東京に学部が集中している理由と、地方の可能性
「地方から東京に出て、後悔した」 「でも進学先を考えると、結局東京しかなかった」 ——SNSでこういう声を見かけるたび、私は「便利だから」という説明だけでは足りないのではないか、と感じる。学部の数、教授の所在、就職のフィルター——選択肢の差が、合理的な判断を形作っている。 あなたはどうだろう。進学や就職で場所を選ぶとき、「その街の暮らしやすさ」と「学べる環境の幅」、どちらを優先する派？ 私は後者が勝ちやすい構造だと考えている。まずは東京集中の理由を、学部という切り口から整理してみたい。 東京が「便利」という一言では片付かない 東京圏（23区から千葉・埼玉・神奈川）への集中は、単に「便利だから」では説明できません。30分程度の移動で済む距離に高密度な大学が存在するため、「◯◯大学出身」というブランドを望むなら、東京しか選択肢がないのが現状です。 地方出身の若者が東京に集まる流れは変わりません。就職でも進学でも、有名大学という「フィルター」が評価を左右するからです。 地方が劣っているわけではない では地方に魅力がないかといえば、そうではありません。むしろ問題は別のところにあります。 地方の課題は「学部の選択肢の狭さ」です。「◯◯を学びたい」という明確な目的がある学生なら、その学部が充実している大学がどこにあるかで判断します。同じく、「この教授に師事したい」という思いがあれば、その教授がいる大学へ向かいます。 東京の大学の強みは、学部の多様性にあります。同じ東京なら、勉学の目的別に大学を自由に選べるのです。一方、地方では学部が限定的なため、目的と学べる環境がマッチしにくい。その結果、進学を理由に東京を選ぶ。悪循環です。 東京移住の現実 ただし、地方から東京に出てきた若者全員が適応できるわけではありません。 通学ラッシュの混雑、1コマ目の授業時間帯の絶望的な混み具合、車移動の困難さ。高い家賃を補うためのアルバイト。これらの生活コストと心労は、想像以上に大きいのです。 実際のところ、東京での生活に向いている人のタイプがあります。音に敏感でなく、他人に興味がない——割り切った性格の人ほど、東京での生活は楽になります。あこがれだけで東京に来ると、後悔することになりかねません。 改善のために必要なこと 東京一極集中を解決するには、単に大学を地方に置くだけでは不十分です。重要なのは、その地域で必要な学部を充実させることです。 地方に東京大学やMARCHのような「圧倒的ブランド大学」を作るのは現実的ではありません。ただ、地域の産業や人口に合わせて、学部の選択肢を広げることは可能です。 そこから先は、地方の大学そのものの発信力と、企業側の評価の切り分けです。「ブランド」に頼らず、実務的なスキルと再現性を評価する採用基準が整えば、地方大学の価値が高まります。 まとめ：選択肢の差が動く 東京一極集中の背景には、単なる「魅力度」ではなく、人生設計の選択肢の差があります。学部の多様性、環境への適応性、そして親元を離れることのコストと利益。これらを踏まえたとき、若者の「東京選択」は合理的な判断なのです。 改善するには、地方の高等教育機関が、東京との「差」を埋めるのではなく、独自の強みを作ることが鍵になるのではないでしょうか。
AIと一緒に考えるには、最初の一歩が必要
「AIに聞いたら、すぐ実行した」 「結果、思っていたのと全然違った——でも誰のせいにすればいい？」 ——チャット型AIが当たり前になった今、私はこういう後悔をよく見る。AIの性能の問題ではなく、最初の一歩を誰が踏むかが曖昧なまま進んでいるケースが多い。 あなたはどうだろう。AIの回答を「正解」として受け取る派？ それとも「たたき台」として自分の判断と照合する派？ 私は後者でないと、「共に考える」にはならないと感じている。なぜそう言えるのか、順を追って整理する。 AIと共に、考える 私はAIと一緒に考えているのだろうか。 何かを考えて、指示をして、出てきた情報を鵜呑みにして、失敗している。失敗とまではいかないけど、あきらかに何かが足りていない。足りてないのは何だろうか。 AIの性能ではなく、私にそれが実現できるかどうか、だ。 AIの答えを信じるのではなく、私の意見を鵜呑みにしないことも考慮するべきだ。 「共に、考える」 チャット型AIが登場してから、人間の思考はより洗練されたのだろうか。私はそう思っていない。AIが出している回答は「計算からいくつかの選択を"私好みで"拾い上げている」にすぎない。 AIの答えが正しいと思うか、正しくないと思うか。これは可能性の問題である。 成功するかしないかも、可能性の問題。しかし、やらなければ成功率はゼロになる。 AIよりもあなたのほうが賢い AIよりも人間の方がまだ賢い。分野にもよるけど、最初の質問を出すのは人間で、回答を出すならAIが得意だ。これはググると同じような構造。 コンピューターが不得意なのは、ゼロから行動すること。 ようするに、デキる人間が苦手な「自分で仕事を探せない人」と同じである。 AIやプログラムは、指示されたことを愚直なまでに遂行する。それは性質の問題であるから変えようがない。自動車製造でコンベアなりゆったり動いているうちに、作業員がひとつひとつ仕事をして１台を完成させていく工程がある。プログラムは工程と作業をすべて理解してはいるが、コンベアを動かすなり人員配置をするのは管理する人間の役目。 例えコンベアをボタンひとつで動かせるとしても、プログラムはそう指示をしていないと、自律的に判断して動かしてはくれない。24時間稼働なら3交代になるだろうけど、交代するタイミングで人の作業はどうしても止まるから、そこでラインを止める必要がある。 引継ぎをして、準備して、コンベアを動かす。その指示を出すのがプログラムだったら、それはそれで人間様が反発するのではないかなと思う。 そう……。３交代制なら「この時間にコンベアを止めて、この時間には動かすべきだ！」とプログラムすることは簡単。でも人間とか世界は不条理なことが多い。必ずそのスケジュール通りに物事が進むとは限らない。だから目視で確認してから開始のスイッチを押すのがただしい。もしいるはずの人がいなかったら？必要な材料が最初の1時間で無くなるとしたら？作業を中断したとして、次の交代で数分後には自動で実行されてしまうぞ。 てなわけで、機械の弱点は「融通が利かない」ことが最大の弱点。 柔軟に行動することができるのは人間の特権であるともいえる。もちろん万人がそうとも限らないけれど、我々は自分の意思で道を選ぶことができる。 AIもプログラム・アルゴリズムでは"そう見える"んだけど、本質的には人間よりも判断能力は劣っている。人間に思い付かない判断をプログラムすることはできない。ここが大きな違いであるといえる。 計画は人間から始まる 何事も「成功」するには「計画」する必要がある。計画をするにしても、AIがゼロから考えてくれるわけじゃない。最初の一歩は私から出す必要がある。 AIに渡すべきなのは、完成した答えではなく、検証可能な仮説だ。「こういう方向で進めたい。反論と代替案を出してほしい」——この段階で初めて、AIは思考の相棒として機能する。 まとめ：最初の一歩は人間 AIと一緒に考えるとは、答えを委ねることではない。自分の問いを立て、AIの出力を疑い、最終判断は自分で下す——そのサイクルのことだ。 最初の一歩を踏むのは、いつだって人間側。そこを省略すると、どれだけ高性能なAIを使っても、「共に考えた」実感は残らない。
Claude Codeを使うならMaxプランが最適か
「Claude Code、Proプランで十分じゃない？」 「いや、並列で回すならMax20一択でしょ」 ——SNSで料金議論を見るたび、私は用途と支払い能力の両方で答えが変わる、と感じる。安いプランに含まれるからといって、ヘビーユース向けではない。 あなたはどうだろう。AIツールの月額、成果が見えるまで払い続ける派？ それとも「まず無料・最安で試す」派？ 私は後者から入って、詰まったら上げる派だ。Claude Codeの料金体系を、実際の使い方に照らして整理する。 Claude Codeの料金体系Pro: 月20ドル、週間の最大がある。 Max5: 月100ドル、Proの5倍の利用枠。 Max20: 月200ドル、Proの20倍。小規模開発ならProで十分。日常で使う簡単な質問とか、Codeでも小規模アプリを作る程度なら20ドルで十分ではある。 ここで使い切るようなら、100ドルプランを視野にする。 とにかく使い倒すなら200ドルのMax20が最適解。特にClaude Codeを常用するとか、PC内タスクをこなすのに使う目的なら最適解。 ProプランでもClaude Codeは含まれる。ただヘビーユーズには対応しておらず、基本的に数時間に1回の制限と週間のリミットが存在する。100ドル以上のMax5-20プランにおいては、週間制限などの最大上限こそあるものの、ヘビーユースにも対応することができる。 たまーにアプリ作成や文章依頼をするならProでもいいし、この場合は普通のチャットも活用することで2倍以上の活用が可能になる。100ドル以上はCLI駆動で並列同時作業をこなすようなケースを前提にしている。 問題は料金の支払いか 年契約なら割引が適用される。月課金が100ドルを超えるってことは、毎月15000円以上をコストに入れないといけない。これを支払うためにも、成果物でそれだけの収益性があるかどうかが鍵になる。 Cursorの60ドルとClaude20ドル。合計80ドルプランでおよそ月に1万円。これをなんとかするには、クラウドワークスなりで1万円以上の仕事を得るのが最適解——というのが、私の個人的な試算だ。 プラン選びの目安使い方 向くプランたまに質問・小規模コード Pro（月20ドル）週数回、中規模開発 Max5（月100ドル）CLI並列・定常タスク・常用 Max20（月200ドル）「最適解」は万能ではない。月2万円以上を課金する覚悟があるか——そこから逆算するのが現実的だ。 まとめ：用途でプランを選ぶ Claude CodeはProから使えるが、制限は厳しい。ヘビーユースやCLI駆動の並列作業ならMaxプランが現実的な選択になる。 安いプランで始めて、上限に当たったら上げる——それで十分だ。最初からMax20を選ぶ必要があるのは、すでに「毎日CLIで回す」前提が固まっている人だけだと思う。
シャドーAIとは何か、なぜ企業が問題視するのか
「会社のCopilot、使いにくいからClaude使ってる（バレないように）」 ——こういう発言を見かけると、私は「わかる」と同時に「それ、シャドーAIだ」と思う。どうも企業が推奨するのと違うAIを使うことが、シャドーAIと呼ばれているらしい。 あなたはどうだろう。社内で使えるAIがあっても、個人の方が精度がいいから別ツールを使う派？ それとも会社指定に従う派？ 私は後者を推奨したいが、前者に流れる理由も理解できる。リスクと現実のギャップを整理する。 なぜシャドーAIが問題視されるのか 社内で使うなら社内情報を使う必要があるし、それを活用するデータセットLLMにチューンする必要がある。なおかつ外部にデータが参照されないよう、企業内だけでデータが完結するセキュリティ対策が必須。 多くはOS準拠のCopilotが使われるわけだし、Officeを使っているならOffice365のCopilotなら使えるという制限をかけるのが妥当ではある。Copilotは知っての通り、Windows標準でありながら話題性はほぼゼロといっていい。性能が他に劣っているといわれるが、ベンチマークでの話。ちゃんと資料作成にコードライティングに画像生成もできる。 世間的にはChatGPTとClaudeが人気。これらのユースケースの紹介は数多いし、検索すれば大抵出てくるため引用されがち。だからこそClaudeに慣れすぎたせいで、Copilotが使いにくいとかいい結果がもらえないなどの理由で、ClaudeなりほかのAIを使うことをこっそりやっているケースをシャドーAIという。 ちゃんとリスクしかない 社内資料をもとに生成すると、そのデータを学習してしまうから、情報漏洩につながってしまう。厳密にはCopilotも学習はしているんだけど、社内クラウド想定のOffice365はチーム内だけの共有になる。だから外部からはLLM自体へのアクセスが不可能な仕組みになっているから、情報漏洩を防げるというわけ。 でもそれは建前という話でもある。 もともと生成AIはウェブからデータを集めるので、ウェブサイトに掲載されている資料はフォローされている。だからどこまでが秘匿情報なのかを明確にしたほうが、生成AIと賢く付き合える。 現実的な対処 資料作成ならむしろツールを作成したほうが早いケースもある。 なぜなら、資料のデータをもとにグラフを作成するとか、KWを入れてテキストを入れるとかなら、Pythonスクリプトでも実現は可能だから。 社内AIが使いにくいなら、個人の好みのAIに社内資料を流し込むのではなく、秘匿情報を含まない範囲でCopilotを使う 定型処理はスクリプト化する どうしても外部AIを使うなら、匿名化・要約済みテキストだけ渡す——この線引きが現実的だと思う。 まとめ：線引きが先 シャドーAIは「悪いツールを使っている」というより、セキュリティ境界を越えていることが問題だ。 Copilotが不満でも、社内資料をChatGPTに投げるのはリスクしかない。秘匿情報の定義を自分で決めてから、ツールを選ぶ——それが企業と個人の双方にとって安全な使い方だ。
Obsidian公式のobsidian-skillsがClaude運用を楽にする
「Obsidian、機能は知ってる。でも日常で使いこなせてない」 ——DataviewもCanvasも、存在は知っているのに導線に乗らない。私もそうだった。Obsidian公式が公開している AI 向けスキル obsidian-skills を触って、運用の腰が重くなくなった。 あなたはどうだろう。Obsidianは「メモの墓」になっていない？ それとも第二の脳として回っている？ 私は前者に近かった。obsidian-skillsが、後者に寄せるための土台に見えた。 obsidian-skills が効く理由 obsidian-skills は、AI が Obsidian の主要フォーマット（Markdown の癖、wikilink、Canvas など）を踏まえて動けるようにするためのスキル群です。 Obsidian には Dataview や Canvas、Kanban など、機能だけ見れば強い要素が揃っています。 ただ、すべてを自力で綺麗に書き切れる人は少ない。 だからこそ、AI に「Obsidian の作法」を教え込む仕組みがあると、運用の再現性が一気に上がります。 参考として、導入から使い方まで丁寧に説明してくれている動画があります。 Obsidian公式が公開したAI対応スキル(obsidian-skills)がめっちゃ使える！導入から使い方まで解説 - YouTube 私が「便利だな」と感じたのは、解説そのものというより、周辺ツールの存在を知れたことでした。 MCP で外部と繋ぐやり方もある一方で、Obsidian のウィンドウ内で回せる接続があるのは強い。 ブラウザや別アプリに視線が逃げにくいので、メモ環境としての一体感が残ります。 Canvas は「知っている」と「使う」が別問題だった Canvas の良さは薄々わかっていました。 プレゼンの土台としても向くし、情報を並べ替える画面としても優秀です。 一方で、実務に落とすまでが難しかったのも事実です。 存在は知っているのに、日常の導線に乗らない。 ここで強いのが、Mermaid で骨格を書きつつ、Canvas 側でグラフィカルに整えていける流れです。 「文章だけ」でも「図だけ」でもなく、往復しながら整えるのが現実的でした。 「Obsidian × Claude」を前提にすると、スキルの意味が変わる obsidian-skills で Obsidian 側の作法が固まると、次に効いてくるのが Claude Code のような CLI 前提の AI です。 コミュニティでは、Obsidian を中心に Claude 系ツールを組み合わせた運用を Claudian と呼ぶことがあります（呼び方は固定ではありませんが、置き換えとして便利です）。 ポイントは、チャットで雑談するより、ルールとスキルと実行環境を育てるほうが勝ちやすい、という話です。 Obsidian は「第二の脳」として語られがちですが、運用が乱れると単なるメモの墓になります。 obsidian-skills は、その設計コストを下げるための土台に見えました。 Claude Code の料金は読み替えポイント Claude Code は、無料枠だけで無制限に回せるイメージとは向き合いにくいタイプです。 現状、利用するなら 有料プラン前提で計画したほうが安全です。 Obsidian 側には、別モデルを使うプラグインもあります。 ただ、CLI で動かしてワークスペース単位で指示を回す用途では、Claude Code の設計が前提に近い場面が多いです。 月額が気になるなら、まずは「毎日触るか」「資産として残る作業か」で割り切るのが現実的です。 まとめ：作法をスキル化 obsidian-skills の本質は、単体のテクニックというより Obsidian を AI と共同運用するための共通言語に近いです。 MCP で繋げば広がりは作れる。 それに加えて、Obsidian 内で完結する道があると、日常の摩擦が減ります。 Obsidian を主戦場にしている人も、Notion メインで Obsidian をサブにしている人も、まずは「作法をスキル化して渡す」発想を試す価値はあると思います。