Karpathyの「AI外部脳」をClaude Codeで作る方法【2026年】

CONTENTS — 目次

なぜ「AI外部脳」が必要か──今のAIの使い方には致命的な欠点がある
「AI外部脳」の仕組み──素材を集めるとAIがWikiを自動生成する
1. 普通のAIチャットとの決定的な違い
なぜObsidianやRAGではなく「Claude Code」で作るのか
3段階で作るAI外部脳【初心者→開発者】
経営と実務で「AI外部脳」を使うとどうなるか
この仕組みの本質──「聞いたら答える」から「育つ知識」へ
個人の外部脳を「会社のAI社員」に育てる
AI外部脳を最短で立ち上げる実務チェックリスト
精度を落とさないための運用ルール5ヶ条
よくある質問
まとめ：今日、フォルダ1個から始められる

結論: 「AI外部脳」とは、自分が集めた素材（記事・メモ・動画の書き起こしなど）をAIに読ませ、出典付きで文脈に沿った回答を返す“自分専用の知識データベース”です。Claude Codeを使えば、フォルダに素材を入れて「読んでWikiを作って」と頼むだけで、誰でも今日から構築できます。

要点1: 普通のAIチャットは毎回リセットされる。外部脳は素材が蓄積され、使うほど賢くなる——ここが決定的な違いです
要点2: 作り方は3段階。バージョン1ならフォルダ1個とテキスト10個で今日から。中級・開発者向けで収集を自動化していきます
要点3: 個人の外部脳は、そのまま会社のナレッジ基盤・AI社員の燃料に発展します。PLaiの30人のAI社員もこの延長線上にあります

対象読者: AIを毎日使うが「毎回イチから説明し直すのに疲れた」経営者・個人事業主・企業の実務責任者

読了後にできること: 自分専用のAI外部脳を今日中に立ち上げ、集めた素材に基づく“あなた文脈”の回答をAIから引き出せる

元OpenAI、元Tesla AI部門トップのAndrej Karpathyが、自身のAI活用法として「LLM Knowledge Base（LLMナレッジベース）」を公開しました。ひとことで言えば「AIが読み書きできる、自分専用の知識データベース」——通称AI外部脳です。海外の開発者コミュニティで大きな話題になり、同じ仕組みをClaude Codeで誰でも再現する手順が数千いいねを集めました。

株式会社PLaiは、この「AIが読める知識ベース」を会社の中枢に置いています。事業ナレッジ・判断基準・日々の記録をObsidianに貯め、Claude Codeが読んで実務を回す。この考え方を30人のAI社員チームにまで発展させた結果が、たった一人で売上1.5億円という数字につながりました。この記事では、その出発点である「AI外部脳」を、初心者から開発者まで3段階で作る方法を、PLaiの実務目線で解説します。

なぜ「AI外部脳」が必要か──今のAIの使い方には致命的な欠点がある

いま多くの人がAIを使っています。でも、ほとんどの場合こういう使い方です。ChatGPTやClaudeを開く→質問する→答えが返る→タブを閉じる。翌日また別の質問をする。AIは昨日のやりとりを何も覚えていません。

先週調べたこと、先月考えたこと、自分がどんな仕事をしているか。毎回すべてリセットされた状態から始まります。つまり毎回AIに「自分は誰で、何をしていて、何を知りたいのか」を最初から説明し直している。これは時間の無駄であると同時に、AIの能力をほとんど活かせていない状態です。AIの出力の質は「モデルの賢さ」より「渡した文脈」で決まるからです（この考え方はコンテキストエンジニアリングで深掘りしています）。

Karpathyが公開した方法は、この問題を根本から解決します。AIを「一回きりのチャット相手」ではなく「知識を蓄積し、育っていく相棒」に変えるのです。

「AI外部脳」の仕組み──素材を集めるとAIがWikiを自動生成する

考え方はシンプルです。自分が普段集めている情報——記事、論文、YouTube動画の書き起こし、PDF、メモ、何でもいい——を1箇所に集めます。そこにAIを読ませ、構造化されたWiki（まとめ）を自動で作らせます。このWikiには、各素材の要約だけでなく、概念同士のつながり、キーポイントの整理、マスターインデックスまで含まれます。

そしてこのWikiに質問すると、出典付きの、文脈を踏まえた統合的な回答が返ってきます。普通のAIチャットは「一般的な知識」で答えますが、AI外部脳は「あなたが集めた素材だけ」を元に答えます。だから的外れが減り、回答があなたの文脈にぴったり合う。しかも素材を追加するほどWikiは自動更新され、精度がどんどん上がっていきます。

普通のAIチャットとの決定的な違い

	普通のAIチャット	AI外部脳（Claude Code）
知識の元	モデルの一般知識	あなたが集めた素材
記憶	会話が終わると消える	ファイルに残り、蓄積される
回答の精度	一般論になりがち	出典付き・あなたの文脈に一致
使うほど	変わらない	素材が増えて賢くなる
前提の説明	毎回イチから	不要（素材が文脈になる）

ポイントは「蓄積」と「出典」です。知識が貯まる場所と、AIが読む場所が同じだから、使うたびに賢くなる。これが継続的なAI活用の条件です。

なぜObsidianやRAGではなく「Claude Code」で作るのか

知識ベース自体は他のツールでも作れます。Notion AI、Obsidianのプラグイン、RAGシステムなど選択肢はあります。それでもClaude Codeで作る理由が3つあります。

理由1：セットアップが圧倒的に楽。 Claude Codeはターミナルから直接ファイル操作ができるので、フォルダを作って素材を入れるだけで始められます。専用データベースもAPIの設定も不要です（導入方法はClaude Codeのインストール手順を参照）。

理由2：AI自身がWikiを作ってくれる。 普通のRAGシステムだとベクトルDBの設定、チャンク分割、エンベディングの選定など技術作業が必要です。Claude Codeなら「このフォルダの内容を読んでWikiを作って」と日本語で言うだけ。

理由3：知識の参照と実装が一体化する。 たとえば技術ナレッジの外部脳を作れば、知識を引き出すだけでなく「その知識に基づいてコードを書く・資料を作る」まで同じ環境で完結します。Obsidianに素材を貯め、Claude Codeに読ませる組み合わせは特に手軽で強力です（詳しくはObsidian×Claude Code連携ガイド）。

3段階で作るAI外部脳【初心者→開発者】

ここからが本題です。同じ仕組みを、スキルレベルに応じて3段階で作れます。まずはバージョン1から。いきなり自動化を目指さず、手で10個入れるところから始めるのが挫折しないコツです。

バージョン1：完全初心者向け（フォルダ1個とテキスト10個）

AIやプログラミングの経験がなくても作れます。手順はこうです。

Claude Codeで作業フォルダを1つ用意し、その中に knowledge-base というフォルダを作る
テーマごとにサブフォルダを作る（「AI基礎」「マーケティング」「プログラミング」など、興味のあるテーマでOK）
気になった記事やメモを、テキストファイルとしてそのフォルダに入れていく。最初は10個で十分（Webで読んだ記事のコピペでも、自分のメモでも何でもいい）
素材が溜まったら、Claude Codeに次のように頼む

このフォルダの内容を全部読んで、テーマごとに整理したWikiを作ってください。各素材の要約、概念のつながり、キーポイント、索引ノートまで作ってください。

Claude Codeが全ファイルを読み、キーポイント抽出・概念整理・関連づけ・索引作成まで自動でやってくれます。この生成物が「AI外部脳」です。以降はこのWikiに質問すれば、自分が集めた情報に基づく回答が返ってきます。大事なのは最初から完璧を目指さないこと。10個から始めて、気になるものを見つけるたびに追加すれば、外部脳は自然に育ちます。

バージョン2：中級者向け（素材収集の自動化）

AIツールに慣れてきたら、バージョン1に「素材収集の自動化」を足します。手動で1つずつコピペするのは正直続かないからです。

YouTube動画のURLを渡すだけで、書き起こしが自動で素材フォルダに保存される
PDFをフォルダに入れるだけで、テキスト抽出されてWikiに反映される
RSSフィードやブックマークから、関連記事が自動で流し込まれる
カテゴリ別に自動分類され、手動整理が不要になる

さらに「毎朝6時に新しい素材をチェックしてWikiを更新する」といったスケジュール実行も設定します。ここまで来ると、自分が寝ている間にも外部脳が成長し続ける状態になります。

バージョン3：開発者向け（完全自動化）

プログラミングができる人向けの最終形です。API連携、スケジュール実行、複数ナレッジベースの統合管理、チーム共有まで含みます。

朝起きたら、昨晩の最新ニュースがWikiに反映済み
特定トピックの新着論文が、サマリー付きで自動追加されている
「AI業界」「競合分析」「自社プロダクト」のようにテーマ別の複数ナレッジベースを横断検索できる
チームで共有し、組織のナレッジハブとして運用する

ここまで行くと「もう一人の自分が、ずっとリサーチし続けてくれている」のとほぼ同じです。Karpathyが日常的にやっているのは、まさにこのバージョン3の運用です。

なお、3段階それぞれで最初に投げる指示は、次の3つを覚えれば動き出せます。

# 第1段階: 構造化
このフォルダの資料を読んで、テーマ別の構造化Wiki（Markdown）を作って。
各項目に出典ファイル名を残して。

# 第2段階: 質問
◯◯について、Wikiを根拠に答えて。
根拠が無い部分は「資料に無い」と明示して。

# 第3段階: 更新
今日追加した資料をWikiに反映して。
結論が変わった項目は変更履歴を残して。

ポイントは「出典を残させる」「無いものは無いと言わせる」の2つを最初から指示に含めることです。これだけで、AIの回答を経営判断の材料に使える信頼度に保てます。

無料プレゼント いちの「AI社員 6大特典」を無料配布中

Claude Code構築テンプレ／第二の脳Obsidian Vault／開発の基礎知識5万文字note／Codex×Claude Code役割分担Excel／非エンジニア向け依頼文キット／AI社員導入90日ロードマップ——この記事の内容を実践するための6点セットを、登録だけで受け取れます。

※当サイト・記事中で紹介している売上・収益等の実績は個人・特定法人の事例であり、成果を保証するものではありません。

経営と実務で「AI外部脳」を使うとどうなるか

業務別の具体例を挙げます。いずれも「毎回ゼロから説明し直す」使い方とは精度がまるで違います。PLaiが自社で実際に回している型です。

経営判断の場合。 業界レポート・競合の動き・自社の数字・過去の意思決定メモを外部脳に入れておき、「この投資判断、過去の似た判断と照らして懸念点は？」と聞く。一般論ではなく、自社の歴史と数字を踏まえた壁打ち相手になります。

営業の場合。 商談メモ・提案書・失注理由を蓄積し、商談前に「この会社に近い過去案件と、刺さった提案の型は？」と聞く。新任の営業でも、過去案件全部を頭に入れたベテランと同じ準備が数分で揃います。提案書づくり自体の自動化は営業資料の自動作成ガイドが詳しいです。

会議・議事録の場合。 毎回の議事録を放り込むだけで、「先月決めた◯◯の進捗は？」「この論点、前にも議論していない？」に即答するようになります。決定事項が流れて消える会社と、蓄積されて効いてくる会社の差がここにつきます。運用の型は議事録自動化の実践ガイドにまとめています。

マーケティングの場合。 過去の投稿・配信・数値を入れておけば、「反応が良かった投稿の共通点は？」「その型で来週分の下書きを作って」と、勝ちパターンが再利用できる資産に変わります。

引き継ぎ・属人化対策の場合。 ベテランの手順書・対応履歴・判断基準を外部脳化しておけば、退職や異動のたびに「あの人しか知らない」が会社から消えていきます。組織全体への広げ方は会社ナレッジのAI活用で解説しています。

新規事業リサーチの場合。 調査記事・統計・ヒアリングメモを集めて「このデータで裏づけられる仮説と、まだ根拠が無い仮説を分けて」と聞く。読んだ資料を根拠に答えるので、それらしい嘘（ハルシネーション）に経営判断を振り回されにくくなります。

業務	外部脳なしのAI	外部脳ありのAI
経営判断	一般論のメリット・デメリット	自社の数字・過去の判断を踏まえた懸念点の指摘
営業準備	汎用の提案テンプレート	類似案件の勝ち筋を反映した提案初稿
会議	毎回ゼロから経緯を説明	過去の決定・宿題を即座に参照して回答
マーケ	それっぽい一般原稿	自社の勝ちパターン準拠の原稿
引き継ぎ	マニュアル作成に数週間	蓄積済みナレッジに質問するだけ

この仕組みの本質──「聞いたら答える」から「育つ知識」へ

従来のAI活用は「聞いたら答える」の一方通行でした。AI外部脳はこれを根本的に変えます。AIが「聞かれたら答えるだけの存在」から「自分の知識を蓄積し、育っていく存在」になり、最終的には「持ち主を理解した上で、先回りして提案してくれる存在」になる。

しかも、そのために必要なのは高額なツールでも、難しいプログラミングでも、特別なハードウェアでもありません。「素材を1箇所に集めて、Claude Codeに読ませる」だけ。Karpathyレベルの人が実際にやっている方法が、いまや誰でも再現できる——これがこの手法が世界的に注目された理由です。

個人の外部脳を「会社のAI社員」に育てる

ここまでは「個人の知識ベース」の話でした。実はこの仕組みは、そのまま会社のナレッジ基盤に発展します。素材が「個人の興味」から「事業ナレッジ・業務手順・判断基準」に変わるだけで、構造は同じです。

PLaiはこの延長線上で、Obsidianに貯めた会社の知識をClaude Codeが読み、HP制作・SNS運用・メルマガ・請求書作成まで実行する仕組みを構築しました。役割ファイルを1枚足せば、外部脳を燃料に自律的に働くAI社員になります。会社版の作り方はナレッジ構築の5ステップ、AIに前提を教える設定ファイルの書き方はCLAUDE.mdの書き方完全ガイドで解説しています。

始めるのに特別な投資は要りません。ObsidianもClaude Codeも個人利用の延長の費用感で動き、必要なのは「集める習慣」と「週1の棚卸し」だけです。実際にPLaiは、この仕組みを土台にたった一人で売上1.5億円の事業運営を回しています。先に仕組みを作った会社から、経営スピードの差がつき始めています。

AI外部脳を最短で立ち上げる実務チェックリスト

最後に、この記事の3段階をそのまま実行に移せるように、実務用のチェックリストとしてまとめ直します。PLaiが法人のナレッジ基盤を構築するときも、順番はこの表のとおりです。

段階	やること	所要目安	成果物
第1段階: 素材集め	議事録・チャットログ・過去資料を1つのフォルダに放り込む（この時点では整理しない）	1〜2時間	生素材フォルダ
第2段階: 構造化	Claude Codeに「この素材から構造化Wikiを作って」と依頼する	30分〜1時間	トピック別のMarkdown Wiki
第3段階: 運用	質問→回答→追記のループを日次で回し、答えられなかった質問を素材追加のTODOにする	毎日5〜10分	使うほど賢くなる外部脳

つまずきやすいのは第1段階です。「きれいに整理してから渡そう」と考えると、そこで手が止まります。整理はAIの仕事、人間は集めるだけ——この分担に振り切ることが、KarpathyのアプローチをClaude Codeで再現する最大のコツです。

また、外部脳の置き場所はローカルのMarkdown（Obsidian Vault）が第一候補です。クラウド型のナレッジツールと違い、Claude Codeが直接ファイルを読み書きできるため、「読ませる→書かせる→育てる」のループが途中で崩れません。

外部脳は作って終わりではなく、デイリーノートの運用やCLAUDE.mdの設計と組み合わせることで、日々の仕事の中で自然に育っていきます。社内展開まで視野に入れる場合は、会社ナレッジのAI活用もあわせてご覧ください。

精度を落とさないための運用ルール5ヶ条

外部脳は「作って終わり」ではなく運用で差がつきます。PLaiが自社運用で固定している5つのルールです。

①出典を必ず残させる。 Wikiの各項目に元ファイル名を残す指示を最初から入れます。経営判断に使う情報は「どこから来たか」を10秒で遡れることが最低条件です。

②「資料に無い」と言わせる。 根拠が無い部分を推測で埋めさせない指示を定型化します。これを怠ると、外部脳の信頼性そのものが崩れます。

③週1回、AIに棚卸しさせる。 「今週追加した素材で結論が変わった項目は？」と聞くだけです。人間が整理するのではなく、整理もAIの仕事にします。月曜朝の10分をこれに固定している会社は、経営会議の準備時間がそのまま消えます。

④機密は区分してから入れる。 顧客の個人情報や契約書の原本は外部脳に入れず、参照ルールだけ書きます。安全設計はAI社員のセキュリティ対策にまとめています。

⑤フォルダ1個から始めて、育ってから広げる。 最初に完璧な構造を作ろうとした会社ほど止まります。inbox1個→月1で分割、が最短です。PLaiも最初の1ヶ月は「inbox」と「会議」の2フォルダだけで運用を始め、分類・整理は最初から全てAIに任せる方針で固定していました。構造は後から、実際の使われ方に合わせて育てれば十分です。

よくある質問

Q. ObsidianやNotionで作るのと何が違いますか？

ノートアプリは「素材の置き場所」で、Claude Codeは「その素材を読んで構造化Wikiを作り、質問に答える働き手」です。役割が違うので競合しません。実際、Obsidianに素材を貯めてClaude Codeに読ませる組み合わせが最も手軽で強力です。両者の違いはObsidian vs Notion徹底比較も参考にしてください。

Q. プログラミングができなくても作れますか？

作れます。バージョン1はフォルダを1つ作ってテキストを10個入れ、Claude Codeに「読んでWikiを作って」と日本語で頼むだけです。コードは一切書きません。

Q. 最初はどれくらいの素材から始めればいいですか？

10個で十分です。最初から完璧な網羅を目指すと挫折します。気になった記事・メモ・動画の書き起こしを1箇所に足していけば、外部脳は使うほど自然に育ちます。

Q. 個人の外部脳を、会社のナレッジ基盤に発展させられますか？

できます。仕組みは同じで、素材が「個人の興味」から「事業ナレッジ・業務手順・判断基準」に変わるだけです。PLaiはこの延長で30人のAI社員が働く基盤を構築しました。ナレッジ構築や会社のナレッジをAI化する方法もあわせてどうぞ。

Q. どのくらいの期間で効果を実感できますか？

素材を1〜2時間分入れた初日から「自社の文脈で答えが返る」体験はできます。経営判断や営業準備で明確に差が出るのは、議事録や商談メモが2〜4週間分たまってからです。先に始めた分だけ蓄積が資産になるため、導入判断は早いほど有利です。

Q. チームや会社全体で1つの外部脳を共有できますか？

できます。共有フォルダやGit管理のリポジトリに外部脳を置けば、複数人が同じ知識ベースに質問できます。ただし「読む人」と「書く人」のルールを先に決めないと荒れるため、展開手順はObsidian×Claude Code連携ガイドの社内展開の章を参考にしてください。

Q. 顧客情報や契約書のような機密データも入れて大丈夫ですか？

原本をそのまま入れるのは避けてください。外部脳には「どこに原本があるか」「扱いのルール」だけを書き、原本はアクセス制御された場所に置くのが原則です。AIに読ませる範囲の設計はセキュリティ対策ガイドで詳しく解説しています。

まとめ：今日、フォルダ1個から始められる

AI外部脳の核心は「AIを一回きりのチャットではなく、蓄積型の知識システムとして使う」ことです。素材を集めるだけでAIが構造化Wikiを自動生成し、使うほど賢くなる。経営判断・営業・会議・マーケティング・引き継ぎまで、事業のあらゆる場面で応用できます。

そして始めるのに必要なのは、フォルダ1個とテキスト10個だけ。今日、興味のあるテーマの素材を10個集めて、Claude Codeに「読んでWikiを作って」と話しかけてください。その一歩の先に、あなたを理解して先回りするAIと、30人のAI社員が働く景色があります。その30人のAI社員をどう作るかは、AI社員構築代行のページで実際の設計手順と導入の流れを公開しています。

無料プレゼント いちの「AI社員 6大特典」を無料配布中

※当サイト・記事中で紹介している売上・収益等の実績は個人・特定法人の事例であり、成果を保証するものではありません。