
30万字の設計書|自分のクローンを作って、仕事の負荷を圧倒的に下げた全記録
Part 0: 数字で見る変化
第0章 Before/After — これは技術の話ではなく、仕事の設計の話だ
報告書が3時間から30分になった。議事録が13分で完成するようになった。10万件のアンケート自由記述を1分で構造化できるようになった。
3ヶ月前の僕と、今の僕の違いはこれだ。

先に言っておく。僕はエンジニアではない。
経営コンサルタントだ。コードは書けない。書いたこともない。ターミナルの黒い画面を見て「無理だ」と思ったのが3ヶ月前の正直な感想だった。
それでも、この表にある数字は全部、僕が1人で作った環境から出ている。50本超のスクリプト、2万行のコード。1行も手で書いていない。全部AIに作らせた。
この記事は、何の記事か
この記事は「AIツールの紹介」ではない。
僕が3ヶ月かけて構築した業務OS ——「調べる→分析する→書く→届ける」を一言で回す仕事の仕組み——の全設計図だ。使っているのはClaude Code(CursorにClaude Code拡張を入れて使っている)と、Obsidianというメモアプリ。この2つを軸に、指示ファイル、記憶、ワークフロー定義、11体のAIエージェントチームを組み上げた。
全36章。約40万字。設定ファイル全文、プロンプト全文、テンプレート全文がついている。
読めば同じものが作れる。テンプレートをコピペすれば、カスタマイズだけで動く。これはチュートリアルではなく、再現パッケージだ。
なぜ「仕事の設計」と言うのか
「AIを使っています」と言う人は多い。使い方を聞くと、ほとんどが同じだ。ChatGPTに質問する。メールの下書きを頼む。議事録の要約を頼む。
間違っていない。ただ、構造的な限界がある。
セッションを閉じたら、全部消える。
昨日調べた市場データも、先週整理したフレームワークも、先月分析したクライアントの課題も。次にAIを開いたとき、何も覚えていない。毎朝新しいインターンが来て、引き継ぎ書もなく「何をすればいいですか?」と聞いてくるのと同じだ。
僕は3ヶ月前、まさにこの状態だった。Claude Codeを使い始めて最初の1週間、毎回「僕はコンサルタントで、案件は3つあって、出力はです/ます調で……」と説明していた。1回3分。1日5セッション。月に5時間。年に60時間。この時間は完全に無駄だ。
僕が「仕事の設計」と呼ぶのは、この無駄を構造で消すということだ。
AIに毎回プロンプトを打つのではなく、AIが動くための土台を先に作る。指示書を書く。記憶を持たせる。ワークフローを定義する。チームを編成する。一度作れば、あとは「タスク確認して」「報告書作って」「記事書いて」の一言で回る。
技術力ではなく、設計力の話だ。
だからエンジニアではない僕にも作れた。そしてだから、あなたにも作れる。
月3.3万円の内訳
「で、いくらかかるの?」が気になる人は多いと思う。
僕の環境のランニングコストは月3.3万円だ。

高いと思っただろうか。
ただ、この環境を作る前に払っていたコストを並べてみてほしい。議事録SaaSが月2〜3万円。それを解約した。ローカルWhisperで音声データを外部に出さず、13分で議事録が完成する環境に置き換えた。
年間で24〜36万円の削減。月3.3万円は、解約した議事録SaaSだけで回収できている。
さらに言えば、報告書作成だけで週2.5時間が浮く。月10時間。コンサルタントの時間単価で考えれば、月3.3万円は初月で元が取れる計算だ。
もちろん、最初からMax Proを契約する必要はない。Claude Pro($100・月1.5万円)でも業務OSは十分に動く。1日5時間以上Claude Codeを使うようになったらMax Proに上げればいい。第3章でコスト×機能の判断基準を詳しく書いている。
40万字に圧倒されないために
この記事は36章ある。約40万字ある。「全部読む」必要はない。
ここにルートマップを置く。自分に一番近いペルソナを選んで、そこから始めてほしい。

Lv.1の人はPart 0〜2を読めばいい。7章分だ。1日で環境構築が終わる。
Lv.4まで全部やると4〜6週間かかる。ただ、それは「3ヶ月間、僕が試行錯誤した全記録」を圧縮して追体験する時間だ。ゼロから自分で作るよりは、圧倒的に速い。
マネージャーで「部下に導入させたいが、自分で作る気はない」という人もいると思う。Part 0(この章)とPart 1(思想編)、Part 5(組織展開編)だけ読めば2時間で全体像を掴める。
この記事の全体構成
全7パートの構成を示す。
Part 0: 数字で見る変化(この章・無料) Before/After。ルートマップ。コスト。
Part 1: 思想編(無料) 業務OS、設計原則、アーキテクチャ。なぜこう作ったか。
Part 2: 土台編 環境構築、CLAUDE.md、MEMORY.md、Settings。最初の3時間で作るもの。
Part 3: 武装編 Skills、Agents、MCP、Codex連携。道具を揃える。
Part 4: パイプライン編 議事録、エンゲージメント分析、ブリーフィング、NOTE発信。業務ごとの全自動ワークフロー。
Part 5: 組織・戦略編 マルチエージェント設計、品質管理、組織展開。
Part 6: テンプレート集 CLAUDE.md、Skills、フォルダ構成、設定ファイル。全部コピペで使える。
Part 0とPart 1は全文無料で読める。思想を理解した上で「実際に作る」と決めた人が、Part 2以降に進む構成にしている。
エンジニアではない、という事実
もう一度、念を押す。
僕はコードを1行も書いていない。Claude Codeに「これを作って」と言い、出力されたコードが動くかを確認し、動かなければ「エラーが出た」と伝える。この繰り返しで、50本超のスクリプト・2万行のコードベースが出来上がった。
議事録パイプライン。エンゲージメント分析ツール。Markdown変換スクリプト。PDF・Word変換ツール。X自動投稿システム。全部、自分で仕様を決めて、AIに作らせた。
「じゃあ、何をしたのか?」
仕様を決めた。「56分の会議録画を入力すると、議事録のWordファイルが出てくる。音声は外部に送らない。ローカルで完結する」。こう定義したのは僕だ。実装したのはAIだ。
これが、コンサルタントがAIを使う最大の強みだった。問題の構造化と仕様の言語化は、毎日の仕事でやっていることだから。
この記事を読んでいるあなたが、企画職でも、マネージャーでも、営業でも、人事でも。「こういう仕組みがあれば仕事が変わる」と言語化できるなら、同じことができる。
必要なのはプログラミングのスキルではなく、自分の仕事を構造で捉える力だ。
この記事に書いてあること、書いてないこと
書いてあること: - 業務OSの全設計図(指示ファイル767行の全文を含む) - 各パイプラインのBefore/Afterと失敗記録 - テンプレート・設定ファイル・プロンプトの全文(コピペで動く) - 3ヶ月間の試行錯誤で分かった「やるべきこと」と「やらなくていいこと」
書いてないこと: - プログラミングの知識(不要だから書いていない) - AIの仕組みの技術解説(使い方に集中する) - 「AIで月10万稼ぐ」系のマネタイズ手法(そういう記事ではない)
読み始める前に
この記事は「すごいAI環境の自慢」ではない。
3ヶ月前、ChatGPTに毎回同じ説明をして、議事録SaaSに月2万円を払い、10万件のアンケート自由記述を前にして途方に暮れていた人間の記録だ。
Before/Afterの表にある「Before」の列。あれが、3ヶ月前の僕だ。
あなたの今の状況と重なる項目が1つでもあるなら、この記事はあなたのために書いた。
Part 1で、なぜObsidianとClaude Codeの組み合わせなのかを説明する。Part 2で、実際に手を動かして土台を作る。
では、始めよう。
Part 1: 思想編 — なぜこう設計したか
第1章 業務OSという発想 — IDEではなくVaultを中心に置く
ChatGPTの先にあるもの
「AIを仕事に使っています」と言う人は増えた。
ただ、使い方を聞くと、ほとんどが「ChatGPTに質問している」で止まっている。メールの下書きを頼む。議事録の要約を頼む。わからないことを聞く。これ自体は間違っていない。しかし、ここには構造的な限界がある。
セッションを閉じたら、全部消える。
昨日聞いた市場データ、先週整理したフレームワーク、先月分析したクライアントの課題。次にChatGPTを開いたとき、AIはそのどれも覚えていない。毎回ゼロから説明し直す。これは、毎朝新しいインターンが来て、引き継ぎ書もなく「今日は何をすればいいですか?」と聞いてくるのと同じだ。
僕は3ヶ月前まで、まさにこの状態だった。
Claude Codeという、ターミナル(黒い画面)から動くAIツールの存在を知り、使い始めた。最初の1週間は、ChatGPTの延長でしかなかった。質問して、答えをもらって、その場で消える。
転機は「これ、毎回同じ説明してないか?」と気づいた瞬間だった。
自分の役職、案件の構成、禁止事項、出力の形式。これらを毎セッション口頭で伝えていた。1回3分としても、1日5セッションで15分。月に5時間。年に60時間。この時間は完全に無駄だ。
ここから僕は、「AIに毎回指示を出す」使い方をやめて、「AIが動くための土台を設計する」方向に切り替えた。
この土台を、僕は「業務OS」と呼んでいる。
「業務OS」とは何か
業務OSとは、AIに仕事を任せるための環境設計のことだ。
OSという言葉を使う理由がある。パソコンにWindowsやmacOSが入っていないと、どんなアプリも動かない。ExcelもPowerPointもブラウザも、OSの上で初めて動く。それと同じで、AIに仕事を任せるには「AIが動くための環境」が先に要る。
ChatGPTに1回ずつプロンプトを打ち込む使い方は、OSなしでアプリを1個ずつ手動起動しているのと変わらない。
僕が3ヶ月で作った業務OSは、5つの部品で構成されている。
指示ファイル(CLAUDE.md) — AIが毎回自動で読む「引き継ぎ書」。応答スタイル、禁止事項、コマンド定義が入っている
記憶(MEMORY.md) — セッションが切れても消えない「AIの長期記憶」。ユーザーの専門性、過去のフィードバック、案件情報を保持する
ナレッジベース(Obsidian Vault) — 453本のファイルが格納された知識の集積所。AIがいつでも参照できる
ワークフロー定義(Skills) — 「公開レビューして」「記事書いて」と言えば、複数ステップのワークフローが自動で回る
専門家チーム(Agents) — リサーチャー、アナリスト、ライターなど11の役割を持つAIエージェントが、並列で仕事を処理する
これらを組み合わせると、「調べて」「分析して」「書いて」「届けて」が一言で回る環境になる。
第0章のBefore/After表に並べた数字——報告書83%削減、議事録13分、自由記述分析99%削減——は、すべてこの5部品の組み合わせから出ている。
ただし、この環境は誰にでも必要なものではない。
正確に言えば、「コードを書く仕事」と「文書を書く仕事」では、作るべき環境の設計がまったく違う。同じAIツールを使っていても、土台に置くべきものが異なる。
この章では、その分岐点を明確にする。
2つの設計思想 — IDE型とVault型
AIを仕事に組み込むツールは、大きく2つの系統に分かれる。
IDE型とVault型だ。
IDE型: コードを中心に据える
IDE(Integrated Development Environment=統合開発環境)とは、プログラマーがコードを書くための作業場のことだ。WordやExcelが文書を作る場所であるのと同じように、IDEはソフトウェアを作る場所だ。
2026年、このIDEにAIが組み込まれたツールが急速に増えている。代表的なものを3つ挙げる。
Cursor — AIが組み込まれたコードエディタ。コードを書いている最中に、AIが次の行を予測して補完する。ファイルの文脈を読み、関数の中身を自動生成する。開発者の間では爆発的に普及し、既にGitHub Copilotと並ぶ定番になっている。ただしCursorは汎用エディタでもある。僕自身、CursorにClaude Code拡張を入れてVault操作の実行環境として使っている。 つまりCursorは「IDE型専用」ではなく、設計次第でVault型の基盤にもなる。問題は、ツール自体ではなく「何を中心に据えるか」の設計思想だ。
Devin — Cognition社が開発したAIソフトウェアエンジニア。タスクを渡すと、コードを書き、テストを走らせ、プルリクエスト(コードの変更を提出する仕組み)まで出す。人間のエンジニアと同じワークフローを自律的に回す。「AIに手伝ってもらう」ではなく「AIが自分で開発する」という思想で設計されている。
Antigravity — ブラウザ上で動く開発環境で、AIとリアルタイムでコードを共同編集する。デザインからコードへの変換、バグ修正、デプロイ(本番環境への公開)までをひとつの画面で完結させる。チームでの共同開発を前提に設計されている。
3つに共通する設計思想がある。「コードリポジトリ」を中心に据えていることだ。
リポジトリとは、コードの保管庫のこと。エンジニアはここにコードを蓄積し、バージョンを管理し、チームで共有する。IDE型のAIツールは、このリポジトリを起点にすべてが動く。
蓄積されるのはソースコード。作業の起点はコードエディタ。成果物はソフトウェア。AIはコードを速く・正確に書くために存在する。
エンジニアの仕事を加速するには、この設計が正しい。
Vault型: ナレッジを中心に据える
一方で、僕の仕事はコードを書くことではない。
クライアントの課題を調べる。データを分析する。報告書を書く。提案資料を作る。議事録をまとめる。記事を書いて発信する。
蓄積すべきものはコードではなく、知識と文書だ。
過去の分析レポート。業界の先進事例。クライアントごとの議事録。フレームワークの解説。タスクの履歴。調査で見つけた統計データ。これらが積み重なって、次の仕事の精度が上がる。
この知識の集積所が「Vault」だ。Vault(金庫室)はObsidianというメモツールが使う用語で、ファイルをまとめて管理するフォルダのことを指す。Obsidianは無料で使えるメモアプリで、Markdownという軽量な書式でファイルを管理する。Notion、Evernote、OneNoteと同じカテゴリだが、「ファイルがローカルに残る」「AI連携しやすい」点が決定的に違う。
僕のVaultには453本のファイルがある。
案件フォルダ: 2社のクライアント案件。分析レポート100本以上、議事録、タスク管理
ナレッジフォルダ: 人的資本経営のフレームワーク、事例集、読書メモ
記事フォルダ: NOTE記事の原稿38本、戦略設計、テンプレート
ツールフォルダ: 自作のPythonスクリプト50本超のファイル(議事録変換、PDF生成、分析パイプライン)
これらすべてがひとつのVaultに格納されていて、AIがいつでも参照できる状態になっている。「先週の議事録を要約して」と言えば、AIがVaultから該当ファイルを探して要約する。「先進事例から3社引用して」と言えば、事例集ファイルを参照して適切な事例を選ぶ。
IDE型がコードリポジトリを中心に据えるのと同じように、Vault型はナレッジベースを中心に据える。
2つの型を並べると、違いが明確になる。

この違いは、ツールの選び方だけの話ではない。何を蓄積し、何を再利用するかという設計思想の違いだ。
なぜこの区別が重要か
「AIを仕事に使いたい」と思ったとき、多くの人はまずツールを探す。
XのタイムラインでCursorの名前を見る。Devinが話題になっている。試してみる。しかし、自分の仕事がコードを書く仕事でなければ、これらのツールは本来の力を発揮しない。
エンジニア向けに設計された武器を、非エンジニアが握っている状態になる。
僕のフォロワーにも何人かいた。「Cursorを入れたけど、結局ChatGPTに戻った」という人。Cursorを「コードエディタ」として使おうとしたからだ。企画書や報告書を書く仕事には、別の設計が要る。
ただし、僕はCursorを使っている。CursorにClaude Code拡張を入れ、Obsidian VaultをCursorで開いて操作している。Cursorのエディタ機能でファイルを確認し、Claude Codeのターミナルで指示を出す。Cursorを「コード開発環境」ではなく「Vault操作の実行環境」として使う。 これが設計思想の違いだ。
逆もある。コードを書くのが仕事なのに、Obsidian + Claude Codeの構成を真似しても、IDE型のツールほどの開発生産性は出ない。
ツールを選ぶ前に、自分の仕事がどちらの型に近いかを判定する。
これが、この章の目的だ。判定を間違えると、どれだけ時間を投資しても「なんか違う」で終わる。逆に、型が合っていれば、この記事の設計をそのままコピーすれば動く。
「調べる→分析→書く→届ける」サイクル
Vault型の仕事には、共通するサイクルがある。
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│ 調べる │ → │ 分析 │ → │ 書く │ → │ 届ける │
│ │ │ │ │ │ │ │
│ 市場調査 │ │ データ │ │ 報告書 │ │ 提出 │
│ 事例収集 │ │ 構造化 │ │ 提案書 │ │ 公開 │
│ 文献読解 │ │ 比較 │ │ 議事録 │ │ 共有 │
└──────────┘ └──────────┘ └──────────┘ └──────────┘
↑ │
└──────────── 蓄積して次に回す ──────────────────┘調べる — 市場データを集める。業界の先進事例を探す。論文や記事を読む。クライアントの社内資料に目を通す。競合の動向をウォッチする。
分析 — 集めた情報を構造化する。比較する。因果を推定する。数字を読み解く。アンケートの自由記述を分類する。
書く — 分析結果を報告書、提案書、議事録、記事にまとめる。グラフを作る。テーブルを整形する。読み手に合わせて表現を変える。
届ける — クライアントに提出する。社内に共有する。noteに公開する。Xで発信する。PDFに変換する。Wordに変換する。
そして重要なのは、このサイクルが一方通行ではないことだ。
届けた結果、得られたフィードバックが次の「調べる」の質を上げる。書いた報告書が、次の案件のテンプレートになる。分析で使ったフレームワークが、ナレッジとして蓄積される。3ヶ月前に調べた事例が、今日の提案書の根拠として再利用される。
このサイクルが回り続けると、Vaultの中に知識が複利で積み上がる。1周目より2周目、2周目より3周目の方が、同じ仕事を速く・深くこなせるようになる。
IDE型のサイクルは「設計→実装→テスト→デプロイ」だ。蓄積されるのはコードとテスト。毎回のプロジェクトで似たコードを再利用する。
Vault型のサイクルは「調べる→分析→書く→届ける」だ。蓄積されるのは知識と文書。毎回の案件で似た分析を再利用する。
僕の業務OSは、この4ステップのそれぞれにAIを組み込んでいる。
調べる: 3並列のAIエージェントが、異なる角度から同時に調査を走らせる。「AI動向まとめて」と言えば、45分で構造化されたインテリジェンスレポートが出てくる。以前は丸1〜2日かけていた作業だ。
分析: 自由記述コメント10万件を構造化するパイプラインが1分で回る。以前はチームで3週間かけていた。分類ルール + AIのハイブリッド構成で、再現性と精度を両立している。
書く: テンプレートとSkills(ワークフロー定義)で報告書を30分で仕上げる。「報告書作って」と言えば、フォーマットの選択、過去レポートの参照、草稿の生成、品質チェックまで自動で回る。以前は3時間かかっていた。
届ける: X投稿(スレッド自動生成)、PDF化、Word化がコマンド一発で動く。「PDFにして」「変換して」「X投稿して」。変換作業の手間がゼロになった。
このパイプライン全体を支えているのがVaultだ。
Vaultに知識が蓄積されるほど、AIの出力精度が上がる。3ヶ月前に書いた分析レポートが、今日の提案書の裏付けになる。先月の議事録に出てきたクライアントの発言が、今週のフォローアップの起点になる。
セッションが切れても、Vaultは残る。AIのモデルが更新されても、Vaultは変わらない。担当者が変わっても、Vaultは引き継げる。
これが「業務OS」の正体だ。アプリ単体の話ではなく、知識と仕組みの蓄積が回り続ける環境全体の設計。
判定表: あなたの仕事はIDE型? Vault型?
ここからは、読者自身の話だ。
5つの問いに答えてほしい。直感で構わない。考え込む必要はない。最初に浮かんだ方を選べばいい。

この5問は、「ツール選びの前に立つべき分岐点」を抽出したものだ。
問1と問2は「日常の作業と成果物」を聞いている。これが型判定の最大の決定要因になる。コードを書いてソフトウェアを作る仕事なら、IDE型で間違いない。文書を読み書きして報告書や提案書を作る仕事なら、Vault型だ。
問3は「何が蓄積資産になるか」を聞いている。エンジニアはコードそのものが資産になる。一度書いたモジュールは次のプロジェクトで再利用できる。一方、コンサルタントや企画職は、分析結果や事例の蓄積が資産だ。過去の調査が次の案件の精度を上げる。
問4は「仕事の構造」を聞いている。複数案件を横断する仕事は、案件間の知識移転が生産性を左右する。「A社で使った分析をB社に応用する」ができるかどうか。Vault型はここが強い。
問5は「仕事の本質」を聞いている。プロダクトを作る仕事と、意思決定を支援する仕事では、AIに求める役割が根本的に違う。
判定結果
Bが3つ以上 → Vault型。
この記事の設計がそのまま使える。コンサルタント、企画職、マネージャー、アナリスト、ライター、リサーチャー、士業。これらの仕事は典型的なVault型だ。この後の章を順番に読み、テンプレートをコピペして自分用にカスタマイズすれば、同じ業務OSが作れる。
Aが3つ以上 → IDE型。
Cursor、Devin、Antigravityを検討した方が合理的だ。この記事からも学べることはある。特にCLAUDE.mdの設計思想(第5章)やMemoryの仕組み(第6章)はIDE型でも応用できる。ただし、土台の設計が異なるため、全章を追う必要はない。
AとBが混在 → ハイブリッド型。
実はこのパターンが最も多い。データサイエンティスト、テクニカルPM、プロダクトマネージャー、マーケティングエンジニアなどは、コードも書くし文書も書く。
この場合、IDE(CursorやDevin)とVault(Obsidian + Claude Code)を併用するのが現実解だ。僕自身もPythonスクリプトの開発にはClaude Codeのコーディング機能を使っている。50本超・2万行のツールは、コードを一行も手書きせずにClaude Codeが生成した。
ただし、環境の「中心」をどちらに置くかは決めた方がいい。中心がないと、知識がIDEとVaultに分散して、どちらも中途半端になる。僕はVaultを中心に置いた。コードを書くときも、Vault内のツールフォルダで作業する。こうすることで、すべての知識がひとつのVaultに集約される。
「機能の優劣」ではなく「設計思想の違い」
ここまで読んで、「CursorよりObsidianの方が優れている」という主張だと誤解しないでほしい。
CursorはAIコードエディタとして圧倒的に優れている。Devinのコード自律生成能力は、人間のジュニアエンジニアを超えている領域がある。Antigravityのリアルタイム共同編集は、チーム開発の体験を変えた。
これらのツールは、エンジニアの仕事を加速するために設計されている。その目的に対しては、正解だ。
問題は、エンジニア以外の人が「AIを導入したい」と思ったときに、エンジニア向けのツールを持ってくることだ。
企画書を書く仕事。クライアントに報告する仕事。市場を調べて分析する仕事。アンケートの自由記述を分類する仕事。週次レビューを回す仕事。こういった仕事をしている人には、別の設計が要る。
包丁とノコギリはどちらも切るための道具だが、設計思想が違う。刺身を作るのにノコギリは使わない。
僕が選んだのは、ナレッジワーカーのための設計だ。文書を中心に据え、知識を蓄積し、4つのステップ(調べる→分析→書く→届ける)のそれぞれにAIを配置する。
次の章からは、この設計を支える3つの原則を解説する。Progressive Disclosure(全部読ませない)、異モデルチェック(同じ脳でレビューしない)、手動と自動の境界設計。この3つが、業務OSの品質を決める。
第2章 3つの設計原則
業務OSの設計は、3つの原則で支えている。
Progressive Disclosure — 全部読ませない
異モデルチェック — 同じ脳でレビューしても盲点は消えない
手動と自動の境界設計 — 自動化できるのに、あえて手動で残す
この3つがなかった頃、僕の環境は壊れた。精度が落ち、レビューが機能せず、自動化したはずの作業が事故を生んだ。
3原則は理論ではない。全部、失敗から生まれた。
原則① Progressive Disclosure — 全部読ませない
AIに渡す指示書は、長ければ長いほど精度が上がるわけではない。
これを身をもって学んだのが、CLAUDE.md 800行事件だ。
800行で精度が崩壊した日
CLAUDE.mdとは、Claude Codeが毎セッション最初に読む指示書だ。僕の仕事のルール、参照すべきファイル、コマンド体系——すべてをここに書く。
最初は74行だった。応答スタイル、実行権限、絶対禁止事項。必要最低限だけ書いた。精度は良かった。指示通りに動く。
「もっと書けば、もっと賢くなるはずだ。」
そう思って、3ヶ月かけて800行まで膨らませた。タスク管理のルール、記事制作のワークフロー、議事録のパイプライン、エージェントチームの起動手順、ナレッジマップ——思いつく限りの指示を詰め込んだ。
結果は逆だった。
800行のCLAUDE.mdを渡したClaude Codeは、以下の症状を出した。
指示の競合: タスク管理のルールと記事制作のルールが矛盾する場面で、どちらを優先するか判断できずに止まる
参照先の誤り: 「議事録を作って」と言うと、議事録のセクションではなく記事制作のセクションを参照する
コマンドの取り違え: 「タグ付けして」と言うと、タグ付けではなくナレッジマップの更新を始める
応答速度の低下: 毎回800行を解析してから動くため、最初の応答が明らかに遅くなる
以前noteに書いた記事「非エンジニアの800行CLAUDE.md」で公開した内容だ。あの時点では「800行でも動く」と書いた。嘘ではない。動く。ただし、精度は確実に落ちていた。
74行に圧縮→767行に再拡張
修正は2段階で行った。
Phase 1: 74行に圧縮
まず800行を74行まで削った。残したのは4つだけ。
応答スタイル(結論先行、ファクトベース、引用元必須)
実行権限(自動でやっていいこと、確認が必要なこと)
絶対禁止事項(Front Matter削除禁止、タグ上限)
参照先マップ(この1項目が全てを変えた)
精度は劇的に回復した。指示通りに動く。取り違えがなくなる。応答も速い。
ただし、74行では足りない場面が出てきた。「議事録を作って」と言っても、議事録の作り方を知らない。「記事書いて」と言っても、ワークフローが分からない。当然だ。情報を削りすぎた。
Phase 2: 参照マップで767行に戻す
ここで発見したのが「Progressive Disclosure」という設計パターンだ。
UIデザインの用語で、「必要な情報を、必要なタイミングで、必要な分だけ見せる」という原則。スマホアプリでよく使われる。設定画面で「詳細設定」を折りたたんでおくアレだ。
これをCLAUDE.mdに適用した。
やったことはシンプルだ。CLAUDE.mdには「何をどこで調べるか」だけ書く。 具体的な手順は別ファイルに置く。
参照マップ — CLAUDE.mdの心臓部
実際の参照マップがこれだ。僕のCLAUDE.mdから抜粋する。
## 作業時の参照先(Progressive Disclosure)
必要なときに必要なファイルだけを読むこと。全部を一度に読まない。
| 作業内容 | 参照すべきファイル |
|---------|-----------------|
| セッション開始時 | _週次レビュー/_ダッシュボード.md |
| タスク管理 | 案件タスクノート |
| ファイル作成・編集 | 運用ルール.md |
| タグ付け | auto_tagger/README.md |
| ユーザー情報 | 自社/プロフィール.md |
| NOTE記事制作 | Note/_INDEX.md → Note/記事テンプレート.md → Note/トーン&ボイスガイド.md |
| PDF変換 | _tools/md_to_pdf.py |
| 議事録作成 | _tools/transcribe_with_pptx.py → プロンプト/議事録作成プロンプト.md |この表がCLAUDE.mdの心臓だ。
「議事録を作って」と言われたら、CLAUDE.mdの800行を全部読む代わりに、transcribe_with_pptx.py と 議事録作成プロンプト.md だけを読む。これが「必要なときに、必要なファイルだけ」の実装だ。
このパターンで、767行に戻しても精度が落ちなくなった。CLAUDE.md本体は「地図」であり、「百科事典」ではない。地図に載っているのは道の名前と方向だけ。詳しい情報は現地(参照先ファイル)に行ってから読む。
Before/After

テスト方法
Progressive Disclosureが正しく機能しているかは、1分でテストできる。
CLAUDE.mdがある状態でClaude Codeを起動する
「〇〇について教えて」と聞く(例: 「タグ付けのルールを教えて」)
Claudeが正しい参照先ファイルを開いて、そこから情報を取得しているか確認する
「タグ付けのルールを教えて」と聞いて、Claudeが auto_tagger/README.md を開けば正解。CLAUDE.md内のタグ付けセクションだけで回答していたら、参照マップが機能していない。
読者が自分に適用する判定表
自分のCLAUDE.md(または指示書)がProgressive Disclosureになっているかをチェックする表だ。

300行以下なら、Progressive Disclosureは不要だ。全部読ませても問題ない。300行を超えたら、地図と詳細を分離する。
原則② 異モデルチェック — 同じ脳でレビューしても盲点は消えない
Claudeが書いた文章を、Claudeにレビューさせても、同じ盲点が残る。
これは人間のレビューと同じだ。自分が書いた企画書を自分でレビューしても、致命的な見落としに気づかない。視点が同じだから、同じ死角が生まれる。
AIも同じ構造を持っている。Claude Opus 4.6とGPT-5.4は、推論パターンが異なる。得意領域も違う。その差分が、クロスチェックの価値を生む。
Claude Opus 4.6 vs GPT-5.4 — 12領域の棲み分け
僕の環境では、Claude Code(Opus 4.6)がメインの作業者で、Codex CLI(GPT-5.4)がレビュアーだ。この役割分担は、以下のベンチマークデータから決めた。

この表から導き出した原則は1つ。
Claudeが書く → Codexがチェックする。
文章生成、長時間の自律作業、大規模コードベースの理解はClaudeが強い。一方、品質チェック、論理検証、盲点の発見は、異なるモデルに任せた方が精度が上がる。
自動起動する4場面
僕のCLAUDE.mdには、Codex CLIを自動起動するルールが書いてある。ユーザー(僕)が「Codexに聞いて」と言わなくても、以下の4場面で勝手に走る。
場面1: 記事の公開前レビュー(publish-review Gate 2)
記事がGate 2(50項目チェック)を通過するタイミングで、Codexに記事全文を渡す。「構造の論理ギャップ」「読者が離脱しそうなポイント」「ファクトの整合性」を指摘させる。
場面2: スクリプト・ツールを新規作成した直後
Claudeがコードを書き終えたら、自動的にCodexにコードレビューを投げる。バグ、エッジケース、設計改善点を返してもらう。
場面3: 複雑なタスク分解が必要なとき
「ブリーフィング作って」のように、10ステップ以上の計画が必要な場面。Codexの1Mコンテキスト窓とタスク分解力が活きる。
場面4: ブリーフィングの最終チェック
11エージェントパイプラインで作ったブリーフィングの最終版を、Codexに「ファクトと論理の矛盾がないか検証して」と投げる。第二モデルによるトライアンギュレーション(三角検証)だ。
起動しない場面
逆に、Codexを呼ばない場面も明確に決めてある。
日本語の文章生成・表現調整 → Claudeの方が日本語が自然
単純な読み書き・タグ付け → オーバーヘッドが無駄
長時間の自律コーディング → Claudeの持続力が優位
機密情報を含むタスク → 外部モデルに送信すべきでない
「全部ダブルチェックすればいい」は間違いだ。コストと時間を考えれば、チェックが価値を生む場面に絞る方が合理的だ。
実例: Claudeが見逃してCodexが見つけた3つのケース
ケース1: 数字の誤引用
僕が記事の中で「McKinseyによると、就労時間の57%が自動化可能」と書いた。Claudeのpublish-reviewはこれを通した。Codexは「この57%は米国の就労時間に限定した数字。記事では国を特定していない」と指摘した。読者に誤解を与えるリスクがあった。
Claudeが自分の出力を確認しても「正しい引用だ」と判断する。なぜなら、Claude自身がその数字を生成したとき、すでに「これは正しい」と判断しているからだ。同じモデルに再評価させても、同じ結論に至る。
ケース2: 論理の飛躍
ある記事で「エンゲージメントが下がる→離職率が上がる→採用コストが増える」というロジックを書いた。Claudeは「因果関係が成立している」と判定した。Codexは「エンゲージメント低下が離職率上昇に直結するエビデンスが記事内にない。中間メカニズムの説明が飛んでいる」と返してきた。
読者が「本当にそうなの?」と感じるポイントを、Claudeは見逃す。自分が書いたロジックを「もちろん正しい」と前提してしまうからだ。
ケース3: 読者の離脱ポイント
技術的な設計の説明が3段落続いたあと、「だからこうすべきだ」という結論に飛ぶ箇所があった。Claudeは構造として問題ないと判定した。Codexは「この3段落で一般読者は離脱する。2段落目の後に具体例を入れるべき」と返した。
Claudeは構造的な正しさを見る。Codexは読者体験としての破綻を見る。推論パターンの違いが、こういう形で現れる。
読者が自分に適用する判定表
異モデルチェックを自分の環境に導入するかを判断する表だ。

異モデルチェックが不要なケースもある。社内の下書き、個人のメモ、テスト段階のコード。公開しないものにダブルチェックのコストをかける必要はない。
逆に、公開する文章、クライアントに渡すレポート、本番のコード。これらは「同じ脳で見直す」のをやめた方がいい。
原則③ 手動と自動の境界設計
自動化できるのに、あえて手動で残す。
これが3つ目の原則だ。直感に反する。「全部自動化すれば効率が上がる」と思うのが普通だ。僕もそう思っていた。
しかし、1年間のAI運用で学んだのは真逆だった。自動化すべきでないポイントを自動化すると、取り返しのつかないミスが起きる。
AD-1の3段階スクリーニングを自分の環境に適用した
以前、「AIに任せていい仕事、ダメな仕事」という記事(AD-1)で、3段階スクリーニングを公開した。
Stage 1: 自動化可能性(入力/出力が明確か、成功基準があるか、手順の再現性があるか)
Stage 2: リスク評価(エラーコスト、フィードバック速度、規制制約)
Stage 3: 価値判断(信頼関係、暗黙知、効率より効果)
この3段階を、僕自身の業務OS全体に適用した。その全判定結果を公開する。

注目してほしいのは、下3行だ。Stage 1(自動化可能性)は全て◎か○。技術的には完全に自動化できる。それでも手動にしている。
「自動化できるのにあえて手動で残す」7つの判断

共通するパターンが見えるだろうか。
不可逆性が高い操作は、手動で残す。
ファイルの読み書きは自動化していい。間違えてもやり直せる。しかし、公開・削除・外部送信は元に戻せない。この一線が、自動と手動の境界だ。
もう1つのパターンは、「文脈依存の判断」は手動で残すということだ。
タスクの集計は文脈がなくてもできる。しかし「今週はA案件よりB案件を優先すべきだ」という判断には、クライアントの温度感、社内の政治、締切の軽重——AIに渡せない文脈が必要になる。
3段階スクリーニング — 読者が自分の業務に適用するテンプレート
以下の表を、自分の業務で埋めてみてほしい。
| 業務名 | Stage 1: 自動化可能性 | Stage 2: リスク評価 | Stage 3: 価値判断 | 判定 |
|--------|---------------------|-------------------|-----------------|------|
| | 入出力: ☐明確 ☐曖昧 | エラーコスト: ☐低 ☐中 ☐高 | 信頼関係: ☐なし ☐あり | ☐自動 |
| | 成功基準: ☐あり ☐なし | FB速度: ☐速 ☐遅 | 暗黙知: ☐なし ☐あり | ☐半自動 |
| | 再現性: ☐あり ☐なし | 規制: ☐なし ☐あり | 不可逆性: ☐低 ☐高 | ☐手動 |
|--------|---------------------|-------------------|-----------------|------|
| | 入出力: ☐明確 ☐曖昧 | エラーコスト: ☐低 ☐中 ☐高 | 信頼関係: ☐なし ☐あり | ☐自動 |
| | 成功基準: ☐あり ☐なし | FB速度: ☐速 ☐遅 | 暗黙知: ☐なし ☐あり | ☐半自動 |
| | 再現性: ☐あり ☐なし | 規制: ☐なし ☐あり | 不可逆性: ☐低 ☐高 | ☐手動 |
|--------|---------------------|-------------------|-----------------|------|
| | 入出力: ☐明確 ☐曖昧 | エラーコスト: ☐低 ☐中 ☐高 | 信頼関係: ☐なし ☐あり | ☐自動 |
| | 成功基準: ☐あり ☐なし | FB速度: ☐速 ☐遅 | 暗黙知: ☐なし ☐あり | ☐半自動 |
| | 再現性: ☐あり ☐なし | 規制: ☐なし ☐あり | 不可逆性: ☐低 ☐高 | ☐手動 |判定ルール: - Stage 1で「曖昧」「なし」が2つ以上 → 手動(自動化できない) - Stage 2で「高」「遅い」「あり」が1つでも → 半自動(AIが下書き→人間が確認) - Stage 3で「あり」「高」が1つでも → 半自動または手動(不可逆性と暗黙知で決める) - 全Stageで問題なし → 自動
5〜10個の業務を埋めてみると、「意外と自動化できるもの」と「絶対に手動で残すもの」の境界が見えてくる。
3原則のまとめ — どこに効くか

3つは独立しているようで、連動している。
Progressive Disclosureで指示書を設計するから、Claude Codeが正確に動く。正確に動くから、異モデルチェックで「本当に正しいか」を検証する意味が出る。検証した上で、最終的に「人間が判断する」ポイントを手動で残す。
3つのうち1つでも欠けると、システムが脆くなる。
指示書が雑だとClaudeの出力が不安定になり、レビューしても意味がない。レビューを省略すると、Claudeの盲点がそのまま公開される。手動チェックを外すと、不可逆な事故が起きる。
第3章 アーキテクチャ全体図 — 部品の地図を手に入れる
まず、全体の規模を見せる
僕の業務OSを構成する部品は、全部でこれだけある。

合計すると、ファイル数だけで90以上。コード行数は2万行を超える。
全部を僕が設計して、Claude Codeが書いた。僕自身はコードを1行も書いていない。
ただし、これは3ヶ月かけて育てた完成形だ。最初からこの規模だったわけではない。最初は2つだけだった。Claude CodeとCLAUDE.md。それだけで始まった。
4レイヤー構成図
この業務OSは4つの層で構成されている。上から順に「何を知っているか」「何の仕事をしているか」「何を外に出すか」「どう実行するか」に対応する。
┌─────────────────────────────────────────────────┐
│ ナレッジ層 │
│ 人的資本経営の理論・事例・KPI / 読書ノート / │
│ コンサルスキル / 案件レポート群 │
│ → Vaultに蓄積された知的資産。増え続ける │
├─────────────────────────────────────────────────┤
│ 案件層 │
│ クライアントAタスク / クライアントBタスク / プロジェクトC タスク / │
│ 週次レビュー / ダッシュボード │
│ → 今動いている仕事。毎日更新される │
├─────────────────────────────────────────────────┤
│ 発信層 │
│ NOTE記事原稿 / 公開済みアーカイブ / X連動 / │
│ AI動向Intel / ブリーフィング成果物 │
│ → 外に出すアウトプット。週2〜3本ペース │
├─────────────────────────────────────────────────┤
│ ツール層 │
│ CLAUDE.md / Skills / Agents / スクリプト 50本超 / │
│ Memory / MCP 2台 / Codex CLI │
│ → 上の3層を動かすエンジン。ここが業務OSの正体 │
└─────────────────────────────────────────────────┘上3つの層はコンテンツだ。ナレッジ層に知識があり、案件層に今の仕事があり、発信層にアウトプットがある。普通の人はここだけを持っている。
ツール層が、この業務OSの核心だ。ツール層がなければ、上の3層はただのフォルダの集まりにすぎない。ツール層があることで「タスク確認して」の一言でダッシュボードが更新され、「記事書いて」の一言で企画から公開レビューまで走り、「議事録にして」の一言で56分の会議が13分で議事録になる。
この章では、ツール層の内部構造を解剖する。
ツール層の7つの部品
ツール層は7つの部品で構成されている。それぞれの関係を図にする。
┌──────────┐
│ CLAUDE.md │ ← 司令塔(全部品の起動条件を定義)
└─────┬────┘
│ 読む
┌───────────┼───────────┐
▼ ▼ ▼
┌──────────┐ ┌────────┐ ┌──────────┐
│ Skills │ │ Memory │ │ Settings │
│ 7本 │ │ 30件 │ │ 権限制御 │
└────┬─────┘ └────────┘ └──────────┘
│ 起動
┌───────┼───────┐
▼ ▼ ▼
┌────────┐┌──────┐┌────────┐
│ Agents ││Tools ││ MCP │
│ 11体 ││50本超 ││ 2台 │
└────────┘└──────┘└────┬───┘
│
┌────▼────┐
│ Codex │ ← 異モデル検証(最後の品質ゲート)
│ GPT-5.4 │
└─────────┘上から下に向かって、抽象度が下がる。CLAUDE.mdは「何をするか」を定義し、Skillsは「どういう手順で」を定義し、AgentsとToolsとMCPが「実際にやる」。Codexは独立した検証者として、最後に品質を担保する。
各部品を1つずつ説明する。
部品1: CLAUDE.md(司令塔)
CLAUDE.mdは、Claude Codeが毎セッション最初に読むファイルだ。767行ある。
書いてあることは3つ。
応答スタイル — 結論先行で断定型。「〜かもしれない」禁止
コマンド定義 — 「タスク確認して」→ 全案件タスクノートを読んで報告、のように自然言語とアクションを紐づける
ナレッジマップ — 質問のテーマに応じて、Vault内のどのファイルを参照すべきかの地図
CLAUDE.mdがなければ、Claude Codeはただの汎用チャットボットだ。毎回「僕はコンサルタントで、人的資本経営を専門にしていて…」と説明するところからやり直しになる。
CLAUDE.mdがあれば、Claude Codeは「僕の仕事を知っている専属アシスタント」になる。
部品2: Skills(ワークフロー圧縮)
Skillsは、複数のステップをまとめて1コマンドで起動する仕組みだ。7本ある。

Skillsがなければ、毎回「まずこのファイルを読んで、次にこの形式で…」と手順を口頭で指示することになる。10ステップの作業を10回説明する代わりに、「変換して」の5文字で済む。これがSkillsの価値だ。
部品3: Agents(専門家チーム)
Agentsは、特定の専門性を持つAIの分身だ。11体いる。
McKinsey/BCG/Bainのリサーチプロセスを再現した設計になっている。1体のAIに「全部やって」と頼むのではなく、問いの分類、構造化、調査、定量化、分析、シナリオ構築、類似事例、証拠抽出、統合執筆、品質検査、最終レビューを、11体が分業する。
問いの分類 → 構造化 → 調査 → 定量化 → 分析 ─┐
├→ 証拠抽出 → 統合執筆 → 品質検査 → レビュー
シナリオ ─┤
類似事例 ─┘1体に全部やらせると、調査が浅くなるか、分析が雑になるか、どこかが犠牲になる。11体に分業させると、各フェーズの品質が担保される。
Agentsは「ブリーフ作って」のSkillから自動起動する。手動で11体を順番に呼ぶ必要はない。
部品4: Pythonスクリプト(実行器)
Claude Codeが書いた50本超のスクリプトが、_tools/フォルダに入っている。
機能別に分類する。

これらのスクリプトは全部、僕が「こういう機能がほしい」と言葉で伝えて、Claude Codeが書いたものだ。僕はコードを読んでレビューすることはあるが、自分でエディタを開いてコードを書いたことは一度もない。
部品5: Memory(セッション横断記憶)
Claude Codeのセッションは、終了するたびにリセットされる。昨日の会話を今日のClaude Codeは覚えていない。
Memoryは、この問題を解決する仕組みだ。MEMORY.mdというインデックスファイルと、約30本の個別メモリファイルで構成される。
記憶の種類は5つ。

Memoryがなくても動く。ただし、毎セッション「初対面のアシスタント」に仕事を教え直すところから始まる。Memoryがあれば、「3ヶ月一緒に仕事してきた相棒」として続きから入れる。
部品6: MCPサーバー(意味解析エンジン)
MCP(Model Context Protocol)は、Claude Codeに「外部の目」を与える仕組みだ。2台動いている。

MCPなしのClaude Codeは、ファイルを「テキストの塊」として読む。MCPありのClaude Codeは、ファイルの「構造と関係性」を理解する。
具体例を出す。MCPなしで「この分析スクリプトの依存関係を教えて」と聞くと、ファイルの中身をgrepして推測する。MCPありなら、serenaが参照グラフを解析して正確な依存関係を返す。
MCPがなくても業務OSは動く。ただし、Vault内の関係性を聞く質問への回答精度が落ちる。
部品7: Codex CLI(異モデル検証)
Codex CLIは、OpenAIのGPT-5.4をコマンドラインから呼ぶツールだ。
Claude Code(Claude Opus 4.6)が書いた文章やコードを、GPT-5.4が独立してレビューする。同じモデルに自分の出力をレビューさせても、同じバイアスが残る。異なるモデルを使うことで、盲点が見つかる。
自動起動する場面は4つ。
NOTE記事の公開前レビュー — 構造・論理ギャップ・読者離脱ポイントを指摘
スクリプト新規作成後 — バグ・エッジケース・設計改善を検出
ブリーフィングの最終チェック — ファクトと論理の矛盾を検証
ユーザーが「ダブルチェックして」と言ったとき — 汎用的なセカンドオピニオン
Claudeが書く。Codexがチェックする。これが原則だ。
部品依存マップ — 何がなくても動くか、何がないと止まるか
ここが一番大事なセクションだ。
全部の部品を一度に入れる必要はない。最小構成から始めて、1つずつ追加していける。何を追加すると何が変わるかを明確にする。
Lv.0: 素のClaude Code(何も設定しない状態)
できること: 汎用的な質問応答、ファイルの読み書き、コマンド実行
できないこと: 自分の仕事を理解した応答、業務フローの自動化、セッション間の記憶
これはただの高性能チャットボットだ。ChatGPTの上位互換ではあるが、業務OSではない。
Lv.1: Claude Code + CLAUDE.md(最小構成)
追加するもの: CLAUDE.mdファイル1つ
変わること: - 「タスク確認して」で案件横断のタスク一覧が出る - 「記事書いて」で執筆フローが走る - 質問すると、Vault内の正しいファイルを参照して答える - 応答スタイルが自分好みに固定される
変わらないこと: - セッションが切れると文脈がリセットされる - 複雑なワークフローは毎回口頭で手順を説明する必要がある - ドキュメント変換は手動
CLAUDE.md1つで、汎用チャットボットが「自分の仕事を知っているアシスタント」に変わる。ここが最も費用対効果が高い。所要時間は2〜3時間。
Lv.2: + Skills(ワークフロー自動化)
追加するもの: Skills 7本(.claude/skills/フォルダ)
変わること: - 「変換して」でMarkdown→HTML変換→テーブル画像生成→ブラウザ表示が一括実行 - 「公開レビューして」で13観点×50項目の品質チェックが自動で走る - 「PDFにして」「Wordにして」でドキュメント変換が1コマンド - 「タグ付けして」で40タグから自動選定
核心の変化: 10ステップの手順を覚えなくていい。Skillファイルが手順書そのものだから。
Lv.3: + Memory(セッション継続性)
追加するもの: MEMORY.md + 個別メモリファイル約30本
変わること: - 新しいセッションでも「昨日の続きから」で始められる - 過去のフィードバック(「絵文字OK」「記事コードを本文に書くな」)が自動反映 - 案件の進捗状態を毎回説明しなくていい
核心の変化: 毎回の「引き継ぎコスト」がゼロになる。
Lv.4: + Agents(専門家チーム)
追加するもの: 11体のAgentファイル(.claude/agents/フォルダ)
変わること: - 「ブリーフ作って [テーマ]」で、問いの分類→構造化→調査→定量化→分析→シナリオ→証拠抽出→統合→品質検査→レビューの11フェーズが自動実行 - 1〜2日かかっていた市場調査ブリーフィングが10〜45分で完成 - 品質はIntegrity Checker + Reviewerの2段ゲートで担保
核心の変化: 「調べて→まとめて」の仕事が、「問いを投げて→成果物を受け取る」に変わる。
Lv.5: + MCP(構造理解)
追加するもの: serena + zen の2台のMCPサーバー
変わること: - Vault内のファイル間の参照関係を正確に把握する - スクリプトの品質チェックが自動化される - 「このファイルに関連するファイルは?」に構造的に答えられる
核心の変化: Vaultが「ファイルの集まり」から「意味のあるネットワーク」になる。
Lv.6: + Codex(異モデル検証)— 完全体
追加するもの: Codex CLI(GPT-5.4)
変わること: - NOTE記事の公開前に、Claudeとは異なる視点で品質チェックが走る - スクリプトのバグ検出精度が上がる - ブリーフィングの論理矛盾が検出される
核心の変化: 「Claudeが書いてClaudeがチェック」の盲点が消える。
依存関係の早見表
必須(これがないと何も始まらない)
└── Claude Code本体
└── CLAUDE.md ← ここが起点。まずこれだけ作る
あると便利(順番に追加していく)
├── Skills ← CLAUDE.mdの次に作る。効果が即座に出る
├── Memory ← 3つ目。セッションを跨ぐ仕事が増えたら
└── Pythonスクリプト ← 必要になったら都度Claude Codeに書かせる
上級(業務が複雑になったら)
├── Agents ← リサーチ業務が多い人向け
├── MCP ← Vaultが大きくなったら
└── Codex ← 品質にこだわるなら重要なのは、下の部品がなくても上の部品は動くということだ。MCPがなくてもSkillsは動く。Codexがなくても記事は書ける。Agentsがなくてもタスク管理はできる。
だから、Lv.1(Claude Code + CLAUDE.md)から始めて、必要になったものを足していく。これが正しい導入順序だ。
コスト×機能マトリクス
「で、いくらかかるの?」という疑問に答える。

各レベルの判断基準
Lv.1で十分な人: - Claude Codeを1日1〜3時間使う - 異モデルチェックは不要(自分でレビューできる) - 月15,000円に収めたい
Lv.2が必要な人: - NOTE記事を定期的に公開していて、品質チェックを自動化したい - スクリプトを頻繁に作るので、コードレビューを異モデルに任せたい - 月3,000円の追加投資で品質が上がるなら払う
Lv.3が必要な人: - Claude Codeを1日5時間以上使う(僕のケース) - Pro版の利用上限に頻繁に達する - 業務の中核をClaude Codeに依存しているので、上限で止まるリスクを排除したい
僕はLv.3で運用している。月33,000円。高い。ただ、理由がある。
ただ、この業務OSが生み出している効果を見てほしい。報告書3時間→30分(83%削減)、議事録に数時間→13分、自由記述分析3週間→1分(99%削減)、議事録SaaS月2〜3万円→0円。
月33,000円で、年間数百時間と年間24〜36万円のSaaSコストが浮いている。投資対効果は明白だ。
しかも、Lv.1の月15,000円でもこの効果の大部分は得られる。異モデルチェックと利用上限の緩和を除けば、機能差はほとんどない。
この章のまとめ
業務OSは4レイヤー構成。 ナレッジ層(知識)、案件層(今の仕事)、発信層(アウトプット)、ツール層(エンジン)
ツール層の7部品。 CLAUDE.md、Skills 7本、Agents 11体、Pythonスクリプト50本超、Memory約30件、MCP 2台、Codex 1台
最小構成はClaude Code + CLAUDE.mdの2つだけ。 ここから始めて、必要なものを1つずつ足す
月15,000円で95%の機能が使える。 異モデルチェックと利用上限緩和が必要なら18,000〜33,000円
次の章からは、実際に手を動かす。Part 2「土台編」で、まずClaude CodeとObsidianの環境を構築し、CLAUDE.mdの初版を書く。3時間で、業務OSの土台ができる。
チェックリスト
4レイヤー構成図を見て、自分のVaultをどう分けるか決められた
7つの部品の役割を、それぞれ1文で説明できる
部品依存マップを見て、「自分はLv.いくつから始める」か決められた
コスト×機能マトリクスを見て、月額を決められた
Part 2: 土台編 — 最初の3時間で作るもの
第4章 環境構築 — 30分でClaude CodeとObsidianを動かす
所要時間: 30分。 本当に30分で終わる。ここでは「なぜ」より「どうやるか」に振り切る。設計思想はPart 1で終わった。ここからは手を動かす。
Step 1: Cursor + Claude Code拡張(10分)
なぜCursorか
「Claude Codeを使うのに、なぜCursorが要るのか」という疑問が出る。答えはシンプルだ。
Claude Codeはターミナル(黒い画面にコマンドを打ち込む場所)で動くツールだ。ターミナル単体でも使える。ただし、ターミナルだけだと「今Vaultの中にどんなファイルがあるか」を目で確認できない。ファイルの中身を見ながらClaude Codeに指示を出すには、エディタ(ファイルを開いて中身を見るアプリ)が必要になる。
Cursorはそのエディタだ。左にファイルツリーが並び、中央にファイルの中身が表示され、下にターミナルが開く。ファイルを眺めながらClaude Codeを操作できる。
さらに、CursorにはClaude Code専用の拡張機能がある。これを入れると、ターミナルではなくCursorの中に統合されたパネルでClaude Codeを操作できる。ファイルの編集もClaude Codeの操作も、1つの画面で完結する。
僕はCursorを「コード開発環境」としてではなく「Vault操作の実行環境」として使っている。コードは1行も書かない。ファイルの確認と、Claude Codeへの指示出し。この2つのためにCursorを使う。
1-1. Cursorをダウンロードする
以下のURLを開く。
https://www.cursor.com/トップページの「Download」ボタンを押す。macOSならdmgファイル、Windowsならexeファイルがダウンロードされる。
ダウンロードしたファイルを開いて、指示に従ってインストールする。macOSの場合はCursorのアイコンをApplicationsフォルダにドラッグするだけだ。
インストールが終わったらCursorを起動する。
1-2. 初回起動時の選択
Cursorを初めて起動すると、いくつかの設定画面が出る。
テーマ選択: 「Dark」か「Light」かを聞かれる。好みで選べばいい。僕はDarkを使っている。
拡張機能のインポート: VS Codeを使ったことがあるなら「Import Extensions from VS Code」を選ぶ。使ったことがなければスキップ。
AIモデルの設定: ここは何も変えずに進む。Claude Code拡張を入れた後に設定する。
ここまでで、Cursorの画面が開いた状態になる。
1-3. Claude Code拡張をインストールする
Cursorの左端に、四角が4つ並んだアイコンがある。これが「拡張機能」メニューだ。クリックする。
検索バーが出る。ここに以下を入力する。
Claude Code「Claude Code」という名前の拡張機能が表示される。Anthropic公式のものを選ぶ。「Install」ボタンを押す。
インストールが完了すると、Cursorの左端に新しいアイコンが追加される。Claudeのロゴマークだ。これをクリックすると、Claude Codeのパネルが右側に開く。
1-4. Claude Codeの認証
Claude Codeのパネルを初めて開くと、認証を求められる。ここで2つの道がある。
道A: Anthropic APIキーを使う(従量課金)
AnthropicのWebサイト(https://console.anthropic.com/)でAPIキーを発行し、設定画面に貼り付ける。使った分だけ課金される方式だ。
ただし、この記事ではAPIキーの方式は推奨しない。理由は後述のStep 4で説明する。
道B: Claude Pro / Max Proプランで認証する(定額制)
Claude Code拡張のパネルで「Sign in with Claude」を選ぶ。ブラウザが開き、Claudeのログイン画面に遷移する。Anthropicのアカウントでログインすると、認証が完了する。
Claude Pro($100/月)またはMax Pro($200/月)のサブスクリプションを持っていれば、Claude Codeが使い放題になる(Pro版には利用上限がある。詳しくはStep 4)。
認証が成功すると、Claude Codeのパネルに入力欄が表示される。ここに日本語で指示を打ち込めば、AIが応答する。
1-5. 動作確認
Claude Codeのパネルに、以下を入力する。
今日は何日?数秒で「2026年3月22日です」のような回答が返ってくる。これでClaude Codeが動いている。
もう1つ試す。
このフォルダにあるファイルを一覧してCursorで開いているフォルダの中身がリストアップされる。Claude Codeがファイルシステムにアクセスできている証拠だ。
ここまでで、Step 1は完了。
Step 2: Obsidian Vault(10分)
2-1. Obsidianをダウンロードする
以下のURLを開く。
https://obsidian.md/「Get Obsidian」ボタンを押す。macOS / Windows / Linux の中から自分のOSを選んでダウンロードする。無料だ。
ダウンロードしたファイルを開いてインストールする。
2-2. 新規Vaultを作成する
Obsidianを起動すると、「Create new vault」(新しいVaultを作成)か「Open folder as vault」(既存フォルダをVaultとして開く)かを聞かれる。
「Create new vault」を選ぶ。
Vault名を聞かれる。何でもいい。僕は「Obsidianフォルダ」にしている。「MyVault」「業務OS」「Work」——好きな名前をつける。
保存先はデフォルトのままで構わない。あとで変えられる。ただし、OneDriveやDropboxの同期フォルダに置くと、後でGitと競合する可能性がある。迷ったらDocumentsフォルダの直下がいい。
「Create」を押す。空のVaultが作成され、Obsidianのメイン画面が開く。
2-3. フォルダ骨格を作る
ここで、第33章で解説する職種別のフォルダ構成を先取りする。ただし今は最小限だけ作る。全部作る必要はない。
Obsidianの左サイドバーにあるファイルエクスプローラーで、右クリック → 「New folder」を選ぶ。以下のフォルダを1つずつ作る。
Vault/
├── CLAUDE.md ← あとで作る(第5章)
├── MEMORY.md ← あとで作る(第6章)
├── _タスク/ ← タスク管理用
├── _週次レビュー/ ← 週次レビュー用
├── _ツール/ ← Pythonスクリプト置き場
├── ナレッジ/ ← 知識ベース
└── プロジェクト/ ← 案件・プロジェクト別の作業場7つ。これだけでいい。
CLAUDE.mdとMEMORY.mdは空ファイルだけ作っておく。中身は第5章と第6章で書く。Obsidianで新規ファイルを作るには、左サイドバーの一番上にある「New note」アイコン(紙に+マークのアイコン)をクリックする。ファイル名を CLAUDE.md と MEMORY.md にする。
コンサルならここを変える: プロジェクト/ の代わりに 案件/ にする。案件ごとにサブフォルダを切る。詳しくは第33章のコンサル向け構成を参照。
マネージャーならここを変える: プロジェクト/ の代わりに チーム/ を作り、メンバーごとのサブフォルダを切る。詳しくは第33章のマネージャー向け構成を参照。
2-4. CursorでVaultフォルダを開く
ここが重要だ。Obsidianで開いたVaultと同じフォルダを、Cursorでも開く。
Cursorのメニューバーから「File」→「Open Folder」を選ぶ。先ほどObsidianで作成したVaultのフォルダを選択する。
これで、以下の状態になる。
Obsidian: Vaultの中身をノートアプリとして閲覧・編集する
Cursor: 同じVaultの中身をエディタで閲覧し、Claude Codeで操作する
2つのアプリが同じフォルダを見ている。Obsidianでファイルをメモとしてきれいに見る。Cursorで同じファイルをClaude Codeに渡す。この二刀流が業務OSの基本形だ。
2-5. Claude Codeからの動作確認
CursorのClaude Codeパネルに、以下を入力する。
このフォルダの構成を見せて先ほど作ったフォルダ構成が返ってくる。
Vault/
├── CLAUDE.md
├── MEMORY.md
├── _タスク/
├── _週次レビュー/
├── _ツール/
├── ナレッジ/
└── プロジェクト/こう返ってきたら、Claude CodeがVaultを正しく認識している。
Step 3: 必須Obsidianプラグイン5選(5分)
Obsidianは素の状態でもメモアプリとして使える。ただし、プラグイン(追加機能)を入れると、業務OSとしての利便性が格段に上がる。
「5つも入れるのか」と思うかもしれない。全部で5分で終わる。1つあたり1分だ。
プラグインのインストール手順(共通)
全プラグインに共通する手順を先に書く。5回同じことをやるだけだ。
Obsidianの左下にある歯車アイコン(Settings)をクリック
左メニューの「Community plugins」をクリック
初回は「Turn on community plugins」を押してプラグインを有効化する
「Browse」ボタンをクリック
検索バーにプラグイン名を入力
該当プラグインの「Install」を押す
「Enable」を押す(インストールだけでは動かない。有効化が必要)
これを5回繰り返す。
プラグイン① Templater
役割: テンプレートからファイルを自動生成する。議事録、タスクノート、週次レビューなど、同じ形式のファイルを毎回ゼロから書かなくて済む。
インストール: 検索バーに Templater と入力。作者「SilentVoid」のものを選ぶ。
推奨設定: - Settings → Templater → Template folder location: _テンプレート - テンプレートファイルを置くフォルダを指定する。Vaultルートに _テンプレート/ フォルダを作っておく - Trigger Templater on new file creation: ON - 新しいファイルを作成したとき、テンプレートを自動適用するかどうか。ONにしておく
プラグイン② Dataview
役割: Vault内のファイルをデータベースのように検索・一覧表示する。「タグが “進行中” のファイルを全部テーブルで見せて」のようなクエリが書ける。
インストール: 検索バーに Dataview と入力。作者「Michael Brenan」のものを選ぶ。
推奨設定: - Settings → Dataview → Enable JavaScript queries: ON - 高度なクエリが使えるようになる。セキュリティリスクがあるのは外部から持ち込んだコードを実行する場合だけなので、自分のVaultなら問題ない - Enable inline queries: ON - 文中に = this.file.name のようなインラインクエリを埋め込める - Date format: yyyy-MM-dd - 日付のフォーマットを統一する
プラグイン③ Graph Analysis
役割: Vault内のファイル同士のリンク関係をグラフ(ネットワーク図)で可視化する。どのファイルがどのファイルと繋がっているかが一目でわかる。
インストール: 検索バーに Graph Analysis と入力してインストール。
推奨設定: - デフォルトのままで十分使える。特に変更不要
このプラグインが効いてくるのは、Vaultにファイルが50本を超えたあたりからだ。最初は「ふーん」で構わない。ファイルが増えると「この知識とこの知識が繋がっていたのか」が視覚的にわかるようになる。
プラグイン④ Quiet Outline
役割: 現在開いているファイルの見出し一覧を、サイドバーに常時表示する。長いファイルを読むときに「今どこにいるか」が一目でわかる。
インストール: 検索バーに Quiet Outline と入力してインストール。
推奨設定: - Settings → Quiet Outline → Default level of heading to expand: 2 - 見出しレベル2まで展開して表示する。3以下は折りたたんでおく - Render markdown: ON - 見出しのマークダウン書式をきれいに表示する
CLAUDE.mdのような800行近いファイルを扱うとき、このプラグインがないと迷子になる。
プラグイン⑤ Extended Graph
役割: Obsidian標準のグラフビューを拡張し、タグやフォルダによるフィルタリング、グループ色分けなどの機能を追加する。
インストール: 検索バーに Extended Graph と入力してインストール。
推奨設定: - デフォルトのままで十分使える - ファイルが100本を超えたら、タグ別の色分けを設定すると見やすくなる
Graph AnalysisとExtended Graphの違いを簡単に説明する。Graph Analysisはファイル間の「つながりの強さ」を数値で分析する。Extended Graphは見た目のカスタマイズに強い。用途が違うので両方入れる。
Step 4: 契約判断(5分で決める)
Claude: Pro vs Max Pro
Claude Codeを使うには、Anthropicの有料プランが必要だ。2つの選択肢がある。

判断基準は1つだけ: 「1日に何時間Claude Codeを使うか」。
1日1〜2時間なら、Proで十分だ。上限に引っかかることはほとんどない。
1日3時間を超えるなら、Max Proにした方がいい。Proだと上限に達して待たされる場面が出てくる。業務の途中で止まるストレスは、月$100の差額以上に痛い。
僕はMax Pro ($200) を使っている。理由は単純で、1日5〜8時間Claude Codeを動かしているからだ。この記事を書いているのもClaude Codeだし、議事録もタスク管理もブリーフィングも全部Claude Code経由で回している。
迷っているなら、まずProから始めればいい。 上限に引っかかる頻度が月3回を超えたら、Max Proに切り替える。それで十分だ。
なぜAPIキー課金を推奨しないか
Step 1で「APIキー方式は推奨しない」と書いた。理由は2つある。
コストが読めない。 APIキーは使った量に応じて課金される。Claude Code経由でOpus 4.6を大量に使うと、月額が$200を軽く超える場合がある。Pro / Max Proの定額制なら、いくら使っても月額が変わらない。
上限管理が楽。 ProやMax Proはプラン内の利用上限を超えたら止まるだけで、追加課金は発生しない。APIキーは止まらずに課金され続ける。
非エンジニアが業務OSとして日常的に使うなら、定額制の方が安心だ。
ChatGPT Plus ($20/月) は必要か
結論: 必須ではないが、入れた方がいい。
ChatGPT Plus ($20/月、約3,000円) に加入すると、Codex CLI(GPT-5.4)が使えるようになる。第2章の「異モデルチェック」で説明した、Claude以外のAIに品質チェックをさせる仕組みだ。
Claudeが書いた文章をClaudeにレビューさせても、同じ盲点が残る。GPT-5.4にレビューさせると、Claudeが気づかなかった論理ギャップや事実誤認を指摘してくれる。
ただし、これは業務OSが育ってきてから使う機能だ。環境構築の段階では不要。まずClaude Code + Obsidianで動く状態を作り、運用に慣れてきたら追加すればいい。
コストまとめ

僕は3番目の構成(月約33,000円)で運用している。数字だけ見ると高い。しかし、報告書1本で3時間→30分になった時点で、時給換算では余裕で元が取れている。月に報告書を4本書くなら、10時間分の工数削減だ。
ハマりポイントと対処法
Cursorのバージョンで拡張の場所が違う
Cursorは頻繁にアップデートされる。バージョンによって、Claude Code拡張の検索方法やインストール場所が若干変わることがある。
対処: 「Claude Code」で検索して見つからない場合は、Cursorのバージョンを最新に更新する。Cursor → 「Check for Updates」で確認できる。それでも見つからなければ、Anthropicの公式ページ(https://docs.anthropic.com/en/docs/claude-code)で最新のインストール手順を確認する。
.obsidianフォルダと.claudeフォルダの関係
VaultをCursorで開くと、Cursorのファイルツリーに .obsidian と .claude という2つの隠しフォルダが見える場合がある。名前が似ているが、役割は完全に別だ。
.obsidian/: Obsidianの設定ファイルが入っている。プラグインの設定、テーマ、ホットキーなど。Obsidianが自動管理するフォルダ。触らなくていい。
.claude/: Claude Codeの設定ファイルが入っている。settings.json(実行権限の制御)、skills/(ワークフロー定義)など。この記事の後半で作り込んでいくフォルダ。
2つは独立している。互いに干渉しない。Obsidianの設定を変えてもClaude Codeには影響しないし、Claude Codeの設定を変えてもObsidianには影響しない。
一点だけ注意: .obsidian/ フォルダの中身はマシンごとに最適化されるため、Gitで共有しようとすると別のマシンで壊れることがある。.gitignore に .obsidian/workspace.json を入れておくのが安全だ。ただし、Git自体の設定は次の項目で説明する。
Git初期化すべきか
結論: すべきだ。
Gitとは、ファイルの変更履歴を記録する仕組みのことだ。プログラマーがコードのバージョン管理に使うツールだが、文書管理にも使える。
Gitを入れる理由は3つある。
バックアップ。 Claude Codeが誤ってファイルを壊した場合、Gitで前の状態に戻せる。これが最大の安全網だ。
変更追跡。 「いつ、誰が(自分かAIか)、何を変えたか」が全部記録される。1ヶ月前のCLAUDE.mdがどうだったかを確認できる。
Claude Code自身が使う。 Claude CodeはGitの情報を読んで、ファイルの変更履歴を把握する。「このファイルの直近の変更は何?」と聞けば、Gitのログを読んで答えてくれる。
初期化の手順:
CursorのClaude Codeパネルに以下を入力する。
git init して、最初のコミットを作ってClaude Codeが以下を実行する。
git init
git add -A
git commit -m "initial commit"これで完了だ。以後、ファイルの変更がすべて追跡される。
Claude Codeが大きな変更をする前に「checkpoint」コミットを自動で作る運用については、第5章のCLAUDE.md設計で説明する。
Gitのコマンドを覚える必要はない。 Claude Codeに「前の状態に戻して」「昨日の変更を見せて」と言えば、Claude CodeがGitコマンドを代行する。
.claudeフォルダの初期設定
Step 2でVaultのフォルダ骨格を作ったが、もう1つだけやっておく。.claude/ フォルダの初期ファイルだ。
CursorのClaude Codeパネルに、以下を入力する。
.claude フォルダを作って、settings.json を以下の内容で作成して
{
"permissions": {
"defaultMode": "auto"
}
}Claude Codeがフォルダとファイルを作成する。
この settings.json は、Claude Codeの実行権限を制御するファイルだ。"defaultMode": "auto" は「Claude Codeが危険度を自分で判断して、安全な操作は自動実行、危険な操作は確認を求める」という設定。第5章のCLAUDE.md設計で、権限の詳細を詰める。
今の段階ではこの1ファイルだけで十分だ。
完成状態の確認
ここまでの作業で、以下の状態が揃っている。
Cursor が起動し、Claude Code拡張がインストール済み
Obsidian にVaultが作成され、7つのフォルダ + 2つの空ファイルがある
CursorとObsidianが同じVaultフォルダを見ている
プラグイン5個 がインストール・有効化済み
Claude Codeの認証 が通り、指示を打つと返答がある
Git が初期化済み
.claude/settings.json が配置済み
最終確認として、Claude Codeパネルで以下を入力する。
CLAUDE.md を読んでCLAUDE.mdはまだ空なので、「CLAUDE.mdの内容は空です」のような返答が返ってくる。これが正常だ。次の第5章でCLAUDE.mdの中身を書いていく。
Obsidianに戻って、左サイドバーのファイルツリーを確認する。作成したフォルダとファイルが全部見えていれば完了だ。
ここから先は、実際に作る人のために書きました。