【2026年5月最新】AI自動株取引の仕組みと始め方｜個人投資家が今すぐ実践できる方法

「AIで株取引を自動化できるらしいけど、実際どうやるの？」——この疑問を持って検索しているあなたは、AIが投資の世界をどう変えているかに興味を持ちつつも、「本当に個人でもできるのか」「損しないのか」という不安を感じているはずです。

結論から言うと、AI自動株取引は機関投資家だけのものではなくなりました。2026年現在、個人投資家でもPythonとAPI接続さえあれば、AIによる株価予測・自動売買の仕組みを構築できます。ただし、「AIを使えば誰でも儲かる」という話では断じてありません。

この記事では、AI自動株取引の仕組み・技術的基礎・使えるツール・始め方・リスクまでを、投資初心者でも理解できるレベルで完全解説します。さらに、弊社（株式会社GENAI）が実際にAI投資分析をどのように実践しているかの独自データも公開します。

この記事を最後まで読むと、以下が明確になります。

01 OVERVIEW AI自動株取引とは？仕組みと種類を理解する 「AIで株を売買する」の実態を3タイプに分解

AI自動株取引とは、人工知能（AI）を使って株式の売買判断や注文執行を自動化する仕組みの総称です。人間が感情や直感で判断する代わりに、過去のデータとアルゴリズムに基づいて売買のタイミングを決定します。

ただし、一口に「AI株取引」と言っても、その中身は大きく3種類に分かれます。まずはこの分類を理解することが、正しい知識の第一歩です。

1-1. タイプ1：ルールベース自動売買（シストレ）

最も歴史が古く、シンプルな方式がルールベースの自動売買（システムトレード、通称シストレ）です。「移動平均線が交差したら買い」「RSIが30以下になったら売り」といった明確なルールをプログラムに書き込み、その条件に合致したら自動的に注文を出す仕組みです。

厳密にはこれは「AI」ではなく「プログラム自動売買」ですが、一般的には「AI株取引」の文脈で語られることが多いため、ここで触れておきます。MetaTraderのEA（Expert Advisor）や、TradingViewのPine Scriptが代表例です。

1-2. タイプ2：機械学習による株価予測型

2つ目は、機械学習（Machine Learning）を使って株価の上昇・下落を予測し、その予測に基づいて売買する方式です。過去の価格データ、出来高、ニュース、決算情報などを「学習データ」としてAIモデルに与え、将来の値動きパターンを学習させます。

代表的なアルゴリズムとしては、時系列データに強いLSTM（Long Short-Term Memory）、勾配ブースティング系のXGBoost、近年注目されているTransformerベースのモデルなどがあります。詳細は次章で解説します。

1-3. タイプ3：強化学習による自律型トレーディング

3つ目は最も先進的な方式で、強化学習（Reinforcement Learning）を用いた自律型トレーディングエージェントです。「利益を最大化する」という報酬関数を設定し、AIが試行錯誤しながら最適な売買戦略を自ら発見していきます。

囲碁のAlphaGoと同じ思想で、「環境（＝市場）の中でAIが自ら行動し、結果から学ぶ」というアプローチです。理論的には最も強力ですが、実用化は機関投資家やヘッジファンドが中心で、個人投資家レベルではまだ研究段階と言って良いでしょう。

02 ALGORITHMS AI株価予測の技術｜機械学習アルゴリズムの基礎 株価予測に使われる5つの主要アルゴリズムを非エンジニア向けに解説

AI自動株取引の心臓部は「株価予測モデル」です。ここでは、実際に使われている主要な機械学習アルゴリズムを、非エンジニアの方にも分かるように解説します。

2-1. RNN / LSTM ── 時系列データの定番

RNN（Recurrent Neural Network）は、時系列データ（＝時間の流れに沿ったデータ）を扱うために設計されたニューラルネットワークです。株価は「昨日の価格→今日の価格→明日の価格」と時間的な連続性があるため、RNNとの相性が良いとされています。

特にその改良版であるLSTM（Long Short-Term Memory）は、「長期間前の情報も忘れずに保持できる」という特性を持ち、株価予測の研究で最も多く使われてきたモデルの1つです。例えば、「3ヶ月前の決算発表の影響が今の株価にどう出ているか」といった長期依存関係を捉えることができます。

2-2. CNN ── チャートパターンの画像認識

CNN（Convolutional Neural Network）は、本来は画像認識に強いモデルですが、株価チャートを「画像」として捉えてパターンを認識する用途で活用されています。ヘッドアンドショルダー、ダブルトップ、三角持ち合いといったテクニカル分析のチャートパターンを、人間の目ではなくAIが自動検出するイメージです。

また、1次元CNNとして価格の時系列データを直接入力するアプローチもあり、LSTMと組み合わせた「CNN-LSTM」というハイブリッドモデルも研究されています。

2-3. XGBoost / Random Forest ── テーブルデータの王様

XGBoostとRandom Forestは、いずれも「決定木」を組み合わせたアンサンブル学習と呼ばれる手法です。株価の数値データ（価格、出来高、テクニカル指標、ファンダメンタルズ数値）を表形式のデータとして与え、上昇・下落の分類や将来価格の回帰予測を行います。

ディープラーニング（LSTM等）と比較して、計算コストが低く、学習が速く、解釈性が高い（どの特徴量が予測に効いているか可視化できる）というメリットがあります。Kaggleの時系列コンペティションでもXGBoostが上位に入ることが多く、個人投資家が最初に試すモデルとしては最も実用的です。

2-4. Transformerベースモデル ── 最新のアテンション機構

ChatGPTやClaudeの基盤技術であるTransformerは、株価予測にも応用されています。Transformerの「アテンション（注意）機構」は、時系列データの中で「どの時点の情報が予測に最も重要か」をAI自身が判断する仕組みです。

2024年以降、金融特化のTransformerモデル（例：FinGPT、BloombergGPT等）や、ニュース記事・決算短信をTransformerで解析して市場センチメントを予測する研究が急増しています。ただし、個人レベルでTransformerモデルを一から学習させるにはGPUリソースが膨大に必要なため、既存のAPIやサービスを活用するのが現実的です。

2-5. アルゴリズム比較まとめ

アルゴリズム	得意なデータ	計算コスト	個人利用の現実度	主な用途
LSTM	時系列（価格・出来高）	中	○ 可能	短〜中期の価格予測
CNN	チャート画像・1D時系列	中	○ 可能	パターン認識
XGBoost	テーブルデータ（指標群）	低	◎ 最も手軽	上昇/下落の分類予測
Random Forest	テーブルデータ	低	◎ 手軽	特徴量の重要度分析
Transformer	大量テキスト+時系列	高	△ API利用推奨	センチメント分析・高精度予測

03 TOOLS 個人投資家が使えるAI株取引ツール5選 無料〜低コストで始められるプラットフォームを比較

AI自動株取引を個人で始めるには、適切なプラットフォーム選びが重要です。ここでは、2026年時点で個人投資家が実際に使えるツールを5つ厳選して紹介します。

3-1. Alpaca Markets ── 手数料無料の米国株API

Alpacaは、米国株のAPI取引に特化したプラットフォームです。最大の特徴は売買手数料が無料で、REST APIとWebSocket経由でプログラムから直接注文が出せる点です。Pythonのalpaca-trade-apiライブラリを使えば、数行のコードで売買を自動化できます。

さらに、Paper Trading（ペーパートレーディング＝仮想資金での練習売買）が無料で用意されているため、リアルマネーを投じる前にAIモデルの性能を検証できます。弊社GENAIでもこのPaper Trading機能を使ってAI投資分析の検証を行っています（詳細は第7章）。

3-2. QuantConnect ── クラウド型バックテスト環境

QuantConnectは、クラウド上でアルゴリズム取引の開発・バックテスト・ライブ実行ができるプラットフォームです。Python / C# に対応し、15年以上の分足データを使ったバックテストが無料で実行できます。

Alpacaとの違いは、「バックテスト環境が充実している」点です。過去データでAIモデルの性能を検証し、問題なければライブ口座に接続して実運用に移行する、という流れが一気通貫で行えます。学習リソース（チュートリアル・フォーラム）も充実しており、個人投資家が独学で始めやすい環境です。

3-3. TradingView ── Pine Scriptで手軽にシストレ

TradingViewは、チャート分析ツールとして世界最大のユーザー数を持つプラットフォームです。独自のスクリプト言語Pine Scriptを使って、テクニカル指標の作成やバックテスト、シグナルアラートの自動化ができます。

厳密な「AI」ではありませんが、テクニカル分析のルールベース自動売買を最も手軽に始められるツールです。プログラミング経験が少ない人でも、Pine ScriptはExcelの関数のような感覚で書けるため、自動売買の入門として最適です。

3-4. MetaTrader 5 ── FX・CFDの定番プラットフォーム

MetaTrader 5（MT5）は、FX（外国為替）とCFD（差金決済取引）の自動売買で世界的に使われているプラットフォームです。EA（Expert Advisor）と呼ばれる自動売買プログラムをMQL5言語で開発でき、VPS上で24時間稼働させることができます。

株式の直接取引には対応していないブローカーも多いですが、CFD経由で株価指数（日経225、S&P500等）の自動売買は可能です。EA開発のコミュニティが非常に大きく、無料・有料のEAが数万種類公開されているのも特徴です。

3-5. Python（backtrader + yfinance）── 完全自作の自由度

最後は、Pythonのオープンソースライブラリを組み合わせて完全に自作するアプローチです。代表的な組み合わせは以下の通りです。

自由度は最大ですが、すべてを自分で構築する必要があるため、Pythonの中級以上のスキルが前提です。逆に言えば、既存ツールの制約に縛られず、完全にオリジナルのAI投資システムを構築できるのが最大のメリットです。

3-6. ツール比較まとめ

ツール	対象市場	難易度	費用	AI/ML対応	おすすめの人
Alpaca	米国株	中級	無料	○ API連携	Python開発者
QuantConnect	米国株・FX	中級	基本無料	◎ 組み込み済	本格的にバックテストしたい人
TradingView	株・FX・暗号資産	初級	無料〜$60/月	△ ルールベース	初心者・テクニカル派
MetaTrader 5	FX・CFD	中級	無料（ブローカー経由）	△ EA開発	FXトレーダー
Python自作	制限なし	上級	無料	◎ 完全自由	エンジニア・研究者

04 GETTING STARTED AI自動売買を始める5ステップ【初心者向け】 「やってみたいけど何から始めれば？」に答える実践ガイド

ここでは、AI自動株取引を「ゼロから始める」ための具体的な5ステップを紹介します。いきなりリアルマネーを投じるのではなく、安全にスキルを積み上げていく順番を整理しました。

Step 1：基礎学習 ── Pythonと金融の基本を押さえる

AI自動売買を始めるには、最低限2つの知識領域が必要です。1つは「Pythonプログラミングの基礎」、もう1つは「株式投資の基本用語・仕組み」です。両方ゼロからスタートする場合、各2〜4週間程度の学習期間を見込んでください。

Step 2：データ取得 ── 株価データを収集する

モデルを作るには「学習データ」が必要です。株価データの取得は、Pythonのyfinanceライブラリを使えば無料で簡単にできます。以下のようなコードで、任意の銘柄の過去データがDataFrame形式で取得できます。

import yfinance as yf
data = yf.download("AAPL", start="2020-01-01", end="2026-01-01")
これだけで、Appleの6年分の日次データ（始値・高値・安値・終値・出来高）が手に入ります。

さらに、テクニカル指標（移動平均、RSI、MACD等）を特徴量として追加するには、ta-libやpandas-taライブラリが便利です。これらの特徴量が、次のステップで作る予測モデルの「入力」になります。

Step 3：モデル構築 ── 予測モデルを作る

データが揃ったら、いよいよ予測モデルの構築に入ります。初心者が最初に試すべきは、前述の通りXGBoostです。「明日の株価が上がるか下がるか」を分類する2値分類問題として設計します。

具体的な流れは：
1. 特徴量を作成（移動平均乖離率、RSI、出来高変化率など）
2. ラベルを作成（翌日の終値が今日より高ければ1、低ければ0）
3. 訓練データ（例：2020〜2024年）でモデルを学習
4. テストデータ（例：2025年）で精度を検証

Step 4：バックテスト ── 過去データで検証する

モデルの予測精度だけでは実用性は判断できません。次に必要なのはバックテスト——過去の実際の市場データでモデルに従って売買した場合に、どれだけの利益（または損失）が出たかをシミュレーションすることです。

バックテストでは以下の要素を考慮します。

Step 5：Paper Trading ── 仮想資金でリアルタイム検証

バックテストで良い結果が出たら、次はPaper Trading（仮想資金でのリアルタイム取引）に移行します。バックテストとの違いは、「リアルタイムの市場データで、実際に注文を出す（ただし仮想資金で）」点です。

Alpacaでは、Paper Trading専用のAPIキーが無料で発行されるため、リアルマネーのリスクなしに「本番と同じ環境」でモデルの性能を検証できます。最低でも1〜3ヶ月間のPaper Tradingで安定したパフォーマンスが確認できるまでは、リアルマネーへの移行は非推奨です。

05 RISKS & LIMITS AI株取引の限界とリスク管理 AI投資は「万能ではない」——知っておくべき5つのリスク

AI自動株取引の可能性を語った後は、必ず限界とリスクを正しく理解する必要があります。ここでは、AI投資に取り組む際に知っておくべき5つの重大リスクを解説します。

5-1. 過学習（オーバーフィッティング）リスク

最も多い失敗が過学習です。AIモデルが「過去のデータのノイズ（偶然のパターン）まで覚えてしまい、新しいデータでは全く機能しない」状態を指します。バックテストでは驚異的な成績なのに、実運用に入ると惨敗する——これがAI投資で最も典型的な失敗パターンです。

対策としては：
・訓練データとテストデータを厳密に分離する
・クロスバリデーション（交差検証）を行う
・モデルの複雑性を制限する（正則化）
・Paper Tradingで十分な期間検証する

5-2. レジームチェンジ（市場環境の変化）

レジームチェンジとは、市場の構造やルールそのものが変わることです。例えば、コロナショック前に学習したモデルは、コロナ後の異常な金融緩和相場では通用しない可能性が高い。さらに、利上げ局面、地政学リスク、テクノロジーバブルなど、市場の「性格」は数年単位で大きく変わります。

AIモデルは「過去のパターンが将来も続く」という前提で動くため、過去に存在しなかった新しい市場環境には対応できません。定期的なモデルの再学習と、複数のモデルを組み合わせたアンサンブルが必要です。

5-3. フラッシュクラッシュと流動性リスク

フラッシュクラッシュは、アルゴリズム取引が連鎖的に売り注文を出すことで、数分で株価が急落する現象です。2010年のダウ平均1000ポイント暴落、2015年の中国ショック時の米国市場混乱などが代表例です。

AI自動売買が普及すればするほど、同じようなアルゴリズムが同じタイミングで売りを出す「群集行動」リスクが高まります。個人投資家のAIシステムも、大量のAIシステムと同じ判断をしてしまう可能性があり、損切り注文が約定しないまま暴落に巻き込まれるリスクがあります。

5-4. ランダムウォーク仮説と予測の限界

ランダムウォーク仮説は、「株価の値動きはランダムであり、過去のデータから将来を予測することは原理的に不可能」とする金融理論です。ノーベル経済学賞受賞者のユージン・ファーマが提唱した「効率的市場仮説」の根幹でもあります。

この仮説が完全に正しければ、AIによる株価予測自体が無意味ということになります。現実には「市場は完全に効率的ではない」（＝予測可能な部分も存在する）という見方が主流ですが、予測できる「エッジ」は非常に小さいというのも事実です。AI投資は「わずかな優位性を大量の取引で積み重ねる」性質のものであり、「毎回大きく儲かる」ものではありません。

5-5. 技術的リスク ── バグ・接続障害・データ品質

AI自動売買はプログラムで動くため、バグ1つで大損失が発生するリスクがあります。「買い注文のつもりが売り注文になっていた」「ポジションサイズの桁を間違えた」「API接続が切れたまま損切りが実行されなかった」——こうした技術的なミスは、実際にプロのトレーダーでも発生します。

06 CLAUDE CODE Claude Codeで投資分析を自動化する方法 AI投資の「実行」部分をClaude Codeに任せる

ここまでの内容を読んで、「AI自動売買は面白そうだけど、コードを書くのが大変そう…」と感じた方も多いと思います。そこで提案したいのが、Claude Codeを「投資分析アシスタント」として活用するアプローチです。

重要な前提として、Claude Code自体が株の売買判断を行うわけではありません。Claude Codeの役割は、データ収集・分析・レポート生成・バックテスト実行などの「作業」を自動化し、最終的な投資判断は人間が行う——というフレームワークです。

6-1. データ収集の自動化

Claude Codeに「Appleの過去5年分の株価データを取得して、主要テクニカル指標を追加して、CSVで保存して」と指示すれば、yfinanceとpandas-taを使ったPythonスクリプトを自動で生成・実行してくれます。

さらに、「毎日朝9時に自動でデータを更新する」ようなスケジュール設定も、Claude CodeにcronジョブやWindowsタスクスケジューラの設定を任せられます。データ収集のパイプラインを、コードを1行も手書きせずに構築できるのが強みです。

6-2. バックテスト分析の自動化

「XGBoostで上昇/下落の予測モデルを作って、2020〜2024年で学習、2025年でバックテストして結果をレポートにまとめて」——このレベルの複合的な指示も、Claude Codeなら一度の会話で完遂できます。

具体的にClaude Codeが行うのは：
1. データの前処理（欠損値処理、特徴量エンジニアリング）
2. モデルの構築と学習
3. テストデータでの評価（精度、適合率、再現率）
4. バックテスト（仮想売買のシミュレーション）
5. 結果の可視化（グラフ生成）とレポート作成

6-3. レポート生成とSlack通知の自動化

Claude Codeで特に威力を発揮するのが、日次・週次の投資レポート自動生成です。「保有銘柄の値動き、テクニカル指標の変化、注目イベントをまとめて、Slackに投稿して」という流れを自動化できます。

弊社GENAIでは、Alpaca APIのPaper Trading口座の状態を毎日自動取得し、Claude Codeが分析レポートを生成してSlackチャンネルに投稿する仕組みを構築しています。人間がやるのは「レポートを読んで、次のアクションを判断する」だけです。

6-4. Claude Codeの投資活用で「できること」と「できないこと」

	Claude Codeでできること	Claude Codeではできないこと
データ	株価データの自動取得・整形・保存	リアルタイムのティック単位のストリーミング処理
分析	テクニカル指標の計算、統計分析、可視化	「この銘柄は上がる」という投資判断そのもの
モデル	ML/DLモデルの構築・学習・評価	市場を確実に予測するモデルの保証
実行	バックテスト、Paper Trading連携	感情・ファンダメンタルズの定性判断
レポート	日次分析レポートの自動生成・通知	「売るべきか買うべきか」の最終意思決定

07 GENAI PRACTICE 【独自データ】GENAI社のAI投資分析実践 Alpaca API + Claude Codeで日次分析を回す実運用の全貌

最後に、弊社（株式会社GENAI）で実際に運用しているAI投資分析の仕組みを公開します。これは投資助言ではなく、「AIを使った投資分析をどう設計・運用しているか」の技術的な事例紹介です。

7-1. 運用概要

項目	内容
取引方式	Alpaca API Paper Trading（仮想資金）
対象市場	米国株（NYSE、NASDAQ）
分析手法	テクニカル指標 + Claude Codeによる日次レポート
実行環境	GitHub Actions（日次自動実行）
通知先	Slack #stock-analytics チャンネル
運用期間	2025年後半〜現在（検証継続中）

弊社のAI投資分析は、完全にPaper Trading（仮想資金）で運用しています。リアルマネーは投じておらず、「AIによる投資分析がどこまで実用的か」を検証するR&D（研究開発）プロジェクトとして位置づけています。

7-2. システム構成

毎日、米国市場のクローズ後にGitHub Actionsがトリガーされ、Alpaca APIから最新のポートフォリオ状態と株価データを取得。Claude Codeがデータを分析し、日次レポートを自動生成してSlackに投稿します。人間は朝のSlackチェックでレポートを確認し、必要に応じてポジション調整の判断を行います。

7-3. 日次レポートの内容

Slackに投稿される日次レポートには、以下の情報が含まれます。

7-4. 現時点の学び

Paper Tradingを数ヶ月間運用して得られた学びを、率直に共有します。

学び	詳細
バックテストとの乖離	過去データでは良好だった戦略が、リアルタイムでは異なる結果になることが多い
データの鮮度が重要	日次クローズ時点のデータでは、日中の急変動には対応できない
分析 ≠ 判断	AIの分析結果をそのまま実行するより、人間の定性判断と組み合わせた方が結果が良い
継続運用のコスト	システム自体は無料だが、日次でレビューする人間の時間コストは存在する
精神的な余裕	Paper Tradingのため損失への恐怖がなく、冷静にデータと向き合える

08 CONCLUSION まとめ：AI投資は「万能ではない」が「武器にはなる」 正しく理解し、正しく使えば、個人投資家の強力な味方になる

この記事では、AI自動株取引の仕組み・技術・ツール・始め方・リスク・Claude Codeでの自動化・弊社の実践データまで、約15,000字にわたって解説しました。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最後にお伝えします。AI自動株取引は「万能の打ち出の小槌」ではありません。しかし、「データ収集と分析の効率化」「感情を排除した合理的判断の支援」「仮説検証のスピードアップ」という点では、確実に個人投資家の武器になります。

大切なのは、正しく理解し、正しく恐れ、少額から検証し、徐々にスケールする——この姿勢です。いきなり全財産を投じるのではなく、Paper Tradingから始めて、自分なりの確信が持てるまで検証を重ねてください。

Claude Codeを使ったデータ分析の自動化、AI鬼管理が支援します

投資分析・業務データの収集・レポート生成の自動化まで。
Claude Codeを使った「分析業務の自動化」を、設計から実装まで伴走します。

よくある質問

Q. AI自動株取引は本当に儲かりますか？

A. 「確実に儲かる」とは言えません。AI投資は過去データに基づく予測であり、市場環境の変化や予測不能なイベントにより損失が発生する可能性があります。正しいアプローチは「少額のPaper Tradingで検証し、統計的に有意な優位性が確認できた場合にのみ少額のリアルマネーで試す」です。

Q. プログラミング未経験でもAI自動売買を始められますか？

A. TradingViewのPine Scriptであれば、プログラミング未経験でも比較的始めやすいです。ただし、本格的な機械学習モデルの構築にはPythonの基礎知識が必要です。Claude Codeを使えばコード生成を任せられるため、Python学習の負担は大幅に軽減されます。

Q. AI自動売買に必要な初期費用はいくらですか？

A. ツール自体は無料で始められます。Alpacaは手数料無料、Paper Tradingも無料です。Python環境もGoogle Colabを使えば無料。リアルマネーの取引を始める場合も、Alpacaは最低$1から可能です。ただし、十分な検証期間を取ることを強く推奨します。

Q. AIモデルの精度はどのくらいが現実的ですか？

A. 株価の上昇/下落の2値予測で、55〜65%程度が現実的な上限です。「99%の精度」を謳うサービスは過学習か詐欺の可能性が高い。55%でも、大量の取引回数と適切な資金管理を組み合わせれば統計的に利益を出せる可能性があります。

Q. バックテストで良い結果が出れば実運用でも儲かりますか？

A. バックテストの結果は「参考」であり保証ではありません。過去と未来の市場環境は異なるため、バックテスト結果がそのまま再現されることは稀です。必ずPaper Tradingでリアルタイム検証を行い、バックテストとの乖離を確認してください。

Q. Claude Codeで株の売買判断をさせることはできますか？

A. Claude Codeはデータ分析・レポート生成のツールであり、投資判断そのものを行うAIではありません。「この銘柄を買うべきか」という判断は人間が行うべきです。Claude Codeの正しい活用法は「判断材料を効率よく集める」ことです。

Q. AI投資で確実に損しない方法はありますか？

A. 存在しません。投資には必ずリスクが伴い、AIを使っても元本割れの可能性は排除できません。「確実に損しない」方法を謳うサービスは詐欺です。リスク管理（損切りルール、ポジションサイズ制限、分散投資）を徹底することが最善の対策です。

Q. 日本株でもAI自動売買はできますか？

A. できます。ただし、日本株のAPI取引に対応したブローカーは米国に比べて選択肢が少ない状況です。SBI証券のHyper SBI APIや、kabu.com APIなどが個人向けに提供されています。データ取得はyfinanceで日本株（ティッカーに.Tを付ける）も取得可能です。

AIAI鬼管理

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。

お客様情報

会社名・屋号*必須

会社名を入力してください

業種*必須 選択してください IT・ソフトウェア 製造業 建設・不動産 小売・EC 飲食・宿泊 医療・介護 教育・研修 士業・コンサル 人材・BPO その他

業種を選択してください

お名前*必須

お名前を入力してください

メールアドレス*必須

正しいメールアドレスを入力してください

電話番号任意

---

現在の課題について

現在感じている課題*必須

人手不足で業務が回らない 社長・経営者が現場を離れられない 定型業務に時間を取られている AIを導入したいが何から始めればいいかわからない 外注・人件費コストが高い 業務フローが属人化している 社員のITリテラシーにばらつきがある

1つ以上選択してください

効率化・自動化したい業務*必須

営業・顧客対応（CRM・メール等） 経理・請求書・入金管理 採用・人事・労務管理 マーケティング・SNS・広告運用 カスタマーサポート・問い合わせ対応 資料作成・レポート・議事録 データ入力・集計・分析 社内の情報共有・ナレッジ管理

1つ以上選択してください

上記業務に現在かけている月額コスト*必須 選択してください まだかけていない（これから検討） 〜10万円 10〜30万円 30〜50万円 50〜100万円 100万円以上 その他（自由入力）

月額コストを選択してください

その他、ご相談内容任意

---

面談日時の選択

ご希望の日時*必須

約1時間のオンライン面談（Google Meet）です

空き枠を取得中...

面談日時を選択してください

この内容で面談を予約する

予約確定後、Google Calendarの招待メールをお届けします。
しつこい営業は一切ございません。