【2026年7月最新】予知保全とは？予防保全との違い・メリット・進め方を徹底解説｜保全業務の自動化はClaude Codeという選択肢
aikanri-admin
この記事の内容
「設備が壊れてから直す」から「壊れる前に手を打つ」へ——製造業の保全現場で、この発想の転換が急速に進んでいます。その中心にあるのが予知保全という考え方です。
とはいえ、「予知保全」と「予防保全」の違いがあいまいなまま、なんとなく同じ意味で使ってしまっている方も少なくないはずです。さらに、予知保全を導入したいと思っても、「IoTセンサーを付けるだけで終わりなのか」「保全記録や報告書はどうなるのか」といった実務レベルの疑問が次々と出てきます。
この記事では、予知保全の定義・予防保全との違い・導入メリットとデメリット・具体的な進め方を整理したうえで、予知保全を導入した"その先"にある課題——保全記録の作成、報告書のとりまとめ、点検業務そのものの負担——を、弊社（株式会社GENAI）が製造業のお客様への業務自動化支援で得た知見とあわせて紹介します。
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 BASICS 予知保全とは？基本の定義と注目される背景 なぜ今、製造業で予知保全が語られるのか
予知保全とは、設備やその部品の状態をセンサーなどで常時監視し、「異常の兆候」を事前に検知して、故障が起きる前に保全（修理・部品交換）を行う保全方式のことです。英語では Predictive Maintenance と呼ばれ、頭文字を取ってPdMと表記されることもあります。
📚 用語解説
予知保全（Predictive Maintenance／PdM）：設備の振動・温度・音・電流値などのデータをセンサーで常時監視し、AIやアルゴリズムによる分析で「故障の兆候」を検知したタイミングで保全を行う方式。「壊れる直前」を狙って手を打つのが特徴で、過剰な保全と保全不足の両方を減らせるとされる。
1-1. 製造業で予知保全が注目される背景
背景には大きく3つの要因があります。1つ目は労働人口の減少です。熟練の保全担当者が退職していく一方で、後継者が育っていない現場が多く、「経験と勘」に頼った保全体制が限界を迎えています。2つ目はIoTセンサー・クラウドの低価格化です。数年前まで大企業しか導入できなかった常時監視の仕組みが、中堅・中小の製造業でも手が届く価格になりました。3つ目はAIによるデータ分析の実用化です。大量のセンサーデータから異常パターンを検出する技術が、専門のデータサイエンティストがいなくても使えるレベルまで実用化されてきています。
この3つが揃ったことで、「壊れてから直す」「決められた周期で交換する」といった従来の保全方式から、データに基づいて必要なタイミングで保全する予知保全へのシフトが、現実的な選択肢として広がっているのが今の状況です。
センサーとAIが異常を検知してくれても、そのアラートを見て「実際にいつ止めて、誰が対応し、どう記録するか」を決めるのは今も人間の役割です。この後の章で、この"人が担う部分"の負担についても具体的に見ていきます。
02 COMPARISON 予知保全と予防保全・事後保全の違いを整理する 保全方式は大きく3種類。タイミングの違いで理解する
予知保全を理解するうえで欠かせないのが、他の保全方式との違いです。設備保全は大きく事後保全（BM）・予防保全（TBM）・予知保全（CBM）の3種類に分類されます。
📚 用語解説
BM（Breakdown Maintenance）：事後保全。設備が実際に故障・停止してから修理を行う方式。「壊れたら直す」というシンプルな考え方で、事前準備の手間は少ないが、突発的な生産停止のリスクが最も高い。
📚 用語解説
TBM（Time Based Maintenance）：予防保全（時間基準保全）。「使用〇時間ごと」「〇ヶ月ごと」のように、あらかじめ決めた周期で部品交換や点検を行う方式。故障は防ぎやすいが、まだ使える部品も定期的に交換するため、コストが過剰になりやすい。
📚 用語解説
CBM（Condition Based Maintenance）：予知保全（状態基準保全）。設備の実際の状態（振動・温度・摩耗度など）をセンサーで監視し、異常の兆候が出たタイミングで保全する方式。TBMより無駄が少ない一方、センサー導入やデータ分析の仕組みが必要になる。
2-1. 3つの保全方式を1枚の表で比較する
| 保全方式 | 保全のタイミング | メリット | デメリット |
|---|---|---|---|
| 事後保全（BM） | 故障してから対応 | 事前準備のコストがかからない | 突発停止・生産損失のリスクが大きい |
| 予防保全（TBM） | あらかじめ決めた周期 | 故障を計画的に防ぎやすい | まだ使える部品も交換し、コストが過剰になりがち |
| 予知保全（CBM） | 異常の兆候を検知した時点 | 無駄な交換を減らし、突発停止も防げる | センサー・データ分析基盤の導入コストが必要 |
重要なのは、どれか1つが常に正解というわけではないという点です。生産への影響が小さい設備は事後保全のままでよいケースもありますし、部品コストが安く周期も明確な設備なら予防保全で十分なこともあります。予知保全は「止まると影響が大きい重要設備」から優先的に検討するのが実務的なアプローチです。
AI鬼管理山崎
03 BENEFITS 予知保全を導入する4つのメリット 突発停止の削減だけでなく、人材・品質面の効果も大きい
予知保全の導入によって得られるメリットは、単に「壊れる前に直せる」というだけではありません。ここでは代表的な4つの効果を、背景も含めて解説します。
3-1. 部品の交換時期を的確に判断できる
予防保全では「まだ十分使える部品」も周期が来れば交換してしまいますが、予知保全では実際の劣化度合いをデータで見ながら判断できるため、部品の寿命を最大限まで使い切ったうえで、故障の直前に交換することが可能になります。結果として、部品購入コストと交換作業の工数の両方を削減できます。
3-2. 保全の担当者を最小限にできる
熟練者の「経験と勘」に頼っていた異常検知を、センサーとAIの監視に置き換えることで、属人化していた保全業務を標準化できます。これにより、経験の浅い担当者でもアラートをもとに対応できる体制を作りやすくなり、担当者不足という構造的な課題への対策になります。
3-3. ダウンタイムを最小限にできる
📚 用語解説
ダウンタイム：生産設備が停止し、稼働できていない時間のこと。計画外の突発的なダウンタイムは、生産計画の遅延・機会損失に直結するため、製造業では最も避けたいコストの1つとされる。
突発的な故障による計画外の停止は、生産スケジュール全体に影響を及ぼします。予知保全によって「いつ、どの部品に手を打つべきか」が事前に分かれば、計画的なタイミングで短時間の保全作業に収めることができ、結果としてダウンタイムを大幅に圧縮できます。
3-4. 製品の品質を安定化させることができる
設備の微細な劣化は、稼働そのものは続けられても製品の精度・品質にじわじわと影響を与えることがあります。予知保全によって劣化の兆候を早期に捉えられれば、品質不良が顕在化する前に手を打てるため、不良品の発生や再検査の手間を減らすことにもつながります。
代表菅澤
04 CHALLENGES 予知保全導入のデメリット・つまずきやすいポイント 初期投資・データ品質・運用負荷という3つの壁
予知保全は万能ではありません。導入時によくつまずくポイントを、あらかじめ理解しておくことが失敗を防ぐ近道です。
4-1. 初期投資がかかる
IoTセンサーの設置、通信環境の整備、データを蓄積・分析するクラウド基盤の契約など、予知保全を始めるにはある程度まとまった初期投資が必要です。すべての設備に一気に導入しようとすると、投資額も大きくなり、費用対効果の説明が難しくなりがちです。
4-2. データの蓄積とチューニングに時間がかかる
AIが異常の兆候を正確に検知できるようになるには、正常時・異常時のデータをある程度蓄積して学習させる期間が必要です。導入初期は誤検知（実際は正常なのにアラートが出る）や見逃し（本当は異常なのに検知できない）が発生しやすく、「導入したのに精度が低くて使えない」と感じてしまうケースもあります。
予知保全は継続的にデータを蓄積し、モデルの精度を上げていくプロセスが前提です。最初の数ヶ月は「アラートの精度を検証する期間」と割り切り、現場の目視確認と併用する運用設計にしておくと、過度な期待による失望を防げます。
4-3. アラート対応・記録作成という新たな運用負荷が生まれる
見落とされがちですが、予知保全を導入すると「センサーが検知したアラートを確認し、対応を判断し、対応内容を記録する」という新しい業務が発生します。従来は「壊れたら直す」だけでよかった現場に、日々のアラート監視・点検記録・報告書作成という工数が新たに積み上がることも少なくありません。
つまり、予知保全は「保全そのものの手間」を減らす一方で、「情報を扱う手間」を増やす側面があります。この点への対策がないまま導入すると、現場からは「かえって忙しくなった」という声が出ることもあります。
AI鬼管理山崎
05 HOW TO START 予知保全の進め方：IoT×AI分析の3ステップ 状態監視 → データ分析 → 業務フローへの組み込み
予知保全は、大きく3つのステップで進めていきます。
IoTデバイスで
状態監視
AIによる
データ分析
業務フローへの
組み込み・記録化
5-1. Step1：IoTデバイスによる状態監視
まずは対象設備に振動センサー・温度センサー・電流センサーなどを取り付け、稼働データを常時収集する仕組みを作ります。すべての設備に一斉導入するのではなく、止まると影響の大きい重要設備から始めるのが定石です。
📚 用語解説
IoT（Internet of Things）：センサーなどのモノをインターネットに接続し、データを収集・活用する仕組みの総称。予知保全の文脈では、設備の振動・温度・音などを常時計測し、クラウドに送信する役割を担う。
5-2. Step2：AIによるデータ分析
収集したデータをAIが分析し、正常時のパターンから外れる異常の兆候を検知します。近年はクラウドサービス型のツールが増え、専門のデータサイエンティストがいなくても、ある程度の分析基盤を構築できるようになっています。
5-3. Step3：業務フローへの組み込み・記録化
ここが最も見落とされやすいステップです。AIがアラートを出したあと、「誰が確認し、いつ対応し、どう記録するか」という業務フローを設計しないと、せっかくのデータが現場の判断に活かされません。点検記録・保全報告書の作成、次回の類似アラートへの対応履歴の蓄積まで含めて、初めて予知保全は「仕組み」として機能します。
重要設備を1〜2台選び、PoC（実証実験）として3〜6ヶ月ほど運用してみるのが王道の進め方です。効果を数値で確認できたら、対象設備を段階的に広げていくことで、投資対効果を確かめながら無理なく展開できます。
📚 用語解説
PoC（Proof of Concept）：本格導入の前に、小規模な範囲で効果を検証する実証実験のこと。予知保全では、まず一部の設備・ラインで試してみて、異常検知の精度やコスト対効果を確認してから本格展開するアプローチが一般的。
06 HOW TO CHOOSE 予知保全サービスを選ぶときの5つの視点 「なんとなく高機能」ではなく、自社の設備・体制に合うかで選ぶ
予知保全を支援するサービス・ツールは、センサー専業のものから、データ分析基盤まで一体提供するものまで幅広く存在します。個別のサービス名を並べる前に、どの軸で比較すべきかを押さえておくと、自社に合う選択がしやすくなります。
| 選び方の視点 | 確認すべきポイント |
|---|---|
| 対応できる設備・センサーの種類 | 自社の主要設備（回転機・モーター・配管等）に対応した実績があるか |
| 導入のしやすさ | 既存設備への後付けが可能か、大掛かりな改修が必要か |
| データ分析の精度・実績 | 同業種・類似設備での導入事例があるか |
| 現場の運用負荷 | アラート確認・記録作成まで含めた運用フローが現場で回せる設計か |
| 費用体系 | 初期費用・月額費用・センサー台数あたりの単価が予算に合うか |
特に見落とされがちなのが「現場の運用負荷」の視点です。どれだけ検知精度が高いツールでも、アラート対応や記録作成の手間が現場のキャパシティを超えてしまうと、結局は使われなくなってしまいます。ツール選定と同時に、その後の業務フローをどう設計するかまで考えておくことが重要です。
代表菅澤
07 GENAI CASE STUDY 【独自データ】GENAI実運用に見る、保全記録・点検業務のAI活用実態 Claude Max 20xプラン契約会社が、保全周辺の業務にどう向き合っているか
ここからは、弊社（株式会社GENAI）の実運用データをもとに、製造業のお客様への業務自動化支援と、弊社自身が全社運用しているAI活用の実態を紹介します。予知保全そのものではなく、その周辺にある「保全記録・報告書作成・点検業務」の負担をどう軽くしているかの参考にしてください。
7-1. 弊社の契約プランと支援範囲
| 項目 | 内容 |
|---|---|
| 契約プラン | Claude Max 20x（月$200 / 約30,000円） |
| 利用開始 | 2025年後半〜 |
| 利用部署 | 経営・営業・広告・開発・経理・秘書業務・個人業務まで全社 |
| 製造業向け支援内容 | 設備点検記録の自動化、保全報告書の作成支援、業務自動化の設計伴走 |
弊社では「予知保全のセンサー・分析基盤」自体は自社開発していませんが、その前後にある文書作成・記録業務をAIエージェントに任せる仕組みづくりを、製造業のお客様に向けて支援しています。以下は、業務領域別の削減時間（肌感ベース・2026年4月時点）です。
| 業務領域 | 主な用途 | 概算削減時間 |
|---|---|---|
| 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 |
| 経理 | 請求書チェック・経費仕訳・Freee連携 | 月40時間 → 月5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 |
| 開発 | WordPress/HTML/LP制作、スクリプト書き捨て | 都度数時間削減 |
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を前提とした削減効果の目安としてご覧ください。
7-2. 「記録・報告書」という定型業務ほどAI活用効果が出やすい
弊社の支援経験から見えてきたのは、点検記録・日報・報告書のように「型が決まっている定型業務」ほど、AIによる自動化の効果が出やすいという傾向です。予知保全のアラート対応記録も、フォーマットさえ決まっていれば、音声メモやチャットでの簡単な報告から、整った報告書を自動生成できます。
これは弊社自身の秘書業務・経理業務での実感とも一致します。「毎回同じ形式で作る書類」は、AIに任せることで最も時短効果が出やすい領域であり、設備点検の記録・保全報告書もまさにこの型に当てはまります。
AI鬼管理山崎
08 BEYOND PREDICTIVE MAINTENANCE 予知保全の"その先"──保全記録・報告書作成をClaude Codeで自動化する センサーが検知した"後"の業務にこそ、AIエージェントの出番がある
ここまで予知保全そのものの仕組みを解説してきましたが、実務でより大きな負担になりやすいのは、予知保全を導入した"その後"に発生する情報処理業務です。ここからは、Claude Codeのようなエージェント型AIが、この領域でどう役立つかを具体的に見ていきます。
📚 用語解説
Claude Code：Anthropicが提供するAIエージェント。文書作成・データ整理・外部ツール連携・業務プロセスの自動実行まで、指示された業務を自律的に遂行する。2026年以降のデスクトップ版はチャットUIから使え、ターミナル操作は不要。
8-1. 予知保全のアラート対応で発生する"隠れた業務"
予知保全のシステムが異常の兆候を検知すると、現場では次のような業務が発生します。アラート内容の確認、現地での目視点検、対応内容のメモ、点検記録票への転記、月次報告書へのとりまとめ——これらはすべて人手による情報処理です。設備が1台、2台であれば大きな負担にはなりませんが、対象設備が増えるほど、この情報処理の負担が線形に増えていきます。
8-2. Claude Codeに任せられる範囲
Claude Codeは、予知保全のセンサーやAI分析基盤そのものを代替するものではありません。しかし、「検知された情報を、人間が扱いやすい形に整える」という文書処理・業務プロセスには強みを発揮します。具体的には以下のような業務です。
予知保全システムが
異常の兆候を検知
担当者が確認・
対応（人間の役割）
Claude Codeが
記録票・報告書を自動整形
社内共有・
次回対応への蓄積
つまり、「異常を検知する」役割は予知保全システムに任せ、「検知後の情報を整理し、組織の資産にする」役割はClaude Codeに任せるという分担が現実的な組み合わせです。
8-3. 予知保全ツール（検知）とClaude Code（記録・報告）の役割比較
両者は競合するものではなく、担っている役割がそもそも異なります。5つの軸で比較すると、その違いがより明確になります。
【軸1】担う役割の違い
予知保全ツールは「センサーデータから異常の兆候を検知する」ことに特化しています。一方Claude Codeは「検知後の記録・報告・共有といった文書処理・業務プロセス」に特化しています。役割そのものが異なるため、優劣ではなく併用が前提です。
【軸2】導入のハードル
予知保全システムの導入には、センサー設置・通信環境整備・分析基盤の契約といった、ある程度まとまった初期投資と工期が必要です。一方Claude Codeは、既存の文書・記録データをもとにすぐ使い始められ、新たな機器の設置は不要です。
【軸3】対応できる業務範囲
予知保全ツールは異常検知という単一機能に特化しているのに対し、Claude Codeは点検記録・報告書作成に加えて、営業資料や経理処理など他の業務も横断的に自動化できる汎用性を持っています。
【軸4】コスト構造
予知保全システムはセンサー台数・設備数に応じてコストが増える傾向があります。Claude Codeは月額定額のプラン契約（Max 20xで月$200・約30,000円）のため、対象業務が増えてもコストが線形に増えにくいのが特徴です。
【軸5】非エンジニアでの運用しやすさ
予知保全システムのダッシュボードは、専門的な分析画面であることが多く、読み解くのに一定の慣れが必要です。Claude Codeは日本語のチャット指示だけで文書処理を実行できるため、現場の非エンジニアの担当者でも扱いやすい設計になっています。
代表菅澤
8-4. 非エンジニアでも保全記録の自動化は始められるか
「ターミナルなんて使ったことがない」という保全担当者の方でも、2026年以降のデスクトップ版Claude Codeであれば、チャット形式で「この点検メモを報告書の形式にまとめて」と話しかけるだけで始められます。
いきなり全設備の記録を自動化しようとせず、まずは「毎月やっている面倒な報告書作成」を1つ選んで試すのがおすすめです。フォーマットが決まっている定型業務ほど、AIに任せたときの効果を実感しやすくなります。
AI鬼管理山崎
09 QUICK GUIDE 目的別・予知保全×業務自動化の使い分け早見表 「今、自社に何が必要か」を1枚で判断する
ここまでの内容を1枚の早見表にまとめました。自分の状況に一番近い行を探してください。
| あなたの状況 | おすすめのアプローチ | 理由 |
|---|---|---|
| まだ事後保全・予防保全のみで、突発停止に悩んでいる | 重要設備から予知保全（IoT×AI分析）を検討 | 止まると影響の大きい設備を優先的にデータ監視化する |
| 予知保全を導入済みだが、記録・報告書作成が負担になっている | Claude Codeで記録・報告業務を自動化 | 検知後の情報処理を効率化し、現場の運用負荷を下げる |
| 複数設備・複数拠点の点検記録をとりまとめるのが大変 | Claude Codeで集計・報告書のドラフト自動生成 | 定型業務ほどAI活用の時短効果が大きい |
| 予知保全の投資対効果をこれから検証したい | PoCとして重要設備1〜2台からスモールスタート | 効果を数値化してから段階的に拡大するのが定石 |
| 保全業務に限らず、経理・営業など複数業務も自動化したい経営者 | Claude Codeを業務全体に横展開 | 記録業務で得たノウハウを他の管理業務にも転用できる |
多くの現場で現実的な落としどころは、「異常検知は予知保全システム、記録・報告はClaude Code」という役割分担です。両方を組み合わせることで、検知から記録、そして次のアクションまでを無理なくつなげられます。
10 CONCLUSION まとめ ── 予知保全は「導入して終わり」ではない 検知の仕組みと、記録・報告の仕組み、両方を設計して初めて機能する
この記事では、予知保全の定義、予防保全・事後保全との違い、導入メリットとデメリット、進め方を整理したうえで、予知保全を導入した"その先"にある保全記録・報告書作成の負担と、その解決策としてのClaude Code活用を紹介しました。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。予知保全は「センサーとAIが異常を検知して終わり」ではありません。検知した情報を人間が記録し、報告し、次のアクションにつなげる業務フローまで含めて設計して初めて、投資に見合う効果が得られます。
「予知保全は導入したいが、その後の記録・報告業務まで手が回らない」という方は、ぜひ以下のAI鬼管理までお気軽にご相談ください。
代表菅澤
保全記録・点検業務の自動化を、AI鬼管理が一緒に設計します
予知保全システムの導入だけでなく、検知後の記録・報告・共有まで含めた業務全体をどう自動化するか。
製造業支援の実運用ノウハウをベースに、個別に導入設計のご相談を承ります。
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. 予知保全と予防保全の一番の違いは何ですか？
A. 保全を行うタイミングの決め方が異なります。予防保全（TBM）は「あらかじめ決めた周期」で保全を行うのに対し、予知保全（CBM）は設備の実際の状態をセンサーで監視し、「異常の兆候が出たタイミング」で保全を行います。予知保全の方が無駄な交換を減らせる一方、センサーやデータ分析の仕組みが必要になる点が異なります。
Q. 予知保全はどんな設備にも導入すべきですか？
A. すべての設備に一斉導入する必要はありません。止まると生産への影響が大きい重要設備から優先的に検討するのが現実的です。影響が小さい設備や部品コストが安い設備は、従来通りの事後保全・予防保全のままでも問題ないケースが多くあります。
Q. 予知保全を導入すると、現場の業務負担は減りますか？
A. 突発的な故障対応の負担は減りますが、代わりに「アラートの確認・対応記録の作成・報告書のとりまとめ」という新しい業務が発生します。この情報処理の負担を放置すると、かえって現場が忙しくなることもあるため、記録・報告業務の自動化まで含めて設計することが重要です。
Q. 予知保全の効果はいつ頃から実感できますか？
A. AIが異常の兆候を精度良く検知できるようになるには、正常時・異常時のデータをある程度蓄積する期間が必要です。一般的には、PoC（実証実験）として3〜6ヶ月程度運用しながら精度を検証し、効果を確認したうえで対象設備を広げていく進め方が推奨されます。
Q. 保全記録や報告書の作成をAIに任せることはできますか？
A. できます。Claude Codeのようなエージェント型AIは、現場のメモや点検記録を決まったフォーマットに整形したり、複数設備の記録を集計して月次報告書のドラフトを自動生成したりする業務が得意です。予知保全システムそのものではなく、検知後の記録・報告という文書処理の領域で力を発揮します。
Q. 予知保全のセンサー・分析基盤とClaude Codeは、両方導入する必要がありますか？
A. 役割が異なるため、併用が現実的です。異常を検知する役割は専用のセンサー・分析基盤に任せ、検知後の記録・報告・共有といった業務プロセスをClaude Codeに任せることで、検知から記録までの一連の流れを無理なくつなげられます。
Q. 非エンジニアの保全担当者でもClaude Codeは使えますか？
A. 使えます。2026年以降のデスクトップ版Claude Codeであれば、ターミナル操作なしでチャット形式の日本語指示だけで文書処理を実行できます。「この点検メモを報告書の形式にまとめて」といった指示から始められるため、システムの専門知識がなくても導入しやすい設計です。
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
