AIに業務ツールを作らせる方法｜何が作れてどこから始めるか

毎日のように発生する、あの地味な作業を思い浮かべてください。届いたメールから注文情報を1件ずつ表計算ソフトに転記する。複数のファイルから数字を拾って月次レポートに貼り直す。似たような問い合わせに、毎回ほとんど同じ文面で返信する。どれも難しくはないけれど、確実に時間を溶かしていく——こうした作業こそ、AIに「自社専用の道具」を作らせて肩代わりさせる、いちばんの狙い目です。市販のツールを探して回るのでも、自分でプログラムを覚えるのでもありません。やってほしいことを言葉で説明し、AIに作らせ、動かなくなったらAIに直させる。この記事は、その進め方を最初から具体的にお伝えするものです。

AI Lab OISHIでは、自社のブログやSNSの運用を、AIに指示して作らせた道具の集まりで回しています。だからここに書くのは、机上の一般論ではなく、実際に道具を作らせては壊し、直させてきた経験から出てきた勘所です。「何が作れて何が作りにくいのか」という線引き、「どこから手をつけるか」という順序、そして「作った後に何を守れば事故らないのか」という安全策。この3つが分かれば、あなたの会社の面倒な作業も、今日から1つずつ道具に置き換えていけます。派手な全自動化を夢見る前に、まずは目の前の30分を削るところから始めましょう。

なぜ今「AIに業務ツールを作らせる」が現実になったのか

ほんの数年前まで、社内の面倒な作業を専用ツールで自動化しようとすると、道のりは長いものでした。やりたいことを仕様書にまとめ、外の開発会社に見積もりを取り、数十万円と数ヶ月をかけてようやく1つの道具ができる。しかも完成したころには現場のやり方が変わっていて、また改修費がかかる。こうした重さが、「面倒だけど手作業で我慢するか」という選択を生んでいました。

この前提が、生成AIの登場ではっきり変わりました。いまは、やってほしいことを日常の言葉で説明すれば、AIがその場で道具の中身を組み立ててくれます。開発元のAnthropicが公開しているClaude Code公式のOverviewでは、コードを読み、書き、コマンドを実行し、開発の道具とつながるAIの相棒だと説明されています。つまり、これまで人間の技術者しか触れなかった「道具を作る」という工程そのものを、AIに任せられるようになったわけです。大事なのは、立ち位置が「自分で書く」から「AIに作らせる、壊れたら直させる」へ移ったことです。手を動かす主体がAIに変わったと考えると、必要な力もプログラムの文法ではなく、やりたいことを整理して伝える力へと変わります。

たとえるなら、これは腕のいい大工さんに棚を作ってもらう関係に近いです。あなたは木材の削り方やのこぎりの使い方を知らなくても、「ここに、この高さで、本がこれくらい入る棚がほしい」と伝えれば、形になって返ってきます。気に入らなければ「もう一段増やして」と頼めばいい。AIに業務ツールを作らせるとは、まさにこの「注文して、直してもらう」やり取りを、社内の作業に対してくり返すことなのです。だからこそ、この記事では技術用語よりも、何をどう頼むかという実践に重心を置いてお伝えしていきます。

具体的な例を1つ挙げます。ある会社では、取引先から届く注文メールを、担当者が毎朝1件ずつ開いて、日付・商品名・数量・金額を販売管理の表に手で打ち込んでいました。1日30分、月に10時間ほどの作業です。これをAIに頼んで「受信トレイの注文メールを読み、必要な4項目を取り出して一覧表に1行ずつ追記する道具」を作らせれば、朝の打ち込みは目視の確認だけで済むようになります。ゼロから何かを発明する必要はありません。いま人がやっている手順を、そのまま道具に写し取るだけ——これが、AIに業務ツールを作らせるという営みの正体です。だからこそ、まず狙うべきは華々しい新機能ではなく、毎日くり返している地味な手作業なのです。

AIに作れるもの・作りにくいものの線引き

最初にいちばん大事な線引きをはっきりさせます。AIは万能ではありません。得意なことと、任せずに人が握るべきことがあり、ここを最初に見分けられるかどうかで、自動化がうまくいくか事故るかが分かれます。判断の軸はシンプルで、「手順が決まっているか」「入力と出力がはっきりしているか」「間違えても静かに取り返せるか」の3つです。この3つがそろう作業ほど、AIに道具を作らせやすくなります。

逆に言えば、その場の空気を読んで決める判断、会社としての重い責任がともなう最終決定、前例のない例外への対応、そして一度きりで取り返しのつかない操作は、AIに丸ごと任せる相手ではありません。これらは道具の外に置き、人が最後に確認する領域として残します。ちょうど、電卓とコンパスの違いのようなものだと考えると分かりやすいと思います。決まった計算を高速で正確にこなすのは電卓の役割ですが、どの方角へ進むかという意思決定はコンパスを持つ人間の仕事です。AIは驚くほど優秀な電卓ですが、進む方角まで決めさせてはいけません。

もう少し具体的に、身近な業務で「作らせやすさ」を並べてみます。下の表は、同じ業務領域でも、切り出し方しだいでAIに任せやすい部分と人が握る部分が分かれることを示しています。ポイントは、業務を丸ごと自動化しようとしないこと。1つの業務のなかから、手順が決まっていて取り返せる工程だけを薄く切り出して道具にすると、驚くほどスムーズに進みます。

ここで押さえておきたいのは、「AIが作れる」ことと「AIに任せてよい」ことは別だという点です。技術的には、AIは請求金額を自動で確定させる道具も、顧客への返信をそのまま送信する道具も作れてしまいます。ただ、作れることと任せてよいことの間には、はっきりと一線があります。金額の確定や送信そのものは人が最後に押す一手として残し、そこに至るまでの下ごしらえだけを道具に任せる。この「できるけれど、あえて任せない」という抑制こそ、事故を防ぐ最後の砦になります。線引きに迷ったら、「これが間違っていたら、誰かに謝りに行くことになるか」を自分に問うてみてください。謝りに行く必要がある作業は、人が握る側です。

どこから始めるか｜毎日30分の作業を1つ選ぶ

線引きが分かったら、次は「どこから手をつけるか」です。ここで多くの人が、いきなり会社全体の大きな自動化を構想してしまい、複雑さに押しつぶされて止まります。おすすめは逆で、まず毎日30分以上かけている繰り返し作業を、たった1つだけ選ぶことです。全社ではなく、あなた自身の目の前の面倒から始める。小さく始めるほど、失敗しても被害が小さく、効果も早く実感できます。

選ぶときの基準は3つあります。1つ目は「毎日か、毎週くり返している」こと。頻度が高いほど、道具にしたときの見返りが大きくなります。2つ目は「手順が頭の中で説明できる」こと。人に引き継げる作業なら、AIにも引き継げます。3つ目は「間違えても取り返せる」こと。最初の1台は、失敗しても大事にならない作業を選ぶのが鉄則です。この3つがそろう作業は、いわば自動化の練習台として理想的で、ここで成功体験を1つ作ると、次の道具づくりが一気に楽になります。

作業を1つ選んだら、次にやるのは「手順を言葉で書き出す」ことです。ここが実は最大の勘所です。というのも、AIへの指示書は、新しく入った人へ渡す引き継ぎメモとほとんど同じだからです。「どのフォルダのファイルを見て」「そこから何を取り出して」「どこに、どんな形で書くか」。この3点を箇条書きにできれば、それがそのままAIへの発注書になります。たとえば先ほどの注文メールの例なら、「①受信トレイの未読メールのうち、件名に『ご注文』を含むものを開く ②本文から日付・商品名・数量・金額の4つを取り出す ③指定の一覧表に、1件を1行として下に追記する ④読み終えたメールに『処理済み』の印をつける」という具合です。ここまで細かく言葉にできていれば、AIはほとんど迷わずに道具を組み立てられます。逆に、自分でも手順を説明できない作業は、AIにもうまく作らせられません。まずは頭の中の作業を言葉にする——この地味な一手間が、良い道具への近道です。より基礎的な始め方はAIで仕事を半自動化する7ステップのガイドにまとめているので、あわせて読むと最初の一歩がつかみやすいはずです。

「作らせて、動かして、直させる」進め方

手順を書き出したら、いよいよAIに作らせます。ここで使うのが、対話しながら道具を組み立ててくれるAI開発ツールです。代表的なものにClaude Codeがあり、日本語で頼むだけでファイルを読み書きし、簡単なプログラムを組み立ててくれます。始め方そのものはClaude Codeの始め方を丁寧に解説したガイドで扱っているので、ここでは「どう頼み、どう直させるか」に絞ってお伝えします。

進め方は、料理店に注文するやり取りとよく似ています。まず注文する。出てきたものを味見する。違ったら「もう少し薄味に」と伝えて直してもらう。これを満足いくまでくり返す。AIに道具を作らせるときも同じで、「作らせる→手元で動かす→違うところを直させる」という小さな一巡を回すだけです。最初から完璧な道具を狙う必要はありません。むしろ、まず荒くても動くものを作らせ、実際に使いながら不満点を1つずつ直させるほうが、結果的に早く実用に届きます。AnthropicのClaude Code公式の一般的なワークフロー集でも、まず変更案を見てから反映する、探索は別の担当に任せる、といった「小さく確かめながら進める」型が推奨されています。

この進め方の良いところは、道具が壊れても慌てずに済むことです。使っているうちに、入力の形が変わって道具が動かなくなることは必ず起きます。そのときも、自分でコードをにらんで原因を探す必要はありません。「昨日まで動いていたのに、今日はこのエラーで止まる」と症状を伝えれば、AIが原因を探して直してくれます。作った本人が直せなくても、作らせた相手に直させればいい——この安心感が、コードを書かない進め方の最大の強みです。実際の運用でも、私たちは道具が止まるたびに症状を渡して直させることをくり返し、少しずつ壊れにくい形へ育ててきました。たとえば、最初は金額欄の「¥」やカンマが混じって数字がずれることがありましたが、そのときも「金額に記号が混じると数字がずれるので、記号を取り除いてから数値として扱って」と伝えるだけで直りました。直し方を自分が知っている必要はなく、困っている症状を正確に伝えられれば、それで十分なのです。1台の道具に慣れたら、同じ要領で2台目、3台目と増やしていけます。複数の道具を束ねて回している例はAIで自動化システムを束ねて運用している記事で紹介しています。

作った後の安全策｜壊れても外に出ない仕組み

道具が動き出すと、次に考えるべきは安全策です。ここを飛ばすと、便利さと引き換えに事故のリスクを抱え込みます。とはいえ、身構える必要はありません。守るべき原則はシンプルで、ひとことで言えば「壊れても外に出ない形に、道具を閉じておく」ことに尽きます。派手な機能より先に、この閉じ込めを固めるのが順番です。

具体的な守りは4つの層で考えます。1つ目は、道具を自分の手元のパソコンや社内の環境で動かし、いきなり外向けに公開しないこと。実験は、隔離した部屋の中でやるようなものだと考えてください。2つ目は、ファイルを読むだけの作業を既定にして、消したり送ったりする操作は人が最後にボタンを押す形にすること。3つ目は、渡す情報を必要な分だけに絞ること。持たせていない情報は、そもそも漏れようがありません。4つ目は、作ったデータを開放的な形式（表計算やテキストなど後から開ける形）で保存し、バックアップを取っておくこと。ここまでを最初に固めておけば、道具が予想外の動きをしても、被害は手元の中に収まります。この4つは、一度に完璧にそろえる必要はありません。まずは「手元で動かす」と「送信・削除は人が押す」の2つだけでも、事故の大半は防げます。残りの2つは、道具を毎日使うようになってから足していけば十分です。大事なのは、便利さを追う前に、この閉じ込めの土台を先に置いておくという順番です。

心強いのは、こうした安全側の初期設定が、道具を作るAI自身にあらかじめ組み込まれていることです。AnthropicのClaude Code公式のセキュリティ解説によれば、Claude Codeは既定で読み取り専用として動き、システムを変える操作の前には必ず確認を求めます。動ける範囲も、起動したフォルダとその下だけに限られ、勝手に上の階層へ手を伸ばすことはありません。よく使う安全な操作だけを個別に許可していく仕組みも用意されています。いわば、最初から金庫の扉が閉まった状態で届き、開けるたびに「本当に開けますか」と聞いてくれるようなものです。この標準の守りを土台に、送信・公開・削除という取り返しのつかない操作だけを人の手に残せば、安全策の骨格はほぼ完成します。

ただし、道具に組み込まれた守りは万能ではありません。最後の砦は、作り手が自分で置く仕組みです。私たちの運用では、うっかりミスを人の注意力だけに頼らず、危ない操作を機械が自動で止める関所を要所に置いています。この「お願いでなく仕組みで止める」考え方と、その具体的な作り方は品質と安全を自動で止める仕組みの実装ガイドで詳しく扱っています。大切なのは、良い動きを期待する前に、悪い動きを機械が止める形を先に用意しておく、という順番です。

現実的な注意点｜ここでつまずく

最後に、実際に道具を作らせるなかで多くの人がつまずくポイントを、正直にお伝えします。どれも避けられるものばかりですが、知らずに踏むと「やっぱりAIは使えない」と誤解してしまう落とし穴です。先回りして知っておけば、余計な回り道をせずに済みます。

いちばん多いのは、最初から全自動を狙ってしまうことです。人の判断をまるごと外そうとすると、途端に複雑になり、事故も増えます。半分だけ自動にして、最後は人が確認する「半自動」から始めるのが正解です。次に多いのが、曖昧な指示で丸投げすること。「いい感じにまとめて」ではAIも迷います。手順を具体的に伝えるほど、返ってくる道具の精度は上がります。3つ目は、秘密の情報をうかつに渡してしまうこと。パスワードや顧客の個人情報は、道具に持たせる前に「本当に必要か」を一度立ち止まって確かめます。4つ目は、動いたら放置してしまうこと。道具は環境の変化で静かに壊れます。ときどき自分の目で結果を確かめる習慣が、長く使える道具と使い捨ての道具の分かれ目になります。

これらの落とし穴は、突き詰めると「一気にやろうとしすぎる」「人の確認を省きすぎる」という2つの欲張りに行き着きます。小さく始め、要所で人が確認する。この2点さえ守れば、大きな事故はほとんど避けられます。AI導入がうまくいかない会社に共通するつまずきは中小企業のAI導入でつまずくパターンと回避策の記事にも整理しているので、道具づくりを始める前に一度目を通しておくと、回り道を減らせます。

まとめ｜「探す・買う」から「作らせる」へ

これまで、社内の面倒を解決する道具は「探すか、買うか、外注するか」の三択でした。そこにいま、第四の選択肢が加わっています。自分たちの手元で、AIに作らせるという道です。市販ツールのように余計な機能に振り回されることも、外注のように数ヶ月待つこともなく、自社の作業にぴったり合った道具を、必要な分だけ育てていける。しかも、現場のやり方が変わったら、その場でAIに直させて作り替えられます。既製品を自社の業務に無理やり合わせるのではなく、業務のほうに道具を合わせていける——これが、コードを書かずに道具を持てる時代の新しい常識になりつつあります。

大切なのは、順番を守ることです。まずAIが得意なこと（手順が決まった繰り返し）と人が握ること（最終判断と重い責任）を線引きする。次に、毎日30分以上かけている作業を1つ選び、手順を書き出して小さく作らせる。動かして、違うところを直させる。そして、壊れても外に出ない形に閉じておく。この一連を1台ぶん回しきると、AIに道具を作らせる感覚が体に入り、2台目からは驚くほど速くなります。派手な全自動を夢見るより、目の前の30分を1つ消す——その小さな一歩が、自社専用の道具を増やしていく確かな出発点になります。

よくある質問

プログラムを書けなくても、AIに業務ツールを作らせることはできますか？

できます。進め方が「自分でコードを書く」から「AIに指示して作らせ、壊れたらAIに直させる」に変わったからです。大切なのはプログラムの文法を覚えることではなく、やってほしい作業を手順として言葉で説明する力と、何を任せて何を人が握るかを決める線引きの力です。たとえば「このフォルダに届いた注文メールから、日付・商品名・金額を読み取って、一覧表に1行ずつ足す道具を作って」と具体的に頼めば、AIは道具の中身を組み立ててくれます。うまく動かない部分は、そのまま症状を伝えれば直してくれます。最初から完璧を狙わず、毎日30分以上かけている小さな作業を1つ選び、そこから作らせるのが失敗の少ない順序です。

AIに作らせやすい業務ツールと、作りにくいものの違いは何ですか？

手順がはっきり決まっていて、入力と出力が明確で、間違えても取り返せる作業ほど、AIに作らせやすいです。データの転記、集計とレポート作成、ファイル形式の変換、定型メールの下書きなどが代表例です。逆に、その場の空気を読む最終判断、会計や契約の最終責任、前例のない例外対応、顧客への最終送信の判断などは、AIに丸ごと任せず人が握る領域です。線引きの目安は「間違えたときに、静かに取り返せるか」です。取り返せる作業は道具にして任せ、取り返せない一線だけは人が最後に確認する。この切り分けが、事故なく自動化を増やすコツです。

AIに作らせた業務ツールから、社内の情報が漏れる心配はありませんか？

作り方を「壊れても外に出ない」形に閉じておけば、心配は大きく減らせます。基本は3つです。1つ目は、道具を自分の手元のパソコンや社内の環境で動かし、いきなり外向けに公開しないこと。2つ目は、ファイルを読むだけの作業を既定にして、消したり送ったりする操作は人が最後にボタンを押す形にすること。3つ目は、渡す情報を必要な分だけに絞ることです。Claude Codeのような開発ツールは、最初は読み取り専用で動き、システムを変える操作の前に必ず確認を求める作りになっています。この安全側の初期設定を活かし、送信・公開・削除だけは人の手に残すのが基本です。

AIに業務ツールを作らせるとき、最初の一歩は何をすればよいですか？

まず、毎日30分以上かかっている繰り返し作業を1つだけ書き出すことから始めます。次に、その作業を人に引き継ぐつもりで手順を箇条書きにします。「どのファイルを見て、何を取り出し、どこに書くか」を具体的に言葉にできれば、それがそのままAIへの指示書になります。あとは小さく作らせ、自分の手元で試して、違うところを直させる。この一巡を回すだけで、最初の道具は数時間から数日で形になります。いきなり全社の全自動化を狙うのではなく、自分の目の前の面倒を1つ消すところから広げるのが、続く自動化への近道です。

参照元・出典

• Claude Code Overview（Anthropic 公式ドキュメント） — コードを読み書きし、コマンドを実行して開発ツールとつながるAIコーディングツールの概要。
• Claude Code Common workflows（Anthropic 公式ドキュメント） — コードの理解・修正・テストなど日常作業を、小さく確かめながら進める型のレシピ集。
• Claude Code Security（Anthropic 公式ドキュメント） — 既定は読み取り専用、作業フォルダの外は変更しない、危険な操作は確認を求めるという権限設計の解説。