結論から言うと、複数のライフデータをつなぎ合わせると、自分でも気づかなかった行動や思考の傾向が見えてくる。筋トレの記録、読書のメモ、日々のタスク管理——それぞれ別のアプリに散らばっているデータを横断して見ることで、単体では絶対に見えないパターンが浮かび上がる。本記事では、ライフデータの種類と活用法、そしてDoubleHubが目指すデータ横断の設計思想を開発者の視点から解説する。
「記録しているのに全体像が見えない」という問題
自分は筋トレの記録にTrainNote、読書の記録にBook Compassを使っている。どちらも毎日のように記録をつけているし、それぞれのアプリの中では「今月の運動量」「最近読んだ本のテーマ」は把握できている。
しかし、ある時ふと気づいた。各アプリの中では記録が蓄積されているのに、自分の生活全体として何が起きているのかがまったく見えないということに。
筋トレの継続率が落ちた月に何があったのか。読書ペースが上がった時期に自分の関心がどう変わっていたのか。それぞれのアプリは自分の生活の「断面」しか映していない。全体像は、自分の頭の中にしかない——しかもその頭の中の全体像は、かなり曖昧だ。
これは自分だけの問題ではないと思う。スマートフォンに10個以上のアプリが入っていて、それぞれに記録が散らばっている人は多いはずだ。問題は記録していないことではなく、記録が分断されていることにある。
ライフデータの3つの種類
ライフデータと一口に言っても、実はいくつかの性質に分かれる。自分は大きく3つに分類して考えている。
1. 行動データ——「何をしたか」の記録
筋トレの種目・回数・重量、歩数、睡眠時間、食事内容など。数値化しやすく、アプリでの自動記録が進んでいる領域だ。TrainNoteで記録されるトレーニングログがこれにあたる。
2. 思考データ——「何を考えたか」の記録
読書メモ、日記、アイデアメモなど。数値化しにくいが、自分の関心や価値観の変化を知る上では最も重要なデータだ。Book Compassに蓄積される読書中のつぶやきや気づきがまさにこれにあたる。
3. 感情データ——「どう感じたか」の記録
達成感、焦り、充実感、停滞感。明確に記録することは少ないが、行動データや思考データの「裏側」に必ず存在している。トレーニング後のメモに「今日はきつかったけど気持ちよかった」と書いたり、読書メモに「この考え方にはまだ納得しきれていない」と残したりする——これらは感情データだ。
重要なのは、この3つのデータは別々に存在しているとき価値が低く、つなぎ合わせたときに初めて「自分の全体像」が浮かび上がるということだ。
TrainNoteから得られるデータとは？
筋トレの習慣化にAIアプリが効く理由でも詳しく解説しているが、TrainNoteが蓄積するのは単なるトレーニング記録ではない。
- 運動量の推移——週ごと・月ごとのトレーニング頻度とボリュームの変化
- 継続リズム——何曜日に運動しやすいか、どのタイミングで休みがちか
- 目標への向き合い方——目標設定後の行動変化、停滞期の長さと復帰パターン
これらのデータは、運動という領域を超えて「自分がどういうリズムで物事に取り組むタイプなのか」を映し出す鏡になる。
Book Compassから得られるデータとは？
読書習慣をAIで記録すると何が変わる？で詳しく書いているが、Book Compassが蓄積するのは「何冊読んだか」ではなく、「自分がどう読んだか」の記録だ。
- 関心テーマの変遷——どんなジャンル・テーマの本に反応しやすいかの推移
- 読書メモの質と量——どの本でどれだけ深くメモを残したか
- 価値観の変化——同じテーマの本でも、時期によって反応するポイントが変わる
Book Compassの開発中に実感したのは、読書メモをAIに整理してもらうと「自分はこういう観点に反応しやすいんだ」という発見があることだった。本の一般的な要約ではなく、「この人はこの本をどう読んだか」を起点にする設計だからこそ見えてくるものがある。
データを横断すると見えてくるパターン
ここが本記事の核心だ。TrainNoteとBook Compassのデータを並べて見ると、単体では見えなかった相関が浮かび上がる。
たとえば、こんなパターンだ。
- 読書量が落ちた時期と筋トレの停滞期が重なっている——忙しさやモチベーションの低下が、特定の領域だけでなく生活全体に波及していたことがわかる
- 自己啓発系の本を読んだ後にトレーニングの取り組み方が変わっている——思考が行動に影響を与えるプロセスが、データとして可視化される
- 新しいトレーニング種目に挑戦した時期と、新しいジャンルの本を手に取った時期が近い——「新しいことへの開放性」が高まる時期が存在する可能性
- 運動が安定している時期は読書メモの質が高い——身体のコンディションが思考の深さに影響しているかもしれない
これらは単なる推測ではない。データが揃えば、自分自身で確認できる事実になる。
単体アプリ vs データ横断——情報の質はどう変わるか
| 比較項目 | 単体アプリの記録 | データ横断（DoubleHub） |
|---|---|---|
| 見えるもの | 特定領域の推移のみ | 領域を超えた相関・パターン |
| 気づきの範囲 | 「筋トレが減った」「読書が増えた」 | 「筋トレが減った時期に読書も減り、仕事の負荷が高まっていた」 |
| インサイトの深さ | 何が起きたかの把握 | なぜ起きたか、次に何をすべきかの示唆 |
| 自己理解の精度 | 部分的・断片的 | 全体的・文脈を含む |
| 次のアクションへの接続 | その領域内の改善のみ | 生活全体の最適化への手がかり |
DoubleHubが目指す「Input→Insight」の設計
DoubleHub（現在開発中）が目指しているのは、散らばったライフデータを一箇所に集め、AIが横断的に分析し、ユーザーに「気づき（Insight）」を届けるという流れだ。
ポイントは、ユーザーに新しい記録の手間を増やさないこと。TrainNoteやBook Compassなど、すでに使っているアプリの記録がそのままインプットになる。ユーザーがやることは今まで通り記録を続けるだけ。その裏側で、DoubleHubがデータをつなぎ合わせ、パターンを見つけ、適切なタイミングでインサイトを提示する。
これはAIを活用した習慣化の完全ガイド2026で解説した「AIが習慣の継続を支援する」考え方の延長線上にある。単一の習慣を支援するだけでなく、複数の習慣を横断して見ることで、生活全体の質を底上げするのがDoubleHubの設計思想だ。
DoubleHub — 散らばったデータをつなぎ合わせる
TrainNote × Book Compass × AI。複数のライフデータを横断して、自分でも気づかなかった傾向を発見する。現在開発中——最新情報をチェック。
DoubleHub エコシステムを見るプライバシーとデータ活用のバランス
ライフデータの横断分析には、当然ながらプライバシーへの配慮が不可欠だ。自分の行動・思考・感情のデータが一箇所に集まるということは、それだけ取り扱いの責任も大きくなる。
DoubleHubの設計で重視しているのは以下の原則だ。
- データはユーザーのもの——ユーザー本人の意思なく、外部にデータが共有されることはない
- オンデバイス処理の優先——可能な限りユーザーのデバイス上でデータを処理し、サーバーへの送信を最小限にする
- 透明性の確保——どのデータがどのように使われているかを、ユーザーがいつでも確認できるようにする
- データの粒度をユーザーが選べる——すべてのデータを横断分析に使う必要はない。何を分析対象にするかはユーザーが決める
個人開発でAI機能を実装する方法でも触れているが、個人開発だからこそ、大企業のようなデータビジネスモデルに依存しない設計ができる。ユーザーのデータを広告に使う必要がないからこそ、純粋に「ユーザーの自己理解を深める」ためだけにデータを活用できる。
ライフデータ活用を始めるための3つのステップ
DoubleHubの完成を待たなくても、ライフデータの活用は今日から始められる。
- まず1つの領域で記録を始める——筋トレならTrainNote、読書ならBook Compass。大事なのは続けやすいものから始めること
- 2〜3ヶ月続けたら、もう1つの領域を追加する——1つの記録が習慣になったら、別の領域も加える。2つのデータが揃うと、横断の可能性が生まれる
- 月に一度、記録を俯瞰して見る——今は手動でも構わない。2つの記録を並べて「何か関連がないか」を考えるだけで、新しい気づきが得られる
DoubleHubが目指しているのは、このステップ3を自動化し、AIが代わりにパターンを見つけてくれる世界だ。