Claude Codeで社内を「AI社員16人」にしてみた話 ―中小企業のAI業務自動化、うまくいったこととダメだったこと

合同会社サイクル・ブリッジ沖縄とPC SHOP IGEは、Anthropicの「Claude Code」というAIツールを社内に導入し、この数か月でいろいろな業務を自動化してきました。
うまくいった話ばかりではありません。試してみたら全然使い物にならなかった機能もありますし、便利になった分だけ「これはAIに任せてはいけない」という線引きも見えてきました。この記事では、実際にやってみて分かったことを、良かった点も悪かった点も含めて正直に紹介します。
今回紹介するのは次の4つです。
そして後半では、実際に試して「うまくいかなかったこと」も含めて、もう一歩踏み込んだ具体的なやり方を紹介します。

1. 部署ごとに専門AI担当をつくる「AI社員チーム」

2. 毎週自動で届く社内レポート

3. 3つのAIツールに役割分担させる仕組み

4. YouTube動画から記事を自動生成するパイプライン

1. 部署ごとに「専門知識を持ったAI担当者」を用意する

最初にやったのは、Claude Codeの中に「経理担当」「マーケティング担当」「Web制作担当」「労務担当」「税務担当」といった、部署ごとの担当AIを作ることでした。
普通にAIチャットを使うと、1つの会話の中で経理の話をしたり、Webサイトの話をしたり、SEOの話をしたりと、話題があちこちに飛びがちです。すると回答の精度が落ちたり、前提の説明を毎回やり直す羽目になったりします。
そこで「この担当は経理の知識と社内ルールを踏まえて動く」「この担当はSEOと記事構成の専門」というふうに役割をあらかじめ定義しておき、「経理担当に整理させて」「Web制作担当に直させて」と頼むだけで、それぞれの専門知識を踏まえた回答が返ってくるようにしました。
人間の組織と同じで、役割を分けたほうが一人ひとりが自分の仕事に集中できる、という当たり前のことが、AIの使い方にもそのまま当てはまります。現在は経理・税務・労務・マーケティング・Web制作・SEO・カスタマーサポート・動画制作など、十数の役割を運用しています。

2. 毎週自動で届く「社内レポート」

部署ごとにAI担当ができると、次にやりたくなるのが「その担当に定期的に情報収集をさせる」ことです。
そこで、週に1回、各部署のAI担当に「自分の担当分野の最新情報を調べてきて」と一斉に指示を出し、集まってきた内容を1つのレポートにまとめる仕組みを作りました。マーケティングの動向、税制の変更点、業界ニュースなど、放っておくと後回しになりがちな情報収集を自動化しています。
人間がやるとどうしても「忙しくて今週は調べられなかった」が起きますが、AIに任せることで情報収集の頻度が安定する、というのが一番のメリットです。

3. 3つのAIツールに役割分担させる

Claude Codeは非常に優秀ですが、1つのツールに何でもやらせようとすると、抱える情報量が増えすぎて動作が不安定になったり、回答が的外れになったりすることがあります。
そこで、次のように役割を分けています。
調べ物・資料作成は、別のAIリサーチツール(NotebookLM)に任せる。知識の蓄積は、ノートアプリ(Obsidian)に蓄積していつでも参照できるようにする。最終判断とアウトプットは、Claude Codeが担当する。
こうすることで、Claude Code自体が扱う情報量を減らし、動作を安定させています。人間のチームでも「調査担当」「記録係」「意思決定者」を分けたほうがうまく回るのと同じ発想です。

4. YouTube動画から記事を自動生成するパイプライン

自社のYouTube動画をもとに、note記事やブログ記事を作る作業も自動化しています。動画のURLを渡すだけで、次の4段階を経て日本語記事ができあがる仕組みです。
文字起こし、要点整理、構成・タイトル案の作成、執筆+セルフチェック、の4段階です。
動画を作ったら、その内容を文章化して別の媒体でも発信する、というのは多くの会社がやりたくてもできていないことだと思います。この一連の流れを自動化したことで、動画1本から記事という別の資産も生まれるようになりました。
ここまでが「何をやっているか」の全体像です。実際にどういう設定でこれを組んでいるのか、そして冒頭で触れた「うまくいかなかったこと」の中身については、ここから先で詳しく書きます。

「自分たちで一から組むのは大変そう」という方向けに、中古PCをAI社員として働かせるところまでをまるごと代行するサービスも提供しています。詳しくはこちら: https://www.cyclebridgeokinawa.com/ai-shainka/

ここから先は、実際に手を動かして再現できるレベルの具体的な話と、最新機能を試して分かった「AIが苦手なこと」を書きます。

5. AI社員1体はどうやって作っているか

各部署のAI担当(記事内では「AI社員」と呼んでいます)は、実体としてはシンプルな1枚のMarkdownファイルです。ファイルの先頭に「frontmatter」と呼ばれる設定部分があり、そこに次のような項目を書きます。
name: そのAI担当の識別名(例: 経理担当、マーケティング担当)。description: どんな場面でこの担当を呼び出すべきかの説明。Claude Codeはこの説明文を見て「今回の依頼はどの担当に振るべきか」を自動で判断します。tools: そのAI担当が使ってよい機能の一覧(Web検索、ファイル読み書きなど)。経理担当にファイル削除の権限を持たせない、といった制限もここで行います。model: どのAIモデルを使うか(単純作業は軽いモデル、込み入った判断は高性能なモデルというように使い分け可能)。effort(思考の深さの指定)なども設定できます。
frontmatterの下に、その担当の「行動規範」を自然文で書きます。たとえば経理担当なら「税率や年度などの変更されうる数値は必ずコードや資料の先頭にまとめて定義すること」「データの削除を伴う処理は必ず事前に確認を取ること」といった、その部署特有の注意点を書き込みます。
ポイントは、この1枚のファイルさえ用意すれば、Claude Codeがそのファイルを「サブエージェント」として認識し、あとは「経理担当に整理させて」と話しかけるだけで、そのファイルに書かれた人格・専門知識・権限の範囲で動いてくれることです。特別なプログラミングは不要で、Markdownで文章を書ける人なら誰でも「AI担当者」を追加できます。
弊社では、この方式に加えて、部署ごとに専用フォルダ(参考資料・成果物・蓄積知識・その部署固有のルールを書いたファイルの4点セットで統一)を用意する運用にしています。フォルダを分けることで、その部署のAI担当に必要な情報だけを読み込ませることができ、無駄な情報量を抱えずに済みます。
注意点: 削除・上書きなど取り返しのつかない操作を伴う担当を作るときは、必ず「実行前にユーザーへ確認を求める」という一文をルールに明記してください。これがないと、AIが良かれと思って既存データを消してしまう事故につながります。

6. 週次レポートはどういう手順で組んでいるか

週次の社内レポートは、次の手順で動かしています。
あらかじめ「今週調べてほしいテーマ」を部署ごとのAI担当に割り振っておく(たとえばマーケティング担当には競合の販促動向、税務担当には税制改正の動きなど)。各担当が自分の役割ファイルに書かれた専門知識を踏まえて、Web検索を使い最新情報を調査する。各担当の調査結果を、フォーマットを揃えた短いレポート(見出し+要点)として出力させる。全部署分の出力を1つの司令塔役(社内では「AI部長」という役割で運用)が受け取り、重複を整理しながら1本のレポートに統合する。完成したレポートを、社内で誰でも見られる場所(ノートアプリ)に決まったファイル名規則で保存する。
この一連の流れは「スキル」という、決まった手順書のような形でClaude Codeに登録しています。スキルとは、実行手順・チェックすべき点・出力フォーマットをあらかじめMarkdownで書いておき、「このスキルを使って」と指示するだけで毎回同じ手順を再現できるようにしたものです。人間の業務でいう「マニュアル」に近い存在ですが、AIがそのマニュアル通りに実際の作業(検索・整理・保存)まで代行してくれる点が違います。
手順が決まっている定型業務ほど、こうしたスキル化・エージェント化の効果が大きいというのが実感です。逆に、毎回状況が変わる判断業務(値引き交渉の可否など)は、いまのところ人間が最終判断をする設計にしています。

7. うまくいかなかったこと ―新しい機能ほど不安定

ここからは正直に「ダメだった話」です。
社内で使っているAIノートアプリ(NotebookLM)には、蓄積した資料から「音声の概要」「スライド」「文章から動画を自動生成する」といった複数の出力機能があります。このうち「音声の概要」と「スライド」の2つは安定して動いており、実際に社内で活用しています。
一方で「文章から動画を自動生成する」機能を試したところ、15分待っても生成が完了せず、しびれを切らしてダウンロードを試みてもエラーになる、という状態でした。同じ機能を何度か試しましたが、安定して使える状態ではありませんでした。
ここから得た教訓はシンプルです。新しく追加された機能ほど、まだ実運用に耐えないことがある。「使えるかどうか」は使ってみるまで分からないので、業務のクリティカルパスに新機能をいきなり組み込まない。安定して動く機能(音声概要・スライド)と、まだ不安定な機能(動画自動生成)を見極めて、前者だけを業務フローに組み込む。
AIツールの進化は早いですが、発表されたばかりの新機能を鵜呑みにして業務に組み込むと、肝心なときに止まって仕事が滞る、というリスクがあることは覚えておいて損はないと思います。

まとめ

今回紹介した取り組みを一言でまとめると、次の4つの積み重ねです。
部署ごとに役割を分ける。毎週の情報収集を自動化する。ツールごとに得意なことを任せる。決まった手順は「手順書(スキル)」として渡す。
派手な技術ではなく、地味な役割分担と手順化の積み重ねが、結果的に会社全体の作業量を減らしています。

AIの活用事例を動画でも解説しています。
▶ YouTubeチャンネル「サイクルブリッジ沖縄 | AI活用ラボ」
https://www.youtube.com/channel/UCKfBG387F7g-t6SCbkFnhzw

この記事の内容について質問・感想があれば、コメントで気軽に聞いてください。

次はこちら
この体制で実際にAI社員が担当している業務の一例(見積もり業務)は、こちらの記事で紹介しています。
「見積もりの下書きを、AI社員たちがリレーして仕上げてくれる仕組み【全文無料】」
https://note.com/honest_walrus257/n/na0f3d6e3247e

また、AI社員をどう使い分けているかの技術的な整理は「Claude Codeの『サブエージェント』と『スキル』、非エンジニアの中小企業はこう使い分けている」

「サブエージェント」「NotebookLM」など、この記事の用語をまとめて解説した記事はこちら → https://note.com/honest_walrus257/n/n998f28a05eb3