非エンジニアがAIで『自分専用アプリ』を作る4ステップ

家計簿、顧客リスト、在庫メモ、シフト表……。気づけばスプレッドシートに手入力を続け、行が増えるほど管理が面倒になっていく。そんな経験がある方は少なくないはずです。市販のアプリを試しても「自分のやり方に合わない」「入力項目が違う」といった理由でしっくりこず、結局スプレッドシートに戻ってしまう。この記事では、そんな限界を迎えた非エンジニアが、AIのコーディング支援ツールを使って「自分専用アプリ」を作った実例をもとに、プログラミング経験がなくても再現しやすい進め方を紹介します。

なぜ非エンジニアでも「自分専用アプリ」が現実的になったのか
実例:10年続けた手入力家計簿からの卒業
再現できる4ステップ
複数の事例に共通する勘所:要求・前提を先に文章化しておく
使う前に知っておきたい注意点
効率化以上に得られたもの
まとめ

なぜ非エンジニアでも「自分専用アプリ」が現実的になったのか

これまで「自分だけのアプリが欲しい」と思っても、実現するにはプログラミングの習得か、外部への発注が必要でした。どちらも時間やコストのハードルが高く、多くの人は市販アプリやスプレッドシートで妥協するしかありませんでした。

状況が変わってきたのは、AIのコーディング支援ツールが、自然な日本語での指示から実際に動くプログラムを組み立てられるようになったためです。専門的なコードを書けなくても、「何を作りたいか」を伝えられれば、AIが実装の大部分を担ってくれます。ただし、ここで重要なのは「AIに丸投げすれば自動でいいものができる」わけではないという点です。今回取り上げる事例が示しているのは、AIをうまく使うために、人間側が事前にやっておくべき準備がある、ということです。

実例:10年続けた手入力家計簿からの卒業

あるデザイナーのケースでは、10年近く家計簿を自分で記録し続け、その大半をGoogleスプレッドシートでの手入力で管理していました。市販の家計簿アプリも試しましたが、自分たちの家計の管理方法に合わず、結局スプレッドシートでの手入力に戻るというサイクルを繰り返していたといいます。

このケースでは、AIのコーディング支援ツール(Claude Codeなど)を使って、自分の使い方に合わせた家計簿アプリをゼロから作ることを決断しています。最終的に実装されたのは、データの一覧表示・検索、月別のダッシュボード、AIによる支出分析コメント、メール明細の自動取り込み、CSVファイルの取り込み、レシート画像の読み取り(OCR)、重複データのチェックといった機能です。市販アプリに引けを取らない機能を、自分の使い方に完全に合わせて実装できた点が特徴です。

開発にはPythonベースの軽量なアプリ構築の仕組み(Streamlit)が使われ、技術的な選択が妥当かどうかの確認には、複数のAIをセカンドオピニオンとして使い分けています。AI機能(レシート読み取り・自動仕分け・支出分析コメントなど)の従量課金は、開発・テストを通じて約0.44ドル(数十円程度)にとどまったという記録があります(初回に5ドル分のチャージが必要で、コーディング支援ツール自体の利用料は別)。分析機能そのものの実行コストは、大がかりな投資をせずに試せる規模感だったことがうかがえます。

再現できる4ステップ

このケースの進め方を、他の題材にも応用できる4つのステップに整理してみます。経費管理、顧客リスト、在庫メモ、シフト表など、自分が今スプレッドシートで困っている作業に置き換えながら読んでみてください。

ステップ1:欲しいものをMarkdownファイルに書き出す(最重要)

最初に行うのは、コードを書くことではなく「何が不便で、どんな画面が欲しくて、どのデータを扱うのか」を文章として書き出すことです。このケースでは、要件をひとつのテキストファイルにまとめる形で整理しています。技術用語は一切不要で、箇条書きで十分です。

今、何に困っているか(例:スプレッドシートの行が増えすぎて検索しづらい)
どんな画面・機能が欲しいか(例:月ごとの集計を一覧で見たい)
どんなデータを扱うか(例:銀行明細、レシート画像、手入力のメモ)

このステップを飛ばして「いい感じのアプリを作って」とだけ伝えると、AIは何を優先すべきか判断できず、的外れな実装を繰り返して手戻りが増えてしまいます。逆に、この段階を厚めに書いておくほど、後の工程がスムーズに進みます。自分の題材に置き換えるなら、まず「今この作業の何にイライラしているか」を5〜10個、箇条書きで書き出すところから始めてみるとよいでしょう。

ステップ2:AIと計画を壁打ちする

書き出した要求をもとに、AIと対話しながら現状を整理し、実装の計画を立てます。ここでAIは「言われた通りに作る」だけでなく、「この機能はどう実装するのが妥当か」「優先順位はどうするか」を一緒に検討する相談相手として機能します。人間が一人で全ての設計を考える必要はなく、方向性の壁打ち相手としてAIを使うイメージです。

ステップ3:機能を優先して作り、実データで検証する

いきなり見た目を整えるのではなく、まず動くものを作ることを優先します。このケースでは、装飾より先に大枠(機能)を作る進め方が取られ、実際の過去データ(前月分など)を取り込んで、意図した通りに動くかを検証しています。

見た目が整っていない状態でも、実データで動かしてみることで「本当に必要な機能は何か」「想定していなかった不具合はないか」が早い段階で見えてきます。自分の題材に置き換えるなら、まずは手持ちのデータ(数ヶ月分の記録など)を実際に読み込ませて、想定通りの結果が出るかを確認する段階を必ず設けることをおすすめします。

ステップ4:動作確認後にスタイリングを整える

機能面の動作が確認できてから、初めて見た目(デザイン)の調整に着手します。このケースでは、使用したフレームワークの標準的な見た目に制約がある場面もありましたが、フレームワークを乗り換えるのではなく、別の装飾方法を探って対応しています。装飾を後回しにすることで、「見た目は良いが使えない」状態を避け、常に動くものを土台にしながら改善を重ねられます。

複数の事例に共通する勘所:要求・前提を先に文章化しておく

今回の主な事例に加えて、非エンジニアがAIコーディングツールを活用した別のケースも見てみると、共通するポイントが浮かび上がってきます。

別の非エンジニアのケースでは、日々のルーティン作業や文章作成の下書き作業など、複数の手順を踏んでいた作業を、それぞれ1つの短い指示コマンドにまとめて自動化していました。朝は予定を読み込んでその日の作業ノートを自動作成し、夜は振り返りを追記する、といった具合に、毎日繰り返す一連の手順を一つの呼び出しで実行できる形に整理しています。文章作成を支援する仕組みも複数用意し、記事などの文章コンテンツを、リサーチから公開後の確認までまとめてカバーできるようにしていました。

また、非IT職(理学療法士・パーソナルトレーナーなど、体を使う専門職)のケースでは、事業に関する情報(本業との両立状況、事業の概要、目標、大事にしている価値観、希望する文章のトーンなど)を、あらかじめ一つの設定ファイルにまとめて用意していました。この設定ファイルをAIに読み込ませることで、事業計画書・料金表・顧客向けの説明資料といった複数の文書を、毎回背景を説明し直すことなく作成できていたといいます。

これら3つの事例に共通しているのは、AIに何かを作らせる前に、要求や前提となる情報を先に文章として整理しておくという一手間です。この一手間があるかないかで、AIとのやり取りの精度と、完成までのスピードが大きく変わってきます。技術的な難易度の高さよりも、この準備段階の丁寧さが結果を左右するというのが、複数の事例を通じて見えてくる共通の勘所です。

使う前に知っておきたい注意点

自分専用のツールを作る際は、いくつか気をつけたい点があります。特に家計簿のようにお金や個人情報を扱うツールの場合、あくまで自分専用として使う範囲にとどめ、外部に公開したり他人のデータを扱ったりする場合は、セキュリティやプライバシーへの配慮が別途必要になります。今回のような事例はいずれも個人利用が前提であり、そのまま業務用・多人数利用のシステムに転用できるわけではない点には注意しておきましょう。

また、実装に使うツールやフレームワークは事例によってさまざまです。今回紹介したケースでもAIコーディングツール本体に加えて、実装用の軽量フレームワークや、技術選定の相談相手として複数のAIサービスが併用されていました。特定のAIサービスやツールだけが優れているというより、目的に応じて組み合わせを選べる、という理解が実態に近いでしょう。

効率化以上に得られたもの

このケースの記録で印象的なのは、当初の目的が「効率化」だったにもかかわらず、実際に得られた一番の効果は別のところにあったと振り返っている点です。自分の使い方にぴったり合ったツールを、自分の手で少しずつ育てていく過程そのものに手応えを感じ、面倒だった作業が愛着を持てる時間に変わった、という趣旨の感想が語られています。数字で測れる時間短縮だけでなく、「自分の道具を自分で作る」という体験自体に価値を見出せることも、この種の取り組みの隠れた効果といえそうです。