【2026年9月最新】AI・人工知能の活用事例21選｜身近な暮らしからビジネス活用まで徹底解説
aikanri-admin
「AI・人工知能って、結局どこで使われているの？」――ニュースで毎日のように目にする言葉なのに、具体的にどんな場面で動いているのか説明できる人は意外と少ないものです。
実はAIは、自動運転やお掃除ロボットといった身近な家電から、クレジットカードの不正検知、企業の新卒採用、工場の品質管理まで、すでに私たちの生活とビジネスのあらゆる場所に入り込んでいます。
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、次のことが明確になります。
01 AI BASICS そもそもAI・人工知能とは何か 定義と、機械学習・ディープラーニングとの関係を整理する
AI（人工知能）という言葉は聞き馴染みがあっても、「具体的に何を指すのか」を説明できる人は多くありません。まずは基本的な定義から確認していきましょう。
AIとは、人間の脳が行っている知的な作業（認識・判断・予測・学習）を、コンピューターに再現させる技術の総称です。一般的なプログラムが「あらかじめ決められた手順通りにしか動けない」のに対し、AIはデータからパターンを学び、未知の状況にも自分なりの判断で対応する点が最大の違いです。
📚 用語解説
AI（人工知能）：人間の知的活動（認識・学習・判断・予測）をコンピューター上で再現する技術の総称。決まった手順しか実行できない従来型プログラムと異なり、データから規則性を学習して未知の状況にも対応できる点が特徴です。
1-1. 機械学習・ディープラーニングとの関係
AIを理解する上で欠かせないのが、機械学習とディープラーニングという2つの言葉です。この3つは「AI ⊃ 機械学習 ⊃ ディープラーニング」という入れ子構造になっています。
📚 用語解説
機械学習：AIを実現する手法の1つ。大量のデータをコンピューターに読み込ませ、人間が明示的にルールを書かなくても、データの中にあるパターンや規則性を自動で見つけ出す技術です。迷惑メールの判定や商品のレコメンドなど、幅広い用途で使われています。
📚 用語解説
ディープラーニング（深層学習）：機械学習の中でも、人間の脳の神経回路を模した「ニューラルネットワーク」を多層に重ねて学習する手法。画像認識・音声認識・自然言語処理など、従来の機械学習では精度が出にくかった複雑なタスクで飛躍的な成果を上げ、現在のAIブームの中核技術になっています。
AI鬼管理山崎
経営者・管理職の立場でAI活用を検討する上で、機械学習とディープラーニングの技術的な違いを厳密に理解する必要はありません。重要なのは「AIはデータから学んで判断する」という大枠と、「最近の生成AIは自分でチャットして直接指示できる」という2点だけです。
02 IN OUR DAILY LIFE 身近な暮らしの中のAI活用事例12選 普段気づかず使っているAIの正体を1つずつ確認する
ここからは、私たちが日常生活の中ですでに触れているAI活用事例を紹介します。「これもAIだったのか」という発見がきっとあるはずです。
| 分野 | 活用事例 | AIが行っている処理 |
|---|---|---|
| 移動 | 自動車の自動運転 | カメラ・センサー映像から周囲の car・歩行者・標識を認識し、走行を判断 |
| 家庭 | お掃除ロボット | 部屋の間取りをセンサーで把握し、最短ルートを計算して自律走行 |
| 金融 | クレジットカードの不正利用検知 | 普段と異なる利用パターンを検知し、不正の可能性をリアルタイム判定 |
| 公共 | 非接触検温・顔認証ゲート | サーモグラフィと画像認識で発熱者や本人確認を自動判定 |
| 言語 | Google翻訳などの機械翻訳 | 大量の対訳データから文脈に合った翻訳結果を生成 |
| 音声 | Siri・Alexaなどのバーチャルアシスタント | 音声を文字化し、意図を解釈してタスクを実行 |
| 接客 | FAQチャットボット | 過去の質問データから最適な回答を選び自動応答 |
| 情報 | ニュース・動画のレコメンド | 閲覧履歴から好みを学習し、関連コンテンツを提示 |
| 農業 | 収穫ロボット・生育予測 | 画像認識で作物の熟度を判定し、人手不足を補う |
| 娯楽 | 将棋・囲碁AI（AlphaGoなど） | 膨大な対局データと自己対戦学習で人間を超える打ち手を導出 |
| 健康 | 睡眠・活動量トラッキング | ウェアラブル機器のデータから健康状態の傾向を分析 |
| 食生活 | 献立・レシピ提案アプリ | 好みや栄養バランスの条件から最適な献立を生成 |
2-1. 【移動】自動運転を支えるAIの目と判断力
自動運転は、AI活用事例の中でも特に分かりやすい例です。車に搭載されたカメラ・レーダー・LiDAR（レーザーセンサー）から得られる情報を、AIが統合的に処理し、「今ブレーキを踏むべきか」「車線変更してよいか」をミリ秒単位で判断しています。
📚 用語解説
センサーフュージョン：カメラ・レーダー・LiDARなど複数のセンサー情報をAIが統合して1つの状況判断に落とし込む技術。単一のセンサーだけでは誤検知しやすい状況（逆光・雨天など）でも、複数の情報源を組み合わせることで精度を高めます。
完全な自動運転（レベル5）はまだ実用段階に至っていませんが、高速道路での自動追従・自動車線維持といった「レベル2〜3」の機能はすでに市販車に搭載されており、日常的にAIの判断が私たちの移動を支えています。
2-2. 【金融】クレジットカードの不正検知は24時間AIが監視
クレジットカードの利用時、裏側ではAIによる不正検知システムが24時間稼働しています。普段の利用場所・金額・時間帯のパターンをAIが学習しておき、そこから大きく外れた利用（例：深夜に急に高額決済、普段行かない海外での利用）を検知すると、瞬時にアラートを出したり決済を一時保留したりする仕組みです。
不正検知AIは利用者が意識することなく裏側で常時動いている代表例です。「AI活用」と聞くと大掛かりなシステムを想像しがちですが、実際は既存の業務フローの裏側にひっそり組み込まれているケースが大半です。
2-3. 【言語・音声】翻訳とバーチャルアシスタントの進化
Google翻訳のような機械翻訳は、以前は単語を1つずつ置き換える方式で不自然な訳文になりがちでしたが、ディープラーニングの導入以降、文脈全体を踏まえた自然な翻訳ができるようになりました。SiriやAlexaなどの音声アシスタントも同様に、音声認識・自然言語処理・音声合成という複数のAI技術を組み合わせて動いています。
📚 用語解説
自然言語処理（NLP）：人間が日常的に使う言葉（自然言語）をコンピューターが理解・生成できるようにする技術分野。翻訳・チャットボット・音声アシスタント・ChatGPTやClaude Codeのような対話型AIも、すべてこの自然言語処理の応用です。
2-4. 【情報】レコメンドが「気づけばハマっている」を作る仕組み
ニュースアプリや動画サービスで「気づいたら何本も見てしまっていた」という経験がある方は多いはずです。これはレコメンドエンジンと呼ばれるAIが、あなたの閲覧履歴・滞在時間・クリック傾向を学習し、次に興味を持ちそうなコンテンツを予測して提示しているためです。
📚 用語解説
レコメンドエンジン：ユーザーの行動履歴（閲覧・購入・視聴データ）を分析し、そのユーザーが次に興味を持つ可能性が高い商品・コンテンツを予測して提示するAIの仕組み。ECサイトの「よく一緒に購入されている商品」や動画サービスの「おすすめ」機能に使われています。
閲覧・購入・
視聴履歴を記録
類似ユーザーの
傾向と照合
興味を持つ
確率を計算
最も確率の
高いものを提示
2-5. 【農業・娯楽・健康】人手不足解決から囲碁の世界王者まで
農業分野では、深刻な人手不足を補うために画像認識AIを使った収穫ロボットや生育予測システムの導入が進んでいます。また、AIの実力を世に知らしめた象徴的な出来事として、Googleの「AlphaGo」が世界最強クラスの囲碁棋士に勝利した事例は記憶に新しいところです。健康分野でも、スマートウォッチが集めた睡眠・心拍データをAIが分析し、体調変化の予兆を検知するサービスが一般化しています。
代表菅澤
03 IN BUSINESS ビジネス現場における企業のAI活用事例5選 警備・物流・採用・保険業界での実例
次に、企業がAIをどのように業務へ組み込んでいるかを見ていきます。ここで紹介する事例は、いずれも「AI単体」ではなく「既存の業務プロセスとAIを組み合わせた」形で成果を出している点が共通しています。
| 企業・分野 | 活用内容 | AIが担っている役割 |
|---|---|---|
| 警備業界 | 5G通信と連携した自律飛行ドローンによる巡回警備 | 映像から異常検知、侵入者や火災の兆候を自動判定 |
| 物流業界 | 集荷受付の自動応答・配車最適化 | 問い合わせ内容の解析と、最適な配車ルートの計算 |
| 通信業界 | 新卒採用における一次面接AI | 応募者の受け答えから評価スコアを算出し選考を効率化 |
| 保険業界 | 社内トレーニングでの感情認識AI活用 | 応対時の表情・声のトーンを分析し接客品質を評価 |
| 製造業 | 工場ラインでの外観検査AI | カメラ画像から不良品を自動検出し検品作業を省人化 |
3-1. 警備業界：ドローンとAIで24時間の目を持つ
セキュリティ業界では、5G通信と連携した自律飛行ドローンによる巡回警備が実用化されています。ドローンのカメラ映像をAIがリアルタイムで解析し、不審な人物の侵入や火災の兆候をいち早く検知して警備員に通報する仕組みです。人間が24時間張り付いて監視するのは現実的ではありませんが、AIとドローンの組み合わせなら疲れず、見落としも起きにくい体制が構築できます。
3-2. 物流業界：集荷受付から配車まで自動化
物流大手では、荷物の集荷受付をAIチャットボットや自動応答システムで処理し、担当者への電話取次ぎを削減する取り組みが進んでいます。あわせて、複数の集荷・配送先をAIが最適な順序に並べ替える配車最適化も導入されており、ドライバーの走行距離短縮と燃料コスト削減の両方に貢献しています。
3-3. 通信・保険業界：採用と接客品質へのAI活用
通信業界の一部企業では、新卒採用の一次面接にAIを導入し、応募者の回答内容や話し方から評価スコアを自動算出する取り組みが行われています。また保険業界では、社内トレーニングに感情認識AIを活用し、応対時の表情や声のトーンを分析して接客品質の向上に役立てる事例もあります。
📚 用語解説
感情認識AI：人の表情・声のトーン・話す速度などのデータから、喜び・怒り・不安といった感情の状態を推定するAI技術。コールセンターの応対品質評価や、営業トレーニングでのフィードバックなどに活用されています。
AIによる採用選考は効率化に有効な一方、過去の採用データに偏りがあると、AIがその偏りを学習してしまい、特定の属性の応募者を不当に低評価する「AIバイアス」のリスクが指摘されています。AIの判定を最終決定に使うのではなく、あくまで一次スクリーニングの補助として位置づけ、最終判断は人間が行う運用が推奨されます。
AI鬼管理山崎
04 GENAI CASE STUDY 【独自】中小企業がAI活用事例から学ぶべきこと GENAI実運用データで見る「使われるAI」への転換
ここまで紹介した事例の多くは、大企業が専門のエンジニアチームを抱えて開発した、いわば「特注のAIシステム」です。では、エンジニアを雇う余裕のない中小企業は、AI活用を諦めるしかないのでしょうか。
結論から言うと、そんなことはありません。ここ数年で登場した生成AIエージェントを使えば、専門のシステム開発なしに、経営者・管理職が自分の言葉で指示するだけで業務を自動化できるようになっています。ここでは弊社（株式会社GENAI）の実運用データをもとに、その実態を紹介します。
4-1. 弊社の導入状況
| 項目 | 内容 |
|---|---|
| 契約プラン | Claude Max 20x（月額$200・約30,000円） |
| 利用開始 | 2025年後半〜 |
| 導入範囲 | 経営・営業・広告・開発・経理・秘書業務・個人業務まで全社 |
| エンジニア専任者 | 0名（非エンジニアの経営陣が直接操作） |
注目していただきたいのは、専任のエンジニアを雇わずに、経営陣が直接AIに指示を出して業務を回しているという点です。これは、この記事の前半で紹介した「自動運転」や「感情認識AI」のような特注システムとは根本的に異なるアプローチです。
4-2. 業務領域別の削減時間（肌感ベース）
| 業務領域 | 主な用途 | 概算削減時間 |
|---|---|---|
| 営業 | 提案書・見積・顧客別資料の自動生成 | 週20時間 → 週2時間 |
| 広告運用 | 週次レポート・CPA分析・配信内容調整 | 週10時間 → 週1時間 |
| ブログ記事 | SEO記事執筆・リライト・内部リンク最適化 | 1本8時間 → 1本1時間 |
| 経理 | 請求書チェック・経費仕訳・Freee連携 | 月40時間 → 月5時間 |
| 秘書業務 | 日報生成・議事録・スケジュール調整 | 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。「完全自動化」ではなく、あくまで人間のレビュー・微調整を前提とした削減効果としてご覧ください。
4-3. 「1業務だけ試す」から始める導入フロー
弊社がAI活用を全社に広げてきた実際の流れを図解すると、次の4ステップになります。大企業のような大規模なAI開発プロジェクトとは異なり、いきなり全部を自動化しようとしないことがポイントです。
1業務だけ
試しに任せる
（例: 議事録作成）
効果検証
時間・精度を
数値化
横展開
同種業務に
拡大適用
全社運用
業務プロセスに
組み込み
この4ステップを2〜3ヶ月かけて回していくと、気がつけば社内のあらゆる業務にAIが絡んでいる状態になります。上記の削減時間を単純合算すると月200時間前後にのぼりますが、業務間の重複や人間によるレビュー工数を差し引いた体感値としては、概算で1名分のフルタイム業務量（月160時間相当）をAIが吸収している感覚です。
代表菅澤
AI鬼管理山崎
05 TWO TYPES OF AI 【独自】「使われているAI」と「使えるAI」の違い 生成AIエージェントという新しい選択肢
この記事で紹介してきたAI活用事例には、実は大きな分岐点があります。それは、「AIが製品やサービスの裏側に組み込まれていて、私たちは意識せず“使われている”だけなのか」、それとも「私たち自身が直接AIに指示を出して“使える”のか」という違いです。
| 項目 | 使われているAI（従来型） | 使えるAI（生成AIエージェント） |
|---|---|---|
| 具体例 | 自動運転・不正検知・レコメンド | ChatGPT・Claude Code |
| 開発者 | 専門のエンジニアチーム | 不要（既存サービスを契約するだけ） |
| カスタマイズ | システム改修が必要 | チャットで指示するだけ変更可能 |
| 非エンジニアの関与 | ほぼ不可能 | 経営者・管理職が直接操作可能 |
| 導入コスト | 数百万円〜のシステム開発費 | 月数千円〜のプラン契約 |
| 向いている用途 | 製品への組み込み・大量処理 | 日々の業務の自動化・意思決定支援 |
📚 用語解説
生成AI：文章・画像・音声・プログラムコードなど、新しいコンテンツを自ら作り出せるAIの総称。従来のAIが「分類・予測・検知」を得意としていたのに対し、生成AIは「ゼロから作る」ことができる点が最大の違いです。ChatGPTやClaude Codeが代表例です。
📚 用語解説
自律型エージェント：人間が都度細かく指示しなくても、目的を与えればそこに向けて複数のステップを自分で計画し実行するAI。Claude Codeは「このメールに返信して」「この請求書データを整理して」といった抽象的な指示だけで、必要な作業を自分で組み立てて実行します。
この記事の前半で紹介した企業事例――自動運転、不正検知、感情認識AI、採用AI――は、すべて専門のエンジニアチームが特定の目的のために開発した「使われているAI」です。中小企業がこれと同じレベルのシステムを自社開発するのは、コスト・技術・時間のいずれの面でも現実的ではありません。
一方で、Claude CodeのようなAIエージェントは、すでに完成された汎用のAIを、自分の言葉で指示するだけで業務に応用できるという点で根本的に異なります。「システムを作る」のではなく「すでにあるAIに仕事を頼む」という発想の転換が、非エンジニアにとってのAI活用の入り口になります。
この記事の前半の事例を見て「うちにはあんな高度なAIシステムは作れない」と感じた方こそ、Claude Codeのような生成AIエージェントに触れてみてください。システムを自社開発する必要はなく、既存のAIに日本語で話しかけるだけで業務の自動化が始められます。
代表菅澤
06 PITFALLS TO AVOID AI導入で失敗しないための注意点 バイアス・プライバシー・過信のリスクを理解する
AI活用のメリットばかりに目を向けると、思わぬところでつまずくことがあります。ここでは、企業がAIを導入する際に知っておくべき代表的な注意点を整理します。
6-1. AIバイアス：学習データの偏りがそのまま結果に出る
AIは過去のデータから学習するため、そのデータに偏りがあれば、AIの判断にも同じ偏りが反映されてしまいます。前述の採用AIの例のように、過去の採用実績データに特定の傾向があると、AIがそれを「望ましいパターン」として学習し、意図せず特定の属性の応募者を不利に扱ってしまうケースが報告されています。
6-2. プライバシー：どこまでのデータをAIに渡すべきか
感情認識AIや行動履歴分析のように、AIの精度を上げようとするほど、より多くの個人データを扱う必要が出てきます。社内でAIを導入する際は、「どのデータをAIに読み込ませてよいか」「顧客の同意は取れているか」を事前に整理しておくことが重要です。特に生成AIエージェントに社内データを読み込ませる場合は、機密情報の取り扱いルールを明確にしておく必要があります。
6-3. 過信：AIの判断を鵜呑みにしない
AI活用が進むほど「AIが言うなら正しいはず」という思考停止が起きやすくなります。特に生成AIは、もっともらしい誤り（ハルシネーション）を出力することがあるため、重要な数値や事実は必ず人間が検証する運用を組み込んでください。
📚 用語解説
ハルシネーション：生成AIが、事実に基づかない情報をもっともらしく作り出してしまう現象。文章として自然に見えるため誤りに気づきにくく、AIの出力をそのまま資料や顧客対応に使う前に、人間による事実確認が欠かせません。
AI鬼管理山崎
07 THE NEXT AI AI・人工知能は今後さらに進化していく 特化型AIから自律型エージェントへの流れ
AIの進化は、大きく3つの段階を経てきました。この流れを理解しておくと、「なぜ今、非エンジニアでもAIが使えるようになったのか」の背景が見えてきます。
特化型AI
1つの作業だけ
（不正検知等）
機械学習の一般化
レコメンド・翻訳
など幅広い分野へ
生成AIの登場
文章・画像・コードを
ゼロから生成
自律型エージェント
指示するだけで
複数の作業を自走
この記事の前半で紹介した自動運転や不正検知は「第1段階」の特化型AI、レコメンドや翻訳は「第2段階」の機械学習の一般化にあたります。そして現在急速に広がっているのが、ChatGPTやClaude Codeのような「第3〜4段階」の生成AI・自律型エージェントです。
この進化の面白いところは、段階が進むほど、AIを使うために必要な専門知識が減っていく点です。特化型AIを作るには高度なエンジニアリングが必須でしたが、自律型エージェントは日本語で話しかけるだけで動きます。つまり、これまでAI活用から縁遠かった中小企業や非エンジニアにとって、むしろ今が最もAIに手を出しやすい時期だと言えます。
かつては「AIを使うにはデータサイエンティストが必要」と言われていましたが、生成AIエージェントの登場によってこの壁は大きく下がりました。専門用語を知らなくても、業務内容を日本語で説明できれば、AIに仕事を任せられる時代になっています。
代表菅澤
08 CONCLUSION まとめ ── AIの活用事例を知ることは、自社の一歩を見つけること 非エンジニアが今日から始められる具体的なアクション
この記事では、暮らしとビジネスの両面からAI・人工知能の活用事例21選を紹介し、そこから見えてくる「使われるAI」と「使えるAI」の違い、そして中小企業がAIを自社の武器に変えるための実際のデータまでを整理しました。最後にポイントを振り返ります。
最も伝えたいメッセージは、「AIの活用事例を知ること」と「自社でAIを使い始めること」の間にある距離は、思っているよりずっと近いということです。自動運転や感情認識AIのような高度なシステムは作れなくても、Claude Codeのような生成AIエージェントに日本語で話しかけることは、今日この瞬間から誰でもできます。
「AIをどこから始めればいいか分からない」という方は、まず自分の業務の中で最も面倒で、繰り返し発生しているタスクを1つ選んでみてください。議事録の要約、営業資料の下書き、経費データの整理――どれも生成AIエージェントに任せられる典型的な業務です。
AI鬼管理山崎
AIの活用事例を「自社の一歩」に変える設計を、AI鬼管理が一緒に考えます
この記事で紹介した事例のように、AIはすでに暮らしとビジネスのあらゆる場所で動いています。
次はあなたの会社の番です。まずは「どの業務から始めるか」を無料相談で一緒に見つけましょう。
代表菅澤
ここから先の進め方は、大きく2つあります。
自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。
覚えるより任せたい方は、AI社員AIKATAでこの記事のような定型業務を丸ごと預ける道があります。料金は月30万円の月額定額、追加費用は0円です。
どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。
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？
よくある質問
Q. AIと機械学習、ディープラーニングの違いを一言で教えてください。
A. AIが最も広い概念（人間の知的活動を再現する技術全体）、機械学習はAIを実現する手法の1つ（データから規則性を自動で学ぶ）、ディープラーニングは機械学習の中でも多層ニューラルネットワークを使う手法です。「AI ⊃ 機械学習 ⊃ ディープラーニング」という入れ子構造で理解すると整理しやすくなります。
Q. この記事で紹介されたAI活用事例は、どれも高額なシステム開発が必要ですか？
A. 自動運転や感情認識AIのような特化型AIは、専門のエンジニアチームによる開発が必要で、数百万円以上のコストがかかるケースが一般的です。一方、ChatGPTやClaude Codeのような生成AIエージェントは、月数千円〜のプラン契約で、非エンジニアでも日本語の指示だけですぐに業務へ応用できます。
Q. 中小企業がAI活用を始める場合、何から手をつければよいですか？
A. いきなり全社的な導入を目指すのではなく、まず1つの業務（議事録要約、営業資料の下書き、経費データ整理など）を選び、生成AIエージェントに任せて効果を検証することをおすすめします。効果が確認できたら同種の業務に横展開し、段階的に適用範囲を広げていく進め方が失敗しにくいです。
Q. AIによる採用選考や与信判断には、どんなリスクがありますか？
A. AIは過去のデータから学習するため、そのデータに偏りがあると、AIの判断にも同じ偏り（AIバイアス）が反映されるリスクがあります。採用や与信など人に不利益が及ぶ可能性がある判断では、AIの評価を一次スクリーニングの参考情報にとどめ、最終判断は必ず人間が行う運用が推奨されます。
Q. 生成AIが出す情報は、そのまま信じて業務に使ってよいですか？
A. 生成AIは「ハルシネーション」と呼ばれる、事実に基づかない情報をもっともらしく作り出してしまう現象を起こすことがあります。特に重要な数値や固有名詞、顧客に提示する資料については、必ず人間が一次情報と突き合わせて事実確認を行ってから使用することが必要です。
Q. 生成AIエージェントを使うのに、プログラミングの知識は必要ですか？
A. 不要です。Claude Codeのような自律型エージェントは、「この会議録を要約して」「この請求書データを整理して」といった日本語の指示だけで動作します。実際に弊社でも専任のエンジニアを置かず、経営陣が直接AIに指示を出して営業・経理・秘書業務などを回しています。
Q. AIを社内に導入する際、社外に出してはいけない情報の扱いはどうすればよいですか？
A. 顧客の個人情報や契約内容などの機密情報をAIツールに入力する前に、社内でルールを明確にしておく必要があります。利用するAIサービスがどのようにデータを扱うか（学習に使われるか、暗号化されているか等）を事前に確認し、機密性の高い情報は入力を避ける、またはマスキングした上で使うといった運用を徹底してください。
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
AI鬼管理／AI社員AIKATAへのお問い合わせ
この記事を読んで気になった方へ。
専門スタッフが、御社に最適な
業務自動化・業務代行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
