AIの生産性を最大化する「ハーネスエンジニアリング」を縦（データフロー全体へのAIアクセス拡大）と横（非エンジニアへの知識スケールアウト）の2軸で整理した実践的考察。
AIによるブラウザ自動化で仕様を把握し、データパイプラインの末端まで可視化する
MoneyForwardの分類作業をAIで自動化したかったが、GUIの操作は不安定でAPIもない。Cloudflare Workers + D1で家計簿を自作した。
APIのないブラウザベースのWebアプリをAIで操作するための2つのアプローチ（ブラウザ操作と内部APIのCLI化）を比較検討した。
AIが存在する前提で「知識を最速でインプットする手段」を練り上げるため、Claude Codeを使って簿記3級の学習環境を構築した。学習計画、Marpスライド＋TTS音声、ターミナル仕訳問題の3つのアプローチを紹介する。