AIエージェント・自動化 – マルナ：malna株式会社

Claude CodeでSEO分析基盤をゼロから構築する全手順【実務者向け】

ml-dev — Mon, 23 Mar 2026 10:39:13 +0000

キーワード調査にAhrefs、順位チェックにGoogle Search Console、記事管理にスプレッドシート、公開はWordPress。SEO業務はツールの数だけログイン画面があり、データの転記だけで1日の作業時間がかさんでいく。この状況に心当たりのあるSEO担当の方は多いはずです。実はこれらの作業は、ひとつのターミナル画面に集約できます。Claude Codeは外部ツールとの接続、ファイル操作、コード実行を備えたAIエージェントで、Ahrefsのキーワードデータ取得からGSCの順位分析、記事の下書き生成まで、対話形式で一気に処理できます。「記事を書かせるAI」ではなく「SEO業務を丸ごと回せるAI」と捉えたほうが実態に近いでしょう。本記事では、このClaude Codeを使ったSEO分析基盤をゼロから立ち上げる手順をまとめました。環境構築、MCP接続、スキル設計、ワークフロー運用まで、複数クライアントのSEOコンサルティングで実際に回してきた構成をベースに解説します。SEOの実務経験があり、Claude Codeにはまだ触れていない方を想定しています。

Claude Code × SEOで何ができるのか——3つの決定的なメリット

Claude CodeをSEO業務に導入すると、コマンド1つでコンテンツギャップ分析、定量評価、ネクストアクションの整理までが低コストで完了します。従来のチャットAIや手作業との決定的な違いは、データの取得から施策提案までを一気通貫で処理できる点にあります。

1. コマンド一発でコンテンツギャップが丸見えになる

競合が上位を取っているのに自社が書けていないキーワードを洗い出す作業、いわゆるコンテンツギャップ分析は、SEO担当者にとって定番かつ時間のかかるタスクです。手作業だとAhrefsで自社と競合それぞれのキーワードをエクスポートし、スプレッドシートで突き合わせ、フィルタリングし、優先度をつける。この一連の作業に1〜2時間はかかります。しかし、Claude Codeなら、Ahrefs MCPに接続した状態でコマンドを1行打つだけです。「自社ドメインと競合3社のオーガニックキーワードを比較して、自社が圏外のキーワードを検索ボリューム順に並べて」と指示すれば、数分でギャップの一覧が手に入ります。カテゴリごとのクラスタリングまで同時に走らせれば、どの領域で負けているかが構造的に把握できます。この「見えていなかった機会損失」を数分で可視化できる点が、導入直後にもっとも効果を実感しやすい部分です。 [画像: コンテンツギャップ分析の出力イメージ——競合との比較表と機会キーワードのクラスタリング]

2. コンテンツの数値評価・定量分析が一瞬で回る

SEO施策の成否を判断するには数字が要ります。検索ボリューム、現在順位、クリック数、CTR、被リンク数などの指標を、キーワード単位・ページ単位で引き出し、期間比較し、傾向を読む作業は、データの取得と加工だけで相当な時間を食います。 Claude Codeでは、AhrefsとGoogle SearchConsoleのデータをMCP経由で直接取得し、その場で集計・比較・可視化まで処理します。たとえば「過去3ヶ月で順位が5位以上下がったキーワードを抽出し、検索ボリュームとトラフィック減少幅を付けて優先度順に並べて」という指示を自然言語で投げるだけで、データの取得からソート、フォーマット済みのレポート出力まで一括で完了します。スプレッドシートに転記して関数を組む、ピボットテーブルでフィルタする、といった中間作業がまるごとなくなります。分析に使える時間が増えるのではなく、分析そのものが一瞬で終わるため、「データを見る→判断する→手を打つ」のサイクルが圧倒的に速くなります。

3. 分析結果からネクストアクションまで自動で整理される

データを取得して終わりではなく、「だから次に何をすべきか」まで整理してくれるのがClaude Codeの本領です。たとえばリカバリープラン作成スキルを実行すると、サイト全体のキーワードポートフォリオを分析した上で、記事ごとに優先度を高・中・低で判定します。リライトの具体的な方針としてタイトル変更案、追加すべきセクション、差別化ポイントを提示し、期待されるトラフィック増分を算出します。Advanced Web Rankingなどの調査データに基づくCTR目安（1位: 25〜30%、2位: 12〜15%、3位: 8〜10%）を使ったインパクト試算も含まれるため、施策の優先順位づけが定量的な根拠を持ちます。従来であれば、データ分析→課題抽出→施策提案→優先順位づけの各工程を人が行い、チーム内で共有するためにドキュメントに落とし込む作業が必要です。この一連の流れに半日から丸一日を使っていた作業が、コマンド1つとAIの処理時間（数分〜十数分）で完了します。しかも、これらの工程がAnthropic APIの従量課金で動くため、1回の分析にかかるコストは数十円〜数百円程度。記事外注なら1本数万円、社内リソースなら半日分の人件費がかかることを考えると、コストは格段に改善されます。 [画像: Claude Code SEO分析基盤の全体像——MCP・スキル・CLAUDE.mdの3層構造を示す概念図]

チャットAIとClaude Codeの根本的な違い

両者の間には、情報を返すだけか、外部データを取得して実行まで行うかという越えられない壁があります。ここを理解しておくと、Claude Codeの導入判断で迷わなくなります。 ChatGPTやClaude（チャット版）に「このキーワードの検索ボリュームを調べて」と頼んでも、返ってくるのは学習データに基づく推測値です。Ahrefsの実データにはアクセスできません。 Claude Codeは、MCPという接続規格を通じて、Ahrefs、Google Search Console、Slackなどの外部ツールに直接つながります。推測ではなく実データで分析し、結果をファイルに書き出し、コードを実行して可視化する一連の業務を、一回の指示で処理します。チャットAIが「助言をくれるアドバイザー」なら、Claude Codeは「データを自分で引っ張ってきてレポートをまとめ、記事の下書きまで仕上げる実務担当」です。この違いが、先ほど挙げた3つのメリットを可能にしている土台です。

SEO分析基盤の全体設計

Claude Codeをインストールするだけではうまく動きません。MCP、スキル、CLAUDE.mdという3つの構成要素を理解し、それぞれの役割に合わせて設計することが、実務レベルのアウトプットを得るための前提条件です。

構成要素と役割分担

SEO分析基盤はMCP・スキル・CLAUDE.mdの3層で成り立ちます。それぞれが「手足」「仕事の型」「業務マニュアル」に対応しており、組み合わせることで初めてAIが実務レベルの仕事をこなせるようになります。

MCP

MCPが外部ツールとの接続層。Ahrefs、GSC、Slack、Notionなど、SEO業務で使うデータソースにClaude Codeからアクセスするための仕組みです。Claude Codeの「手足」にあたり、MCPが増えるほどAIが扱えるデータの幅が広がります。

スキル

スキルは、繰り返し実行するワークフローをMarkdownで書いたテンプレート。「キーワード調査はこの手順で、この形式で出力する」とルールを固めておけば、コマンド一発で同じ品質の出力を毎回再現できます。Claude Codeの「仕事の型」です。

CLAUDE.md

CLAUDE.mdはプロジェクト固有の知識・ルールを置くファイルです。担当クライアントの情報、分析の判断基準、出力フォーマットなどを書いておくと、Claude Codeがセッション開始時に読み込み、文脈を踏まえた応答を返します。Claude Codeの「業務マニュアル」と考えてください。 3層は独立ではなく、連動して機能します。スキル「/seo-recovery-plan」を実行すると、MCPでAhrefsからキーワードデータを取得し、CLAUDE.mdに定義されたクライアントの目標値を参照しながらリカバリープランを生成するというように、層をまたいだ処理が自動で走ります。

最小で活用する方法

いきなりフル構成を目指す必要はありません。段階的に広げたほうが、各層の役割を体感しながら進められます。

Step 1: 最小構成（CLAUDE.md + WebSearch）

Claude Codeには標準でWeb検索機能が入っています。CLAUDE.mdにクライアント情報と分析ルールを書くだけでも、検索意図の分析、上位記事の調査、構成案の作成は回ります。まずここで動きに慣れるのが近道です。

Step 2: Ahrefs MCPを追加

Web検索では取れない定量データ、例えば検索ボリューム、キーワード難易度、被リンク数、ドメインレーティングをAhrefsから直接引けるようにします。データに裏付けられたキーワード選定や競合分析が可能になる段階です。

Step 3: Google Search Console・Slack・Notionを追加

Google Search Consoleで公開後の実績を計測し、Slackでクライアントとの議論の文脈をAIに渡し、Notionでプロジェクト管理と接続する。ここまで来ると、SEO業務のほぼ全工程がClaude Code上で完結します。

環境構築の実践手順

Claude Codeの導入からMCP接続まで、実際に手を動かして基盤を立ち上げる工程を順に追います。Node.js環境さえあれば、インストールから初回起動までは5分程度で完了します。

Claude Codeのインストールと初期設定

インストール自体は5分もかかりません。Node.js環境があれば、ターミナルからコマンドを数回打つだけでセットアップが完了します。初期設定のポイントはフォルダ構成の設計にあります。

プロンプト例

# Node.jsのバージョン確認 node -v # Claude Codeをインストール npm install -g @anthropic-ai/claude-code # 作業フォルダを作成 mkdir seo-workspace && cd seo-workspace # Claude Codeを起動 claude

初回起動時にAnthropicアカウントとの認証が入ります。画面の案内どおりに進めれば完了します。複数クライアントを扱うなら、フォルダ設計も重要です。クライアント単位でディレクトリを分け、それぞれにCLAUDE.mdを配置する構成が実運用で安定します。

プロンプト例

seo-workspace/ ├── CLAUDE.md # 共通ルール ├── client-a/ │ ├── CLAUDE.md # クライアントA固有情報 │ ├── analysis/ │ └── articles/ ├── client-b/ │ ├── CLAUDE.md │ ├── analysis/ │ └── articles/ └── skills/ # 共通スキル ├── seo-query-research/ ├── seo-structure/ ├── seo-writing/ └── seo-rewrite/

CLAUDE.mdの設計ポイント

CLAUDE.mdはプロジェクトの業務引き継ぎ書にあたるファイルです。ここに書いた内容がClaude Codeの振る舞いを決めるため、設計がアウトプットの質に直結します。 SEO業務で最低限押さえるのは4項目です。

役割定義

Claude Codeにどんな立場で動いてほしいか。「SEOコンサルタントのパートナーとして、データ分析・記事制作・レポート作成を担う」など。

クライアント情報

担当サイトのドメイン、ターゲット市場、競合企業、事業KPI。情報が具体的であるほど、分析や提案の精度が上がります。

分析ルール

Ahrefsデータの扱い（金額はUSDセント単位のため100で割る）、優先度の基準（検索Vol 5,000以上かつ10位以内を「高」）など。

出力フォーマット

レポートの構成、ファイル命名規則、保存先ディレクトリ。統一しておくと整理の手間が激減します。

プロンプト例

markdown # CLAUDE.md 例（抜粋） ## 役割 SEOコンサルタントのパートナーとしてデータ分析、記事制作、レポート作成を担当。 ## クライアント情報 – ドメイン: example.co.jp – 事業: BtoB SaaS（プロジェクト管理ツール） – 主要競合: competitor-a.com, competitor-b.com – KPI: オーガニックセッション月間50,000 ## Ahrefs利用ルール – 金額データはUSDセント単位。表示時は100で割る – 初回はdocツールでAPI仕様を確認してから使う – where句はJSON形式で記述 ## 出力ルール – 保存先: analysis/ フォルダ – ファイル名: {種別}-{YYYY-MM-DD}.md – 言語: 日本語

MCP接続の設定方法

MCP接続はClaude Codeの強みの根幹です。設定自体はコマンド1行で済みますが、運用時の注意点を事前に押さえておくと、後のトラブルを回避できます。

プロンプト例

# Ahrefs MCP サーバーを追加 claude mcp add ahrefs — npx -y @ahrefs/mcp

運用上の注意点がいくつかあります。Ahrefs MCPは初回利用時に`doc`ツールでAPIドキュメントを必ず確認してください。エンドポイントやパラメータの仕様がバージョンで変わることがあります。また、短時間に大量のクエリを投げるとレートリミットに引っかかるため、順次実行が安全です。 GSC連携はGoogle Cloud ConsoleでSearch Console APIを有効化し、サービスアカウントのJSONキーをプロジェクトに配置する形で実現します。Slack MCPを入れれば、クライアントとのやり取りの文脈をClaude Codeが直接参照できるようになり、直近の議論を踏まえた提案が出せるようになります。

スキルでSEOワークフローを自動化する

MCPでデータへのアクセスが整ったら、繰り返し使うワークフローを「スキル」に固めます。SEO業務の品質と効率を安定させる鍵はこの工程にあります。

SEOスキルの設計思想

スキルの本質は「属人化しがちなSEOワークフローを、再現可能な形式に落とし込むこと」にあります。Markdownファイルに手順・判断基準・出力フォーマットを書いたワークフロー定義で、プログラミングは不要。日本語のMarkdownが書ければ誰でも作成・編集できます。なぜスキル化するのかについて、理由は3つあります。

再現性

毎回同じ手順をブレなく回せます。担当者が変わっても、スキルに定義された手順どおりに実行すれば同じ品質のアウトプットが出ます。

品質安定

判断基準を明文化することで、分析の抜け漏れを防げます。たとえばキーワード調査スキルに「検索ボリューム・KD・検索意図の3軸で評価する」と書いておけば、確認すべき観点の抜けが構造的に起きなくなります。

チーム展開

スキルを共有すれば、メンバーが同じ水準で業務を回せるようになります。新メンバーのオンボーディングコストも下がり、属人化していたノウハウがチームの資産に変わります。 .claude/skills/ にSKILL.mdを置くと、Claude Codeがスラッシュコマンドとして認識します。

記事制作4工程スキルの実装例

記事制作では、調査・構成・執筆・リライトの4工程をそれぞれ独立したスキルとして定義し、順番に走らせるフローを構築しています。各工程の出力が次の入力に自動で流れるため、途中でデータを手動で移す必要がありません。

工程1: /seo-query-research（クエリ調査）

対象キーワードの検索意図、ユーザーの悩み、上位5サイトの分析、関連ロングテールの抽出を行います。Web検索で実際の上位コンテンツを読み取り、客観データに基づく調査レポートにまとめます。

工程2: /seo-structure（構成案作成）

調査結果をもとに、上位記事との差別化戦略を立て、H2を5〜8個、H3を必要に応じて配置した見出し構成を出力します。各セクションに「含めるべき情報」「使う事例」「図表の提案」が付くので、執筆がそのまま始められます。

工程3: /seo-writing（記事執筆）

構成案に沿って10,000文字を目安に書き上げます。スキル内に文章表現のルール——段落は3〜4文で150文字程度、箇条書きの1項目は160文字以内、見出し直下には100文字のリード文を必ず入れる——が細かく定義されており、品質がブレません。

工程4: /seo-rewrite（リライト）

AI生成文章のクセ（テンプレ感、記号の多用、安全クッション表現）を除去し、人が書いたと感じる文体に全面書き直しします。20項目以上の厳守ルールに従い、BtoB記事としてのトンマナに仕上げます。 4工程を1セッション内で連続実行すると、調査→構成→執筆→リライトのデータが自動で引き継がれます。手動でのコピー&ペーストは一切ありません。

分析系スキルの実装例

記事を書くだけがSEO業務ではありません。冒頭で触れた「ネクストアクションの整理」を自動化するスキルも実装しています。 /seo-recovery-plan は、冒頭で紹介したリカバリープラン作成の具体的なスキル実装です。スキルMDには、Ahrefsのどのエンドポイントをどの順番で叩くか、優先度の判定ロジック（検索Vol × 現在順位のマトリクス）、出力フォーマット（Executive Summary → 詳細分析の2段構成）がすべて定義されています。同じスキルをチームメンバーが実行しても、同一品質のプランが出力される点がスキル化の最大の価値です。 /seo-change-briefは公開済みの記事URLを渡すと、リライトの変更指示書を生成するスキル。現状の数値評価→検出された問題点→具体的な修正指示（タイトル案、追加セクション、削除推奨箇所）という流れで出力され、そのままライターに渡せる形式になっています。

実践ワークフロー — キーワード調査から効果測定まで

構築した基盤の上で、日々のSEO業務がどう動くか。時系列で追います。

キーワード調査

実際の業務で最も使用頻度が高い「新規記事のキーワード選定」を例に、基盤がどう動くかを見ていきます。ターミナルでコマンドを1行打つところからスタートです。

/seo-query-research SaaS管理ツール比較

Web検索で上位10件を分析し、検索意図（比較検討型）、ユーザーの悩み（ツールが多すぎて選べない、導入コストが見えない）、上位記事がカバーしている範囲を抽出します。 Ahrefs MCPが接続されている環境なら、検索ボリューム、KD、CPC、関連キーワードの定量データが重なります。定性的な洞察と定量データの掛け合わせで、キーワード選定の精度が一段上がります。

記事制作

キーワードが決まったら、セッションを切り替えずそのまま構成→執筆→リライトへ進みます。セッションを維持することで、調査フェーズの知見がすべて引き継がれる点が大きなメリットです。

/seo-structure SaaS管理ツール比較 /seo-writing SaaS管理ツール比較 /seo-rewrite

4工程を通した所要時間は、テーマにもよりますが10,000文字の記事で30分〜1時間。同じ品質を手作業で仕上げると2〜3日かかることを考えれば、かなりの短縮です。

効果測定・改善

記事は公開して終わりではなく、公開後のデータ計測と改善サイクルこそがSEO成果を左右します。GSCデータを使った定点観測の流れを見てみましょう。公開1ヶ月・3ヶ月の時点でクリック数、表示回数、平均順位、CTRの推移を確認し、目標に届いていない記事や、表示の割にCTRが低い記事を洗い出します。サイト全体のトラフィックが下降傾向にあるなら `/seo-recovery-plan` で一括分析。どの記事を、どの優先度で、どう直すべきかがデータに基づいて整理されたプランとして出てきます。月次レポートもClaude Code上で回せます。GSCとAhrefsのデータを統合し、主要KPIの推移、順位変動キーワード、新規獲得キーワードをまとめたレポートの自動生成が可能です。

導入時のつまずきポイントと対策

構築の過程でつまずきやすいのは、MCP接続のエラー、CLAUDE.mdの情報不足、Ahrefsデータの単位変換の3点です。いずれも原因と対処法を事前に知っておけば簡単に回避できます。

MCP接続エラー

Ahrefs MCPで最も多いトラブルは、APIキーの期限切れとレートリミット超過の2つです。 APIキーはAhrefsの管理画面から有効期限を確認し、定期的に更新してください。キーが失効していると、Claude Codeがデータを取得しようとした時点でエラーが返ります。レートリミットについては、短時間に大量のクエリを投げると制限に引っかかるため、大量取得時はリクエストを順次実行で分散するのが安全です。

Ahrefsの金額データの単位変換

Ahrefsが返すtraffic_valueなどの金額データは、USDセント単位です。235,000と表示されたら実際は2,350 USDになります。この変換を毎回手動で行うのは手間なので、CLAUDE.mdに「Ahrefsの金額データはUSDセント単位。表示時は100で割ってUSD換算する」と書いておきましょう。Claude Codeが自動で換算して表示するようになります。

CLAUDE.mdのコンテキスト不足

スキルを走らせても期待どおりの出力にならない場合、CLAUDE.mdに書かれた情報が足りていないことが大半です。たとえばクライアント固有の専門用語やNG表現が未記載だと、Claude Codeは一般的な表現で出力してしまいます。業界特有の言い回し、競合企業名、ターゲットペルソナの属性など、判断に必要な情報はCLAUDE.mdに明記しておく必要があります。出力の質が低いと感じたら、まずCLAUDE.mdの情報量を疑ってください。

コスト管理の考え方

導入を検討する上で避けて通れないのがコストの話です。Claude CodeはAnthropic APIの従量課金で動くため、使い方次第で月額が大きく変わります。実運用でのコスト感を共有します。モデルの使い分けがポイントです。ファイル検索やフォーマット変換にはHaiku（最安）、記事生成・分析にはSonnet（中程度）、戦略立案や設計判断にはOpus（最高）を割り当てれば、品質を落とさずコストを抑えられます。実務の目安として、10,000文字の記事を4工程で制作する場合、Sonnetベースで数百円〜1,000円程度。手作業の人件費と比べれば、コストパフォーマンスは十分です。

まとめ

Claude CodeによるSEO分析基盤は、CLAUDE.md + WebSearchの最小構成から始め、Ahrefs MCP、GSC、スキルを段階的に追加していくことで、1ヶ月程度で運用に乗せることができます。ツールの使い方を覚えるのではなく、自分のワークフローに合わせてClaude Codeを設計する——この視点の転換が、AI活用で成果を分ける境目です。 malna株式会社では、SEO戦略の設計からClaude Code等のAIツールを活用した分析基盤の構築、コンテンツ制作、効果測定まで、一気通貫でのマーケティング支援を行っています。「SEO施策の優先度の付け方がわからない」「社内にSEO分析の仕組みを作りたいが何から手をつけるべきか迷っている」という方は、無料相談にてお気軽にお問い合わせください。現在の課題をヒアリングしたうえで、最適な施策プランをご提案します。本記事で紹介したCLAUDE.mdのサンプル、SEOスキル一式、ディレクトリ構成のテンプレートはGitHubリポジトリで公開しています。クローンまたはダウンロードして、自社の環境に合わせてカスタマイズしてください。

SEO会社のおすすめ19選！選び方や注意点なども解説

コンテンツマーケティング代行おすすめ15選！選び方やメリットなどを解説

ChatGPTファインチューニングとは？仕組みややり方・コストなどを1から徹底解説

ml-dev — Mon, 28 Apr 2025 08:08:14 +0000

ChatGPTを業務に活用する中で、「プロンプトの工夫だけでは、回答に限界を感じる」と感じている方も多いのではないでしょうか。より業務や自社の目的に沿った回答を得ることができれば、生成AIの効果を最大限に活用でき、自社の生産性はさらに向上します。このようなニーズに応える手段として注目されているのが、「ファインチューニング」です。既存のChatGPTモデルに対し、企業独自のデータを用いて再学習を行うことで、自社の業務に特化したAIを構築できます。とはいえ、導入のハードルが高そう、具体的な費用感が分からない、本当に成果が出るのかなどの不安を抱えている方も多いと思います。本記事では、初心者でも理解しやすいように、ChatGPTのファインチューニングの仕組み・やり方・費用・成功事例までをまとめてご紹介します。

ChatGPTのファインチューニングとは？

ChatGPTのファインチューニングとは、既存のChatGPTモデルに、自社の業務や目的に特化した追加学習を行うことを意味します。これにより、特定のドメイン知識や文体、応答傾向をAIに覚えさせ、より自社の業務に特化した回答を得ることができます。

プロンプトエンジニアリングとの違い

プロンプトエンジニアリングは、AIからの回答をより効果的なものにするためにAIに与える指示（プロンプト）を工夫することを指します。一方ファインチューニングでは、モデルそのものを再学習させるため、プロンプトエンジニアリングだけでは実現しづらい”高度な応答”ができるようになります。たとえば、社内の用語やサービス特有の文脈を含むQAを正確に行いたい場合には、ファインチューニングを行うと良いでしょう。

なぜファインチューニングが注目されているのか

近年、企業では「汎用AI」から「業務特化AI」への移行が加速しています。社内ドキュメントや業務の詳細、FAQなどをAIに学習させることで、顧客対応や業務自動化における質の向上と効率化の両方を実現することができます。この流れの中で、ファインチューニングはコストパフォーマンスが高い方法として、現場の注目を集めているのです。ファインチューニングの必要性について、以下の記事も合わせて参考にしてください。なぜ生成AIが書いた文章に違和感が生まれるのか？

ファインチューニングのメリットとデメリット

ファインチューニングには数多くのメリットがありますが、同時にデメリットも存在します。ここでは、その両面を整理してご紹介します。

メリット

ファインチューニングは、汎用モデルでは対応しきれなかった自社特有の課題にも柔軟に対応でき、実務レベルでの精度と効率を引き上げてくれるとても画期的なAIの活用法です。ここでは、その具体的なメリットを解説します。

自社の業務に特化したAIを作れる

ファインチューニングによって、社内のFAQ、業務マニュアル、対応ログなどを学習させることで、特定業種・職種に特化したAIをつくることができます。汎用モデルでは理解できなかった業界用語や社内ルールにも的確に対応でき、まるで専任スタッフのような精度の高い対応が可能となります。

プロンプトの簡略化が可能

ファインチューニングされたモデルは、文脈や背景をすでに理解しているため、複雑なプロンプトを用意しなくてもシンプルな指示で得たい回答を得ることができます。例えば、「商品説明を書いて」といった抽象的な指示でも、学習済みのルールに従って質の高い出力が得られるので、AIの知識が豊富でなくてもAIを使いこなせるようになります。

長文や複雑なデータに強くなる

複雑な条件がある場合や例外の多い業務対応でも、ファインチューニングされたモデルであれば一貫した出力が可能になります。たとえば、製造業の工程管理や法務対応のような複数の要件を踏まえる場面でも、整合性のある判断や回答を返せるため、AIを業務に使える幅が広くなります。

応答精度の向上

モデルが企業固有の表現や回答パターンを学習しているため、類似質問にも高い再現性をもった回答が可能になります。そのため、チャットボットやヘルプデスクといった顧客サポートと相性が良く、CS(顧客満足度)の向上にも繋がります。

APIコストの削減

ファインチューニングにより、プロンプトが短くても高精度な応答が可能になるため、従来よりも少ないトークン数でやり取りが完結し、API利用料金（従量課金制）の削減につながります。特に高頻度でAPIを呼び出すチャットボットや自動化システムにおいては、月単位での大幅なコスト削減が期待できます。

デメリット

ファインチューニングには、多くのメリットがある一方でデメリットも存在します。導入の前に以下のデメリットがあることをしっかりと把握しておきましょう。

高度なデータ準備が必要

ファインチューニングの精度は、与えるデータの質に大きく左右されます。社内ドキュメントをそのまま使うとChatGPTの誤学習の原因となるため、不要な情報の削除、フォーマット統一、文体の調整などといった前処理作業が必要になります。初期段階では自社だけで行うのはかなり高度で、専門的な知識と十分なリソースが必要になります。弊社のAIサポートでは、ファインチューニングのサポートも行っております。ぜひお気軽にご相談ください。

エンジニアリングスキルが求められる

モデルの学習やAPI設定には、Pythonやコマンドラインツールの操作が必要です。また、データの構文エラーや学習ログの管理、トラブル対応にも一定の知識が必要となるため、実装の際は、エンジニアをチームに入れた方が良いでしょう。【e仕事エンジニア】エンジニア向けの求人メディア｜日研トータルソーシング

費用がやや高め

ファインチューニングはトークン単位の従量課金制であるため、データ量が多かったり学習回数が多いとコストがかさみます。加えて、実運用中も応答ごとに推論コストが発生するため、プロジェクト単位ではなく「運用全体の費用設計」が重要になります。実装する際には、費用対効果のシミュレーションを行うことが大切です。

継続的な更新が必要

モデルは学習時点の情報に基づいて動作するため、社内ルールや商品仕様、法改正などの変更には対応できません。そのため、定期的なデータ更新と再学習を行う必要があります。放置すれば間違った回答を行ってしまうため、顧客サポートの場面では、クレームにつながってしまうケースもあります。

誤学習・偏った回答のリスクがある

不適切なデータや偏った見方を含んだ内容で学習を行うと、AIはそれを正しい情報として処理してしまいます。特定部署の表現や一部の事例に偏った情報を学習させると、全社対応のAIとしては不適切な応答を返す可能性があり、企業ブランドや業務品質への悪影響につながる恐れがあります。

ファインチューニングの具体的な手順

このセクションでは、ファインチューニングの具体的な手順について説明します。

必要な準備（APIキー、環境構築など）

まず、OpenAIのアカウントを取得し、管理画面からAPIキーを発行します。続いて、学習用スクリプトやCLI（コマンドラインインターフェース）を実行するための開発環境を整えます。Pythonが使えるローカル環境やGoogle Colabなどを活用するのが一般的です。

APIキーの取得の仕方

OpenAIのプラットフォームにアクセスし、左下のAPIキーを選択します。次に、緑色の「新しい秘密鍵を作成する」のボタンを押します。最後に名前とプロジェクトを記入すれば、APIキーを簡単に取得できます。取得したAPIキーはコピーで入手できます。

必要なツール・ライブラリ例
- Python 3.8 以上
- openai ライブラリ（pip install openai）
- JSONL形式の学習データ（後述）
- OpenAI CLI（npm または brew でインストール可）

データセットの構成と作成のポイント

ファインチューニングには、AIに学んでほしい会話例（質問と答え）を記載したファイルが必要です。このファイルは JSONL形式という形式にする必要があります。1行ごとに1つの会話を記述します。以下がその例です。これを数百〜数千行分用意します。内容は、よくある質問、問い合わせ、社内用語など、目的に応じた内容を含めてください。 【作成時のポイント】

約数百〜数千件を用意すると安定した学習効果が得られる
ユーザーとアシスタントの対話構造を厳密に記述
同じテーマの多様なパターンを含めることで再現性が高まる
フォーマットエラーを防ぐため、事前に構文チェックを行う

学習～結果確認までの流れ

以下の手順でファインチューニングを進めます。

1.ファイルのアップロード

2.ファインチューニングの実行

3.学習の進捗確認（ログのモニタリング）

4.完了後のモデル確認とテスト

新しいファインチューニング済みモデルIDが発行されるため、それを使ってAPI経由で出力のテストを行います。

5.本番運用

完成したモデルIDを活用して、チャットボットや社内システムなどに統合したら完成です。

実践事例：ChatGPTファインチューニングの成功例3選

医療分野で活用 |患者に説明する時間を約30%削減

出典：大阪国際がんセンター医療分野でもファインチューニングを活用し、成功した事例があります。大阪国際がんセンターでは、乳がん患者向けに対話型説明AIを導入しました。患者の質問に正確に回答してくれ、今までかかっていた患者に対する説明時間を約30%短縮しました。また、退院時の文章を自動作成するシステムは、今まで医師が掛かっていた文書作成時間を約67%削減し、全国の23件の病院で導入が進められています。参照：生成AIのファインチューニング：産業応用の最前線 | 株式会社ProofX

製造業で活用 | 異常検知や予知保全で大幅な効率化

出典：富士電機製造業では、異常検知や予知保全においてファインチューニングが活用されています。大手電気メーカーの富士電機では、LSTMネットワークと時系列データ解析を組み合わせ、故障予測精度92%を達成しました。また、これにより、メンテナンスコストを30%も削減できました。参照：生成AIのファインチューニング：産業応用の最前線 | 株式会社ProofX

小売業 | AIによる需要予測で廃棄ロスを約30%削減

出典：スーパーマーケット　ライフのホームページ日本の大手スーパーマーケットのライフでは、全店舗の生鮮部門発注に AI 需要予測による発注自動化サービス「AI-Order Foresight」を導入し、廃棄ロスを約30%ほど、そして発注作業時間を50%以上削減しています。元々は、日配品に対して導入されていたものですが、生鮮部門の発注にも適用されるなど、その幅を拡大しつつあります。また、アメリカの大手スーパーマーケットのウォルマートでも、需要予測モデルを店舗別にファインチューニングし、在庫過剰を40%も削減することに成功した事例があります。参照：生成AIのファインチューニング：産業応用の最前線 | 株式会社ProofX

ファインチューニングのコストと料金体系

本セクションでは、ファインチューニングのコストについて解説していきます。かかるコストをしっかりと理解し、費用対効果を考えましょう。

gpt-3.5-turbo等モデル別の価格比較

OpenAIの提供する主要モデルの価格は以下の通りです。（2024年時点）

学習・推論におけるトークンコストの仕組み

ファインチューニングでは、データの「トークン数」に応じて料金が発生します。1Kトークン＝約750単語相当です。たとえば10万トークンを10回学習した場合、学習コストだけで約$8〜10かかります。推論時も入力と出力の合計トークンに応じて従量課金されます。

実際にかかる開発費・保守費の例

ファインチューニングの実施に伴う費用は、APIの利用料金に加えて開発・運用体制によって変動します。たとえば、gpt-3.5-turboモデルで10万トークンの学習を10エポック実施した場合、学習部分のAPIコストは10ドル前後で済みます。しかし、実際のプロジェクトでは以下のようなコストが発生します。

開発の設計・実装にかかる社内人件費または外注費（PoC実施で20万～100万円が一般的）
学習や検証時の再学習に伴う追加API利用料（1回あたり10～30ドル）
運用フェーズでのAPI呼び出しコスト（月数千～数万リクエストで50〜300ドル程度）
年1〜2回のモデル更新費用（都度10〜100ドル程度）

こうした費用を踏まえても、人的リソースの削減効果や応答精度向上のインパクトを考えれば、中長期的な投資効果は十分に見込めます。

費用対効果を高めるための工夫

ファインチューニングの費用対効果を高めるためには、事前の戦略設計が欠かせません。特に、導入初期から「すべてを自動化しよう」とせず、よくある定型業務やFAQ対応など、成果が見えやすい領域から導入していくことが重要です。加えて、コスト削減と運用効率を両立させるためには以下の工夫が有効です。

高精度だが高額なモデルより、gpt-3.5-turboなどのコスパに優れたモデルを選ぶ
学習データは最大量を目指さず、代表的なケースを厳選して品質を担保する
トークン節約のために、プロンプトや応答文を簡潔に設計する
モデル更新はフル再学習ではなく、差分更新方式を活用して効率化する

このように設計から運用までを戦略的に実施することで、成果を最大化できます。

導入前に知っておくべき注意点と失敗しやすいポイント

導入前に注意点や失敗しやすいポイントを抑えておくだけで成功の確率がかなり上がります。以下のポイントをしっかりと押さえておきましょう。

失敗しやすいポイント

ファインチューニングはとても効果的なAIの活用法である一方、準備や設計を誤ると十分な効果を発揮できません。ここでは、初心者が特に注意すべき代表的な失敗例を整理します。

データ量不足

ファインチューニングの効果は、投入する学習データの「質」と「量」に大きく依存します。最低でも1,000件以上の対話例が望ましく、業務で頻出する問い合わせや会話パターンはできる限り網羅すべきです。少数の例だけでは、モデルが知識を十分に学習できず、逆に回答精度が低下するケースもあります。まずはよく使われるQ&Aを抽出し、それらを優先的に整備するのがおすすめです。

フォーマットミス

ファインチューニング用のデータは、JSONL形式（1行1JSON）で正確に作成する必要があります。カンマの入れ忘れ、クォーテーションの不統一、エスケープ文字の誤りなど、細かいフォーマットエラーが1行でもあると、学習全体が中断されることがあります。特に、Excelなどから手動でコピー＆ペーストしたデータはエラーが起きやすいため、CLIでの事前検証を必ず実施しましょう。

偏った情報の出力

学習データが一部の業務部門や文体に偏っていると、ファインチューニング後のAIはその偏りをそのまま再現してしまいます。例えば、特定部署の用語や表現が強調されたデータだけで学習すると、他部署の利用者にとっては使いづらいモデルになります。部署やユースケースごとにバランスの取れたデータセットを作成し、多様な視点を網羅することが重要です。

チーム内での運用体制の整備

ファインチューニングは技術的な実装だけでなく、継続的な運用設計が成功の秘訣です。具体的には以下のような体制整備が必要です。

データ担当 社内文書や対応ログを収集し、整理・整形する役割。
実装担当 OpenAI CLIやAPI操作を通じてファインチューニング処理を行うエンジニア。
評価・テスト担当 モデルの応答精度を定期的に確認し、再学習の必要性を判断する役割。
業務代表者 業務フローに合っているかを最終的にチェック。

このような分担でレビューサイクルを構築することで、運用後も継続的に品質を保つことができます。しかし、実際に誰をどこに配置するのか悩まれる担当者も少なくないでしょう。malnaのAI導入サポートでは、AIの技術的な支援だけでなく、このような体制の整備まで一から丁寧に行います。興味のある方は一度お問い合わせください。

セキュリティとデータ管理の注意点

ファインチューニングに使用するデータには、顧客情報、契約内容、機密事項などが含まれる可能性があります。誤って個人情報を含んだままアップロードしてしまうと、情報漏洩や社内規定違反のリスクを伴います。安全な運用のために、以下の点に留意してください。

個人情報・機密情報の削除またはマスキング 氏名・住所・電話番号などは除外するか、置き換え表記に変換して学習データに含める。
ファイルアクセス管理 学習データの編集・閲覧権限は最小限に限定する。
通信の暗号化とログの監査 API経由の通信はHTTPSを利用し、社内でもログの保存・監査体制を整備する。
利用規約・契約の確認 OpenAIのデータ利用ポリシーやAPIの利用規約を事前に確認し、自社のコンプライアンスに適合しているか確認する。

特に個人情報保護法や業界ごとの法令が適用される場合は、法務部門とも連携した導入が求められます。

まとめ

ChatGPTのファインチューニングは、企業の業務に特化した“自社専用AI”をつくるとても有効な手段です。FAQ対応の自動化、マニュアル業務の効率化、顧客対応の精度向上など、さまざまな領域で活用のメリットがあります。しかしその一方で、誤った方法で導入を進めると、フォーマットエラーや学習データの偏り、セキュリティ面の不備といったデメリットももたらします。特に、誤った情報の学習や情報漏洩が発生した場合、顧客からの信頼を大きく失う恐れもあるため、慎重な設計と運用が求められます。 ChatGPTのファインチューニングは、貴社の業務を飛躍的に効率化する可能性を秘めていますが、「導入のハードルが高そう」「失敗なく進めたい」と感じる方もいらっしゃるかもしれません。弊社では、ChatGPTをはじめとする生成AIの導入支援から社内運用体制の構築まで、一貫したサポートを提供しています。大手企業への導入経験もあるコンサルタントが、事前ヒアリングから運用設計まで丁寧に伴走いたします。貴社がファインチューニングの効果を最大限に活用できるよう、着実な成果を積み上げるお手伝いをいたします。まずはお気軽にご相談ください。

使えないと非効率的！社会人なら知っておきたい ChatGPTを使ったExcel・スプレッドシートの自動化

ml-dev — Sat, 05 Apr 2025 14:46:42 +0000

はじめに

本稿はChatGPTを使いながら、どのようにしてExcelとスプレッドシートの自動化を行うのかについて解説しています。 Excelとスプレッドシートは社会人になると必須のビジネスツールですが、自動化できている人は少ないと思います。日々の業務の中で同じことを繰り返していたり、自動化できたりすることが沢山あり、これらを自動化できれば、時間が生まれてより他のタスクに時間を割けるようになるでしょう。幸いにも現在は生成AIの進化が目覚ましく、プログラミングの知識が一切なくても自動化できるようになりました。この記事が少しでもお役立てできれば幸いです。

VBAとGASとは

VBAとGASはプログラミング言語の一つです。

VBAとは

VBAとは正式名称がVisual Basic for Applicationsで、Microsoft Officeのアプリケーションの機能を拡張できるプログラミング言語です。これを使うことにより、Excelのマクロ機能が使えます。実際、マクロ機能はVBAを使わずとも使用できますが、VBAを使った方がより柔軟で複雑なマクロ機能を使えるようになります。

マクロ機能とは

一般にマクロ機能とは、アプリケーションソフト上で操作手順を記録して、複数の手順をまとめて一度に自動実行できる機能です。特にExcelに関して言えば、何度も行うような作業(セルの大きさを揃える、セル内の文字の色を変える、セル内の文字のサイズを変えるなど)をまとめて一度に自動実行できます。マクロ機能を柔軟に使えるようになり自動化ができれば、日々のExcel業務の負担を大幅に減らすことが可能です。

GASとは

GASとは正式名称がGoogle Apps Scriptで、Googleのサービス（Gmail、Googleスプレッドシートなど）と連携して、業務の自動化や拡張機能を実現できます。スプレッドシートにはマクロ機能と明確に呼ばれているものはなく、GASを書いて実行するだけでマクロのようなことを実現できるので、先のVBAより取っ付きやすいです。スプレッドシートに限ったことではないですが、Googleサービスはインターネット環境で保存されるので、どのデバイスであっても同じスプレッドシートにアクセスできます。もちろん、GASもネット環境にさえいれば編集できます。ここはExcelとは大きく異なるスプレッドシートの利点です。

業務の効率化を目指すなら、malna株式会社へ

VBA、GASの概要について解説いたしましたが、「実際に自社で活用できるのか？」「導入にあたって何が必要なのか？」と不安に感じる方も多いのではないでしょうか？ malna株式会社では、生成AIの専門家が、貴社の実現したい内容を基に、最適なAI導入のご提案とサポートを提供しております。

社内でも生産性が30％アップした実例をもとに、AI活用のノウハウを提供
テクノロジー/マーケティング視点を持った専門家が直接支援
AIの導入/定着まで一気通貫でご支援

まずは無料相談にて、社内導入の流れや貴社の現在のお悩み等、お気軽にご相談ください。

VBAとGASでできること

VBAとGASでできることは、先に説明したようにマクロ機能で何ができるかということと同義です。以下ではマクロ機能で何ができるのかを詳しく説明します。平たく言ってしまえば、マクロ機能はなんでもできます。ただ、なんでもできますと言っても実感が湧かないと思いますので、特にExcelやスプレッドシートでめんどくさい業務が改善される例を紹介します。

例１：同じもの(または一致しないもの)を探す

別々のシートに顧客データが入っているとします。一方は代官山店の顧客データで、もう一方は恵比寿店の顧客データとします。そこで、二つの店舗の共通顧客を見つけたいと思った時、手作業で逐一確認するのは大変ですよね。顧客データが100名程度なら頑張ればできますが、1000名またはそれ以上では人間では不可能です。そこでマクロ機能を使えば、２店舗の共通顧客を割り出して新しいシートに書き出すことができます。

例２：毎月の売上報告書を作成

毎月の売上データをコピー＆ペーストして、ピボットテーブルを作成。そして、見やすいようにグラフも作成して、PDFで出力。そして上司にメールで送信。これもマクロ機能を使えば、ワンクリックで完了します。さらに、手作業で行うコピー＆ペーストはミスする可能性を伴いますが、マクロ機能であればそういったミスは起こりません。

例３：Webからのデータ取り込みとデータの整形

例えば、Webから為替や株価を手動でコピーして、Excelやスプレッドシートに貼り付け、それを分析できるように整えてピボットテーブル等で分析する。このような業務も一々ブラウザとExcelを行き来したり、コピーミスがあったりと手作業では大変かつ集中力が必要です。これも、マクロを使えばWebからの情報取得とデータの整形までをワンクリックで行うことができます。

ChatGPTを使ったコードの書き方

ChatGPTに依頼する文章のことをプロンプトと言います。VBAでもGASでもプロンプトの書き方は大きく変わりません。以下のように書きます。まず、VBA(またはGAS)を書いてください。と依頼してください。続いて、実現したいマクロの内容をできるだけ詳細に記述します。ここでの注意点は、どこにどのデータが入っていて、どこにどのデータを出力したいのかを詳しく書くことです。具体的には「B列に顧客の名前、C列に顧客の住所、D列に顧客のメールアドレスが入っています。…。新しいシートのA１に出力してください」のように書きます。列、行、そしてシート名まできちんと書いてあげると、良いコードが得られやすいです。列や行、シート名を書かないと、ChatGPTは一般的なシートに沿ってコードを出力するので、それを貼り付けてもうまく行かないことがほとんどです。また、プロンプト全般に言えることですが、それやこれなどの指示語は多用せず、極力具体化すると良いコードが得やすいです。こうして、コードが得られたら下記に書くやり方に従って、コードを実行します。実際一度でうまく行くケースは稀で、何度もChatGPTと対話を重ねて要望にあったコードにしていきます。この際も、極力具体化して伝えることは必須です。

VBAの使い方

ステップ１：Excel上に開発タブを表示させる

Excelの設定等をいじらず、デフォルトの状態で使用している場合、Excelの上部にあるメニューバーに左から“ホーム”、“挿入”、“描画”と続いてると思いますが、そこに“開発”を表示させます。 MacOSではExcelを表示していると画面の一番上に左から“Appleマーク”、“Excel”と並んでいます。その“Excel”をクリックして、“環境設定”をクリックしてください。するとポップアップ画面が表示されます。その中の“リボンとツールバー”をクリックします。右側の“リボンのカスタマイズ”を下にスクロールすれば、”開発”があるのでチェックボックスにチェックを入れてください。これで最初の画面に戻れば、“開発”が表示されているはずです。

ステップ２：コードの記入

“開発”をクリックすれば、左側に“Visual Basic”があります。それをクリックすると、新しいポップアップ画面が表示されます。ポップ画面の名前は“Microsoft Visual Basic”です。青枠の中にExcelのシートが並んでいます。そのうちマクロ機能を使いたいシートを右クリックします。そして、挿入をクリックし、標準モジュールをクリックすると、コードを入力できる画面が表示されるので、そこにChatGPTが出力したコードをペーストすれば完了です。最後に赤枠で囲まれた再生ボタンを押せばコードが実行されます。このとき、注意点が2つあります。

マクロ機能で実行した操作については戻るボタンで戻ることができない不可逆的な操作です。
マクロ機能を使うと、Excelの保存形式が変わります。普通は.xlsxですがマクロを使用すると.xlsmに変わります。保存する際に注意画面が出るので、それに従えば大丈夫です。

GASの使い方

GASコードの実行の仕方を解説します。マクロ機能を実行したいスプレッドシートを開きます。画面上部に左から“ファイル”、“編集”、“表示”、“挿入”と続いて、“拡張機能”があります。その拡張機能の中の“App Script”をクリックすると、新しいタブが開きます。こちらはVBAのような細かい操作をすることなくコード入力画面になっています。すでに書かれているコードをすべて消して、ChatGPTの出力結果をペーストすれば完了です。 GASではコードの保存が必須です。保存した後にコードを実行してください。最後に一つ大きな注意点があります。コードを実行する際に、Googleのログイン等を求められる場合があります。その中に、途中でセキュリティ的に安全ではない可能性がありますと警告が出ます。その際、画面上の目立つボタンをクリックしてしまうとコードが実行できないので、画面左下の小さく書かれている“安全ではないことを承認します”というような内容のボタンをクリックしてください。

メリット

このメリットは2つあります。

プログラミングの知識が不要

ChatGPTにコードを書いてもらっているため、プログラミングの知識が一切不要です。新しく勉強することなくプログラミングが使えます。

チャット形式で対話しながら逐一進められる

コードを実行してみて納得のいかないところがあれば、ChatGPTに言えば改良したコードを改めて出力してくれます。

注意点

生成されたコードが自分のニーズに100%マッチしているとは限らない

これについてはメリットとも被りますが、ChatGPTが出力したコードが正しいものとは限らないので、自分でどのような操作が行われたのか確認しなければなりません。

情報の流出を防ぐ必要がある

先ほど、プロンプトはできるだけ具体的に書いた方が良いと書きました。しかし、具体的に書きすぎるあまりデータの内容までプロンプトに含めてしまうと、最悪の場合情報漏洩につながってしまう可能性があります。

まとめ

適切にChatGPTを使い、マクロ機能を自由自在に使えるようになれば業務を効率化できることは間違いありません。最初は取っつきづらいかもしれませんが、慣れれば、毎日使うようになると思います。

業務自動化をさらに加速したいなら、malna株式会社へ

ChatGPTを活用して、VBA、GASの機能を活かす具体的な方法にいて解説しましたが、AIは他にも様々なところで活用することができ、業務の効率化を図ることができます。 malna株式会社では、生成AIの専門家が、貴社の実現したい内容を基に、最適なAI導入のご提案とご支援を行っております。

社内でも生産性が30％アップした実例をもとに、AI活用のノウハウを提供
テクノロジー/マーケティング視点を持った専門家が直接支援
AIの導入/定着まで一気通貫でご支援

まずは無料相談にて、社内導入の流れや貴社の現在のお悩み疑問等、お気軽にご相談ください。

カスタムGPT(GPTs)とは？活用事例・設定方法を解説！

ml-dev — Sat, 05 Apr 2025 14:44:37 +0000

生成AIの活用が広がる中、ChatGPTを業務に導入する企業も増えています。しかし、業務への活用の幅が広がる一方で、ChatGPTをうまく使いこなせず、かえって作業の手間が増えたり、期待した成果が得られなかったりするケースもあるようです。例えば、社内向けのマニュアルや提案資料を作成する際、「〇〇のルールに従って」「このトーンで」といった指示を毎回入力しなければならず、作業のたびに手間をかけてしまうというケースがあります。業務でChatGPTを活用するほど、このような入力作業が増え、時間のロスにつながります。他にも、成果物のクオリティが安定しないというケースがあります。標準のChatGPTでは、過去のやり取りを学習しないため、都度ゼロから指示を出さなければなりません。マーケティング資料などを作成する際、担当者ごとに表現が異なってしまうと、細かな言葉遣いや専門知識の統一が難しくなり、成果物のクオリティが安定しないという問題が発生します。こうした負担を軽減し、業務の精度や効率を向上させる手段の一つが、カスタムGPT(GPTs)です。 ※以下、GPTsとします。本記事では、その導入によるメリットや活用のポイントについて詳しく解説していきます。業務効率が大幅に上がるはずですので、ぜひ参考にしてください。

GPTsとは

まずは、GPTsとは何なのかを詳しく解説します。概要を把握されている方は、導入するメリットまで飛んでいただいても構いません。

GPTsの概要

GPTsとは、特定の用途や目的に応じてカスタマイズされた、オリジナルのChatGPTのことです。プログラミングの知識がなくても、日本語で指示を出すだけで簡単に作成できる点が最大の特徴です。例えば、業務効率化を目的としたGPTsや、語学学習を支援するGPTsなど、さまざまな用途に適したバージョンを作成できます。従来のチャットボット開発には専門知識が必要でしたが、GPTsではプログラムを組む必要がなく、日本語で会話をするように設定を行うことができます。そのため、ビジネスシーンから個人の趣味まで、幅広い場面での活用が可能です。ただし、GPTsの作成には有料プランであるChatGPT PlusもしくはChatGPT Proへの加入が必要です。ChatGPT Plusは月額20ドル（約3,000円）で提供されており、このプランに加入することで、GPTsの作成・編集機能を利用できます。 ChatGPTの基本機能やモデルの違いについては、以下の記事を参考にしてください。 ChatGPTのモデル別の違いは？無料版から有料版まで利用シーン別に徹底解説

GPTsの公開と利用

GPTsは、公開することも、他社が公開したものを利用することもでき、企業や個人が専門知識を共有できる新しいビジネスプラットフォームとなっています。自社の業務ノウハウを組み込んだGPTsをGPT Storeで公開すれば、業界内での存在感を高めることができます。例えば、マーケティング会社が「広告文添削GPT」を公開し、広告コピーの最適化ノウハウを提供することで、専門性をアピールしながら潜在顧客とのタッチポイントを作れます。プレスリリースの校正、契約書のレビュー、営業メールの改善など、企業の専門性を具体的なサービスとして形にすることができます。一方で、業務に必要な専門GPTsを探して活用することも可能です。財務分析、リーガルチェック、セールスコピー作成、データ分析など、様々な専門分野のGPTsが既にストアで公開されています。例えば、中小企業のマーケティング担当者が「SEO最適化GPT」を利用してウェブコンテンツを改善したり、人事担当者が「面接質問生成GPT」を活用して採用プロセスを強化したりできます。

導入するメリット

GPTsを導入することで、様々なメリットがあります。ここでは特に、企業固有の専門知識を組み込んだ業務効率化と、ブランドの世界観に合わせたコミュニケーション一貫性の実現という点について解説します。

企業固有の専門知識を組み込んだ業務効率化

GPTsの最大の強みは、自社独自のデータや専門知識を組み込めることにあります。通常のChatGPTは一般的な知識しか持ちませんが、GPTsなら企業特有の情報を学習させることができます。例えば、社内の報告書や提案書のフォーマットやスタイルガイドをGPTsに学習させることで、文書作成の効率化と品質向上を同時に実現できます。新入社員が作成した文書をGPTsで添削すると、社内特有の言い回しや構成に合わせた具体的な修正提案が得られます。これにより上司の添削負担が軽減され、文書作成スキルの早期習得も促進されます。

ブランドの世界観に合わせたコミュニケーション一貫性の実現

例えば、企業のXアカウント運用において、ブランドの口調やコンセプトに合わせたGPTsを作成することで、投稿内容の最適化が可能になります。担当者が作成した素案をGPTsに送るだけで、自動的にアカウントのブランディングに沿った口調や表現に変換してくれます。これにより、どの担当者が下書きしても、一貫したブランドの世界観を維持したXポストが作成できるようになり、複数人での運用でもブランドイメージの統一性を保つことができます。 GPTsは、一般のChatGPTでは実現できない企業独自の知識や表現スタイルを活用できる点において、単なる効率化ツールを超えたビジネス価値を提供します。

自社に最適な生成AIを導入するなら、malna株式会社へ

GPTsの概要について解説いたしましたが、「実際に自社で活用できるのか？」「ほかにどのような機能があるのか？」とお考えの方も多いのではないでしょうか？ malna株式会社では、生成AIの専門家が、貴社の実現したい内容を基に、最適なAI導入のご提案とご支援を行っております。

社内でも生産性が30％アップした実例をもとに、AI活用のノウハウを提供
テクノロジー/マーケティング視点を持った専門家が直接支援
AIの導入/定着まで一気通貫でご支援

まずは無料相談にて、社内導入の流れや貴社の現在のお悩み等、お気軽にご相談ください。

設定手順

次に、GPTsの設定手順について説明します。約10分で完成させるのも可能なほど、簡単に生成できます。以下の手順に従って、自分に最適なGPTsを設定していきましょう。

GPT Plusへ登録

前述したように、GPTsの作成には、有料プランであるChatGPT Plusへの登録が必要です。ChatGPT Plusは月額20ドル（約3,000円）で提供されています。登録手順は以下の通りです。

OpenAIの公式サイトへアクセスする
ChatGPTにログインする（アカウントがない場合は新規作成）
「アップグレード」ボタンをクリックし、ChatGPT Plusのプランを選択
支払い情報を入力し、登録を完了させる

登録が完了すれば、カスタムGPTsを作成できるようになります。

プロンプトの準備

GPTsを作成する前に、どのような用途で使用するのかを明確にし、適切なプロンプト（指示文）を準備します。プロンプトの内容はGPTsの動作に大きく影響するため、できるだけ詳細に記述することが重要です。アイコンや名前などの情報を登録する前に、まずはプロンプトを詳細に決めておきましょう。例えば、マーケティング向けのGPTを作成する場合は、「企業のブランドガイドラインに沿った文章を作成する」「簡潔でわかりやすい表現を優先する」などの指示を含めると、意図した回答を生成しやすくなります。上手なプロンプトが思いつかないという方は、ぜひ記事の後半弊社の活用事例をご確認ください。弊社が実際に使用しているプロンプトについてご紹介しています。コピペして使うのもOKですので、ぜひご活用ください。

新規で作成

左側のメニューにある「GPTを探す」をクリックし、右上の「＋作成する」を選択します。その後、「構成」をクリックし、各項目に情報を入力していきます。

各情報については下記のように設定します。

アイコン

◯で囲まれた＋をクリックすると、独自のアイコンを設定できます。アイコンは視覚的な識別に役立つため、用途に合ったデザインを選びましょう。デフォルトのアイコンを使用することも可能ですが、オリジナルのアイコンを設定することで、より使いやすいGPTsになります。

名前

GPTsに名前をつけることで、用途に応じた識別がしやすくなります。例えば、「マーケティングサポートGPT」「法務アシスタントGPT」など、役割を明確にする名称を設定すると、使用時にわかりやすくなります。

プロンプト（指示）

準備したプロンプトを貼り付けましょう。

その他

その他の項目については、以下の通りです。

会話のきっかけ

この項目は、GPTsとの会話をスムーズに始めるための「初期プロンプト」に相当します。ユーザーがGPTを利用する際、最初にどのような言葉でやり取りを開始するかを決めることができます。例えば、カスタマーサポート用のGPTであれば、「お手伝いできることがあれば、お気軽にお知らせください。」のように設定することで、自然なやり取りを促すことが可能です。

知識（ファイルアップロード）

この項目では、GPTに特定の知識を持たせるために、PDFやテキストファイルなどをアップロードすることができます。アップロードしたファイルの内容はGPTの回答に反映されるため、企業の内部資料やマニュアル、製品仕様書などを登録することで、より正確な情報を提供できるようになります。たとえば、法務関連のGPTを作成する場合、会社の法務規定や契約書のテンプレートをアップロードすれば、より専門的で正確な回答が可能になります。

機能

GPTsには、いくつかの追加機能を有効化するオプションがあります。

ウェブ検索 このオプションを有効にすると、GPTがリアルタイムでインターネット検索を行い、最新の情報を取得することができます。通常のGPTはトレーニングデータが一定時点までの情報に制限されていますが、ウェブ検索を有効にすることで、最新のニュースや市場動向などを把握しながら回答できるようになります。
キャンバス この機能の詳細は明示されていませんが、OpenAIの今後のアップデートで実装される可能性がある機能です。キャンバス機能は、視覚的な情報を表示するインターフェースや、チャートやダイアグラムを描画するツールとして利用される可能性があります。
DALLE 画像生成 このオプションを有効にすると、GPTが画像を生成するDALL・E（ダリ）機能を利用できます。ユーザーがテキストでリクエストを入力すると、それに基づいた画像を自動生成できます。例えば、「未来的な都市の風景を描いて」と入力すると、その内容に沿った画像が作成されます。マーケティング資料やデザインのアイデア出しなどに活用できます。
コードインタープリターとデータ分析 このオプションは、GPTがコードを実行したり、データ分析を行うための機能を有効化するものです。例えば、Pythonのコードを使った計算や、CSVファイルの解析などが可能になります。この機能はデータサイエンティストやエンジニア向けの強力なツールとなり、複雑なデータ処理を自動化することができます。

アクション（新しいアクションを作成する）

この項目では、GPTに対して特定のアクションをカスタマイズすることができます。例えば、特定のAPIと連携させて情報を取得したり、GPTの動作を特定のシステムに統合するためのカスタムアクションを設定できます。これにより、GPTsをより高度にカスタマイズし、業務に適した形で運用することが可能になります。

修正方法

作成したGPTsは、必要に応じて後から修正することも可能です。設定したプロンプトや登録情報を見直し、意図した動作と異なる場合は、適宜修正を行いましょう。修正は以下の手順で行えます。

作成したGPTsを選択→「∨」（メニューバー）をクリック→「GPT を編集する」をクリックします。
プロンプトや情報を変更し、保存
変更後の動作をテストし、意図通りの応答になっているか確認

特に、業務で使用するGPTsは、試行錯誤を重ねながら最適化することが重要です。一度設定した後も定期的に見直し、必要に応じてアップデートを行うことで、より精度の高いGPTsを作成できます。

弊社の活用事例

次に、弊社での活用事例をご紹介します。弊社では様々な業務にGPTsを活用していますが、ここでは頻繁に活用している「メールマガジンの修正」と「Xアカウントの投稿作成」について解説します。ぜひご参考にしてください。

メールマガジンの修正

弊社では、メールマガジンの修正作業にGPTsをフル活用しています。弊社では従来、メールマガジンの内容チェックには複数の担当者が関与し、誤字脱字やリンク設定の確認などに多くの時間が費やされていました。しかし、GPTsを導入したことで、これらのチェック作業が大幅に効率化されました。特に、GPTsには「最終チェック者」として厳しく添削を行うよう指示を与えており、誤字脱字の指摘はもちろん、文体の統一や不要な表現の削除、CTA（コール・トゥ・アクション）の最適化など、細部にわたるチェックが可能になっています。例えば、以下のような具体的なチェック項目を設定し、ミスの発生を防いでいます。

配信先リストや除外リストに誤りがないか
件名や配信時間が正しく設定されているか
文字リンクや画像リンクが正しく埋め込まれているか
誤字脱字、文法ミスの修正
文体の統一、読みやすさの向上
読者の関心を引く表現への改善

これにより、メールマガジンの精度が向上し、配信後の誤りの指摘が大幅に減少しました。また、最終チェックにかかる時間も短縮され、担当者の負担を軽減することができています。例えば、メールマガジンをこのGPTsに打ち込むと、このような結果が出力されます。

Xアカウントの投稿作成

弊社では、X（旧Twitter）の投稿作成にもGPTsを活用しています。以前は、担当者ごとに投稿のトーンが異なり、フォロワーに与える印象が統一されないという課題がありました。また、短い文章で効果的に伝えることが難しく、投稿の作成に時間がかかることも問題でした。そこでGPTsを導入し、「ブランドトーンを統一した投稿を作成する」という指示を与えることで、企業のスタイルに沿った投稿を自動で生成できるようになりました。これにより、どの担当者が投稿を作成しても、一貫性のあるメッセージを発信できるようになり、フォロワーの認識を統一できました。例えば弊社では、生成AIに関するXアカウントを運用していますが、GPTsはこのように活用しています。

プロンプトを生成する際のポイント

GPTsを作成する際、最も重要なのはプロンプト（指示文）の設計です。優れたプロンプトがあれば、GPTsは正確かつ一貫して期待通りの結果を出力します。文章添削のプロンプト例を参考に、効果的なプロンプト作成のポイントを解説します。

明確な役割設定をする プロンプトの冒頭で、GPTsが担う役割を明確に定義しましょう。「マーケティングの専門家」「法務アドバイザー」「SEOコンサルタント」など、具体的な役割を与えることで、GPTの回答の方向性と専門性が高まります。
制約条件を具体的に示す GPTが「してはいけないこと」を明示することで、望ましくない回答を防止できます。例えば、ビジネス文書作成GPTsなら「専門用語の乱用を避ける」「500字以内にまとめる」などの制約を設けると効果的です。
実行手順を段階的に指示する タスクを細分化し、順番に実行すべき手順を明示することで、GPTsは系統的に作業を進められます。例えば「1.クライアントの業界を分析 2.主要な課題を特定 3.解決策を3つ提案」というように段階的に指示すると効果的です。
出力形式を具体的に指定する 出力の形式を明確に指定することで、結果の一貫性と使いやすさが向上します。「箇条書きで回答」「表形式で整理」「見出しを付けて構造化」など、具体的な形式指定が重要です。
入力プレースホルダーを活用する ユーザーが入力すべき箇所を明示的にプレースホルダーで示すことで、プロンプトの使いやすさが向上します。このテクニックは特に複数の入力が必要な場合に効果的です。
具体的なエラーケースを想定する 例えば「機種依存文字の有無」「差別語や不快語」など、起こりうる問題を事前に想定し、チェックポイントに含めることで、品質問題を未然に防止できます。

弊社で使用しているプロンプト

ここでは、弊社で活用している文章添削のプロンプトについてご紹介します。ぜひ、ご活用ください。

プロンプト例

# 命令文あなたは優秀な編集者です。 #制約条件に従って次の#文章を添削してください。 # 制約条件 * #手順に基づいて文章を添削すること * 文章の順番に変更を加えないこと * 架空の表現や慣用句、ことわざを使用しないこと * ハルシネーションしないこと * 文章を省略しないこと * #出力形式に従うこと # 手順修正1:誤字脱字、タイプミスがあった場合は全て指摘してください。修正2:漢字表記や同音異義語の間違いがあった場合は全て指摘してください。修正3:漢字の送り仮名の間違いがあった場合は全て指摘してください。修正4:漢字の閉じ開きは記事内で統一されているかを確認し、ずれがあった場合は全て指摘してください。修正5:助詞や「てにをは」の誤りがあった場合は全て指摘してください。修正6:言葉の表記にばらつきがあった場合は全て指摘してしてください。修正7:数字の表記にばらつきがあった場合は全て指摘してしてください。修正8:英数字の半角・全角は統一されていることを確認してください。ずれがあった場合は全て指摘してください。修正9:約物の半角・全角が統一されていることを確認してください。ずれがあった場合は全て指摘してください。修正10:機種依存文字の有無について確認してください。問題がある場合は全て指摘してください。修正11：文体が統一されているかを確認し統一されていなかった場合は全て指摘してください。修正12:同じ文末表現を繰り返している場合は全て指摘してください。修正13:伝聞表現ばかりになっていないか確認し、該当した場合は全て指摘してください。修正14:二重否定表現があった場合は全て指摘してください。修正15:慣用句やことわざの表現に誤りがあると考えられる場合は全て指摘してください。修正16:文脈に合わない単語が使われている場合は誤りを全て指摘してください。修正17:主語と述語の組み合わせが間違っている場合は全て指摘してください。修正18:句読点の打ち方に不自然な点がある場合は全て指摘してください。修正19:改行・段落分けは適切かどうか確認をしてください。修正20:一文の長さは適切かどうか確認してください。極端に短すぎる文章や長すぎる文章は全て指摘してください。修正21:尊敬語や謙譲語、丁寧語は正しく表記されているかどうか確認し、直接的な間違いや間違いやすい表現について全て指摘してください。修正22:冗長な表現がないことを確認してください。冗長になっている場合は、全て指摘してください。修正23:差別語や不快語はないことを確認し、もしあった場合は全て指摘してください。 # 出力形式 * 修正後の文章 * 修正した箇所と修正番号、その理由 # 文章:{文章を入力}

その他の活用事例

GPTsは、メールマガジンの修正やSNS投稿の作成だけでなく、顧客対応やスプレッドシート（スプシ）との連携など、さまざまな業務で活用することができます。ここでは、具体的な活用事例を紹介します。

顧客対応

GPTsを活用すれば、カスタマーサポートの負担を大幅に軽減することができます。特に、よくある質問（FAQ）の自動対応に適しており、サポート担当者が対応する前に、AIが適切な回答を提示することで、問い合わせ対応の効率を向上させることが可能です。例えば、ECサイトでは、「配送状況を知りたい」「返品方法を教えてほしい」といった繰り返し発生する質問が多くあります。GPTsを活用して、これらの質問に対する自動回答を設定しておけば、ユーザーはすぐに必要な情報を得ることができ、サポート担当者が個別対応する必要があるケースを減らせます。また、過去の問い合わせ履歴を学習させることで、対応の精度を向上させることも可能です。例えば、特定の商品に関する問い合わせが増えている場合、その商品に関するFAQを強化することで、より迅速に適切な回答を提供できます。結果として、顧客満足度の向上とサポート工数の削減が同時に実現できます。

スプレッドシートとの連携

GPTsは、Googleスプレッドシート（スプシ）と連携することで、データ入力、整理、分析、タスク管理の自動化などを効率化できます。特に、大量のデータを扱う業務では、GPTsを活用することで、作業の精度を向上させながら時間を短縮できます。

GPTsとスプレッドシートの活用事例

データ要約とレポート作成 売上データや顧客データをスプレッドシートに蓄積し、GPTsに「このデータの売上傾向を要約して」と指示すれば、重要なポイントを抽出し、レポートを作成できます。また、異常値の検出や予測分析も可能で、データの可視化と意思決定の迅速化に貢献します。
タスク管理の自動化 スプレッドシートをタスク管理ツールとして活用する場合、GPTsが未完了のタスクをリストアップしたり、締切の近いタスクを強調表示したりすることで、抜け漏れのない管理を実現できます。これにより、チームの業務効率が向上します。
メール作成の自動化 スプレッドシートに蓄積した顧客データをもとに、GPTsが個別最適化されたフォローアップメールを自動生成できます。たとえば、「このリストの顧客ごとに適したフォローアップメールを作成して」と指示すると、過去のやり取りを反映した内容のメールが作成され、パーソナライズされたコミュニケーションが可能になります。

アイディア出しの具体例などを知りたい方は以下の記事を参考にしてください。 ChatGPT壁打ち活用術：AIで起こすアイデア革命

まとめ

いかがでしたでしょうか？ GPTsは、業務効率化やクオリティ向上に貢献するカスタマイズ可能なChatGPTです。事前にルールやトーンを設定することで、作業の手間を削減し、成果物の統一性を確保できます。GPTsを適切に活用し、業務の自動化と生産性向上を目指しましょう。

チャットgptとは何かを徹底解説｜GPTの仕組みと使い方・ビジネス活用事例や最新料金比較

生成AIの導入・運用はプロに任せよう

GPTsは業務効率化やコンテンツ品質の向上に役立つ強力なツールですが、「最適な設定や運用が難しい」「導入したものの最大限活用できていない」「今後本格的に運用していきたいが不安がある」といった課題を抱える企業も少なくありません。もし、そうお考えでしたら、ぜひmalna株式会社にサポートさせてください。貴社に最適なGPTsの活用方法をご提案し、スムーズな導入・運用をサポートいたします。