CONFIDENTIAL

他社共有・公開厳禁

本資料はAIKNOW × AD SHIFT の研修用に個別作成されたものです。
本資料の全部または一部の転載・再配布・公開、および第三者への共有を固くお断りします。
取り扱いには十分ご注意ください。

AIKNOW × AD SHIFT ｜ 2026-04
Claude Code 実践研修 v2

進化させられる人になる
— Claude Codeを育てる

2026.04 ｜ 対象: 渡辺 建・長谷川 マサキ ｜ 180minAIKNOW TRAINING

v1は「使える → 設計できる」までを扱った。
v2は「設計できる → 進化させられる」を扱う。

CHAPTER 01 — OPENING

今日のゴール

  1. 「急にバカになる」の正体を掴む（Ch.09-A — コンテキスト管理）
  2. 自分のClaudeを自分で育てる仕組みを作る（Ch.09-B + Ch.15 育てるループ）
  3. 指示役エージェント（Director）を1本 立ち上げる（Ch.12 ハンズオン）
  4. 個人ツール → 組織 → 社外販売の3段階ルートを見る（Ch.17〜21 Webサービス化）
  5. AI時代に自社が淘汰されない事業設計を議論する（Ch.24〜28 真の事業リスク）
v1の基礎を前提に、今日は上級領域へ直接入る
CHAPTER 01 — OPENING

v1 との差分マップ

次元v1（2026-03）v2（2026-04）
レベル使える → 設計できる設計できる → 進化させられる
焦点CLAUDE.md / Skills / Memory / MCPSKILL.md自動最適化 / Director Agent / Webサービス化
受講者状態Claude Code に触れたばかり指示役Agent 構築中（4/23対話より）
ハンズオン3業務選定（5分）Director構築（20分）+ プロンプトA/B（20分）

v1で扱った基礎は、この研修では前提とする。再説明しない。

CHAPTER 01 — OPENING

v1後に浮上した 3つの痛点（2026-04-23 対話より）

痛点 1
毎回説明が必要
「毎回、最初から文脈を説明している」
— けんさん／長谷川さん（対話）
痛点 2
コンテキストが煩雑化
「それやるとどの案件が何か分からなくなるみたいな」
— けんさん（対話 L70）
痛点 3
GitHub 必要か迷い
「これ使う意味あるんやっけみたいな」
— 長谷川さん（対話 L198）
今日の研修は、この3痛点への具体的な処方箋として設計した（Part A で解決／Part B で展開）
PART A

個人で使いこなす Claude Code

まず自分1人の業務で Claude Code を武器化する。
痛点の正体を掴み、CLAUDE.md で記憶を設計し、
カスタマイズと自動進化で「自分専用の相棒」に仕立てる。

TARGET
1人で業務を回す人
GOAL
自分のClaudeを
自分で育てられる状態
CHAPTERS
Ch.02 〜 Ch.11
02

使う → 設計 → 進化

v1到達の先で、何が変わるのか

CHAPTER 02 — 進化の3段階

Claude Code 習熟の3段階

Lv1
使える
単発指示で成果が出る。毎回説明が必要。
Lv2
設計できる（v1到達）
CLAUDE.md・Skillsで再利用可能な仕組みを作る。
Lv3
進化させる（v2ゴール）
仕組みが自分で進化する。テクニックを追わなくてよくなる。
CHAPTER 02 — 進化の3段階

Director の正体 — プロンプト変換エージェント

🎬 Director（ディレクター）とは： 映画・CMの現場にいる「監督」と同じ役割をAIで担う仕組み。詳しくはCh.12で深堀り。ここでは全体像だけ押さえる。
① 入力
自然言語の指示
「これ直して」
「あの案件の続き」
「いい感じに」
② DIRECTOR
裏で自動変換
意図明確化 ／ コンテキスト保持 ／ タスク分解 ／ 構造化プロンプト化
③ 実行
最適化プロンプト
Claude Code / Subagent / Skill を
適切に起動
Director = 「発話をAIに読み込ませやすい形に変換するエージェント」— Part B Ch.12〜13 で実装する
CHAPTER 02 — 進化の3段階

この1ヶ月で起きた外部変化

#出来事日付影響
1/team-onboarding コマンド追加4/16オンボーディング自動化
2mizchi empirical-prompt-tuning 公開4/18SKILL.md自動最適化
3Anthropic内部BP（Thariq氏）4/12〜コンテキスト管理5判断
4Managed Agents 実用段階4月Webサービス化が現実的に
5AIネイティブ $10B級出現継続Sierra / Rillet / Maven AGI
今日の研修は、この5変化をけんさん・長谷川さんの運用に統合する場
CHAPTER 02 — 進化の3段階

Google Drive → Claude 自動コンテキスト取込フロー

1
朝礼・MTG を録音 → Google Drive に自動文字起こし
けんさん: 「Google Driveに自動で文字起こしが今される機能がついてる」
2
時間トリガーでエージェントが Drive を巡回
「時間になったらエージェントが見に行って、アウトプットとしてコンテキストを貯める」（L146）
3
案件・キーワードでタグ付け → クローリング
「この会議はこういうところで使えそうだから、このタグ付けして、この案件に入れ込んどこう」（L178）
4
Claude Code が参照する案件別コンテキストとして蓄積
毎回説明不要 → Director が自動でロード
この運用イメージ＝けんさん・長谷川さんが対話で合意した"最適解"。Part B Ch.15（育てるループ）＋ Ch.22（議事録Bot）で実装まで落とす
03

追うべき情報 / 捨てるべき情報

なぜテクニックを追うほど Claude Code は弱くなるのか

「Xを開けば毎日 "この設定が最強" と流れてくる。
でも自分の環境に入れても、なんかしっくりこない」

CHAPTER 03 — 追う/捨てる

そのまま適用の失敗事例

GitHub上で推奨されているベストな設定ディレクトリをそのまま全て反映させたことがあります。 確かに機能面ではアップデートされたものの、自分が把握していない振る舞いが多くなりすぎました。 Claude Codeが自身の理解を超えた挙動をする頻度が増え、結果として使い勝手が大きく低下しました。
そのまま複製すると、それはもはや自分専用のClaude Codeではなくなる
CHAPTER 03 — 追う/捨てる

そのままコピー vs リファレンスとして活用

そのままコピー vs リファレンスとして活用
今日の約束: Xを追わなくていい仕組みを内製する（Ch.15「育てるループ」で具体化）
04

Anthropic内部ベストプラクティス大全

9割が知らない公式運用の型

CHAPTER 04 — CLAUDE.md設計

v1のCLAUDE.md復習

階層場所対象
① 管理ポリシーEnterprise組織全体
② ユーザーメモリ~/.claude/CLAUDE.md個人（全PJ横断）
③ プロジェクトメモリ<repo>/CLAUDE.mdチーム（Git管理）
④ プロジェクトローカル<repo>/CLAUDE.local.md個人（このPJのみ）
⑤ 自動メモリMEMORY.mdPJ別自動蓄積

v2新論点: Anthropic社員が実際どうやって使い分けているか

CHAPTER 04 — CLAUDE.md設計

Anthropic社員のCLAUDE.md構造

# [プロジェクト名] ## 何のプロジェクトか 1-2文で。 ## 技術スタック 箇条書き5-7項目。 ## コマンド ビルド/テスト/デプロイの実行方法。 ## やっていいこと / やってはいけないこと - 書き換えていい領域 - 触らない領域 ## 過去の決定 重要な設計判断のログ。 ## 現在のタスク （Claude Codeに直近の文脈を渡す）

出典: Anthropic社員 Thariq氏（@trq212）54万ビュー投稿

CLAUDE.md 1000行超 → コンテキストの15%を最初から占有
→ 「急にバカになる」の原因

CHAPTER 04 — CLAUDE.md設計

階層別に薄く置く原則

/repo/CLAUDE.md ← プロジェクト全体の基本 (100行) /docs/CLAUDE.md ← ドキュメント規約 (30行) /src/CLAUDE.md ← コーディング規約 (50行) /src/api/CLAUDE.md ← API特有ルール (30行) /tests/CLAUDE.md ← テスト規約 (30行)
Claude Codeは現在いる場所の階層を読む → 不要な文脈を読み込まない
CHAPTER 04 — CLAUDE.md設計

記憶の 4 ファイル設計 ＋「覚えて」運用

ファイル役割何を書くか更新トリガー
memory/decisions.md意思決定ログ採用した方針・却下した選択肢・根拠方針決定時
memory/preferences.mdユーザー好み語調・フォーマット・使わない単語・色・配置修正指摘時
memory/context-log.md案件コンテキストクライアント別の前提・禁忌・過去やり取り案件単位で
memory/case-judgment.md判断パターン「3回以上繰り返された修正」を自動記録自律学習
「3回以上繰り返された修正」を自動記録する運用 — 「覚えて」「今後はこう」と言うだけで該当ファイルに追記（Part B Ch.15 で実装）
CHAPTER 04 — CLAUDE.md設計

厳選 CLAUDE.md リファレンス

01
Morph CLAUDE.md Examples
テンプレート + 具体例豊富
02
Anthropic公式 Claude Code BP
公式の推奨パターン
03
awesome-claude-code（★3.5万）
コミュニティキュレーション
そのままコピーせず、Ch.13「プロンプト変換エージェント」で自分用に変換する
05

/team-onboarding

1コマンドで社内オンボーディング自動化

NEW COMMAND

/team-onboarding

新メンバーオンボーディング資料が1コマンドで自動生成される

CHAPTER 05 — /team-onboarding

6つの自動出力

セッション分析
30日
自動分析
作業タイプ割合
Build 40%
グラフ化
スキル頻度
Ranked
ランキング
MCP接続
#回数
可視化
セットアップ
Checklist
自動生成
ファイル一覧
読むべき
自動抽出

出典: @SuguruKun_ai（2026-04-16） / 出力: Markdown（Notion/GitHub貼付可）

🎬 LIVE DEMO

けんさんのリポジトリで /team-onboarding を実行

CHAPTER 05 — /team-onboarding

結果のNotion貼付 → 社内配布

AI
01
/team-onboarding 出力
→
Human
02
Notion にペースト
→
AD SHIFT
03
新メンバー全員が参照可能
月次で再実行 → けんさん用・長谷川さん用の2つの型を残す
CHAPTER 05 — /team-onboarding

既存運用のセッションスクレイピング（/team-onboarding 前段）

目的: /team-onboarding を走らせる前に、過去30日のセッションから資産化すべきパターンを自動抽出する。

1
過去30日のセッションログを読み込む
~/.claude/projects/*/*.jsonl を全走査
2
頻出パターン・繰返し指示を分類
① Skill化候補 ② CLAUDE.md ルール化候補 ③ Plugin/MCP 候補 ④ 手順書化候補
3
AIが候補リストを提案 → 人間が採否決定
Skill にすべきもの / CLAUDE.md に書くべきもの / 無視していいもの を判定
4
採用分を資産として配置 → /team-onboarding 実行
けんさんの暗黙知がオンボ資料に反映される状態で配布
VoC 痛点 1「毎回説明が必要」への直接解答。「過去ログ活用」を資産化してから団体戦を組む
06

カスタマイズ &
ショートカット 12選

非エンジニアのストレスを消す、
現場のベストプラクティス集

CHAPTER 06 — カスタマイズ12選

12選オーバービュー

#カスタマイズ効果
01VS Code / Cursor 拡張版大前提
02無許可モード（Bypass Permissions）毎回許可不要
03Obsidian Web ClipperWeb記事取込
04Finder Opt+⌘C外部ファイルパス取得
05DLフォルダ自動パスコピーLaunchAgent
06xurl 紐付けX投稿を直接読む
07⌘Shift+RファイルをFinderで開く
08Effort Extra High思考深度最大化
09VS Code 拡張（必須+推奨）可読性向上
10⌘Shift+.隠しフォルダ閲覧
11ESC×2直前指示やり直し（= /rewind）
12↑キー過去指示呼出
CHAPTER 06 — カスタマイズ12選

#1-2 環境の大前提

#1 VS Code / Cursor 拡張機能版を使う

#2 無許可モード（Bypass Permissions）

⌘+, で設定を開き: claudeCode.allowDangerouslySkipPermissions → ON claudeCode.initialPermissionMode → bypassPermissions or auto

センシティブ作業=通常モード / リサーチ・執筆=Bypassモードと使い分け

CHAPTER 06 — カスタマイズ12選

💡 Bypass Permissions とは

用語解説 Permissions（パーミッション）＝「許可」のこと。Claude Codeは普段、ファイルを書き換えたりコマンドを実行したりする前に「これやっていい？」と毎回聞いてくる。これは安全のためだけど、リサーチや文章を書くだけの作業だと毎回聞かれるとじゃま。

Bypass（バイパス）＝「回避する／飛ばす」という意味。つまりBypass Permissions＝「いちいち許可を聞かずに自分で進めていいよ」モード。高速道路のバイパス（近道）と同じ語源。

リサーチや執筆など安全な作業はBypassモード、ファイル削除など危ない作業は通常モード（許可を聞いてくる）で使い分けるのが賢い使い方。
CHAPTER 06 — カスタマイズ12選

Bypass Permissions 切替運用マトリクス — どの作業で使い分けるか

作業タイプモード理由具体例
リサーチ／情報収集BypassWeb取得・読み込みの連打で止まらない市場調査／競合比較／記事リサーチ
ライティング／記事執筆Bypassファイル作成・編集の承認地獄回避note 草稿／提案書ドラフト／メール
資料生成（スライド・図解）BypassHTML/CSS/画像処理の多数のbashコマンド研修資料／ピッチ資料／X投稿図解
コード実装（新規）通常破壊操作（削除・上書き）の確認ゲートDB migration / rm / git reset
本番運用の変更通常意図せぬ変更の保険Vercel deploy / DNS / 認証設定
日常運用（メモ／記憶更新）Bypass毎日のノイズを消すmemory/ 追記／tasks.md 更新
設定後、チャット欄のモード選択肢から切替可能。けんさん・長谷川さんは 8割 Bypass、破壊操作のみ通常 が最適解
CHAPTER 06 — カスタマイズ12選

#3-4 外部情報取り込み

03
Obsidian Web Clipper
Chrome拡張。WebページをMarkdown保存。X記事もmdファイル化可能。
04
Finder Opt+⌘C
macOS標準。選択ファイルの絶対パスをクリップボードに。

両方とも「ワークスペース外のファイルをClaude Codeに渡す」制約を回避

CHAPTER 06 — カスタマイズ12選

#3 Web Clipper の必須設定 — 保存先を「ダウンロード」に変える

1
Chrome拡張「Obsidian Web Clipper」を追加
Chrome ウェブストアからインストール（無料）
2
拡張アイコン → Settings → General
デフォルトは Obsidian Vault フォルダに保存される
3
保存先を「ダウンロードフォルダ」に変更（これが必須）
Output → "Download" を選択。この設定がないと #5 DL自動パスコピーと連携しない
4
使い方
長文X記事／会員登録必須記事 → Clipperで MD化 → DLフォルダ → 自動パスコピー → Claude Code に貼付
この保存先変更がないと「X記事/会員記事を Claude に読ませるフロー」が機能しない。設定確認必須
CHAPTER 06 — カスタマイズ12選

#5 DLフォルダ自動パスコピー

ダウンロード完了の瞬間に、自動で絶対パスがクリップボードに入る

仕組み: macOS LaunchAgent + シェルスクリプト

（Claude Codeにそのまま投げるプロンプト） ダウンロードフォルダに新しいファイルが保存されたら、 その絶対パスを自動でクリップボードにコピーする スクリプトをLaunchAgentで実装してください。 1. スクリプトを作成 2. LaunchAgentのplistを作成 3. LaunchAgentをロード 4. フルディスクアクセスの付与を案内 5. 付与後の再起動コマンドを案内
用語解説 launchd（ランチディー）＝Macのバックグラウンドで常に動いている「見張り番」の仕組み。たとえば「ダウンロードフォルダに何か入ったら教えて」とお願いしておくと、新しいファイルが来た瞬間に自動で反応してくれる。

LaunchAgent＝その見張り番に仕事を頼むための「お願いメモ（plistファイル）」。いつ・何をするかを書いて渡す。

フルディスクアクセス＝Macのセキュリティ設定。「このツールにダウンロードフォルダを見せてもいい」と許可を出す作業。一度だけ手動で設定する必要がある。
CHAPTER 06 — カスタマイズ12選

#6 xurl 紐付け — X投稿を直接読む

WebFetchはX投稿を読めない（認証エラー）。xurl（X公式CLI）をClaude Codeから呼び出せば、URL貼付だけで本文・メトリクス取得。

手動： X Developer Portal アプリ作成 → OAuth2有効化 → Client ID/Secret 控える（※APIデポジット必要）

Xの投稿内容をClaude Codeに読ませられるように、このMacに xurl を セットアップし、CLAUDE.md にも使い方を追記してください。 ## 1. xurl をインストール brew install xdevplatform/tap/xurl ## 2. アプリ登録と認証（Client ID/Secret を私が渡したら実行） xurl auth apps add posts-app \ --client-id '<私が渡したID>' \ --client-secret '<私が渡したSecret>' xurl auth default posts-app xurl auth oauth2 # ブラウザで認可 xurl whoami # 動作確認 ## 3. CLAUDE.md に追記 ## X（Twitter）ポスト取得 - XのURL（x.com/...）を受け取ったら、xurl read <post_id> で内容を取得する - WebFetchは使わない（認証エラーになる） - URLからポストIDを抽出して xurl read に渡す

使い方： 「この投稿を要約して https://x.com/.../status/...」と貼るだけで、裏で xurl が呼ばれて処理される

用語解説 xurl（エックスユーアールエル）＝X（旧Twitter）の公式ツール。URLからその投稿の本文を取ってくる道具。

OAuth2（オーオース2）＝「このツールにXアカウントを使ってもいい」という許可の出し方。パスワードを直接教えずに、Xのログイン画面で「許可する」を押すだけで済む安全な仕組み。

APIデポジット＝Xが提供する「投稿データを取ってくる機能（API）」を使うための前払い金。Xの開発者ポータルで少額を預けておく必要がある。
CHAPTER 06 — カスタマイズ12選

#7-8 エディタ連携 & 思考深度

07
⌘Shift+R でFinder表示
エディタ上のファイルを選択 → Finderで開く
ユースケース：
・画像をすぐ確認
・PDF/画像をSlack/メールに添付
・Figmaにドラッグ&ドロップ
08
Effort「Extra High」をデフォルトに
より深く考えた上で回答。
効果大：戦略立案／リサーチ／構成案作成
→ けんさんの経営壁打ち・長谷川さんのマーケ戦略で直結
けんさん向け: Bypass Permissions + Extra High の組合せが低リスクタスクの生産性を最大化
CHAPTER 06 — カスタマイズ12選

キラーユースケース — 契約書レビュー 3分フロー

1
Finder で契約書 .docx を選択 → Opt + ⌘ + C
絶対パスがクリップボードに入る（#4 の効果）
2
Claude Code に貼付 → レビュー指示
「このパスの契約書を、当社に不利な条項・曖昧表現・相場より悪い条件 の3観点でレビューして」
3
Claude が全文読み込み → 論点リスト＋修正提案を生成
※ Bypass Permissions モードなら承認なしで連続実行
4
修正提案を Word コメント形式で別ファイル保存 → 先方送付
「修正案を Word のコメント機能で差し込んだ .docx として 元ファイル名_reviewed.docx で保存」
今まで30分〜1時間かかっていた契約書レビューが、Opt+⌘C → プロンプト貼付 → 3分で終わる。しかも人間レビューよりも網羅的。
けんさんの AD SHIFT 業務直結 — 業務委託／取引基本契約／SLA 等のレビューで月次数時間を削減
CHAPTER 06 — カスタマイズ12選

#9-10 環境整備（非エンジニア必修）

#9 VS Code / Cursor 拡張機能（現場推奨）

必須
  • Markdown Editor — MDをNotionライクな見た目で編集（非エンジニア必須）
  • Japanese Language Pack — メニュー日本語化
推奨
  • Markdown All in One — プレビュー／目次／ショートカット
  • Markdown PDF — MDをPDF化して共有
  • Open in Browser — HTMLをブラウザですぐ確認

#10 .claude フォルダを定期メンテ

macOS Finder で ⌘Shift+. → 隠しファイル表示 → .claude/に commands/（スキル一覧）と settings.json（設定本体）。使っていないスキルの削除・設定チューニングを月1で見直す

CHAPTER 06 — カスタマイズ12選

#11-12 過去指示の呼び戻し

11
ESC ×2
直前指示やり直し
= /rewind と同機能
Thariq氏「最も過小評価されている機能」
12
↑キー
過去の指示を呼び出し。修正してEnterで再実行
#11 の本当の価値は Ch.09-B「SKILL.md 自動最適化の原理」で深堀り
CHAPTER 06 — カスタマイズ12選

12選インストール課題（配布物）

研修後1週間以内の宿題 — A4配布チェックリスト

□ #1
拡張版
□ #2
Bypass
□ #3
Clipper
□ #4
Opt+⌘C
□ #5
DL自動
□ #6
xurl
□ #7
⌘Shift+R
□ #8
Extra High
□ #9
拡張
□ #10
.claude
□ #11
ESC×2
□ #12
↑キー

進捗共有: Slack #ken-training で #5, #6 の完了写真

07

Anthropic社員の1日

公式が見せない運用ルーティン

CHAPTER 07 — Anthropic社員の1日

典型的な Claude Code 活用日

09:00
朝ルーティン
git worktree で新ブランチ / 昨日の引継ぎを CLAUDE.md に反映 / /clear で新規セッション
09:30
↓ 12:00
午前：メインタスク
高認知ブロック。ターン毎に5判断。/compact 方向性付きを1回（70%以下で）
13:00
↓ 17:00
午後：Subagents 並列
Subagents を並列実行 → 結果レビュー → メインにマージ。失敗は /rewind で消去
17:00
夕方：閉じる
CLAUDE.md に「今日の決定ログ」追記 / 明日やること3行 / /clear でセッション終了
「1タスク = 1セッション」が原則。セッションを跨ぐ情報はCLAUDE.mdに書き出す
CHAPTER 07 — Anthropic社員の1日

なぜ Claude Code は強いのか — 自律探索

なぜ Claude Code は強いのか — 自律探索
従来RAGは機械的にチャンクを返すだけ。Claude Codeは仮説→検証→追加調査を自律的に回す

「新しいタスクを始めるなら、
新しいセッションも始めるべき」

— Thariq氏（Anthropic社員）
08

公式 vs 現場 ギャップマップ

そのまま受け取ると壊れる

CHAPTER 08 — 公式vs現場

公式が語らない3つの現場知

#現場知公式扱い実態
1/rewindの本当の価値1行だけ言及最重要機能
2/compact 失敗の構造触れられていない腐敗状態での要約という二重苦
3そのまま適用の危険性むしろ推奨している「使い勝手が大きく低下」
公式BPは叩き台。そのまま受け取ると壊れる

Anthropic公式BP / awesome-claude-code / gstack / 50 Tips。
これらを 自分用にカスタマイズする仕組みを、
今日持って帰ってもらう。

09

自動進化システム

SKILL.md と Director で、
自分のClaudeを自分で育てる

CHAPTER 09 — 自動進化システム

Ch.09 の2本柱 — どう自分のClaudeを育てるか

09-A
コンテキスト管理の科学
毎ターン5判断でハードモードを乗りこなす。30-40万閾値 / /rewind / /compact vs /clear
09-B
SKILL.md 自動最適化の原理
書き手バイアス除去 / 7評価軸 / tool_uses の構造的解釈 — Claude が自分のSkillを改善する
本章は、けんさんの「急にバカになった」「同じ説明を毎回している」の2痛点を構造的に解決する2本立て
09-A

コンテキスト管理の科学

毎ターン5判断で、
ハードモード化を乗りこなす

CHAPTER 09-A — コンテキスト管理

コンテキスト腐敗閾値

30万〜40万

100万トークンあっても、30-40万からコンテキスト腐敗が始まる。けんさんが「急にバカになった」と感じる瞬間の正体

CHAPTER 09-A — コンテキスト管理

💡 コンテキスト腐敗とは

用語解説 コンテキスト＝AIが「今の会話で覚えていること」。たとえば教室で「昨日の続きから話そう」と言われたとき、昨日の話を覚えている量みたいなもの。

トークン＝AIが扱う文字のかたまり。日本語だと、だいたい1文字=1-2トークン。100万トークンはA4用紙で2000ページぶん。

コンテキスト腐敗（Context Rot）＝AIの「覚えていること」が増えすぎて、頭がごちゃごちゃになる現象。机の上に書類が積み重なりすぎて、どこに何があるか分からなくなる感じ。30-40万トークン（A4で600ページくらい）から、この現象が起きはじめる。
だから、1タスクごとに/clearで新しいセッションを始める＝机をきれいに片付けてから次の仕事をする、というのが正解

/rewind（ESC×2）は
「良いコンテキスト管理を示す最大の習慣」

— Thariq氏（Anthropic社員）
CHAPTER 09-A — コンテキスト管理

💡 /rewind /compact /clear の違い

用語解説 Claude Codeのチャット欄に / から始めて打つコマンドを「スラッシュコマンド」という。3つの主要コマンドの違い：

/rewind（リワインド）＝「セーブポイントに戻る」。さっきの指示を失敗したら、時間を巻き戻してやり直せる。ゲームオーバーしてリスタートするイメージ。

/compact（コンパクト）＝「今までの会話を要約して短くする」。長くなった会話を圧縮ファイルにするイメージ。

/clear（クリア）＝「全部リセットして最初から」。ホワイトボードを消して新しいお題を書き始める感じ。次のタスクに移るときは毎回これが基本。
CHAPTER 09 — コンテキスト管理5判断

/rewind の再発見

× 普通の反応
「それじゃダメだった、代わりにXを試して」

→ 失敗ログが全部残り続ける
○ 良いやり方
ファイル読み込み直後まで /rewind

→ クリーンな状態で再挑戦
ESC ダブルタップで過去任意のメッセージに戻る。以降は完全削除
CHAPTER 09 — コンテキスト管理5判断

/compact vs /clear の違い

項目/compact/clear
仕組みモデルが要約新規セッション（自分で書き出し）
可逆性不可逆完全リセット
方向付け指示可: /compact auth refactor集中自分で選ぶ
手間少ない多い
品質Claude判断依存自分でコントロール可
CHAPTER 09 — コンテキスト管理5判断

なぜ /compact が失敗するのか

問題1
方向性を予測できない
長いデバッグ後 autocompact → 次の指示が抜けてた
問題2
腐敗状態での要約
モデルが最低知能状態で要約 → 最も低質な要約
対策: 余裕のあるうちに自分から /compact（70%以下）＋ 方向性を添える ＋ AutoCompact に任せない

「このツール出力は後でまた必要か？
それとも 結論だけあればいいか？」
→ 結論だけでいいならサブエージェントに任せる

CHAPTER 09 — コンテキスト管理5判断

毎ターン5判断チェックリスト（配布物）

━━━━━━━━━━━━━━━━━━━━━━ 毎ターン5判断チェックリスト ━━━━━━━━━━━━━━━━━━━━━━ □ タスクが変わったか？ → /clear □ アプローチが失敗したか？ → /rewind (ESC×2) □ セッションが長くなったか？ → /compact 方向性付き □ 中間出力が多い作業か？ → Subagents □ 関連タスクで続行できるか？ → Continue ━━━━━━━━━━━━━━━━━━━━━━
A4 1枚配布。デスクに貼る。3日で習慣化する。
09-B

SKILL.md 自動最適化の原理

mizchi の empirical-prompt-tuning を下敷きに、
Skill そのものが自己改善する仕組み

「Skills を自動最適化する SKILL.md 作ったんだけど、
馬鹿みたいに効くので使っていいよ」

— @mizchi（2026-04-18）
CHAPTER 09-B — SKILL.md最適化

💡 SKILL.md 自動最適化とは

用語解説 SKILL.md（スキル・マークダウン）＝Claudeに「こういう手順でやってね」と教える取扱説明書ファイル。人間の新人社員に渡すマニュアルと同じ。

自動最適化＝Claude自身がこのマニュアルを読み返して、分かりにくい部分や抜けている部分を自分で修正する仕組み。料理のレシピに、作る人が気づいた改良点をどんどん書き足していくイメージ。

書き手バイアス＝マニュアルを書いた人は内容が分かっているから、「これくらい書かなくても分かるよね」と省略しがち。でも読む側（Claude）は初めてなので、書き手が当たり前に思っていることこそ明文化する必要がある。
📎 原典SKILL.md（mizchi公開）：
github.com/mizchi/chezmoi-dotfiles/.../empirical-prompt-tuning/SKILL.md

この SKILL.md 自体が「Skills を自動最適化する SKILL.md」。そのまま ~/.claude/skills/empirical-prompt-tuning/ に配置すれば、あらゆる自作 Skill に対して Claude が自律的に改善サイクルを回せる

CHAPTER 10 — SKILL.md原理

核心原理 — 書き手バイアス

プロンプトの品質は書いた本人には分からない。 書き手が「明瞭だ」と思うものほど、別エージェントが読むと詰まる。 バイアスを排した実行者に動かしてもらい両面で評価して反復改善する — mizchi empirical-prompt-tuning
👤
書き手は自分の意図・環境・暗黙前提を「知っている」
↓
💭
「これで通じる」と錯覚する
↓
🤖
別エージェントが読む → 前提が共有されていない
↓
🚫
詰まる／推測で補完／期待と違う結果
解決: バイアス排除読み — 新規 subagent に読ませて「不明瞭点」を自己申告させる
CHAPTER 10 — SKILL.md原理

7つの評価軸

#軸取り方意味
1成功/失敗二値最低ライン
2精度要件達成率%部分成功の程度
3ステップ数tool_uses指示の無駄遣い
4所要時間duration_ms認知負荷代替
5再試行回数自己申告曖昧さシグナル
6不明瞭点自己申告質的改善材料
7裁量補完箇所自己申告暗黙仕様の炙り出し

重み付け: 質的(#6, #7)=主 / 量的(#3, #4)=補助

CHAPTER 10 — SKILL.md原理

tool_uses の構造的解釈

シナリオ間で他シナリオ比 3-5倍以上なら、その skill は decision-tree index 寄りで自己完結性が低いサイン
シナリオA: tool_uses = 2 シナリオB: tool_uses = 3 シナリオC: tool_uses = 15 ← 異常値

対処: 「最小完成例 inline」を SKILL.md 冒頭に追加 → tool_uses 大幅低下

11

ライブビルド

empirical-prompt-tuning を今この場で回す

CHAPTER 11 — ライブビルド

ワークフロー 8ステップ

0
静的チェック
description と body の整合確認
1
ベースライン準備
評価シナリオ 2〜3本 / 要件チェックリスト 3〜7項目（[critical] 1つ以上）
2
バイアス排除読み
新規 subagent を dispatch。書き手の前提を共有しない
3
実行
subagent がシナリオを実際に動かす
4
両面評価（7軸）
質的 #6 不明瞭点 + #7 裁量補完 を主 / 量的 #3 tool_uses + #4 duration を補助
5
差分適用
1 iteration 1 テーマ（複数軸同時は外しがち）
6
再評価
新しい subagent で計測（前回の文脈を汚染しない）
7
収束判定
連続2イテレーションで新規不明瞭点ゼロ ＋ メトリクス改善 閾値以下 → 完了
CHAPTER 11 — ライブビルド

Step 1 — 評価シナリオ定義

対象 SKILL（例）: creative-generation

#シナリオ種類
A美容EC商品のコピー生成中央値
B医療広告のコピー生成（薬機法制約）エッジケース
CAmazon出品商品（数字訴求）エッジケース

選定基準: 現実に起こりうる / 中央値1 + edge 1〜2

CHAPTER 11 — ライブビルド

Step 2 — 要件チェックリスト

## シナリオA: 美容EC商品コピー生成 要件: - [critical] 3つの訴求軸が明示されている - [critical] 生成30案のうち5案以上が口語体 - [critical] 薬機法違反表現が含まれていない - 数字訴求が10案以上 - ターゲット属性（年齢・性別）明示 - 属性別の訴求差別化 - 出力フォーマット（JSON or Markdown）
[critical] が1つでも × → 失敗（×） / 全て○ → 成功（○）

🔴 LIVE — subagent dispatch

けんさん自身が「書き忘れた」と気づく瞬間が今日のハイライト

CHAPTER 11 — ライブビルド

Step 3-6 — 両面評価 → 差分適用

## Iteration 1 評価 ### 質的 不明瞭点: 1. ターゲット属性の指定方法 2. 文字数制限 3. NG表現リストの場所 4. 出力フォーマット 裁量補完箇所: 1. 年齢帯を推測で決めた 2. 訴求軸を3ではなく5に増やした ### 量的 成功/失敗: ×（[critical] 薬機法違反含む） 精度: 60% (6/10) tool_uses: 8 duration_ms: 32000

1 iteration 1 テーマ / 複数軸狙いは外しがち

CHAPTER 11 — ライブビルド

Step 7 — 収束判定と運用ループ

連続2イテレーションで 新規不明瞭点ゼロ + メトリクス改善 閾値以下 → 収束
けんさん運用: 月1回、使用頻度TOP3 SKILL に1サイクル（月30分）
PART B

組織で展開する Claude Code

個人で使いこなせたら、次はチームと事業に広げる。
Director Agent で指示を構造化し、階層アーキテクチャで並列実行。
Webサービス化・Managed Agents で、ノウハウそのものを商品化する。

TARGET
チーム・組織を率いる意思決定者
GOAL
Claude Code資産を
組織で増幅させる戦略
CHAPTERS
Ch.12 〜 Ch.29
PART B 導入 — 個人から組織へ

Part A で握ったこと — 3行で復習

①
3痛点の正体
「急にバカになる」＝コンテキスト腐敗／「毎回説明」＝記憶設計不足／「もっとやれる」＝Director不在
②
育てる4ステップ
メモリ4ファイル／empirical-prompt-tuning／毎ターン5判断／金曜15分ループ
③
Director 構造
人間の荒い発話 → 構造化プロンプト → メンバーAI実行。粒度変換と品質ゲートの二役
Part B は、この個人資産をチームと外部市場に広げるパートへ
12

Director Agent

AIが粒度変換を担う — 人間の曖昧な指示を構造化プロンプトに

CHAPTER 12 — Director Agent

なぜ Director Agent が必要か

用語統一： 本資料では Director Agent = 指示役エージェント = Manager AI（Ch.14で登場）を指す。同一概念の呼称を統一。
🗣️
人間の発話：意図・前提・期待値は頭にあるが、言語化されていない
↓ AI に直接渡す
🤔
AI が推測で補完する
↓
⚠️
期待と違う結果 → 追加指示・修正が発生
↓ コンテキスト汚染
💥
Context Rot が加速する
Director Agent の役割：荒い発話 → 構造化最適化プロンプトに変換 / Context Rot を抑制
用語解説 Director Agent（ディレクター・エージェント）＝映画やCMの現場にいる「ディレクター（監督）」と同じ役割をAIでやる仕組み。

人が「いい感じの提案書作って」とざっくり言っても、ディレクターが間に入って「クライアントはA社、予算は◯万円、形式はPDF」と具体的に書き直してから、実際に作業するAI（スタッフ）に指示を出す。

だから失敗が減るし、何度も「違う、こうじゃない」とやり直す手間が消える。人間の曖昧な指示を、AIが動きやすい形に翻訳する通訳さんと思えばOK。
CHAPTER 12 — Director Agent

Director Agent の構造

人間
長谷川さん / けんさん
↓ 発話: 「提案書作って、クライアントは〇〇で…」
DIRECTOR AGENT
4つの処理
1. コンテキスト参照 → 2. 意図明確化 → 3. タスク分解 → 4. 構造化プロンプト化
↓ 最適化プロンプト
Writer
Designer
Researcher
CHAPTER 12 — Director Agent

Director は「上納前 QAゲート」でもある

毎回例えば資料で、なんかここがもっとこうしたらとか、デザインのクオリティがこうとか、もっと上げろとかあるじゃないすか。…最終資料出す時はエージェントかませろ、デザイン・誤字脱字・伝わりやすさを俺にあげる前に絶対やってからやれ、って。 — けんさん / 長谷川さん（2026-04-23 対話 L490-508）
01 メンバーAI
成果物ドラフト
資料／提案書／記事／コード
02 DIRECTOR QA
品質ゲート自動通過
① 誤字脱字 ② 数値整合 ③ デザイン規約 ④ 読み手の分かりやすさ ⑤ けんさん preference 違反
03 上納
けんさんに渡る
けんさんは判断に集中 — 修正指摘で消耗しない
Director は「指示変換 ＋ 品質ゲート」の二役。けんさん preference の蓄積（Ch4 メモリ）と直結する
CHAPTER 12 — Director Agent

Director × empirical-prompt-tuning 二重ループ

Outer Loop — Director 本体
ユーザー指示
→
最適化プロンプト
→
メンバーAI 実行
→
結果フィードバック
→
品質判定
NG?
Inner Loop — empirical-prompt-tuning
NG なら発動 → Director Agent のプロンプト自体を改善 → Director v1.1 → v1.2 → ... とバージョンアップ
Director Agent 自体が自律進化する — 運用しながら品質が上がる
13

プロンプト変換エージェント

発話 → 最適化プロンプト → 実行

CHAPTER 13 — プロンプト変換

実装サンプル — Claude Code Skill として

--- name: director-agent description: ユーザー発話をメンバーAI用に最適化するプロンプト変換エージェント --- # Director Agent ## トリガー - 新規タスクの開始時 - 「〜して」「〜作って」という指示形の発話 ## 処理ステップ 1. コンテキスト参照（類似タスク検索） 2. 意図明確化（ゴール・制約抽出） 3. タスク分解（必要に応じて） 4. 構造化プロンプト生成 ## 出力フォーマット 【タスク】... 【コンテキスト】... 【制約】... 【出力フォーマット】...
14

階層アーキテクチャ

マネージャー × PM × メンバー

CHAPTER 14 — 階層アーキテクチャ

粒度変換の原則

Human
粒度
「提案書作って、XX社向け」
↓ Manager が文脈補完・構造化
Manager
粒度
「提案書作成タスク。クライアント: XX社、業種: 美容EC、過去類似3件参照、10P以内、Markdown」
↓ PM が分解
PM
粒度
① 過去類似3件調査 (Researcher) / ② 競合3社LP分析 (Researcher) / ③ 提案骨子 (Writer) / ④ デザイン (Designer) / ⑤ 統合・校正 (Writer)
↓ Member 実行
Member
粒度
各専門 subagent が単一タスクに集中して実行 — 迷いなく成果物を出す
けんさんが渡す粒度 ≠ メンバーAI に渡す粒度。間に Manager / PM を挟むのが肝
CHAPTER 14 — 階層アーキテクチャ

Subagents / Agent Tool との対応

v2階層モデルClaude Code 実装
Manager AIメインセッションの Director Agent SKILL
PM AITask tool + subagent_type="general-purpose"
Member AITask tool + 専門 subagent (researcher, writer, coder)
既存の Claude Code 機能の組合せ。長谷川さんの「将軍5体」はこの先取り
15

育てるループ

Xを追わなくていい週次ルーティン

CHAPTER 15 — 育てるループ

育てる原則

外部の設定をそのまま反映させない。

Claude Codeに:
①「自分の環境に合った設定をピックアップして提案させる」
②「それをユーザー向けに分かりやすく説明させる」
③「ユーザーが理解できて気に入ったものだけを選んでアップデートさせる」
CHAPTER 15 — 育てるループ

育てる 4ステップ

育てる 4ステップ
Step 4の「わからない提案は質問する」を省かない
CHAPTER 15 — 育てるループ

厳選 9リファレンス

種別リファレンス特徴
GitHubawesome-claude-code（★3.5万）エコシステム全体
GitHubgstack（★6万）YC CEO Garry Tan の経営タスク
GitHubclaude-code-best-practice（★2.9万）87 Tips
GitHubsuperpowers（★1.2万）高度カスタマイズ
記事Eyad Khrais complete tutorial1000万ビュー定番
記事Claude Code公式 BPAnthropic公式
記事arscontexta obsidian+claude 101フォルダ=思考システム
記事Morph CLAUDE.md ExamplesCLAUDE.md特化
記事Builder.io 50 Tips50 Tips番号付き
CHAPTER 15 — 育てるループ

議事録エージェント構想 — VoC の最適解を SKILL に落とす

--- name: meeting-crawler description: Google Drive 上の議事録を巡回しタグ付け、案件別コンテキストに蓄積する --- # Meeting Crawler Agent ## トリガー - cron: 毎日 19:00 / 手動 /meeting-crawl ## 処理ステップ 1. Google Drive API で指定フォルダ配下の「{date}_議事録」ファイル群を取得 2. 各議事録の本文を Claude に渡し、以下を自動抽出 - 案件ID（既存 context-log.md と照合） - キーワード（3-5個） - 決定事項 / 未決定事項 / 次アクション 3. 該当案件の memory/context/{案件ID}.md に追記 4. 新規案件なら memory/context/NEW_{日付}.md を作成し、人間に確認依頼 5. Slack #ken-training に「今日追加されたコンテキスト」を1行要約で通知 ## 出力フォーマット - memory/context/{案件ID}.md（タグ付き追記） - logs/meeting-crawler/{日付}.log
VoC 冒頭で合意した"最適解"。Ch.22 の議事録Bot ライブデモはこのコンセプトの対外公開版
CHAPTER 15 — 育てるループ

育てるプロンプト（配布）

バージョンA: 汎用テンプレート

以下のGitHubリポジトリや記事URLを読んだ上で、 私のClaude Code環境を改善するためのアップデート提案をお願いします。 [URL] 私は非エンジニアの経営者です... 1. 現在のワークスペース確認 2. 最近のやり取り傾向 3. 改善候補ピックアップ 4. 【提案 No.X】形式で提示 全て一括適用せず、リスト提示に留める

バージョンB: けんさんカスタム版（広告代理店業務特化 / クリエイティブ生成SKILL優先 / コーディング系テクは除外）

週次ルーティン

金曜 15分

5年続ければ 約500の改善が積み上がる。Xを追わなくていい。

16

ハンズオン: Director Agent v1

20分で各自作る

CHAPTER 16 — ハンズオン

ハンズオン設計図（20分）

時間配分: 0-3分: Step 1 SKILL.md 雛形記述 3-10分: Step 2 プロンプト変換ロジック実装 10-15分: Step 3 empirical-prompt-tuning で1サイクル 15-18分: Step 4 互いにデモ 18-20分: 宿題確認
けんさん
creative-director-agent.md
長谷川さん
operations-director-agent.md
CHAPTER 16 — ハンズオン

Step 1-2 — 雛形 + 変換ロジック

--- name: creative-director-agent ← けんさん用 description: [あなたが埋める] --- # Creative Director Agent ## トリガー - [あなたが埋める] ## 処理ステップ 1. [コンテキスト参照の方法] 2. [意図明確化の方法] 3. [タスク分解の方法] 4. [構造化プロンプト化の方法] ## 出力フォーマット [あなたが埋める]

Step 2: Claude Code に完成依頼（7分）

CHAPTER 16 — ハンズオン

Step 3-4 — 品質保証 + 成果共有

  1. 評価シナリオ 2本を決める（自業務から）
  2. 要件チェックリスト 3-5項目（[critical] 1つ以上）
  3. empirical-prompt-tuning スキルを呼び出す
  4. subagent が実行・不明瞭点レポート確認
  5. 互いにデモ・フィードバック交換
宿題: 研修後1週間で empirical-prompt-tuning を3サイクル実行 → Slack共有
CHAPTER 16 — ハンズオン

個人 Claude Code → チーム共有 → SaaS化 の 3段階

Lv1
個人 Claude Code（〜今日）
自分のPCでのみ動作。CLAUDE.md / Skills / Director Agent はローカル
Lv2
チーム共有（GitHub リポジトリ化）
CLAUDE.md / .claude/ を GitHub で共有。長谷川さん・AD SHIFT メンバーが clone → 同じ型で作業
Lv3
SaaS化（Part B へ）
「SaaS化したものを、パスワードで共有アカウントアクセス。GitHub にリポジトリとしてアップデートするエージェントさえ作れば、自動的にアップデートしていく」 — けんさん（L186-190）
Part B ではこの Lv3 を扱う。「個人 → チーム → 社外」で同じ資産が3倍活きる
17

Webサービス化

Claude Code を自分のPCの外に出し、
自社サービスとして展開する

CHAPTER 17 — Webサービス化

💡 Webサービス化 / SaaS とは

用語解説 Webサービス化＝今まで自分のMacの中でだけ動いていたClaude Codeを、インターネット経由で他の人も使える形に変えること。自分の部屋でしか聞けなかった音楽を、Spotifyに公開してみんなが聴ける状態にするイメージ。

SaaS（サース、Software as a Service）＝月額を払って使うネットサービスのこと。Netflix、Spotify、Canva、Notion、ChatGPT Plus など。作る側は1回作れば、何百人でも何千人でも同時に使える＝"売り切り"ではなく"使い続けてもらう"ビジネス。

なぜ大事か：AIKNOW が今までやってきたClaude Codeの工夫を、月額¥3万のサービスとして100社に売れば、月¥300万の継続収益が生まれる。時間を切り売りする働き方から、仕組みが自動で稼ぐ働き方への転換点。

Claude Codeは、もはや単に
「自分のPCの中で動く便利な作業ツール」ではない。
クラウドサーバー上で Webサービスの裏側として動かせる

CHAPTER 17 — 外部化思想

社内ツールとして配布 → 専門支援サービスとして公開

社内ツールとして配布 → 専門支援サービスとして公開
けんさん 4/23対話: 「SaaS化したものを、パスワードで共有アカウントアクセスさせる」

AI時代モデル:
経営者の知識を Markdown 構造化 → Claude Code 自律探索
→ N人に同時提供 / スケール可能

18

4つのサービス型

Claude Codeがバックエンドで走るパターン

CHAPTER 18 — 4つのサービス型

4つのサービス型

4つのサービス型
共通の核: AIが自律的に複数ファイル探索・判断・統合する多段階思考プロセス
CHAPTER 18 — 4つのサービス型

① 専門領域支援スケール

Step 1: 自社ノウハウを Markdown で構造化 Step 2: ユーザーが「自社の状況」を入力 Step 3: AIが関連情報を横断探索 Step 4: 戦略の初期案を生成
CHAPTER 18 — 4つのサービス型

③ マルチステップ・ワークフロー

ユーザー入力
↓
AI 判定（業種・規模・予算）
↓ 分岐
テンプレート選択
類似案件検索
単価参照
↓ 統合
最終成果物（提案書 + 見積）
CHAPTER 18 — 4つのサービス型

④ ナレッジ×ルール×文脈の掛け合わせ

Layer 1
キャラクター設定
Layer 2
出力ガイドライン
Layer 3
トピック別知識
Layer 4
ユーザー指定テーマ
↓ 全部掛け合わせ
コンテンツ出力

Claude Codeは必要な情報だけ必要なタイミングで読む → 各レイヤーが薄まらない

CHAPTER 18 — 4つのサービス型

けんさん業務マッピング

業務該当サービス型商品化難易度
クリエイティブ生成④ナレッジ×ルール×文脈★★（即可能）
提案書作成③マルチステップWF★★（即可能）
入稿自動化①+③の組合せ★★★
リサーチ・競合分析②複雑な調査★（最易）
広告運用ノウハウ提供①専門領域支援★★★
即商品化候補: リサーチ代行SaaS
CHAPTER 18 — 4つのサービス型

長谷川さん業務マッピング — 秘書役の外化

業務該当サービス型AI化の型
議事録作成③マルチステップWFCh.22 議事録Bot で今日ライブ実装
スケジュール調整④ナレッジ×ルール×文脈会議優先度ルール＋けんさんの判断パターンを暗黙知化
リサーチ補助（業界動向）②複雑な調査Subagent 並列 → 朝の3分ブリーフ
メール草案③マルチステップWFCRM文脈＋過去ラリー履歴から自動ドラフト
タスク進捗棚卸し①専門領域支援週金曜15分ループと直結
長谷川さんの業務こそ、Director Agent の恩恵を最初に受ける — 指示の粒度変換で日常の「察する」負担が消える
20

経営者にとっての意味

知識がサービスになる時代

CHAPTER 20 — 経営者にとっての意味

月次追加収益（試算）

¥400万

現状 広告運用代行 ¥750万/月（AD SHIFT既存）+ AI SaaS 4本 ¥400万/月（Ch.23の内訳参照）。構築コスト ¥500万 → 約1.25ヶ月で回収

21

構築ガイド + Managed Agents

MVPを2週間で立ち上げる

CHAPTER 21 — 構築ガイド

💡 Managed Agents / Agentic RAG とは

用語解説 Managed Agents（マネージド・エージェント）＝Claude（Anthropic社）が代わりに面倒を見てくれる「AI社員」の仕組み。自分でサーバーを借りたりプログラムを書いたりしなくても、Claudeに「こういう仕事をするAIを1人雇いたい」と頼むだけで、その場で働いてくれる。

Agentic RAG（エージェンティック・ラグ）＝AIが自分で「必要な情報を探しに行く」仕組み。従来の RAG は、人が「この資料から答えて」と渡すのに対し、Agentic RAG はAI自身がMarkdownファイルを読み歩いて、必要な情報を自力で見つける。図書館で自分で本を取りに行く学生のイメージ。
CHAPTER 21 — 構築ガイド

Agentic RAG — Markdown 整理だけで従来 RAG を超える

観点従来 RAG（エンジニア必須）Agentic RAG（経営者で OK）
検索方式ベクトル類似度で"似たチャンク"を取得AI が 仮説→裏取り→複数ソース統合 で判断
必要な技術ベクトル DB / Embedding / チャンク戦略 / リランカーMarkdown ファイルを整理するだけ
精度の上げ方チューニング工数 数週間ナレッジの書き方を調整するだけ
意思決定の主体パイプラインが固定AI が自律的に「どのファイルを何順で読むか」を決める
担い手エンジニアチーム経営者・ドメイン専門家
本気で精度を出そうと思ったら、ベクトル DB、Embedding モデル、チャンク分割戦略など、エンジニアが数週間かけて構築する必要があった。…Claude Code はMarkdown ファイルを整理するだけで、AI が自ら必要な情報を探し出す。
Part B の核心思想。"Markdown を書ける=SaaS を作れる" という逆転が、けんさん・長谷川さんに新規事業の権利を渡す
CHAPTER 21 — 構築ガイド

Webサービスの全体像

Webサービスの全体像
Next.js on Railway / Claude Code CLI / Markdownナレッジベース の3層構成
CHAPTER 21 — 構築ガイド

SaaS配布アーキテクチャ — けんさん対話で発案されたモデル

A
GitHub に Claude Code 資産リポジトリ
CLAUDE.md / .claude/skills / Director Agent / memory/ をリポ管理
B
パスワードで共有アカウントアクセス
クライアント企業に共有アカウントを配布。SaaS 画面から同一リポを参照
C
自動更新エージェント
改善が発生したら AD SHIFT 側がコミット → クライアント全社のリポが自動アップデート
D
結果
けんさんの暗黙知が、営業せずに全クライアント環境で最新状態 — 月次改善がそのまま収益に乗る
なんか SaaS 化みたいなのをしちゃって、パスワードを GitHub にあげて、SaaS 化したものをパスワードとかで共有アカウントアクセスさせてしまえば、GitHub にリポジトリとしてアップデートするエージェントさえ作っちゃえば、自動的にアップデートしていく。 — けんさん（2026-04-23 対話 L186-190）
Managed Agents を使わない"自前 SaaS"パターン。Part B Lv3 の具体アーキとして次スライドの Managed Agents と対比する
CHAPTER 21 — 構築ガイド

自分でサーバー vs Managed Agents

項目自前サーバー（旧）Managed Agents（新）
サーバー準備Railway等Anthropic管理
認証管理自前実装提供済み
課金管理Stripe自前連携提供済み
セッション管理自前実装提供済み
立ち上げ速度中速い
MVP段階: Managed Agents で即立ち上げ
CHAPTER 21 — 構築ガイド

Managed Agents の 3概念 — Agent / Environment / Session

① AGENT
一度作って ID を再利用
Claude のバージョン・システムプロンプト・使える Tool 集合を定義。
初回のみagents.create() して ID を保存
② ENVIRONMENT
実行環境を定義・再利用
cloud（ネット接続可）/ unrestricted 等を選択。
ファイルシステムの扱いも決定。Agent と同じく ID 再利用
③ SESSION
リクエスト毎に新規
ユーザーの 1リクエスト = 1 Session。
Agent ID + Environment ID を渡し、入力メッセージと共にsessions.create()
"Agent は定義 → Environment は環境 → Session は実行" の 3層分離を理解すれば、Managed Agents のドキュメントは一気に読める
CHAPTER 21 — 構築ガイド

構築の核心 3ステップ

構築の核心 3ステップ
最短で 2週間でMVP稼働可能 — ナレッジベースの質がサービスの質を決める
CHAPTER 21 — 構築ガイド

ナレッジベース設計 4原則 — サービスの質はここで決まる

01
フォルダ階層に意味を持たせる
業界別／顧客別／プロセス別に分割。AI は階層から文脈を推測する
02
1ファイル 1トピック
「提案書作法.md」「美容EC過去事例.md」のように分離。巨大ファイルは精度を落とす
03
目次／対応表ファイルを置く
INDEX.mdに「このフォルダに何がある／どう探すか」を書き、AI の巡回を導く
04
システムプロンプトで所在を明記
「料金は pricing/ 配下」「過去事例は cases/業種/」と CLAUDE.md で宣言
コードでなく「ファイル配置」で精度が決まる。けんさんの暗黙知をフォルダ構造として外化する作業が Part B のハンズオン核心
CHAPTER 21 — 構築ガイド

仕様設計プロンプト — Managed Agents 版・[角括弧]雛形 完全配布

ナレッジベースをもとにAIが自律的に情報を探索・統合してコンテンツを生成する Webサービスを、Claude Managed Agents を使って構築してください。 Docker/サーバー構築は不要です。 【技術スタック】 - フロント: Next.js 14 (App Router) + Tailwind + shadcn/ui - AI実行: Claude Managed Agents（Anthropic SDK経由、`@anthropic-ai/sdk`） - デプロイ: Vercel - ベータヘッダー: `managed-agents-2026-04-01` 【プロジェクト構成】 src/ ├── app/ │ ├── api/generate/route.ts # SSE ストリーミング │ ├── page.tsx # 入力フォーム + 生成結果 │ └── layout.tsx ├── lib/ │ ├── managed-agent.ts # Agent / Environment / Session 管理 │ └── knowledge-loader.ts # Markdown ナレッジ読込 └── knowledge/ # Markdown ナレッジベース（あなたが整理） ├── INDEX.md ├── pricing/ ├── cases/ └── guidelines/ 【サービス概要】（[角括弧] を書き換える） - サービス名: [例: AD SHIFT Proposal Generator] - 提供価値: [例: 広告代理店向けに、業種×予算規模から提案書初稿を自動生成] - ターゲット: [例: 中小広告代理店・フリーランス AD プランナー] - 価格: [例: 月額 3万円 / 10生成まで] 【ナレッジベースの中身】（Markdown で書く、AI がこれを自律巡回） - [例: 業種別提案書パターン 20本（cases/）] - [例: 料金設計ガイド（pricing/）] - [例: クライアントヒアリング定型（guidelines/）] 【セッション設計】 - maxDuration: 300秒 - tools: [file_read, web_search] - environment: cloud

この1ブロックを Claude Code に貼るだけで Next.js プロジェクト雛形が生成される — 記事L222-312 原文ベース

🎬 LIVE DEMO

Google Drive 議事録Bot — けんさんVoC#2を今この場で実装

CHAPTER 22 — 議事録Bot

議事録Bot AD SHIFT実装ロードマップ

Week内容
1Claude Code + Google Drive API 接続テスト / サンプル動画で動作確認
2実運用テスト（けんさんMTG録画）/ プロンプト調整（empirical-prompt-tuning）
3社内展開（長谷川さん・他メンバー）/ Slack通知 / Notion自動アーカイブ
4クライアントMTG対応（守秘設定）/ 月次振り返り
議事録作成時間: 週5時間 → 週15分（月20時間削減）
CHAPTER 23 — けんさん業務外部化

AD SHIFT AI SaaSポートフォリオ

#SaaS名月額契約数月売上
1クリエイティブ生成¥20,00050¥1,000,000
2入稿自動化ツール¥80,00020¥1,600,000
3広告運用戦略初期案¥30,00030¥900,000
4競合LP分析レポート¥50,00010¥500,000
合計110社¥4,000,000
けんさんの時間投入: 構築期のみ。運用後はほぼゼロ
24

AI時代の真の事業リスク

業務効率化に夢中になっている間に、
事業モデルそのものが揺らぐ

「業務効率化」偏重のAI経営は、
経営者の目を真の事業変革から逸らす。
極めて危険な副作用を伴う。

CHAPTER 24 — 2つの次元の差

業務効率化偏重の罠

⚙️
「AI で業務効率化してる」
↓
😊
「AI 活用してる気」になる
↓
🕶️
真のリスク（事業モデル破壊）が見えなくなる
↓ ある日
🚀
AI ネイティブ新興企業が市場参入
↓
📉
「あれ、うちの顧客が減ってる…」
↓
💀
気づいた時には遅い
業務効率化は必要条件であって十分条件ではない — 同時に事業モデル自体を問い直す

ただ待つのではなく、
自社自身が「AIネイティブな自社のディスラプター」になるべき

25

8つのAIネイティブ・ディスラプター

世界で今まさに起きている現実

CHAPTER 25 — AIネイティブ・ディスラプター

💡 ディスラプター / AIネイティブ とは

用語解説 ディスラプター（Disruptor）＝直訳は「混乱させる人／破壊する人」。ビジネス用語では、今まであった業界の仕組みを根本から変えてしまう新しい企業のこと。

例：Netflix がレンタルビデオ店（TSUTAYA）を壊した／Uber がタクシー業界を揺さぶった。これらはディスラプター。

AIネイティブ＝生まれたときからAIで動いている、の意味。既存企業がAIを「追加」するのではなく、創業時からAIが中心に組み込まれている会社。

$10B（テンビリオン）＝約1.5兆円。この規模の企業価値を持つAIネイティブ企業がすでに複数出ている＝「AI時代の新しい勝ち組が決まりつつある」ということ。
CHAPTER 25 — 8ディスラプター

8社オーバービュー

#産業会社評価額/調達ディスラプト対象
1CSSierra$10B / $350MZendesk, Intercom
2社内ITMaven AGI累計$78MServiceNow
3ERPRillet累計$95M+NetSuite
4調達Zip$2.2BCoupa, SAP Ariba
5経理Numeric$38MNetSuite決算
6セールス11x$350M評価Outreach, Salesloft
7採用Juicebox$36M採用エージェンシー
8リーガルCrosby$85.8MBig Law

Sierra（CS分野）

$10B

元Salesforce共同CEO Bret Taylor 創業。Zendeskの代わりに設置する。課金は「解決件数 × 成果報酬」— BPO業界と真っ向衝突

Maven AGI（ServiceNow崩し）

93%

問い合わせ93%自律解決。チケットを作らずに問題を直接解決。ServiceNowのコアバリューを不要にする。相手は時価総額$180B級

Rillet（ERP）

創業1年で$95M

Sequoia → a16z & ICONIQ（10週間差）。ゼロ・デイ・クローズ（月次決算当日完結）— NetSuite/SAP導入支援SIerを吹き飛ばす

CHAPTER 25 — 8ディスラプター

広告代理店版 AIネイティブ・ディスラプター（予測）

仮称
AdCrew.ai（広告運用AIネイティブ）
月予算10〜30万円帯のロングテール案件を24時間AIが運用。媒体運用・クリエイティブ生成・日次レポートをAgentが自律実行 → AD SHIFT の今の顧客層の真下を刈りにくる想定
課金
成果報酬モデル
月額手数料 → CPA/ROAS 成果報酬に一変（Sierra / 11x 型）
稼働
24時間稼働
媒体入札調整・クリエイティブ差し替え・レポート生成が深夜含め常時
対象
小規模 EC / D2C
従来AD代理店が"旨味なし"と切った月予算10-30万の層を大量獲得
脅威
AD SHIFT との顧客層オーバーラップ
既存15社の EC/D2C クライアントのうち、小規模層から順に侵食される可能性
Ch.25 の 8社は他業界例。広告代理店業界に同パターンが来たらどう見えるかを先に視界に入れてから、Prompt A/B に進む
CHAPTER 25 — 8ディスラプター

#4-8 その他 5社

04
Zip — 調達
$2.2B評価額。Coupa/SAP Ariba 置換。累計$371M調達
05
Numeric — 経理
OpenAI/Brex/Plaid顧客化。異常値検出・月次報告書ドラフトまで自律
06
11x — AI SDR
「Alice」（AI SDR）「Jordan」（30言語音声）。ツール課金→成果課金
07
Juicebox — 採用
ARR $10M超、2,500社+。セールスチーム持たず口コミのみ成長
08
Crosby — AI法律事務所そのもの
Crosby自体が弁護士事務所。1ドキュメント約$400定額。Big Lawの顧客を直接奪いに行く
CHAPTER 25 — 8ディスラプター

共通パターン（5点）

#共通パターン例
1「足す」ではなく「置き換える」Sierra: Zendeskの代わりに
2課金モデルの破壊Sierra: 人月→成果報酬 / 11x: ツール→商談アポ
3人間プロセスを不要化Maven AGI: チケット作らず直接解決
4既存ビジネスモデル自体を不要化Rillet: SIer業全体を不要に
5プロダクトではなく事業そのものCrosby: AI売るのではなく法律事務所になる
日本の既存企業は 1-3 に気づくが 4-5 が盲点
26-27

プロンプトA・B実行ワーク

AD SHIFT を駆逐するスタートアップを考える

CHAPTER 26 — プロンプトA

プロンプト A — 業界ディスラプター調査

あなたは世界のテクノロジートレンドとスタートアップ投資に精通したVCパートナーです。 私は【広告代理店（AD SHIFT）】の経営陣として、 AIによるディスラプションの脅威を評価しています。 以下の厳密な条件を満たす「AIネイティブ・ディスラプター」を 5〜10社リストアップしてください。 【条件】 1. 設立年: 2020年以降 2. 規模: 年商$100M以上/評価額$300M以上/累計$30M以上のいずれか 3. 基盤モデルAPI上のアプリ層プレイヤー 4. 既存Bigプレイヤーを直接削っていること 5. 地域: US・欧州・イスラエル・インド 【各社記述項目】 1-8 (社名/創業者/調達/ARR/ディスラプト対象/独自価値/破壊理由/日本インパクト)
CHAPTER 27 — プロンプトB

プロンプト B — 自社駆逐案出し

あなたは、天才的な起業家であり、OpenAI/Anthropic/GoogleのLLMや 画像/動画/音声生成APIを自由に使える立場にあります。 私の会社の事業概要: 【AD SHIFT: 広告代理店。EC・D2Cブランド向け広告運用代行。 月額30-100万の手数料モデル。クライアント数約15社】 あなたのミッションは、 「私の会社を完全に市場から駆逐し、潰すためのスタートアップ」 を仮想的に創業することです。 【制約】 - 既存会社を"手伝う"プランは禁止。"代替して消す"プランのみ - 自社でLLM作るプランは禁止（外部API利用前提） - 単純な生成系は禁止 - 収益源と真っ向から衝突するもののみ 5つの強烈な「新規参入プラン」を提示してください
CHAPTER 27 — プロンプトB

ワーク後ディスカッション — 4分タイマー付き 3問

Q1
最も脅威度が高いディスラプターはどれか？ 日本上陸はいつか？
Prompt A の結果から1社選定 → 6-18ヶ月／18-36ヶ月／36ヶ月以降 で時期推定
Q2
AD SHIFT 顧客との重なりはどこか？
既存15社のうち、どの業種・規模が最も侵食される？→ 具体社名で列挙
Q3
取るべき選択肢は A / B / C / 第4の道 のどれか？
A: 無視して既存モデル死守 ／ B: 買収 or 提携 ／ C: 自社で内製 ＝ AD SHIFT Labs ／ 第4の道: それ以外の創造的解

⏱ 4分 — けんさん・長谷川さんで即答。その場で Slack #ken-training に書き残す

このディスカッション無しに次スライドの「やらない理由は？」は刺さらない。ワーク後 → 発散 → 核心問い の順で行動変容を作る

今後、AIネイティブな新しいプレイヤーが出てきたとして、
どんなプレイヤーが出てきたら自分たちの事業にとって最悪か？

では、それを自分たちでやらない理由はなにか？

28

自己ディスラプター組織設計

ジレンマを乗り越える3原則

CHAPTER 28 — 組織設計

なぜ企業は自己ディスラプションできないのか

典型的な「イノベーションのジレンマ」— 自社の収益源やステークホルダーへの配慮から「既存のビジネスモデルを壊さない範囲でのAI活用」に留まる
AD SHIFTも同じ構造: 成果報酬型に切り替えたら現契約が壊れる
CHAPTER 28 — 組織設計

3原則 — 本体から完全に切り離す

01
別組織化
別会社 or 社長直轄独立BU
本社稟議から独立
02
別予算
既存事業の予算から切り離す
VC的発想（Fail Fast）
03
別KPI
売上・利益ではなく
成長率・MRR・エンゲージ
追加推奨: 別ブランドで展開（政治的配慮を最小化）
CHAPTER 28 — 組織設計

AD SHIFT Labs 別部門設置案

AD SHIFT 本体（既存） 広告運用代行 / 手数料モデル / 15社 / KPI: 売上・利益 ↓ 別組織・別予算・別KPI AD SHIFT Labs（新設） AIネイティブ広告サービスSaaS開発 別ブランド（例: "XXX.ai"） 成果報酬型課金 / 100-1000社スケール想定 KPI: MRR成長率・ユーザー数・チャーン率 責任者: けんさん or 長谷川さん 予算: 年間1000万を上限に独立運営
実行タイミング: 研修から 30日以内にキックオフ推奨
29

研修後のアクション

明日から回す5つの宿題と、
AD SHIFT が自走する運用設計

CHAPTER 29 — 研修後のアクション

研修後の宿題 5つ

#宿題期限
1empirical-prompt-tuning を1サイクル完了1週間
2Director Agent v1 を自リポジトリで稼働2週間
3プロンプトA/B の実行結果を経営会議で共有3週間
4Managed Agents Webサービス仕様書4週間
5/team-onboarding 実行 → Notion配布1週間
★核心問い「自分でやらない理由は？」への答えを経営会議で出す1週間

進捗: Slack #ken-training で毎日3行

けんさん・長谷川さん、
今日はお疲れ様でした。

Slack #ken-training / 月次AI戦略MTG で継続

APPENDIX — 参考文献

参考文献 — 本資料が引用した梶谷健人氏の記事

本研修のカスタマイズ12選・Webサービス化・業務効率化偏重の罠などのセクションは、POSTS代表・梶谷健人氏（@kajikent）の公開記事を主要ソースとして構成しています。原典は以下：

公開日記事タイトル本資料での参照箇所
2026-04-22 Claude Codeが圧倒的に快適で高速化するオススメのカスタマイズ＆ショートカット Ch.06 カスタマイズ12選（#1〜#12 全項目）
2026-04-16 AIで業務効率化していると、真の事業リスクから目を逸らされる Ch.24 AI時代の真の事業リスク / Ch.25 AIネイティブ・ディスラプター
2026-04-09 Claude CodeがWebサービスのバックエンドを動かす時代 Ch.17 Webサービス化 / Ch.18 4つのサービス型 / Ch.21 構築ガイド+Managed Agents
2026-04-02 「この設定が最強」をそのまま真似しない — 自分用にカスタマイズする仕組み Ch.03 追うべき情報 / 捨てるべき情報 / Ch.15 育てるループ
📎 出典： 梶谷健人 note（note.com/kajiken0630）／ X: @kajikent

POSTS株式会社代表。AIネイティブ事業戦略アドバイザーとして10社以上の顧問に従事。著書『生成AI時代を勝ち抜く事業・組織のつくり方』『いちばんやさしいグロースハックの教本』。
本資料は氏の公開記事からの引用箇所を含むため、商業再配布時は原典への誘導および出典明記を徹底してください。

Speaker Notes
1 / 152
← AI研修トップ