IT QA担当が開発した「筋トレログをAIに渡す」Markdown形式のiOSアプリがリリース
IT部門の品質管理（QA）担当者が、運動不足解消とAI活用を目的とした革新的なiOSアプリ『WORK WIV ME』を開発し、App Storeでリリースしました。本アプリの最大の特徴は、筋力トレーニングのログデータを、AIが最も理解しやすい「Markdown（MD）形式のテーブル」として一瞬でエクスポートできる点にあります。
開発の背景には、デスクワーク中心のITエンジニアやPMOが抱える運動不足という共通の悩みと、AI（LLM）を日常的に利用する中で生じる「データ入力の摩擦」という課題があります。従来の筋トレ記録アプリでは、スクリーンショットをAIに渡してOCR（文字認識）させる手間や、重量・回数などの状況説明（コンテキスト提供）を毎回手動で行う二重の作業がボトルネックとなっていました。
この課題を解決するため、開発者は「最初からAIが最も理解しやすい構造化データ形式」を主軸に設計しました。アプリの設計思想は、自身のプロのエンジニアリング経験（基幹システム開発の移行設計やQA）に基づき、「データ構造」と「管理の作法」を徹底的に持ち込むことにあります。具体的には、将来的なデータ移行性を考慮し、プレーンテキストであるMarkdown形式を核とし、ジムという現場環境での利用を想定した極限までシンプルで直感的なUX（ユーザー体験）を追求しています。
開発プロセスにおいても、単に自身がコーディングするのではなく、Cursor、GPT、Geminiといった複数のAIツールを「実装担当」「第三者レビュー」「品質保証（QA）」という役割を与えた「プロジェクトチーム」として管理するPMO的なアプローチを採用しました。これにより、191件もの単体テストコードによるロジックの品質固定や、本業のQAプロセスをそのまま適用し、高い品質を担保しています。本アプリは、単なる記録ツールに留まらず、「純度の高いデータ（Fact）」をAIに提供し、来週の計画（スプリント）を擦り合わせるという、より知的なトレーニング習慣への転換を促すことを目指しています。
背景
近年、ChatGPTなどの大規模言語モデル（LLM）の普及により、個人がAIを活用した開発や業務効率化に取り組むケースが増加しています。しかし、AIの性能を最大限に引き出すためには、単なるテキストではなく、構造化され、ノイズの少ない「高品質なコンテキストデータ」の提供が不可欠です。本ニュースは、このデータ入力の課題を、具体的な生活習慣（筋トレ）の領域で解決した事例です。
重要用語解説
- Markdown（MD）: 軽量マークアップ言語の一つ。HTMLのような複雑な記法を必要とせず、プレーンテキスト上で見出しや表組みなどを記述できるため、AIやシステム間でデータを移行する際の「ポータビリティ（移行性）」が非常に高い。
- LLM（大規模言語モデル）: 大量のテキストデータで学習したAIモデル（例：GPT、Claude）。自然言語の理解や生成に優れており、構造化されたMarkdown形式のデータを受け取ることで、より正確な分析や計画立案が可能となる。
- QA（品質保証）: 製品やシステムが要求された品質基準を満たしているかを検証するプロセス。本記事では、開発プロセス自体に本業のQAの視点（単体テスト、レビュー）を適用し、アプリの信頼性を高めている点が特徴的。
今後の影響
本アプリの成功は、個人の生活習慣や趣味の領域においても、「データ構造化」と「AI連携」が重要な要素となる流れを示しています。今後は、単なる記録（ログ）ではなく、AIが分析可能な「純度の高いデータ」を生成する仕組みが、様々な個人開発やSaaSの設計指針となることが予想されます。