ChatGPTとCursorで副業のWebAPI開発、納品1〜2日・月7万円の実践記録

受託開発の副業で広がるAI活用、3万円台の案件を短納期で

副業エンジニアの実践記録を発信する「AI副業ラボ」に、ChatGPTとCursorを組み合わせてWebAPIの受託開発を効率化したという報告が公開された。小規模なAPI開発案件を1件あたり3万円から5万円で請け、平均して月7万円の副収入を得ているという内容である。以前は3日から1週間かかっていた作業が、1日から2日で納品できるようになったとしている。

報告の中心にあるのは、設計と実装でAIツールを使い分ける進め方だ。要件の整理と設計はChatGPTに、コードの実装とデバッグはCursorに任せる。エディタ上でAIと対話しながら作業を進めるため、工程の分断が起きにくい。ただし、これは一人のエンジニアが自身の環境で得た結果であり、同じ手順をなぞれば同じ収入が得られるという性質のものではない。

同一ブログ内で公開された別の記録では、AIエージェントを使った情報収集サービスの提供で、月5万円から7万円の副収入が安定して得られているという状況も報告されている。受託で単価を積み上げる型と、継続課金で収入を積み上げる型の両方が、同一メディアの記録として残されている。

設計はChatGPT、実装とデバッグはCursorに任せる

報告者がまず取り組んだのは、クラウドソーシングサイトや知人の紹介を通じた案件探しだった。狙ったのは、データの登録・参照・更新・削除ができる程度のシンプルなWebAPIである。打ち合わせから仕様策定、実装、テストまで含めると、以前はどんなに急いでも3日から1週間はかかっていたという。

設計フェーズでは、顧客から受け取った要件をそのままChatGPTに投入し、エンドポイントの構成、リクエストとレスポンスのJSON構造、データベースのスキーマを提案させた。使用言語はPythonのFastAPI、データベースはSQLiteを指定している。当初は漠然とした指示では期待した設計案が返ってこなかったが、「RESTfulの原則に従い、認証機構も考慮する」といった条件を加えることで、実用的な設計案が短時間で得られるようになった。

実装フェーズでは、CursorのAIチャットにモデル定義やルーター、データベース操作の実装を指示する。パスワードのハッシュ化にbcryptを使うことや、エラーハンドリングの追加も、その場の指示で反映される。テストでエラーが出た場合はメッセージを貼り付けて原因の特定と修正案を求め、的外れな提案にはフィードバックを返して別案を引き出す。対話を重ねながらコードを仕上げていく流れを、報告者自身はペアプログラミングに近い感覚と表現している。

3.5日かかった工程が2日弱に、月7万円の計算

報告では、工程ごとの時間の変化も具体的に示されている。以前はクライアントとの仕様確認に半日、設計に半日、実装に2日、テストに半日を充てており、合計で3.5日程度を見込んでいた。AIツールを導入した後は、設計を数時間で固め、実装に1日、テストとデバッグに半日という流れになり、合計で2日弱で納品できるようになったという。

短縮によって、月にこなせる案件数も変わった。WebAPI開発の案件を月2件から3件受注できるようになり、平均単価を3万円とすると6万円から9万円の計算になる。複雑な案件やスポットの修正案件を組み合わせることもあるという。報告者は、時間を大きく消費していた作業が効率的な収入源に変わったと振り返っている。

もう一方の記録では、情報収集と要約を行うAIエージェントの開発に約20時間をかけ、その後は週に2時間から3時間の運用で複数の顧客を管理できているとされる。作業の中心はプロンプトの調整、AIの出力の最終確認、顧客とのやり取りに移ったという。いずれも個人の体験であり、収入の水準は持っているスキルや案件の相場、顧客獲得の状況によって変わる。

もう一つの型、継続課金のAIエージェントサービス

後者の記録では、単発のツール販売ではなく月額課金のサービスとして提供する形が選ばれている。記事の自動生成と投稿、SNS連携の支援といった内容をパッケージ化し、月額1.5万円から3万円で提供したという。小規模事業者でも導入しやすい価格帯に設定し、数社に提供すれば月5万円に届くという設計である。

顧客獲得は、既存のエンジニア人脈やSNSを通じた告知から始まった。地域の商工会や小規模事業者向けのオンラインコミュニティで無料モニターや割安なプランを提案し、実績を積む段階を挟んでいる。報告者は、自分の既存スキルとAIエージェントを組み合わせることが、ゼロから別分野を学ぶよりも立ち上がりを早めると述べている。

サービスの中身は、AIが土台を作り、利用者である開発者が顧客のニーズに合わせて調整し、品質を保証するという構造だ。AIが生成したものをそのまま納品するのではなく、人の手による調整と責任の引き受けが前提になっている。

つまずきどころは指示の具体性と品質の確認

報告者が最も苦労したと述べているのが、指示の具体性の問題である。「〜なAPIを作って」といった漠然としたプロンプトでは、動かないコードや要件を満たさないコードが返ってくることが多かった。AIは魔法の杖ではなく、要件、期待する出力形式、使用するライブラリやフレームワーク、考慮すべき制約を明確に伝えなければ、実務で使える成果物にはならないという。

セキュリティへの配慮も、利用者側に残る課題として挙げられている。生成されたコードに脆弱性がないとは限らず、公開前に自分で確認する必要がある。AIが担うのは骨格の生成やデバッグの補助であり、最終的なコードレビューと品質チェックは人間が引き受けるという役割分担が前提になっている。

AIエージェント型のサービスでも、外部サイトの構造変更に伴う修正や、利用者からの要望への対応といった維持管理の作業は残る。APIの利用料金は処理量に応じて増えるため、継続課金のサービスではコストの見極めも必要になる。AIの導入によって人の関与がゼロになるわけではなく、判断や調整といった工程の比重が相対的に高まるという見方ができる。

周辺ツールの進化と、収益の見方

こうした個人の開発を後押しする動きは、ツールを提供する側にも表れている。Gate Newsの報道によると、OpenAIは長時間稼働するAIエージェントを構築するためのAgents APIをパブリックベータとして開発者に開放したという。複数時間から複数日にわたる処理のためのコンテキストの自動圧縮、トークン使用量を抑えるツールの検出と並列実行、メインのエージェントが複雑なタスクをサブエージェントに委任する連携といった機能を備える。

開発者が支払うのはトークン消費とツール利用の料金のみで、サブスクリプション料金はかからないとされている。初期の利用企業からは、ケース処理コストを60％削減した例や、エージェントの失敗率を86％低減した例が報告されているという。個人が受託開発やサービス提供に組み込める自動化の範囲は、こうした基盤の整備によって変わっていく可能性がある。

一方で、収入の再現性については慎重に見る必要がある。報告者が月7万円という水準に到達できた背景には、WebAPI開発の経験や顧客とのやり取りの積み重ねがある。AIツールを使い始めただけで同じ結果が得られるわけではない。収入の水準は案件の相場、得意分野、継続的な顧客関係といった条件に左右されるという見方が妥当だろう。