「どうせ毎日Claudeと対話しているんだから、スケジュール管理も全部やってもらえないか？」タスクの進捗を記憶してもらい、次にやるべきことを提案してもらう。あまりにも理想的に思えました。
記憶の維持に消耗するAI
結論から言えば、この試みは失敗でした。汎用AIに進捗管理を任せようとすると、AIのリソース（コンテキスト）の多くが「記憶の維持と継続」に消費されてしまいます。本来もっとも時間をかけるべき「開発そのものの相談」が、情報整理に押し出されてしまうのです。
見えないリソース消費——API連携の落とし穴
AIが外部ツールと連携する場合（カレンダー参照、タスク取得など）、それらの処理にもAIのリソース（トークンや利用上限）が消費されます。「連携できる」ことと「連携すべき」ことは、まったく別物でした。
ツール選定の現実——ASANAからTodoistへ
ASANAは最低2ライセンスからの契約が必要でした。個人開発で一人しか使わないのに、2人分の料金を払う。そう考え直し、コストパフォーマンスとシンプルさを優先して、Todoistへ切り替えました。
結論：たどり着いた「適材適所」という答え
Todoist：タスク管理と進捗の可視化。Claude：目の前の課題に対する開発相談。このシンプルな使い分けこそが、もっともストレスが少なく、AIのパワーを最大化できる方法でした。AI時代に必要なのは「何を任せないか」を決める力です。