Claude Codeが気になっているものの、実際に会社でどう使われているのかがわからない。エンジニア向けの道具だと聞くけれど、営業や経理の仕事にも使えるのか。社内で提案したいが、ほかの会社の使い方や成果を示す材料が手元にない。Claude Codeの導入を考え始めた担当者から、こうした声をよく聞きます。
中小機構が2025年11〜12月に全国の中小企業を対象に行った調査では、AIやITの導入について「成功事例や活用事例などの情報」が足りないと答えた企業が83.3%にのぼり、足りない情報の中で最も多い結果でした（出典：中小機構『中小企業のAI等の利活用に係る実態調査』2026年3月）。総務省の令和8年版 情報通信白書でも、生成AIを使う方針を定めた日本企業が68.9%にのぼる一方で、組織的な取り組みはないと答えた企業が27.0%ありました（出典：総務省『令和8年版 情報通信白書』生成AIの活用方針等、同 組織的な取組状況）。使う方針はあっても、何にどう使えばよいかの手がかりが足りていない様子がうかがえます。
そこで本記事では、Claude Codeの活用事例を、国内7社・海外6社の公式発表だけをもとに13件紹介します。あわせて、部門別の使い方、成果を出した会社に共通する進め方、自社に当てはめる手順、数字を読むときの注意点、料金まで、社内で検討を始める前に知っておきたいことをまとめました。
この記事でわかること
- 国内外13社の使い方と公表の成果
- 部門別に見る任せられる業務
- 自社に当てはめる進め方と注意点
この記事の監修者
AIBUILDERZ編集部
AI導入支援サービス「AIBUILDERZ」を運営するチームです。AI研修からシステムの導入・構築・定着まで、企業のAI導入を一気通貫で支援しています。
- 01AI研修
- 02システム構築
- 03運用・定着
運営会社 for,Freelance株式会社
Claude Code活用事例を読む前に知っておきたい基本
事例を読む前に、Claude Codeがどのような道具なのかを押さえておきましょう。同じ「AI」でも、チャットで質問に答えるAIとは使い方が大きく違います。
Claude Codeとは｜ファイルを読み、作業まで進めるAI
Claude Codeは、Anthropicが提供するAIエージェントです。パソコンやサーバーの中のファイルを読み、指示に沿ってプログラムを書いたり、コマンドを実行したり、ファイルを作り替えたりするところまで自分で進めます。もともとはエンジニアがターミナルで使う開発の道具として広まりましたが、今はデスクトップアプリやブラウザ、エディタからも使えます。
開発の現場では、コードを書く、テストを作る、不具合の原因を探す、既存のコードを読み解くといった作業に使われています。あわせて、表計算のデータの集計や、社内の業務システムとつなぐ小さな道具づくりなど、エンジニア以外の人の仕事に使う会社も増えてきました。
チャット型のAIとの違い
| 項目 | チャット型のAI | Claude Code |
|---|---|---|
| 頼み方 | 質問や依頼を入力し、答えを受け取る | やりたいことを伝え、作業の計画から実行までを任せる |
| 扱えるもの | 貼り付けた文章や添付したファイル | 作業用のフォルダの中のファイル全体、コマンド、つないだ外部のサービス |
| 手元に残るもの | 回答の文章 | 書き換えたファイル、作った道具、プログラム、手順書 |
| 人の役割 | 回答を読み、自分で作業する | 計画と結果を確かめ、承認する |
チャット型のAIが「答える」道具なら、Claude Codeは「作業を進める」道具です。そのぶん、どのフォルダまで触らせるか、どの作業を人が確かめるかを先に決めておくことが大切になります。非エンジニアの方向けの基本と始め方は Claude Codeでできること で詳しく紹介しています。
開発の現場から全社へ広がっている
本記事で紹介する事例を並べると、最初はエンジニアの開発に使い始め、その後に営業・経理・法務・マーケティングなどの部門へ広げる流れが多く見られます。楽天グループやマネーフォワードのように開発の生産性から入った会社もあれば、renueやエクスペリサスのように最初から全社員を対象にした会社もあります。
Anthropic自身も、社内の法務やマーケティングの担当者がClaude Codeで道具を作っていることを公式の記事で紹介しています。エンジニアがいない部署でも、自分の仕事に合わせた道具を作れるようになったことが、全社に広がる理由の1つです。
本記事の事例の選び方
本記事では、次の基準で事例を選びました。
- Claude Codeを使ったことが、会社またはAnthropicの公式発表（顧客事例・公式ブログ・プレスリリース）で確かめられる
- 何の業務に使い、どのような成果が出たか（または何を目指しているか）が書かれている
- 開発・全社展開・非エンジニアの業務・業務システムづくりのどれかの参考になる
数字は、各社が公式発表に書いている値をそのまま紹介しています。社内アンケートなど、各社の条件で測った数字も含まれるため、読み方は後半の「事例の数字を読むときの注意点」で説明します。
Claude Code活用事例13選の一覧
紹介する13件を一覧にまとめました。気になる会社から、詳しい紹介に進んでください。
国内7社・海外6社の一覧
| 会社 | 業種 | 主な使い方 | 公表されている成果 |
|---|---|---|---|
| 楽天グループ | EC・インターネット | 開発全体（テスト・レビュー・並行開発） | 新機能の市場投入までの期間が24営業日から5日に |
| マネーフォワード | 金融・クラウドサービス | 開発、レビュー、新人の環境づくり、社内ツール | エンジニアの80%超が利用、1人あたり週7時間の削減（社内調査） |
| クラスメソッド | クラウド・システム開発 | 実装、レビュー前の点検、Google Apps Script | レビューの時間が最大80%減、GASの作業が24時間から1時間に |
| アドソル日進 | システム開発 | 全社の開発環境への導入 | 2026年6月から全社開発で利用できる環境を整備 |
| ARI | ITコンサルティング | エンジニアとコンサルタントの標準の道具 | 提案書の構成案、データ分析、業務フローの設計に展開 |
| renue | AIコンサルティング | 営業・採用・広告・経理・広報まで全社員 | 全社員の利用率100%、社内の業務基盤とつなぐ道具を開発 |
| エクスペリサス | 観光・体験の企画販売 | 非エンジニアを含む全社員、業務手順の共有 | 743件の業務スキルを登録、非エンジニア職の53%が日常で活用 |
| Anthropic | AI開発 | 法務・マーケティング・データ分析・セキュリティ | 広告の案を数時間から数分で数百件作成 |
| Stripe | 決済 | 1,370人のエンジニアへの一斉展開、言語の移行 | 1万行の移行を4日で完了（手作業の見積もりは10週間） |
| Ramp | 金融（経費管理） | テストの自動化、障害の調査、データの問い合わせ | 障害の調査の時間が最大80%減 |
| Pictet | 銀行 | エンジニアから事業部門への段階的な展開、規程の点検 | 2週間と見込んだ規程の突き合わせを数時間で完了 |
| Novo Nordisk | 製薬 | 規制文書を作る仕組みの開発 | 治験の報告書を書く時間を90%短縮 |
| Shopify | EC基盤 | 社内ツールづくり | エンジニア以外の社員も社内ツールを作れるように |
成果の数字は各社の公式発表の値です。測り方や対象は会社ごとに違うため、自社の見込みとしてそのまま使わないようにしましょう。
事例から見える4つの使い方
13件の事例は、使い方で大きく4つに分けられます。自社がどこから始めたいかに近い型の事例から読むと、参考にしやすくなります。
| 使い方 | 主な事例 | 向いている会社 |
|---|---|---|
| 1. 開発の生産性を上げる | 楽天グループ、マネーフォワード、クラスメソッド、アドソル日進、Stripe、Ramp | 社内にエンジニアがいて、開発の待ちや人手不足が課題の会社 |
| 2. 全社員の道具にする | renue、エクスペリサス、ARI、Pictet | 部署ごとに小さな手作業が多く、システム化されていない仕事が残っている会社 |
| 3. 非エンジニアが自分で道具を作る | Anthropic、Shopify、エクスペリサス | IT部門への依頼が積み上がり、現場の改善が後回しになっている会社 |
| 4. 業務の仕組みや製品を作る | Novo Nordisk、マネーフォワード、renue | 社内のデータや業務システムとつないだ仕組みを作りたい会社 |
最初から全部を狙わず、自社の課題に近い1つの型から始めると、効果を確かめやすくなります。
国内企業のClaude Code活用事例7選
国内企業の事例を7件紹介します。開発の生産性を上げた大手から、全社員で使っている会社まで、規模と使い方の違う事例を選びました。
楽天グループ｜開発の工程全体で使い、市場投入までを短縮
Anthropicの公式の顧客事例によると、楽天グループは開発の工程全体にClaude Codeを組み込んでいます。新しく加わったメンバーが複雑なコードの構造を理解する場面にも使っています。
| 項目 | 内容 |
|---|---|
| 業種・規模 | EC・旅行・金融などの事業を持つインターネット企業（大企業） |
| 主な使い方 | 単体テストの作成、APIのモック、部品の実装、不具合の修正、ドキュメントの作成、プルリクエストのレビュー、複数の作業の並行実行 |
| 公表されている成果 | 新機能の市場投入までの平均期間が24営業日から5日に（79%短縮）。大規模なオープンソースのライブラリの改修を、7時間続けて自律的に進めた |
| 出典 | Anthropic公式の顧客事例「Rakuten」 |
担当者は「4つの作業をClaude Codeに任せ、残りの1つに集中すれば、5つの作業を並行して進められる」と語っています。既存の手順にAIを足すのではなく、AIに任せる前提で開発の流れを組み直したことが、期間の短縮につながっています。
マネーフォワード｜小さな試行から広げ、エンジニアの8割が利用
マネーフォワードは、社内に生産性向上の研究チームを作り、少人数での試行から始めました。試行のたびに公開のチャンネルを作って使い方を共有したところ、試行の外にいた200人以上のエンジニアから利用の希望が寄せられたといいます。
| 項目 | 内容 |
|---|---|
| 業種・規模 | 家計簿・会計・給与などのクラウドサービス（大企業） |
| 主な使い方 | 機能の実装、大規模な改修、プルリクエストのレビューの自動化、新人の開発環境づくり、障害調査の社内ツール |
| 公表されている成果 | エンジニアの80%超が利用し、70%超が毎日使う。APIの実装が2日から5時間に。新人の環境づくりが1週間から1日に。早期の利用者への社内調査では1人あたり週7時間の削減 |
| 出典 | Anthropic公式の顧客事例「Money Forward」 |
全社に広げたあとは、Anthropicと研修会も開いています。担当者の1人は、会社のMCPサーバーを3か月で1人で作り上げました。試行の結果を社内に見える形で共有し、使いたい人が自分から集まる流れを作ったことが、利用が広がった理由の1つです。
クラスメソッド｜レビュー前の点検にも使い、開発の量を増やす
クラスメソッドは、エンジニアの時間が足りないという課題からClaude Codeを選びました。複数のツールを試したうえで、生成されるコードの質が高かったことを理由に挙げています。
| 項目 | 内容 |
|---|---|
| 業種・規模 | クラウドの導入とシステム開発（大企業） |
| 主な使い方 | 設計書からの実装、テストの作成、既存のコードの読み解き、プルリクエスト前のAIによる自己レビュー、Google Apps Scriptの作成 |
| 公表されている成果 | コードのレビューにかかる時間が最大80%減。Google Apps Scriptの作業が24時間から1時間に。本番に反映したプルリクエストが1月の108件から5〜6月は165件に |
| 出典 | Anthropic公式の顧客事例「Classmethod」 |
プルリクエストを出す前にClaude Codeで自己レビューを行い、セキュリティのリスクや重複したコードを先に見つける取り組みも進めています。自社で公開している開発用の道具は、コードの99%をClaude Codeで実装したと公表しています。
アドソル日進｜既存のAIと使い分け、全社の開発環境に導入
アドソル日進は、中期経営計画でAIを前提にした開発体制づくりを掲げ、その一環としてClaude Codeを全社の開発環境に導入しました。
| 項目 | 内容 |
|---|---|
| 業種・規模 | システム開発 |
| 主な使い方 | 全社の開発で使える環境の整備、AIを前提にした開発への適用 |
| 公表されている内容 | 2025年から検討と試行を進め、2026年6月から全社開発で利用できる環境を整備。GitHub Copilotや自社の生成AIツールと、顧客の特性やセキュリティの要件に応じて使い分ける |
| 出典 | アドソル日進のプレスリリース（2026年6月18日） |
1つのAIにそろえるのではなく、顧客ごとのセキュリティの要件に合わせて、Claude Code・GitHub Copilot・自社のツールを使い分ける方針です。受託開発の会社のように、顧客ごとに情報の扱いが違う場合の参考になります。
ARI｜エンジニアとコンサルタントの標準の道具に
ARIは、開発ではClaude Code・GitHub Copilot・Cursor、コンサルティングや事業の部門ではMicrosoft 365 CopilotやGeminiを使うなど、部門の業務に合わせて複数のAIを使い分けています。
| 項目 | 内容 |
|---|---|
| 業種・規模 | クラウドやAIを使った事業の変革支援 |
| 主な使い方 | 開発のコーディングとテスト、提案書の構成案づくり、複雑なデータ分析、業務フローの設計 |
| 公表されている内容 | エンジニア部門で進めてきた利用を、コンサルティング部門を含む全社に広げ、全エンジニアと全コンサルタントの標準の道具にした。安全に使うためのガイドラインも拡充 |
| 出典 | ARIのプレスリリース（2026年4月13日） |
その中でClaude Codeを、エンジニアだけでなくコンサルタントにも広げた点が特徴です。開発の効率化に加えて、提案書の構成案やデータ分析のような、コードを書かない業務にも使い道を広げています。
renue｜全社員が使い、社内の業務基盤とつなぐ
renueは、まず全社員がClaude Codeを日常の業務で使う状態を作り、そのあとで社内の情報にAIからアクセスできる仕組みを整えました。全員が使い始めたことで、「AIが社内の情報を知らない」という壁がはっきりしたためです。
| 項目 | 内容 |
|---|---|
| 業種・規模 | AIコンサルティング |
| 主な使い方 | 日報の下書き、広告の運用、採用の候補者管理、営業の準備、広報の文書づくり |
| 公表されている成果 | 営業・採用・広告運用・経理・広報・事務まで、全社員のClaude Codeの利用率100%。社内の業務基盤の機能を、AIから日本語で操作できる道具を自社で開発 |
| 出典 | renueのプレスリリース（2026年4月17日） |
カレンダーやチャット、会議の記録を横断して日報を下書きする、広告の管理画面をAIから操作するといった使い方が公表されています。人が使う状態を先に作り、そのあとで社内のデータにつなぐ順番は、多くの会社で参考になります。
エクスペリサス｜非エンジニアの業務手順を「スキル」として共有
エクスペリサスは、経営陣を含む全員を対象に、2026年7〜8月に全社研修を行いました。営業・企画・カスタマーサクセス・管理部門まで、エンジニア以外の社員が中心です。
| 項目 | 内容 |
|---|---|
| 業種・規模 | 観光・体験の企画と販売（社員と業務委託で計59名） |
| 主な使い方 | データの集計・加工、確認作業の自動化、社内の依頼の整理、ブランドの規定に沿った資料やバナーづくり |
| 公表されている成果 | 2026年8月末までに45名が743件のスキル（AIが読んで実行できる手順書）と127の業務別AIエージェントを登録。非エンジニア職の53%が日常で活用し、そのうち69%が同じ成果物にかかる時間が半分以下になったと回答（社内アンケート） |
| 出典 | エクスペリサスのプレスリリース（2026年9月3日） |
1人が見つけたうまいやり方を「スキル」として登録し、ほかの社員のAIも同じ手順を実行できるようにしています。会社のデザインの規定もAIが読める形にし、デザイナー以外の社員が資料を作っても規定に沿うようにしました。使い方を個人の腕に任せず、会社の仕組みとして共有している点は、中小規模の会社でも取り入れやすい工夫です。
海外企業のClaude Code活用事例6選
海外の事例を6件紹介します。数千人規模の展開や、規制の厳しい業界での使い方など、国内の事例とは違う参考になる点を中心にまとめました。
Anthropic｜法務やマーケティングの担当者も道具を作る
Anthropicは、社内の各部門の使い方を公式の記事で紹介しています。予想どおりの使い方に加えて、法務の担当者が社内の相談窓口の道具を試作したり、マーケティングの担当者が広告の案を大量に作る仕組みを作ったりしている点が目を引きます。
| 項目 | 内容 |
|---|---|
| 業種・規模 | AIの研究と開発（Claudeの提供元） |
| 主な使い方 | 新しいメンバーのコードの理解、テストとレビュー、障害の調査、試作、ドキュメントづくり、広告の案の作成、法務の社内向けの道具 |
| 公表されている成果 | セキュリティの部門で障害の調べものが約3倍の速さに。マーケティングの部門では、数百件の広告の案を数時間ではなく数分で作成。TypeScriptに詳しくないデータ分析の担当者が、可視化のアプリを作成 |
| 出典 | Anthropic公式の記事「How Anthropic teams use Claude Code」 |
マーケティングの部門では、数百件の広告が入ったCSVを読み込み、成果の悪い広告を見つけて、文字数の制限に合わせた新しい案を作る流れを組んでいます。「説明できる課題があれば、だれでも解決の道具を作れる」というのが、紹介の中で繰り返されている見方です。
Stripe｜1,370人のエンジニアに設定済みの状態で配る
Stripeは、セキュリティの要件を満たすために、Anthropicと2〜3か月かけて企業向けの配布の形を作りました。そのうえで、ルールや認証を設定済みの状態で全員のパソコンに入れ、だれも設定に悩まずに使い始められるようにしています。
| 項目 | 内容 |
|---|---|
| 業種・規模 | オンライン決済の基盤（大企業） |
| 主な使い方 | 全エンジニアへの一斉展開、プログラミング言語の移行 |
| 公表されている成果 | 1,370人のエンジニアが利用。ScalaからJavaへの1万行の移行を4日で完了（手作業では10週間と見積もっていた） |
| 出典 | Anthropic公式の顧客事例「Stripe」 |
一番の課題は技術より教育だったと語っています。AIを「自分の代わり」と考えると十分な説明を渡さないため、「プログラミングには詳しいが、事業の事情を知らない新しいエンジニア」として扱い、背景を説明してから任せるよう社内で教えています。
Ramp｜テストと障害の調査を自動にする
Rampでは、エンジニアが個人で試して効果を感じ、同僚に広めるかたちで利用が広がりました。テストが失敗すると、Claude Codeが原因を調べてコードを直し、すべて通るまでテストを回し直す仕組みを作っています。
| 項目 | 内容 |
|---|---|
| 業種・規模 | 法人向けの経費管理（中堅） |
| 主な使い方 | テストの自動化、ドキュメントの作成、複数の作業の並行実行、監視のツールとつないだ障害の調査、データ基盤への日本語での問い合わせ |
| 公表されている成果 | 30日で100万行を超えるAIの提案したコードを採用。エンジニアの約50%が毎週利用。障害の調査の時間が最大80%減 |
| 出典 | Anthropic公式の顧客事例「Ramp」 |
障害が起きたときは、監視のツールからログやエラーをまとめて集め、担当者がすぐに状況をつかめるようにしています。データの部門では、複雑な問い合わせの文を書かずに、普段の言葉でデータ基盤に質問する使い方も広がっています。
Pictet｜研修を重ね、規制の厳しい銀行で段階的に広げる
Pictetは、リスク管理・情報セキュリティ・データ保護の部門と調整し、データを扱う地域を決めたうえで導入しました。展開は、データの扱いの制約がゆるいエンジニアから始め、職種と使い方ごとに順に広げています。
| 項目 | 内容 |
|---|---|
| 業種・規模 | スイスのプライベートバンク（大企業） |
| 主な使い方 | ハッカソンでの試作、エンジニアから商品企画・事業部門への段階的な展開、社内規程と規制の突き合わせ、週次のニュースレターの自動化 |
| 公表されている成果 | 約700人がClaude CodeとClaude Coworkを利用し、25回の実践研修で500人以上が受講。2週間かかっていた試作が2時間に。3人で2週間と見込んでいた50以上の社内規程と規制の突き合わせを数時間で完了 |
| 出典 | Anthropic公式の顧客事例「Pictet」 |
Anthropicのパートナーの会社と半日の実践研修を作り、20人ほどの組で25回開きました。ライセンスを配るだけでなく、研修で使える人を増やしたことが、成果につながったと振り返っています。
Novo Nordisk｜少人数の開発チームで規制文書の仕組みを作る
Novo Nordiskは、Claude Codeを使って、規制文書を作る社内の仕組みを開発しました。専門家が承認した文章と、試験ごとの値を組み合わせて文書を作る仕組みです。
| 項目 | 内容 |
|---|---|
| 業種・規模 | 製薬（大企業） |
| 主な使い方 | 治験の報告書などの規制文書を作る社内の仕組みの開発、エンジニア以外の担当者の試作 |
| 公表されている成果 | 治験の報告書を書く時間を90%短縮。10週間以上かかっていた文書づくりが10分に。機器の検証の手順書を作る人手が95%減 |
| 出典 | Anthropic公式の顧客事例「Novo Nordisk」 |
開発チームは11人と少人数ですが、プログラミングの経験が少ない担当者も、思いついた機能をClaude Codeで試作できるようになりました。試作を開発チームに渡す前に自分で形にできるため、判断と改善が速くなったと語っています。
Shopify｜エンジニア以外の社員も社内ツールを作る
Shopifyでは、社内でツールを立ち上げる基盤とClaude Codeがつながっており、全社で広く使われています。画面づくりを専門にしない社員でも、見た目の整った画面や業務の流れを作れるようになったと公表されています。
| 項目 | 内容 |
|---|---|
| 業種・規模 | ネットショップの基盤（大企業） |
| 主な使い方 | 社内ツールの作成と公開 |
| 公表されている成果 | エンジニアとエンジニア以外の社員の両方が、数日かかっていた社内のアプリを数分で作れるように |
| 出典 | Anthropic公式の顧客事例「Shopify」 |
社内ツールを作る場所と手順が決まっていると、作ったものをすぐに同僚へ配れます。作る道具だけでなく、作ったものを置く場所まで用意しておくことが、全社に広げるときの参考になります。
部門別に見るClaude Codeの使い方
事例を部門ごとに並べ直すと、自社のどの部署で使えるかを考えやすくなります。部門ごとに、事例の中で紹介されている使い方と、始めやすい作業をまとめました。
部門別の使い方の早見表
| 部門 | 事例の中の使い方 | 始めやすい作業 |
|---|---|---|
| 開発 | テスト・レビュー・不具合の修正・言語の移行（楽天グループ、クラスメソッド、Stripe） | 既存のコードの説明、テストの追加 |
| 情報システム・運用 | 障害の調査、新人の環境づくり、配布の設定（マネーフォワード、Ramp、Stripe） | 手順書の整理、ログの要約 |
| マーケティング・広報 | 広告の案の大量作成、広報の文書の下書き（Anthropic、renue） | 広告やメールの案の作成と整理 |
| 営業・コンサルティング | 提案書の構成案、営業の準備（ARI、renue） | 商談の前の情報整理、提案の骨子づくり |
| 経理・管理部門 | データの集計・加工、確認作業の自動化（エクスペリサス、renue） | CSVの集計、2つの表の突き合わせ |
| 法務・コンプライアンス | 社内向けの相談窓口の試作、規程と規制の突き合わせ（Anthropic、Pictet） | 規程の一覧づくり、変更点の洗い出し |
| 人事・採用 | 候補者の管理、面接の分析（renue） | 求人票や社内文書の下書き |
部門ごとの頼み方の例は Claude Codeでできること で、そのまま使える形で紹介しています。
開発｜まずはテストとレビューから
開発の部門では、テストの作成とレビューが最初の使い道になることが多く見られます。どちらも欠かせない一方で後回しにされやすい作業で、AIに任せても人が結果を確かめやすいためです。
クラスメソッドのように、人のレビューの前にAIで点検しておくと、レビューする側の負担も減らせます。外部の会社に開発を頼む場合の考え方は Claude Code開発の外注と設定代行 で紹介しています。
情報システム・運用｜障害の調査と新人の受け入れ
マネーフォワードやRampは、障害の調査を助ける社内ツールを作っています。ログやエラーを集めて要約するところまでをAIに任せ、原因の判断は人が行う形です。
新しいメンバーの開発環境づくりのように、手順は決まっているのに毎回人が付きっきりになる作業も、Claude Codeに向いています。
マーケティング・広報｜案を大量に作り、人が選ぶ
Anthropicのマーケティングの部門は、広告の成果のデータを読み込み、成果の悪い広告を見つけて新しい案を作る流れを組んでいます。案を作る作業はAIに任せ、どの案を出すかは人が決めるという分担です。
renueのように、広報の文書の下書きから、表現の確認、公開前の見た目の確認までを1つの流れにする使い方もあります。
営業・コンサルティング｜提案の下準備
ARIは、提案書の構成案や業務フローの設計にClaude Codeを使っています。社内の過去の提案書や資料をフォルダにまとめておけば、それを読んだうえで構成案を作れるのが、チャット型のAIとの違いです。
顧客の情報を扱うため、どの資料までを作業用のフォルダに入れてよいかを、先に決めておきましょう。
経理・管理部門｜集計と確認の作業
エクスペリサスでは、数日かかっていたデータの集計や加工が短い時間で終わるようになったほか、表計算の関数を知らずに人に頼んでいたデータの整理を、自分で終えられるようになったと報告されています。
経理の数字のように間違いが許されない作業では、AIに集計させたあとで、合計や件数を元のデータと突き合わせる手順を必ず入れておきます。
法務・コンプライアンス｜文書の突き合わせ
Pictetでは、50以上の社内規程を最新の規制と突き合わせる作業を、数時間で終えています。大量の文書を読み、違いを一覧にする作業は、Claude Codeの得意な分野です。
ただし、最終の判断は専門の担当者が行います。AIの一覧は、確認する箇所を絞り込むための下準備として使いましょう。
人事・採用｜定型の文書と候補者の情報整理
renueは、採用の候補者の管理や面接の分析にも使っています。求人票の下書きや社内の案内文のように、型が決まっている文書から始めると取り入れやすいでしょう。
個人の情報を扱うため、入力してよい情報の範囲と、使うプランのデータの扱いを確かめてから使います。
成果を出した会社に共通する5つのポイント
13件の事例を見比べると、成果を出した会社の進め方には共通点があります。自社で始めるときに取り入れたい5つのポイントをまとめました。
1. 小さな試行から始め、結果を社内に見せる
マネーフォワードは少人数の試行から始め、公開のチャンネルで使い方を共有しました。Rampでも、個人で試したエンジニアが同僚に広めるかたちで利用が広がっています。
最初から全社に配るより、効果の見えやすい部署で試し、その結果を社内に見せるほうが、使いたい人が自分から増えていきます。
2. 研修で使える人を増やす
Pictetは25回の実践研修で500人以上が受講し、エクスペリサスは経営陣を含む全員に研修を行いました。マネーフォワードもAnthropicと研修会を開いています。
ライセンスを配っただけでは使う人と使わない人の差が広がるため、研修とセットで展開することが大切です。
3. 環境と設定を会社でそろえて配る
Stripeは、ルールや認証を設定済みの状態で全員のパソコンに入れました。エクスペリサスも、端末の設定・認証・セキュリティを全社で共通にしています。
社員それぞれに設定を任せると、使い始める前に止まる人が出るうえ、安全面の設定もばらつきます。情報システムの担当者が設定をそろえて配る形が、結果として早く広がります。
4. うまくいった使い方を共有して再利用する
エクスペリサスは743件のスキルを全社で共有し、クラスメソッドやマネーフォワードもよく使う作業をコマンドにしています。
1人が見つけた使い方を、ほかの人がそのまま使える形にしておくと、個人の腕に頼らずに成果を広げられます。
5. 人が確かめる手順を残す
どの事例でも、AIに任せた作業の結果は人が確かめています。Stripeは、AIを「事業の事情を知らない新しいエンジニア」として扱うよう社内で教え、Pictetはリスク管理の部門と調整しながら段階的に広げました。
作業を任せる範囲と、人が確かめて承認する場面を先に決めておくと、安心して任せる範囲を広げていけます。
事例を自社に当てはめる進め方
事例を読んだあとは、自社のどの業務で試すかを決めて、小さく始めます。事例の共通点をもとに、進め方を6つのステップにまとめました。
自社で始める6つのステップ
自社に近い事例を選ぶ
一覧の4つの使い方から、自社の課題に近い型を選び、その型の事例を読みます。業種より、困っている作業が似ているかで選ぶのがコツです。
試す業務を1〜3つに絞る
繰り返しが多く、結果を人が確かめやすい作業を選びます。テストの作成、データの集計、文書の突き合わせなどが候補です。
入力してよい情報と使うプランを決める
顧客の情報や個人の情報を扱うかを確かめ、データの扱いと管理の機能を見てプランを決めます。
少人数で試し、時間を記録する
2〜5人ほどで2〜4週間試し、作業にかかった時間を、導入の前と後で記録します。
うまくいった使い方を共有する
頼み方や手順を、社内の共有の場所やスキルとして残し、ほかの人が再利用できるようにします。
研修と設定をそろえて広げる
効果が見えた部署から順に、研修と設定済みの環境をセットで広げます。
最初の試行で「導入の前と後の作業時間」を記録しておくと、社内で広げるかどうかを数字で判断できます。
期間の目安
| 段階 | 期間の目安 | 主な作業 |
|---|---|---|
| 準備 | 2〜4週間 | 試す業務の選定、プランの契約、利用ルールと設定 |
| 試行 | 1〜2か月 | 少人数での利用、時間の記録、使い方の共有 |
| 部署への展開 | 2〜3か月 | 研修、設定済みの環境の配布、スキルや手順の共有 |
| 全社への展開 | 3〜6か月 | 部署ごとの使い方の整理、社内のデータとの接続、効果の定期的な確認 |
期間は、社内に設定を担う人がいるか、扱う情報の制約がどれだけ厳しいかで変わります。企業として導入するときのプランの選び方や詳しい手順は Claude Code企業導入の進め方 で紹介しています。
自社に合う事例を見つけるセルフチェック
次の質問に答えると、自社がどの型の事例を参考にすればよいかがわかります。当てはまる数が多い型から読んでみてください。
| 質問 | 当てはまるときに参考にしたい事例 |
|---|---|
| 社内にエンジニアがいて、開発の待ちが長くなっている | 楽天グループ、クラスメソッド、Stripe |
| コードのレビューや新人の受け入れに、先輩の時間が取られている | マネーフォワード、クラスメソッド |
| 顧客ごとに、扱える情報やAIの条件が違う | アドソル日進、Pictet |
| エンジニア以外の社員の手作業が多く、システムにしにくい | エクスペリサス、renue |
| IT部門への小さな依頼が積み上がっている | Anthropic、Shopify |
| 社内のデータや業務システムとつないだ仕組みを作りたい | Novo Nordisk、renue |
| 提案書や分析など、コードを書かない業務で使いたい | ARI、エクスペリサス |
社内で提案するときにまとめたい項目
Claude Codeの導入を社内で提案するときは、事例だけでなく、自社に当てはめた内容をまとめておくと話が進みやすくなります。
| 項目 | 書く内容 |
|---|---|
| 目的 | どの業務の、どの困りごとを解決したいか |
| 参考にした事例 | 近い型の事例と、その会社の公表している成果 |
| 試す範囲 | 対象の部署、人数、期間、試す作業 |
| 費用 | プランの料金と人数、研修や支援を頼む場合の費用 |
| 安全の決まり | 入力してよい情報、作業用のフォルダの範囲、人が確かめる場面 |
| 効果の測り方 | 導入の前と後の作業時間、使った人の数、利用の頻度 |
事例の数字を読むときの注意点と、見送ったほうがよい使い方
事例の数字は、自社で導入を考える手がかりになります。一方で、数字の前提を知らずに見込みを立てると、期待とのずれが生まれます。読むときの注意点と、最初は見送ったほうがよい使い方をまとめました。
公表されている数字は、各社の条件で測ったもの
マネーフォワードの「週7時間」は早期の利用者への社内調査、エクスペリサスの「時間が半分以下」は社内アンケートの結果です。対象の人や作業、測り方は会社ごとに違います。
ほかの会社の数字は「どの作業で、どう測ったか」を確かめたうえで、自社では試行で測り直すのが確実です。
1つの作業の短縮と、仕事全体の効果を分けて考える
「24時間が1時間に」のような数字は、特定の作業についての値であることが多く、部署や会社全体の仕事がその割合で減るわけではありません。
確認や承認、関係者とのやり取りの時間は残ります。効果を見積もるときは、短くなる作業が仕事全体のどれくらいを占めているかもあわせて見ておきましょう。
最初は見送ったほうがよい使い方
- 本番のシステムやデータを、確認なしで直接書き換えさせる
- 顧客の情報や個人の情報を、使うプランのデータの扱いを確かめずに読み込ませる
- 会計の数字や契約の判断を、人が確かめずにそのまま使う
- 社員が個人の契約で使い始め、会社が使い方や設定を把握していない状態のまま広げる
どれも、慣れてきて確認の手順が決まってから少しずつ広げれば十分です。社外に開発を頼む場合や、作ったものを本番で動かす場合の注意点は Claude Code開発の外注と設定代行 の後半でも紹介しています。
社内でClaude Codeを使うときのセキュリティと利用ルール
Claude Codeは、ファイルを読んだり書き換えたりできるぶん、使い始める前に決めておきたいことがあります。事例の会社が行っている備えをもとにまとめました。
入力してよい情報を先に決める
顧客の情報、個人の情報、社外秘の資料などを、どこまで扱ってよいかを決めます。Pictetは、データを扱う地域を決め、モデルの学習にデータを残さない条件で導入しています。
個人の情報の扱いは、個人情報保護委員会の生成AIサービスの利用に関する注意喚起も参考になります。
作業用のフォルダと権限をしぼる
Claude Codeに触らせるフォルダを決め、元のファイルはコピーで扱うと、思わぬ書き換えを防げます。コマンドの実行やファイルの変更の前に確認を求める設定から始め、慣れてから任せる範囲を広げましょう。
会社で管理できるプランを使う
社員が個人のプランで使っていると、会社がだれが何に使っているかを把握できません。法人向けのプランでは、まとめての請求と管理、シングルサインオン（SSO）などが使えます。
Stripeのように、設定済みの環境を会社が配る形にすると、安全面の設定のばらつきも防げます。
公的なガイドラインを社内ルールの土台にする
国は、AIを使う事業者向けにAI事業者ガイドラインを公表しています。社内の利用ルールを一から作るより、こうした資料を土台に自社の決まりを足すほうが、抜けを防げます。社内ルールの作り方は 生成AIの情報漏洩対策 で詳しく紹介しています。
Claude Codeの料金と費用の目安
Claude Codeは、Claudeの有料プランに含まれています。個人向けと法人向けで、料金と管理の機能が違います。
個人向けのプラン
| プラン | 料金 | Claude Code |
|---|---|---|
| Free | 無料 | 使えない |
| Pro | 月17ドル（年払い。月払いは20ドル） | 使える |
| Max | 月100ドル | 使える（Proの5倍の利用枠） |
| Ultra | 月200ドル | 使える（Proの10倍の週の利用枠） |
出典：Claude公式「Pricing」（2026年11月1日に確認。税は含まない）。料金と内容は変わることがあるため、契約の前に公式ページで確かめてください。
法人向けのプラン
| プラン | 料金 | 主な特徴 |
|---|---|---|
| Team スタンダード | 1人あたり月20ドル（年払い。月払いは25ドル） | 2〜150人のチーム向け。Claude Codeを含む。まとめての請求と管理、SSO |
| Team プレミアム | 1人あたり月100ドル（年払い。月払いは125ドル） | スタンダードの5倍の利用枠 |
| Enterprise | 1人あたり月20ドル（年払い・20人から）＋API料金での利用料 | 利用の上限の設定、権限の細かな管理、監査ログなど |
出典：Claude公式「Pricing」。全社に広げるほど利用料が増えるため、最初は試行する人数だけで契約し、効果を確かめてから人数を増やすと、費用を抑えやすくなります。プランごとの違いや人数別の試算は Claude Codeの料金 で詳しく紹介しています。
社内への展開を外部に相談するとき
事例の会社の中にも、Pictetのように研修を外部の会社と作った会社があります。社内に設定や研修を担う人が足りない場合は、外部の支援を使う選び方もあります。
PR｜AIBUILDERZ AI導入支援サービス
PR
AIBUILDERZ｜AI導入支援サービス
システム構築は成果報酬型。AI研修から導入・構築・定着まで一気通貫で支援
AI研修からシステムの導入・構築・定着まで、一気通貫で支援するサービスです。業務アプリの構築費は事前にいただかず、実際に稼働させ、効果をご確認いただいてからお支払いが始まります。成果報酬型での対応は、当社が小規模と定義するシステムが対象です。
- 業種・規模を問わず支援どの業務からAIやシステムに置き換えるかを一緒に決め、効果の大きい業務から順に進めます。
- システム構築は成果報酬型業務アプリの構築費は事前にいただきません。稼働させ、効果をご確認いただいてからお支払いが始まります。
- AI導入の効果を可視化置き換える業務を一覧にし、導入前後の時間から、空いた時間とかからなくなった費用を毎月記録します。
- 小さく始めて、リスクを管理影響の小さい業務から始め、AIの実行結果は担当者が確認・承認してから反映します。
自社だけで進めやすい会社
社内にエンジニアや情報システムの担当者がいて、設定や利用ルールを自分たちで決められる会社は、自社だけで始めても十分に進められます。マネーフォワードやRampのように、試行の結果を社内で共有しながら広げる進め方が参考になります。
研修と社内展開を頼みたいとき
使える人を増やすことが課題なら、研修と社内展開の支援を頼む方法があります。自社の業務を題材にした研修か、研修のあとも相談できるかを確かめましょう。支援の形の違いと選び方は Claude Code企業導入の進め方 で紹介しています。
業務の仕組みづくりを頼みたいとき
Novo Nordiskやrenueのように、社内のデータや業務システムとつないだ仕組みを作りたい場合は、構築まで任せられる会社に相談します。依頼先の選び方と費用の目安は Claude Code開発の外注と設定代行 で紹介しています。
Claude Code活用事例に関するよくある質問
よく聞かれる質問にお答えします。
Q. Claude Codeは、エンジニアでなくても使えますか？
Q. 中小企業でも、事例のような使い方はできますか？
Q. 事例のような成果は、どのくらいで出ますか？
Q. Claude Codeを使うには、どのプランが必要ですか？
Q. 社内の情報をClaude Codeに読ませても大丈夫ですか？
Q. ChatGPTやCursorとは何が違いますか？
まとめ｜自社に近い事例から、小さく試して広げる
Claude Codeの活用事例は、開発の現場から全社へと広がっています。自社の課題に近い事例を選び、小さく試して効果を確かめることが、全社で使いこなすまでの近道です。最後に、本記事のポイントを振り返ります。
企業として導入するときの進め方は Claude Code企業導入の進め方、業務の仕組みづくりを頼むときは Claude Code開発の外注と設定代行 もあわせてご覧ください。
