Ken | AI自動化の実践者

事業開発、pdm、マーケ → AIエージェントだけの仮想組織を運営中｜事業開発/PdM出身→AIで業務を全自動化｜Claude Codeで組織まるごとAIに置き換えた人｜実践ノウハウを毎日発信

[Ken | AI自動化の実践者 @ken_root_ai]

勝ちに行く試合でDF入れるメンタルじゃそもそも土台に立ってないんだよ

[Ken | AI自動化の実践者 @ken_root_ai]

@hata_AI_master ありがとうございます！

[Ken | AI自動化の実践者 @ken_root_ai]

6/15からのClaude Codeの料金体系・利用制限の変更で感じたこと。

業務自動化としてのClaude Codeは終わった、というより「特定モデルや料金体系に依存した自動化の限界」が見えた。

これからは1つの巨大なエージェントに多くを任せるのではなく、業務を細かく分解し、それぞれを独立して実行・改善できる形で設計し、それらを組み合わせる方が重要になる。

例えばX運用であれば、

・トレンド分析
・戦略立案
・ライティング
・クリエイティブ作成
・承認
・投稿
・分析 / 学習

といった工程ごとに分解し、それぞれを1つのタスク単位で実行・管理・改善できる状態にする。

こうした設計こそが、AIを主体的に使いこなしている状態だと思う。

そうすることで、

Claude Code
Codex
Gemini
OSSモデル

を状況に応じて自由に切り替えられる。

さらに、AI利用コストが急騰した場合には、その業務だけを人に戻すという判断もできる。

AIが人件費や組織の代替として扱われ始めた今、求められるのはAI活用スキルではなく組織設計の思想だと思う。

依存度を下げる。
抽象化する。
疎結合にする。
切り戻せるようにする。

これは従来のシステム設計や組織設計と何も変わらない。

「AIだから全部自動化する」が正解ではない。

むしろAIだからこそ、

・モデルを交換できる
・人に戻せる
・コスト変動に耐えられる

設計にしておかないと、将来の料金改定や仕様変更が事業リスクになる。

今回の件は、そのことを強く感じさせる出来事だった。

[Ken | AI自動化の実践者 @ken_root_ai]

これ。広告費の予算配分、担当者の勘と過去ROASだけで動かしていた時期がある。気象・競合・季節性を同時に考慮して売上貢献を分解しようとすると、データ整形だけで数日消える。その作業がAIで自動化されるなら、月次の予算見直しが意思決定サイクルに入ってくる。"異次元のスピード"は大げさではない。要因探索の自動化は分析の入口ではなく、判断の速度そのものを変える。

[Ken | AI自動化の実践者 @ken_root_ai]

エージェント設計でつまずくポイントはモデルの選定じゃない。「どこまでAIが自律して動くか」と「どこで人間が判断して承認するか」の境界線を引くことだ。うちがAIスタッフ環境を構築した時も、この境界線の設計だけで最初の数ヶ月を費やした。業務を最後まで自律的に完結させる仕組みを作るなら、実際に動いた企業事例から学ぶのが遠回りに見えて一番早い。

[Ken | AI自動化の実践者 @ken_root_ai]

エージェント設計でつまずくポイントはモデルの選定じゃない。「どこまでAIが自律して動くか」と「どこで人間が判断して承認するか」の境界線を引くことだ。うちがAIスタッフ環境を構築した時も、この境界線の設計だけで最初の数ヶ月を費やした。業務を最後まで自律的に完結させる仕組みを作るなら、実際に動いた企業事例から学ぶのが遠回りに見えて一番早い。

[Ken | AI自動化の実践者 @ken_root_ai]

エージェント設計でつまずくポイントはモデルの選定じゃない。「どこまでAIが自律して動くか」と「どこで人間が判断して承認するか」の境界線を引くことだ。うちがAIスタッフ環境を構築した時も、この境界線の設計だけで最初の数ヶ月を費やした。業務を最後まで自律的に完結させる仕組みを作るなら、実際に動いた企業事例から学ぶのが遠回りに見えて一番早い。

[Ken | AI自動化の実践者 @ken_root_ai]

まるで、優秀な編集スタッフが24時間待機している感覚だ。

朝5時、AIが当日6枠のスロットを確保。各枠の30分前、速報記事をスクレイピングしトピックと本文を生成する。Telegramの通知で「承認」を押せば、定時に自動投稿される。

前日夜に予測して原稿を仕込む工程が、まるごと消えた。今日起きたことを今日の投稿に乗せられる。鮮度が変わった。

承認判断だけが人間の仕事。1日の合計は15分以内。意思決定の外側を全部AIに渡すと、ここまで変わる。

[Ken | AI自動化の実践者 @ken_root_ai]

3/5
この設計、うちのAIスタッフと同じ原理で動いている。

承認ログ、仕訳パターン、対応記録——これらを読ませると、AIスタッフは「この会社ならどう判断するか」を学習し始める。

「人を採用する」ではなく「判断基準をAIに移植する」に切り替えると、コスト問題と属人化が同時に消える。

[Ken | AI自動化の実践者 @ken_root_ai]

2/5
読み込ませたのは戦略コードだけではない。

コメント、パラメータ選定の経緯、エッジケースへの対応——意思決定の「なぜ」ごと含まれていた。

Claudeはその構造を理解し、「この局面ではどう動くか」を再構築した。マニュアルを渡したのではなく、判断軸を移植した。

[Ken | AI自動化の実践者 @ken_root_ai]

これが何を意味するか

「価格裁定」は許さない、という姿勢を示した。

API経由で公式より安くサービス提供するモデルは、OpenAIでもGoogleでも同じリスクがある。Claude APIでビジネスを組む開発者は、利用規約の価格転売条項を要確認。

[Ken | AI自動化の実践者 @ken_root_ai]

「AnthropicはOpenAIより開発者フレンドリー」とよく言われる。

今週、それを揺さぶる出来事があった。

[Ken | AI自動化の実践者 @ken_root_ai]

Anthropicが、Claude APIを使ったサードパーティクライアント「OpenClaw」の開発者を一時アクセス停止にした（TechCrunch, 4/10）。

OpenClawは公式より安くClaudeを使える代替クライアント。先週、AnthropicがOpenClawユーザーへの価格設定を変更。その直後に開発者アカウントが停止された。

[Ken | AI自動化の実践者 @ken_root_ai]

「Claude Codeを開いて、ボイスメモで話しかけるだけでいい」という海外の投稿がバズっていた。

まさにそう。うちはこれをもう一歩進めて、LINEから音声メモや短文を送るだけでAIが動く仕組みにしている。

流れはこう:
①LINEで「今月の請求書まとめといて」と送る
②AI秘書が内容を解釈して、適切な担当AIに振る
③終わったらLINEに結果が返ってくる

PCの前にいなくていい。移動中でも、寝る前でも、思いついた時にLINEで一言送るだけ。

元の投稿が言う「Plan Modeで話しかける」は正しいアプローチだけど、毎回PCを開いてClaude Codeを立ち上げる必要がある。経営者にとってはそこがハードルになる。

だからうちは「普段使っているLINE」をAIへの入口にした。技術的には裏側でClaude Codeがフル機能で動いているんだけど、使う側はLINEしか触らない。

実際、先週もゲートウェイのサーバーが深夜にエラーで落ちたけど、自動修復の仕組みが検知→原因特定→修復→再起動まで全部やってくれて、朝起きたら何事もなく動いていた。人間は寝ていただけ。

中小企業の社長に必要なのは「AIの使い方を覚えること」じゃない。「今まで通りLINEで指示するだけで、裏でAIが動いてくれる」こと。

ツールを変えずに、仕事の裏側だけAIに置き換える。これが一番定着する。

#ClaudeCode #AI業務自動化

[Ken | AI自動化の実践者 @ken_root_ai]

うちも重要な判断タスクはOpus固定にしている。設計・アーキテクチャ系はOpusじゃないと明確に質が落ちる。コスト差は出るが、判断ミスの手戻りコストの方が高い。

[Ken | AI自動化の実践者 @ken_root_ai]

Linearを捨てた。自分でタスクボードを作ったら、ワークフローの設計思想が変わった話。

旧来の設計の問題
「cron → 処理A → 処理B → 処理C → 通知」という直列ワークフロー。
どこかが落ちると全体が死ぬ。再実行もめんどうくさい。

新しい設計
タスクを作る。タスクを見る。タスクに応答する。それだけ。

1. cronが走る → チケットを1枚作って終了
2. Claude Codeがチケットを拾う → Telegramに提案を送って終了
3. 人間がOKを押す → 次のチケットが生まれて終了

各ステップが独立してるから、どこかが落ちても影響はそのチケット1枚だけ。

本質的な変化
「ワークフローの接続」から「チケットの状態遷移」に変わった。
claudeにとっても「何をすべきか」がチケットに書いてあるから迷わない。

OpenClawみたいに「AIに自律的に動いて提案してほしい」なら、複雑なパイプラインより先にタスクボードを作るべきだと思う。

#ClaudeCode #AI自動化

[Ken | AI自動化の実践者 @ken_root_ai]

うちはGA4のデータをAI秘書に取得させて、週次レポートを自動生成する仕組みを組んでいます。「数字を見て→解釈して→次の施策を提案する」まで一気通貫でできるようになりました。分析の属人化がなくなった。

[Ken | AI自動化の実践者 @ken_root_ai]

@naoto7717 お役に立ててなりよりです！

[Ken | AI自動化の実践者 @ken_root_ai]

「AI導入」で中小企業がまずやるべきことは、AIツールの選定じゃない。

自社の業務を「判断」と「作業」に分けること。これだけ。

うちはAI業務代行サービスを運営していて、自社の業務もAIで回している。経理、リサーチ、コンテンツ作成、顧客対応の一次仕け。実際にやってみて一番の学びは「AIに丸投げしていい業務」と「人間が最後に目を通すべき業務」の線引きが全てだということ。

具体的にどう分けているか。

■ AIに任せて放置していい業務
・定型メールの下書き生成
・請求書データの会計ソフトへの転記
・競合の価格調査、ニュース要約
・議事録の文字起こし＋要約

■ AIが下書き→人間が確認する業務
・顧客への提案書作成
・SNS投稿の原稿
・月次レポートの分析コメント

■ 人間がやるべき業務
・価格交渉の最終判断
・クレーム対応の方針決定
・採用の合否判断

この仕分けをせずに「とりあえずChatGPT契約しました」という会社を何社も見てきた。半年後、誰も使っていない。

理由は単純で、何に使うか決めていないから。

うちの場合、最初に手をつけたのは経理だった。freeeへの仕訳入力を、レシート画像→AI読み取り→仕訳候補生成→人間が確認して登録、という流れにした。月末に丸1日かかっていた作業が2時間になった。

次にやったのがリサーチ業務。業界ニュースの収集と要約を毎朝自動で回している。以前は担当者が毎朝30分かけて手動で集めていたものが、朝デスクに着いたら要約が届いている状態になった。

逆に失敗もある。顧客対応のメール返信を完全自動化しようとして、トーンが合わずにクレームになりかけた。「作業」に見えて実は「判断」が入っている業務だった。今は下書き生成までAI、送信前に人間が確認するフローに変えている。

中小企業のAI導入で大事なのは、最先端のモデルでも高価なツールでもない。

自社の業務を棚卸しして、「これは作業だから任せよう」と決めること。そこさえ決まれば、使うツールは何でもいい。ChatGPTでもClaudeでもGeminiでも。

まずは1つ、月に10時間以上かかっている「作業」を見つけてください。それがAI導入の最初の一歩になる。

[Ken | AI自動化の実践者 @ken_root_ai]

Google DeepMindがGemma 4を発表。

注目は27Bパラメータモデル。
前世代のGemma 3は性能は良かったが、コーディングエージェントとして実用レベルには届かなかった。

Gemma 4の27Bがどこまで来たか。

ベンチマーク上はClaude 3.5 Sonnetに迫る数値が出ている。
これが本当なら、ローカルで動くLLMとして初めて「実務に使えるレベル」に到達する可能性がある。

気になるのはOpenClawのようなオープンソースClaude Code互換ツールとの組み合わせ。
今まではローカルLLMの性能不足で「動くけど実用にならない」だった。

27Bで実用レベルに届くなら:
・APIコスト月数万円 → 電気代だけ
・データが外部に出ない
・レート制限なし

ただしベンチマークと実務は別物。
うちでも検証する予定。実際にClaude Codeの代替として業務タスクを投げてみて、どこまで使えるかレビューする。

結果はまた投稿します。