重要だったのは、「育児アプリを作って」と漠然と頼むのではなく、親が何を入力するのか、どのような計算が必要なのか、2人の利用者がどうデータを共有するのかまで指定したことだ。

仕様書を先に作り、コードは後から

プログラマーではないタン氏の進め方は、簡略化されたプロダクト開発のようなものだった。まず普通の英語で要件を詳しく書き、それをClaude Codeにアプリへ変換させた。

報告された手順は次の通りだ。

1. MacのターミナルからClaude Codeをダウンロードして起動する。
2. アプリの機能や動作を記した4ページの仕様書を作る。
3. その要件をもとにClaude Codeへ開発を依頼し、実装の各段階を非技術者にも分かるよう説明させる。
4. GitHub、Supabase、Vercelのアカウントを作成する。
5. 各サービスを接続する。GitHubにはコードを保存し、Supabaseではデータベースとユーザー認証を扱い、Vercelでアプリをウェブ上に公開する。

それぞれのサービスには異なる役割がある。Claude Codeは開発の窓口、GitHubはコードの保管場所、Supabaseはバックエンド機能、Vercelは公開を担う。従来のプログラミング環境を一から習得しなくても、アイデアを動くウェブアプリへ近づけられる組み合わせだ。

成果を左右したのは「具体的な指示」

タン氏は、最初に生成されたアプリが完璧だとは考えていなかった。実際に操作し、足りない部分や間違っている部分を言葉で伝え、Claude Codeに修正を求めた。流れは「指示する、確認する、テストする、改善する」の繰り返しだった。

そこから得たルールは明快だ。曖昧な指示からは、曖昧な結果しか生まれにくい。必要な入力項目、権限、計算方法、画面の使い勝手まで細かく説明するほど、生成される成果物は実用的になった。Claude Codeは不完全な、いわゆる「ブロークン」な英語でも概ね理解できたが、意図を理解することと、要件が十分にそろっていることは別問題だったという。

AIコーディングツールは、開発を始めるハードルを下げる。しかし、要件を定義し、生成物が正しいかを評価する作業まで不要にするものではない。

AIの調査結果も必ず裏付けを確認

タン氏は、引用元を提示するPerplexity AIとClaude Codeを組み合わせ、情報収集にも利用した。ただし、引用が付いているからといって、回答を自動的に信頼したわけではない。

ある調査で、シンガポールでは魚のひれを持つ魚類が主要なアレルゲン懸念の一つだとする情報が示された際、タン氏は疑問を持った。自身の経験では甲殻類のほうが身近な懸念だったため、引用された資料を確認し、アプリの内容を修正したという。記事では、AI検索システムが実在しない研究を引用する可能性も指摘されている。

乳児の健康に関わるアプリでは、この姿勢が特に重要になる。アプリは観察記録を整理し、既存のガイダンスと比較するための道具にはなっても、リンクや引用番号が付いているだけで医学的な根拠になるわけではない。

翻訳ツールにも応用されたプロンプトの技術

育児アプリの開発を通じて身につけた指示の出し方は、タン氏の別の仕事にも生かされた。同氏は、英語のコンテンツを48言語に変換できるワンボタン式の翻訳ツールも作った。

このツールに求めたのは、単語を置き換えるだけの翻訳ではない。まず原文の意味、意図、説得の目的を理解させ、そのうえで英語の語順やリズム、論理展開をそのまま残すのではなく、対象言語で自然に読める文章へ仕上げるよう指示した。

ここにも、育児アプリと共通する原則がある。結果の質を大きく左右するのは、単に作業内容を伝えることではなく、目的や文脈、守るべき条件まで説明できるかどうかだ。

非エンジニアにとっての意味

タン氏の経験は、AIがソフトウェア開発を完全に自動化する証拠ではない。実際には、解決したい問題を見つけ、詳しい仕様を書き、各種サービスのアカウントを作り、機能を接続し、アプリをテストし、調査結果の信頼性にも疑問を持つ必要があった。

一方で、AI開発アシスタントによって、何年もプログラミングを学ぶ前に、具体的な製品アイデアから試作を始められることも示している。タン氏にとって、AIを試し、明確な指示を出すことは、コードを書かない人にとっても実用的なスキルになりつつある。完璧な英語を使えない人にも、その可能性は開かれているという。

最も大きな教訓は、「AIなら何でも作れる」ということではない。自分で要件を決め、結果をテストし、情報の正しさを判断する責任を持てば、プログラミング経験のない人でも、目的を絞った便利なツールを試作できるということだ。

重要だったのは、「育児アプリを作って」と漠然と頼むのではなく、親が何を入力するのか、どのような計算が必要なのか、2人の利用者がどうデータを共有するのかまで指定したことだ。

仕様書を先に作り、コードは後から

プログラマーではないタン氏の進め方は、簡略化されたプロダクト開発のようなものだった。まず普通の英語で要件を詳しく書き、それをClaude Codeにアプリへ変換させた。

報告された手順は次の通りだ。

1. MacのターミナルからClaude Codeをダウンロードして起動する。
2. アプリの機能や動作を記した4ページの仕様書を作る。
3. その要件をもとにClaude Codeへ開発を依頼し、実装の各段階を非技術者にも分かるよう説明させる。
4. GitHub、Supabase、Vercelのアカウントを作成する。
5. 各サービスを接続する。GitHubにはコードを保存し、Supabaseではデータベースとユーザー認証を扱い、Vercelでアプリをウェブ上に公開する。

それぞれのサービスには異なる役割がある。Claude Codeは開発の窓口、GitHubはコードの保管場所、Supabaseはバックエンド機能、Vercelは公開を担う。従来のプログラミング環境を一から習得しなくても、アイデアを動くウェブアプリへ近づけられる組み合わせだ。

成果を左右したのは「具体的な指示」

タン氏は、最初に生成されたアプリが完璧だとは考えていなかった。実際に操作し、足りない部分や間違っている部分を言葉で伝え、Claude Codeに修正を求めた。流れは「指示する、確認する、テストする、改善する」の繰り返しだった。

そこから得たルールは明快だ。曖昧な指示からは、曖昧な結果しか生まれにくい。必要な入力項目、権限、計算方法、画面の使い勝手まで細かく説明するほど、生成される成果物は実用的になった。Claude Codeは不完全な、いわゆる「ブロークン」な英語でも概ね理解できたが、意図を理解することと、要件が十分にそろっていることは別問題だったという。

AIコーディングツールは、開発を始めるハードルを下げる。しかし、要件を定義し、生成物が正しいかを評価する作業まで不要にするものではない。

AIの調査結果も必ず裏付けを確認

タン氏は、引用元を提示するPerplexity AIとClaude Codeを組み合わせ、情報収集にも利用した。ただし、引用が付いているからといって、回答を自動的に信頼したわけではない。

ある調査で、シンガポールでは魚のひれを持つ魚類が主要なアレルゲン懸念の一つだとする情報が示された際、タン氏は疑問を持った。自身の経験では甲殻類のほうが身近な懸念だったため、引用された資料を確認し、アプリの内容を修正したという。記事では、AI検索システムが実在しない研究を引用する可能性も指摘されている。

乳児の健康に関わるアプリでは、この姿勢が特に重要になる。アプリは観察記録を整理し、既存のガイダンスと比較するための道具にはなっても、リンクや引用番号が付いているだけで医学的な根拠になるわけではない。

翻訳ツールにも応用されたプロンプトの技術

育児アプリの開発を通じて身につけた指示の出し方は、タン氏の別の仕事にも生かされた。同氏は、英語のコンテンツを48言語に変換できるワンボタン式の翻訳ツールも作った。

このツールに求めたのは、単語を置き換えるだけの翻訳ではない。まず原文の意味、意図、説得の目的を理解させ、そのうえで英語の語順やリズム、論理展開をそのまま残すのではなく、対象言語で自然に読める文章へ仕上げるよう指示した。

ここにも、育児アプリと共通する原則がある。結果の質を大きく左右するのは、単に作業内容を伝えることではなく、目的や文脈、守るべき条件まで説明できるかどうかだ。

非エンジニアにとっての意味

タン氏の経験は、AIがソフトウェア開発を完全に自動化する証拠ではない。実際には、解決したい問題を見つけ、詳しい仕様を書き、各種サービスのアカウントを作り、機能を接続し、アプリをテストし、調査結果の信頼性にも疑問を持つ必要があった。

一方で、AI開発アシスタントによって、何年もプログラミングを学ぶ前に、具体的な製品アイデアから試作を始められることも示している。タン氏にとって、AIを試し、明確な指示を出すことは、コードを書かない人にとっても実用的なスキルになりつつある。完璧な英語を使えない人にも、その可能性は開かれているという。

最も大きな教訓は、「AIなら何でも作れる」ということではない。自分で要件を決め、結果をテストし、情報の正しさを判断する責任を持てば、プログラミング経験のない人でも、目的を絞った便利なツールを試作できるということだ。