士業・コンサルのAI活用事例

中規模の事務所のまま大手並みの品質を求められ、書類を読み込む繰り返しの仕事に弁護士の時間が吸われていた。

顧客ごとに書面の書き方がぶれて品質をそろえるのも難しかった。

1. 10種類ほどのツールを試してHarveyに決めた
2. 質問の下書きと証言の記録をHarveyに読ませる
3. 抜けている論点を挙げさせて質問を組み直した
4. クロージング書類50通以上をVaultに入れて制限条項を抜き出させる
5. NDAのレビュー手順をエージェントにして同じ流れでコメントを付ける

デポジションの準備は1〜2日かかっていたものが約2時間で終わった。

制限条項の洗い出しは2日のプロジェクトが2時間になり、Harveyを定期的に使う人は週10時間以上を浮かせている。

調査のたびにゼロから資料を探していて、知識の置き場も散らばっていた。

拠点が3か所に広がって書類の作成と確認の量が増え、手作業のやり方では追いつかなくなった。

1. GDPRとNIS2の規制調査をHarveyの一次調査から始める
2. 弁護士は条文が顧客の状況に当てはまるかを確かめる
3. 契約の構造と条項の問題をHarveyに先に洗い出させる
4. Word用の追加機能で契約書と手引きの書式をそろえる
5. 訴訟では量の多い資料を要約させて時系列を組み立てる

弁護士1人あたり週3〜6時間が戻り、受けられる案件の数が増えた。

長いスキャン資料の確認が法律面の分析の足止めにならなくなった。

受注が決まるたびに納品用の資料や作業計画や進行表を手で作っていて、1件で2〜3時間かかっていた。

この作業は客と会わない夜に回り、60分の通話ごとにメモとタスク作りで30〜45分が上乗せされた。

1. 1つの作業場にBrainと15体のエージェントを置いた
2. 受注が決まると契約の範囲を写した15ページのノートを作らせた
3. 署名済みの提案書を工程と子タスクと前後関係に分けた
4. 通話に同席させて決まった宿題をタスクに変えた
5. 本人は出来上がった提案書を15分だけ見直した

新規客の初期設定は2〜3時間から10分になり、提案書は15分の見直しで出せるようになった。

15体のエージェントは午後の作業1回で組み上げた。

毎月1週間を多言語のコンテンツ作りにあてていた。

急な対応や学校の休みが入ると後回しになった言語の発信が止まった。

1. 4ブランドの仕事を3つのClickUpワークスペースに集めた
2. 投稿のアイデアを1つ書いて5言語の下書きと画像を作らせた
3. 繰り返しの仕事は32体のSuper Agentが受け持つ
4. エージェントに北欧向けの投稿を週15件予約させた
5. 通関書類のCN22とCN23を確かめて作る

翻訳のために空けていた月1週間を自分にしかできない仕事へ回せるようになった。

北欧向けのチャネルは一番弱いところから一番安定したところに変わった。

規制の厳しい国で守秘性の高い仕事をAIに預けられるかが最初の関門だった。

社内の関心が高まっている時期を逃すと広げる勢いを失う心配もあった。

1. クリスマス前に社内公開し6週間で全社に広げる計画を立てた
2. 必須のオンライン研修とルールを受けた人にライセンスを渡す
3. 全拠点のワークショップで自分用のワークフローまで作らせた
4. 拠点ごとのハッカソンで5分ずつ発表させその場で投票する
5. 15分以内の定例通話を続け使い方のライブラリも作った

全社の利用率は96〜97%になり、1日に約4,000件のプロンプトが動くようになった。

デューデリの書類確認の時間は最大95%減り、要約は最大30%速くなった。

広く送るメールは地域やサービス別に分けるだけで、相手ごとの中身になっていなかった。

誰がいつ反応しやすいかも分からず送る時間はばらばらだった。

1. Oracle Marketingを入れキャンペーンの計画を1か所にまとめた
2. AIに行動と反応の傾向を読ませ送信時刻を決める
3. 送りすぎている相手はfatigue分析で見つけ対象から外す
4. アカウント情報から反応の見込みと関心を点数にした
5. 地域で切る分け方から関心で切る分け方へ変えた

メールの開封率とクリック率が上がった。

宛先を手で用意する作業が減り、その分を別の仕事に回せるようになった。

案件の情報が大量の表計算ファイルに散らばり、全体の状況がつかめなかった。

経営の確認会議のたびに資料づくりへ長い時間を取られていた。

1. ClickUpを1つの作業場にして進み具合を集めた
2. ClickUp Brainを全社で入れ依頼の受付とタスク確認に使った
3. 営業は見込み客の調査と提案資料づくりに使った
4. ChatGPTとGeminiとClaudeを中から切り替えて呼び出した
5. Salesforceとつなぎ顧客の声を案件の流れへ渡した

スライド資料を作る運用をやめ、経営陣はその場の数字が出るダッシュボードで状況を見るようになった。

会議前の準備にかかっていた長い時間も無くなった。

汎用の機械翻訳では同じ種類の誤りを毎回直す手間がかかっていた。

6万語に及ぶ調査レポートもあり、人の手による見落としも起きていた。

1. 社内の20人の翻訳者が画面で直接作業する
2. AIが過去の翻訳データを読み訳の候補を先に出す
3. 翻訳者は候補を受け入れるか言い回しを直して確定する
4. 直した内容はその場でエンジンに反映される
5. 60種類以上のコネクタとAPIで既存の仕組みにつないだ

翻訳者の作業効率が20%上がった。

人件費と案件の費用が下がり、5言語のレポートを35か国の顧客へより早く届けられるようになった。

会計と経営教育を手がける少人数の会社で打ち合わせの記録を手で打ち直し問い合わせも人が仕分けしていた。

着手までに週10〜15時間が消えていた。

1. 社内の仕事をClickUpのワークスペース1つにまとめた
2. AI Notetakerが打ち合わせの音声から要点を書き起こす
3. ClickUp Brainがやり取りの流れを短くまとめる
4. 3体のSuper Agentが問い合わせを担当ごとに振り分けた
5. 人がタスクの中身と担当を確かめて動き出す

下ごしらえの手作業が減り週10時間分を別の仕事に回せるようになった。

医療テック企業の顧客に渡す契約書は穴があってはならず、似た文言を何度も読むうちに見落としが出る心配があった。

過去に使った言い回しを探すのにも時間がかかっていた。

1. 代理する当事者を指定してSpellbookに読ませる
2. AIが挙げた気になる点を弁護士が確かめて直す
3. 一般レビューとカスタムレビューを使い分けた
4. 補償条項を相互の内容に直すよう指示する
5. 過去の言い回しを探させて今の契約に合わせる

弁護士の最初のチェックで重要な点の抜けが減り契約書の質が上がった。

古い書類を何時間もかけて探す作業がなくなり、別の弁護士に二重チェックを頼む必要も減った。

技術の移り変わりが速く、社員の知識が追いつかない状態だった。

AIを扱える人を増やさないと顧客へ出せる提案の中身が薄くなる心配があった。

1. Udemy Businessの講座で役割別の学習の道筋を用意した。
2. 学びを知識を入れる段階と手を動かす段階に分けた。
3. 短い講座を日々の仕事の合間に受けられるようにした。
4. プロンプトや大規模言語モデルなど上級の道筋も足した。
5. 学んだことを顧客案件で試し社内のAIツール作りにつなげた。

開発工程に組み込んだAgentWaveで開発の費用が30%下がった。

顧客満足度は25%、NPSは18%良くなった。

発信の中心が本人のため、月に一度はスタジオを押さえて撮影日をまとめて取る必要があった。

思いついた話も次の撮影日まで出せなかった。

1. チームが話す内容の台本を先に作った。
2. HeyGenでアバターを選び台本から動画を生成した。
3. 必要なときは補足の映像や画像を足した。
4. 本人が台本を読み入れる内容と外す内容を決めた。
5. 説明や教育の内容はアバターに任せた。

本人が動画作りに使う時間は週10時間以上から週2時間以内になり、少なくとも80%減った。

スタジオ制作の約1,500ドルと撮影者への800〜900ドルもかからなくなった。

長年ためてきたデータが自社のデータセンターに散らばり運用費が高く広げにくかった。

部門ごとに管理がばらついて品質もそろわず、必要な参照データを探すのに表計算やSharePointをたどる手間がかかっていた。

1. マスターデータ管理と品質の仕組みをクラウドへ移した
2. 財務や法務の記録システムからデータを取り込む
3. Cloud Data Qualityで洗い出しと点検を自動で回す
4. 重複を消して取引先や顧客の情報を1つにまとめた
5. 参照データを整えて中央のカタログに集めた

クラウド上でのマスター化が100%まで終わり、データ提供の速さは5倍になった。

生成AIのモデルへ渡せる中央のデータカタログが整い、報告の回転も速くなった。

商談前の企業調査は1社あたり20〜30分かかり、経験を積んでも短くならなかった。

週5〜8件の商談があると調査だけで週2〜4時間が消えていた。

1. 決算短信の売上と利益のページと直近3件のプレスリリースを集める
2. 採用ページの求める人物像と提案商材や相手の役職も貼り付ける
3. 2,000〜4,000文字を渡し紙1枚5パートのメモ形式を指示で固定する
4. 資料に無いことは書かせず推測には根拠を付けさせる
5. 判断できなかった点を読み資料を1つ足して出し直す

1社20〜30分だった調査が3分程度になった。

週5件の商談なら週2時間強、月では8時間以上が空いた。

税理士や社労士など約200名の専門家が、議事録づくりや契約書の確認、財務資料の読み込みといった判断の手前の作業に時間を取られていた。

部門ごとに進め方が違い、成果物の出来にも差が出やすかった。

1. 部門をまたぐプロジェクトを作りパート社員も含む全員にアカウントを配る
2. 社内の改善提案の仕組みで現場の要望を集める
3. 業務ごとにAIエージェントを32個組み立てる
4. 面談音声から議事録を起こし問い合わせには一次対応ボットを置く
5. 提案資料は人が骨子を作り画像生成も混ぜて仕上げる

提案資料は数日かかっていたものが約30分で使える水準になった例が出た。

財務分析の時間が従来の10分の1以下になったケースもあり、議事録づくりではアシスタントの同席が不要になった案件も出ている。

取引先から研修動画を多言語にしてほしいという依頼が増えていた。

撮り直しが前提の作り方では時間も費用もかかりすぎた。

1. HeyGenに元の動画を読み込ませた。
2. 話し手のアバターと吹き替えの音声を作った。
3. 出演者から姿を使う許可をもらった。
4. 英語版と同じ日にドイツ語版へ差し替えて渡した。
5. 中身が変わったら台本を直すだけで新しい版を作った。

英語版と同じ日にドイツ語版を出せるようになった。

動画を170以上の言語と方言へ広げ、ブログから作った動画でサイトへの訪問も増えた。

難しい問いにぶつかるたび弁護士を増やして時間をかけて表を作るやり方しかなかった。

20時間かけて資料を作る手間を考えると聞きたいことを聞けない場面も多かった。

1. 書いた却下の申立書をHarveyに入れる。
2. 相手方がどう反論してくるかを挙げさせた。
3. 出てきた指摘を手がかりに中身を練り直す。
4. 物件の書類一式を読ませ順守事項のチェックリストを作らせた。
5. 直近100件のローンに条項が何回出てくるかを調べる。

依頼者は自社の物件について契約上の義務だけでなく行使できると知らなかった権利まで短い期間で把握できた。

人手をかけていたリース概要の確認も大きく短くなり、弁護士は戦略や助言に時間を回せるようになった。

使っていた文字起こしサービスが言語モデルを更新した後、話していない言葉が記録に混ざるようになった。

直らないまま証言の記録に残るので別の手段が必要になった。

1. 音声を文字にする部分をAmazon Transcribeへ移す
2. AWS SDK for .NETを使い1週間で移行を終える
3. 録取中の音声をそのまま渡して文字へ起こさせる
4. 起こした文字を画面に流しその場で中身を確かめる

記録に混ざっていた誤りはほぼ無くなった。

始まった証言が最後まで同じ環境で終わる割合は98%になり、テストとデモの環境の費用は85%減った。

治験を始める前のカバレッジ分析では、コンサルタントが複雑な医療文書を一つずつ読んで請求の判断材料を探していた。

時間がかかり治験の開始が遅れることもあった。

1. 過去データの予測モデルで試したが答えが荒くなった
2. Bedrock上のClaudeへ切り替え長い文書を分けて読ませた
3. 分割と保存と検索をBedrock Knowledge Basesに任せた
4. 自前の4本のスクリプトをAPI呼び出し1回にまとめた
5. 検索の精度をAmazon OpenSearch Serverlessで補った

モデルの正確さが20%上がり事務の手間は10%減った。

文章をベクトル化する部分の開発と不具合直しにかかる手間も半分になった。

利用者の調べもの対応や書類探しにLawpathの法務チームが時間を取られていた。

利用が増えるほど対応が追いつかなくなっていた。

1. Amazon Bedrock経由のClaudeで回答を組み立てる仕組みを作った。
2. 過去の案件と利用者の書類と弁護士の回答を材料にした。
3. Amazon EventBridgeでAWS Lambdaを動かす形でつないだ。
4. 質問への回答と書類の下書きと見直しの3機能を用意した。
5. AIが先に振り分け弁護士は手が要る相談だけ受け持つ。

サポート窓口への問い合わせは25%減り作られる書類は15%増えた。

見積もりを出すまでの期間は3日から半日になった。

ラテンアメリカの従業員17,000人を支える社内ヘルプデスクは自前の設備で動いていた。

混み合う時期に備えて余分に用意する必要があり、使わない分まで費用を払っていた。

1. 電話対応の基盤をAmazon Connectへ移した。
2. 規制がある間は手元の電話設備とつないで動かした。
3. 2023年の規制解除後に全体を1か月足らずで移した。
4. 利用者が自分で解決できる自動応答と3言語対応を入れた。
5. 通話の感情分析を見てオペレーターの応対を直していく。

設備の費用は50%以上減り、必要に応じて規模をすぐ変えられるようになった。

今は3言語で月25,000件の通話をさばき、他社のヘルプデスクも請け負えるようになった。

社内には数百万件の資料が別々の仕組みに散らばっていた。

詳しい人が辞めたり不在だったりすると、知りたいことにたどり着けなかった。

1. AWS Lambdaで各システムからのデータ移しを自動にする
2. AWS Glueでデータを整える
3. 文章をAmazon SageMakerで数値の並びに変換する
4. 変換したデータをAmazon OpenSearch Serviceに入れる
5. 上位3件に必要な情報が入っているかで精度を見る

知りたいことに近い答えがすぐ返るようになり、特に入社したばかりの社員が情報を探す手間が減った。

AWS Professional Servicesと6か月組んだことで、提供までの期間も短くなった。

繁忙期に税務の問い合わせが集中するのに、前のチャットボットは質問の10%しか答えられなかった。

簡単な確認でもCPAとの30分の面談が入り、毎年20人の季節スタッフを雇って教える負担も続いていた。

1. 顧客データと社内記事と分析データを1つにまとめた
2. 信頼できる公開情報も合わせて読ませた
3. 過去の問い合わせ履歴をふまえ込み入った質問に答えさせた
4. 判断が要る案件は専門の担当者へ渡す形にした
5. 設定はノーコードの画面で組んだ

公開から24時間でAgentforceが1,000件を超えるやり取りをさばいた。

問い合わせの70%を解決する見込みで、繁忙期に臨時スタッフを増やさずに対応できるようになった。

事業部が7つに分かれ同じ作業が7通りのやり方で回っていた。

ポートフォリオの報告は決裁者に届く時点で2週間前の内容になっていた。

1. まずAPACで見積もりと案件管理の2つから試した。
2. 成果が出たので全社へ広げEUのデータセンターへ移す。
3. 承認と人員配置と報告を1つの基盤にまとめた。
4. Power BIをつなぎ財務と工数と案件を1枚の画面に集める。
5. Claude連携で報告を作り夜間の集計で90日先の採用数を出す。

報告がリアルタイムになり人員配置と採用の判断をその場で下せるようになった。

年間で推定135万ユーロの削減になった。

AIで若手の仕事を減らす動きが業界に広がるなか、次の世代の育て方が揺らいでいた。

速さを上げても仕事の厳しさと質を落とさない形を探していた。

1. 法務向けAIのHarveyを研修の中へ組み込んだ。
2. パートナーと若手が同時に使える状態にした。
3. 冒頭陳述づくりと反対尋問の練習にHarveyを入れた。
4. 過去の書面を集めたVaultと手順のPlaybookを用意した。
5. 研修の約95%は社内の人が作って教える形にした。

廊下でAIの使い道を話し合う場面が増え、現場から新しい使い方の相談が上がるようになった。

2023年以降で約100人のパートナーが他事務所から移ってきており、移籍を考える弁護士からAIの環境を先に聞かれるようになった。

資格審査の受付は限られた専門家しかできず週に2〜3社しか進められなかった。

依頼が増えて待ち時間が延びていた。

1. 受付の流れをIBM watsonx Orchestrateに移した
2. IBMの専門チームと社内の知識をまとめてAIの手順に組み込む
3. 仮想アシスタントが情報を集めて必要な書類をそろえる
4. 報告書やメールや依頼の作成も自動で出す
5. 判断が要る場面だけ専門家が中身を確かめる

人を増やさないまま扱える資格審査の件数が大きく伸びた。

着手までの速さとできあがりのばらつきも良くなった。

複数の国をまたぐ案件を持つ上級プランナーが、週の40〜60%をデータ集めと報告書づくりに使っていた。

改善の1周には8〜12のシステムからデータを引き出して手でまとめる必要があり、5〜7営業日かかっていた。

1. 社員3,000人以上にClaude Enterpriseを配った。
2. 案件ごとの広告診断エージェントをClaude Agent SDKで組む。
3. MCPで広告アカウントと自社の地理情報エンジンにつないだ。
4. 両方のデータを読ませ異常と具体的な対策を出させる。
5. 出てきた案は人のチームが確認して承認し実行した。

改善サイクルが5〜7営業日から24時間以内になった。

上級メンバーの時間のうち約70%が判断の要る仕事へ移り、チーム全体の生産性は約30%上がった。

古いデータベースから新しい基盤へ移すには、保存された処理を1本ずつ書き換える必要があった。

1本あたり約4時間かかり両方の仕組みに詳しい技術者も少ないため、移行を先送りする顧客が多かった。

1. Claude Agent SDKで工程ごとに役割を分けたエージェントを並べた
2. 読み取り・書き換え・検め・報告の係に分け必要な道具だけ渡す
3. 量の多い読み取りにはHaikuを文章のまとめにはSonnetを選ぶ
4. 先に全件を難しさで仕分けし使われていない処理を捨てた
5. 技術者は判断の難しい箇所と最後の出力だけを確かめる

2,500本の処理を抱えた移行では技術者の作業時間が90%減り、ある大手SaaS企業では年60万ドルのライセンス費用がなくなった。

税理士や中小企業への新規架電を人手で回していたが、採用と教育に費用と時間がかかり早期離職も続いていた。

その結果アポイント単価が下がらず、担当者の精神的な負担も大きかった。

1. 新規リストへの架電をAI音声通話サービスに任せる
2. 聞き取りからアポ打診・獲得までを自動で進める
3. 興味を示した相手は社内の担当者へ転送する
4. トークスクリプトをフローチャートで分岐表示し現場が直す
5. 保留音を認識して発話を止める仕組みに切り替えた

月間約20万コールを自動で回せるようになり、人件費は月約1,000万円減った。

売上は150%に伸び、アポ1件あたりの費用も3〜4万円の水準から1.5〜2万円前後まで下がった。

顧客から届く書類が誤っていると、監査担当が差し戻しのメールを毎回手で書いていた。

1件あたり10〜15分かかり、1回の監査で50〜75件出るうえ上位者の確認も要った。

1. 既存の仕組みに合わせAmazon BedrockのClaudeを選ぶ
2. 監査担当が顧客へ書類を依頼するツールを作った
3. 短いプロンプトを渡し誤りと次に出す書類を3〜4文にまとめさせた
4. ベテランの監査人が書いたような口調になるよう指示する
5. 出てきた文面は担当者が確かめてから顧客へ送る

差し戻しの文章を書く時間が65%減り、追加の確認のやり取りも60%減った。

使った人の90%が以前より自信を持てると答えた。

人身事故の案件は2,000ページから10万ページの記録が届き、担当者が1行ずつ読んで治療の経過をまとめていた。

手作業の重さが受けられる案件の数を抑えていた。

1. 書類が届くとClaudeが種類を判定して合う処理を走らせる
2. 中身を抜き出して治療の時系列に組み込む
3. 事務所ごとのひな形を読ませて言い回しを合わせた督促状に仕上げる
4. 難しい案件はOpusに軽い抜き出しはSonnetに振り分ける
5. 弁護士が朝に仕上がった成果物を確認して承認する

利用する事務所の和解は最大60日早まり、和解の金額は30%上がった。

社内の開発でも不具合の切り分けが3〜4時間から数分になった。

顧客向けの複雑な提案や入札の回答に数週間かかっていた。

研修の教材づくりにも日数がかかり、専門人材の時間が事務的な作業に取られていた。

1. Claude Enterpriseを選び全社の土台にした
2. 提案書と入札回答の下書きを出す仕組みをClaudeの上に組む
3. 研修のカリキュラム構成と教材の文章をClaudeに作らせた
4. 出てきた教材は人が中身を確かめて整える
5. 経営陣の受け答えを写したデジタルツインに資料へ助言させた

チームの89%が毎日AIを使うようになった。

提案書づくりの作業時間は最大90%減り、リーダー研修の開発は64日から32日になった。

証言記録は1件で数百ページになり、弁護士は必要な箇所を探すのに同僚へメールで聞いて何本も読み通すしかなかった。

以前のLLMでは記録が長すぎて入りきらなかった。

1. Claude 3 Opusの200Kの文脈の長さで記録をまとめて扱った
2. 事務所にたまった証言記録を横断して検索する仕組みを作った
3. 弁護士は探す前に質問文を投げて中身を調べる
4. プロンプトを作り込み引用元へ飛ぶリンクを必ず返させた
5. 記録の体裁の違いをClaudeへ細かく教えて精度を上げた

試作は1週間でできあがった。

弁護士は記録を探して読む工程を飛ばし、質問するだけで根拠の箇所へたどり着けるようになった。

AIを先に進めたい人は多いのに、うまく使える人は限られていた。

研修で入れ方やプロンプトにつまずくと良さが伝わらないまま終わる心配もあった。

1. 研修をVS Code上のClaude Code CLIで始めた
2. 入れる手順を1行のスクリプトにまとめ権限の引っかかりも外した
3. CLAUDE.mdからコーチ役のプラグインを呼び出し流れを見せる
4. 提案書への回答と仕様書づくりとアプリ開発の3つをなぞる
5. 出てきた下書きは参加者が自分で見て直す

開始から15〜20分でRFP回答の下書きができ、次の15〜20分で仕様書の下書きが出た。

1時間が終わるころには400人の参加者がClaude Codeで作ったモバイルアプリの画面をチームチャットへ貼っていた。

データがあちこちのシステムに散らばり、古いCRMは専任の開発者がいないと回らなかった。

記事は週に1〜2本しか出せず、1件400ドルになることもある有料広告のリードに頼っていた。

1. HubSpotのContent HubとSales Hubを入れた
2. AI Blog Writerで2,000語の記事を毎日作る
3. Brand Voiceで自社の言い回しから外れないようにする
4. 記事はContent Remixで各チャネル向けに作り直した
5. Sales Hubの予測機能で着地を読み目標を出している

オーガニックリードが216%増え、成約は60%増えた。

記事の生産量は250%増・取引件数は59.6%増・売上は73%増になった。

外部の委託先に年6万ドルを払い、2,000社の調査を6か月かけて手作業でやってもらっていた。

出てくるのは15項目のはい・いいえだけで、営業が話を始める材料にならなかった。

1. Clayに2,000社を読み込ませ15種類のサービス利用を調べさせた
2. なぜそのサービスが要るのかと入っている競合まで集める
3. 集めた内容をSalesforceへ流し込み営業が画面で見られるようにした
4. イベントの案内先はLinkedInから今いる都市を取り直す
5. 営業企画が自分でClayからSalesforceへ書き込めるようにした

3万件の簡単な項目しか出なかった調査が45万件の詳しい内容に変わり、6か月かかっていた作業は1か月で終わるようになった。

契約額は手作業のときより1万ドル安く、3月20日から12月12日までに680万ドルの案件と330万ドルの売上が生まれた。

以前はサイトに問い合わせフォームを並べるだけで、予約の受け付けもリードの見極めも人が担っていた。

繁忙期を前に、手作業を増やさず相談件数を伸ばす方法が必要だった。

1. Botpress認定パートナーに頼み案内役ボットをサイトに置いた
2. ボットが訪問者に声をかけ質問に答えながら連絡先を聞き取る
3. チャットの中で日程を決めGoogle Calendarに予定を作る
4. 会議リンクと案内メールを両者へ送り担当者にも知らせた
5. 集めた情報を営業のGoogle Sheetsへ自動で書き込む

相談の予約は25%増え、訪問者の反応は従来のWeb広告と比べて9倍になった。

公開から3週間で開発にかかった費用を予約の分で取り戻し、フォーム経由の流入も減らなかった。

商談先の情報は企業サイトや公開記事をいくつも横断して集めていた。

商談の進め方もゴールから逆算して自分の経験だけを頼りに考えていた。

1. Geminiへ対象企業の概要と事業と売上を調べさせる。
2. 最近のニュースと比較先もあわせて確認する。
3. その企業のAIの使い方を続けて聞く。
4. 困っていそうな点を仮説として立てさせる。
5. 自社のサービス資料を読ませ商談の流れまで作らせる。

1件あたり1.5時間かけていた商談準備が30分もかからないくらいで終わるようになった。

余計なサイトを見て回る手間も無くなった。

AIの動きは週ごとに変わるのに、育児と仕事で読む時間が取れず後回しの記事がたまっていた。

追いたい9つのテーマを扱う日本語の音声番組も見当たらなかった。

1. 追いたいテーマと除外したい話題をYAMLに書く
2. Claude Codeのスキルが検索語を組み立て記事を集める
3. 本文はdefuddleで取り失敗時はJina Readerに切り替える
4. 集めたURLを履歴と突き合わせ1日分をMarkdownにまとめる
5. NotebookLMへ送りAudio Overviewを日本語の対談形式で作る

生成は日中に自動で走り、翌朝のランニング中に最新のAIニュースを聴く流れができた。

10日目ごろには聴く習慣が定着し、基本構成は無料のまま回せている。

銀行や医療機関や製造業の顧客に見せるデモを1件作るのに数週間かかり、依頼が山積みになっていた。

他のAIコーディングツールも試したが、Snowflakeへ直接つないで1つの流れで作れるものは無かった。

1. Snowflake CoCoに指示を出し顧客向けデモを組み立てさせた
2. ファイル置き場とGitとSnowflakeのデータへ同時につないだ
3. デモはチャット画面でデータに質問できる形に整えた
4. 出てきたものは担当者が中身を確かめて仕上げた
5. 顧客デリバリー担当の300人超が同じやり方で毎日使えるようにした

20日間で500時間分の仕事を終え、たまっていたアクセラレータとデモの依頼を片づけた。

数週間かかっていたビルドが数時間で出るようになり、制作と展開は3倍速くなった。