「うちもそろそろAI使わないと」——2026年、この言葉を経営会議で聞かなかった企業のほうが珍しいのではないでしょうか。検索しても大企業の導入事例かエンジニア向けフレームワーク比較ばかりで、3〜10人のチームが「今月中に何か動くものを作りたい」と思ったときの情報が意外と少ない。この記事では、playpark（2人チーム）が実際にAI開発を始めた経験をもとに、スタック選定のチェックリストと判断フローを整理しました。
AI活用の3段階——全部やる必要はない
2026年現在、小規模チームのAI活用は3段階に分けられます。この順番をスキップしないことが重要です。Stage 0を飛ばしていきなり「AI戦略」を考えても、AIに何ができるか肌感覚がないので判断を間違えます。
| 段階 | やること | 技術難易度 |
|---|---|---|
| Stage 0: まず触る | ChatGPT / Claude / Gemini のアプリで遊ぶ | なし |
| Stage 1: 業務に使う | 日常業務にAIを組み込む | 低 |
| Stage 2: 仕組み化する | 繰り返し作業を自動化・システム化 | 低〜中 |
Stage 0 は業務と無関係でいい。ただAIで遊び、「すごい」「嘘ついた」という感覚を体で覚えます。playparkも最初の1週間はひたすらClaudeと雑談していました。
Stage 1 は「これ、AIに頼めばよくない？」が自然に浮かんだら開始です。
- 「手作業で時間がかかっている」タスクを1つ選ぶ
- ChatGPT / Claude のアプリにコピペしてやらせてみる
- Before/Afterの時間を測る
playparkでは「営業メールの下書き生成」で手作業15分が2分に、「議事録の要約」で30分が3分になりました。APIもコードも一切書いていません。
| ツール | 月額（参考） |
|---|---|
| ChatGPT Plus | 約¥3,000 |
| Claude Pro | 約¥3,000 |
| Google AI Pro | ¥2,900 |
選び方は「一番優れているか」でなく「自分の業務で結果が良かったもの」です。
Stage 2 は「毎回コピペするの面倒だな」と感じたら開始です。
| チームの状況 | 推奨アプローチ |
|---|---|
| エンジニアなし | ノーコードツール（Dify、GPTs等） |
| エンジニア1人以上 | AIエージェント or API連携（Claude Code、API+スクリプト） |
エンジニアがいる場合、「毎回やることが微妙に違う」タスクはエージェント向き、「毎回同じ処理」はAPIスクリプト向きです。
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-sonnet-4-6",
"max_tokens": 1024,
"messages": [
{"role": "user", "content": "弊社の営業メールを添削してください: ..."}
]
}'
2024年頃は「社内データ×AI＝RAG（ベクトルDB）」が定番でしたが、2026年現在は小規模チームがRAGを組む必要はほぼありません。Claudeの長コンテキストモデルは最大100万トークン（日本語で約75万字）を持ち、業務マニュアルの大半はこの容量に収まります。構造化されたMarkdownをフォルダに整理してそのままコンテキストに渡すほうが、ベクトル検索より文脈が保たれ精度も高くなります。
knowledge/
├── products/ ← 製品情報
│ ├── product-a.md
│ └── product-b.md
└── faq/ ← よくある質問
└── customer-faq.md
スタック選定チェックリストと判断フロー
| 質問 | Yes → | No → |
|---|---|---|
| TypeScript / Python を書ける人がいるか | API連携 or エージェント活用 | ノーコードツール |
| インフラの運用経験があるか | セルフホスト型も選択肢に | マネージドサービス一択 |
| 課題の性質 | 推奨アプローチ |
|---|---|
| テキスト生成・変換が中心 | アプリで手動 or API |
| 社内データを参照して回答したい | Markdown整理 + 大コンテキスト |
| 複数ステップの業務を自動化したい | エージェント（Claude Code等） |
| 条件 | 推奨 |
|---|---|
| 無料で始めたい | 各社の無料プラン（Stage 0） |
| 月額2,000〜3,000円 | 有料プラン（Stage 0-1） |
| 月額10万円以上 | 専用インフラ + 複数エージェント並列稼働 |
避けたほうがいい初手と、今日からの実践
「AI開発＝APIを叩くこと」ではありません。いきなりAPIから入る、ベクトルDBの構築から入る、ファインチューニングから入る——どれもコストに見合わないことが多いです。自社LLMのホスティングや「AI戦略」の策定に時間をかけるのも同様です。2024年のベストプラクティスを参考にすると古いRAG構築に行きがちですが、2026年はMarkdownを直接渡すほうが構築コストゼロで精度も高いです。
- 今日：ChatGPT / Claude / Geminiをスマホとpcに入れ、毎日何かしら使う習慣をつける
- 1週間後：「手作業で15分以上かかる」タスクを1つ選び、Before/Afterの時間を測る
- 1ヶ月後：「毎回コピペが面倒」なタスクをリストアップし、エンジニアがいればClaude Codeで、いなければDify等でノーコード自動化
まとめ
AI開発の始め方は2026年になってもシンプルです。まずアプリで遊ぶ。業務で使ってみる。面倒になったら仕組み化する。社内データはMarkdownを整理してコンテキストに載せ、ベクトルDBは数万件を超えてから考えればいい。小規模チームの強みは意思決定の速さなので、「まず触る→足りないところを補強する」サイクルが最も効率的です。
→ 気軽に相談する
関連記事：月5万のSaaSを使わずAI SDRを自作した全体像。
Claude Code Skills 入門ガイド、RAGで社内ナレッジ検索を高速化した話。
AI開発 完全ガイド — 入門から運用設計までを13本で俯瞰できます。
