AI副業 必要なスキル5つ｜12週間ロードマップ

AI副業は、ChatGPTやCanvaの使い方を知っているだけでは安定して稼ぎにくく、実務ではプロンプト設計・リサーチ・編集・専門スキル・営業の5つが収益の土台になります。
筆者自身、クラウドソーシングでAI補助を組み込んだ記事制作フローを何度も設計してきましたが、プロンプトで下準備し、AIで下書きを作り、人が編集で仕上げる分業にしたとき、作業時間と品質の両方が整いやすくなりました。

AI副業で稼ぐ前に知っておきたいスキルの考え方

ここでいうスキルは、単に「知っていること」ではありません。
ChatGPTで文章を作れる、Canvaで画像を触れる、Google スプレッドシートで関数名を見たことがある、といった知識だけでは、まだ副業の土台としては弱いです。
スキルとは、訓練や学習を通じて後天的に身につく実践力であり、AI副業の文脈では「狙った成果物を、一定の品質で、納期内に再現できる状態」を指します。
つまり評価されるのは、ツール名を知っていることではなく、文章・画像・動画・翻訳・事務作業といった実務で使える状態まで落とし込めているかどうかです。

AI副業は、生成AIや各種AIツールを使って作業を効率化し、その成果を収益化する働き方として広がっています。
ただし、実務で求められるのは「AIに出してもらった結果」そのものではなく、その結果を目的に合わせて整えられる力です。
たとえばライティング案件なら、下書きを出せるだけでは不十分で、検索意図に合っているか、事実関係にズレがないか、文体が依頼主の媒体に合っているかまで見ます。
Excel補助でも、関数や表の整形をAIに手伝わせることはできますが、最終的に使えるシートになっているかを判断するのは人間です。
ここがポイントなんですが、AI副業でお金になるのは、AIを触った経験ではなく、成果物の品質を管理できる人の側です。

筆者の編集実務でも、この差ははっきり出ます。
同じくらいの知識量を持つ人でも、片方は「SEO記事を書いて」とざっくり投げ、もう片方は読者像、検索意図、見出し構成、禁止表現、一次情報の扱いまでプロンプトで細かく指定し、出力後に事実確認と文体調整の手順を決めて進めます。
すると、後者は初稿の時点で修正量が小さく、納品品質も安定しやすいのが利点です。
知識の量よりも、プロンプトの指示精度と検証手順をセットで持っているかが、実務ではそのまま品質差になります。

AIは道具、人が品質を引き受ける

AI副業を始めるときに持っておきたいのは、AIを「代わりに全部やってくれる存在」と見ないことです。
実際のところ、ChatGPTやClaude、Geminiのような生成AIは便利ですが、文脈の取り違え、事実の混同、不自然な言い回しは普通に起こります。
だから基本姿勢は、プロンプトで条件を渡す→出力を検証する→人が編集して仕上げるという反復になります。

この考え方は、初心者ほど欠かせません。
なぜなら、最初は専門スキルが十分でなくても、プロンプト設計と検証の型を先に身につけることで、納品事故を減らしやすいからです。
『プロンプト設計に関する一般的なヒント』でも、明確な命令や条件指定、反復的な改善が基本とされています。
AI副業では、この反復を面倒がらない人ほど伸びます。
逆に、初回の出力をそのまま納品する発想だと、継続受注は難しくなります。

「使えるスキル」は変化に追いつける形で持つ

AI領域では、今のやり方が数年後までそのまま通用するとは限りません。
世界経済フォーラム関連の要約情報として、2027年までに全従業員の44%のスキルが陳腐化し得るという指摘が紹介されることがあります。
数値そのものを過度に断定的に受け取る必要はありませんが、少なくとも「一度覚えたら終わり」の分野ではない、という理解は持っておいたほうがいいです。
AIツールのUI、使えるモデル、商用利用ルール、求められる納品形式は更新が速く、去年の最適解が今年の最適解とは限りません。

そのため、AI副業でいうスキルは、固定的な技術よりも更新し続けられる運用力として捉えるほうが実態に合います。
たとえば、ChatGPTの使い方を丸暗記するより、「要件を分解して指示に変える」「出力の誤りを見抜く」「依頼主の目的に合わせて修正する」といった土台を持っている人のほうが、ツールが変わっても対応しやすいのが利点です。
大学公式の『業種別の学習ロードマップ』のように、学習を段階で捉える考え方が役立つのもそのためです。
最初から広く深く手を出すより、基礎を固めながら必要に応じて更新するほうが、副業では現実的です。

人工知能を学ぶためのロードマップ（東京大学松尾・岩澤研究室公認）

人工知能や深層学習を学んだことのない方を対象に、それらを学ぶためのロードマップを紹介しています。本ロードマップでは達成目標として、「研究者」「データサイエンティスト」「エンジニア」「ビジネス」の4つの職業ごとに4つのレベルを設けています。ま

weblab.t.u-tokyo.ac.jp

この記事が前提にしている読者像

この先の内容では、完全な初心者を想定しています。
すでに本業でデザインや開発をしている人向けの加速プランではなく、AIツールは触ったことがあるが、まだ副業案件として形にできていない人が主な対象です。
使える時間も、平日のすき間と週末を合わせた週5〜10時間を前提に置いています。

到達期間・収入については個人差が大きく、一次的な統計や筆者の実務観察を踏まえた「目安」として扱うのが適切です。
筆者の想定や公開調査のレンジを踏まえると、初心者が数週間〜数カ月で初収益に届くことがある一方、到達時期や金額（例: 月1万〜5万円）はスキル習熟度、応募数、案件選定によって大きく変動します。
この記事では「月数千円〜数万円のレンジが現実的なケースとして存在する」という目安を示しつつ、具体的な到達見込みは個別の条件に依存する点を明確にしたうえで、学習と実践の目安として扱ってください。

この設定にしている理由は単純で、公開調査では副業全体の平均月収は6万円台というデータがある一方で、実際のAI副業はジャンル差とスキル差が大きく、初心者がいきなり高単価を取る構造にはなっていないからです。
dodaの副業実態調査でも副業月収の平均像は確認できますが、AI案件は特に「まず1件を安定して完了できるか」が壁になります。
だから本記事では、派手な成功談ではなく、再現しやすいスキルの積み上げ方に絞って整理していきます。

AI副業に必要なスキル5つ

この5つのスキルは、ばらばらに覚えるよりも、AIに任せる工程と人が責任を持つ工程を分けて理解すると整理しやすいのが利点です。
AIが得意なのは、生成、要約、整形のような反復作業です。
一方で、人が担うべきなのは、要件定義、根拠の検証、校正、相手との交渉です。
初心者の優先順位もここから決まります。
まずはAIに正しく仕事をさせるプロンプト設計と、出力を事故なく納品物に変える編集・品質管理を最優先で固め、その次にリサーチ・情報整理、専門分野スキル、営業・案件獲得へ広げるのが現実的です。

プロンプト設計: 指示品質で出力が決まる

プロンプト設計の役割は、AIから「それっぽい文章」を出させることではなく、案件の要件に合った初稿を再現性高く引き出すことです。
ライティングなら記事構成、導入文、見出し案、要約文。
事務系ならメール文面、表の整理方針、Excel関数のたたき台。
デザインや動画でも、構成案やコピー案の下準備に効きます。
ここがポイントなんですが、同じChatGPTやClaudeを使っても、指示の粒度で作業時間は変わります。

筆者の実務では、プロンプトを「目的・制約・手順・出力形式」の4点で組む形がもっとも安定しました。
たとえば記事制作なら、誰向けに何を達成したいのかという目的、禁止表現や文体、文字数感といった制約、見出し作成から本文生成までの手順、そして見出しごとに分けて出力させる形式まで先に渡します。
この型にすると、後工程の修正量が減りやすく、複数案件でも流用しやすいのが利点です。
『プロンプト設計に関する一般的なヒント』でも、

実務例としてわかりやすいのは、SEO記事の下書きです。
「副業について書いて」ではなく、「30代会社員向けに、初心者でも理解できる語彙で、見出しごとに300〜500字、断定できない情報は書かず、箇条書きは最小限」と指定すると、編集可能な素材に近づきます。
AIが担うのはこの初稿生成までで、検索意図の最終判断や媒体に合ったトーン調整は人が引き受けます。

初心者優先度は最優先です。
専門スキルが浅くても、指示の出し方が整うだけで作業速度と再現性が上がるからです。
逆に最初につまずきやすいのは、条件の書き漏れです。
禁止事項、想定読者、納品形式のどれかが抜けると、出力が遠回りになります。
回避策は、案件ごとに「目的・制約・手順・出力形式」を埋める固定テンプレートを持つことです。
毎回ゼロから書かず、制約リストを先に作るだけでも精度は安定します。

リサーチ・情報整理: 根拠集め→構造化→要点化の手順

リサーチ・情報整理の役割は、AIが生成した内容を根拠のある成果物に変える土台を作ることです。
AI副業では、AIが文章を作れても、情報の優先順位や出典の扱いが雑だと納品物として弱くなります。
とくに記事制作、資料作成、競合調査、SNS運用代行では、この差がそのまま品質差になります。

流れは単純で、まず根拠を集め、次に構造化し、その後に要点化します。
たとえばAI副業の市場感を書くなら、AI副業の定義、相場、受注経路、失敗要因のように論点を分けて情報を集めます。
その上で、一次情報や信頼性の高い調査を上段に置き、体験談や個人ブログは補助線として扱います。
AIには、集めた材料の要約や比較表のたたき台を作らせると効率的です。
ただし、どの情報を採用し、何を落とすかの判断は人が行います。

実務例でいうと、ライティング案件では「競合記事の見出し抽出→論点の分類→不足論点の補完」が典型です。
Excel補助なら、「依頼内容の分解→必要関数や処理手順の候補出し→実データに合わせた手直し」という形になります。
Google スプレッドシートは1ファイルで1,000万セルまで扱えますが、列数が100ある設計だと計算上は10万行で上限に達します。
こうした仕様理解があると、単にAIに式を書かせるだけでなく、シート設計そのものの整理にもつながります。

初心者優先度は3番手です。
プロンプト設計と編集がないままリサーチだけ深掘りしても、成果物に変換しにくいためです。
つまずきポイントは、情報を集めすぎて整理できなくなることと、AIの要約をそのまま信じてしまうことです。
回避策は、最初に「何を判断するための調査か」を1文で決め、集めた情報を「事実」「比較」「補足」に分けて並べることです。
要点化の前に箱を作るだけで、情報の渋滞が減ります。

編集・品質管理: 事実確認・文体整合・体裁調整のチェックリスト

編集・品質管理は、AI副業で収益を安定させるうえでプロンプト設計と並ぶ最重要スキルです。
AIは初稿を速く作れますが、そのままでは誤情報、不自然な接続、重複表現、媒体トーンのズレが残りやすいのが利点です。
納品物に変える工程では、むしろここが本番です。

筆者の感覚では、下書き自体はAIに任せても、見出し、導入、結論は人がリライトしたほうが継続受注率は上がりやすいのが利点です。
依頼主が見ているのは、文章量よりも「読み出しのつかみ」「全体の設計」「締め方の自然さ」だからです。
AIの下書きは作業時間を縮めますが、媒体らしさまで自動で揃うわけではありません。
実務では、ここを人が引き受けた案件のほうが、修正往復が少なくなりやすいと感じます。

チェックする観点は大きく3つです。
1つ目は事実確認で、数字、固有名詞、制度説明、ツール仕様の誤りを潰します。
2つ目は文体整合で、です・ます調の揺れ、同じ語尾の連続、読者レベルに合わない専門用語を整えます。
3つ目は体裁調整で、見出しの粒度、箇条書きの並び、改行位置、納品形式を合わせます。
AIが得意なのは誤字修正や整形の補助までで、最終的な可読性の判断は人の仕事です。

初心者優先度は最優先です。
なぜなら、単価は高くなくても、品質管理ができる人は継続案件につながりやすいからです。
AI副業で失敗しやすい要因として、AI出力の丸投げ納品が挙げられるのもこの部分です。
つまずきポイントは、生成直後の文章を「だいたい合っている」で通してしまうことです。
回避策は、納品前に「事実」「文体」「体裁」の3項目だけでも毎回同じ順番で見ることです。
チェック観点を固定すると、初心者でも見落としが減ります。

専門分野スキル: 文章/デザイン/動画/事務/コードの最低限ライン

専門分野スキルの役割は、AIが作った素材を仕事として通用する形に仕上げることです。
AI副業は未経験でも入りやすいと言われますが、単価を上げる局面では結局ここが効いてきます。
文章なら構成力と推敲力、デザインならレイアウトと視認性、動画なら尺感とテロップ整理、事務なら確認精度、コードなら基礎理解と検証力です。

最低限ラインは、完璧なプロである必要はなくても、AIの出力の良し悪しを判断できる程度には必要です。
ライティング系なら、見出しと本文の対応が取れているか、不自然な言い換えがないかを見抜けること。
Excelや事務系なら、関数の結果や転記内容をチェックできること。
プログラミング系なら、AIが出したコードを実行し、エラーの意味を追えることが最低ラインになります。
公開されている相場感でも、ライティングは1件あたり数千円〜数万円、Excel作業代行は月5,000円〜5万円程度、小規模なプログラミング案件は3万〜10万円という開きがありますが、この差を生むのは専門スキルの厚みです。

実務例としては、CanvaでSNS画像の量産をするとき、AIにコピー案やレイアウト案を出させたうえで、余白、フォントサイズ、視線誘導を人が整える形がわかりやすいのが利点です。
CapCutのような編集ツールでも、自動字幕や自動カットは使えても、読みやすいテロップ分割や不要部分の削除は人の判断が必要です。
コード補助でも、AIに関数やスクリプト案を出させるのは有効ですが、基礎知識なしで丸投げすると修正不能になりやすいのが利点です。

初心者優先度は4番手です。
先にプロンプトと品質管理を固めたほうが、小さな案件で経験値を積みやすいからです。
つまずきポイントは、使うツールを増やしすぎて、どの分野でも中途半端になることです。
回避策は、文章、事務、画像、動画、コードのうち、いまの本業や経験に近い1分野だけに絞ることです。
もともと事務職ならExcel補助、文章を書く仕事に近いならライティングから入るほうが、AIの恩恵を受けやすいのが利点です。

営業・案件獲得: 案件選定・提案文・コミュニケーションの型

営業・案件獲得の役割は、身につけたスキルを実際の収益に接続することです。
AI副業は、できることが増えても、案件を取れなければ売上になりません。
受注経路としてはクラウドソーシングやSNS発信が主要で、案件単価も数千円から数万円まで幅があります。
だからこそ、最初に重要なのは高単価案件を追うことより、自分の現在地で勝てる案件を選ぶことです。

案件選定では、募集文に「AI利用可」「構成作成あり」「リサーチあり」「修正方針が明確」などが見える案件のほうが取り組みやすいのが利点です。
逆に、要件が曖昧なまま工数だけ重い案件は、初心者ほど消耗しやすいのが利点です。
提案文では、長い自己紹介よりも、「何ができるか」「どこまでAIを使い、どこを人が責任持って仕上げるか」を短く伝えるほうが通りやすいのが利点です。
たとえば、記事案件なら「下調べと構成案作成にAIを使いつつ、事実確認と文体調整は手作業で対応します」と書いたほうが、丸投げ感が出ません。

コミュニケーションでも、人が担う工程は明確です。
要件の確認、納期のすり合わせ、修正対応の範囲、認識ズレの解消はAIには任せられません。
筆者がクラウドソーシングで見てきた範囲でも、継続につながる人は、納品物そのものだけでなく、確認の早さと返答の整理が安定しています。
AIを使えること自体が強みというより、AIを使ったうえで仕事の進め方が雑でないことが評価されます。

初心者優先度は5番手ですが、不要という意味ではありません。
つまずきポイントは、実績がない段階で背伸びした提案をしてしまうことと、安さだけで受けて疲弊することです。
回避策は、最初の提案文を「対応できる作業」「対応しない作業」「確認したい点」の3点で固定することです。
営業にも型があると、案件ごとの差し替えだけで回せるようになり、無理な受注を避けやすくなります。

スキル別にできるAI副業と収入目安

ライティング系: 構成/下書き/要約の分業と単価レンジ

ライティング系は、AI副業の中でも入り口にしやすく、かつ収入設計がしやすい分野です。
実務では、ChatGPTで記事構成案を出す、見出しごとの下書きを作る、長文資料を要約する、といった工程ごとにAIを差し込みます。
そのうえで人が事実確認、文体調整、重複削除、見出しとの整合取りを行う形が基本です。
ここがポイントなんですが、報酬は「AIを使ったかどうか」ではなく、納品物としてどこまで整っているかで決まります。

相場感としては、AI副業全体では1件あたり数千円〜数万円が一般的で、ライティングもこのレンジに収まります。
初心者が受けやすいのは、要約や簡単なリライト、構成補助などの数千円帯です。
標準的なのは、構成作成と下書きまで含む案件で数千円〜数万円です。
上限側は、SEOの意図整理、競合比較、編集まで入る案件で数万円に届きます。
単価差を分けるのは、文章力そのものより、編集と品質管理をどこまで担えるかです。

筆者の経験でも、記事の初稿づくりを全部手作業で進めると120分かかっていた工程が、AIに構成と下書きを補助させることで60〜80分に収まることがあります。
ただし短くなったのは執筆時間だけで、確認工程を削ったわけではありません。
たとえば1件が数千円の案件でも、120分かかるなら時給感は厳しくなりますが、60〜80分まで圧縮できれば、同じ報酬でも受ける意味が出てきます。
逆に、AIの出力をそのまま納品して修正往復が増えると、見かけの時短はすぐ消えます。

実務で強いのは、「構成」「下書き」「要約」を分業として見られる人です。
たとえば構成だけなら見出し設計、下書きなら段落生成、要約なら会議メモや資料整理と、提供価値を切り分けられます。
提案時にも「構成案作成まで対応」「AI下書きを人が編集して納品」と説明しやすく、継続受注につながりやすいのが利点です。

画像・デザイン系: 生成→レタッチ→入稿データ化での実務例

画像・デザイン系は、AIでラフを速く作り、人が仕上げると単価が安定しやすい分野です。
たとえばDALL·E系の画像生成機能やMidjourney系で素材案を複数出し、CanvaでバナーやSNS画像のレイアウトに落とし込み、最後に文字詰め、余白、ブランドカラー、サイズ調整を行って入稿データ化する流れです。
仕事になるのは生成そのものではなく、使える形に整える後工程です。

単価レンジは案件の粒度で変わりますが、AI副業全体の標準レンジである数千円〜数万円/件の中に収まるものが中心です。
最低レンジは、SNS用の簡単な画像案出しや既存テンプレート調整の数千円帯です。
標準レンジは、複数パターンの提案、文言調整、サイズ展開まで含めた案件で数万円に届くことがあります。
上限レンジは、広告クリエイティブのAB案作成や、複数媒体向けに入稿サイズを整える実務まで含むケースです。

この分野で見落とされがちなのが、生成後の整形コストです。
AI画像は一見きれいでも、文字周りの処理、手や顔の違和感、背景のノイズ、トンマナの不一致が残りやすいのが利点です。
実際のところ、クライアントが欲しいのは「それっぽい画像」ではなく、すぐ掲載できるデータです。
だから、Photoshopで軽く整える、Canvaでテキスト配置を詰める、用途ごとのサイズに展開する、といった作業ができる人のほうが単価を取りやすいのが利点です。

デザイン未経験者でも参入余地はありますが、収益化の境目になるのは、見た目の良し悪しを言語化できるかどうかです。
余白が詰まりすぎている、視線誘導が弱い、タイトルの強弱が足りない、と判断できるだけで、単なる画像生成代行から一段上がれます。

動画系: 台本生成/字幕/カット指示の自動化と品質管理

動画系では、AIが最も効きやすいのが前処理と整理です。
ChatGPTで短尺動画の台本案を作る、CapCutの自動字幕で文字起こしを進める、見せ場ごとのカット指示を出す、といった工程を自動化すると、編集の立ち上がりが速くなります。
とはいえ、納品価値を決めるのはテンポ感、字幕の読みやすさ、不要部分の削除、固有名詞の修正といった人の判断です。

報酬レンジは、短いテロップ調整や字幕整形なら数千円帯から入りやすく、台本作成から簡易編集補助まで含むと数万円帯に乗ってきます。
動画1本あたりの作業時間が読みやすい案件は時給感を作りやすく、逆に素材尺が長いのに修正方針が曖昧な案件は工数が膨らみがちです。
最低レンジは字幕修正やカット指示の整理、標準レンジは台本生成と字幕整形をまとめて請ける形、上限レンジは複数本のシリーズ運用やサムネイル文言調整まで含むケースです。

動画系でAIを使うときのポイントは、作業を「生成」と「検品」に分けることです。
自動字幕は速いですが、話し言葉の区切りが不自然だったり、固有名詞を取り違えたりします。
台本生成も、流れは作れても、尺に対して情報量が多すぎることがあります。
だから、AIで叩き台を作り、人が視聴維持を意識して削るほうが実務的です。
品質管理が弱いと、時短したはずの案件で修正回数が増え、結果的に単価が崩れます。

Excel/事務系: 関数/VBA/自動化補助での時間短縮と月額レンジ

Excelや事務系は、本業の延長で始めやすく、AIの恩恵がそのまま時間短縮に出やすい分野です。
実務では、ChatGPTに関数案を出させる、VBAやGoogleスプレッドシートのスクリプト案を作る、表記ゆれの整理ルールを作る、集計表の構造を提案させる、といった使い方が中心です。
納品物も、完成ファイルそのものだけでなく、作業フローの改善提案やテンプレート整備まで広げられます。

収入目安は、公開されているレンジでも月5,000円〜5万円程度が中心です。
最低レンジは、単発の表整理や関数修正を少しずつ請ける形です。
標準レンジは、毎月の集計、請求一覧の整形、転記作業の効率化などを継続で受ける形で、月数万円が見えてきます。
上限レンジは、複数シートの業務整理や自動化補助まで任されるケースです。
ライティングのような1件課金ではなく、事務系は月額で積み上がりやすいのが特徴です。

この分野は、派手さはありませんが継続契約と相性が良いです。
たとえばGoogleスプレッドシートは1ファイルで1,000万セルまで扱えますが、列数が増えると実用上の行数はすぐ減ります。
10列なら約100万行の設計もできますが、100列なら約10万行、1,000列なら約1万行です。
こうした制約を踏まえて「列を増やしすぎない表設計にする」「重い処理を分ける」と提案できると、単なる入力代行ではなく改善担当として見られます。

また、事務系はミスの責任が重いぶん、確認力がそのまま単価に反映されます。
AIが出した関数やVBAを貼って終わりではなく、想定どおりの結果になっているかを検証できる人が強いです。
ここは地味ですが、継続率に効きます。

プログラミング系: 小規模/中規模の相場と要件定義の重要性

プログラミング系は、AIで最も時短しやすい一方で、基礎理解の有無がそのまま収入差になりやすい分野です。
AIの役割は、コードのたたき台作成、エラー箇所の切り分け、関数の補助、テストケース案の整理です。
人が担うのは、要件定義、動作確認、例外処理、保守しやすい形への修正です。
AIに丸投げすると危ないと言われるのはこの領域ですが、正しく使えば生産性は上がります。

相場感は比較的はっきりしていて、小規模案件は1件3万〜10万円、中規模案件は1件10万〜30万円が目安です。
小規模に入るのは、既存コードの修正、フォームや自動化スクリプトの追加、簡単な社内ツール整備などです。
中規模は、複数機能の実装、管理画面付きの改修、運用まで見据えた構成調整などが含まれます。
単価が上がるほど、コードを書く速さよりも、何を作るかを言語化する力が重要になります。

要件定義が弱いと、AIで生成したコードが増えるほど修正コストが膨らみます。
たとえば「入力項目は何か」「例外時はどうするか」「誰が使うのか」が曖昧なまま進めると、動くコードが出ても納品物としては成立しません。
逆に、要件を分解してAIに細かく指示できる人は、小規模案件でも利益を残しやすいのが利点です。
コード補助の価値は、生成そのものより、再現性のある進め方を作れるかにあります。

なお、収入全体の背景としては、副業をしている会社員の平均月収は6万円台で、全体では月約65,000円、40代以上では96,564円という水準です。
AI副業もこの現実から大きく外れるわけではなく、いきなり高額案件だけを狙うより、数千円〜数万円の案件を安定して回し、月5,000円〜5万円の帯を超えていく設計のほうが現実的です。

初心者向け12週間ロードマップ

このロードマップは、週5〜10時間の学習時間で、1〜4週で基礎、5〜8週で制作、9〜12週で応募と改善まで進める設計です。
考え方としては、東京大学松尾・岩澤研究室が公開している『業種別の学習ロードマップ』のように、最初に全体像を見てから段階ごとに必要な能力を積み上げる進め方が相性がいいです。
Qiitaなどで紹介される「まず10時間で全体像をつかむコース」と「200時間前後で実務に寄せるコース」の発想も近く、この12週間プランはその中間にあたる実践寄りの入門版だと考えるとわかりやすいのが利点です。

Week 1-2: 無料ツール試用/プロンプト基礎/品質チェックの型作り

最初の2週間は、無料ツール中心で「AIを触る」ではなく「AIの出力を評価する」感覚を身につける期間です。
使うツールは多くなくて十分で、文章ならChatGPTの無料プラン、比較用にClaudeやGoogle Geminiの無料枠、整理用にNotionやGoogleスプレッドシートがあれば回せます。
ChatGPTは無料プランがあり、必要に応じてOpenAI公式の有料プランとしてPlusが月額$20、Goが$8という構成ですが、この段階では無料で十分です。
複数ツールを比べる目的は、高性能モデルを追いかけることではなく、同じ指示でも出力の癖が違うと体感することにあります。

到達目標は3つです。
ひとつ目は、同じテーマに対して指示文を少し変えるだけで出力がどう変わるか説明できること。
ふたつ目は、AIの回答に不自然さや抜け漏れを見つけられること。
3つ目は、品質チェックの手順を自分の言葉で固定できることです。
成果物としては、短い記事見出し案3本、SNS文案3本、要約3本のような小さな生成物で構いません。
加えて、プロンプト検証テンプレを1枚作ります。
内容は「目的」「読者」「入力情報」「出力形式」「禁止事項」「評価観点」の6項目程度に揃えると、後で案件用に転用しやすいのが利点です。

Week 3-4: 小課題×4本で反復

3〜4週目は、基礎を知識で終わらせず、小課題を4本こなして反復する期間です。
1本ごとにテーマを変えすぎると比較できないので、ライティング寄りなら「商品紹介」「要約」「比較」「FAQ整理」、事務寄りなら「関数提案」「表整形」「手順書下書き」「メール文面作成」のように、似た粒度で揃えると学びが蓄積します。

到達目標は、1本あたりの作業を「指示→生成→編集→見直し」の4工程に分けて進められることです。
ここで大事なのは、生成時間を縮めることではなく、編集でどこを直したかを言語化することです。
成果物は小課題4本に加えて、各課題ごとの改善メモです。
改善メモには「AIの出力で良かった点」「修正した点」「次回は最初の指示でどう変えるか」を残します。
この蓄積が、後の提案文や実績説明の材料になります。

KPIは、2週間で学習時間10〜20時間、小課題4本、改善メモ4本です。
1本ごとの完成度を上げすぎるより、4本を最後まで回し切るほうが価値があります。
実際のところ、案件で求められるのは一発の神出力ではなく、一定品質で回せることだからです。

このブロックで詰まりやすいのは、出力のばらつきと編集疲れです。
特に4本続けると、毎回ゼロから考えてしまい、プロンプトも評価基準もぶれやすくなります。
回避策として、1〜2週目に作ったテンプレートを流用し、第三者レビューは4本すべてではなく1本か2本に絞ります。
全部を完璧にするより、チェックリストを使って同じ型で直すほうが、学習効率は高いです。

Week 5-6: ジャンルを1つに絞ってミニ作品×2

5〜6週目からは、ジャンルを1つに絞ります。
ここで広げすぎると、作品が散らばってポートフォリオの芯がなくなります。
初心者向けなのは、ライティング系、Excel/事務系、簡単なデザイン補助のどれかです。
前のセクションで見た通り、AIの使い方と必要スキルが比較的わかりやすく、案件の入口も見つけやすいからです。

到達目標は、「自分は何をAIで補助し、どこを人力で担保するのか」を説明できる状態になることです。
たとえばライティングなら、構成案と下書きはAI、ファクト確認と文体調整は自分、という役割分担を明文化します。
成果物はミニ作品2本です。
1本は自分の得意テーマ、もう1本は仕事を想定したテーマにするとバランスが取りやすいのが利点です。
記事なら見出し、導入、本文、編集前後の比較まで入れておくと、単なる生成結果ではなく制作プロセスを見せられます。

KPIは、2週間で学習時間10〜20時間、ミニ作品2本、ジャンル別の作業フロー1本です。
作業フローは文章1枚で十分ですが、「依頼受領」「要件整理」「AI下書き」「編集」「最終確認」と流れを書いておくと、応募時に使いやすくなります。

ここでの躓きポイントは、ジャンルを絞り切れず、作品の方向性が定まらないことです。
もうひとつは、AIに寄せすぎて作品が似た印象になることです。
回避策は、テーマ選定の段階で「誰向けか」「何を解決するか」を先に決めることと、編集で自分の判断を必ず入れることです。
筆者の経験では、AIの初稿をそのまま磨くより、構成だけ借りて本文は手を入れたほうが、結果的に作品の説得力が増します。

Week 7-8: ポートフォリオ整備/プロフィール作成/相場調査×10件

7〜8週目は、制作物を「見せる形」に整える工程です。
作品があっても、並べ方が悪いと伝わりません。
この段階でやることは、ポートフォリオ整備、プロフィール作成、そして公開案件の相場調査です。
相場調査はクラウドワークスやランサーズなどで10件見ると、初心者向け案件でも何を評価されるかが見えてきます。
細かな平均単価の公式集計は確認しにくい一方で、公開案件を見れば、求められる作業範囲と納品物の粒度は把握できます。

到達目標は、自分の実績を「何ができるか」「どこまでできるか」「どう進めるか」の3点で説明できることです。
成果物は、ポートフォリオ1式、プロフィール文1本、相場調査メモ10件です。
プロフィールには、使えるツール名を並べるだけでなく、ChatGPTやClaudeで叩き台を作り、NotionやGoogleスプレッドシートで要件整理・進行管理を行う、といった作業イメージまで書けると強いです。

KPIは、2週間で学習時間10〜20時間、ポートフォリオ掲載作品2〜4点、相場調査10件です。
ポートフォリオ数は多ければ良いわけではなく、ジャンルが揃っているかのほうが欠かせません。
プロフィールも長文にしすぎず、対応領域、使えるツール、品質管理の方法を簡潔に入れると読みやすくなります。

この時期の躓きポイントは、自分の作品をよく見せようとして説明が抽象化することと、相場を見て気後れすることです。
回避策は、作品説明を「課題」「AIの使いどころ」「人が調整した点」に分けることです。
相場調査では高単価案件だけを見ると基準がずれるので、初心者でも手が届く小さな案件を混ぜて見るほうが実態に近づきます。

Week 9-10: 提案文テンプレ作成/応募5〜10件/フィードバック反映

9〜10週目から、実際に応募を始めます。
ここで重要なのは、毎回ゼロから提案文を書くことではなく、テンプレートを作って案件ごとに調整することです。
提案文の骨格は、自己紹介、対応可能範囲、作業の進め方、品質管理、簡単な実績の5要素で十分です。
AIに下書きを作らせてもいいですが、そのままだと誰にでも送れる薄い文章になりやすいので、案件文面から相手の課題を拾って入れ直します。

到達目標は、応募文を30分以上悩まずに作れることと、不採用でも改善点を残せることです。
成果物は、提案文テンプレ1本、案件別に調整した応募文5〜10件分、見送り理由や反応をまとめたフィードバックメモです。
応募数を少なすぎる状態で「向いていない」と判断するのは早く、逆にテンプレなしで大量応募すると質が落ちます。
この期間は、その中間を狙うイメージです。

KPIは、2週間で学習時間10〜20時間、応募5〜10件、提案文テンプレ1本、改善メモ5件以上です。
応募5件で反応が薄ければ、プロフィールか提案文のどちらかに問題がある可能性が高いです。
10件近く出すと、少なくとも自分の見せ方の癖は見えてきます。

このブロックの典型的な躓きは、不成約が続いて自信を失うことです。
副業の営業は、実力だけでなく見せ方の影響も大きいので、断られた＝能力不足とは限りません。
回避策は、提案文を毎回少しずつ改善することです。
たとえば「丁寧に対応します」より、「初稿提出前に見出し整合と固有名詞確認を行います」のように、行動ベースで書いたほうが伝わります。
筆者も提案文はテンプレ化していますが、最も反応が良かったのは、抽象的な熱意より作業フローを具体的に書いたときでした。

Week 11-12: 初受注→改善/単価見直し/次案件の継続提案

11〜12週目は、初受注の有無にかかわらず、応募と制作の結果を見て改善する期間です。
受注できた場合は、納品後の振り返りから次の案件につなげます。
受注できていない場合でも、提案文、ポートフォリオ、応募先の選び方を見直して、改善サイクルを回します。
ここで初めて、単価の見直しも検討対象になります。
実績ゼロの段階では単価より通過率が優先ですが、1件でも納品実績ができると、見せ方の軸が変わるからです。

到達目標は、1件の仕事を「受ける前」「作る途中」「納品後」の3段階で振り返れることです。
成果物は、案件振り返りシート1本、修正版ポートフォリオ1式、継続提案の文面1本です。
継続提案は大げさな営業文でなく、「次回は構成案の段階で共有可能です」「月次で同形式の運用にも対応できます」のように、相手の負担を減らす提案にすると自然です。

KPIは、2週間で学習時間10〜20時間、納品または模擬納品1本、改善シート1本、継続提案文1本です。
ここまでで累計60〜120時間ほどになり、Qiita系の10時間コースよりは実務寄り、200時間コースの入口としてはちょうどいいボリュームになります。
短期間で一気に稼ぐ設計ではなく、再現性のある型を12週間で作るイメージです。

この段階の躓きポイントは、初受注後に工数が読めず単価が崩れることと、不成約が続いたときに応募数だけ増やしてしまうことです。
回避策は、納品後に必ず所要時間と修正回数を記録すること、そして提案文を改善せずに応募数だけ増やさないことです。
AI副業は道具の使い方だけで決まる仕事ではなく、プロンプト設計、編集、営業の3つを少しずつ噛み合わせると受注率が上がる仕事です。
この12週間で作りたいのは、ツールの知識そのものより、案件に合わせて使い分ける土台です。

学習を続けるための進捗管理テンプレート

学習が止まりやすい人の多くは、努力が足りないのではなく、進捗の見え方が曖昧です。
AI副業の学習は、動画を見た、プロンプトを試した、案件を眺めた、といった行動が増えやすい一方で、それがどのスキルの前進なのかが把握しづらい構造があります。
ここがポイントなんですが、挫折を防ぐには「勉強した感覚」ではなく、スキルの段階と週次の行動量を同じ場所で管理するのが有効です。

筆者はこの管理に、Google スプレッドシートか Notion を使うことが多いです。
なかでも再現しやすいのはスプレッドシートで、行に週番号、列に5スキル、学習時間、ポートフォリオ数、応募数、受注数、継続率、レビュー平均を置く形です。
さらに各スキル列には4段階評価を入れ、条件付き書式でLv1を薄い色、Lv4を濃い色にすると、伸びている場所と止まっている場所が一目で分かります。
Google スプレッドシートは1ファイルで1,000万セルまで扱えるので、こうした週次ログ程度なら容量を気にせず積み上げやすいのが利点です。
列を増やしすぎると見づらくなるので、最初は必要最小限の設計に絞るのが実務的です。

5スキル×4段階の自己評価シート例（Lv1）

スキルマップは、難しく考えず「何を身につければ案件化しやすいか」を分解した表です。
この記事で扱ってきた5スキルなら、プロンプト設計、リサーチ、編集・品質管理、専門スキル、営業の5つに分けると管理しやすくなります。
各スキルを4段階で自己評価すると、今の位置と次の課題が明確になります。

評価基準は次の4段階で揃えると使いやすいのが利点です。
Lv1は用語が分かる、Lv2はテンプレで再現できる、Lv3は目的別に応用できる、Lv4は改善提案まで可能、です。
全スキルで同じ段階定義を使うと、判断がぶれません。

たとえばプロンプト設計なら、Lv1は要約や箇条書きなど基本指示の意味が分かる状態です。
Lv2は記事構成や表作成のテンプレを使って一定の出力を再現できる状態、Lv3は案件ごとに制約条件や文体を変えて狙った出力を作り分けられる状態、Lv4は出力の不安定さを減らすために手順やテンプレ自体を改善できる状態です。
編集・品質管理なら、Lv1は誤字や不自然な文に気づける、Lv2はチェック手順に沿って修正できる、Lv3は媒体や目的に応じて直し方を変えられる、Lv4はレビュー観点を言語化して他人にも共有できる、という見方ができます。

専門スキルも同じです。
ライティングなら見出し構成、導入、本文整合、Excel系なら関数、表整形、集計設計、プログラミング系ならコード読解、実行、検証のように、その分野の核を置きます。
営業は軽く見られがちですが、Lv1が案件文の意味を読める、Lv2がテンプレ提案文を調整できる、Lv3が相手の課題に合わせて訴求点を変えられる、Lv4が継続提案や単価交渉の改善までできる、という形で十分に段階化できます。

見える化のコツは、5スキルをさらに細かい観点に分けすぎないことです。
最初から20項目、30項目に増やすと記録そのものが負担になります。
筆者は最初のシートでは5スキルの大項目だけを置き、別シートに補助メモを作る形をよく使います。
メインシートは「今週のLv」を記録する場所、メモ欄は「なぜ上がったか」「何で止まったか」を書く場所として分けると続きやすいのが利点です。
スキルマップの作り方としては、案件で要求される作業を先に書き出し、それを5スキルに振り分けると項目設計で迷いにくくなります。
つまり、先に教材から作るのではなく、先に仕事から逆算する発想です。

KPI例

自己評価だけだと主観に寄りやすいので、行動KPIも並べて持っておくと学習が安定します。
AI副業の初期は、成果KPIよりも行動KPIのほうが欠かせません。
受注は相手要因も入りますが、学習時間、ポートフォリオ作成、応募数は自分で管理しやすいからです。

まず週学習時間は、5〜10時間を基準に置くと無理が出にくい設計です。
平日に細かく積み、週末で補う設計なら、この幅が続けやすいラインになります。
ポートフォリオ数は、最初の目安として2点、次に5点、その後8点と増やしていくと整理しやすいのが利点です。
ここで見たいのは総数だけではなく、完成度のある作品が何本あるかです。
応募数は5件、15件、30件と段階を切ると、自分の見せ方の改善余地が読み取りやすくなります。
5件では傾向が見えにくく、15件を超えると提案文やプロフィールの弱点が見え、30件まで行くと案件選定の癖まで把握しやすくなります。

受注数、継続率、レビュー平均も重要ですが、このあたりは応募数や制作数が積み上がってから効いてきます。
単発で1件取れたかだけを見るより、継続依頼につながったか、評価コメントが安定しているかを追うほうが実務力を測りやすいのが利点です。
編集や事務系のようにミスの少なさが価値になる仕事では、レビュー平均は単価より先に見たほうが改善しやすいこともあります。

筆者が実際に使っているシートでは、行に「第1週、第2週…」を並べ、列は「週学習時間」「プロンプト設計Lv」「リサーチLv」「編集Lv」「専門スキルLv」「営業Lv」「ポートフォリオ数」「応募数」「受注数」「継続率」「レビュー平均」「やめること」「増やすこと」「続けること」という構成にしています。
数値列はそのまま入力し、Lv列は1〜4の数字で入れ、条件付き書式で低い週は淡色、高い週は濃色にしています。
応募数が一定以上、受注がゼロの週は色を変える設定にしておくと、単に努力不足なのか、提案文改善が必要なのかが見えやすくなります。
こういうシートは凝り始めると列が際限なく増えますが、10〜15列程度に収めたほうが週次レビューでは扱いやすいのが利点です。

レビュー日は毎週か隔週で固定すると運用が安定します。
毎週見るなら軽く、隔週なら少し深く振り返る形が向いています。
設問は多くしすぎず、「何をやめるか」「何を増やすか」「何を続けるか」の3つで十分です。
たとえば、教材視聴ばかりで制作が少ないなら見る時間をやめる、応募前提の模擬制作を増やす、週次レビューは続ける、というように判断できます。
この3問は感情ではなく行動に落ちやすいので、振り返りが反省文になりにくい設計です。

Notionで作るなら、データベースに週次ログを1件ずつ追加し、プロパティとして5スキルのLv、学習時間、応募数などを持たせる形が分かりやすいのが利点です。
文章で振り返りたい人には向いています。
一方で、数値の推移や色分けの一覧性はスプレッドシートのほうが強いです。
筆者は、日々のメモはNotion、週次の集計と可視化はGoogle スプレッドシートに分けることが多いです。
どちらに寄せても構いませんが、スキルマップとKPIが別の場所に分かれると続きにくいので、見る場所はできるだけ一つに寄せたほうが管理しやすいのが利点です。

AI副業で失敗しやすいポイントと法的注意点

AI副業でつまずきやすいのは、ツールの使い方そのものよりも、納品の考え方と扱うジャンルの選び方、そしてルールの理解不足です。
ここがポイントなんですが、AIは作業速度を上げる道具ではあっても、責任まで引き受けてくれるわけではありません。
副業としてお金を受け取る段階では、「出せた」ではなく「検証したうえで出した」が基準になります。

もっとも多い失敗は、ChatGPTやClaudeで出した文章、CanvaやDALL·E系で作った画像を、そのまま成果物として渡してしまうことです。
これが危ないのは、誤情報、不自然な日本語、案件ごとの禁止事項の見落としが一気に重なるからです。
ライティング系では事実関係の取り違え、Excelや事務系では参照セルや条件の誤読、プログラミング系では動かないコードや保守しづらい実装が典型です。
前述の通り、AI副業では「出力できること」より「良し悪しを判断できること」のほうが価値になります。

実務では、AI工程と人工程を分けると事故が減ります。
たとえばAI工程は構成案作成、見出し候補、下書き、要約、表現の言い換えまでに留め、人工程でファクトチェック、文体調整、重複削除、規約確認、最終整形を行う形です。
筆者の編集現場でも、AIが作った下書きはまず事実誤認があり得る前提で読み、数字・固有名詞・制度名・サービス仕様のように誤ると致命傷になる箇所を先に洗い出します。
そのうえで企業公式ページや公的機関の一次情報に当たり、裏が取れた内容だけを残し、曖昧な箇所は書き換えるか削除する、という順番を徹底してきました。
AIに下書きを任せることはあっても、裏取りまで任せたことはありません。

需要のない分野は稼ぎにくい

AIを使えば何でも案件化できるように見えますが、実際のところ、需要が薄いジャンルは稼ぎにくいです。
自分が面白いと思う分野と、発注側が継続してお金を払う分野は一致しないことがあります。
案件件数が少ない領域や、単価が極端に低い領域に入ると、いくら作業を速くしても月収は伸びません。

ジャンル選定では、クラウドソーシングや求人系サービスで案件件数と相場をセットで見るのが基本です。
初心者の初期は、競合が強すぎる王道領域に真正面から入るより、競合が比較的少なく、作業手順を標準化しやすい領域のほうが再現性を作りやすいのが利点です。
たとえば、長文のSEO記事をいきなり高単価で狙うより、商品説明文の下書き、既存記事の要約整理、Excelの表整形、FAQ草案作成のように、品質基準が比較的明確な仕事のほうが改善点を掴みやすいのが利点です。
逆に、需要が見えない独自サービスを先に作り込むと、ポートフォリオは増えても受注に結びつかないことが珍しくありません。

商用利用規約と著作権まわりの確認

AIツールは便利ですが、使ったツールごとに商用利用の条件が違う点は見落とされやすいのが利点です。
ChatGPTはプランや機能ごとの差異があり、ClaudeやGeminiも料金ページや利用条件の案内が分かれています。
Canvaは公式にAI product termsを公開していて、生成物だけでなく素材やフォントの扱いも切り分けて考える必要があります。
画像生成系では、Midjourneyのように有料プランで商用利用が前提になるサービスもあります。
つまり、「AIで作ったから全部自由に売れる」とは整理できません。

画像系の副業では、著作権と類似性の問題も避けて通れません。
考え方でも、AI生成物だから一律に安全という話ではなく、既存作品との似かたや、元画像の使い方が争点になります。
とくにimage-to-imageや既存キャラクター風の依頼、特定作家の作風に強く寄せる案件は危ういです。
納品前には、商用利用の可否だけでなく、既存作品やロゴ、著名IPに寄りすぎていないかまで見る必要があります。
文章でも同じで、AIがたまたま既存記事に近い言い回しを大量に出すことがあるため、コピペ判定だけでなく、検索して類似表現が偏っていないかを見る工程が要ります。

会社の副業ポリシーも見落とせない

会社員が始める場合は、勤務先の就業規則も実務上の重要判断材料になります。
副業が認められている人は27.5％、禁止されている人は47.5％というデータもあります。
つまり、世の中全体では「副業OKが当たり前」とはまだ言い切れません。
AI副業は在宅で進めやすいため見えにくいですが、就業規則違反の問題は別です。

特に注意したいのは、単に副業禁止かどうかだけでなく、申請制なのか、同業他社の業務が禁止されているのか、情報持ち出しとみなされる線がどこかという点です。
会社のPCや会社アカウントで作業する、業務で得た未公開情報を副業に流用する、といった行為は論外です。
副業そのものより、情報管理の破綻で問題になるケースのほうが深刻です。

税務は「収入」ではなく「所得」で見る

税金も誤解が多いところです。
2026年3月時点の整理では、会社員の副業で給与以外の年間所得が20万円以下なら、所得税の確定申告は不要です。
ただし、ここでいう20万円は収入ではなく所得です。
たとえば、売上から必要経費を引いた後の金額で判定します。
ツール代、通信費の一部、資料購入費のように業務に必要な支出は、内容に応じて経費になります。

住民税は扱いが別です。
所得税の確定申告が不要でも、住民税は所得が1円でも申告と納税が必要という整理になります。
この違いを知らずに「20万円以下だから何もしなくていい」と考えると、ここでズレます。
副業の税務では、収入、所得、経費の言葉が混ざりやすいので、まず用語を分けて考えるのが欠かせません。
帳簿を難しく作り込む前に、入金額、手数料、ツール代、外注費の有無だけでも月ごとに残しておくと、後で整理しやすくなります。

最初の1週間アクションプラン

最初の1週間は、勉強量を増やすより手を動かして1回形にすることを優先すると進みやすいのが利点です。
ここがポイントなんですが、AI副業の初期は「何を学ぶか」より「何を出せるか」が見えた瞬間に迷いが減ります。
筆者も、新しい分野に入るときは、先に小さな成果物と営業準備を1セット作ってから改善に入る流れにしています。

Day1

まずは無料で触れる生成AIツールに登録します。
最初の候補としてはChatGPTの無料プランが始めやすいのが利点です。
OpenAIはChatGPTの公式料金ページで無料プランの提供と有料プランの構成を案内しており、Plusは月額20ドルとされています。
無料プランは短時間に多く使うと制限がかかるため、今日は長時間使い込むより、短い依頼を3回試して出力の癖をつかむほうが効率的です。
料金や機能は更新が速いので、2026年3月時点の内容としてOpenAI公式ページで確認しながら進めてください。

試す内容は難しくなくて構いません。
たとえば「300字で商品説明を書く」「見出しを3案出す」「文章を丁寧語に整える」のような小さい依頼で十分です。
大事なのは、1回目の出力をそのまま評価せず、2回目で条件を足し、3回目で修正指示を入れることです。
この3往復で、プロンプト設計の基本と、AIは一発で完成品を出す道具ではないという感覚が掴めます。

Day2

次に、副業ジャンルを1つに絞ります。
候補はライティング、画像、動画、Excel、開発の5つで十分です。
複数を同時に始めると、学習もポートフォリオも営業文も薄くなりやすいので、今週は1ジャンルだけに集中したほうが前に進みます。

選んだら、そのジャンルについて「相場レンジ」と「必要スキル」をメモします。
たとえばライティングなら文章力と編集力、Excelなら確認力と関数理解、開発ならコードの基礎理解と検証力が軸になります。
副業案件の報酬感も、一般的には1件あたり数千円から数万円の帯が多く、Excel作業代行は月5,000円〜5万円程度、小規模なプログラミング案件は3万〜10万円のレンジが見えます。
相場を先に見ておくと、自分が今どの帯を狙うべきかを冷静に判断しやすくなります。

Day3

3日目は、AIを使ってサンプル成果物を1本作成します。
ライティングなら短文記事、画像ならサムネイル、動画なら字幕付きの短尺動画、Excelなら関数テンプレートのように、実務でそのまま見せやすい形にしてください。
完成度を上げ切ることより、「この人は何を納品できるか」が一目で伝わることを優先します。

筆者の経験では、初心者のサンプルは凝った作品よりも、用途が明確なもののほうが反応が取りやすいのが利点です。
たとえばライティングなら長文SEO記事より、導入文と見出し構成が揃った短文サンプルのほうが評価ポイントが見えやすいのが利点です。
Excelでも、関数をたくさん並べるより、売上表を見やすく整形し、必要な式を入れたテンプレのほうが「この人に頼んだら何が返ってくるか」が伝わります。

Day4

ここで一度、5スキルの自己評価表を作ります。
対象は、プロンプト設計、リサーチ、編集・品質管理、専門スキル、営業の5つです。
各項目をLv1〜4でざっくり評価して、弱点を1つだけ特定してください。
弱点が2つも3つも見えるのは普通ですが、今週は1つに絞ったほうが改善が進みます。

実際のところ、初期は専門スキルそのものより、編集・品質管理が弱点として出る人が多いです。
AIの出力を読んで「何が変か」を言葉にできないと、納品物の精度が安定しません。
今週はその弱点に1時間多く投資する、と決めておくと行動が具体化します。
たとえば編集が弱いなら、自分のサンプルを読み直して、事実関係、重複、不自然な表現を直す時間を意図的に取ると効果が出やすいのが利点です。

Day5

5日目は、クラウドソーシングで案件を3件だけ見るのではなく、相場感を掴むために10件リサーチします。
そのうえで、応募候補として気になる案件を3件チェックして保存しておく流れがおすすめです。
見る項目は価格、納期、要件、NG事項の4つに絞ると、比較しやすくなります。

ここで重要なのは、募集文を読むときに「自分にできるか」だけでなく、「クライアントは何を不安に思っているか」を拾うことです。
たとえば、AI利用可でも事実確認必須と書かれていれば、求められているのは生成スピードより品質管理です。
画像や動画でも、テンプレ量産より修正対応の丁寧さが重視される案件があります。
案件10件を見るだけで、そのジャンルで評価されるポイントが見えてきます。

Day6

6日目は、プロフィールの下書きを整えます。
入れる項目は、強み、使用AI、品質管理方針、納期感、実績サンプルURLの5つです。
ここで見栄を張る必要はありません。
むしろ、今できることと、どこまで責任を持って対応するかが明確なプロフィールのほうが信頼されやすいのが利点です。

たとえば、強みは「情報整理が得意」「短文の要約と整文が得意」のように具体化します。
使用AIはChatGPT、Canva、CapCut、Google スプレッドシートなど、実際に使うものだけを書きます。
品質管理方針では、誤字脱字確認、事実関係の見直し、納品前の体裁チェックといった作業を明記すると、初心者でも印象が安定します。
プロフィールは長さより整合性です。
サンプルの内容とプロフィールの強みがつながっていると、提案時の説得力が上がります。

Day7

7日目は、提案文テンプレを作って翌週の応募準備を終えます。
構成は、要件理解→プロセス→リスク対策→納期/価格の順で組むと実務的です。
ここに挨拶と締めを加えれば、筆者が普段使う5文構成の型に近い形になります。
提案文は長文で熱意を書くより、相手が気にする順番で不安を潰すほうが通りやすいのが利点です。

たとえば1文目で募集内容の理解を示し、2文目でどう進めるかを書き、3文目で事実確認や修正対応などのリスク対策に触れ、4文目で納期感と価格感を整理し、5文目でサンプル確認のお願いを入れる形です。
筆者はこの型をベースに案件ごとに少しだけ調整しています。
営業が苦手な人ほど、毎回ゼロから書かず、型を1本持っておくと応募の心理的ハードルが大きく下がります。
ここまでできれば、翌週は迷わず最初の応募に入れます。