企画業務をAI化した記録
こんにちは。
リテールアプリ共創部で事業企画を担当しているかめだです。
この記事は、クラスメソッド AI駆動開発 Advent Calendar 2025、17日目の記事です。
クラスメソッド株式会社のLINEミニアプリ開発部門で事業企画マネージャーとして働く私が、日々の業務をAIで効率化していった実践記録です。特に「プリセールス」という、案件の初期段階での分析・提案活動にフォーカスして、どのようなツールを作り、どんな学びがあったかを共有します。
私たちの部門では、小売業界を中心とした企業から「LINE公式アカウントを活用したい」「会員証をデジタル化したい」といった相談を日々受けています。しかし、案件の見極め、クライアントの潜在ニーズの把握、説得力のある提案資料の作成など、「時間はかかるが属人化しがちな業務」が山積みでした。
1. インタビュー分析ツール
きっかけ：インタビュー分析に時間がかかりすぎる
ユーザーインタビューの分析は、30分のインタビューから情報を整理・分析するのに半日ほどかかっていました。ユーザーの意図を汲み取り、潜在的な課題を見つけ出す作業は重要ですが、時間がかかりすぎていました。
作ったもの：user-interview-analyzer スキル
Cursorカスタムコマンドとして、ユーザーインタビュー分析に特化したツールを作りました。このツールの特徴は以下の通りです。
- 文字起こしテキストや要約済みのインタビュー内容を入力として受け取る
- 明示的な課題だけでなく「行間」を読み取ることを重視
- 表面的な課題と本質的な課題を分離し、業界知識と関連付けて分析
設計のポイント：「行間を読む」をAIに指示する
インタビューで大事なことは「ユーザーが言っていないことを読み取る」ことで、それをAIが実現できるように指示しなければいけません。スキルの作成には、一人目のインタビューを基にパターンを具体化しました。そのパターンをスキルに組み込むことで、2人目以降のインタビュー分析でも一貫した行間読みが実現できるようになりました。
スキル内では5つの視点（言葉にしていない不満、発言の背後にある本質的課題、組織的・構造的な問題、未来への期待と不安、競合・市場環境への意識）で行間読みを実現しています。これらの視点を組み合わせることで、表面的な発言から本質的な課題、感情・心理、組織的な問題を推測する方法をまとめ、「なぜ?」を3回繰り返す、感情を推測する、組織・環境を考慮するといった実践ステップで、行間読みを実現しています。
気づき：構造化された出力の価値
このツールを使い始めて気づいたのは、AIの分析精度よりも「出力の構造化」が重要だということでした。このツールでは、分析結果を「明示的な課題」「潜在的な課題（行間からの洞察）」「必要な仕様（機能要件・非機能要件・技術的考慮点）」「深い洞察と提案（課題の本質、緊急性と重要性、提案方向性、次のアクション）」という構造で出力するように設計しています。
実際にアパレル企業のスタッフインタビューを分析したところ、この構造化された形式で出力したことで、単なる課題の列挙ではなく「企画としての提案資料」として使えるレベルの分析が得られました。例えば、「1投稿あたり2時間かかる」という表面的な課題から「業務として認められていない構造的問題」という本質的課題を抽出し、それを「潜在的な課題」セクションに整理し、さらに「必要な仕様」や「深い洞察と提案」セクションで解決策まで提案してくれました。
その結果、分析時間から企画提案書まで半日から約10分に短縮されました。 以前は「課題の列挙」で終わっていたものが、今では「企画としての提案資料」として使えるレベルの分析が得られるようになりました。
2. プリセールス判断ツール
きっかけ：案件の見極め精度を上げたい
LINEミニアプリ開発の引き合いは多いものの、すべての案件が受注に至るわけではありません。初期段階で判断する基準が人によってバラバラで、結果的に受注できない案件に時間をかけてしまうことがありました。
作ったもの：presales-judgment スキル
企業名と問い合わせ内容を入力すると、受注可能性を判定するレポートを生成するClaude Skillを開発しました。Web検索で企業の背景調査（事業内容、売上規模、中期経営計画の課題、LINE公式アカウント、会員基盤、ネイティブアプリなど）を自動実行し、過去の受注成功事例・失注事例との類似度を評価して、判定と詳細な根拠を出力します。
設計のポイント：過去データの構造化と埋め込み
このツールで重要だったのは、「過去の勝ちパターン/負けパターン」をどうスキルに埋め込むかでした。referencesフォルダ内に、過去20社の受注成功事例と26件の失注事例を構造化して整理しました。成功要因は6つのカテゴリ（関係性・ネットワーク型、提案品質・専門性型、コミュニケーション・対応力型など）で分析し、失注要因も同様にカテゴリ化しました。
これにより、新規問い合わせの評価時に自動的にリスク要因を特定できるようになりました。特に、LINE公式アカウント、会員基盤、ネイティブアプリの3つは提案方向性に直結するため、必ず調査する項目として設定しています。
気づき：判断基準の言語化が組織資産になる
このツールを作る過程で、部門内の「なんとなくの判断」を言語化しました。「なぜこの案件は受注できたのか」「なぜあの案件は失注したのか」を構造的に整理することで、Claude Skillの判断精度が上がりました。
また、過去の失注事例を分析して、調査項目の優先順位を明確にしたことで、重要な情報を効率的に収集できるようになりました。
AIツールは単なる効率化ではなく、暗黙知を形式知に変えるきっかけになると実感しました。 このツールを使うことで、案件判断にかかる時間が大幅に短縮され、かつ判断の透明性と再現性が向上しました。
3. カスタムスキル vs Claude Skill：それぞれの特徴と使い分け
2つのツールを開発する中で、カスタムスキルとClaude Skillの特徴が明確になってきました。以下に、私が考えるそれぞれの良い点・悪い点をまとめます。
1. カスタムスキル（user-interview-analyzer）
良い点：
- 確実な実行：カスタムコマンドとして直接指定するため、意図したスキルが確実に実行される（間違いがない）
悪い点：
- 複雑なワークフローの手動実行が必要：複数のステップを組み合わせた処理を実装するには、手動で各ステップを実行する必要がある
2. Claude Skill（presales-judgment ）
良い点：
- 複雑なワークフローの実現：複数のステップ（情報収集→分析→判定→出力生成）を1つのスキル内で統合できる
- 共有が容易：zipファイルとしてエクスポート・インポートできるため、チーム内での共有が簡単
悪い点：
- スキル選択の不確実性：近しい名前や機能のスキルが複数ある場合、意図したスキルではない方が使われてしまうことがある
- 詳細情報の読み取りによる提案のずれ：Referenceなどの詳細情報を読んでくれるのは良いが、大方針と異なる箇所の詳細情報を読むと、提案がずれてしまうおそれがある
使い分けの指針
カスタムスキルが適している場面：
- 実行タイミングを自分で制御したい：特定のタイミングで明示的にタスクを実行したい場合
- 確実に意図した処理を実行したい：間違いを避けたい場合（カスタムコマンドとして直接指定するため）
- シンプルな処理や個人の作業効率化：単一のタスクに特化したツールを作りたい場合
Claude Skillが適している場面：
- AIに判断を任せて自動実行させたい：AIが作業を進める中で、適切なタイミングで自動的にスキルを活用してほしい場合
- 複数のステップを統合したワークフローを実現したい：情報収集→分析→判定→出力生成など、複数のステップを1つのスキル内で統合したい場合
- チーム全体で統一されたワークフローを共有したい：zipファイルでの共有が容易で、チーム全体で標準化された手順を実装したい場合
実際の開発では、最初はカスタムスキルで単一タスクを効率化し、その成功体験を基に、Claude Skillでより統合的なツールを開発するという段階的なアプローチが効果的でした。
4. まとめ：学んだポイント
2つのツール開発を通じて、以下の3つのポイントが見えてきました。
1. 出力の構造化を徹底する
AIの回答を「そのまま使える形」にすることが重要です。見出し、箇条書き、セクション分けなど、後続の作業（資料作成、共有、意思決定）を想定した出力設計が効率化の鍵でした。インタビュー分析ツールでは、単なる課題の列挙ではなく「企画としての提案資料」として使える構造で出力することで、分析時間を半日から10分に短縮できました。
2. ドメイン知識を言語化する
「なんとなく分かっている」ことを言語化するプロセスが、最も価値がありました。プリセールス判断ツールでは、勝ちパターン/負けパターン、業界知識、判断基準などを構造化して整理することで、回答精度が上がりました。
3. スキル作成にもAIを活用する
スキルの作成自体にもAIを活用しました。自分の頭の中にある知識や、部門のコンテキストをスキルとして構造化することで、その範囲内の質問に対してAIが詳細に理解した上で回答できるようになります。つまり、スキルを作ることで、AIに「自分たちの仕事の文脈」を教え込むことができるのです。これにより、一度作成したスキルは、チーム全体で共有・活用できる組織資産となります。
おわりに
この記事では、事業企画の業務をAI化する実践として、インタビュー分析ツールとプリセールス判断ツールの2つを紹介しました。重要なのは技術力ではなく、自分の頭の中にある知識や部門のコンテキストを言語化し、AIに整理してもらうことで、その業務専用のスキルを作ることです。そして、そのスキルを使って実際の業務と向き合いながら、少しずつ精緻化していくプロセスが、真の効率化につながります。
同じように「AIで業務を効率化したい」と考えているビジネス職の方々の参考になれば幸いです。
おつかめ！
