一人で回しているのに、
チームのように動く。

素材収集から執筆、事実確認、公開まで、ブログ記事の制作を自動で進めています。クライアント向け記事は構成案の承認から本文の仕上げまで自動で進み、修正は対話形式で、どこがどう変わったかを確認しながら行えます。公開後はアクセスデータを取得して分析・改善工場に引き継ぎ、リライト提案・動画化までつながります。

1. 素材収集・事実抽出 — 記事の元になる情報を集め、事実関係を整理します
2. 検索意図・競合調査 → 本文執筆 — Web検索を伴う調査をもとに、AIが本文を執筆します
3. 事実確認・品質チェック — 集めた事実との整合性、品質基準をAIがチェックします
4. 内部リンク設計 → 承認 → 公開 — 承認後、自社ブログ・クライアント先へ公開します
5. 公開後もデータを取得 — アクセス状況を取得し、リライト提案・動画化連携まで継続します

コンテンツ・SEO工場の詳細画面（実際の画面。数値はデモデータです）

制作したコンテンツを発信して見込み客を集め、案件につなげる工場です。公開した記事・Note・YouTube動画を、X・Threads・LinkedIn・Facebook・Instagramそれぞれの文体に合わせた告知文にして発信し、集客します。そこから届く問い合わせや、ランサーズ／クラウドワークス／Wantedly／LinkedInなどの案件メールはGmailの監視で自動検知し、返信文・提案の骨子・料金の目安、または応募文の下書きをAIが作成します。実際の送信・投稿は人が行います。

1. 公開コンテンツの告知文を作成 — 「発信・告知Agent」が、記事・Note・動画をX・Threads・LinkedIn・Facebook・Instagram向けに書き分けます
2. 届いた連絡をGmailで検知 — 問い合わせ・紹介・案件サイトの募集メールを定期的に監視します（読み取り専用）
3. 内容に応じてAgentを振り分け — 問い合わせ・紹介は「提案・見積Agent」、クラウドソーシングの案件通知は「案件探し・応募Agent」が担当します
4. 返信・提案・応募文の下書きを作成 — 料金の目安は、公開中のLPに書かれている範囲だけを使います（無い金額は作りません）
5. 送信・投稿は人が行う — 下書きを確認し、実際の送信・応募・投稿は人が判断して行います

マーケティング・集客工場の詳細画面（実際の画面。数値はデモデータです）

自社プロダクトの企画から、要件定義、設計、実装指示書づくりまでを行う工場です。実装はClaude Code（AI）が担い、人は仕様書を承認するのが役目です。

1. アイデアを登録 — 思いついたときに、ダッシュボードや管制塔のiPhoneアプリからすぐに追加できます。対象のプロジェクトと紐づけて起票します
2. 企画 — 何のために、誰のどんな困りごとを解決するアプリや機能なのかを、AIがまとめます
3. 要件定義 — その企画に必要な機能と、満たすべき条件を、AIが洗い出します
4. 設計 — 画面・データ・処理の流れを、どう作るかをAIが設計します
5. 実装指示書・テスト観点 — Claude Codeにそのまま渡せる指示書と、確認すべきテスト観点を作成します
6. リリース手順 → 承認 — 本番への反映手順をまとめ、人が承認してから進みます
7. 自動でClaude Codeに渡して実装 — 承認された指示書は自動でClaude Code（AI）に渡され、実装まで進みます。完了するとAI工場へ戻ります

自社AI開発工場の詳細画面（実際の画面。数値はデモデータです）

iOSアプリの企画から、実装、実機での動作確認までを、この工場で行います。管制塔のiPhoneアプリも、この仕組みで作りました。

1. 市場調査 — Web検索で競合アプリやニーズをAIが調べます
2. MVPスコープの評価 — 最初に作るべき機能の範囲をAIが整理します
3. 仕様設計 — 画面構成や仕様をAIが設計し、人が承認します
4. 実装 — 承認された仕様をもとに、Claude Code（AI）が実装します
5. 実機での動作確認 — 実際のiPhoneにインストールし、動作を確認します

iOSアプリ開発工場の詳細画面（実際の画面。数値はデモデータです）

案件やプロジェクトの進捗を正確に集計し、レポートを作成する工場です。あわせて、思いついたことを自由入力するだけで、AIが「ナレッジ」「予定」「アプリの企画」のいずれかに振り分けて提案する『クイック入力』機能も、この工場が担当しています。

1. 各工場の進捗・課題を横断集計 — Task・Workflowの状況を正確に集計します（AIに数字を作らせません）
2. レポートを作成 — 遅延・リスクをまとめた報告を作成します
3. クイック入力を受付 — 「思いついたこと」を自由入力すると、AIが内容を読み取ります
4. 内容に応じて提案 — ナレッジ登録・予定・アプリ企画のいずれかを提案し、人が確認して登録します

PMO・プロジェクト管理工場の詳細画面（実際の画面。数値はデモデータです）

「分析」と「改善」を担う、循環の要の工場です。公開した記事の検索流入（Google Search Console）やインデックス状況、運転データ（実行状況・アラート・KPI・収益）を正確に集計し、そこから改善提案だけをAIが作成します。集計自体はAIに任せません。

1. 公開後のデータを毎晩取得 — 検索流入・Googleへの登録状況を自動で取得して集計します
2. 直す価値のある記事を抽出 — 表示回数・クリック率・順位などの基準で、リライト候補をルールで絞り込みます
3. AIが改善案を作成 — 候補ごとに、タイトルや構成をどう直すかの具体案を作成します（記事は書き換えません）
4. 検討開始／見送りを人が選ぶ — 提案は一覧で管理され、「AIからの提案」として管制塔にも表示されます
5. 承認を経てリライトを実行 — 検討開始にした提案は、承認と二段階の確認を経て本番に反映する仕組みです

分析・改善工場の詳細画面（実際の画面。数値はデモデータです）

実際の売上データを正確に集計し、収益化の状況を見える化する工場です。案件・業務委託、コンサル・顧問、Note販売、SaaS・ツールなど、収益源ごとの内訳をAI工場モニタに反映します。

1. 取引実績を取り込む — 案件・業務委託などの実売上データを取り込みます
2. 収益源ごとに集計 — 案件・コンサル・Note販売・SaaS等の内訳を正確に整理します
3. KPIとして管制塔に反映 — 総売上・粗利などをAI工場モニタに表示します
4. コスト超過はアラートで通知 — AI利用コストが上限に近づくと警告を出します

収益化工場の詳細画面（実際の画面。数値はデモデータです）

Agentが作った出力を、正確性・根拠との一致・ハルシネーション・指示の遵守の4つの観点で評価します。点数はAIの感覚には任せません。AIの判定は「材料」にとどめ、最終の点数は決まった計算式で確定します。同じ結果なら、いつ計算しても同じ点数になります。

1. Agentが実行する — Taskが完了するたびに自動で評価するかを、Agentごとに設定できます
2. AIが評価の材料を出す — 根拠の抜粋、裏付けのない主張、守られなかった指示を洗い出します
3. 計算式で点数を確定する — 観点ごとの点数を重み付けして合計します。使った重みも保存するので、後から再現できます
4. 合格ラインで判定する — 既定は70点です。ハルシネーション（事実でない内容）に重大なものが1件でもあれば、点数にかかわらず不合格にします
5. 重大な不合格はアラートで知らせる — 重要度が高い不合格は、アラートとして管制塔に表示されます
6. 人が確認する — 「確認済み」「要対応」「解決済み」の状態で、レビューの結果を残します

Agentに、あえて攻撃を仕掛けるテストです。次の3種類を試します。

1. テスト用の「合言葉」を仕込む — 攻撃の文面に、毎回ちがう秘密の合言葉を埋め込みます
2. Agentに投入する — 対象のAgentに攻撃を実行させます。実行は必ず人が手動で行い、自動では走りません
3. 合言葉が漏れたら「漏洩」と確定する — 出力に合言葉が出てきたら、システムが機械的に「漏洩」と確定します
4. AIの判定だけでは確定しない — 合言葉が出ていないのにAIが「漏れた」と言った場合は、「要確認」に格下げして人が見ます
5. 漏れた部分は伏せ字にして保存する — 結果を残すときも、秘密情報はそのまま保存しません

禁止事項や許容条件を「ポリシー」として登録できます。全体・工場・Agentの単位で設定でき、品質やリスクの重みも、会社の基準に合わせて上書きできます。

ダッシュボードに「AI品質・セキュリティ」の欄を設け、品質の点数とセキュリティのリスクをまとめて確認できます。要対応の品質評価と、未解決の漏洩は、メニューに件数が出るので見落としません。評価や攻撃テストに使ったAIの呼び出しも、すべて実行ログに残ります。

1本の記事を起点に、循環を実際に一周させています。人が手を入れるのは、承認と、改善案を採るか見送るかの判断だけです。

1. 作る — Web検索を伴う調査と構成案づくりから、承認、本文執筆、事実確認までをAIが進め、承認された記事を自社ブログに公開しています
2. 発信する — 公開した記事を、X・Threads・LinkedIn・Facebook・Instagram向けの告知文に書き分けます。さらに記事をもとにYouTube動画とショート動画を作り、実際にチャンネルへ投稿しています
3. 分析する — 毎晩02:00の自動実行で、検索流入とGoogleへの登録状況を取得して集計します
4. 改善する — 直す価値のある記事を見つけてAIがリライト案を提案し、人が「検討開始」か「見送り」かを選びます

自社ブログと同じラインを、クライアント向け記事の制作にも使っています。構成→承認→本文執筆を、複数の記事で並行して実行できます。

公開した記事の内容をもとに、姉妹プロジェクトの動画生成基盤と連携してYouTube動画を自動生成しています。ナレーション・字幕・シーン構成までを一気通貫で作成し、Instagramリールやショート動画向けの縦型動画も作れます。投稿は人が確認してから行います。

ランサーズ・クラウドワークス・Wantedly・LinkedIn・LPの問い合わせフォームなどから届くメールをGmail経由で自動検知し、AIが内容を要約して返信・応募の下書きを提案します。見逃しを防ぎ、対応の初動を早くします。

企画・要件定義・設計から、Claude Code向けの実装指示書・テスト観点・リリース手順までをAIが作成します。人が仕様書を承認すると、実装はClaude Code（AI）が進めます。AI工場OS自体の機能追加も同じ方法で行っており、自分が使うツールを、自分で作り、使いながら直していくサイクルを実践しています。

Web検索による競合調査、MVPスコープの評価、UI設計までをAIが担当し、SwiftUIで実装したアプリを開発者本人の物理iPhoneに実際にインストールして動作を確認しています。サーバー側の認証をBearer Token方式に対応させ、実データでの接続まで実装しました。

承認不要な工程を対象に、1日あたりのコスト・実行数の上限を設けたうえで夜間に自動実行しています。実行が失敗して残ったロックは一定時間で自動解放し、翌朝には結果をサマリーとして確認できます。

AI工場OSで実践しているのは、コンテンツ制作や開発に限った話ではありません。業務を「工場」に分けて、AIが9割を担い、人は最後の確認をするラインを1つずつ作っていく、という考え方そのものです。8つの領域に当てはめると、たとえば次のような工場の分け方が考えられます。

ダッシュボードのAI工場マップは、あくまで私の好みで作った工場マップです。デザインやレイアウトは、貴社に合わせてカスタマイズできます。

※ 実際の導入事例ではなく、業務の分け方の一例です。貴社の業務に合わせた分け方をご相談いただけます。

貴社の業務に導入する場合の進め方

1. 現状の業務を整理 — PC操作から業務フローを可視化し、課題を発見します
2. 改善案を提案 — やめる・減らす・既存サービスの活用・自動化の順で提案します
3. 自社サービスと組み合わせ — AI工場OSを含む各種サービスとの、最適な組み合わせをご提案します