Gemini 1年分の会話履歴を学習データ化——Claude Codeで「自分専用AI」を育てる実験

Google Takeoutを使って、Gemini（旧Bard）と交わした1年分のチャット履歴を抽出しました。その膨大なデータをClaude Codeで整形・構造化し、自分だけの「思考の癖」をAIに学習させるためのパーソナライズ用データを作成するまでのプロセスをご紹介します。

きっかけ：「AIに自分を知ってほしい」

AIとの日々が日常になるにつれ、AIに「自分」のことをより深く知ってもらい、指示を出すたびに自分について繰り返し説明する手間を省きたい、という想いが募っていました。

そこで、1年間分の対話データを抽出し、自分自身の思考プロセスやよく使う言葉、得意・不得意な領域をAIに読み込ませることで、「阿吽の呼吸」でやり取りができるパーソナライズ環境を作れるのではないか？と考えました。

Step 1：Google Takeoutでデータ抽出

まず、Google Takeoutで「Gemini」のデータをエクスポートしました。

• データの形式：HTML形式
• キャプチャ範囲：2025年3月から2026年3月までの1年間
• データ容量：数メガバイト（1年以上分だとかなりの量になります）

エクスポートされたデータは、やり取りごとにHTMLファイルに分かれており、そのままではAIの学習データとしては扱いにくい状態でした。

Step 2：Claude Codeでデータ整形

抽出したHTMLデータを、最新のAI開発エージェントである「Claude Code」を使って、構造化されたJSONやMarkdown形式へと変換しました。

Claude Codeへの指示：

「この数千件のHTMLファイルを読み込み、ユーザーの質問内容とAIの回答をペアにして、日付・トピックごとのJSONファイルを作成してください。」

Claude Codeは、その圧倒的なコンテキスト読み込み能力で、不規則なHTML構造を正確に解析し、数分で綺麗な学習データ作り上げました。

Step 3：分析——自分の思考パターンを可視化

構造化したデータを使って、自分がAIに対してどのような質問を投げかけているのかを分析しました。

質問パターンの分析結果

カテゴリ	割合	主なテーマ
業務効率化	38%	自動化・業務フロー改善
AI活用	29%	プロンプト最適化・新ツール調査
技術学習	18%	Next.js・Python・GAS
ガジェット	10%	スペック比較・購入相談
その他	5%	雑談・アイデア出し

発見：自分の「AI活用スタイル」

分析を通じて気づいた自分の特徴：

• 具体的な数値を好む （「時短できる」より「月20時間削減できる」と聞きたい）
• 実務への応用を常に意識 （理論より実践例を求める傾向）
• 失敗事例に強い関心 （成功例より「何がうまくいかなかったか」を重視）

Step 4：パーソナライズプロンプトの作成

分析結果を元に、AIとの会話開始時に使う「自己紹介プロンプト」を作りました。

【私のプロフィール（AIへの事前情報）】
職業：現役総務部長（部内2人体制・実質DX担当は自分ひとり）
専門：AI活用・業務自動化・バックオフィス最適化
思考スタイル：
- 数値による効果検証を重視
- 実務での再現性を最優先
- 失敗事例から学ぶことを好む
よく使う業務：GAS・Python・Next.js・Claude Code
現在の課題：[その日の課題をここに入力]

このプロンプトを会話の冒頭に置くと、AIの回答精度が体感で大幅に向上しました。

まとめと今後の展望

AIとの会話履歴は「自分の思考の鏡」です。

HTMLからJSONへ、そして分析へと進めることで、自分が何に時間を使い、何に迷っているかが見えてきます。今後は、この構造化したデータをRAG（検索拡張生成）の一部として組み込み、さらにシームレスな「自分専用AI」へと進化させていきたいと考えています。