一つ思い浮かべてみるといいと思います。

その仕事は「量」が多いのか。

「深さ」が必要なのか。

途中で人間の判断がどれくらい必要なのか。

そこが見えてくれば
AIの向き不向きも少しずつ見えてきます。

そして一度、小さな仕事を任せてみる。

思った通りにいかなければ、指示を変える。

別のAIも試す。

その繰り返しで十分です。

私自身も、まだその途中にいます。

---

あらゆる仕事が爆速化する　Claude Code徹底活用術 [ ひつじ ] 価格：2,420円（税込、送料無料) (2026/9/17時点) 楽天で購入