"僕はこれを操縦するのが一番だ！"

日本のメカアニメに、有名なセリフがあります――主人公が叫ぶんです：「僕が一番ガンダムをうまく使えるんだ！」――「僕がこのガンダムを最もうまく操縦できるんだ！」

毎日AIのコーディングツールを使っているなら、きっと似たような感覚を覚えたことがあるはずです。AIと噛み合った瞬間のような――それが「分かる」って感じ。周りの多くの人よりも、より多くを引き出せていると分かる感覚です。

でも、それってどうやって示せばいいのでしょう？

「PR数を見てみろ」？「生成した行数を確認しろ」？違います。そうした数字では、AIと上手くやれているときの感触は捉えられません。分かっていることと証明できることの間に残る、そのもどかしいギャップ――それが、私を始めさせたのです。

自分自身の問いに、答えを出す

前回の投稿で、私はこう問いかけました：

AIコーディングガイドの66%を削除しました――残ったものは何か

yukihiro amadatsu

yukihiro amadatsu

yukihiro amadatsu

フォローする

3月18日

AIコーディングガイドの66%を削除しました――残ったものは何か

#ai #programming #productivity #codequality

1 リアクション

コメント コメントを追加

5分で読めます

あなたのチームは、AIのコーディング生産性を、これらのどれかで測っていますか？

どれも量を測っています。ですが、あなたが実際にAIと上手くやれているかどうかは、量の指標には表れてきません。

この記事では、3つの永続する原則を示しました：元に戻せる状態を保つ、意図を明確にする、出力を検証する。AIフルーエンシーは、これらを構造化したセルフリフレクション（自己振り返り）に落とし込もうという試みです。あなたをランキングするスコアではなく、どうやってAIと協働しているかを映し出す鏡として使うためのものです。

「フルーエンシー（Fluency）」ってなぜ？

フルーエンシー――言語の流暢さのようなものです。流暢であれば会話は自然に流れます。つまずいたり、途中で戻ったり、自分の言いたいことをうまく表現できずに苦戦したりしません。

AIと一緒に働くときも、似た感触があります。うまくいっているときは、指示とAIの出力が噛み合って、仕事がただ流れていく。逆にうまくいっていないと、修正と手直しのループに閉じ込められます。

AIフルーエンシーは、それを可視化しようとします――AIとどれくらい自然に協働できているか。

私が作ったものはこれです

私の結果：The Explorer —— AIの新しい使い方を探索するタイプ。Breadth（幅）が強みで、Precision（精密さ）には伸びしろがあります。

完全な能力シート：profile.md

リポジトリ：github.com/suruseas/ai-fluency

日本語版も Qiita で利用できます。

別のものさし：5つの軸

「fluency（流暢さ）」が実際に意味することを分解した結果、私は5つの次元にたどり着きました：

最初の3つは、前回の記事からの不変の原則に対応します：

• 「意図を明示する」→ Context Design + Precision
• 「出力を検証する」→ Steering

残りの2つはさらに一歩進みます—— 協働が実際に成果を生んでいるかどうか（Output）、そしてAIの幅広い可能性を使い切っているのか、それとも単一のパターンに閉じ込められているのか（Breadth）を問います。

「プロンプト数が少ないほど良い」ではなく——「より少ないやり取りで正しくできるか？」。 「コミット数が多いほど良い」ではなく——「本当に目標を達成できているか？」。量から質へのこの切り替えこそが、すべての要点です。

手法に関する注記

この5つの軸は、文献調査や厳密な研究から導き出したものではありません。AI自身と反復していく中で生まれました—— 私自身の何十ものセッションにおいて「うまく協働できている」と感じたものを分解し、その後、そのカテゴリ同士が重なり合わなくなるまで、カテゴリを圧力テストしました。これは意見に基づくフレームワークであり、科学的な計測器ではありません。でも、自己省察のためのツールとしてはそれで十分だと思っています。

16のスタイルタイプ—— ちょっとした遊び心が定着した

5軸のスコアを出したあと、素の数値をそのまま語るのは難しいと気づきました。「私のContext Designは76で、Breadthは96」—— これはカクテルパーティーの会話としてはちょっと違います。

そこで、思いつきで性格タイプのシステムを作りました。レーダーチャートの形によって人を分類するのです。すると驚くほど直感的だったので、そのまま定着しました。

タイプは「スコアがどれだけ高いか」ではなく、どの軸が際立っているかで決まります。順位ではなくスタイルの話です。いくつか例を挙げます：

• The Sniper（Precision）—— 最小の入力で最大の出力。ワンショットの指示で、うまくいく。
• The Architect（Context Design）—— 舞台設定の名人。AIはほとんど質問する必要がない。
• The Explorer（Breadth）—— 常にAIの新しい使い方を探している。まずMCP、プラグイン、サブエージェントを試す。
• The Surgeon（Precision + Steering）—— 難しい問題に対する精密さと手さばき。
• The Virtuoso（Balanced）—— すべての軸にわたってバランスが取れている。

全部で16タイプあります（1つのバランス型 + 5つの主要型 + 10のハイブリッド型）。リポジトリで完全な一覧を見る。

全軸で高スコアであることがゴールではありません—— どの形にも意味があります。

正直な限界

これは自己省察ツールであって、パフォーマンス指標ではありません。知っておくべきことがいくつかあります：

• スコアは実行のたびに変わります。 定性的な評価にはLLMを使うため、結果は決定論的ではありません。これはAIベースの評価を使うトレードオフです—— 私は絶対値の数字よりも形を重視することで、その点に踏み込みました。
• スタイルは個人的なもので、比較には向きません。 共通の評価基準はありますが、まったく同一のスケールではありません。あなたの「72」と、別の人の「72」は同じ意味ではありません。大事なのはレーダーチャートの形です。

それに加えて、名前をつけて言語化しておくべき内在的な循環性もあります：このツールは、LLMを使って「あなたがLLMとどれだけうまく働けているか」を評価します。死角がありえます—— 例えば、簡潔だがエキスパートなセッションよりも、冗長なセッションを好むなどです。現時点でその解決策はありませんが、フレームワークの透明性（すべてのスコアリングロジックがリポジトリにある）が役に立つと思っています。

使い方

現在はClaude Codeのセッションデータをサポートしています。5つの軸そのものは、設計上エージェント非依存です—— 他のエージェントの対応は計画されています。

# 1. クローンしてセットアップ
git clone https://github.com/suruseas/ai-fluency.git
cd ai-fluency
npm install

# 2. Claude Codeでセッション分析を生成
claude> /insights

# 3. スコアカードを生成（英語出力）
npm run score           # → output/scores.json
npm run card            # → output/card-dark.svg, card-light.svg
npm run profile         # → output/profile.md

もっと簡単に： もしすでにClaude Codeのセッション内にいるなら、あとは /ai-fluency と入力するだけでOKです。ワンショットで全部処理してくれます。

これによりSVGカード（ダーク/ライトテーマ）と、output/ にMarkdown形式の能力シートが生成されます。カードをGitHub READMEに埋め込むには、リポジトリ内の手順を参照してください。

まとめ

これは、前回の記事で私が投げた問いへの答えとして始まりました。コード行数やプロンプト数が間違った指標なら、私たちは何を見るべきなのでしょうか？

私の答え：Context Design, Precision, Steering, Output, Breadth —— 人とAIの協働の質であり、量ではありません。

完璧なツールではありません。でも、これで立ち止まって考えられるなら——「なるほど、こういうことが私のAIとの付き合い方なんだ」— それで十分です。

もしClaude Codeを使うなら、所要時間はだいたい2分です。あなたのタイプをコメント欄に投げてください—— follow-up記事でdev.to向けの配布版をまとめます！

git clone https://github.com/suruseas/ai-fluency.git
cd ai-fluency
npm install

claude> /insights

cd ai-fluency
claude

claude> /ai-fluency

# 定量スコアのみを算出（output/scores.json に出力）
npm run score

# SVG カードを生成（output/card-dark.svg, card-light.svg）
npm run card:ja     # 日本語版
npm run card        # 英語版（デフォルト）

# 能力シートを生成（output/profile.md）
npm run profile:ja  # 日本語版
npm run profile     # 英語版（デフォルト）

<picture>
  <source media="(prefers-color-scheme: dark)" srcset="https://raw.githubusercontent.com/suruseas/ai-fluency/main/output/card-dark.svg">
  <img src="https://raw.githubusercontent.com/suruseas/ai-fluency/main/output/card-light.svg" alt="AI Fluency">
</picture>