学習塾向けClaude Codeセミナー｜退塾予兆・月次面談・体験授業はどこまで自動化できるか
aikanri-admin
弊社GENAIでは、学習塾の方向けに Claude Code・Codex の無料オンラインセミナー（60分）を開催しています。本記事では、体験授業からの入塾提案、月次面談資料の作成、退塾予兆の検知がどこまで自動化できるかを、セミナーの内容とあわせて解説します。
学習塾には、生徒対応以外にも体験授業の情報整理、月次面談の準備、月謝管理や講師採用といった書類仕事が数多く積み重なります。繁忙期ほどこれらの負担が塾長・教室長に集中しやすい構造があります。
本記事では、Claude Code・Codexとは何者かという基本から、学習塾特有の業務でどこまで自動化できるか、仕組みの理由、そして導入時につまずきやすいポイントまで順を追って解説します。
AI鬼管理山崎
代表菅澤
AI鬼管理山崎
代表菅澤
参加無料・60分・オンライン(Google Meet)・1社1枠
01 AI_DIFF 学習塾業務で見る「聞けば答えるAI」と「仕事をやり切るAI」の違い Claude CodeとCodex、それぞれ何者で、パソコンが苦手な塾長でも使えるのかを整理します
ChatGPTやGeminiのような生成AIは、質問すると答えてくれる「対話するAI」です。使ったことがある方も多いと思います。
「退塾予兆の見つけ方を教えて」「面談資料の書き方のコツは」といった質問には、丁寧に答えてくれます。ただし、実際の分析や資料作成そのものまではやってくれません。
一方、Claude CodeやCodexは、指示した作業を最後まで自分で実行してくれる「仕事をやり切るAI」です。生徒カルテを読み込んで集計する、面談資料のドラフトを作る、といった一連の作業を任せられます。
AI鬼管理山崎
代表菅澤
たとえば「今月の生徒の出席率を集計して」と頼んだ場合、ChatGPTは一般的な集計方法を説明してくれますが、実際に出席データを開いて計算まではしてくれません。
Claude Codeは、その出席データのファイルを実際に開いて中身を読み込み、集計結果をその場で作ってくれます。「説明する」のではなく「やってくれる」のが最大の違いです。
1-1. Claude Codeとは
Claude Codeは、Anthropic社が開発した、ターミナルやエディタの画面から指示を出して動かすAIツールです。生徒カルテや成績データなどの実際のファイルを読み込ませ、対話しながら集計やドラフト作成を進められます。
📚 用語解説
Claude Code：Anthropic社が開発した、ファイルを読み込んで作業を代行してくれるAIツールです。パソコンの画面から日本語で指示を出して使います。
もともとはソフトウェア開発者向けのツールとして作られましたが、「ファイルを読み込んで作業する」という性質そのものは、プログラミングに限らず、月次面談の資料作成や成績集計にもそのまま応用できます。
1-2. Codexとは
Codexは、OpenAI社が開発した、Claude Codeと似た位置づけのAIツールです。こちらもファイルを読み込ませて作業を任せる使い方が中心で、学習塾での活用事例はClaude Codeのほうが蓄積が進んでいます。
ChatGPTを開発しているOpenAI社の技術がベースになっているため、ChatGPTに慣れている方には、操作の雰囲気が近く感じられるかもしれません。基本的な考え方はClaude Codeと共通しています。
📚 用語解説
Codex：OpenAI社が開発した、Claude Codeと同じく作業を代行してくれるAIツールです。仕組みは似ていますが、開発元と細かな使い勝手が異なります。
AI鬼管理山崎
代表菅澤
「そもそもどこの会社が作っているのか」という疑問もよく聞きます。Claude CodeはAnthropic社、CodexはOpenAI社がそれぞれ開発しており、どちらも学習塾向けに特化したツールではなく、汎用のAIツールを業務に応用する形で使います。
| Claude Code | Codex | |
|---|---|---|
| 開発元 | Anthropic | OpenAI |
| できること | ファイル読み込み・集計・資料ドラフト作成 | ファイル読み込み・集計・資料ドラフト作成 |
| 学習塾での活用事例 | 蓄積が進んでいる | 蓄積は少なめ |
| パソコンが苦手な方の利用 | 日本語の指示文で操作可能 | 日本語の指示文で操作可能 |
| 土台となる技術 | Anthropic独自のAIモデル | ChatGPTと同じOpenAIのAIモデル |
| セミナーでの扱い | 実演の中心として詳しく紹介 | 冒頭で違いを簡単に紹介 |
どちらも専門的なプログラミング知識がなくても、日本語で「この資料を集計して」のように話しかけるだけで使えます。難しい操作を覚える必要はありません。
画面自体は黒い背景に文字が並ぶ、いわゆる「エンジニアっぽい」見た目をしています。ただし操作は日本語のチャットとほぼ同じで、ボタン操作を覚える必要はなく、話しかける言葉の中身のほうが重要です。
Claude CodeもCodexも、専門知識よりも「何を渡して、何を作ってほしいか」を言葉にする力のほうが重要です。セミナーでは実際の画面を動かしながら、この感覚をお見せしています。
1-3. 学習塾では、具体的に何に使えるのか
「仕事をやり切るAI」と言われても、まだ抽象的に感じるかもしれません。学習塾の現場で言えば、次のような業務が代表的な使いどころです。
- 体験授業の生徒情報シート作成・入塾提案メールの下書き
- 月次面談資料のドラフトと成績推移分析
- 退塾予兆の検知(出席率・成績・面談トーンから)
- 月謝請求・支払い催促メールの下書き
- Google口コミ・塾ナビ等への返信ドラフト作成
この先の章では、これらの業務ひとつひとつについて「何を渡すと、何が出てくるか」を具体的に見ていきます。
逆に、保護者との信頼関係づくりや、面談中の対話のように、状況ごとの機微な判断が求められる業務は、これからも人が担う部分として残ります。AIが代われるのは「作業」であって「判断」ではない、という線引きが基本です。
この線引きを最初に理解しておくと、「AIに何でも任せられる」という過度な期待も、「結局は使えない」という過小評価も、どちらも避けやすくなります。
| 向いている業務 | 向いていない業務 |
|---|---|
| 数字の集計・資料のドラフト作成 | 保護者との信頼関係づくり |
| 過去の様式を踏まえた書式変換 | 面談中の生徒への声かけ・その場の判断 |
| 繰り返しの多い定型業務 | そのつど状況が変わる進路相談 |
| 複数資料の突合・横断作業 | 講師・生徒との人間関係の構築 |
| データに基づく傾向の把握 | 教室の空気を読んだその場の判断 |
| 用語 | 一言でいうと |
|---|---|
| Claude Code | Anthropic製の「仕事をやり切るAI」 |
| Codex | OpenAI製の「仕事をやり切るAI」 |
| プロンプト | AIへの指示文(日本語の普通の文章でよい) |
| AIエージェント | 複数の作業を自律的に実行し続けるAIの総称 |
| permission mode | AIに許可する操作の範囲を決める設定 |
| 退塾予兆 | 出席率や成績、面談の様子などから読み取れる、退塾につながりかねない兆候 |
02 ENROLL 体験授業から入塾提案までが、Claude Codeでこう変わる 学習塾でもっとも生徒数と売上に直結する入口の工程を、入力と出力で見ます
学習塾でもっとも生徒数と売上に直結するのが、新規問合せから体験授業、入塾提案までの一連の流れです。ここでの転換率が、塾全体の経営数字を大きく左右します。
転換率を上げたい一方、問合せが増えるほど塾長・教室長の対応負担は膨らみます。専任の広報担当を置けない中小塾ほど、この負担が塾長本人にのしかかりやすくなります。
体験授業の生徒情報シート作成
問合せフォームの回答を読み込ませると、体験授業当日に使う生徒情報シートのドラフトが出てきます。
入塾提案メールの下書き
体験後アンケートと当日の様子を渡すと、入塾提案メールの下書きが出てきます。
月次面談資料のドラフト
成績データと出席記録を渡すと、面談で使う資料のドラフトが出てきます。
退塾予兆の検知
出席率・成績推移・面談メモを渡すと、予兆候補のリストが出てきます。
2-1. 問合せ対応と体験授業の段取り
問合せフォームの回答をClaude Codeに読み込ませると、生徒の学年・志望校・現在の悩みなどが整理された生徒情報シートのドラフトが出てきます。体験授業を担当する講師が、事前に生徒像をつかんだ状態で臨めます。
これまで教室長が問合せメールを一件ずつ読み返して情報を拾っていた作業のうち、整理する部分だけを、AIが下書きとして先に用意しておくイメージです。
もちろん、体験授業当日にどんな声かけをするかの最終判断は、これまで通り担当講師が行います。
体験授業前の生徒情報シートは、その後の入塾提案・月次面談のすべての土台になります。ここを最初に整えることが、以降の対応全体の質を上げます。
| 工程 | 整理する情報の例 |
|---|---|
| 問合せ対応 | 学年・志望校・現在の悩み・希望科目 |
| 体験授業 | 当日の理解度・質問内容・保護者の反応 |
| 入塾提案 | 体験後アンケート・料金プランの希望 |
| 初回面談 | 学習目標・通塾曜日の希望 |
2-2. 体験後アンケートと入塾提案メール
体験後アンケートと当日の担当講師のメモを渡すと、生徒・保護者の状況に合わせた入塾提案メールの下書きが出てきます。文面の最終確認と送信は、これまで通り担当者が行います。
入塾提案の文面には、体験を通じて分かった生徒の強み・弱み、志望校との距離感を具体的に盛り込むほど反応率が上がります。過去にうまくいった文面をパターンとして読み込ませておけば、次の提案でも同じ質を再現しやすくなります。
| 業務 | 何を渡すか | 何が出てくるか |
|---|---|---|
| 生徒情報シート作成 | 問合せフォームの回答 | 学年・志望校・悩みを整理した生徒情報シート |
| 体験授業案内 | 体験希望日・科目の希望 | 当日の段取り案内文のドラフト |
| 入塾提案メール | 体験後アンケート・担当講師メモ | 生徒に合わせた入塾提案メールの下書き |
| 転換率の分析 | 体験実施記録・入塾実績 | 体験から入塾への転換率レポート |
たとえば「この問合せフォームの回答から、生徒情報シートを作って」と渡すと、学年・志望校・悩みが整理されたシートのドラフトが数分で出てきます。
続けて「この体験後アンケートから入塾提案メールを作って」と渡せば、生徒の状況に合わせた文面の下書きが出てきます。これを土台に、担当者が言葉を調整します。
毎回イチから条件を説明し直す必要はなく、一度使った指示文をメモしておけば、次の生徒でもほぼそのまま使い回せます。
AI鬼管理山崎
代表菅澤
2-3. SNS集客・口コミ対応への活用
合格実績のSNS投稿や、Google口コミ・塾ナビ等の口コミサイトへの返信も、過去の投稿・返信の型を読み込ませておけば、新しい投稿・返信のドラフトを作らせやすくなります。
特に口コミへの返信は、良い口コミにも悪い口コミにも早く丁寧に返すことが評判維持に直結しますが、日々の教室運営の合間に手が回りにくい業務でもあります。下書きがあるだけで、返信までのスピードが変わります。
問合せの多い時期は夏期講習前と新学年が始まる2〜3月に集中します。この時期にまとめて生徒情報シートと提案メールの下書きが用意できると、繁忙期の負担が大きく変わります。
Claude Codeが担うのは生徒情報シート・提案メール・口コミ返信の下書きまでです。最終的な文面の判断と送信は、塾長・教室長が行います。
体験から入塾までのリードタイムが短い塾ほど、この下書き作成の時間短縮が効いてきます。夏期講習前など問合せが集中する時期でも、担当者は生徒と向き合う時間に集中できます。
03 RETENTION 月次面談・退塾予兆の検知も、同じように変わる 生徒カルテの管理、成績推移分析、退塾予兆の早期検知を具体的に見ます
入塾後、学習塾には毎月発生する負担の大きい業務があります。生徒カルテの更新、成績推移の分析、月次面談の準備、そして退塾予兆の検知です。
いずれも「毎月・毎生徒」発生する定型業務という共通点があり、Claude Codeの「型」が効きやすい領域でもあります。ひとつずつ、何を渡すと何が出てくるかを見ていきます。
3-1. 生徒カルテ・成績推移の管理
定期テストや模試の結果をClaude Codeに読み込ませると、生徒ごとの成績推移グラフと、志望校との差分分析が自動更新されます。教科主任が一人ずつ手作業でグラフを作る必要がなくなります。
📚 用語解説
AIエージェント：指示を受けて、複数の作業を自律的に実行し続けるタイプのAIの総称です。Claude CodeやCodexは、このAIエージェントの一種です。
成績推移と志望校の合格ラインとの差分が見えると、次に強化すべき科目や単元も自動で抽出できます。最終的な指導方針の決定は、これまで通り教科主任や担当講師が行います。
| 管理項目 | 主に見るもの | 主な参照資料 |
|---|---|---|
| 成績推移 | 定期テスト・模試の得点推移 | テスト結果データ |
| 志望校差分 | 合格ラインとの得点差 | 模試判定結果・過去の合格実績 |
| 出席状況 | 出席率・欠席理由の傾向 | 出席簿 |
| 面談記録 | 面談での発言・保護者の反応 | 面談メモ |
3-2. 月次面談資料のドラフトと進路指導
成績推移サマリと志望校別の戦略アドバイスをまとめた月次面談資料のドラフトが、生徒カルテのデータから自動で作られます。面談本番での対話と最終的な進路指導は、教科主任が担います。
夏期講習・冬期講習の提案も、生徒の弱点科目に合わせた形で面談資料に自動反映させられます。生徒数分の資料を一件ずつ作る手間が減り、教科主任は対話の準備に時間を使えます。
AI鬼管理山崎
代表菅澤
3-3. 退塾予兆の早期検知
出席率の低下、成績の伸び悩み、面談メモのトーンの変化といった複数のデータを横断して読み込ませると、退塾につながりかねない予兆候補のリストが出てきます。
📚 用語解説
退塾予兆：出席率の低下や成績の伸び悩み、面談での発言のトーンなど、退塾につながりかねない兆候のことです。早期に気づくほど、引き止めの打ち手を打ちやすくなります。
複数校舎を経営する教室長にとって、300〜500名規模の生徒全員の状況を同時に把握するのは現実的に困難です。AIが予兆候補をリスト化し、最終的な声かけの判断は塾長・教科主任が行います。
校舎別の入塾・退塾・合格実績をまとめたダッシュボードを週次で自動更新させておけば、本部から見えにくかった校舎ごとのバラつきにも早く気づけます。
この週次更新の仕組みがあると、本部への報告資料も自動で下書きが用意できます。教室長は数字の説明よりも、改善策の議論に時間を使えるようになります。
FC加盟教室のように本部カリキュラムに沿いながら独自の保護者対応で差別化したい場合も、面談の型は本部共通、声かけの中身は教室ごとという分担がしやすくなります。
Claude Codeが担うのは予兆候補のリスト化までです。実際に声をかけるかどうか、どう声をかけるかの最終判断は、生徒をよく知る塾長・教科主任が行います。
| 役割 | 日々の悩み | Claude Codeの使いどころ |
|---|---|---|
| 教室長(複数校舎) | 校舎別の入塾/退塾/合格実績のバラつきが見えにくい | 校舎別ダッシュボードの週次自動更新 |
| 塾長 | 教室運営と面談準備を一人で抱え、繁忙期に手が回らない | 時間割最適化・面談資料ドラフト作成 |
| 教科主任 | 生徒一人ずつの志望校別カリキュラム調整に時間がかかる | 成績推移・差分分析の自動集計 |
生徒カルテの更新や退塾予兆のチェックは、セミナーで実際の画面を動かしながらお見せしています。
04 AUTOMATION 月謝管理・講師採用・教室運営も、同じように変わる 月謝請求、講師採用、時間割・シフトの最適化を具体的に見ます
生徒対応以外にも、学習塾には年間を通じて負担の大きい業務があります。月謝管理、講師採用、教室運営(時間割・シフト・座席配置)などです。
4-1. 月謝管理・追加講座販売
月謝の請求データと入金状況を読み込ませ、未入金の生徒に対する支払い催促メールの下書きを作らせる、という使い方がAIと相性の良い領域です。
夏期講習・冬期講習や英検・数検対策といった追加講座の案内も、生徒の学年や弱点科目に合わせた形で提案文のドラフトを作れます。最終的な金額提示と送信は、これまで通り事務担当が行います。
月謝の未入金は、忙しさの中で確認が後回しになりがちな業務です。入金記録を毎月読み込ませておけば、確認漏れそのものを防ぎやすくなります。
| 業務 | 何を渡すか | 何が出てくるか |
|---|---|---|
| 月謝請求 | 月謝管理表・入金記録 | 請求書ドラフトと未入金者一覧 |
| 支払い催促 | 未入金者一覧 | 催促メールの下書き |
| 追加講座案内 | 生徒の学年・弱点科目 | 夏期/冬期講習の提案文ドラフト |
| 検定対策案内 | 生徒の受験予定検定 | 英検/数検対策講座の案内文ドラフト |
AI鬼管理山崎
代表菅澤
4-2. 講師採用・教室運営(時間割・シフト・座席配置)
講師応募者の情報(大学・担当教科)を読み込ませ、採用面接の質問リストや新任講師向けの研修資料のドラフトを作らせられます。採用の最終判断は、これまで通り塾長が行います。
講師の人材確保が難しくなっている今、応募者一人あたりの選考準備にかけられる時間は限られます。質問リストの下書きがあるだけで、面接の質を保ちながら件数をこなせます。
座席配置・集団授業の時間割・講師シフトという、塾長が同時に抱えがちな3つの調整も、生徒数・講師の稼働可能時間を渡せば、時間割案のドラフトとして出てきます。
📚 用語解説
個別指導：生徒1人または少人数に対して講師が付き、進度や課題を個別に合わせて指導する形態です。集団指導と組み合わせて提供する塾も多くあります。
個別指導と集団指導のクラス分けも、生徒の学力レベルと志望校を踏まえた形で分け案のドラフトを作らせられます。最終的なクラス編成は、教科主任が確認して決定します。
4-3. SNS集客・口コミ対応の継続運用
合格実績のSNS投稿や口コミサイトへの返信は、体験授業からの入塾提案と同じ仕組みで、日々の運用にそのまま組み込めます。投稿文・返信文のドラフト作成が中心です。
体験から入塾への転換率の分析も、SNS投稿を見て問合せた生徒の割合を追えば、どの投稿が効いているかの傾向がつかめます。
| 業務 | 従来の目安時間 | AI活用後の目安 |
|---|---|---|
| 月次面談資料の作成 | 生徒1人あたり15〜20分 | 生徒1人あたり5分程度に圧縮できた例あり |
| 成績推移グラフの更新 | 生徒1人ずつ手作業 | テスト結果を渡すだけで自動更新 |
| 月謝請求・催促対応 | 月末に事務担当がまとめて対応 | 未入金者リストと催促文面を自動下書き |
| 講師採用の書類準備 | 応募者ごとに手作業で作成 | 質問リスト・研修資料を自動ドラフト |
| 口コミ返信 | 気づいたときに個別対応 | 返信文案を先に用意し対応スピード向上 |
これらの業務に共通するのは、「毎回ゼロから考える」のではなく「型を少し調整するだけで済む」という性質です。型ができるほど、塾長・教室長が本来集中すべき生徒対応の時間が増えます。
AIが担うのはドラフト作成と集計の下準備までです。採用・送金・クラス編成といった最終判断は、これまで通り塾長・教科主任が行います。
05 MECHANISM なぜAIが月次面談資料まで作り切れるのか——学習塾での仕組み Claude Codeの仕組みを、専門用語を使わずに説明します
「AIが生徒対応以外の書類仕事を代わりにやってくれる」と聞くと、仕組みが気になる方も多いと思います。専門用語を使わずに、3つのポイントで説明します。
難しい技術の話ではありません。パソコンが得意な人が、たまたまその得意分野を学習塾の日常業務に向けている、というくらいのイメージで読み進めていただければ十分です。
ここまで見てきた体験授業の生徒情報シートや月次面談資料の例も、すべてこの3つの特徴の組み合わせで成り立っています。仕組みが分かると、自塾のどの業務に応用できそうかもイメージしやすくなります。
5-1. ファイルを直接読み書きできる
Claude Codeは、生徒カルテやテスト結果のExcel、問合せフォームの回答データといった実際のファイルを、パソコンの中でそのまま開いて中身を読み込めます。読んだ内容をもとに、新しい資料を作ったり、既存の資料を書き換えたりできます。
たとえるなら、資料を渡せば黙々と目を通し、指示通りに整理したり文書を作ったりしてくれる事務員のような存在です。
従来の生成AIとの違いも、まさにここにあります。「集計方法を教えてくれる」のではなく「実際に集計してくれる」——この一歩の差が、書類仕事の時間を大きく左右します。
AI鬼管理山崎
代表菅澤
5-2. 手順を覚えて繰り返せる
一度「この形式で成績推移グラフを作って」と教えたやり方は、次回以降も同じ手順で再現できます。毎回イチから指示を考える必要はなく、「型」として使い回せます。
月次面談資料や月謝の催促メールのように、毎回やることがほぼ決まっている業務ほど、この「型」の効果が出やすくなります。二度目以降は指示の言葉数も減り、確認するだけで済むようになります。
逆に言えば、毎回内容が大きく変わる進路相談のような業務では「型」の恩恵が小さくなります。まずは繰り返しの多い業務から試すのが、効果を実感しやすい進め方です。
最初から完璧な型を作ろうとせず、使いながら少しずつ調整していくほうが、結果的に早く定着します。1つの業務で型ができたら、似た業務にも応用できます。
学習塾の業務は、生徒数が増えるほど「同じ作業の繰り返し」が増えていきます。この繰り返しの多さこそが、Claude Codeの型が生きる条件でもあります。
5-3. 複数の資料を横断できる
生徒カルテ・出席簿・過去の面談記録など、別々の場所に保存されている資料を、同時に開いて見比べることができます。退塾予兆の検知はこの「横断」がまさに効いてくる作業で、出席率・成績・面談メモを別々に突き合わせる手間を、まとめて引き受けられます。
体験授業の入塾提案でも同じことが言えます。問合せフォーム・体験後アンケート・過去の入塾実績という、性質の異なる複数の資料を横断して、生徒情報シートと提案文の作成を一度に進められます。
Claude Codeが担うのは、資料を読み込んでドラフトを作る作業までです。生徒への声かけや、送信・提出の判断は、これまで通り人が行います。
| 特徴 | 何ができるか | 学習塾での具体例 |
|---|---|---|
| ファイルの直接読み書き | 生徒カルテやテスト結果を開いて、集計やドラフト作成ができる | テスト結果から成績推移グラフを作成 |
| 手順を覚えて繰り返す | 一度教えたやり方を「型」として次回も使える | 毎月の面談資料作成を同じ手順で処理 |
| 複数資料の横断 | 生徒カルテ・出席簿・面談記録などをまとめて参照できる | 退塾予兆の候補を横断的に検知 |
| 対話しながら進められる | 一度で完璧を求めず、やり取りしながら調整できる | 入塾提案メールの表現を対話で修正 |
ただし、Claude Codeが自分で判断できないこともあります。どこまで任せて、どこから人が確認するか。次の章で、つまずきやすいポイントとあわせて具体的に説明します。
06 PITFALLS 学習塾がAI導入でつまずきやすいポイントと現実的な対処 生徒/保護者データの取り扱い・社内定着・ツール選定でよくあるつまずきを整理します
Claude Codeを学習塾の現場に導入する際、多くの塾が最初につまずくのはデータの取り扱い範囲の線引きです。
ここまで紹介してきた便利さの裏側で、実際に導入するとなると出てくる現実的な悩みを、順番に整理していきます。
6-1. 生徒/保護者データの取り扱い範囲
permission mode(操作許可の範囲)を適切に設定し、どのデータをAIに渡すか、どこまでの操作を許可するかを事前に線引きしておく必要があります。
📚 用語解説
permission mode：AIにどこまでの操作(読み取り・下書き作成・送信など)を許可するかを制御する設定です。範囲を絞って始め、慣れてから広げる使い方が一般的です。
まず読み取り専用の範囲で運用を始め、慣れてきた段階で許可する操作を広げていく進め方であれば、情報システム担当が不在の塾でも無理なく運用できます。
生徒の成績や保護者の連絡先など、機微な情報を扱う場合ほど、この設計を丁寧に行うことが導入の前提になります。何を渡して、何を渡さないかを、あらかじめ決めておくということです。
| 段階 | 許可する操作 | 目安の期間 | 関わる担当者 |
|---|---|---|---|
| 導入初期 | 読み取り・集計・下書き作成のみ | 最初の1〜2ヶ月 | 塾長・事務担当 |
| 慣れてきた段階 | 社内フォーマットへの自動保存を追加 | 3〜6ヶ月目以降 | 教科主任・教室長 |
| 定着後 | 業務ごとに必要な操作範囲を個別に調整 | 運用が安定してから | 各業務の責任者 |
6-2. 社内での定着
最初から全業務をAI化しようとせず、月次面談資料の作成や退塾予兆の検知など、負担の大きい一部の業務から試し、効果を実感してから範囲を広げていくほうが定着しやすくなります。
「便利そうだから」と全教室に一斉導入するよりも、まず一つの校舎、一人の教科主任が使いこなせるようになってから、周りに広げていくほうが、結果的に定着のスピードは早くなります。
新学期や夏期講習前など繁忙期に導入を始めると、通常業務と並行しての試行錯誤が難しくなります。比較的落ち着いた時期に小さく始めるほうが、無理なく定着します。
AI鬼管理山崎
代表菅澤
6-3. ツール選定で押さえておきたいこと
Claude CodeとCodex、どちらが自塾に合うかは、実際に画面を見ながら判断するのが早いです。まず自塾が最初に試したい業務を決めてから、その業務での使いやすさを比較する順番がおすすめです。
月額料金や課金プランの違いも選定時のポイントですが、機能一覧を比較するよりも、自塾の業務で実際に動かしてみたほうが、判断材料としては早く確実です。
「どちらのツールが優れているか」ではなく「自塾のどの業務に使いたいか」を先に決めることが、ツール選定で遠回りしないコツです。
| 観点 | 確認しておきたいこと |
|---|---|
| データの取り扱い | どの生徒/保護者データをどこまで渡すか、操作許可の範囲 |
| 社内定着 | 最初に試す業務を1〜2個に絞れているか |
| ツール選定 | 自塾の業務で実際に動かして比較したか |
| 記録の残し方 | 元データとドラフトを生徒フォルダに保存しているか |
| 教育・サポート | 最初の数回、誰が一緒に操作をサポートするか |
6-4. 現場でよくあるつまずきの実例
ひとつは、月次面談資料の作成と退塾予兆の検知と月謝管理を、初日からすべて一気に試そうとして途中で止まってしまうケースです。担当者ごとに温度差が生まれ、どの業務も中途半端になりがちです。
📚 用語解説
プロンプト：AIに対して、何をしてほしいかを伝える指示文のことです。難しいコマンドではなく、日本語の普通の文章で構いません。
もうひとつは、教科主任がプロンプトの書き方に戸惑い、結局誰も使わなくなってしまうケースです。「この面談資料のフォーマットに整えて」といった業務の言葉をそのまま入力すれば十分ですが、この点が伝わっていないと、ツールを開かないまま放置されがちです。
三つ目は、生徒ごとに異なる志望校の情報を考慮せずに面談資料のドラフトをそのまま使い、内容が的外れになってしまうケースです。生徒カルテを事前に読み込ませておかないと、ドラフトの精度は上がりません。
多くのつまずきに共通するのは、準備段階を飛ばして一気に始めてしまう点です。1つの業務に絞って慣れてから広げるほうが、結果的に早く定着します。
| つまずきポイント | 現実的な対処 |
|---|---|
| 全業務を一度にAI化しようとして頓挫 | 月次面談や退塾予兆検知など、負担の大きい業務を1〜2個に絞って試行 |
| 生徒ごとの志望校差を考慮せず面談資料が的外れになる | 生徒カルテを事前に読み込ませ、個別データを反映したドラフトから始める |
| 教科主任がプロンプトの書き方に戸惑う | 最初の数回は塾長・事務担当が一緒に操作する |
| 読み込ませるデータの範囲を決めずに始める | permission modeで読み取り専用の範囲から着手する |
| 元データとドラフトの保存ルールがない | 生徒フォルダにやり取りを保存する運用を決めておく |
AIに読み込ませた元データと、生成されたドラフトを、いつ・どの生徒で使ったか分かる形で残しておくことも大切な運用ルールです。生徒フォルダにやり取りを保存しておくだけで、最低限の記録になります。
特別なシステムを新たに導入する必要はありません。今使っているフォルダ構成やファイル管理のルールに、AIとのやり取りの保存を一項目加えるだけで十分です。
ここまで見てきたように、つまずきの多くは技術的な難しさではなく、始め方の設計に起因します。業務を絞る、型を作る、記録を残す——この3つを押さえておけば、大きな失敗にはつながりにくくなります。
文章だけでは伝わらない部分は、実際の画面をご覧いただくのが早いです。セミナーでは、月次面談資料の作成や退塾予兆の検知を実際に動かしながらお見せしています。
07 SEMINAR_CONTENT 学習塾向けセミナー当日、実際に何を話すのか 60分の時間割・実演する業務・よくある質問・参加対象を具体的に紹介します
「結局セミナーで何をするのか」が分からないと、参加を決めにくいと思います。60分の中身を具体的に紹介します。
7-1. 60分の時間割
| 時間帯 | 内容 |
|---|---|
| 最初の10分 | 学習塾の業務棚卸しと、Claude Code・Codexの全体像整理 |
| 次の25分 | 体験授業からの入塾提案、月次面談資料作成、退塾予兆検知の実演デモ |
| 次の15分 | 参加者の悩みを募集し、その場で「うちならこう試すか」を設計 |
| 最後の10分 | 質疑応答と、来週何を試すかの言語化 |
この時間割が基本の流れです。実演デモで扱う具体的な資料例は、参加塾の規模・校舎数に応じて多少調整することもあります。
7-2. 実演する業務
実演の中心は、25分間のノーカットデモです。学習塾の具体的な業務を、画面を動かしながらお見せします。
月次面談資料の作成では、テスト結果と出席データを読み込ませるところから、成績推移グラフ・差分分析ができるまでの流れを実際に動かします。
退塾予兆の検知では、出席率・成績・面談メモを横断して読み込ませ、予兆候補のリストができるまでの流れをお見せします。
実演で使うデータは、実際の学習塾で使われている形式に近いサンプルです。自塾の生徒カルテと見比べながら、どこが違うかを質問していただけます。
業務ごとに入力と出力がどう変わるかを比較しながら見ていただくことで、自塾ではどの業務から試すのが現実的かを判断しやすくしています。
7-3. その場で答える、こんな質問
| よくある質問 | 当日の回答の方向性 |
|---|---|
| 退塾予兆検知はどこまで任せられるか | 予兆候補のリスト化までで、最終的な声かけの判断は塾長・教科主任が行う前提です |
| 生徒/保護者データをどこまで渡していいか | permission modeでの操作許可範囲の考え方を説明します |
| 個別指導と集団指導のクラス分けにも使えるか | 生徒の学力レベルを渡した場合の分け案の作り方を実演します |
AI鬼管理山崎
代表菅澤
7-4. 参加対象
参加対象は塾長・教室長・経営者としていますが、月次面談や月謝管理を担当する事務担当の方にも参考にしていただける内容です。パソコン操作に不慣れな方でも、専門知識は前提としていません。
一方、生徒対応を人に任せる想定がなく、塾長お一人で全ての業務を完結されている場合は、効果を実感しにくいかもしれません。複数人で業務を分担している塾ほど、持ち帰れる材料は多くなります。
08 SEMINAR_BOOKING 学習塾向けセミナーの参加方法と、予約から当日までの流れ 無料・60分・オンラインの参加方法と、予約から当日までの流れを紹介します
ここまで紹介した内容を、実際の画面を動かしながら確認できる場として、60分の無料オンラインセミナーを開いています。
- 参加費は無料
- 60分・オンライン(Google Meet)開催
- 1社1枠の貸切で、実演を中心に進めます
- 空いている日程からそのまま予約できます
このページ下部の予約フォームで、空き日程を選ぶだけで予約が完了します(日程調整のメール往復はありません)。こちらの予約フォームからお進みください。
日程や内容の詳細はClaude Code セミナーの詳細ページでもご確認いただけます。
| この記事で分かったこと | セミナーで確認できること |
|---|---|
| Claude Code・Codexが何者か | 実際の画面での操作感 |
| 何を渡すと何が出てくるか(理屈) | 自塾の業務に置き換えた場合の具体例 |
| 導入時のつまずきポイント | 自塾ならどこから試すべきかの判断材料 |
| なぜそれが可能なのか(仕組み) | 実際に動いている様子を見て納得できるか |
| 体験授業・月次面談・退塾予兆の変わり方 | 自塾の生徒カルテを例にした質疑応答 |
| データの取り扱い・社内定着の考え方 | 自塾の運用ルールに落とし込む相談 |
この記事を読んで、Claude Code・Codexが何者かはお分かりいただけたと思います。あとは、自塾の業務にどこまで使えそうか、実際の画面で確かめていただくだけです。
Claude CodeやCodexが自塾に合うかどうかは、実際の画面を見るのが一番早い判断材料になります。押し売りはしませんので、まずは60分、実際の動きを確認してみてください。
参加無料・60分・オンライン(Google Meet)・1社1枠
よくある質問
Q. 退塾予兆の検知はAIに任せて大丈夫でしょうか。
A. AIが作るのは予兆候補のリストまでで、実際に声をかけるかどうかの最終判断は塾長・教科主任が行う前提です。出席率・成績・面談メモを横断して見るため、複数校舎で生徒数が多い塾ほど気づきが早くなります。最終的な声かけの内容は、生徒をよく知る人が決めます。
Q. 生徒の成績データや保護者の連絡先をAIに読み込ませても問題ないですか。
A. 社内の生徒カルテや連絡先データをどこまでAIに渡すか、扱う範囲の線引きも含めてセミナー内で説明しています。permission modeの設定で、最初は読み取り専用の集計・下書き作成のみに限定する運用も可能です。慣れてきた段階で、許可する操作の範囲を少しずつ広げていく進め方が現実的です。
Q. 個別指導と集団指導、両方をやっている塾でも使えますか。
A. はい。生徒の学力レベルと志望校を渡せば、個別指導と集団指導のクラス分け案のドラフトを作らせられます。最終的なクラス編成は教科主任が確認して決定する前提です。指導形態の組み合わせが複雑な塾ほど、時間割案の下書きが効いてきます。
Q. パソコン操作に不慣れな講師が多い塾でも導入できますか。
A. セミナーではターミナルやエディタの画面を実際に動かしながら説明します。専門知識がなくても、まずは何ができるかを知ることを目的にした内容です。最初の数回は塾長・事務担当が一緒に操作するところから始める塾が多いです。ボタン操作より、日本語で何を伝えるかのほうが重要になります。
Q. Claude CodeとCodex、どちらを選べばよいですか。
A. どちらも生成AIを使った業務自動化ツールですが、学習塾の現場業務での活用事例の蓄積が進んでいるのはClaude Codeです。開発元(Anthropic/OpenAI)が異なるだけで、基本的な使い方やパソコンが苦手な方でも扱える点は共通しています。まず自塾が最初に試したい業務を決めてから、使いやすさを比較するのがおすすめです。
Q. 月次面談資料の質は、経験の浅い講師でも保てますか。
A. AIが作るのはあくまで面談資料のドラフトで、生徒との対話や進路指導の最終判断は教科主任・講師が行う前提です。ベテランが対話の内容に集中できるようになるため、経験の浅い講師の育成期間中でも、資料作成の負担を軽くする使い方ができます。
Q. Claude Codeを使うと、講師や事務担当の仕事が奪われるのではないですか。
A. いいえ。AIが担うのは資料の下書き作成や集計までで、生徒との対話や保護者対応、進路指導といった人にしかできない業務はそのまま残ります。書類仕事の時間を減らし、生徒に向き合う時間を増やすための道具です。
Q. セミナーは塾長本人が参加しないといけませんか。
A. 塾長・経営者向けを基本としていますが、教室長や教科主任、事務担当の方が実務目線で参加されることも歓迎しています。参加人数や役職については、お申し込み時にご相談ください。
空き日程を選んで、そのまま予約
Claude Code セミナー(参加無料・60分・オンライン)の予約フォームです。
日程調整のメール往復はありません。実際の空き日程が下に表示されています。
下の空き日程から選ぶだけで予約完了。
予約確定と同時に Google Meet の招待をお送りします。
【参加無料・1社1枠】学習塾向け Claude Code セミナーを予約する
オンライン(Google Meet) / 60分
空き日程から選ぶだけで予約が確定します
学習塾の日常業務は、体験授業からの入塾提案という入口の工程から、月次面談や退塾予兆の検知のように毎月積み重なる業務、月謝管理や講師採用のように年間を通じて発生する業務まで、次々と積み重なっていきます。Claude CodeやCodexが何者かという基本から、実際に何ができて何ができないかまで、文章だけではどうしても掴みにくい部分があります。自塾の生徒カルテや面談記録を例に、実際の画面を見ながら自塾に合う業務を見極められる場として、60分の無料セミナーを用意しています。
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、AIBPO by AI鬼管理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。総額はいまの業務コストの50%が目安、月額基本料は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？
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／AIBPO by 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。
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
