LLM（大規模言語モデル）とは？仕組み・生成AIとの違い・経営での活かし方を徹底解説【2026年最新】
aikanri-admin
この記事の内容
「LLMって最近よく聞くけど、結局何なの？」「ChatGPTとかClaudeの裏で動いてるやつ？」——そんな疑問を持つ経営者・管理職の方は多いはずです。
LLM（Large Language Model：大規模言語モデル）とは、大量のテキストデータを学習し、人間の言葉を理解・生成できるAI技術の中核です。ChatGPT、Claude、Geminiといった話題のAIツールは、すべてこのLLMを「エンジン」として動いています。
つまり、LLMを理解すれば、どのAIツールを選ぶべきか、何ができて何ができないか、自社にどう導入すべきか——これらの経営判断が格段に精度良くなります。
代表菅澤
AI鬼管理山崎
この記事を読むと、以下が明確になります。
01
DEFINITION
LLM（大規模言語モデル）とは？ — 経営者に必要な理解
「AIのエンジン」を経営の言葉で理解する
LLMとは「Large Language Model（大規模言語モデル）」の略称で、膨大なテキストデータ（書籍、Web記事、論文、コードなど）を学習し、人間の言語を理解・生成する能力を身につけたAIモデルのことです。
もう少し噛み砕くと、LLMは「ものすごい量の文章を読んで、言葉のパターンを丸ごと理解した超大型辞書＋作文マシン」のようなものです。
📚 用語解説
LLM（Large Language Model）：大規模言語モデル。数千億〜数兆個のパラメータ（調整値）を持ち、大量のテキストデータから言語のパターン・知識・推論能力を学習したAIモデル。ChatGPT・Claude・Geminiなど、主要AIサービスの中核技術。
1-1. LLMを「会社の人材」に喩えると
LLMを理解する最も直感的な方法は、会社に入社する新人社員に喩えることです。
| 段階 | 人間の新人社員 | LLM |
|---|---|---|
| 入社前の学習 | 大学で4年間勉強 | インターネット上の数兆文字を読み込み |
| 知識の幅 | 専攻分野 + 一般常識 | 法律・医療・プログラミング・歴史・科学…全分野 |
| 得意なこと | 学んだ分野の実務 | 文章作成・要約・翻訳・分析・コード生成 |
| 弱点 | 経験不足・判断ミス | ハルシネーション（もっともらしい嘘） |
| 成長方法 | OJT・研修 | ファインチューニング（追加学習） |
代表菅澤
1-2. なぜ今LLMがこれほど注目されているのか
LLM自体は2017年のTransformer論文から始まった技術ですが、2022年末のChatGPT公開以降、爆発的に注目を集めました。その理由は3つあります。
📚 用語解説
Transformer：2017年にGoogleの研究者が発表したAIアーキテクチャ（設計図）。「文脈の中で各単語がどの程度関連しているか」を計算する仕組み（Attention）が特徴。現在の全ての主要LLMは、このTransformerを基盤にしています。
📚 用語解説
パラメータ：AIモデルの内部にある「調整つまみ」の数。パラメータが多いほど、複雑なパターンを学習できます。GPT-4は1兆以上のパラメータを持つとされ、Claude Opusも同等規模と推定されています。人間の脳のシナプス（約100兆個）に比べればまだ小さいですが、急速に増加中です。
02
HOW IT WORKS
LLMの仕組み — 「言葉を理解するAI」は何をしているのか
エンジニアでなくても理解できる5ステップ
「LLMはどうやって文章を理解して、回答を生成しているのか？」——この仕組みを知ることは、AIの限界を正しく理解し、業務への活用精度を上げるために不可欠です。ここでは5つのステップに分けて、非エンジニアにもわかるように解説します。
トークン分割
ベクトル変換
位置情報付与
文脈理解
(Transformer)
次の単語予測
Step 1: テキストを「トークン」に分割する
LLMはまず、入力されたテキストを「トークン」という小さな単位に分割します。日本語の場合、おおよそ1文字＝1トークンが目安です。
たとえば「AIで業務を自動化する」という文は、「AI」「で」「業務」「を」「自動」「化」「する」のように分割されます。これは人間が文章を「単語に区切って理解する」のと似たプロセスです。
📚 用語解説
トークン：LLMがテキストを処理する最小単位。日本語では「1文字≒1トークン」、英語では「1単語≒1.3トークン」が目安。100万トークンは日本語で約75万〜100万字に相当します。料金計算や性能の上限を理解するうえで重要な概念です。
Step 2: トークンを「数値ベクトル」に変換する
コンピュータは言葉をそのまま理解できません。そこでLLMは、各トークンを「数値の羅列（ベクトル）」に変換します。
たとえば「経営」という単語は [0.23, -0.87, 0.45, ...] のような数百〜数千個の数値の列に変換されます。ここがポイントで、意味が近い単語は、数値も近くなるように設計されています。「経営」と「マネジメント」のベクトルは近く、「経営」と「天気予報」のベクトルは遠くなります。
📚 用語解説
ベクトル（Embedding）：単語や文章を数値の列に変換したもの。意味が似ている言葉は近い数値になり、異なる意味の言葉は遠い数値になる。LLMが「言葉の意味」を計算できるのは、このベクトル化のおかげです。
AI鬼管理山崎
Step 3: 単語の「位置情報」を付与する
「犬が猫を追いかけた」と「猫が犬を追いかけた」は、使っている単語は同じでも意味が全く違います。LLMはこの違いを「位置エンコーディング」という技術で理解します。
各トークンに「この単語は文章の何番目に出現したか」という位置情報を付け加えることで、語順による意味の違いを正確に把握できるようになります。
📚 用語解説
位置エンコーディング：テキスト中の各トークンに位置情報を付与する技術。「1番目の単語」「5番目の単語」のように順序を数値化することで、LLMが語順の違いによる意味の変化を理解できるようにする仕組みです。
Step 4: Transformerで「文脈」を理解する
ここがLLMの核心部分です。Transformer（トランスフォーマー）という仕組みが、文章全体の文脈を一気に理解します。
従来のAIは文章を「最初から順番に」読んでいたため、長い文章の前半と後半の関係を把握するのが苦手でした。Transformerは「Attention（注意機構）」という技術で、文章のどの部分とどの部分が関連しているかを一度に全て計算します。
たとえば「AIを経営に導入した結果、3ヶ月で業務時間が半減した」という文では、「AIを導入」と「業務時間が半減」が強く関連していることを、Transformerは瞬時に理解します。
📚 用語解説
Attention（注意機構）：Transformerの中核技術。文章中のすべての単語ペアについて「どの程度関連しているか」をスコア化する仕組み。これにより、離れた位置にある単語同士の関係（例：文頭の主語と文末の動詞の関係）も正確に捉えられます。
Step 5: 「次の単語」を予測して文章を生成する
最終ステップです。LLMは文脈を理解した上で、「次に来る確率が最も高い単語」を予測して出力します。これを繰り返すことで、文章全体を生成します。
たとえば「経営者がAIを導入するメリットは」と入力すると、LLMは次に来る単語の確率を計算し——「業務」(30%)、「コスト」(25%)、「生産」(15%)のように——最も適切な単語を選んで出力します。これを一単語ずつ繰り返して、文章全体が完成します。
経営者にとっての示唆
LLMの本質は「確率的な予測マシン」です。「正解を知っている」のではなく「最も確からしい回答を生成している」。だからこそ、出力を鵜呑みにせず、人間が最終チェックすることが重要です。これはAIを業務に導入する際の大前提になります。
+ベクトル化
で文脈理解
確率で予測
テキスト出力
03
DIFFERENCES
LLMと生成AI・RAGの違いを整理する
混同しやすい3つの概念を一発で区別する
LLMについて調べていると、「生成AI」「RAG」といった似たような用語が次々と出てきます。ここでは、この3つの概念の違いを明確に整理します。
3-1. LLMと生成AIの違い
結論から言えば、LLMは「エンジン」、生成AIは「車」です。
LLM（大規模言語モデル）は、テキストを理解・生成するためのAIモデル（技術の中核）です。一方、生成AIはLLMを使って何かを作り出すサービスやツールの総称です。
| LLM | 生成AI | |
|---|---|---|
| 正体 | AIモデル（技術） | AIサービス・ツール（製品） |
| 車で喩えると | エンジン | 車そのもの（エンジン＋車体＋UI） |
| 具体例 | GPT-4、Claude Opus、Gemini Ultra | ChatGPT、Claude（Web版）、Gemini |
| 扱う対象 | テキスト（言語） | テキスト・画像・音声・動画・コード |
| 直接触れる？ | 開発者がAPI経由で利用 | 一般ユーザーがチャットで利用 |
AI鬼管理山崎
📚 用語解説
生成AI（Generative AI）：テキスト・画像・音声・動画・コードなど、新しいコンテンツを生成できるAI技術の総称。LLMはテキスト生成に特化した生成AIの中核技術ですが、画像生成AI（Midjourney等）や音楽生成AI（Suno等）はLLMとは別のモデルを使っています。
3-2. LLMとRAGの違い
RAG（Retrieval-Augmented Generation）は、LLMの弱点を補完する技術です。
LLMは学習時点のデータしか知りません。つまり、自社の社内マニュアルや最新のニュースについては、そもそも学習データに含まれていないため、正確に答えられません。
RAGは、LLMに回答させる前に「関連する情報を外部データベースから検索して、コンテキストとして渡す」ことで、この問題を解決します。
質問
DB検索
（Retrieval）
LLMに付与
（Augmented）
回答生成
（Generation）
📚 用語解説
RAG（Retrieval-Augmented Generation）：検索拡張生成。LLMに回答させる際、事前に外部データベースから関連情報を検索し、それを参考資料としてLLMに渡す技術。社内ナレッジベースや最新情報を活用したい場合に有効です。
経営者目線での使い分けを整理すると、以下の通りです。
| 場面 | 使う技術 | 理由 |
|---|---|---|
| 一般的な質問・文章作成 | LLMのみ（ChatGPT等） | 学習済み知識で十分対応可能 |
| 社内データに基づく回答 | LLM + RAG | 社内情報はLLMの学習データにない |
| 最新ニュースの分析 | LLM + RAG（or検索連携） | LLMの知識は学習時点で止まっている |
代表菅澤
📚 用語解説
CLAUDE.md：Claude Codeで使われる設定ファイル。プロジェクトのルール、コーディング規約、業務手順などを記述しておくと、Claude Codeがそれを踏まえて作業を行います。会社で言えば「就業規則」や「業務マニュアル」に相当します。
04
MODEL COMPARISON
主要LLM 5モデル徹底比較 — GPT・Gemini・Claude・Llama・Mistral
2026年4月時点の最新情報で、経営者が選ぶべきモデルを判断する
現在、主要なLLMは5つのファミリーに集約されます。それぞれの特徴・強み・弱みを、経営者が「どれを選ぶべきか」を判断できるレベルで比較します。
| モデル | 開発元 | 最新版 | 強み | 弱み | 月額料金（目安） |
|---|---|---|---|---|---|
| GPT | OpenAI | GPT-4o / o3 | 知名度・エコシステム・マルチモーダル | 安全性の懸念・コスト高 | $20〜$200 |
| Claude | Anthropic | Claude 4.6 Opus | 安全性・業務精度・Claude Code | 知名度でGPTに劣る | $20〜$200 |
| Gemini | Gemini 2.5 Pro | Google連携・長文処理 | 独自性が薄い | $20〜 | |
| Llama | Meta | Llama 3.1 | オープンソース・カスタマイズ性 | 自前運用にインフラ必要 | 無料（運用費別途） |
| Mistral | Mistral AI | Mistral Large 2 | 欧州発・軽量高性能 | 日本語対応が弱い | 無料〜従量課金 |
4-1. GPTシリーズ（OpenAI） — 「王道」の選択肢
ChatGPTの中核エンジンであるGPTシリーズは、最も知名度が高く、エコシステム（プラグイン・API連携）が充実しているLLMです。GPT-4o、o1、o3と次々にモデルを投入し、マルチモーダル（画像・音声対応）でも先行しています。
一方で、企業利用においては「安全性」や「出力の正確性」でClaudeに劣るという評価が増えており、特にコンプライアンスが重要な業界（金融・法務・医療）ではClaude を選ぶ企業が増加傾向です。
4-2. Claudeシリーズ（Anthropic） — 「安全性と業務精度」の最前線
弊社GENAIが全社採用しているClaudeは、「安全性」と「業務精度」のバランスが最も優れているLLMです。開発元のAnthropicは「安全なAI開発」をミッションに掲げており、Constitutional AI（AIに「憲法」を持たせる技術）で有害出力を構造的に抑制しています。
特にClaude Code（ターミナル上のAIエージェント）は、ファイル操作・コード編集・コマンド実行まで自律的に行えるため、非エンジニアの経営者でもAIに業務を「丸投げ」できる点が最大の強みです。
代表菅澤
4-3. Geminiシリーズ（Google） — 「Google連携」の強み
GoogleのGeminiは、Gmail・Google Docs・Google Sheets・Google検索との深い連携が最大の強みです。すでにGoogle Workspaceを全社で使っている企業にとっては、最も導入障壁が低い選択肢です。
また、Gemini 2.5 Proは100万トークン（約75万字）という桁違いの長文処理能力を持ち、大量の契約書や社内マニュアルを一度に分析できる強みもあります。
4-4. Llama（Meta）・Mistral — 「オープンソース」の選択肢
MetaのLlamaとフランス発のMistralは、オープンソース（無料公開）のLLMです。自社サーバーに設置してカスタマイズできるため、データを外部に出したくない企業に向いています。
ただし、自前での運用にはGPUサーバーの調達・管理というインフラコストが発生するため、AI専門のエンジニアがいない企業にはハードルが高いのが実情です。
📚 用語解説
オープンソースLLM：モデルの設計図（ウェイト）が公開されており、誰でもダウンロードして自前のサーバーで動かせるLLM。カスタマイズの自由度は高いが、運用にはAIインフラの知識とGPUサーバーが必要。中小企業が単独で扱うにはハードルが高い。
経営者へのおすすめ
「AI専門のエンジニアがいない」「データセキュリティは重要だが自社運用する余力はない」——そんな企業には、Claude（Pro or Maxプラン）の利用が最も現実的です。クラウド上で安全に動き、専門知識不要で業務に組み込めます。
05
USE CASES
LLMでできること — 経営業務への活用7選
「理論」ではなく「実務」で使える7つのユースケース
LLMが何かを理解したところで、次は「で、実際に何に使えるの？」です。ここでは、弊社GENAIの実体験も交えて、経営業務で実際に使える7つの活用法を紹介します。
5-1. 議事録・日報の自動生成
会議の音声データやメモをLLMに渡すだけで、構造化された議事録を即座に生成できます。弊社では、Claude Codeに会議メモを渡して「決定事項・TODO・次回議題」の3項目に整理させています。所要時間は日2時間→日15分に短縮。
5-2. 営業資料・提案書の作成
顧客情報と過去の提案実績をLLMに渡して、顧客別にカスタマイズされた提案書を生成します。弊社の実績では週20時間→週2時間の削減を実現。
5-3. SEO記事・ブログコンテンツの執筆
キーワード設計・構成案の作成・本文執筆・SEOメタ情報の設定まで、記事制作プロセス全体をLLMで自動化できます。この記事自体も、Claude Codeを活用して制作しています。弊社では1本8時間→1本1時間まで短縮。
5-4. メール下書き・ビジネス文書作成
取引先への返信、お詫びメール、契約書の下書き、社内通達——あらゆるビジネス文書をLLMが下書きし、人間が最終チェック・調整する形で運用できます。
5-5. データ分析・レポート作成
売上データ、広告パフォーマンスデータ、アクセス解析データなどをLLMに渡して、分析・洞察・レポート生成まで一気通貫で処理できます。弊社では広告運用のレポート作成が週10時間→週1時間に短縮。
5-6. コード生成・業務ツール開発
Claude Codeのようなコーディングエージェントを使えば、プログラミング未経験者でも業務ツールを作成できます。Excel集計の自動化、Slackボットの構築、Web上のデータ収集スクリプトなど。
5-7. 翻訳・多言語対応
LLMの翻訳精度は、汎用的なビジネス文書であればプロの翻訳者に匹敵するレベルに達しています。社内マニュアルの多言語化、海外顧客とのメール対応など、翻訳外注費を大幅に削減できます。
| 活用法 | 導入前 | 導入後（弊社実績） | 削減率 |
|---|---|---|---|
| 議事録・日報 | 日2時間 | 日15分 | 約87%減 |
| 営業資料 | 週20時間 | 週2時間 | 約90%減 |
| SEO記事 | 1本8時間 | 1本1時間 | 約87%減 |
| 広告レポート | 週10時間 | 週1時間 | 約90%減 |
| 経理処理 | 月40時間 | 月5時間 | 約87%減 |
AI鬼管理山崎
06
RISKS & LIMITS
LLMの課題と限界 — 知っておくべき3つのリスク
「万能ではない」ことを正しく理解して使う
LLMは強力なツールですが、万能ではありません。経営者がAIを導入する際に知っておくべき3つの課題を正直に解説します。
6-1. ハルシネーション — 「もっともらしい嘘」をつく
ハルシネーション（幻覚）は、LLMが事実と異なる情報を、あたかも正しいかのように出力する現象です。これはLLMの構造的な限界であり、2026年現在も完全には解決されていません。
たとえば、「○○社の2025年度売上高は？」と聞くと、存在しないデータを堂々と回答することがあります。LLMは「正解を知っている」のではなく「確率的に最も自然な文章を生成している」ため、事実確認は必ず人間が行う必要があります。
📚 用語解説
ハルシネーション（Hallucination）：AIが事実と異なる情報を、自信を持って出力する現象。「AIの幻覚」とも呼ばれる。LLMは「正解を記憶している」のではなく「もっともらしい文章を生成している」ため、構造的に発生しうる問題です。
経営判断にLLM出力をそのまま使うのは危険
LLMの出力を数値データ・法的根拠・人事評価にそのまま使うのは非常にリスクが高いです。必ず「LLMで下書き → 人間が事実確認・最終判断」というワークフローを構築してください。
6-2. プロンプトインジェクション — セキュリティリスク
プロンプトインジェクションとは、悪意あるユーザーがLLMに意図しない動作をさせる攻撃手法です。たとえば、LLMを搭載したカスタマーサポートbotに対して、巧妙な質問文を投げることで、内部のシステム指示を暴露させたり、不正な回答を引き出したりする手口です。
📚 用語解説
プロンプトインジェクション：LLMベースのサービスに対する攻撃手法。悪意ある入力文（プロンプト）でAIの動作を操り、機密情報の漏洩や不正な回答を引き出す。Webアプリの「SQLインジェクション」のAI版と考えるとわかりやすい。
対策としては、LLMの入出力にフィルタリング（不正なプロンプトの検出・遮断）を設けることが基本です。Anthropic社のClaudeは、この安全対策が他のLLMより先進的であるとされています。
6-3. 倫理・著作権の問題
LLMは大量のテキストデータを学習していますが、その中には著作権で保護されたコンテンツが含まれている可能性があります。LLMの出力が「既存のコンテンツの再現」に該当するかどうかは、法的にグレーゾーンが多く、2026年現在も議論が続いています。
経営者としては、LLMの出力をそのまま外部公開する場合（ブログ記事、広告コピーなど）、必ず人間がオリジナリティを加える・事実確認を行うワークフローを徹底することが重要です。
代表菅澤
07
IMPLEMENTATION
経営者がLLMを業務に導入する具体ステップ
「明日から始められる」4ステップの導入ガイド
LLMの知識を得たら、次は実際に業務に組み込むアクションです。ここでは、AIエンジニアがいない企業でも明日から始められる4ステップを紹介します。
・メール返信の下書き
・会議メモの構造化
・データの要約・分析
コストは月3,000円。ランチ2回分で「AIが使えるかどうか」の判断材料が手に入ります。
で試す
（月$20）
自動化
に移行
（月$200）
AI活用チーム
構築
AI鬼管理山崎
08
CONCLUSION
まとめ — LLMは「使う人」が競争力になる時代
技術の理解は手段。目的は「経営を変えること」
この記事では、LLM（大規模言語モデル）の定義・仕組み・生成AIとの違い・主要モデル比較・経営での活用法・リスクまで、体系的に解説してきました。
代表菅澤
AI鬼管理山崎
「LLMを自社の業務に導入したいけど、何から手をつければ？」「Claude Codeの使い方を社内で学びたい」——そう感じた方に、2つのサービスをご紹介します。
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方
AI鬼管理
Claude CodeやCoworkの導入支援から、業務設計・ルール作成・社内浸透まで実践ベースで伴走します。「自分たちで回せる組織」を作りたい経営者向け。
学ぶ時間はない、とにかく結果がほしい方
爆速自動化スグツクル
業務ヒアリングから設計・開発・納品まで丸投げOK。ホームページ、LP、業務自動化ツールを最短即日で構築します。
| AI鬼管理 | 爆速自動化スグツクル | |
|---|---|---|
| こんな方向け | 社内で回せる状態を作りたい 外注に依存しない組織を作りたい |
学ばなくていいから結果だけ欲しい とにかく早く自動化したい |
| 内容 | AIの使い方・業務設計・自動化の作り方を 実践ベースで叩き込む |
業務をヒアリングし、設計から ツール・システムを丸ごと納品 |
| 一言で言うと | 自分で作れるようになる | 全部任せられる |
| AI鬼管理を詳しく見る | スグツクルを詳しく見る |
よくある質問
Q. LLMとは何の略ですか？
A. Large Language Model（大規模言語モデル）の略です。大量のテキストデータを学習し、人間の言語を理解・生成するAIの中核技術です。ChatGPT、Claude、Geminiなどの生成AIサービスは、すべてLLMを「エンジン」として動いています。
Q. LLMと生成AIの違いは何ですか？
A. LLMは「AIモデル（技術の中核）」、生成AIは「そのモデルを使ったサービス・ツール」です。車で喩えると、LLMは「エンジン」、生成AI（ChatGPTなど）は「車そのもの」に相当します。
Q. LLMは無料で使えますか？
A. はい。ChatGPT（Free版）やClaude（Free版）は無料で利用可能です。ただし、無料版は使用回数や利用可能なモデルに制限があるため、業務で本格的に使うにはPro以上のプラン（月$20〜）への移行を推奨します。
Q. LLMのハルシネーションとは何ですか？
A. LLMが事実と異なる情報を、あたかも正しいかのように出力する現象です。LLMは「正解を記憶している」のではなく「確率的に最も自然な文章を生成している」ため、構造的に発生しうる問題です。対策は「必ず人間が事実確認する」ワークフローの構築です。
Q. 経営者がLLMを導入するなら何から始めるべきですか？
A. まずClaude Pro（月約3,000円）に申し込み、1週間「メール下書き・会議メモ整理・データ要約」で使い倒すことを推奨します。そこで効果を実感したら、特定業務の自動化→Claude Code（Max）への移行→社内展開とステップアップしてください。
Q. どのLLMを選ぶべきですか？
A. 経営業務での信頼性を重視するならClaude（Anthropic）、Google Workspaceとの連携を重視するならGemini、知名度とエコシステムを重視するならGPT（ChatGPT）がおすすめです。弊社GENAIでは、安全性と業務精度のバランスからClaudeを全社採用しています。
📒 NOTE で深掘り
AI鬼管理 × 経営者の本音は note でも発信中
ブログでは伝えきれない経営者目線の体験談・業界動向・社内エピソードを
note にて公開しています。フォローして最新情報をチェック！
Claude Code 特化型
1対1 専門研修
受講者本人の業務を題材に、「使いこなせる」状態になるまで1対1で伴走する専門研修。業務特化・実装まで踏み込むタイプのClaude Code研修です。
Claude Code 研修の詳細を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
