実績 1AIエージェント活用要件定義〜定着化レポーティング
Instagramリール制作の自動化システム
2026.7–（稼働中・改善継続） ／ 飲食店向けSNS集客支援の事業者 ／ 要件定義・設計・実装・品質管理・報告
撮影した素材を入れると、カット割り・ナレーション・BGM・テロップ入りの動画と、日本語・英語・中国語（簡体字／繁体字）・韓国語の投稿文・ハッシュタグ・字幕までが自動で出る仕組みを、Claude Code で設計・実装しました。人は確認と修正だけを行います。
16%→96%投稿文の1文目を15字以内にできた割合（型の反映前後・実測）
0%→95%ハッシュタグ12個以上の割合（同上）
11項目出力前の機械チェック（不合格は自動修復または人へ差し戻し）
型の反映前後で、出力が型に沿った割合
反映前 97件（2026-07-25〜08-28）／反映後 38件（08-31〜09-13）の本番出力を集計。再生数ではなく「型どおりに出ているか」の割合です。
反映前反映後
投稿文の1文目が15字以内16% → 96%
末尾に呼びかけの1文33% → 96%
ハッシュタグ12個以上0% → 95%
字幕1行が13字以内29% → 100%
0%50%100%
表で見る
| 項目 | 反映前 | 反映後 |
|---|
| 投稿文の1文目が15字以内 | 16% | 96% |
| 末尾に呼びかけの1文 | 33% | 96% |
| ハッシュタグ12個以上 | 0% | 95% |
| 字幕1行が13字以内 | 29% | 100% |
構成
素材の投入→映像・音声の解析（Gemini）→構成・文章・翻訳→音声・BGM・テロップ→機械チェック11項目→人が確認・修正→出力
設計の判断
- 4段階に分けて1つずつ太らせた。テキスト→音声→動画→案の選択。1段階で増える不確実性を1つにし、失敗したときに原因をその段階へ絞れるようにしました。
- AIに判断させる部分と、人が決める部分を分けた。固有名詞・価格・所在地は一次情報で裏取りした辞書と事実に固定し、出典が食い違うものは載せない設計です。
- 効果は「反映の前後」を実測で比べた。勝ちパターン（1文目の長さ・呼びかけ・タグの数）を実際のリールから起こし、推測ではなく数字で確かめています。
定着化とレポーティング
- 先方（経営者）向けに、開いて30秒で判断できる進捗報告サイトを運用。「お決めいただきたいこと」を、急ぐ順と「決めないとどうなるか」つきで出しています。
- 非エンジニア向けの構造解説サイトを、実装が変わるたびに同じ作業の中で更新するルールにしました。
- 先方の「どの作業に何時間かかったか」という問いに、AIと対話していた時間と、AIの外側の時間に割った内訳で回答しました（下の実績2を参照）。
業務内容との対応：ユースケースの創出と業務フローの再構築／AIの精度評価と改善提案（機械チェックと実測比較）／進捗管理とレポーティング
実績 2自社業務のAIエージェント化MCP連携ROIの測り方
自社の業務を Claude Code 上のAIエージェントで回す「会社OS」
株式会社EXPLACE（自社） ／ 設計・構築・運用 ／ 日常業務で運用中
経営・営業・経理・開発・調査の定型業務を、役割別のサブエージェントとコマンドとして Claude Code 上に整備し、日常業務として運用しています。外部ツールとは MCP でつないでいます。
12体役割別サブエージェント（戦略・開発・営業・経理・レビュー・調査など）
15本定型業務のコマンド（朝会・日報・請求書・工数・着手前チェック・Web取得など）
8ツール自作MCPサーバで公開した、案件管理DBの操作と計算処理
稼働28時間の内訳（実績1の初期段階・2026-07-19〜08-01）
AI対話時間は Claude Code のセッションログから自動集計（20分以上の空白で区切った区間の合計）。
コードを書く中核の実装4.7時間・17%
その他のAIとの対話9.4時間・34%
AIの外側（裏取り・目視確認・再現・判断・待ち）13.9時間・50%
表で見る
| 区分 | 時間 | 割合 |
|---|
| コードを書く中核の実装 | 4.7 | 17% |
| その他のAIとの対話 | 9.4 | 34% |
| AIの外側（裏取り・目視確認・再現・判断・待ち） | 13.9 | 50% |
| 合計 | 28.0 | 100% |
構成
依頼（日本語）→コマンド／ルール（CLAUDE.md）→役割別サブエージェント→MCP：Web取得・ブラウザ・自社DB→成果物＋出典・日報への記録
設計の判断
- 役割ごとにモデルを使い分けてコストを管理。戦略判断は上位モデル、日常の作業は中位、探索・レビュー・定型処理は軽量モデルに寄せるルールにしています。
- ハルシネーション対策をルールと道具の両方で持つ。固有名詞・数値は一次情報で裏取りし、取得元URLと取得日が成果物に自動で残る取得コマンドを用意しました。
- 着手前チェックを定型化。「誰が・いつ・どこから触るか」「完了条件は1文で何か」を確認してから実装に入ります。これを飛ばして基盤ごと作り直した実例（手戻り1.6時間）から入れたものです。
ROIの測り方（実測）
- Claude Code のセッションログから、AIと対話していた時間を自動で集計するコマンドを作りました。
- 実績1の初期段階の実測：稼働28時間のうちAI対話14.1時間／AIの外側13.9時間。コードを書く中核の実装は4.7時間（17%）でした。
- AIが縮めるのは主に「書く時間」で、裏取り・目視確認・エラーの再現・判断は残ります。ROIを試算するときは、この「外側」を別枠で見積もります。過大な削減見込みで導入が決まると、定着の段階で失望に変わるためです。
業務内容との対応：AIエージェント活用のユースケース創出／PoCの企画とROI試算／AIエージェントと外部ツールの連携（MCP）
実績 3PoCの企画・推進要件定義大手メーカー向け
危険予知（RKY）支援Webアプリの AI活用PoC
2025.6–12 ／ システム開発企業（大手産業機器メーカー向け） ／ PM（業務委託）
「AIで何ができるか」から始まった要件未確定のPoCを、調査レポートで終わらせず、DB・APIの設計まで降ろして次フェーズを議論できる状態にしました。
調査→設計AIリサーチを要件定義に接続し、WBSまで落とした
DB・API実装可能性を確かめる粒度まで自分で設計
次フェーズを議論できる状態に。ドメイン理解を評価された
工程
AIリサーチ→要件定義→WBS→DB設計→API設計→進行管理→顧客折衝
設計の判断
- AIリサーチを要件定義の一部として扱った。PoCが提案書で止まるのは、調査と設計が分断されているためです。
- 現場のドメイン（メンテナンス現場の危険予知）を先に理解した。ドメイン知識が強く要る領域で、AIの使いどころは現場の言葉でしか決まらないためです。
業務内容との対応：現場ヒアリングによる課題の特定とAI活用戦略の策定／PoCの企画・推進
その他の根拠（PM・業務フローの可視化）
スマートロックサービスのシステム刷新2025.6–12 ／ PM（業務委託）
50社以上の要望を会員管理・予約・チケット管理の1システムに要件化。1,500万円規模を完遂し、150万円の追加受注。ベトナムを含む多国籍チーム。
国際会計事務所の会計業務フローシステムブリッジSE・要件定義
文書化されていなかった業務フローを図に起こしてから要件定義。例外処理の多い業務を開発チームに伝わる形にし、システムテストまで担当。
資産運用シミュレーションWebサービス大手金融機関向け（下請として参画）
要件の共有、一部設計書の作成、テストの実施、UI/UXのフィードバック。金融機関向けサービスの品質確認の進め方を経験。
インド開発拠点の立ち上げ・運営2021.10–2024.12 ／ 自社取締役
採用から自社で行い3年以上運営。「日本語で要件を固める工程」を自社に残す体制で、開発コストを業界水準比で最大50%削減。
日本語オペレーションの設計と運営2026.2–3 ／ AI関連企業
評価基準と手順書を作り、日本語話者を募集・オンボーディングして音声データを収録。着手1週間で10組、合計25時間超。