【2026年7月最新】おすすめのAI画像認識サービスを徹底比較｜ChatGPT・Claude・Gemini・Copilotの精度とビジネス活用
aikanri-admin
この記事の内容
「レシートや請求書の入力作業を減らしたい」「検品作業を自動化したい」——こうした相談の多くが、実はAI画像認識という技術で解決できることをご存知でしょうか。専用の画像認識システムを新たに開発しなくても、ChatGPTやClaudeといった、すでに使っている生成AIチャットに画像を送るだけで、高精度な認識・分析が可能な時代になっています。
この記事では、ChatGPT・Claude・Gemini・Microsoft 365 Copilotという主要4サービスの画像認識機能を業務活用の観点で比較し、業界別の活用パターン、導入時の注意点、そして非エンジニアが今日から試せる具体的な手順まで解説します。
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、次の6つが明確になります。
01 WHAT IS IT AI画像認識とは何か 「見て理解する」をコンピュータにやらせる技術
AI画像認識とは、写真や画像データの内容をAIが解析し、そこに写っているものが何か（物体・文字・表情・状況など）を識別する技術です。従来は工場の検品ラインや監視カメラなど、限定的な用途向けに専用開発されるケースがほとんどでしたが、近年はChatGPTやClaudeのような汎用の生成AIが高精度な画像認識機能を標準搭載するようになり、専門知識がなくても誰でも使える技術になりました。
📚 用語解説
AI画像認識：写真や動画などの画像データから、写っている物体・人物・文字・状況をAIが識別・解析する技術の総称。物体検出（何がどこにあるか特定する）、画像分類（画像全体を分類する）、OCR（文字を読み取る）など複数の技術要素を含む。
1-1. 「専用開発」から「チャットに送るだけ」への変化
数年前まで、画像認識をビジネスに導入するには、専用のニューラルネットワークを構築し、大量の学習データを用意する必要がありました。しかし現在では、ChatGPTやClaudeのようなAIチャットに写真を1枚アップロードして「この写真の内容を説明して」と依頼するだけで、多くの業務用途で実用レベルの認識結果が得られます。
専用システムの検討を始める前に、まずは手元のスマホで撮った書類やレシートの写真を、普段使っているChatGPTやClaudeのチャット画面に送ってみてください。想像以上の精度に驚くはずです。
1-2. なぜ急速に「誰でも使える」技術になったのか
この変化の背景には、画像処理の研究とテキスト生成AIの研究が統合された、マルチモーダルAIの急速な発展があります。以前は画像認識専用のモデルと、文章生成専用のモデルは別々に開発・提供されていました。しかし現在の主要な生成AIサービスは、1つのモデルの中で画像とテキストを同時に扱えるように設計されており、利用者は技術の境界を意識することなく、写真を送って会話するだけで高度な画像理解の恩恵を受けられます。
もう一つの要因は、クラウド上の計算資源のコスト低下です。大量の画像を処理するには相応の計算リソースが必要ですが、各社のインフラ投資により、月額数千円のプラン契約の範囲内でも実用的な画像認識が提供できるようになりました。数年前であれば専用契約・追加費用が必要だった機能が、今では基本プランの一部として提供されているのです。
02 SERVICE COMPARISON 主要サービス比較：ChatGPT・Claude・Gemini・Copilot 画像認識の観点で4サービスを横並びにする
画像認識機能を持つ主要な生成AIサービスを、業務活用の観点で比較します。
| サービス | 提供元 | 月額目安 | 画像認識の強み |
|---|---|---|---|
| ChatGPT | OpenAI | $20（Plus） | 幅広い画像理解、汎用性の高さで先行 |
| Claude | Anthropic | $20（Pro） | 書類・図表の読み取り精度と、認識後の業務実行（エージェント機能）との連携 |
| Gemini | $19.99（AI Pro相当） | Google検索・Workspaceとの連携、リアルタイム情報の参照 | |
| Microsoft 365 Copilot | Microsoft | $30（法人向けアドオン） | Excel/Word/Outlookとの統合、企業向けセキュリティ |
📚 用語解説
マルチモーダルAI：テキストだけでなく、画像・音声・動画など複数の種類（モード）のデータを統合的に理解・生成できるAIのこと。ChatGPT・Claude・Geminiはいずれも、文章と画像を同じ会話の中でやり取りできるマルチモーダルAIとして設計されている。
2-1. 画像認識の「精度」だけで選ぶのは早計
各社は画像理解のベンチマーク（テスト）で競い合っており、いずれも高い水準に達しています。ただし実務での価値は、「認識した内容を、その後どう業務に活かせるか」で大きく変わります。単に「何が写っているか説明できる」だけでなく、「認識した請求書データを自動で仕訳する」「認識した検品結果をレポートにまとめる」といった後工程の自動実行まで一気通貫でこなせるかが、ビジネス活用における実質的な差になります。
2-2. セキュリティ・ガバナンス面での違い
法人利用でもう一つ重要なのがセキュリティ・データガバナンスです。Microsoft 365 Copilotは既存のMicrosoft 365環境のセキュリティポリシーをそのまま引き継げる点が強みで、金融・医療など厳格な情報管理が求められる業界で採用されやすい傾向があります。一方、ChatGPT・Claude・Geminiも法人向けプランでは管理者機能やデータ取り扱いに関する契約条件が整備されています。
個人情報（顔写真、マイナンバー、口座情報など）が写り込んだ画像をAIに送信する際は、必ず各サービスの利用規約・データ取り扱い方針を確認してください。法人プランでは学習データへの二次利用がオプトアウトされている場合が多いですが、契約内容の事前確認が必須です。
2-3. 画像の種類ごとの得意不得意
画像認識AIの実力は、画像の種類によっても発揮されやすさが変わります。「写真」「書類」「図表・グラフ」の3種類に分けて特徴を整理します。
| 画像の種類 | 主な用途 | 認識の傾向 |
|---|---|---|
| 一般的な写真 | 検品・現場確認・表情分析 | 物体・状況の説明は各社とも高精度。照明条件や角度で差が出やすい |
| 書類・文字（OCR系） | 請求書・領収書・契約書の読み取り | 手書き文字や複雑なレイアウトでは、サービス間で読み取り精度に差が出ることがある |
| 図表・グラフ | 資料チェック・データ整合性の確認 | 数値の読み取りは高精度だが、細かい単位や凡例の解釈は指示の具体性に左右される |
特に書類のOCRでは、レイアウトが複雑な帳票や、手書き文字が混在する書類の場合、期待通りの結果が得られないことがあります。「まず1枚テストしてみて、実務水準の精度が出るか確認する」というステップを省略しないことが、導入後のトラブルを防ぐポイントです。
「この画像を説明して」という曖昧な指示より、「この請求書から発行日・金額・支払期限を抽出して表にして」のように、欲しい情報とアウトプット形式を具体的に指定する方が、実務で使える精度の回答が得やすくなります。
03 HOW IT WORKS 画像認識AIの仕組み（マルチモーダルAI） 「画像をどう言葉に変換しているか」を理解する
ChatGPTやClaudeが画像を理解する仕組みを簡単に説明します。これらのマルチモーダルAIは、画像をいくつかの小さな断片（パッチ）に分割し、それぞれを数値の列（ベクトル）に変換したうえで、文章のトークンと同じ空間で処理するという設計になっています。これにより、「この画像を見て、文章で説明して」という指示に対して、画像の内容とテキストの意味を結びつけた回答が可能になります。
📚 用語解説
物体検出：画像の中に「何が」「どこに」写っているかを、位置（座標）とともに特定する技術。「画像分類」が画像全体に対して1つのラベルを付けるのに対し、物体検出は画像内の複数の物体それぞれを個別に検出・位置特定する点が異なる。
📚 用語解説
画像分類：画像全体を見て「これは犬の画像である」のように、あらかじめ定義されたカテゴリの中から最も適切な分類ラベルを1つ（または複数）割り当てる技術。物体の位置までは特定しない、より単純な認識タスク。
📚 用語解説
OCR（光学文字認識）：画像や写真の中に写っている文字を検出し、コンピュータが扱えるテキストデータに変換する技術。請求書・領収書・手書き文書のデジタル化に広く使われる。近年はマルチモーダルAIがOCRの精度を大きく引き上げている。
前提として、こうしたパッチ分割によるトークン化は「Vision Transformer（ViT）」と呼ばれる方式で、画像処理の初期に主流だったCNN（畳み込みニューラルネットワーク）とは異なるアプローチです。現在の主要なマルチモーダルAIの多くは、このViT型の画像エンコーダとTransformerの言語理解能力を組み合わせる形で発展してきました。つまり、画像認識AIチャットの裏側では、CNNの時代とは異なる設計思想のもとで、画像処理技術と言語処理技術が統合されているのです。
写真・スクショ
をアップロード
画像をパッチに分割
ベクトルに変換
テキストと同じ空間で
意味を理解
説明・分類・
後続処理の実行
📚 用語解説
ファインチューニング：汎用の学習済みモデルに対し、特定の業務データ（例: 自社の検品基準の画像データ）で追加学習を行い、その分野での精度を高める手法。画像認識の分野でも、汎用モデルでは判定が難しい専門領域（医療画像の異常検知など）で使われることがある。
3-1. 「なぜ間違えることがあるのか」を理解しておく
画像認識AIが誤認識を起こす主な原因は、学習データに含まれていなかった状況・角度・照明条件に画像が該当する場合です。例えば、通常とは異なる角度から撮影された書類や、極端に暗い場所で撮影された写真では、認識精度が下がることがあります。この特性を理解しておくと、「AIが間違えた」ときにやみくもに別のサービスへ乗り換えるのではなく、「撮影条件を変えて再度試す」という対処がまず有効だと分かります。
書類は真上から、影が入らない明るい場所で撮影するだけで、認識精度が大きく改善することがあります。特にOCR用途では、この撮影条件の工夫が、AIサービスの乗り換えよりも効果的な場合が多いです。
04 BY INDUSTRY 業界別の活用パターン 製造・小売・医療・経理での代表的な使われ方
画像認識AIは業界を問わず活用が広がっています。代表的なパターンを紹介します。
| 業界 | 活用パターン | 期待される効果の方向性 |
|---|---|---|
| 製造業 | 検品ラインでの外観検査・不良品検出 | 目視検査の負荷軽減、見逃しリスクの低減 |
| 小売業 | レジ無し決済、棚の欠品検知 | 会計待ち時間の短縮、在庫管理の効率化 |
| 医療 | 画像診断の一次スクリーニング支援 | 医師の読影負荷軽減（最終判断は医師が実施） |
| 経理・バックオフィス | 請求書・領収書のOCR自動読み取り | 手入力作業の削減、転記ミスの防止 |
| 不動産・建設 | 図面・現場写真からの状況把握 | 現場報告の効率化、記録の正確性向上 |
「検品時間◯%削減」「異常検知率100%」といった導入事例の数値は、各社の運用条件によって大きく変わります。自社に当てはめる際は、まず小規模なテスト運用で実際の精度・効果を確認することをおすすめします。
4-1. 医療分野での位置づけ：あくまで「支援」であること
医療画像診断の分野でもAI画像認識の活用が進んでいますが、現時点では医師の診断を補助するスクリーニングツールとしての位置づけが基本です。最終的な診断・治療方針の決定は医師が行うものであり、AIの判定結果をそのまま診断として扱うことはできません。この前提を正しく理解した上での導入が重要です。
AI鬼管理山崎
4-2. バックオフィス業務での広がり方
製造・医療のような専門領域だけでなく、経理・総務・人事といったバックオフィス業務でも画像認識AIの活用が急速に広がっています。紙の書類が多く残る日本企業の業務プロセスとの相性が良く、専用システムの投資判断を待たずに始められる点が、導入のハードルの低さにつながっています。
これらはいずれも「専用の画像認識システム」を新たに契約しなくても、既に利用しているChatGPTやClaudeのチャット機能だけで着手できる点が共通しています。まずは自部門の紙業務を一つ洗い出し、試験的に画像認識AIに任せてみることが、投資対効果を確認する最短ルートです。
特に日本企業では、押印文化や紙の稟議書、手書きの現場報告書など、デジタル化が後回しにされてきた業務プロセスが数多く残っています。これらは「大規模なシステム刷新」を待たなくても、画像認識AIとの組み合わせだけで部分的にデジタル化できる余地が大きい領域です。まず紙の量が多く、かつ入力ミスが業務上のリスクにつながりやすい業務から着手すると、効果を実感しやすくなります。
05 HOW TO CHOOSE 導入時の選び方・注意点 精度・セキュリティ・コストの3軸で判断する
画像認識AIサービスを選ぶ際は、以下の3軸でチェックすることをおすすめします。
製造ラインでのリアルタイム全数検査など、ミリ秒単位の高速処理・高い信頼性が求められる用途では、汎用の生成AIチャットではなく専用の画像認識システム（オンプレミス設置の専用推論基盤など）の検討が必要になる場合があります。まずは汎用AIで代替できないかを確認し、それでも精度・速度が不足する場合に専用開発を検討する順番が無駄がありません。
5-1. 「まず汎用AIで試す」という順番の合理性
専用システムの開発には数百万円規模の初期投資と数ヶ月の開発期間がかかることが一般的です。一方、ChatGPTやClaudeであれば、月額数千円のプラン契約だけですぐに試せます。多くの業務用途では、汎用AIチャットで試した結果が想像以上に実用的で、専用開発が不要だったというケースも少なくありません。
5-2. コスト構造の違いを事前に把握しておく
「専用開発」と「汎用AI活用」では、コストが発生するタイミングと性質が大きく異なります。この違いを理解しておくことが、投資判断のミスを防ぎます。
| 方式 | 初期費用 | 月額の目安 | 向いているケース |
|---|---|---|---|
| 汎用AIチャット（ChatGPT/Claude等） | ほぼ不要 | 数千円/人（プラン契約のみ） | 書類OCR・現場確認など、多くの一般的な業務用途 |
| ノーコード画像認識ツール（Azure Custom Vision等） | ほぼ不要〜数万円規模 | 無料枠あり、利用量に応じた従量課金 | 特定業務に特化した繰り返し処理を自動化したい場合 |
| 専用開発（オンプレ/エッジ専用推論基盤） | 数百万円規模 | 保守・運用費が別途発生 | リアルタイム全数検査など高速・高精度が必須の場合 |
この比較から分かるのは、「まず初期費用がほぼゼロの汎用AIチャットで試し、それでも精度・速度が不足する場合にのみ、上位の選択肢を検討する」という順序が、コストの無駄を最小化する現実的なアプローチだということです。
06 TRY IT TODAY 【独自】非エンジニアが今すぐ試せる画像認識活用手順 専門知識ゼロで始められる3つの実践パターン
ここからは、非エンジニアの方が今日から試せる具体的な手順を紹介します。
6-1. パターン1：領収書・請求書のOCR
スマホで領収書を撮影し、Claude Codeに「この領収書の日付・金額・支払先を抽出して表にまとめて」と指示するだけで、手入力の手間なくデータ化できます。複数枚をまとめて処理させることも可能です。
6-2. パターン2：資料・スライドの内容確認
パワーポイントやPDFのスクリーンショットを送り、「この資料の誤字脱字をチェックして」「このグラフの数値の整合性を確認して」と依頼すれば、目視確認の時間を大幅に圧縮できます。
6-3. パターン3：現場写真からの状況整理
工事現場や店舗の写真を送り、「この写真から気づいた点をリストアップして」と依頼すれば、報告書作成の下地を一瞬で作れます。最終的な判断・確認は必ず人間が行う前提で活用します。
スマホで撮影
そのままチャットへ
「何を知りたいか」
を日本語で指示
結果を人間が
確認・修正
定型業務として
運用に組み込む
代表菅澤
6-4. パターン4：資料内のグラフ・表データの検証
社内資料や競合の公開資料のスクリーンショットを送り、「このグラフの数値と、本文中の説明が一致しているか確認して」と依頼すれば、人間が見落としがちな数値の食い違いを機械的にチェックできます。特に月次報告書のように、同じフォーマットで繰り返し作成する資料のダブルチェック作業に向いています。
📚 用語解説
エッジAI：クラウドのサーバーに画像データを送信せず、スマートフォンや専用機器などの端末（エッジ）側でAIの処理を完結させる仕組み。通信環境に依存しない、応答が速い、機密データを外部に送信しなくて済む、といった利点があるが、端末側の処理能力に制約されるため、汎用の生成AIチャットほど複雑な理解は苦手になりやすい。
いずれのパターンも、AIの出力をそのまま最終成果物として使うのではなく、人間が最終確認するステップを必ず組み込むことが重要です。特に金額・日付・数量など、間違いが業務上の実害につながる項目は、ダブルチェックの運用ルールを事前に決めておきましょう。
07 WHY CLAUDE WINS 【独自】なぜ業務活用ではClaude（Claude Code）が優位か 「認識して終わり」ではなく「認識してから実行する」まで一気通貫
画像を「認識して説明する」だけなら、ChatGPT・Claude・Geminiのいずれでも高い精度が得られます。しかし業務効率化という観点では、認識した内容をその場で加工・整理・登録まで実行できるかが決定的に重要です。
7-1. 「認識」で終わるツールと「実行」まで進めるツールの差
多くの画像認識AIチャットは、画像の内容を説明するところまでは高精度にこなしますが、その結果を「Excelにまとめる」「複数ファイルを横断して集計する」といった次のアクションには、別のツールへのコピー＆ペーストが必要になることがあります。Claude Codeは、画像認識の結果を受け取った直後に、ファイルの作成・編集・整形までを同一の指示の中で連続して実行できるエージェント型の設計になっている点が特徴です。
7-2. 業務フロー全体で見たときのコスト差
「画像認識専用サービス」＋「集計用のスプレッドシートツール」＋「報告書作成ツール」を別々に契約・連携させる場合と比較して、Claude Codeのようなエージェント型AIであれば、1つの契約・1つの指示フローで認識から実行までをカバーできます。ツール間の連携設定や、結果のコピー＆ペーストといった「つなぎ目」の作業自体が減ることが、実務上の時間削減につながります。
AI鬼管理山崎
08 GENAI CASE STUDY 【独自データ】GENAI社内の画像認識AI活用実態 経理・資料確認での具体的な運用
弊社（株式会社GENAI）では、Claude Max 20xプラン（月額$200・約30,000円）を全社契約し、画像認識機能も含めてClaude Codeを日常業務に組み込んでいます。
| 業務領域 | 画像認識AIの使い方 | 概算削減時間 |
|---|---|---|
| 経理 | 領収書・請求書の画像を読み取り、経費仕訳・Freee連携まで自動化 | 月40時間 → 月5時間 |
| 広告運用 | 広告クリエイティブのスクリーンショットから訴求内容を確認・分析 | 週10時間 → 週1時間 |
| 秘書業務 | 会議ホワイトボードの写真からToDoリストを自動生成 | 日2時間 → 日15分 |
上記は弊社の肌感ベースの数値であり、業種・業態・担当者のスキルによって削減時間は変動します。あくまで「画像認識AIをどこまで業務に組み込めるか」の参考情報としてご覧ください。
8-1. Slack経由での証憑取込フロー
弊社の経理業務では、担当者がSlackの専用チャンネルに領収書・請求書の写真を投稿するだけで、画像認識から会計処理までがつながる仕組みを構築しています。人が行うのは「撮って投稿する」ことだけで、以降のデータ抽出・仕訳登録の一次処理はAIが引き受けます。
領収書・請求書の
写真を投稿するだけ
金額・日付・
支払先を抽出
Freeeへ
仕訳データ登録
最終チェックのみ
人間が実施
特に経理業務では、Slackに証憑画像を投稿するだけで自動的に内容を読み取り、会計処理につなげる仕組みまで構築しています。画像認識は「見て終わり」ではなく、「見た結果をどう業務フローに接続するか」まで設計して初めて効果を最大化できる、というのが弊社の実感です。
代表菅澤
09 CONCLUSION まとめ 「認識精度」より「業務への組み込み方」で選ぶ時代
この記事では、AI画像認識の基本的な仕組み、ChatGPT・Claude・Gemini・Copilotの比較、業界別の活用パターン、導入時の注意点、そして非エンジニアが今すぐ試せる手順とGENAIの実運用事例までを整理しました。最後にポイントを振り返ります。
最も重要なメッセージをお伝えします。画像認識AIの選定において「どのサービスが一番賢いか」を追い求めるのは、実はあまり生産的ではありません。それよりも「認識した結果を、自社のどの業務フローに、どうつなげるか」を設計することの方が、得られる効果を大きく左右します。
技術の進化スピードが速い分野だからこそ、「今どのサービスが最も優れているか」という比較は、半年後には前提が変わっている可能性があります。それよりも重要なのは、自社の業務のどこに画像認識が使えるかを見極める目と、認識結果を実際の業務プロセスに組み込む設計力を社内に蓄積していくことです。この2つの力は、どのAIサービスが台頭しても陳腐化しません。
代表菅澤
画像認識AIを「業務フロー」に組み込むところまで、AI鬼管理が設計します
認識するだけで終わらせず、集計・登録・報告まで一気通貫でつなげる設計。
弊社の実運用ノウハウをベースに、個別にご相談を承ります。
AI鬼管理山崎
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へ
AI鬼管理
Claude Code・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. AI画像認識を使うのに専門知識は必要ですか？
A. 不要です。ChatGPTやClaudeのようなチャット型AIに画像を送り、日本語で「何を知りたいか」を指示するだけで利用できます。プログラミングやAIの専門知識がなくても、今日から試せます。
Q. ChatGPTとClaude、画像認識の精度に大きな差はありますか？
A. 純粋な画像の説明・理解という点では、どちらも高い水準にあり、用途によって得意不得意はあるものの決定的な差はつきにくいのが実情です。業務活用では、認識後にどこまで自動実行できるかという観点で選ぶことをおすすめします。
Q. 機密情報が写った画像をAIに送っても大丈夫ですか？
A. 各サービスの法人向けプランには、データの二次利用をオプトアウトできる契約条件が用意されていることが多いですが、必ず利用規約・契約内容を事前に確認してください。特に個人情報や機密書類を扱う場合は、社内のセキュリティ方針との整合性も確認が必要です。
Q. 医療現場でAI画像認識を導入する際の注意点は？
A. 現時点でのAI画像認識は、医師の診断を補助するスクリーニングツールという位置づけが基本です。最終的な診断・治療方針の決定は必ず医師が行うものとし、AIの判定結果を鵜呑みにしない運用設計が重要です。
Q. 専用の画像認識システムを開発すべきか、汎用AIで十分か、どう判断すればいいですか？
A. まずは汎用の生成AIチャット（ChatGPT・Claude等）で実際の業務データを使って試し、精度・速度が業務要件を満たすか確認することをおすすめします。ミリ秒単位のリアルタイム全数検査など特殊要件がない限り、専用開発が不要なケースは少なくありません。
Q. Claude Codeでの画像認識活用は、何から始めればいいですか？
A. まずは領収書や請求書など、日常的に発生する書類の読み取りから試すのがおすすめです。「この領収書の金額と日付を抽出して」といった具体的な指示から始めると、効果を実感しやすくなります。
Q. 画像認識AIの導入効果を検証するときに、最初に測るべき指標は何ですか？
A. まずは「読み取り結果の正解率（人間の確認と照らし合わせた一致率）」と「1件あたりの処理時間」の2つを測定することをおすすめします。この2指標を導入前後で比較すれば、専用システムへの投資が必要かどうかを客観的に判断しやすくなります。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →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
