もばらぶはメンバーの殆どがソフトウェア開発者なので、AI 関連のツールに精通している人が多く、業務の自動化・改善なども積極的に行っています。世の中でも、ソフトウェア開発関連は動きが速く、新たなツール・手法がどんどん出てきます。
一方、非技術者への AI の浸透具合は個人・企業・業界などによって大きく差があり、特に中小企業では AI にチャットで質問をする、資料の作成・要約をしてもらう、程度にとどまっている場合も多いように見えます。
ただ、私はそういう状態は好ましくないと思っています。大企業だけでなく中小企業こそ現在進行中のAI革命の恩恵を享受して競争力を高めるべきだと考えています。
Table of Contents
社内の数少ない非技術者も AI を使って業務の自動化・改善を進めている
と熱く語ったところで、中小企業であるもばらぶにて数少ない非技術者として働いている Yasumoto が、最近は自身が行っている業務の自動化を徐々に進めている様子について紹介していきたいと思います。
元々、彼女は一般的な IT ツール（オフィススイート等）は普通に使いこなしていましたし、新しい事を覚えるのも得意なようには見えましたが、システム関連はお世辞にも詳しいとは言えず、という状態でした。こういう人は世の中に多くいると思いますが、そんな Yasumoto が業務の自動化・改善まで自分で出来るようになるのであれば、世の中の多くの人も同じ事が出来るはずです。
で、それを目指そうという話になったのが1〜2ヶ月くらい前だったと思いますが、実際にある程度出来るようになったため、そこに至る経緯やノウハウをブログにまとめる事にしました。
使っているツール・技術等
AI 関連: Claude, ChatGPT のデスクトップアプリ
他の多くの非技術者と同様、AI 関連は Claude, ChatGPT のデスクトップアプリを主に使っています。
技術者であれば、Claude Code や Codex も一般的ですが、非技術者にはまだそこまで浸透していません。ただ、最近は Claude Cowork や ChatGPT Work で似たような事が出来ますし、技術者/非技術者という区分けやその間にある壁は小さくなっているように感じます。
MCP サーバーへの接続: 標準の仕組みをメインに、一部 Bloque 経由で
ChatGPT であれば Plugins、Claude であれば Connectors という仕組みにより MCP サーバーに接続出来ます。
もばらぶでは Bloque という MCP ゲートウェイサービスを開発していますが、
- Claude や ChatGPT のデスクトップアプリを使う
- かつ、使いたい MCP サーバーが標準の Plugins、Connectors に用意されている
という場合は、Bloque は使わずに素直に標準のものを使った方が良いです。
ただ、標準で用意されていないものに関しては、技術が分かる管理者が Bloque 上で MCP サーバーを設定した上で非技術者に渡した方が良いです。また、自動化した業務を自分の PC ではなく、管理された会社のサーバーなどで動かす場合も、MCP サーバーは Bloque に集約した方が楽な事が多いです。これらに関しても後述します。Bloque は、無料で始められますので、興味のある方は以下のリンクからユーザー登録をお願いします。
Bloque – All Your MCPs, Centrally Managed.
手順化・自動化: agent skills
Yasumoto は個人でも AI ツールをそれなりに使っていましたが、agent skills についてはあまり使った事がなかったようです。
agent skills の詳細は省略しますが、AI に指示する内容を事前にテキストファイルにしておく事で、同じ指示を簡単に AI に依頼できるようになります。プログラムと違って自然言語で指示を書く事が出来ますし、自分で書かなくても「ここまで依頼した作業を agent skillにして」と AI に依頼するとスキルのテキストファイルを作ってくれます。
Human-in-the-Loop (HITL): まずは簡単な方式から
Human-in-the-Loop （以下 HITL）を簡単に言うと、 AI に全ての処理を任せるのではなく、処理の途中に人間の判断を入れる手法の事です。
ここ最近で Yasumoto が行った自動化の例としては、
- もばらぶの事業と相互補完の関係にある会社様の候補をネットから探してくる
- その各会社様に対して、もばらぶとの提携を検討してもらえないかというメールを作成または問い合わせフォームの入力を行う
というのがあります。ただ、これをそのまま実現してしまうと、1で自社と相互補完の関係にない会社様が候補に上がってきても2でそのままアプローチしてしまい、スパムになってしまいます。そのため、1と2の間に人間のチェックを入れる必要があります。
今回は、1で AI がスプレッドシートに候補を書き出した後で、人間が OK かどうかを確認し、OK ならある列に「承認」の値を書き込みます。2では、「承認」となっている行のみを対象に処理を行います。以下のようなイメージです。No. 2 のみが処理対象となり、処理が終わると No. 1のように「送信済み」とします。
| No. | 会社名 | URL | 状態 |
| 1 | 株式会社ABC | https://example.com/ | 送信済み |
| 2 | サンプル株式会社 | https://example.net/ | 承認 |
| 3 | 株式会社もばらぶ | https://mobalab.net | 除外 |
定時実行: Claude の標準機能、一部 Google App Script
週に1回、Claudeの「定期タスク」機能で候補企業の収集を行います。Claude はネット上から条件に合う企業を最大30社調査し、CSV ファイルとして Google Drive に保存します。
その後、Google Apps Script が定期的に Google Drive を確認し、出力された CSV の内容をマスターシートに自動で取り込みます。定期実行は Google App Script の時間主導型トリガーによって実現しています。Claude が収集した企業は、スプレッドシートに「未確認」の状態で登録されます。各企業には、候補として選んだ根拠となるWebサイトの記述と、その URL も記録されます。（※）
※: 一部 Google App Script を使っているのは社内の個別の事情であり、通常は直接 Google Spreadsheet に保存する方法で問題無いと思います。
担当者はこれらの情報を確認し、アプローチする企業を「承認」、対象外とする企業を「除外」に変更し、Claude にメール作成またはフォーム入力を依頼します。（ここは自動実行ではなく HITL です。）
Claude は「承認」され、まだ送信していない企業を対象に、問い合わせフォームへの入力やメールの作成を行います。この部分は Claudeデスクトップアプリに内蔵されたブラウザ上で処理が行われます。最後は人間が内容を確認して送信ボタンを押します。
すべての工程を無理に自動化するのではなく、定型的な処理は自動化し、判断が必要な部分は人間が担当することで、条件に合致しない企業へのアプローチや不適切なメッセージの送信を防ぐ仕組みにしています。
苦労したところ
Yasumoto が今回の自動化で苦労したのは、Claude が収集する候補企業の精度を高めることでした。
Claude が多くの企業を収集できたとしても、実際には条件に合わない企業が多ければ、人間が確認して「除外」となり、何度も作業を繰り返す必要が出てきます。全体の作業時間を減らすためには、単に企業の収集を自動化するだけでなく、最初から条件に合う企業をできるだけ正確に抽出する必要があります。
そこで Yasumotoは、対象とする企業の特徴や除外条件を具体的に定義し、Claude が判断しやすいように指示を何度か調整していました。
また、収集した企業が条件に合っているかを効率よく確認できるよう、各企業について、選定の根拠となった Web サイトの記述と、その URL も記録するようにしました。これにより、確認のたびに、一から企業情報を調べ直す手間を減らし、承認・除外の判断がかなり楽になったようです。
AI を使った業務の自動化では、「作業を AI に丸投げする」イメージを持たれがちですが、実際にはAI が適切に判断できるよう条件を整理することや、人間による確認作業も含めて効率化することが重要です。
補足説明
ここでは、上で説明しきれなかった点、特に AI エージェントと他のツールとの接続を中心に補足説明します。
標準のもの（ChatGPT の Plugins、Claude の Connectors）を使った方が良い理由
ChatGPT や Claude から他のツールのデータを読み書きしたい場合、標準の仕組み（ChatGPT の Plugins、Claude の Connectors）が存在する場合はそれを第一候補とすべきと書きました。理由は2つあります。
1つ目は設定が簡単という点です。Google Workspace を例に取ると、Plugins や Connectors ではなく（他の AI ツールからも使えるように）公式の MCP サーバーは存在しますが、技術者にとっても設定は簡単ではありません。
2つ目ですが、ChatGPT の Plugins や Claude の Connectors に比べると、MCP サーバーで出来る事が限られている場合があります。Google Workspace に関しても、標準の仕組み（Plugins や Connectors）に比べると MCP サーバーの機能は限定的です。
以上2点により、よほどの理由がない限りは標準の仕組みを使った方が良いです。
標準の仕組みがない場合は MCP サーバーを使う
Yasumoto の話で言うと、Backlog のデータを参照したいという要望が出ましたが、Claude や ChatGPT にはBacklog の Connectors や Plugins がありません。そのため、MCP サーバーを使う必要があります。
まずは Claude 単体で Backlog の MCP サーバーを使うやり方を教えてみました。ドキュメントは以下にあるのですが、非技術者だとどうすればいいか分からないかと思います。
そのため、私からある程度補足説明などを行いつつ作業をしてもらいました。具体的な作業としては
- Node.js のインストール
claude_desktop_config.jsonへの設定の追記
という手順が必要なのですが、私からの補足説明があってもそれなりに手こずっていました。（最終的には出来たのはさすがですが。）
1人であればまだ良いのですが、チームメンバーが複数いるとさすがに毎回同じようなトラブルシューティングに付き合うのは厳しいと思います。
宣伝: 非技術者が複数いるチームで MCP サーバーを使う場合は Bloque が便利
そのため、非技術者が複数いるチームの場合は、技術が分かる管理者が Bloque 上で MCP サーバーを設定して、各メンバーに API キーを渡すという方法がお勧めです。以下のドキュメントページを見てもらえれば分かるとおり、非技術者でも理解出来る設定方法です。
管理者が行う MCP サーバー追加作業については、以下のデモ動画をご参照ください。（音声は英語ですが日本語字幕が付いています。）
まとめ
本記事では、もばらぶで数少ない非技術者である Yasumoto が、どのように自分で業務の自動化・改善を行えるようになったかを簡単に紹介しました。予算の少ない中小企業である当社でもできる方法なので、皆さんの会社においても参考になる点があるのではないかと思います。
Yasumoto 本人の視点からの記事も今後載せる予定ですので、是非チェックしてみてください。
AI・MCP を使った業務の自動化・改善や、中小企業向けの MCP ゲートウェイサービスに関するご質問など、何かあれば、以下のお問い合わせフォームよりお気軽にお問い合わせください。
コメントを残す