Claudeに投資相談してみた結果｜エンジニアが見つけた3つの違和感

「おすすめの投資を教えて」——生成AIに聞けば、すぐに答えが返ってくる時代です。でも、その回答をそのまま実行するだけで本当に大丈夫でしょうか？

筆者は製造業DXの現場で働くエンジニアです。この記事では、実際にClaudeに投資相談した回答を「エンジニアの目」で分解し、AIの回答を鵜呑みにせず、原理を理解して投資判断する重要性を解説します。

結論：AIの回答は正しいが、それだけでは不十分。原理を理解しているかどうかが、暴落時に逃げずに続けられるかの分かれ目になる。

Claudeに「おすすめの投資」を聞いてみた

「これから投資を始めたいけれど、何から手を付ければいいかわからない」。そう思った時、最近の私たちには強力な相談相手がいます。生成AIです。

試しに、Claudeに「おすすめの投資を教えてください」と聞いてみました。返ってきた回答がこちらです。

的確でバランスの取れた回答です。でも、ここで立ち止まって考えてみてください。

この5つの選択肢を並べられて、あなたは次に何をしますか？

おそらく多くの人が、「インデックスファンドが良さそう」と何となく選び、証券口座を開いて、積立設定をして——そこで思考を止めてしまうのではないでしょうか。

エンジニアが見つけた3つの違和感

Claudeの回答は、知識として間違っていません。むしろ、初心者向けの入門書に書かれている内容を、うまく整理してくれています。でも、エンジニアとして設計書やベンダー資料を読み込む時の感覚で、この回答をもう一度見直してみます。

違和感①：「多くの専門家が言及しています」

インデックスファンドの説明の中に、さりげなくこの一文があります。

長期的な資産形成の手段として多くの専門家が言及しています。

エンジニアの仕事に置き換えてみます。もし同僚が「このライブラリ、多くのエンジニアが使ってます」と言ってきたら、どう反応するでしょうか。

おそらく、次のように聞き返すはずです。

• なぜ多くのエンジニアが使っているのか？
• どんな原理で動いているのか？
• どういう場面で使うべきで、どういう場面では避けるべきか？

「多くの人が使っている」という事実だけでは、採用の根拠として弱いはずです。原理を理解していないと、トラブル時に対処できないからです。

投資も同じです。「多くの専門家がすすめている」だけでは、自分のお金を預けるには根拠が足りません。

違和感②：判断基準の「数値」がない

Claudeは最後に、こう締めくくっています。

ご自身のリスク許容度、投資期間、目標額、そして分散投資の考え方が重要です。

これも正論です。でも、この4つをどう評価するかが抜け落ちています。

• リスク許容度 は、何を基準に測るのか？
• 投資期間 によって、なぜ最適な戦略が変わるのか？
• 分散投資 は、どの程度分散すれば「十分」なのか？

これは、製品開発で「安全率・耐久年数・冗長性を考慮してください」と言われて、具体的な数値基準がないまま判断しろと言われている状態と似ています。

原理と計算方法がなければ、判断は感覚に頼るしかありません。エンジニアが最も避けたい状況のはずです。

違和感③：「専門家に相談を」で終わってしまう

Claudeは冒頭と最後に「専門家に相談を」と添えています。これ自体は誠実な姿勢です。しかし、現実には——

• 専門家に相談するためのお金と時間がない
• 相談しても、結局「自分で判断してください」と言われる
• そもそも、誰が本当の”専門家”なのか判別できない

最終的に、自分で理解して判断するしかない場面が必ず来ます。そして、その時に「中身を理解しているかどうか」が、行動の質を決めます。

DXの本質は「なぜ」を理解して仕組み化すること

筆者は普段、製造業の開発現場でDX（デジタルトランスフォーメーション）に関わっています。DXという言葉はバズワード化していて、「とりあえずAIツールを導入する」「クラウドに移行する」など、手段が目的化している場面をよく見ます。

でも、現場で実際に成果を出しているDXには、共通点があります。

それは、「なぜその業務が非効率なのか」を原理レベルで理解してから、仕組みで解決していることです。

具体例：「会議に埋もれる問題」をDXで解決する

筆者がかつて直面したのは、「開発メンバーが会議に埋もれて、本来の開発作業の時間が取れない」という、ありふれた問題でした。

表面的な対処をするなら、こうなります。

• 「会議を減らそう」と号令をかける
• 会議時間を30分単位にする
• 議事録ツールを導入する

これらはすべて「手段」です。効果があるかもしれませんが、「なぜそれが効くのか」の根拠がありません。

エンジニアとしてのアプローチは違います。まず、現状を数値で把握します。

• Googleカレンダーの予定を全部取得する
• 「会議」「開発」「移動」などカテゴリ別に時間を集計する
• 曜日別・時間帯別の傾向を可視化する

すると、「火曜の午後に会議が集中していて、開発の集中時間がゼロ」といった事実が見えてきます。ここまで来て初めて、「火曜午後の会議を分散する」という根拠のある打ち手が打てます。

これが、筆者が作ったGoogleカレンダー可視化ツールの発想です。

DXの3原則：標準化・データドリブン・自動化

この事例を抽象化すると、DXには3つの原則があります。

原則	意味	カレンダー可視化での具体例
標準化	評価の基準を揃える	予定のカテゴリ分類を統一（会議/開発/移動…）
データドリブン	感覚ではなく数値で判断する	カレンダーAPIで実データを取得・集計
自動化	仕組みで継続的に回す	毎週自動で集計・グラフ化

そして、この3原則はそのまま投資にも当てはまります。これが、このシリーズの核心です。

インデックス投資はDXの3原則そのものだった

Claudeの回答にあった「インデックスファンド」を例に考えてみます。これをDXの3原則（標準化・データドリブン・自動化）で読み解くと、実はすごく合理的な仕組みだということが見えてきます。

DXの原則	インデックス投資での対応
標準化	市場平均（指数）を基準にする。個別の銘柄選びに振り回されない
データドリブン	過去の長期データで「市場全体は成長してきた」という根拠に基づく
自動化	積立設定で自動購入。感情を挟まず継続できる

つまり、「多くの専門家がインデックス投資をすすめる」のは、DXの思想と同じ合理性があるからなのです。

この対応関係を理解して初めて、「なぜインデックス投資が合理的なのか」を自分の言葉で説明できるようになります。そして、理解しているから続けられる。これが重要です。

理解していないと、暴落時に逃げ出す

投資の世界で最もよく起こる失敗は、暴落時に狼狽売りすることです。

「長期・積立・分散が良いらしい」という理由だけで始めた人は、市場が30%下落した時に耐えられません。なぜなら、「なぜ長期なら回復するのか」「なぜ分散すればリスクが減るのか」の原理を理解していないからです。

エンジニアの仕事でも同じです。原理を理解せずに導入したシステムは、トラブルが起きた瞬間に対処できません。マニュアル通りに設定しただけのサーバーが落ちた時、何が起きているかわからずパニックになる——そんな経験はないでしょうか。

原理を理解していることが、継続と冷静な判断の土台になる。これは、DXの現場でも投資でも、変わらない真実です。

エンジニアには、投資を”実装”する力がある

もう一つ伝えたいのは、エンジニアには投資を”実装”する力があるということです。

投資の本や記事を読むだけでは、どうしても「何となく理解した気」になります。でも、Pythonで自分の手を動かしてデータを取得し、グラフを描き、シミュレーションしてみると——腹落ちが全く違います。

たとえば、次のようなことがPythonで数行のコードで検証できます。

• S&P500と個別株のリターンを20年分比較する
• 複利の効果を数式とグラフで可視化する
• ドルコスト平均法と一括投資をシミュレーションで比べる

本で読んだ知識を、自分で検証して確かめる。この「検証できる力」こそが、エンジニアの最大の武器です。

まとめ：AIの答えを”入口”にして、自分の頭で考える

この記事の主張は、シンプルです。

• 生成AIの回答は、知識として正しい。入り口としては優秀
• でも、そのまま行動に移すだけでは不十分。原理を理解しないと続けられないし、応用もできない
• エンジニアには、検証する力がある。投資の原理を、自分の手でコードを動かして確かめられる

このシリーズを通じて、「AIに聞けば教えてくれる時代に、あえて中身を理解する価値」を一緒に掘り下げていきます。

次回予告：DX3原則でインデックス投資を分解する

次回（記事#02）では、今回出てきた「DX3原則とインデックス投資の対応関係」を、もっと深く掘り下げます。

• なぜ市場平均を信じることが「標準化」と同じなのか？
• 分散投資はどのくらい分散すれば「十分」なのか、その数学的根拠は？
• 長期投資が有利である原理を、データで確認する

シリーズの実装編では、Pythonで投資の原理を検証していきます。最初のコードはこんなイメージです。

import yfinance as yf
import pandas as pd

# S&P500 と個別株（Apple）の20年分のデータを取得
sp500 = yf.download("^GSPC", start="2004-01-01", end="2024-01-01")["Close"]
apple = yf.download("AAPL", start="2004-01-01", end="2024-01-01")["Close"]

# （次回、このデータで「インデックス vs 個別株」のリターンを検証します）

数行のコードで、過去20年の実データを取得できます。このデータを使って、自分の目で「インデックスと個別株、どちらが有利だったか」を確かめるところから始めます。