研修全体の概要

目的	ChatGPT・Claude Code を中核に、受講者が自社の業務を自ら AI 化・自動化できる状態を作る
対象	管理職・現場担当者（プログラミング未経験者を含む）
形式	講義＋ハンズオン（PC実機操作）＋グループワーク
1コマ	60分（質疑含む）／全12コマ
到達像	AIに一言で日次業務を自動実行させ、LPの制作・公開や外部API連携システムまで自走開発できる組織人材を育成

学習ロードマップ（全体像）

受講前の事前準備（共通）

• PC（macOS / Windows）、安定したネット回線
• Claude（Pro/Max）アカウント、Claude Code のインストール
• ChatGPT アカウント
• Google アカウント（または Microsoft 365 アカウント）
• ※APIキーやアカウント作成は各コマで案内（無料枠で進行可能な範囲を中心に構成）

---

1コマ目ChatGPT・AIエージェントを実務へ落とし込む / AI化ポイントの見つけ方

学習内容

1. AIの基礎概念
   • 生成AIとは何か（LLMの仕組みをざっくり理解）
   • 「ツールとしてのAI」と「エージェントとしてのAI」の違い
   • ハルシネーション（誤情報）・著作権・機密情報の取り扱いリスク
2. AI化すべき業務の見つけ方
   • 「繰り返し・定型・大量・調べ物」がAI化の狙い目
   • 業務棚卸しの4象限（頻度 × 定型度）
3. プロンプト基礎を「画像生成」で体感する
   • 役割付与・前提条件・出力形式の指定（プロンプトの型）を、画像生成で実演する
   • 同じ題材でも、指示の解像度（被写体・構図・色・雰囲気・用途）で結果が大きく変わることを目で見て理解する
   • 狙い：目に見える成果物を扱うことで、AIへの指示出しスキル（プロンプト力）を高める。文章出力より良し悪しが直感的に分かり、初学者でも「伝え方で変わる」を体感しやすい

画像生成プロンプト実演・ハンズオン（目に見える成果物で学ぶ）

• 講師がまず曖昧な指示（例：「かっこいい画像を作って」）と具体的な指示（被写体・構図・色味・用途を明示）の差を実演
• 受講者も自社で使えそうな画像（例：SNS投稿用バナー、商品イメージ、サムネイル）を1枚生成
• 「もっと明るく」「正方形に」「文字を入れて」など、対話で目標に近づける反復を体験
• ここで掴んだ「指示の型」が、2コマ目以降のエージェントへの指示出しにそのまま生きる

グループワーク（30分）

• 自社業務を付箋（または共有シート）に書き出す
• 「頻度 × 定型度」マトリクスに配置
• AI化の優先順位TOP3を各自・各グループで決定 → 発表

リスク・注意点（必ず押さえる）

• 機密情報・個人情報を安易に入力しない（社内ルールの必要性）
• 出力は必ず人がチェックする（最終責任は人間）
• 無料版と有料版/API利用時のデータ学習設定の違い

到達確認

• AI化候補業務を3つ以上挙げられる
• AIのリスクを自分の言葉で説明できる
• プロンプトの型を使い、画像生成で意図した成果物に近づけられる

---

2コマ目Claude Code を活用したリサーチエージェント（お試し体験）

このコマは本格的な環境構築（3コマ目）の前の「お試し体験」回。講師のデモを中心に進め、受講者は講師の画面または最小セットアップで「Claude Code が自律的に調べてファイルを作る」様子を体感する。各自の本格的な環境構築・許可設定は3コマ目で丁寧に行う。

学習内容

1. Claude Code とは何か
   • チャットUI型AI（ChatGPT等）との決定的な違い
     • 自分のPC（ファイル・ターミナル・ツール）を操作できる
     • 複数ステップのタスクを自律的に実行する「エージェント」
   • できること / 苦手なことの整理
2. リサーチエージェントの作り方
   • Web検索・WebFetchによるリサーチのさせかた
   • 「調べる→出典確認→要約→ファイル保存」の一連の流れ
   • 出典を必ず明示させるプロンプト設計
   • 調査結果を 04_成果物/リサーチレポート/ に保存する運用（フォルダ構成は3コマ目で整える）

ハンズオン（講師デモ中心）

• 「自社業界の最新トレンドを5つ調べてMDファイルにまとめて」を実行し、エージェントの動きを観察
• 出力をレビューし、出典の妥当性をチェック

到達確認

• Claude Code とChatGPTの違いを説明できる
• リサーチエージェントが「調べてファイルにまとめる」流れをイメージできる

---

3コマ目環境構築・動作確認 / AIが迷わないフォルダ構成

このコマは以降のコマで本格的に手を動かすための土台づくり。ここで環境構築につまずくと以降が全滅するため、全員が確実に動く状態をつくることを最優先とする。手の早い受講者には待ち時間でフォルダ設計を先に進めてもらう。

学習内容

1. 環境構築・動作確認
   • Claude Code のインストール（macOS / Windows）
   • ターミナルの基本操作（怖くない・最低限のコマンドだけ）
   • 起動・プロンプトの送り方・許可（permission）の考え方
   • MCP / API認証の基礎（仕組みと最初のつなぎ方）
   • 「ちゃんと動くか」の動作確認（2コマ目で見たリサーチを今度は自分のPCで再現）
2. AIが迷わないフォルダ構成（共通設計）
   • プロンプトの上手さだけでなく、AIが参照すべき資料・作業中ファイル・完成物・認証情報を迷わず見つけられるフォルダ設計が重要
   • 各社が自社用に流用できる標準構成を作りながら進める

AIが迷わないフォルダ構成（標準構成）

会社名_AI業務自動化/
├── 00_ルール/
│   ├── CLAUDE.md                 # AIへの常時指示書
│   ├── 命名規則.md
│   └── セキュリティルール.md
├── 01_業務棚卸し/
│   ├── AI化候補リスト.xlsx
│   └── 業務フロー整理.md
├── 02_素材/
│   ├── 会社情報/
│   ├── 商品サービス情報/
│   └── よく使う文章/
├── 03_スキル/
│   ├── research.md
│   ├── gmail_reply.md
│   └── daily_routine.md
├── 04_成果物/
│   ├── リサーチレポート/
│   ├── 提案書/
│   └── アプリ/
├── 05_ログ/
│   ├── 実行ログ/
│   └── 改善履歴/
└── .claude/
    ├── commands/                 # 自作スキル・スラッシュコマンド
    └── credentials/              # APIキー・MCP認証情報（Git管理しない）

フォルダ設計の考え方

• 00_ルール/：AIに毎回守らせる社内ルール、表記、禁止事項を置く
• 01_業務棚卸し/：AI化する前の業務一覧・優先順位・現状フローを置く
• 02_素材/：AIが参照してよい会社情報・商品情報・定型文を置く
• 03_スキル/：再利用できる業務手順やプロンプトを置く
• 04_成果物/：AIが作成したレポート、提案書、アプリ・LPなどを保存する
• 05_ログ/：いつ、何を、どのAIに実行させたかを記録する
• .claude/credentials/：APIキーや認証情報を置くが、外部共有・GitHub公開はしない

ハンズオン

• Claude Code を起動し、「今日の日付をファイルに書いて」など簡単な指示が通ることを確認
• 自社用のAI業務フォルダ（上記の標準構成）を作成する
• ルール・素材・成果物・ログ・認証情報の保存先を自分で決める

到達確認

• Claude Code を自分のPCで起動し、簡単な指示を実行できる
• ターミナルの基本操作・許可（permission）の考え方を説明できる
• 自社用のAI業務フォルダを作成し、用途別に分けて管理できる

---

4コマ目Google Workspace / Microsoft Office 連携エージェント構築

学習内容

1. API連携の基礎概念
   • 「APIで外部サービスとつなぐ」とはどういうことか
   • MCP（Model Context Protocol）の概要
2. Google Workspace / Microsoft 365 連携
   • スプレッドシート / Excel の読み書き連携セットアップ
   • 認証情報の安全な管理（.claude/credentials/ の考え方）
3. CLAUDE.md の理解と活用
   • CLAUDE.md とは「AIへの常時指示書」
   • プロジェクトルール・命名規則・業務手順を書く
   • グローバルルールとプロジェクトルールの使い分け
   • 3コマ目で作ったフォルダ構成を、CLAUDE.md でAIに明示する

ハンズオン

• スプレッドシートに「項目別データを自動入力」させる
• CLAUDE.md に自社のルール（言語・命名・保存先）を記述し、挙動が変わることを体験

到達確認

• スプレッドシート/Excelの入力業務をエージェントに代行させられる
• CLAUDE.md に自社ルールを記述できる
• AIに「どこを見て、どこに保存するか」を明示できる

---

5コマ目返信エージェント構築（Slack / Gmail 連携）

学習内容

1. MCP連携の実践
   • Slack MCP / Gmail MCP のセットアップ
   • ~/.claude/.mcp.json への設定（※settings.jsonのmcpServersは非対応）
2. 返信エージェントの設計
   • メッセージを読む→文脈を理解→返信ドラフトを作る
   • 「下書きまで」と「自動送信」の線引き（安全設計）
3. スキル（Skill）の構築
   • スキルとは「再利用できる業務手順のパッケージ」
   • .claude/commands/ への保存
   • スラッシュコマンドで呼び出せるようにする

ハンズオン

• Gmailの未読を要約し、返信ドラフトを作るスキルを作成
• Slackの特定チャンネルへ定型連絡を送るスキルを作成

到達確認

• Slack/Gmail と連携した返信エージェントを動かせる
• 自作スキルをスラッシュコマンドで呼び出せる

---

6コマ目Codex を使ったランディングページ（LP）制作・公開

学習内容

1. Codex（OpenAI Codex CLI）とは
   • Claude Code と同じ「ターミナルで動くAIコーディングエージェント」
   • Claude Code との違い・使い分け（複数のAIエージェントを目的で選ぶ発想）
   • インストールと起動・許可の考え方
2. ランディングページ（LP）の基礎
   • LPとは：1ページで商品・サービスの魅力を伝え、行動（問い合わせ・購入）を促すページ
   • 基本構成：ファーストビュー → 課題提起 → ベネフィット → 実績・お客様の声 → CTA（行動喚起）
3. バイブコーディングでLPを作る
   • 「誰に・何を・どんな印象で」を伝えてLPを生成（指示の解像度が成果物を決める）
   • プレビューで確認しながら対話で修正（1コマ目の画像生成プロンプトの考え方がそのまま活きる）
   • キャッチコピー・配色・レイアウト・CTAを指示で調整
   • 生成物を 04_成果物/アプリ/ に保存する運用
4. GitHub とサーバー管理の考え方（公開の土台）
   • ローカル（自分のPC）と公開サーバーの違い：なぜ作っただけではネットに出ないのか
   • GitHub とは：コードの保存・バージョン管理（リポジトリ / コミット / プッシュ）、過去に戻せる・共同編集できる利点
   • サーバー / ホスティングの考え方：作ったLPを「誰でもURLで見られる状態」にする仕組み
   • 公開（デプロイ）の流れ：GitHub → Netlify / GitHub Pages 等で自動公開、独自ドメインの概要
   • Codex に「GitHubへ上げて公開して」と頼む際の指示の出し方・許可の考え方

ハンズオン

• 自社サービスのLPをCodexに作らせる（1ページ）
• ファーストビューのキャッチコピーとCTAボタンを対話で改善
• 1コマ目で作った画像を差し込み、配色を自社イメージに合わせる
• 作ったLPをGitHubにプッシュ（バージョン管理を体験）
• Netlify / GitHub Pages で公開し、URLを発行してスマホで確認 → 修正して再公開

到達確認

• Codex CLI を起動し、AIにLPを作らせられる
• LPの基本構成を理解し、対話で見た目・文章を修正できる
• GitHub と公開サーバーの役割の違いを説明できる
• 作ったLPをGitHub経由で公開し、URLでアクセスできる

---

7コマ目SNS自動投稿システム構築①（外部API連携 / Claude Code × GAS）

学習内容

1. 外部API連携とは
   • 「APIで外部サービスを操作する」とは（投稿する・取得する・更新する）
   • APIキー / アクセストークン / 認証の基礎
   • SNS API（X / Threads / Instagram 等）でできること・制約（審査・レート制限）
2. Claude Code × GAS の連携
   • GAS（Google Apps Script）とは：Googleのクラウド上で動く・環境構築不要・ブラウザだけで完結
   • Claude Code で GAS のコードを生成・編集する流れ（文法を書けなくてOK）
   • スプレッドシートを「投稿ネタ管理表」として使う発想
3. 自動投稿システムの全体設計
   • 投稿文をスプレッドシートに用意 → GASがAPIを叩いて投稿
   • 「下書き／予約／即時投稿」の考え方

ハンズオン

• スプレッドシートに「投稿ネタ表」を作る
• Claude Code に指示して、指定したテキストを外部サービス（SNS API、難しければ Slack / Webhook で代替）に送る最小のGASプログラムを生成
• 実際に1件、テスト投稿を飛ばして「外部APIに届く」を体験

到達確認

• 外部API連携・APIキー（トークン）の考え方を説明できる
• Claude Code で GAS のコードを生成・修正できる
• スプレッドシートの内容を外部サービスに送る最小プログラムを動かせる

---

8コマ目SNS自動投稿システム構築②（定期実行・運用）

学習内容

1. 定期実行（トリガー）
   • GASの時間主導型トリガーで「毎朝9時に自動投稿」
   • 投稿済みフラグ管理（二重投稿の防止）
2. 複数SNS・複数アカウント対応の考え方
   • 投稿先を表で切り替える設計
   • サービスごとのAPIの違いを吸収する発想
3. 運用・エラー対応
   • 失敗時のログ・通知（Slack / メール）
   • レート制限・トークン期限切れへの対処
   • 認証情報の安全管理(コードに直書きしない／Script Properties の活用)

ハンズオン

• 7コマ目のプログラムにトリガーを設定し、定期自動投稿にする
• 「投稿済み」管理列を追加し、二重投稿を防ぐ
• エラー時に Slack / メールへ通知する仕組みを追加

到達確認

• GASのトリガーで定期自動投稿を動かせる
• 投稿管理（二重投稿防止・ログ）を設計できる
• 外部APIと連携した実用的な自動化プログラムを1つ完成できる

---

9コマ目複数タスク実行エージェントの構築①（スキルマネージャー）

学習内容

1. スキルの組み合わせ（オーケストレーション）
   • これまでに作った単体スキル・自動投稿プログラムを束ねる発想
2. スキルマネージャー（親スキル）の構築
   • 「おはよう」をトリガーに複数スキルを順次/並列実行
   • 実行順序・依存関係の設計
3. 日次ルーティンの自動化設計
   • 例：予定取得 → ニュース収集 → メール下書き → SNS投稿 → レポート作成

ハンズオン

• 自社の朝の定型業務3〜5個を洗い出す
• 「おはよう」で一括実行されるスキルマネージャーを構築・テスト

到達確認

• 「おはよう」の一言で複数タスクが自動実行される
• 実行順序を自分で設計・調整できる

---

10コマ目複数タスク実行エージェントの構築②（エージェントチーム）

学習内容

1. マルチエージェント（並列処理）
   • 1つのエージェントの限界と、チーム化のメリット
   • サブエージェントへのタスク分担
2. コンテキスト管理
   • コンテキストウィンドウとは / なぜ重要か
   • 長時間タスクでの情報の引き継ぎ
3. ログ管理
   • 何を・どこに記録するか（実行ログ・成果物ログ）
   • 後から振り返れる運用設計
4. AIモデルの選択
   • Opus / Sonnet / Haiku の特性と使い分け
   • 「速度・コスト・賢さ」のトレードオフ

ハンズオン

• 複数エージェントで「調査＋執筆＋校正」を並列分担
• タスクごとに最適なモデルを割り当てる

到達確認

• 複数エージェントで並列業務を実行できる
• タスクに応じてAIモデルを使い分けられる

---

研修修了時の到達目標（まとめ）

カテゴリ	修了時にできること
基礎・環境	AIのリスクを理解し、環境構築とAIが迷わないフォルダ設計を整えたうえで、自社業務のAI化ポイントを特定できる
単体エージェント	リサーチ・Office連携・返信を自動化するエージェントを作れる
Web制作・公開	Codex を使って自社のランディングページを制作し、GitHub経由でWebに公開できる
外部API・SNS自動投稿	外部APIと連携し、Claude Code × GAS でSNS自動投稿システムを構築できる
複合自動化	「おはよう」で日次業務が自動実行され、複数エージェントを並列運用できる