2026.03  /  AIKNOW 大川智也

Claude Code 研修

AIKNOW × けんさん
参加者: 渡辺 建 / 長谷川 マサキ  |  全3回シリーズ 第1回

第1層

前提

なぜ今、Claude Codeを学び直すのか

今日のゴール

  • Claude Codeの基本思想を上級者として再定義できる
  • 広告代理店業務への具体的な活用を再現可能な形で設計できる
  • プロダクト開発・AI組織経営まで、ハードモードの射程を体感する
  • 自分の会社で動かすための運用設計の叩き台ができている
  • 社内展開する際の方針を自分の言葉で説明できる

「俺とマサキかなりクロードコード使い始めてるから、抑えるべき基本的な考え方に加えて、上級者向けの内容もレクチャーしてもらえるとありがたい！ハードモードでお願いしたいw」 — けんさん

※ 基礎を飛ばす研修ではなく「基礎を上級者向けに再定義する研修」

今日の研修が答える4つの問い

  • ❶ なぜClaude Codeは普通のAIチャットと違うのか
  • ❷ なぜ精度差はプロンプトではなく文脈設計で生まれるのか
  • ❸ なぜ個人利用と組織導入は別スキルなのか
  • ❹ なぜAI活用の上級者は最終的にプロダクト/AI経営に行くのか

第1回（今回）

使える → 設計できる

第2回（4月）

活かせる ＋ 広げる

第3回（5月）

教えられる

対話革命 vs 実行革命

ChatGPT — 対話革命
Claude Code — 実行革命
変化
AIと「対話」できるようになった
→
AIが仕事を「実行」できるようになった
AIの役割
優秀な相談相手
→
優秀な部下
例えば
「会議しましょう」→
手順を教えてくれる
→
「会議しましょう」→
カレンダー確認＋招待送付
仕上げ
コピペして加工するのは人間
→
複数の作業を自律的につなげて完了
結果
人間に作業を残す
→
最後まで仕事を終わらせる

出典: 梶谷健人 PIVOT「AI Agent for Management」

「AIに質問する」だけの時代は
終わりつつある。
これからは「AIで経営する」時代。

ChatGPT登場時と比べて 100倍以上の実行力
出典: 梶谷健人 PIVOT

最大のボトルネック

「実はできるのに、できないと思い込んでいる」こと

MTGの議事録を渡す（人間の1アクション）
↓
Agent 1: 論点を抽出
↓
Agent 2〜4: 市場・競合・顧客リサーチ（並列）
↓
Agent 5: 戦略立案 + 資料化
↓
完成した戦略提案書

出典: 梶谷健人 PIVOT

同じツールなのに、なぜ性能差が出るのか

同じClaude Code。同じモデル。同じ料金プラン。
でも人によってアウトプットの質がまるで違う。

差の正体
=
「育て方」
何もしなければ

毎朝記憶をなくした超天才
= 入社初日の新人と
永遠に同じ関係

→
「育て方」を変えれば

初日から即戦力に

出典: 梶谷健人「なぜ性能に大きな差がつくのか」

コンテキストエンジニアリングの時代

「プロンプトエンジニアリングの時代は終わった。
これからはコンテキストエンジニアリングの時代」

美しいプロンプトを書く

→ もう差がつかない

文脈の質と量を設計する

→ ここで差がつく

「とりあえずClaude Codeでやろうとしてみる、自分が動かないという縛りを設ける」

個人利用 vs 組織導入は別スキル

個人利用
組織導入
ゴール
自分が便利になればOK
→
チーム全員が再現できる
勝ち筋
プロンプトの上手さで勝てる
→
仕組み化・ルール化が必要
リスク
止めても自分だけ困る
→
止めるとオペ全体が止まる
暗黙知
自分の頭の中にある
→
形式知にしてAIに移す必要がある

「ぶっちゃけ自分が本気で学んだら多分できるだろうな」 — けんさん（2/22 MTG）

→ でも「自分ができる」と「チームで回る」は全く別の話

なぜ今やるのか

「AIの基礎がないまま人を増やすのが怖い。
今の10人以下の時に当たり前にしたい」

— けんさん（3/5 キックオフ）

「リテラシーの投資をしないまま拡大の意思決定をしちゃうとやばいよな」— けんさん（2/22 MTG）

今（10人以下）

AI文化を定着させる

→

拡大期（20-50人）

文化が自然に広がる

→

大規模（100人〜）

組織全体がAIネイティブ

❌ 後回しにすると → 後からの浸透コスト膨大 → キャッチアップ不可能

第2層

Claude Codeの正体

何者なのか — エージェントという新概念

エディター・ターミナル・Claude Codeの関係

EDITOR エディター

Cursor

AIエディター

Windsurf

AIエディター

← VS Codeを使いやすくしたもの（独自のAIエージェント搭載）

VS Code OSS

Microsoft製のコードエディター

拡張機能（Plugin）
Claude Code for VS Code

↑ Cursor / Windsurf はこれをベースにしている

Terminal ターミナル

$ claude

Claude Code

AI Agent

オフィスビルに例えると

3F — 内装済みオフィス

Cursor / Windsurf

家具・照明・内装がセット済み
入居してすぐ仕事できる

2F — スケルトンオフィス

VS Code

壁と床だけのスケルトン物件
自分で家具を持ち込む（= 拡張機能）

1F — ビルの管理室

ターミナル

電気・水道・エレベーターを直接制御
ビル全体のインフラを操作できる

B1 — ビルの基礎・地盤

OS（macOS / Windows）

建物を支える基盤
普段意識しないが全てを支えている

Claude Code は「管理室の鍵」を持っている
3Fのオフィスからしか仕事できないAI（ChatGPT）とは、そもそもアクセスできる範囲が違う

なぜ「管理室」から動くAIが最強なのか

3Fオフィスからのみ（ChatGPT等）

・自分のデスクの上でしか作業できない
・他のフロアの書類を見に行けない
・郵便物を出すには人間が代わりに行く
・会議室の予約は人間が操作

= ブラウザの箱庭で動作

管理室から（Claude Code）

・全フロアの書類を見に行ける
・郵便物を自分で出せる
・照明や空調を直接操作できる
・ビル全体の設備を動かせる

= PC上の全ファイル・全ツールにアクセス

📂 案件フォルダを読む

+

📊 スプレッドシートを分析

+

🌐 Webで競合調査

+

📄 レポートを保存

これが1つの指示で全部つながるのがターミナル経由の強み

Claudeエコシステム整理

claude.ai / Claudeアプリ

頭脳と「会話」する窓口

箱の中の存在。質問すれば答えるだけ。ChatGPTと同じ立ち位置

Claude Code

頭脳に「手足」を与えたもの

ファイル読み書き。外部ツール操作。複数AI同時指揮

Cowork

非エンジニア向けデスクトップUI

Claude Codeと同じ基盤。自由度は低い

claude.ai = 脳だけ
vs
Claude Code = 脳＋手＋目＋足

Claude Code ≠ コーディングツール

言葉でコンピューターを操作するAIエージェント

売上データ100件の集計も、2200ファイルの整理も、請求書PDFの一括リネームも
「やりたいこと」を伝えるだけ。実際にやるのはAI。

「Claude Codeという名前を忘れてください。Claude Local、Claude Agentだと思ってください」 — Lenny Rachitsky
つまり「あなたのPC上に常駐する、何でもやってくれる部下」

これまで：優秀な頭脳と「会話」する

これから：優秀な人材に自分のPC上で「働いてもらう」

PCの中に「常駐の部下」がいる状態

チャットAI vs AIエージェント

チャットAI
AIエージェント（Claude Code）
動作
質問 → 文章で回答
→
目標 → 計画 → 実行 → 確認 → 繰り返し
ツール
Web検索・コード実行等
→
ファイル操作・コマンド・Web検索を自律的に組み合わせ
自律性
ユーザー主導
→
目標主導
仕上げ
コピペ加工は人間
→
自律的につなげて完了
結果
人間に作業を残す
→
最後まで仕事を終わらせる
たとえ
超優秀なコンサルタント
→
超優秀な常駐PM

"Agents are models
using tools in a loop"

— Anthropic 公式

エージェントとは、ツールをループの中で使うモデルである

ツールが「使える」のと、ツールを「自分で判断して使いこなす」のは全く違う

ローカル動作 = 桁違いの権限

ChatGPT / Gemini
Claude Code
動作環境
ブラウザ上で動作
→
ローカルPC上で動作
ファイル
ローカルファイルにアクセス不可
→
パソコンでできることはほぼ全て可能
データ
アップロードしたファイルだけ
→
デスクトップのデータも扱える
権限
クラウド上の箱庭
→
桁違いの権限

→ 案件フォルダ、スプレッドシート、画像、過去レポート、全てにアクセスできる

Claude Codeの4つの柱

Brain

頭脳

Claude LLM
Sonnet（日常）/ Opus（複雑）

Tools

ツール

Read / Write / Edit / Bash
Grep / Glob / WebSearch / Task

Memory

メモリ

CLAUDE.md / 会話履歴 / MEMORY.md

Planning

計画

Plan Mode / Tasks / タスク分解

この4つが組み合わさって「自律的に仕事をする存在」になる

エージェントループ（ReAct）

Think（考える）
↓
Act（行動する）
↓
Observe（確認する）
↓
完了？ — No → ループ
↓
Yes → 完了

1回の指示で、AIが自分で考え → 道具を使い → 結果を確認し → 修正する。
「自分で回る」仕組み

Claude Codeの正体

コーディングツールではなく
「AIエージェントという新しい部下をマネジメントするためのツール」

  • プログラミング知識不要。日本語で指示するだけで意図を汲み取って提案・実行
  • 求められるのはコーディング能力ではなく「自分の仕事の仕組みを設計する力」

「アイデアはいっぱいある。エンジニアがいないだけ」 — けんさん（3/5 キックオフ）

→ Claude Codeがあれば形にできる

出典: 梶谷健人 note, PIVOT

フォルダ = AIの脳

📁 事業フォルダ（= AIの脳）
├── 📄 CLAUDE.md   ← 行動原理
├── 📁 memory/      ← 長期記憶
├── 📁 skills/      ← 業務スキル
├── 📁 projects/    ← 案件情報
└── 📁 docs/        ← ナレッジ

「事業全体を扱う1つのフォルダをAIの脳にする。必要な情報を全配置 → AIが自分で見つけて読み込む = 擬似的な長期記憶」— 梶谷健人

CLAUDE.md = Claude Codeという一社員の行動原理。
自社にオンボードするための最重要業務マニュアル

100の情報から、今必要な5つを自動選択

📚 約75万語分のテキスト（小説約10冊分）を一気に処理
↓ フォルダ丸ごと理解して自動で選択
📄 今必要な5つだけ取り出す

「100の情報から、今必要な5つをClaude Code自身が見つけ出す。今までは人間がその5つを選んでAIに渡していた。その手間がなくなる」— 梶谷健人（PIVOT）

Claude Codeの3つのメリット

01

ツール集約

認知的負荷の軽減

ChatGPT、Gemini、Notion、カレンダーの切り替え不要

02

コンテキスト自動理解

事前説明が不要に

フォルダ読み込みだけでAIが事情を把握

03

願望を伝えるだけの自動化

複雑なワークフローも一言で

「メール→処理→CSV→Dropbox」を願望だけで

この3つが重なることで、Claude Codeは「AIツール」ではなく「業務システム」になる

進化速度

2.5 ヶ月（2026年）
60 回バージョンアップ
869 リリース項目

Phase 1

CLI版リリース
エンジニア専用

Phase 2

Skills登場
Word/Excel操作可能に

Phase 3

デスクトップアプリ + Cowork
非エンジニアに門戸開放

Phase 4（今）

Agent Teams
複数AIが協働

Claude Codeの機能追加が加速し続けている。今日の常識は来月には古くなる

第3層

Claude Codeに必要な考え方

使いこなす人は何が違うのか

願望の質 = アウトプットの質

AIエージェントは「願望」で動く

何を・どう頼むかで結果が決まる。
「のび太くん状態」 = 設定も含めて全部やってくれる

漠然とした指示

漠然としたアウトプット

→

明確な願望

明確で高品質なアウトプット

筋の良い願望 — 要素① イシュー設定の精度

漠然とした課題感
「なんか広告の成果が悪いんだよな……」
↓
構造化された問い
「どのキャンペーンの、どの指標が、いつから下がっているのか」
↓
核心のイシュー
「新規獲得CPAが先月から1.5倍に悪化。原因はクリエイティブ疲弊の可能性が高い」

「何を問題として設定すべきなのか」「いま問うべきは何か」
→ これはまさに経営者が本来得意とする領域

筋の良い願望 — 要素② 技術的な理解

プログラミングができるということではない。
Claude Codeで 「何ができるか」 を知っているか。

知らない場合

MTGの音声がある → 自分で文字起こし → 手動でまとめる

知っている場合

MTGの音声を渡す → 構造化 → 複数エージェントでリサーチ → 戦略資料まで一気に

知っている → 伝えられる → AIが実現 → 「射程」が広い人が勝つ

作業依頼 vs 成果物定義

作業依頼

「このデータを分析して」
どう分析するかAI任せ

成果物定義

「CTR上位5案件の共通パターンを3つ特定し、次の訴求案を5つ提案して」
ゴールが明確

成果物を定義する
↓
AIが逆算して必要な作業を自分で組み立てる
↓
人間は「何が欲しいか」だけ考えればいい

AI時代に求められる3つのスキル

1. 言語化力

課題を正確に言葉にしてAIに伝える

ハードスキルが自動化される中で最重要
高い言語化力＋リベラルアーツ

2. マネジメント力

AIの得意不得意を理解し、適切なミッションを与え、組織体制を構想して協業させる

人間へのマネジメント力がそのまま活きる
部下を活かす力 = AIを活かす力

3. 審美眼

つまらないものと面白いものの違いを判別し、どうすれば良くなるかを的確に言語化する力

アウトプットの最終品質を決める
センスではなく訓練可能なスキル

広告代理店実務マップ — 全業務への適用

業務
Claude Codeでできること
時間効果
優先
新規案件理解
LP分析・競合調査・業界リサーチを一括実行
2h → 15min
★★★
訴求整理
商品情報から訴求軸洗い出し・優先順位付け
1h → 10min
★★★
コピー生成
訴求ごとに5-10案 = 合計30-50案を一括生成
2h → 15min
★★★
記事LP
構成案+ライティングの一気通貫
数日 → 数時間
★★★
レポート
データ分析+考察+改善案の自動生成
3h → 1h
★★☆

「作業を減らす」ではなく「判断の前工程を高速化する」

仕事の「中間」はAIに代替される

入口

要件定義
人間が担う
価値が高まる

→

中間

作業・実行・制作
AIに代替されやすい

→

出口

評価・判断
人間が担う
価値が高まる

入口と出口を担う = トータルディレクションの価値が高まる

自分の得意なフィニッシュパターンを想定 → サブスキル獲得 → デュアル/トリプルスキル構築

AIをコアスキルにするな

AIは「ネクストスマートフォン」= 補助ツール

AIをコアスキルにする

「AI使えます」が売り → コモディティ化で価値が消える → 差別化不可能

コアスキル × AI

AI以外の領域でコアスキルを築く → コアスキルにAIを掛け合わせる → 最強の組み合わせ

けんさんのコアスキル:
広告運用 × クリエイティブディレクション × 経営判断
↓ ここに Claude Code を掛け合わせる → 10倍のレバレッジ

足りないのは
「技術的な理解」
= Claude Codeで何ができるかの射程

イシュー設定の精度 — すでに持っている
マネジメント力 — すでに持っている
技術的な理解 — 射程を広げる余地がある

この研修はその射程を一気に広げる場

休憩
5分

第4層

何を・どうやる

基礎操作から仕組み化まで

Cursor連携が最強

ターミナル単体
Cursor連携
ファイル確認
コマンドで開く必要あり
→
クリックで即プレビュー
エラー対応
ログを読んで自分で判断
→
「これ何？」で原因特定+修正
全体把握
ファイル構造が見えづらい
→
ツリー表示で一覧
学習コスト
高い（CLI操作）
→
低い（GUI操作）

けんさんの環境: Cursor ウルトラプラン（¥3万/月）をメイン環境として採用済み ✅

Claude Codeの使い方 — 3つのインターフェース

CLI（ターミナル）

黒い画面。最も高機能。新機能が最初に来る。エンジニア向け。

上級者向け

エディタ拡張（Cursor等）

GUIで操作可能。ファイルツリーが見える。チャット欄に指示するだけ。

けんさん推奨 ★

デスクトップアプリ

インストールして起動するだけ。Coworkタブで非コーディング業務にも対応。

メンバー初期導入に最適

機能はほぼ同じ。今から始めるならデスクトップアプリ、本格利用ならCursor連携

「怖い真っ黒な画面なしで、チャットでやりたいこと伝えるだけ」— ShiftAIウェビナー

実践8つのTips

① 計画ファースト ★

いきなり実装させない。Plan Mode（Shift+Tab）で計画を立ててから実行

② CLAUDE.md最初に整備

AIの行動原理を先に定義。毎回のプロンプトが不要に

③ 小さく始めて反復

大タスクは分割。「全部やって」ではなく「まずこれだけ」

④ /compact圧縮 ★

コンテキスト40-50%超えたら即実行。性能維持の生命線

⑤ 読んでから書く原則

既存ファイルを理解させてから変更指示。上書き事故防止

⑥ Git連携

こまめにコミット。失敗してもいつでも戻れる安心感

⑦ エラーは友達 ★

エラーメッセージを貼るだけで原因分析+修正。自己解決の姿勢

⑧ 承認設定活用

慣れるまでは確認モード。何をやろうとしてるか把握できる

Opus vs Sonnet — モデルの使い分け

Sonnet（日常の70%）

  • 速い・安い・十分な品質
  • ファイル編集
  • テスト実行
  • ドキュメント作成
  • 日常的なコード生成
  • 定型業務の実行

「迷ったらSonnet」

Opus（残り30%）

  • 深い思考・高品質・複雑な推論
  • アーキテクチャ設計
  • 大規模リファクタリング
  • 根本原因分析
  • 複雑な戦略立案
  • 難しいバグの特定

「ここぞという時」

判断基準: 定型的？日常的？ → Sonnet ｜ 複雑？戦略的？構造設計？ → Opus ｜ 分からない → まずSonnetで試す

auto-acceptモード — 自動承認の設定

モード
動作
推奨
安全性
確認モード
毎回「実行していい？」と確認
★★★ 初心者〜慣れるまで
高
オートモード
AIがパーミッションの安全性を判断
★★☆ 日常業務
中
全自動モード
全操作を自動承認
★☆☆ 上級者のみ
低

全自動モードはファイル削除・外部通信も自動実行される。
慣れるまでは確認モードまたはオートモード推奨。
チームメンバーには確認モードを標準設定に。

便利なコマンド集一覧

基本操作

/compact — コンテキスト圧縮 ★★★
40-50%超えたら即実行。性能維持の生命線
/clear — 完全リセット（白紙に戻す）
「計画→/clear→実装→途中で/compact」が鉄板パターン
Shift+Tab — Plan Mode 切替
Esc — 実行中のタスクを中断
Tab — ファイルパス補完
# — ファイル参照を追加

スラッシュコマンド

/init — CLAUDE.md 自動生成
/memory — メモリ管理
/model — モデル切替（Opus/Sonnet）
/cost — セッションのコスト確認
/review — コードレビュー
/help — ヘルプ表示

CLI フラグ

claude -p "指示" — ワンショット実行
claude --resume — 前回セッション再開
claude --model opus — モデル指定

カスタムコマンド

.claude/commands/ にMarkdown配置
→ /コマンド名 で呼び出し
例: /copy-gen, /report, /research

CLAUDE.md =
AIの「業務マニュアル」

起動時に自動で読み込まれる設定ファイル
AIという「一社員」の行動原理を定義する
自社にオンボードするための最重要マニュアル
フォルダごとにルールを設定できる

一度書けば、毎回このマニュアルを読み込んだ状態で仕事を始める

けんさん用 CLAUDE.md 設計例

# HD社 広告運用AIアシスタント ## 役割 クリエイティブ制作、競合分析、レポート作成を担当 ## 基本ルール - 薬機法に抵触する表現は絶対に使用しない - コピーはターゲットに合わせた口語体で書く - 数値の根拠がない効果効能の断定は禁止 ## 判断基準 - CTR > 2% → 「当たりクリエイティブ」として分析対象 - CVR > 1% → 訴求軸として継続・横展開を検討 - 訴求の優先順位: ベネフィット > 機能説明 > 権威性 ## NGワード - 「絶対」「確実」「100%」（効果保証系） - 「最安値」「業界No.1」（根拠なし比較） ## 勝ちパターン - 美容系: 悩み共感 → 解決ストーリー → 使用後イメージ - EC系: 数字（割引率・実績）→ 限定感 → CTA

けんさんの頭の中にある暗黙知を文字にしただけ — これで出力品質がガラッと変わる

CLAUDE.md vs RULES.md

CLAUDE.md

全体方針・行動原理
大枠のルール

例: 「口語体で書く」
= 社員ハンドブック

RULES.md

細かい制約・ルール
具体的・詳細な手順

例: 「バナー用コピーは30文字以内」「CTAには"今すぐ""無料""限定"のいずれかを含める」
= 業務マニュアルの詳細手順書

# コピー生成ルール - 1案あたり30文字以内（バナー用） - 記事LPの見出しは15文字以内 # ファイル命名規則 - レポート: report_[クライアント名]_[YYYY-MM].md - コピー案: copy_[商材名]_[日付].md

AIがルールファイルを読み込み、自動で遵守する

全階層にCLAUDE.mdを配置する

hd-workspace/ ├── CLAUDE.md ← 全社ルール（薬機法・基本方針） ├── projects/ │ ├── CLAUDE.md ← プロジェクト共通（レポート形式・品質基準） │ ├── client-a/ │ │ ├── CLAUDE.md ← A社固有（ターゲット・NGワード・過去実績） │ │ └── ... │ └── client-b/ │ ├── CLAUDE.md ← B社固有（業界ルール・トーン） │ └── ... ├── skills/ │ └── CLAUDE.md ← スキル実行時のルール └── templates/ └── CLAUDE.md ← テンプレート利用時のルール

「AIが"今いる場所"に応じた粒度の文脈を得る」

チャエンの事例: プロジェクト全体で 40個のCLAUDE.md を配置

4ファイル記憶システム

decisions.md

意思決定ログ（背景・決定・根拠）

「A社案件はベネフィット訴求で行く。理由: 過去3案件で数字訴求よりCTR 1.5倍」

preferences.md

文体の好み / 仕事の進め方

「レポートは箇条書きより文章で」「コピーは3案ではなく10案出して」

context-log.md

PJ進捗 / クライアント情報

「A社は3月末にLP改修予定」「B社担当者はCTR最重視で見る人」

case-judgment-framework.md

判断基準 / 過去の失敗教訓

「健食案件で"効果保証"表現→戻し食らった。以後禁止」

AIが4つの記憶を読み込んで仕事をする — 使うほど文脈理解が厚くなる

「覚えておいて」の仕組み

けんさん:「A社の担当者、来月から変わるらしい。新しい人はCPA重視って聞いた。覚えておいて」

Claude Code: 了解しました。context-log.md に追記:
2026-03-20: A社担当者変更 — 新担当者はCPA重視の評価基準 → レポートでCPA分析を強化する必要あり

— 3日後 —

けんさん:「A社の月次レポート作って」

Claude Code: （context-log.mdから: 新担当者はCPA重視）
→ CPA分析を強化したレポートを自動生成

/agent-memory スキルが自動で4カテゴリに分類し適切なファイルに追記 — 使えば使うほど文脈理解が厚くなる

AIを「育成」する前提

AIは「最初から完璧」ではない。部下を育成するのと同じアプローチが必要

1日目: AIがミスをする（「効果保証」という表現を使った）
↓
人間が指摘 → AI: メモリーファイルに記録 → 次回以降ミスしない
↓
1ヶ月後: 薬機法の判断基準を自律的に適用
↓
3ヶ月後: けんさんの判断基準を先回りして提案

使えば使うほど賢くなる — 経営者の人材育成スキルがそのままAI育成に活きる

第4層

よくある失敗パターン5選

① CLAUDE.mdに全部書く

情報過多でAI迷走・品質劣化 → 200行以内。超えたらSkillsに分離

② 手動で成功する前にスキル化

成果物の良し悪しが判断できない → まず手作業で1回完了してから

③ MCPを入れすぎる

10個超でコンテキスト30%消費 → 実際に使う3つだけから始める

④ /compactせずに長時間使う

古い文脈で混乱「酔っ払いAI」 → 30分 or 迷い始めたら /compact

⑤ APIキーをコミットする

GitHub公開で数分で不正利用 → .gitignore + .claudeignoreに設定

共通の教訓

全て「少なく始めて、育てる」で防げる。最初から完璧を目指さない。

「知っていれば避けられた」— 時間とお金を守るために

第4層

パソコンの面倒な作業、全部任せられる

ファイル整理・リネーム

2200ファイルを20分で自動整理。日付・案件名で一括リネーム。手動だと丸1日の作業。

請求書PDF → 確定申告用に整理

PDFを自動リネーム・仕分け。「○月_取引先名_金額.pdf」に統一。経理業務が激変。

CSV / データ分析

クレジットカード明細CSVからカテゴリ別レポート自動生成。使い捨てプログラムをその場で作成。

Excel / Word / PowerPoint

Skillsで操作可能に。月次レポートのテンプレ自動入力、提案書ドラフト生成。

画像一括変換

JPG/PNGが混在 → 全て統一形式に。リサイズ・圧縮も一声で完了。

けんさんの広告業務なら

クリエイティブ素材の一括リサイズ、レポートCSV集計、入稿データの整理…まず1つ試して。

第4層C — Skills

Skills = AIに「専門業務のマニュアル」を
インストールする仕組み

汎用AI
なんでもそこそこできる新人
→
特定業務のエキスパート
競合分析のプロ / コピー生成のプロ / レポート作成のプロ

人間の部下にマニュアルを渡して定常業務を任せる感覚

「このやり方でやっておいてね」→ 毎回同じ品質で再現

第4層C — Skills

スキル化の3ステップ

STEP 1

単発で依頼
「この競合を調べて」

→

STEP 2

スキル化
「この仕事、マニュアル化して覚えて」

→

STEP 3

コマンド一つで再現
以降何度でも同じ品質で再現可能

重要: Skillは自分で書かなくていい

Claude Codeに「スキル化して」と言うだけでAIが自動作成。スキルの設定自体も自然言語（日本語）で記述される。

第4層C — Skills

スキル作成 7ステップ

① 目的を明確化 — 何を自動化したいか言語化する

② 手動で一通り実行 — 手作業で一度完了させる（重要!）

③ skill-creatorで雛形生成 — 「/skill-creator で〇〇スキルを作って」

④ SKILL.mdを調整 — name, descriptionを確認・修正

⑤ テスト実行 — 「/競合リサーチ」等で起動確認

⑥ scripts/に処理を分離 — API呼び出し等はスクリプトに切り出す

⑦ イテレーション — 使いながら改善、references/に資料追加

最重要: ②を飛ばさない。手動で成功していないワークフローはスキル化できない

第4層C — Skills

スキルの構造

.claude/skills/
├── competitor-research/
│   ├── SKILL.md  ← 定義・手順
│   ├── scripts/
│   ├── references/
│   └── assets/
├── copy-generation/
│   ├── SKILL.md
│   └── references/
└── report-creation/
    ├── SKILL.md
    └── references/

SKILL.md

スキルの定義・手順・トリガー条件

scripts/

自動実行するスクリプト

references/

参考資料・テンプレート・過去事例

第4層C — Skills

SKILL.md テンプレート例

--- name: competitor-research description: "競合リサーチスキル。 競合サイト分析、SNS反応収集、 トレンド調査を自動化。 「競合調査」「リサーチ」で起動。" --- # 競合リサーチスキル ## ワークフロー 1. テーマ or URLを受け取る 2. Playwrightで競合サイトをクロール 3. Grok APIでX上の投稿を収集 4. drafts/ にMarkdownでストック 5. 分析→コンテンツ企画案を出力

descriptionが超重要

単なる説明ではなく、Claudeがスキルを選択するためのトリガー条件。ユーザーの指示文とマッチングされるため、想定される呼び出しキーワードを含める

注意事項の例

  • APIキーは .env から読み込み（ハードコード禁止）
  • 取得データは drafts/ に保存（直接出力しない）
  • 1回のクロールは最大10ページまで

第4層C — Skills

段階的開示（Progressive Disclosure）

CLAUDE.mdに全部書くパターン

CLAUDE.md（巨大ファイル）
├── 競合リサーチの手順（500行）
├── コピー生成のルール（300行）
├── レポート作成の形式（200行）
├── 案件セットアップの手順（400行）
├── ... （合計3000行）
└── → コンテキスト溢れる

Skillsで段階的開示パターン

CLAUDE.md（コンパクト: 50行）
├── 基本方針のみ

Skills（必要な時だけ読み込み）
├── competitor-research（待機中）
├── copy-generation（待機中）
├── report-creation（今これだけ読み込み!）
├── setup（待機中）
└── → 数千スキル登録しても劣化なし

「呼ばれた時だけ展開される」= これがCLAUDE.mdに全部書くのとの根本的な違い

第4層C — Skills

スキルの5つのメリット

① 暗黙知の移転

属人化ノウハウ → 共有知
けんさんの「このジャンルはこう攻める」がチーム全員のものに

② コスト削減・高速化

段階的開示でトークン節約
無駄なコンテキスト消費なし → API費用削減

③ 一貫性・再現性

誰がやっても同じ品質の出力
マサキがやってもけんさんがやっても同じクオリティ

④ ポータビリティ

Anthropic/OpenAI/Google間で移植可能
将来別のAIに乗り換えてもスキルはそのまま使える

⑤ 計算の正確性

スクリプト同梱で100%正確な計算
ROAS計算やCPA算出をスクリプトで自動化

第4層C — Skills

けんさんが最初にスキル化すべき業務

「属人的なタスクこそスキルの真骨頂。暗黙知をスキル化することが最優先」

🥇 競合リサーチスキル

業界・商材ごとの競合分析テンプレート。LP分析→訴求パターン抽出→比較表作成

案件理解: 2h → 15min

🥈 コピー生成スキル

訴求軸×ターゲット×フォーマットの掛け合わせで大量生成。NGワード自動チェック付き

コピー制作: 1h → 10min

🥉 レポート作成スキル

定型フォーマットのレポート自動生成。KPI推移→要因分析→改善案

レポート: 2h → 20min

4. 案件セットアップスキル

新規案件の情報整理。LP読み込み→商品理解→ターゲット整理→フォルダ生成

セットアップ: 3h → 30min

「1回作ったら次も使えるし、チームにも共有できる」

第4層C — Skills

スキル作成 8つの実践Tips

01 skill-creatorを先にインストール
ゼロから手書きするより遥かに効率的

02 公式ドキュメントをreferences/に
Claude自身がベストプラクティスを参照できる

03 手動完了してから自動化
手作業で成功してからスキル化する

04 複雑なワークフローはフェーズ分け
「収集→分析→出力」のように段階的に構築

05 CLAUDE.mdにトリガーを記載
「競合調査と言われたら/competitor-researchを使え」

06 大きなファイルはモジュール分割
処理→scripts/、知識→references/に分離

07 他AIでピアレビュー
ChatGPTやGeminiに「問題ないか？」とレビューさせる

08 ハードコードしない
APIキー・パス・URLは.envや引数で渡す設計に

第4層C — Skills

cognee-skills: 5ステップ改善サイクル

① 取り込み

目的・タスクパターンを整理

→

② 観察

実行結果を記録

→

③ 検査

失敗パターンを分析

→

④ 修正

修正案を自動生成

→

⑤ 評価

テスト→新バージョンに

スキルは「作って終わり」ではなく育てるもの

第4層C — Skills

スキル × コンポーネント思考

「部品を作るスキル」と「部品を作る部品」— これがClaude Code活用の急所

Layer 1: コンポーネント

再利用可能な「部品」
見出し / 比較表 / CTA / グラフ
→ 呼び出すだけで統一品質

Layer 2: 組み立てスキル

部品を組み合わせて成果物を生成
/create-lp /create-report
→ コンポーネントを呼んで組み立て

Layer 3: メタスキル ★

部品そのものを作るスキル
/create-component
→ 足りない部品を即座に生成

実践例: LP制作中「お客様の声セクション」がない → /create-component で testimonial コンポーネントを生成 → 次回から /create-lp が自動的にそれを使う

部品の「在庫」が増えるほど、成果物の品質とスピードが指数関数的に上がる
= デザインシステムがAIの中に育っていく

第4層C — Skills

セッションスクレイピング

過去のClaude Codeセッション一覧を自動分析し、スキル化すべき業務パターンを自動抽出する手法

私のClaudeのセッションを全てスクレイピングして、以下に分類して提示してください:
1. スキルにすべきもの　2. プラグインにすべきもの　3. エージェントにすべきもの　4. CLAUDE.mdにまとめるべきもの

過去のセッション

けんさん・マサキの使い方

→ AIが全分析・分類

自動で棚卸し

分類結果

スキル化: 8件 / CLAUDE.md: 5件
エージェント: 3件 / プラグイン: 2件

過去セッションから「勝ちパターン」を一括抽出・整理

第4層D — MCP

Skills vs MCP — どっちから始める？

Skills（先にやる）
MCP（後から追加）
本質
AIに「知識」を渡す
AIに「手」を増やす
必要なもの
テキストファイルだけ
API設定・認証
リスク
低い（ローカル完結）
中（外部通信・コスト発生）
効果実感
即日（書いたら即反映）
設定完了後から

結論: まずSkillsで「脳」を作る → MCPで「手足」を繋ぐ

Skillsなしでmcp入れても「手は動くが何をすべきか知らないAI」になる

第4層D — MCP

MCP = 外部ツール・サービスとの接続規格
(拡張機能のようなもの)

Notion

メモ・ナレッジ

Google Sheets

KPI・データ

Google Calendar

スケジュール

Slack / Chatwork

コミュニケーション

Google Analytics

アクセス分析

Figma

デザイン

Claude Code
(MCP)

中心ハブ

GitHub

コード管理

Notionのメモ読み込み / スケジュール追加 / 売上データ分析 → すべてAIから直接操作可能

第4層D — MCP

MCP vs Skills

MCP
Skills
役割
外部ツール接続
vs
知識・ワークフローのバンドル
扱うもの
リアルタイムの外部データ
vs
静的な知識・手順・テンプレート
オンライン
必須（API通信）
vs
不要（ローカルで動く）
コンテキスト
全ツール説明を初期ロード（圧迫しやすい）
vs
段階的開示で軽量
たとえ
電話回線（外とつながる手段）
vs
業務マニュアル（知識の蓄積）

併用が最強。MCPで「接続」し、Skillsで「知識」を提供する

第4層D — MCP

外部連携の3つの方法 — API・MCP・CLI

API
MCP
CLIツール
ひとこと
外部サービスとデータをやりとり
Claude Codeに新しい機能を追加
ターミナルに便利ツールを追加
できる事
X投稿検索、AI文章分析
Webブラウジング、Notion操作
GitHub操作、JSON処理
導入方法
scripts/にコードを書く
settings.jsonに設定追加
ツールをインストール

3つは排他ではなく組み合わせて使う。Grok API（API）でX投稿取得 → Playwright（MCP）で競合サイトクロール → jq（CLI）でデータ整形

第4層D — MCP

API連携 — .envファイルでキーを管理

.env ファイルの書き方

# .env ファイル（.gitignoreに追加必須） GROK_API_KEY=xai-xxxxxxxxxxxx ANTHROPIC_API_KEY=sk-ant-xxxxxxx

セキュリティ警告: .envは絶対にGitにコミットしない。.gitignore に .env を追加すること

主要API

Grok API（xAI）

X（旧Twitter）上の投稿やトレンドを検索。競合リサーチに最適

Anthropic API

Claude自身をAPI経由で呼び出し。サブエージェント構築に使用

Google API

Calendar / Sheets / Drive等。OAuth認証で接続

第4層D — MCP

CLIツール — 入れるだけでAIの「できること」が増える

ツール
できること
playwright
ページ取得、スクショ、フォーム操作
gh
PR作成、Issue管理、Actions確認
jq
APIレスポンスのパース・フィルタ
gwscli
カレンダー、Gmail、Drive操作

CLIツールをインストール → Claude CodeがBash経由で自動利用

MCPとの違い: MCPは「Claudeが直接認識するツール」、CLIは「Bash経由で使うツール」。MCPの方がClaudeとの統合度は高いが、CLIの方が種類が豊富

第4層D — MCP

外部連携 — 使い分けガイド

やりたいこと
最適な方法
理由
X/Twitterの投稿を検索
API（Grok）
専用APIが最も安定・高速
Webページをクロール
MCP（Playwright）
Claudeが直接ブラウザ操作可能
Notionにデータ保存
MCP（Notion）
設定だけで読み書き可能
GitHub PRを作成
CLI（gh）
ghコマンドが最もシンプル
カスタムAI処理
API（任意）
自由にロジックを組める

「MCPで接続し、Skillsで知識を提供し、APIで外部データを取得する」

第4層D — MCP

AIがAIを使う

Claude Code（指揮官）が「この記事を書いて」と指示
↓
Gemini API呼出 → 執筆 → Claude Codeがレビュー → 「ここがダメ。書き直して」
↓
Gemini修正 → Claude Code最終チェック → 完成

上司（Claude Code）が部下（Gemini）に仕事を振って、チェックして、やり直しさせる

第4層D — MCP

ワンストップ代理店機能

Before: ツール切り替え地獄

Geminiでリサーチ
ChatGPTでコピー生成
Canvaでバナー作成
Sheetsでデータ分析
Slackで共有
5ツール × 切り替え = 認知負荷MAX

→
After: Claude Code = ワンストップ

Claude Codeに「やりたいこと」を伝えるだけ
各AIを指揮 + 各ツールを操作
最終成果物がまとまって出てくる
認知負荷を大幅削減

第4層D — MCP

けんさんの接続設計

Chatwork

チームコミュニケーション自動化。日報収集、タスク通知、レポート共有

チーム連携の自動化

Google Sheets

案件管理スプシ連携。KPIデータ取得、レポート自動更新

データ取得の自動化

Notion

ナレッジ蓄積。勝ちパターン/NGパターンのDB化、案件情報の構造化

ナレッジ管理の統合

Google Drive

レポート・提案書の保存・共有。自動アップロード

ファイル共有の自動化

TLDV

ミーティング録画・文字起こし → AI社長の学習データに

暗黙知の蓄積

けんさん（3/5 MTG）: 「Notionだとみんな使いやすい」 ※Notionは現在未使用 → 統合用のワークスペースを新規構築する方向

第4層D — MCP

チームへの共有方法

Google Drive

既存のファイル共有フロー。非エンジニアに馴染みやすい

レポート・提案書・テンプレートの共有

Dropbox

大容量ファイル。バージョン管理

素材・クリエイティブの保管

GitHub

コードベースの共有。バージョン管理に最適。CLAUDE.md/Skillsの管理に最適

CLAUDE.md・Skills・設定ファイルの共有

hd-workspace/ (GitHub)
├── marketing/   → マーケ部だけがアクセス
├── creative/    → クリエイティブチームだけ
├── management/ → けんさん+マサキだけ
└── shared/      → 全員がアクセス可能

チームで共有する際にアクセス権限の切り分けが可能

第5層

実演

「すごい」ではなく「使える」を体感する

第5層A — クリエイティブ生成デモ

「クリエイティブ生成の自動化が一番やりたい。
入稿自動化以上にやりたい。」

— けんさん（3/5キックオフMTG）

第5層A — クリエイティブ生成デモ

けんさんが描くイメージ

新規案件が来る
↓
商品情報・LP・競合分析を全部入れる
↓
バナーコピー → ライティング → 記事制作 → 動画台本
↓
全部一気通貫で出てくる

けんさん: 「それ実現可能ですか？」
大川: 「いけると思います、普通に。」

第5層A — クリエイティブ生成デモ

全体フロー — 商品URLから成果物まで

INPUT

商品URL（これだけ）

① LP自動解析

商品特徴・ターゲット・競合訴求・USP整理

② 訴求軸整理

5〜8軸に分類・優先順位付け

③ コピー案生成

訴求ごと5-10案・合計30-50案

👤 人間が判断

方向性の確認・コピーの選定

④ 展開

バナー構成書・記事LP・動画台本

OUTPUT

コピー案30-50案 / 記事LP / 動画台本

第5層A — クリエイティブ生成デモ

AIに任せる vs 人間が判断する

AIに任せる
人間が判断する
商品理解
LP解析・情報整理・競合調査
↔
理解の正しさ確認「この認識で合ってる？」
訴求整理
訴求軸の洗い出し・分類
↔
優先順位の最終判断「この順番でいく」
コピー生成
大量バリエーション（30-50案）
↔
「刺さるコピー」の選定・調整
構成
LP構成案の作成
↔
ストーリーラインの承認
品質管理
薬機法チェック・NGワード検出
↔
最終承認「これで出稿OK」

全自動が正解ではない。
「どこで人間が介入するか」を業務ごとに調整するのが設計力。

第5層A — クリエイティブ生成デモ

勝ちパターンの蓄積 — 量産の先にある本質

① 当たりクリエイティブのパターン

何が当たったか / なぜ当たったか / どの訴求が刺さったか

② NGパターン

薬機法抵触 / クライアントNG / 低パフォーマンス

③ 業界別テンプレート

美容 / 健食 / EC / 金融 etc.

案件を回す → 結果が出る

→

勝ち/NGを記録 → ナレッジDBに蓄積

→

次の案件でAIが参照 → 初回から精度が高い

→

好循環

第5層A — クリエイティブ生成デモ

ライブデモ 3本

デモ1: 商品URLから訴求整理+コピー30案（メイン実演・約5分）
デモ2: 記事LP構成の自動生成（約3分）
デモ3: 動画台本のたたき台（約2分）

※ けんさんの実案件を使用

「すごい」ではなく「使える」を体感

第5層B — Skills活用例デモ

Skill活用例①: 経営会議ブリーフィング

Calendar

日時・参加者

+

Google Sheets

KPI・目標達成率

+

Notion

部門進捗・決定事項

+

Slack

今週のハイライト

↓

Claude Codeが統合処理 → 経営会議資料（1つの完成したブリーフィング）

人間がやること: スキルを起動するだけ
AIがやること: 4つのツールからデータ取得 → 統合 → 資料生成

第5層B — Skills活用例デモ

Skill活用例②: 顧客の声サマリー

Slack

CS/サポートch

+

Google Sheets

NPS/CSATスコア

+

Firecrawl

レビューサイト

+

X API

SNSでの言及

↓

Claude Codeが統合・分類 → 週次VoCレポート

ポジティブ/ネガティブ分類・改善アクション提案・トレンド変化

第5層B — Skills活用例デモ

Skill活用例③: 記事への図解自動挿入

/insert-visuals スキル
↓
STEP 1: AI記事構造分析 → 図が必要な箇所を特定
↓
STEP 2: Gemini画像生成 / Playwrightスクリーンショット
↓
STEP 3: 記事に画像を自動挿入 → 完成

このワークフロー全体が「スキル化して」の一言で再現可能な業務パッケージに

第5層B — Skills活用例デモ

Skill活用例④: 議事録からプロジェクト管理

MTG終了

文字起こし自動保存

→

Claude Code

議事録を自動生成・蓄積

→

「進捗教えて」

1行の指示だけ

Claudeが自動出力するもの

  • プロジェクト概要・進捗率
  • 完了タスク / 進行中タスク
  • 直近MTGで決定した事項
  • ブロッカー（進行を妨げているもの）
  • 次回の議題候補

けんさんの場合

案件ごとのMTG議事録を蓄積 → 「A案件の進捗は？」でKPI対比・遅延アラート・次のアクション一覧が即表示。

メンバーへのヒアリング工数が激減。

第5層B — Skills活用例デモ

究極の自動化チェーン

GitHub

ネタ管理

→

Gemini

リサーチ+構成案+ライティング

→

編集長AI

レビュー+人間確認 👤

→

Claude Code

図解挿入箇所判断

↓

画像生成AI

プロンプト送信→画像生成

→

記事完成

図解挿入済み

→

各SNS投稿文作成

X / LinkedIn / note etc.

全てSkills + MCPの連鎖で実現
人間の介入ポイントは「編集長AIのレビュー後の確認」のみ 👤

第5層C — プロダクト開発デモ

「人間時代のアウトプット形式を疑う」

人間時代

パワーポイント
手作業で作りやすい

→
AI時代

HTML / Webサイト
AIが最も得意なのはコーディング

「ブラウザは世界で最も精巧なレンダリングエンジン」

— 梶谷健人

第5層C — プロダクト開発デモ

HTMLスライド生成システム

Before
After
ツール
Keynote
→
Claude Code
所要時間
2日
→
3時間
成果物
.keyファイル
→
Webサイト（URL共有可）
クオリティ
○
→
○以上（PIVOT出演資料で実証）
共有方法
ファイル添付
→
リンクを送るだけ

実績: PIVOT出演資料 約40枚をClaude Codeで制作

第5層C — プロダクト開発デモ

3層分離アーキテクチャ

エンジン層（触らない）

16:9ロック / ナビゲーション / PDF出力

テーマ層（デザイン変更時のみ）

カラーパレット / フォント / グラデーション

デッキ層（毎回作成）

各プレゼンのHTMLコンテンツ

「デザイン変更はテーマ層だけで完結。個別スライドに触らない」

第5層C — プロダクト開発デモ

AI-nativeワークフロー

① 人間が言語化（音声入力推奨）
完成度不要。オリジナルな観点と輪郭だけ
↓
② 記事構成を書かせる
いきなりスライドではなく粒度を挟む
↓
③ HTMLスライド変換
原文忠実 = 言い換え禁止 / パンチライン検出 = 印象的結論を大きく / 情報100%カバレッジ = 削らずスライドを足す
↓
④ ブラウザプレビュー → 自然言語で修正 → Vercelで公開
「リンクを送る」体験

第5層C — プロダクト開発デモ

6ステップ構築ガイド

  • 1. テンプレートをブラウザで体感
    既存のHTMLスライドテンプレートを開いて「こういうものが作れる」を確認
  • 2. referenceフォルダに参考スライド20-30枚
    自分が好きなデザインのスライド画像を集める
  • 3. Claude Codeにデザインシステム構築を依頼
    参考スライドから8原則 / 17スライドタイプ / 11図解パターンを自動抽出
  • 4. サンプルデッキで確認＋フィードバック調整
    試作 → 修正 → 試作のサイクル
  • 5. decksフォルダにスライド作成 — draft.md → index.html の変換
  • 6. 使いながら育てる — 使う → 直す → ルールに反映

第5層C — プロダクト開発デモ

オーケストレーション

AIの傾向

「とにかく動くコード」を優先 → デッドコード蓄積 → 技術的負債リスク

計画エージェント

設計・方針策定

→

実装エージェント

コーディング

→

レビューエージェント

品質チェック

← フィードバック ←
プログラムで強制制御 → 品質担保

第5層C — プロダクト開発デモ

社内ツール試作

5-10分で作れるもの

  • 日報整理ダッシュボード
  • 案件管理UI
  • 提案書自動生成ミニアプリ
  • 目標設定・進捗管理ツール

オーケストレータースキル（4スキル連鎖）

1つのプロンプト
↓
① リサーチ → ② 分析 → ③ ナレッジ蓄積
↓
④ コンテンツ企画 → アウトプット

けんさん: 「5-10分でアプリ作れる？デモ見せて」

第5層C — プロダクト開発デモ

実演: 社内ツールライブ構築

けんさん、「こんなツールが欲しい」って何かありますか？
案件管理でも、日報でも、レポートテンプレートでも、なんでもいいです。

今から作ります。タイマー回しますね。

☕ 休憩
5分

第6層

AI組織経営 & 実践

明日から何をするか

Chapter 12

Claude Code Company
AI組織経営

Claude Code Company

👤 人間 = CEO（意思決定・方向性・判断）
↓ 指示
🤖 秘書   🤖 PM   🤖 リサーチ   🤖 開発   🤖 マーケ   🤖 経理
↓
部署間で資産を共有・組み合わせ → 新しいアウトプットを自動生成

「2026年で最も最先端な起業の仕方」

生産性 5-10倍

会社 = フォルダ

hd-company/（= 会社そのもの）
├── CLAUDE.md       ← 経営理念・全社ルール
├── 経営/            ← KPI・戦略・意思決定ログ
├── マーケ/          ← 訴求・コピー・勝ちパターン
├── PR/              ← 発信・メディア対応
├── 経理/            ← 請求・経費・月次
├── セールス/        ← 提案書・商談記録
└── projects/        ← 案件ごとの情報

AIがフォルダ内データを読み込みながら仕事

毎回前提を伝える手間 = ゼロ

スモールスタートの鉄則

STEP 1

まず「秘書」だけ作る

自分の思考を全て投げる

STEP 2

抱えきれなくなったら
部署を増やす

自然に組織が育つ

STEP 3

GitHubプラグインで
自動構築

CCカンパニー / CCシークレタリ
AIがヒアリング → 自動生成

❌ 最初から全部署を作ろうとしない

コンテキスト = 「脳の拡張」

🧠 人間の脳

容量制限あり

🤖 AIの記憶領域

100万トークン
= 約75万文字

思考・癖・キャラクターを全てコンテキストに埋め込む

📝 ブログ記事

🌐 Webサイト

📱 アプリ

溜まった思考から具体的なアウトプットが生まれる

5体AIエージェント分業

👤 人間: MTG議事録を渡す（1回のアクション）
↓
① 論点抽出エージェント
↓
②③④ 3領域で並列リサーチ
↓
⑤ 戦略立案エージェント
↓
⑥ 全否定エージェント（批判的レビュー）
↓
📄 完成した戦略提案書

「5人のAIチームを同時に指揮する」感覚

Agent Teams

🤖 リーダーエージェント
├── タスクA → 🤖 チームメイト1（実行中）
├── タスクB → 🤖 チームメイト2（実行中）  ← 並列
├── タスクC → 🤖 チームメイト3（待機: Aに依存）
└── タスクD → （未割当: B完了後に開始）

1x 手作業（基準）
3-5x 単一エージェント
10x Agent Teams

常に 3-5プロジェクトを並行で進める

Agent Teams 実例 — Webアプリ+LP同時構築

リーダー

設計・タスク分解・割り振り・進捗管理

Opus（高精度）

デザイナー

UIデザイン・素材作成・LP用ビジュアル

Sonnet（コスト最適化）

アプリ開発

Webアプリ本体の実装

Sonnet（コスト最適化）

LP開発

ランディングページ構築

Sonnet（コスト最適化）

サブエージェントとの違い:

  • タスク完了を待って受け取る依存関係
  • エージェント間の相互コミュニケーション
  • 共有To-Doで順序管理

コスト最適化テクニック:

  • 判断が必要な役割 → Opus
  • 単純作業の役割 → Sonnet/Haiku
  • モデルを混ぜてコストを1/3に

サブエージェント vs Agent Teams — 使い分け

サブエージェント
Agent Teams
構造
親→子の一方向委譲
vs
相互コミュニケーション
依存関係
タスク独立（並列実行のみ）
vs
完了待ち・受け渡しあり
適した粒度
小〜中タスク
vs
大タスク（役割分担が必要）
たとえ
上司→部下への個別指示
vs
プロジェクトチーム

判断基準: 他のエージェントの作業完了を待つ必要があるか？
待つ必要なし → サブエージェント / 待って受け取る → Agent Teams

長時間駆動 — 3つの自動化機能

LOOP

loopコマンド

一定間隔でタスクを自動実行

毎朝の情報収集、定期レポート

REMOTE

リモートコントロール

外出先からPCのClaude Codeを遠隔操作

移動中に作業指示

AUTO

オートモード

パーミッション判断もAIが行う

完全自律駆動

「人間が寝ている間もAIが働き続ける」

蓄積が資産になる

Day 1

思考

→

Day 30

思考・判断基準

→

Day 90

パターン蓄積

→

Day 180

ナレッジ全集
= 資産

新アイデア創出

自己分析

事業成長

コンテンツ出力

「使い続けること自体が投資になる」

「AI八鹿を作りたい」

「メンバーが壁打ちできるAI社長」

「100人になっても1000人になっても
全員とマンツーマン対応できる」

「絶対やりたい。これやろう」

「AI社長めっちゃいいやん」

— けんさん（キックオフMTG 3/5）

暗黙知の種類

  • 判断基準 — 「この案件は受けるべき／見送るべき」
  • 優先順位 — 「今はこっちを先にやるべき」
  • 人の見方 — 「このメンバーにはこの仕事が向いている」
  • 失敗の教訓 — 「前にこれで失敗したから次はこうする」
  • 業界の勘 — 「この業界はこの訴求が効く」
  • 経営判断 — 「今は攻め時／守り時」

これらは現在、けんさんの頭の中にしかない

けんさんが忙しい時、メンバーはこの知識にアクセスできない

AIに渡すデータソース

  • 🎙️ 朝礼のデモ録音 → 文字起こし   ★★★（全部ある）
  • 🎥 MTG録画（TLDV） → 文字起こし   ★★★
  • 💬 Chatwork発言 → テキスト抽出   ★★
  • ✅ 成功案件レビュー → テキスト化   ★★★
  • ❌ 失敗案件レビュー → テキスト化   ★★★

「面談データはないが朝礼録音は全部ある」

「精度はすぐ上がらない。年月重ねて育てる感覚」

— けんさん

段階的構築ロードマップ

Phase 1

1ヶ月目

判断基準・NGワードを文書化

💬 AIが「けんさんならこう言いそう」と判断できるレベル

Phase 2

2-3ヶ月目

朝礼録音蓄積、経営方針整理

🤝 壁打ちレベル

Phase 3

4-6ヶ月目

MTG・FB蓄積

🙋 メンバーが相談レベル

Phase 4

6ヶ月〜

継続蓄積 + チューニング

👤 けんさんの分身レベル

データが溜まるほど精度が上がる

AI社長 — 今日からできること

  • ☐ ① CLAUDE.mdに判断基準を書く（30分）
  • ☐ ② NGワードリスト作成（15分）
  • ☐ ③ 勝ちパターンを3つ言語化（30分）
  • ☐ ④ 朝礼録音を1つ文字起こし（自動化可能）

「自分が作り続けていく方がいい。ずっとアップデートされるから」

— けんさん

フォルダ設計例 — けんさん用

hd-workspace/
├── CLAUDE.md                 ← 全社ルール
├── memory/
│   ├── decisions.md        ← 意思決定ログ
│   ├── preferences.md      ← 好み・スタイル
│   ├── context-log.md      ← 進捗・案件情報
│   └── case-judgment.md    ← 判断基準・教訓
├── skills/
│   ├── competitor-research/ ← 競合リサーチ
│   ├── copy-generation/    ← コピー生成
│   ├── report-creation/    ← レポート作成
│   └── new-project-setup/  ← 案件セットアップ
├── projects/
│   ├── client-a/          ← 案件固有CLAUDE.md
│   └── client-b/
├── templates/              ← テンプレート集
└── knowledge/             ← 勝ち/NGパターン・業界知見

「AIのためにフォルダを整理する」+ 自動化スキル + cronジョブで散らからない仕組み

ハンズオン①: 3業務選定

選定基準

  • ✅ 頻度が高い（週1回以上）
  • ✅ パターンがある（毎回同じ流れ）
  • ✅ 時間がかかっている（1回30分以上）
  • ✅ 品質にばらつきがある（人によって違う）

候補リスト

  • ☐ 新規案件の情報整理
  • ☐ 訴求整理 + コピー生成
  • ☐ レポート作成
  • ☐ 提案書のドラフト
  • ☐ 日報の整理
  • ☐ 議事録の構造化
  • ☐ その他: ___________

この中から3つ選んでください

ハンズオン②: 判断基準洗い出し

カテゴリ
けんさんの判断基準
→ 反映先
コピーのトーン
（例: 「美容系は共感→解決」「EC系は数字前面」）
→
CLAUDE.md
訴求の優先順位
（例: 「まずベネフィットから」）
→
CLAUDE.md
NGワード
（例: 「"絶対"は使わない」「薬機法NG表現」）
→
memory/
レポート構成
（例: 「サマリー→数字→分析→アクション」）
→
CLAUDE.md
クライアント対応
（例: 「初回は丁寧、リピーターには端的に」）
→
memory/

各カテゴリ1つずつでOK → CLAUDE.md と memory/ に即座に反映

「自分が最強になって
社内で研修する方が
パフォーマンス高い」

「業務も分かっているし、メンバーも知っている」
— けんさん

展開の4ステップ

① 今日

感動体験

「こんなことできるのか」という体感

② 1-2週間

実務導入

3業務以上をClaude Code経由で回す

③ 2-4週間

再利用化

勝ちパターンをスキル化

④ 1-2ヶ月

展開

コアメンバーから始める

❌ やってはいけないこと

  • いきなり全社導入
  • マニュアルだけ渡す
  • 「すごいぞ」で終了

📚 図書館モデル — チーム共有の4ルール

① 📖 読むのは自由

誰でも全データにアクセスできる

② ✍️ 書くのは自分のデスクだけ

個人ディレクトリで自由に作業

③ 📤 共有はAI司書を通す

「共有して」で統合、矛盾はAIが確認

④ ✅ AI司書が品質を守る

共有ドキュメント書き込み = AIのみ

セキュリティ: 学習リスクなし

API経由

入力内容がAIの学習に使われるリスク
= ゼロ

秘密鍵の流出防止

GitHubアップロード前にClaude Codeに
事前チェック+修正させる

Anthropic明言

API経由のデータは
モデル学習に使用しない

最低限やるべき「7つのセキュリティ設定」

ref: すぐる @SuguruKun_ai

❶ サンドボックス有効化
/sandboxで確認。allowUnsandboxedCommands: falseで完全封鎖

❷ denyルールで危険コマンド禁止
rm -rf / git push --force / curl / wget

❸ 機密ファイルの二重ブロック
permissions.deny + sandbox.filesystem.denyRead の両方設定

❹ ネットワーク制限
アクセス可能ドメインをホワイトリスト方式で制限

❺ PreToolUseフック
Bash実行前に独自バリデーション。exit 2でブロック

❻ /permissionsで棚卸し
月1回、現在の権限設定を一覧確認。/statusも併用

❼ Managed Settingsで組織強制
管理コンソールから全員に配信。ユーザーが勝手にallow追加を禁止

まず❶〜❹の基本設定だけで「何も設定なし」とは雲泥の差

セキュリティ対策の優先順位

★★★ 根本

機密情報をAIの手の届かない場所に

.env撤廃→環境変数。短命トークン（1時間以内）+ IP制限 + 最小権限

★★ 緩和

アクセス制御

.claudeignore / Plan Mode / auto-accept無効化

★ 構造

サンドボックス化

Dockerコンテナ内で実行

.claudeignore — AIに見せないファイルを指定

.claudeignore の書き方

# 機密情報 .env .env.* credentials/ **/secrets/ *.pem *.key # クライアント個人情報 clients/*/personal-data/ # 経理・財務データ accounting/*.csv invoices/ # 社内人事情報 hr/salaries/

設置場所と効果

プロジェクトルートに .claudeignore を配置
↓
Claude Codeが該当ファイルを読み込み不可に
↓
AIが触れない = 漏洩リスクゼロ

けんさん用の推奨設定:
クライアントの個人情報・経理データ・APIキーを含むファイルは全てここに記載

パーミッション設定の実践

settings.json で制御する

// .claude/settings.json { "permissions": { "allow": [ "Read", "Write", "Edit", "Glob", "Grep" ], "deny": [ "Bash(rm -rf *)", "Bash(git push --force *)", "Bash(curl *)", "Bash(wget *)", "Read(./.env)", "Read(./.env.*)", "Read(**/*.pem)", "Read(**/*.key)" ] } }

ref: すぐる @SuguruKun_ai — deny は最優先（allowで上書き不可）

チーム向け推奨設定

操作
けんさん
メンバー
ファイル読み書き
自動許可
確認必須
コマンド実行
自動許可
確認必須
外部API / 削除
確認必須
ブロック

Managed Settingsで組織全体に強制配布可能

機密情報の管理フロー — 具体的な手順

❌ やってはいけないこと

# ファイルにAPIキーを直書き API_KEY = "sk-abc123..." # パスワードをコードに埋め込み password = "company2026!" # .envをGitにコミット git add .env git commit -m "設定追加"

→ GitHubに上がると全世界に公開される

✅ 正しいやり方

# 1. 環境変数で管理（.envに書く） API_KEY=sk-abc123... # 2. .gitignore に .env を追加 echo ".env" >> .gitignore # 3. .claudeignore にも追加 echo ".env" >> .claudeignore # 4. コードからは環境変数で参照 import os api_key = os.environ["API_KEY"]

.gitignore

Gitにコミットしない
= 外部に出さない

.claudeignore

AIが読めない
= AIに渡さない

環境変数

OSが管理
= ファイルに残さない

AIに渡す情報の判断基準

✅ 読み込ませてOK

  • 自社の戦略情報（自社に影響が限定）
  • 公開済みの情報・プレスリリース
  • 匿名化されたデータ
  • 自分が決裁権を持つ情報

❌ 読み込ませてはいけない

  • 個人情報（氏名・住所・電話番号）
  • 顧客の機密情報
  • 取引先のNDA対象データ
  • 認証情報・パスワード

顧客プロジェクトの場合は顧客の情報ポリシーに従う。「どの情報を・いつ・どのAIに読み込ませるか」を設計してから導入する

機密ファイルの二重ブロック

ref: すぐる @SuguruKun_ai — 「有効化」と「完全に塞ぐ」は別物

① permissions.deny（Readツール経由）

"permissions": { "deny": [ "Read(./.env)", "Read(./.env.*)", "Read(**/*.pem)", "Read(**/*.key)" ] }

Claude CodeのReadツールをブロック

② sandbox.filesystem（Bash経由）

"sandbox": { "enabled": true, "allowUnsandboxedCommands": false, "filesystem": { "denyRead": [ "~/.aws/credentials", "~/.ssh" ] } }

cat ~/.ssh/id_rsa 等もブロック

両方設定が確実。プロンプトインジェクション対策として「読み取り自体」をブロックすることが重要

セキュリティを「さらに堅く」する

ref: すぐる @SuguruKun_ai

PreToolUseフック（中〜上級者向け）

"hooks": { "PreToolUse": [{ "matcher": "Bash", "hooks": [{ "type": "command", "command": ".claude/hooks/validate.sh" }] }] }

exit 2を返すとコマンドがブロックされる

定期棚卸し + 上級者向けオプション

月1回の棚卸し
/permissions — 現在の権限一覧
/status — 設定ファイル確認

さらに堅くしたい場合:

  • devcontainer — Anthropic公式の完全隔離環境
  • AgentShield — 1,282テスト・102ルールでスキャン
  • NemoClaw — プロセスごと外部サンドボックス

普段はbypassPermissionsで全開、センシティブな作業時に切り替えるスタイルもあり

Claude Code vs Cowork

Claude Code
Cowork
基盤
Claude Agent SDK
Claude Agent SDK（同じ）
自由度
高い
制限あり
対象
本格利用者
非エンジニア初期導入
学習コスト
やや高い
低い
推奨
けんさん・マサキ
メンバー初期導入

Coworkで慣れる → Claude Codeに移行 も選択肢

Vibe Coding → Vibe Working

2025年: Vibe Coding

「ノリでプログラミングしちゃおう」

  • AIにコードを書かせる
  • 対象: プログラミング領域
  • エンジニア中心の活用

2026年: Vibe Working

「ノリで仕事全体をAIに任せる」

  • 資料作成・メール・データ分析・ファイル整理・コード生成
  • 対象: あらゆるデジタル作業
  • 全職種に拡大

みんながExcelを使いこなしてきたように、Claude Codeが「デフォルト」になる時代

「消えたハシゴ」問題

従来

🐣→🗡️スライム→🐉ドラゴン
段階的成長

AI時代

🐣→（AIがスライムを倒す）→🐉ドラゴン！
いきなりボス戦

📚 圧倒的インプット

名作1000本、海外プロダクト全画面

💻 高速試行錯誤

デジタル空間での反復

🔄 基礎体験 + AIの往復

デッサン教室 → 画像生成AI

人間力（説得力・魅力の伝達）も生存戦略

宿題5項目

  • ① 3業務をClaude Codeで実行 — 1週間 / 各30分
  • ② CLAUDE.md第1版を書く — 1週間 / 1時間
  • ③ 判断基準5つ以上 → memory/に保存 — 2週間 / 30分
  • ④ 勝ち/NGパターン各3つ蓄積 — 2週間 / 30分
  • ⑤ セッションスクレイピング1回 — 1週間 / 15分

合計目安: 約4時間（2週間に分散）

成功条件

  • ☐ ① 1週間: 3業務以上をClaude Code経由で実行
  • ☐ ② 2週間: 運用ルール + スキル化対象が1つ以上定義
  • ☐ ③ 1ヶ月: 社内レクチャーをけんさん自身が話せる
  • ☐ ④ 明確な改善: 案件処理速度 / 品質 / 判断速さ のどれか

④のどれか1つでも改善が見えたら、この研修は成功

全3回ロードマップ

3月

【第1回: 今日】

→

4月

【第2回】

→

5月

【第3回】

→

6月〜

【自走】

使える
→ 設計できる

活かせる
+ 広げる

教えられる
（大川なし自走）

完全自走

継続サポート

Slack随時相談 / 月次AI戦略MTG / 暗黙知→形式知の移管 / 社内研修設計

Claude Code vs 他のAIエージェント

Genspark / Manus 等
Claude Code
動作場所
クラウド上
vs
自分のPC上
カスタマイズ
提供されたエージェントを使う
vs
Skills・CLAUDE.mdで自分好みに育てる
データ
アップロードが必要
vs
ローカルファイルに直接アクセス
拡張性
プラットフォーム依存
vs
MCP・CLI・APIで無限拡張

Claude Codeは「自分専用のAIに育てていける」のが最大の差別化

覚えて帰る3つのポイント

①

コードツールじゃない

言葉でコンピューターを操作するAIエージェント。プログラミング知識は不要

②

始めるハードル低い

デスクトップアプリをインストール → 起動 → 日本語で指示するだけ

③

自分専用AIに育てる

Skillsでどんどん専門知識を追加 → 自分だけの最強AIアシスタントに

みんながExcelを使いこなしてきたように、Claude Codeが当たり前になる時代

今日が、AI経営の出発点です。

一緒にやっていきましょう。

AI駆動開発（AIDD）のパラダイムシフト

AIを単なる補助ツールとして使うのではなく、AIが開発サイクルをリードするAI-DLC（AI Development Life Cycle）の考え方が重要視されています。

アダプティブなワークフロー

固定のプロセスではなく、モデルとエージェントハーネスが状況に応じて適応的（アダプティブ）にワークフローを生成する手法に移行

要件の明確化（インセプション）

曖昧なまま実装に進ませず、AIに「質問表」を作らせて人間に回答させることで、要件や仕様を詳細化してから構築フェーズに進む

実践的なハックと活用テクニック

脱「AIっぽい」デザイン

AIは「平均的でよく見るUI」を出力しがち。Pinterestのスクリーンショット画像を読み込ませたり、「Apple」「Nintendo」といった固有名詞をコンテキストとして与えて出力を偏らせる。柄背景やメッシュグラデーションも効果的

Chrome DevTools MCPの活用

セキュリティ制約の厳しい業務PCでも、Chrome DevToolsプロトコルをラップしたMCPを使えば、Claudeからブラウザの操作、DOMの確認、ネットワークログの調査が可能。実装からデバッグ、GitHubへのスクショ付きPR作成までを自動化

AIによる脆弱性診断

人間の専門家による手動診断より速く・安く・高精度に脆弱性を発見。大量の試行を高速で回すことで、高度なロジック脆弱性も検出可能

組織導入と品質管理

組織導入と利用状況の可視化

ログ基盤の構築

Hooks APIを利用して、誰がどのスキルやサブエージェントをどれくらい呼び出しているかのログを取得・可視化。使われていないスキルの改善に繋げる

社内展開のハードルを下げる

Managed Settingsを使って最低限のセキュリティ設定を強制配布。社内用のプラグインマーケットプレイスを構築して、社内DBに繋がるMCPなどをワンコマンドで導入

AIに任せる際の「限界」と「品質管理」

任せてはいけないこと

AIは古いバージョンのライブラリを使おうとしたり、動作確認でエラーを認識できず無限ループに陥ることがある。DBのマイグレーション時に既存データを消し飛ばすような破壊的なテーブル再設計を行うリスクもあるため、影響の大きい操作にはHuman in the Loopが不可欠

コンテキスト劣化の防止と役割分割

プロンプトが長くなるとAIは情報を忘れてしまう（コンテキストの劣化）。「計画」「実装」「レビュー」など単一の責務を持つエージェントを複数用意し、プログラムで制御・連携させて品質を担保

Appendix

参照資料

補足情報・リファレンス集

A-1. Claude Code UI一覧

CLI

ターミナル

最も自由度が高い。全機能にアクセス可能

エンジニア・上級者

EDITOR

VSCode / Cursor 拡張

エディタ内で使用。ファイルが視覚的に見える

非エンジニアに最推奨

DESKTOP

Desktop App

GUI操作。ドラッグ&ドロップ対応

一般ユーザー

WEB

Web版（claude.ai/code）

ブラウザから。インストール不要

外出先・サブ端末

MOBILE

Mobile App

スマホから操作・確認

外出中の確認・軽微な指示

REMOTE

Remote Control

外出先から自宅/オフィスPCを遠隔操作

移動中の作業継続

A-2. Hooks & カスタムコマンド

Hooks

  • PreToolUse — ツール実行前の自動チェック。例: 特定ファイルへの書き込みをブロック
  • PostToolUse — 実行後のログ記録・品質チェック。例: 変更内容をSlackに通知
  • 活用例 — 「どのAIツール/スキルが、誰に、どれだけ使われているか」ログ収集 → ダッシュボード化

カスタムスラッシュコマンド

  • .claude/commands/ にMarkdownファイルを置くだけで /command-name で呼び出し可能
  • 例: /copy-gen でコピー生成、/report でレポート作成

A-3. サブエージェント & Agent Teams

サブエージェント

  • 大タスクを小タスクに分解し、子エージェントに委譲する仕組み
  • 親エージェントがオーケストレーション（指揮）、子エージェントが個別タスクを実行

Agent Teams

  • リーダーエージェント + 複数チームメイトがタスクリストで連携
  • 依存関係を理解し、並列実行可能なタスクは同時に走らせる
1x 手書き
3-5x 単一エージェント
10x Agent Teams

A-4. Tasks機能

  • チェックリスト形式でタスクを管理
  • Claude Codeが進捗を追跡し、完了を確認
  • 複数タスクの依存関係も自動管理
  • Agent Teamsと組み合わせて並列実行も可能

A-5. AIDLC（AI-Driven Development Life Cycle）

INCEPTION

インセプション

要件の明確化

AIが質問→要件を詳細化→曖昧なまま進むのを防止

CONSTRUCTION

コンストラクション

実装・テスト

AIがコード生成+テスト実行

OPERATION

オペレーション

運用・監視

AIがログ監視+異常検知

A-6. AIっぽくないデザイン生成

① リファレンス戦略

  • Pinterestの画像をリファレンスとして渡す
  • 固有名詞でインスピレーション（「Apple風」「Nintendo風」）
  • メッシュグラデーション、柄背景など具体的なスタイル指示
  • referenceフォルダに好みのデザイン20-30枚を配置

② デザインシステム戦略（秘伝）

ルールを決める
色・文字サイズ・余白をすべてルール化
↓ Skillsに
部品(コンポーネント)を作る
グラフ・テーブル・見出し・本文を統一デザインで
↓ Skillsに
部品を組み合わせて作る
スライド・Webアプリ・LP何でも統一感あり

レゴブロック方式

A-7. セキュリティ詳細

🌐 ブラウザ操作

Chrome DevTools Protocol経由のMCPサーバーで安全にブラウザ操作

セキュリティが厳しい環境向け

🔍 AIによる脆弱性診断

人間の手動診断より「安く・早く・高品質」

ゼロデイ脆弱性の発見レベルの精度

🚫 .claudeignore

.gitignoreと同じ書式で、AIに読ませたくないファイルを指定

機密情報を含むファイルはここに記載

A-8. AI時代のキャリア戦略

  • 個人の能力差がAIには関係ない時代 — AIから見れば人間の個体差はいずれ誤差になる
  • AIは1枚目のカードにするな — AIは「ネクストスマートフォン」= 補助ツール
  • 最強戦略 — AI以外の領域でコアスキルを築き、AIを掛け合わせる
  • 中間工程はAI代替 → 入口（要件定義）+ 出口（評価）の「トータルディレクション」が価値の源泉
  • 自分の得意なフィニッシュパターンを想定 → サブスキルを獲得 → デュアル/トリプルスキル構築

A-9. AI利用の課題と対策

古いライブラリを使用

原因: AIの学習データが古い

対策: 最新ドキュメントをreferenceに配置して読み込ませる

エラー修正の無限ループ

原因: AI試行回数に制限なし

対策: 試行回数を明示的に制限（「3回試してダメなら報告して」）

デッドコードの蓄積

原因: 「動くコード」優先

対策: オーケストレーション（計画→実装→レビュー分離）

A-10. 推奨プロンプト例

案件セットアップ

この商品のLP（URL: ____）を分析して以下を整理:
1. 商品の特徴・USP
2. ターゲット（年齢、性別、悩み）
3. 競合3社の訴求パターン
4. 推奨訴求軸5つ
5. 各訴求でコピー案5つ

セッションスクレイピング

私のClaudeのセッションを全てスクレイピングして、
スキル/プラグイン/エージェント/CLAUDE.mdにすべきものに分類して提示して

レポート作成

添付データを分析してレポート作成:
- サマリー（3行以内）
- KPI推移（表形式）
- 好調/不調の要因分析
- 来月の改善アクション3つ

AI社長への判断相談

以下の状況について、けんさんの判断基準に基づいてアドバイスをください。
memory/case-judgment.mdとknowledge/winning-patterns/を参照してください。
状況: ____

A-11. 用語集

  • CLAUDE.md — AIの業務マニュアル。起動時に自動読み込み
  • Skills — 再利用可能な業務ワークフローのパッケージ
  • MCP — Model Context Protocol。外部ツールとの接続規格
  • Agent Loop / ReAct — Think→Act→Observe→Loopの自律実行サイクル
  • Plan Mode — 実行前に計画を確認するモード
  • Progressive Disclosure — 必要な時だけ情報を展開する仕組み
  • Agentic RAG — AIがフォルダ全体を自律的に検索・参照する仕組み
  • Context Engineering — AIに渡す文脈の質と量を設計すること
  • Human-in-the-Loop — ワークフロー中に人間の判断ポイントを入れる設計
  • Orchestrator Skill — 複数スキルを連鎖実行するメタスキル
  • Agent Teams — 複数AIエージェントが並列で分業する機能
  • AIDLC — AI-Driven Development Life Cycle
  • CC Company — Claude Code Company。AI組織経営のコンセプト
  • Cowork — 非エンジニア向けデスクトップUI。Claude Codeと同じ基盤

A-12. 公式リソース

  • 📄 Anthropic Skills構築ガイド（PDF）
    resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf
  • 📘 Claude Code 公式ドキュメント
    docs.anthropic.com/en/docs/claude-code
  • 📋 Anthropic API利用規約（学習非使用の根拠）
    anthropic.com/policies/terms

A-13. コスト一覧

項目
費用
備考
Cursor ウルトラ
¥3万/月
エディタ+AI統合
Claude Max 20x
$200/月 × 2名
けんさん + マサキ
API従量課金
¥1,000〜6,000/月
バナー300枚生成レベル
Slack / GAS等
無料
既存ツール
Vercel
無料枠あり
HTMLスライド等の公開
約¥10万/月 合計目安（2名分+API）

「止まるの嫌。すぐ課金する派」「3万でこんなことできるのか」 — けんさん