2026年5月時点の私のAI構成全部
0. 5月時点のAI活用状況
プログラミングでAIを活用してはや3年くらい経ちますが、今年はClaude Codeのおかげもあり、日々のビジネスシーンで活用できるフェーズに入ってきましたね。
この記事では、ビジネスシーンで私がどう活用しているのか、20人未満の会社規模でできることを共有しつつ整理できたらと思います。
※プログラミングに関する話は一切しません。
1. 今の構成全体図
すべての中核にあるのは Claude Codeです。
ルーティン自動化：日々の定型業務をエージェントが代わりに処理する
情報収集・整理：必要な情報をかき集めて整形する
構造として意識しているのは、情報の流れを3つのレイヤーに分けることを意識しています。
情報蓄積の場所
具体的には、AIかデータを取り出しやすいところを理解し、日々の仕事をそのプラットフォーム上で行うことを意識しています。
Claudeではコネクタからアプリを接続できるので、まずはそのアプリが中心になってくるかなと思います。
私がよく使っているアプリは以下になります。
Slack / HubSpot / Google Docs（議事録や申請書）/ PDF / Backlog / freee / Google Calendar / Gmail
情報整理の場所
次に行っていることとしては、Slackの特定の投稿や、GoogleMeetでできた議事録から、AIがタスクを実行しやすい形に加工しています。
いきなり蓄積した情報からタスクを実行してもいいんですが、AIがどのタスクに取り組んで、どういう結果だったのかを確認して改善していくPDCAを回すことで、AIを育てることにつながると思っています。
なので、一度タスク内容を整理し、実行方針を立てた内容をBacklogへ登録しています。
Claudeが起票するためのプロジェクトを作っていて、振り返りができるように工夫しています。
ちなみに、Backlogへの起票はClaudeのコネクタでは利用できなく、MCPという機能を使っていて、設定するのにちょっとエンジニアチックな技術が必要です。
NotionやGitHubなども代替として使えると思います。
アウトプット
最後に起票したタスクを順次実行するAIも作っています。
ここで意識しているのは、どのようなアウトプットにするのかを事前に定義することを意識してスキルを作っているものもあります。（後述します）
アウトプットの種類は以下になります。
Google Docs / Spreadsheet / PowerPoint / Slack / ソースコード / Backlog / Google Calendar
2. 毎日動いているエージェント5本
タスクを整理するAIと実行するAIが毎日動いているんですが、その他にもいくつかAIを自動で動かしているので整理してみます。
エージェント① 朝のブリーフィング
トリガー：毎朝9時
処理：Backlog / Google Calendar / Gmailから、今日やるべきことを優先度・緊急度つきで整理
出力先：Claude Codeのチャット
使用MCP/CLI：Backlog / Google Calendar / Gmail
毎朝、メール、Slack、Backlogをチェックするのも大変です。緊急度が高いもの、返信が必要なもの、今日やるべきタスクTop3とか出してもらえるようにしています。
エージェント② コンソーシアムSlack週次レポート
トリガー：毎週月曜9時
処理：Slackに蓄積されたプロジェクト情報を収集し、誰がどこで何をしているかを整形してSlackに投稿
出力先：Slack（コンソーシアム用チャンネル）
使用MCP/CLI：Slack、Google Calendar、Google Docs
コンソーシアム型プロジェクトは関係者が多く、複数のプロジェクトに分岐していて、PMやリーダー人が情報を追いかけるのが大変でした。
AIに自動でレポートを作ってもらい、Slackに投稿するだけで、関わっている関係者が全員目を通すことができるようにして情報格差をなくします。量が多すぎでも読まないので、さくっと読める分量にしてます。
エージェント③ 議事録 → Backlogタスク自動起票
トリガー：1日3回
処理：Google Meetで自動生成された議事録を取得し、自分のタスクを判断してBacklogに起票。前後の文脈・背景・次のアクションをセットで記載
出力先：Backlogへ起票
使用MCP/CLI：Google Calendar、Google Docs、Backlog
会議の中でタスクを作ることもあるんですが、お客様との商談などではすぐにタスク化せずに、議事録を見返してタスク化していました。それをAIで自動で作成する仕組みです。単なる転記ではなく、「実行しやすい状態」に加工してから起票してくれる点が重要です。
そのためにも、MTGの中にあえてタスクに反映したい内容を明示的に話して記録するようなこともしています。
エージェント④ Slackスタンプ → Backlogタスク起票（実行ツールv1）
トリガー：15分に1回
処理：SlackでClaudeアイコンのスタンプを押したスレッドを検知し、Backlogにタスク起票。③と同様に文脈・背景を付けて登録
出力先：Backlogへ起票
使用MCP/CLI：Slack、Backlog
Slackで依頼を受けたとき、「後でやる」タスクとして即座にBacklogへ飛ばせる仕組みです。これにより、Slackのブックマークやあちこちのメモが不要になり、タスクがBacklogに一元管理されるようになりました。
ルーティン的な依頼の場合には、きれいにアウトプトまで実行できるようになってので、10分くらいかけていた仕事が、スタンプを押す仕事に変わりました。
エージェント⑤ Backlogタスク自動実行（オーケストレーター）
トリガー：15分に1回
処理：③④で積まれたタスクを順次実行。スキルを使い分けて処理し、できないものは「できない理由＋代替案」をコメントして確認待ちに変更。完了タスクはレビューして問題なければそのまま提供
出力先：Backlog / Google Docs / Google Spreadsheet
使用MCP/CLI：Backlog、Google Docs、Google Spreadsheet
Backlogに溜まったタスクを処理し続けてくれるエージェント。できるものとできないものを自分で判断し、できないものは丁寧に理由を残してくれる。3、4の実行に関してもここで全て一括で対応をしている。3、4はあくまでタスクの積み上げエージェント
3. 設計の思想
1、データの置き場所、2、タスク登録、3、タスク実行の3フェーズに分けています。
こうするとどこが問題点かもだんだんわかってくるので、このタスクはどのフェーズで何をしたらいいのか？が明らかになってきます。
そもそも、情報が蓄積されていない？
タスクを登録する際に、情報が足りていないのか？（追加での意思決定要素が必要？）
アウトプットがはっきりしていない？（曖昧になっているタスク）
あとはこれを順番に整理して、作り込んでいくだけになります。
スキル化のタイミング
「アウトプットまでのフローが出来上がっているもの」をスキルに変換すると、すぐに効果が出ます。
例として、契約書作成フローで考えると：
Googleフォームで情報入力（既存のまま）
スプレッドシートに情報が蓄積（既存のまま）
スプレッドシートの情報 → Google Docsに契約書として生成（← ここだけスキル化）
ポイントは、AIに任せるのは「ルールがあれば誰でもできる作業」の部分。フォームの質問項目が変わったり列が増えたりしても、AIなら項目名から意味を読み取って自動でマッピングしてくれます。プログラムと違い、フローが変わるたびに必要だった修正が不要になります。
AIに向いているタスクの見極め方
フロー化できている
アウトプットが明確
この条件が揃ったらスキル化の候補です。何回も同じことをやっているということは、フローが存在するということなので、AIに任せられる可能性が高いです。
4. コストと効果
かかっているコスト
個人単位で負担しているのは Claude Code：$100/月 のみです。
Slack・Backlog・Google系のツールは会社全体の契約なので割愛。
$100という金額について
開発業務も含めてこの金額なので、コスパは高いと感じてます。
プランの選び方の参考として：
$20プラン：始めるには十分だが、使い込むとすぐ上限に達する
$100プラン：エージェントが自分の知らない間に動き続けるようになると、トークン消費が加速する。スケジュール実行を増やすなら最初から$100がおすすめです
コスト削減のコツ
AIツール以外のコストを抑えたい場合は：
Google Docsにデータを貯める運用を徹底するだけでもかなり使える
Slackの無料プランでも、MCP経由でのデータ取得は一定範囲で可能
作るコストについて
AIが苦手なことをエージェント化しようとすると、作るコスト・レビューコストが大きくなります。「できないものを無理に作らない」の見極めは、実際に使い続けていくと自然にわかってきます。
5. 今後やっていくこと
① フロー化できていないタスクが残っている
状況や判断によって変わるタスクはAIが苦手な領域です。ただし「フロー化できない」と思っていても、よく考えると整理できることも多いので、この「フロー化してスキルにする」を進めていきたいです。
② 意思決定が絡むタスクは完走できない
分岐が多かったり意思決定が必要なタスクは、最後まで自動化しきれないのもまた事実です。
なのでそういったものは、意思決定の分だけ想定されるパターンを複数出力しておき、人間はそこから選ぶだけにします。AIは量産が得意なので、この使い方は非常に有効だったりします。
③ 組織全体への展開が難しい
自動化の設計には3つのスキルが必要になると思っています。
全体像を把握してフロー化する力
フローのどこをAIに任せるかを判断できる力（人に仕事を頼んだ経験がある人が得意）
AIに実際に作業をやらせ、完結させる力（AIを繰り返し使った経験が必要。スキルの作成。）
これを全員に習得してもらうのは、コストが高いなと思っています。個人の経験値や仕事の考え方に大きく依存する部分でもあります。
④ AI Tech Forceの取り組み
この③の壁を越えるために、4月から AI Tech Force というチームを社内に組成しました。メンバーは私ともう1名のエンジニアです。
主な活動としては
毎週月曜ランチLT会：MCP・スキル・Claude Codeの使い方などのインプット共有＋その場で業務の悩みを解決する相談会
プロジェクト別ミーティング（週次）：各プロジェクトの困りごとをヒアリングし、ワークフローの整理からAI化まで一緒に進める
社内アプリの開発：社内アプリをいくつか作成・運用しています。MCPをつくってAIからアクセスしやすい状態に向けてアップデート中
「ワークフローハック」ができると、どんどんAI化が進んでいきます。まずワークフローを作り、それをAIでハックする。この一連の流れをすべてのプロジェクトで実施していきます。
6. まとめ
2025年5月現在は、エンジニアでなくてもAIが動くアプリケーションやエージェントを作れる時代に入っていて、すでに生産性に大きく差が出てきているのは間違いないです。
こういった流れの中で、社外へのAI支援活動として AI顧問 も始めました。
フローの整理からAI化の設計、社内アプリの高速開発まで、定例ベースでサポートしています。最新のAIをキャッチアップしながら業務に活かしたい、どこから手をつければいいかわからないという方、ワークフローハックを体験したい方はぜひ気軽に連絡お待ちしてます。
また何か考え方が変わったら書きますね。
