【2026年最新】OpenClawで9体のAIエージェント経営OSを構築した全手順を公開

Posted at 2026-05-15

はじめに：3人の会社がAIで「データ分析から経営判断まで」自動化した話

「SES 1年目で転職を考えている」「SES 単価相場が気になる」——そういう検索をしているあなたに、ちょっと違う角度の話をしたい。

僕は合同会社Radineerという3人の会社を経営している。2026年現在、この会社にはCFO・COO・CMO・CEOを含む9体のAIエージェントが常駐している。人間3人、AI9体。つまり社員の75%がAIだ。

このAI経営OSを構築したのがOpenClaw（Claude Codeのスキル拡張基盤）で、構築に使ったのもClaude Code自身。AIがAIの経営システムを作るという、なかなかカオスな状態を経て今に至る。

この記事では、OpenClawで9体のエージェントを実際にどう構築したか、技術的な設定からデータ分析の自動化、そして経営的にどんな変化があったかまで、全部書く。

そもそもOpenClawとは何か

OpenClawは、Claude Codeに「スキル」という形で専門知識と実行能力を追加できる仕組みだ。Claude Code単体でもコード生成や実行はできるが、OpenClawを使うと：

専門領域のプロンプトをスキルとして定義・再利用できる
外部API連携（freee、GA4、Google Search Console等）をスキル内に組み込める
スキル間の連携で複雑なワークフローを構築できる
自然言語ルーターで適切なスキルに自動振り分けできる

要するに「Claude Codeを、自分の会社専用の経営AIに変える基盤」だ。

9体のAIエージェント：役割と構成

うちの経営OSに常駐しているエージェントは以下の9体：

エージェント	役割	主な連携先
CEO	経営ダッシュボード・意思決定支援	全CxOの統合レポート
CFO	財務管理・PL生成・仕訳・キャッシュフロー予測	freee API
COO	タスク進捗・クライアント管理・営業パイプライン	YAML/タスクファイル
CMO	マーケティングダッシュボード・戦略提案	GA4・GSC・SNS
Brain	ナレッジ管理・教訓DB	社内ドキュメント
Kaizen	改善提案・パフォーマンス最適化	全システムのログ
Screen	コンテンツ審査・品質管理	記事データ
CareerBoost	キャリア関連コンテンツ生成	市場データ
Secretary	inbox管理・スケジュール整理	YAML/カレンダー

なぜ9体なのか

最初はCEOとCFOの2体だけだった。しかし1つのエージェントに複数の責務を持たせると、プロンプトが肥大化してレスポンスの質が落ちる。「1エージェント1責務」の原則で分割していったら9体になった。

これはソフトウェア設計の単一責任原則（SRP）そのものだ。SES現場でクラス設計をやっている人なら直感的にわかると思う。

実際の構築手順：CFOエージェントを例に

一番わかりやすいCFO（最高財務責任者）エージェントの構築を例に、具体的な手順を解説する。

Step 1：スキルファイルの作成

OpenClawのスキルは、Markdownファイルとして定義する。Claude Codeの~/.claude/skills/ディレクトリに配置する形式だ。

---
name: cfo
description: CFO（最高財務責任者）。freee連携で財務データ取得・PL生成・仕訳計上・未決済管理・キャッシュフロー予測を実行
trigger: /cfo
---

## 役割
あなたは合同会社RadineerのCFO（最高財務責任者）です。

## できること
- freee APIから財務データを取得
- 月次PL（損益計算書）を生成
- 仕訳の計上と確認
- 未決済取引の管理
- キャッシュフロー予測

## 使用するツール
- freee API（OAuth2認証済み）
- データ分析・集計処理
- Markdown形式でのレポート出力

Step 2：freee API連携の実装

CFOエージェントが実際にfreeeからデータを取得するためのAPI連携を設定する。

// freee API呼び出しの例
const fetchPL = async (companyId: string, year: number, month: number) => {
  const response = await fetch(
    `https://api.freee.co.jp/api/1/reports/trial_pl?company_id=${companyId}&fiscal_year=${year}&start_month=${month}&end_month=${month}`,
    {
      headers: {
        Authorization: `Bearer ${process.env.FREEE_ACCESS_TOKEN}`,
        "Content-Type": "application/json",
      },
    }
  );
  return response.json();
};

Step 3：自然言語ルーターへの登録

CEOエージェント（統合ダッシュボード）から各CxOへ自動的にルーティングするため、radineer-osというルータースキルを設定している。

---
name: radineer-os
description: Radineer経営OS自然言語ルーター。質問を自動的に適切なCxOスキルに委譲する
---

## ルーティングルール
- 財務・会計・PL・仕訳 → /cfo
- タスク・進捗・クライアント → /coo
- マーケ・GA4・SEO・SNS → /cmo
- 技術・ヘルスチェック・優先度 → /cto
- 経営全体・ダッシュボード → /ceo

このルーターのおかげで、「今月の売上は？」と聞くだけでCFOが起動し、freeeからデータを取得してPLを生成してくれる。

データ分析の自動化：学習ループの仕組み

2026年最新のAI経営OSで最も重要なのは「学習して改善し続ける仕組み」だ。うちのシステムにはフィードバックループが組み込まれている。

パフォーマンスデータの自動収集

毎日のcronジョブで、各プラットフォーム（Qiita、Zenn、note、X）の記事パフォーマンスを自動収集している。

// analytics/feedback.ts - 学習ループの核心部分
export function loadLearningState(): LearningState | null {
  try {
    const data = JSON.parse(
      readFileSync(join(process.cwd(), "data/learning-state.json"), "utf-8")
    );
    return data;
  } catch {
    return null;
  }
}

// 学習状態の構造
interface LearningState {
  bestArticleTypes: string[];      // 高パフォーマンス記事タイプ
  bestKeywords: string[];          // 効果的なキーワード
  bestTitlePatterns: string[];     // 反応の良いタイトルパターン
  bestHookStyles: string[];        // X投稿の効果的なフック
  platformInsights: Record<string, string>; // プラットフォーム別知見
  recommendations: string[];       // 改善提案
  topicDiversityScore: number;     // トピック多様性スコア
}

このデータ分析結果をもとに、次に生成する記事のキーワード選定やタイトルパターンが自動調整される。たとえば現在の学習状態では：

高パフォーマンス記事タイプ: 市場データ分析系（単価相場・年収戦略）、比較検討系、業界構造解説系
効果的なキーワード: 「2026年最新」「データ分析」「単価相場」「フリーランス」「徹底解説」
効果的なフックスタイル: number（数字で引く）、question（問いかけ）

70/30ルール：実績と探索のバランス

キーワード選定に「70%は実績あるキーワード、30%は新規探索」というルールを入れている。これがないと、同じキーワードばかり使い続けて多様性がなくなる。実際、多様性スコアが0.2まで下がったことがあり、その反省から導入した。

// キーワード選定の70/30ルール
if (bestTypes.length > 0 && Math.random() < 0.4) {
  // 学習済みの高パフォーマンスタイプを使用（40%に下げて過学習を防止）
  for (const bt of bestTypes) {
    const match = ARTICLE_TYPES.find(
      (at) => lower.includes(at.id) || lower.includes(at.name)
    );
    if (match) return match;
  }
}
// 残りはローテーション（日替わり）
return ARTICLE_TYPES[dayOfYear % ARTICLE_TYPES.length];

CMOエージェント：マーケティングデータ分析の実例

CMOエージェントはGA4、Google Search Console、SNSデータを統合して分析する。

GA4連携

# CMOエージェントの呼び出し例
# Claude Code上で以下のように実行
/cmo 今月のトラフィック分析をして

これだけで、GA4 APIからデータを取得し、以下のようなレポートが生成される：

トップページ別PV・セッション数
流入元の分析（オーガニック / SNS / ダイレクト）
コンバージョン率の推移
前月比・前年比の変化

X（Twitter）投稿の自動最適化

1記事につき6種類のX投稿バリエーションを自動生成している。

// X投稿バリエーションの型定義
interface XPostVariation {
  type: "teaser" | "key-point" | "data-highlight" | "discussion" | "quote";
  text: string;
  scheduledSlot: "morning" | "noon" | "evening";
  postType: "text" | "long_text";
  hookStyle: "question" | "number" | "statement" | "contrast";
  abVariant: "A" | "B";
}

朝・昼・夕で2投稿ずつ、フックスタイルとA/Bバリアントを変えて投稿する。過去のデータ分析で効果が高いとわかったフックスタイルは採用確率70%に引き上げている。

SESエンジニアがAI経営OSから学べること

SES 1年目の転職を考える前に

SES 1年目で転職を考えている人に伝えたいのは、「今の現場で得られる技術を、AI時代の文脈で捉え直せ」ということだ。

たとえば、SES現場でよくある以下のスキル：

SES現場のスキル	AI経営OSでの応用
API連携の実装	freee API、GA4 APIとAIエージェントの接続
バッチ処理の設計	cronジョブによるデータ収集・分析の自動化
データベース設計	学習状態の永続化・パフォーマンスデータの蓄積
CI/CDパイプライン	記事生成→審査→マルチプラットフォーム公開の自動化
テスト設計	A/Bテスト・多様性スコアによる品質チェック

SESで身につけたこれらのスキルは、AI経営OSの構築にそのまま活きる。

SES単価相場とAIスキルの関係

2026年現在、SES単価相場においてAI関連スキルの有無は大きな差を生んでいる。AI経営OSのようなシステムを構築・運用できるエンジニアの市場価値は確実に上がっている。

重要なのは「AIを使える」ではなく「AIシステムを設計・構築・運用できる」レベルのスキルだ。OpenClawでエージェントを構築する経験は、以下の能力を証明する：

プロンプト設計力: エージェントの役割を適切に定義できる
システム設計力: 複数エージェントの責務分割と連携設計
API連携力: 外部サービスとの統合実装
データ分析力: パフォーマンスデータに基づく改善サイクル
自動化設計力: cronジョブやパイプラインによる運用自動化

構築の全体パイプライン：14ステップの自動化

うちのコンテンツパイプラインは14ステップで完全自動化されている。これもAI経営OSの一部だ。

Daily Schedule（毎日のcronジョブ）:
  9:00   → pipeline（記事生成 + 全プラットフォーム公開）
  8:00   → x-post morning（キュー投稿 1-2）
  12:00  → x-post noon（キュー投稿 3-4）
  15:00  → x-quote（インフルエンサー引用RT）
  18:00  → x-post evening（キュー投稿 5-6）
  21:00  → report（Telegram日次レポート）
  Mon 10:00 → feedback（パフォーマンス分析 + 学習更新）

パイプラインの流れ

キーワード読み込み（70/30実績・探索バランス）
Grok APIでトレンド取得
Qiita/Zennのトレンドデータ取得
トピック多様性チェック（類似タイトルスコアリング）
Claude APIで記事生成
プラットフォーム別バリエーション生成（Qiita/Zenn/note）
クロスプラットフォーム内部リンク挿入
Telegram承認リクエスト
4プラットフォーム同時公開
記事IDの抽出・記録
X投稿バリエーション生成（6種類）
時間帯別キューイング
published.jsonに記録
アナリティクスレコード作成

つまずいたポイントと解決策

1. Anthropic API → Claude CLI切替

最初はAnthropic APIを直接叩いていたが、レート制限とタイムアウトに悩まされた。解決策として、Claude CLIに切り替えた。

// Before: Anthropic API直接呼び出し（タイムアウト頻発）
// After: Claude CLI経由（安定稼働）
export async function claudeCli(prompt: string, timeout = 300000): Promise<string> {
  // Claude CLIをspawnして実行
  // タイムアウト300秒で安定動作
}

2. 学習ループの過学習

当初、学習済みキーワードの採用率を70%にしていたら、同じような記事ばかり生成されるようになった。多様性スコアが0.2まで低下。採用率を40%に下げて解決した。

3. X投稿の長さ問題

X投稿が短すぎるとリーチが下がることがデータ分析でわかった。最低280文字のルールを設定し、長文投稿（800-1500文字）をメインにしたところ、エンゲージメントが改善した。

CEOダッシュボード：全エージェントの統合ビュー

CEOエージェントは他の全CxOから情報を集約し、経営ダッシュボードを生成する。

# CEOダッシュボードの呼び出し
/ceo ダッシュボード

# → 以下が自動生成される：
# - CFO: 今月の売上・コスト・キャッシュフロー
# - COO: タスク進捗・クライアント状況
# - CMO: トラフィック・SNS・コンバージョン
# - CTO: システムヘルス・開発優先度

3人の会社で、これだけの経営情報が自然言語一発で出てくる。これがAI経営OSの威力だ。

技術スタックまとめ

カテゴリ	技術
LLM	Claude（Anthropic）、Grok（xAI）
実行環境	Claude Code + OpenClaw
言語	TypeScript（Node.js）
公開先	Qiita、Zenn、note.com、X
ブラウザ自動化	Playwright
Git操作	simple-git
SNS	twitter-api-v2
承認フロー	Telegram Bot API
財務	freee API
分析	GA4 API、Google Search Console API

まとめ：SESエンジニアこそAI経営OSを作るべき理由

SESエンジニアは「客先に常駐して技術力を提供する」仕事だ。その技術力を、自分自身のビジネスに向けたらどうなるか。

僕の答えがこの9体のAIエージェントによる経営OSだ。SES現場で磨いたAPI連携、バッチ設計、データ分析、自動化のスキルが全部活きている。

SES 1年目で転職を迷っている人も、まずは今の現場で得られる技術をAI時代の武器に変換する視点を持ってほしい。単価相場を気にするのも大事だが、「AIシステムを構築・運用できるエンジニア」になれば、相場自体を超えていける。

OpenClawとClaude Codeは、その入り口として最もハードルが低い。コードが書けるエンジニアなら、今日から始められる。

AI駆動塾 — AIを使ったスモビジの作り方を学ぶ

Claude Code、OpenClaw、AI経営OSの実践ノウハウを毎週公開中。
月額¥4,980で過去記事すべて読み放題。

noteメンバーシップに参加する →

💼 フリーランスエンジニアの案件をお探しですか？

SES解体新書フリーランスDBでは、高単価案件を多数掲載中です。

✅ マージン率公開で透明な取引
✅ AI/クラウド/Web系の厳選案件
✅ 専任コーディネーターが単価交渉をサポート

▶ 無料でエンジニア登録する

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up