はじめに：なぜ3人の会社にAI経営OSが必要だったのか

2026年現在、フリーランスエンジニアやSES出身者が少人数で会社を回すケースが増えている。年収800万円クラスのフリーランスエンジニアが独立し、2〜3人のチームで受託やプロダクト開発を行うパターンだ。

うちもその一つ。代表＋エンジニア2名の3人体制で月商約250万円。SES案件の紹介とAI関連のプロダクト開発が収益の柱だ。

しかし3人だと「経営管理」が致命的に手薄になる。経理、マーケ、営業管理、コンテンツ運用——全部代表が片手間でやることになり、どれも中途半端。そこでClaude Codeをベースにした「AI経営OS」を自作した。

この記事では、構築の過程、ハマったポイント、そして実際の効果を具体的なコードとともに共有する。

AI経営OSの全体アーキテクチャ

CxOエージェント構成

我々が構築したのは、Claude Codeのスキル（Skill）システムを活用した5つのAIエージェントだ：

エージェント	役割	主な機能
CEO	経営統括	各CxOの報告統合、意思決定支援
CFO	財務管理	freee連携、PL生成、仕訳計上、CF予測
CTO	技術管理	プロダクトヘルスチェック、技術スタック管理
COO	業務執行	タスク進捗、クライアント管理、営業パイプライン
CMO	マーケティング	GA4/GSC/SNSデータ統合、コンテンツ戦略

技術スタック

Claude Code (Opus 4.6) — メインオーケストレーション
├── Skills System — 各CxOエージェントの実装
├── TypeScript Pipeline — コンテンツ自動生成
├── Grok API (xAI) — トレンド発見・X検索
├── freee API — 会計データ取得
├── GA4 API — アクセス解析
└── Twitter/X API v2 — SNS運用自動化

呼び出し方はシンプル

Claude Codeのターミナルで：

# 経営ダッシュボードを表示
/ceo ダッシュボード

# 今月のPLを確認
/cfo pl

# タスク進捗を確認
/coo tasks

# マーケ状況を確認
/cmo

自然言語で聞けば適切なCxOに自動ルーティングされる仕組み（/radineer-os）も実装した。「今月の売上どう？」と聞けばCFOが起動し、「SEOの調子は？」と聞けばCMOが起動する。

構築プロセス：実際にどう作ったか

Phase 1: コンテンツパイプラインの自動化（最初の1ヶ月）

まず手をつけたのは、最も時間を食っていたコンテンツ制作の自動化だ。SES業界向けの記事を複数プラットフォーム（Qiita、Zenn、note、X）に配信するパイプラインを構築した。

// src/index.ts のパイプライン構成
// 5ステージのパイプライン
// 1. トレンド発見（Grok API）
// 2. コンテンツ生成（Claude）
// 3. 承認ゲート（Telegram Bot）
// 4. マルチプラットフォーム配信
// 5. パフォーマンス学習ループ

実行は1コマンド：

npm run pipeline        # 本番実行
npm run pipeline:dry    # ドライラン（テスト）

学習ループの実装

ここが肝だ。単にコンテンツを生成するだけでなく、パフォーマンスデータをフィードバックして次の生成に活かす仕組みを入れた。

// data/learning-state.json（実際のデータ）
{
  "bestArticleTypes": [
    "市場データ分析系（単価相場・年収戦略）",
    "比較検討系（SES vs フリーランス）",
    "業界構造解説系（受託開発・客先常駐の実態）"
  ],
  "bestKeywords": [
    "2026年最新", "データ分析", "単価相場",
    "フリーランス", "徹底解説"
  ],
  "bestHookStyles": ["number", "question"]
}

キーワード選定は70/30ルールを採用。70%は実績のあるキーワード、30%は探索的な新キーワード。これにより安定したPVを確保しつつ新しい切り口も試せる。

Phase 2: 財務の自動化（CFOエージェント）

freee APIと連携し、以下を自動化した：

月次PL自動生成
仕訳の自動計上
未決済管理とアラート
キャッシュフロー予測

# 実際の使い方
/cfo pl              # 損益計算書を表示
/cfo 仕訳            # 仕訳を計上
/cfo 未決済          # 未回収の請求書一覧
/cfo cf              # キャッシュフロー予測

月末の経理作業が丸1日 → 30分に短縮された。

Phase 3: マーケティングの統合（CMOエージェント）

GA4、Google Search Console、X Analytics、noteのデータを統合し、マーケティングダッシュボードを構築。

特にX（旧Twitter）運用の自動化が効いた：

// src/x-amplification/bridge.ts
// 1記事から6つのX投稿バリエーションを自動生成
// - teaser: 記事の予告
// - key-point: 核心部分の抜粋
// - data-highlight: データに焦点
// - discussion: 議論を誘発
// - quote: 引用形式

投稿タイミングも朝・昼・夜の3スロットで最適化。フック（冒頭文）のスタイルも数値型・質問型・対比型を使い分ける。

つまずいたポイント5選

1. Anthropic API → Claude CLI への切り替え

最初はAnthropic APIを直接叩いていたが、レートリミットとコスト問題に直面。Claude Code CLIをラッパーとして使う方式に切り替えた。

// src/utils/claude-cli.ts
// Claude CLIを子プロセスとして実行
// タイムアウト: 300秒
// APIキーを直接管理する必要がなくなった

この切り替えで月のAPI費用が約40%削減された。

2. note.comのAPI未公開問題

note.comには公開APIがない。Playwrightでブラウザ操作を自動化して投稿する羽目になった。

// src/publishers/note.ts
// Playwright でヘッドレスブラウザを操作
// ログイン → 記事作成 → 本文入力 → 公開
// セッション管理が地味に面倒

これは今でも不安定で、note側のUI変更で定期的に壊れる。

3. 学習ループの「局所最適」問題

パフォーマンスフィードバックが効きすぎて、同じようなテーマの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）。

対策として：

多様性スコアの閾値を設定
新しい切り口を強制的にサジェスト
記事タイプのローテーションルールを追加

4. X運用の「AIっぽさ」排除

生成されるポストが明らかにAIっぽく、エンゲージメントが低かった。対策：

文字数制限を厳格に（140字以内）
絵文字の使用ルールを明確化
実体験ベースのフックを手動で追加
Claude Code/OpenClaw特化の話題に絞る

5. マルチエージェント間のコンテキスト共有

CEOがCFOとCMOの情報を統合する際、コンテキストウィンドウの制約が問題になった。

解決策：各CxOが構造化されたJSON/Markdownで中間結果を出力し、CEOはそれを読み取る形にした。生データを全部渡すのではなく、各エージェントが「要約済みレポート」を返す設計。

実際の効果：何が変わったか

定量的な変化

指標	Before	After	変化
コンテンツ制作時間/月	40時間	5時間	-87%
月間記事本数	4本	12-16本	3-4倍
X投稿数/週	3-5件	21件（自動）	4-7倍
経理作業/月	8時間	0.5時間	-94%
営業管理作業/週	3時間	0.5時間	-83%

定性的な変化

代表の時間が「経営判断」に集中できるようになった
- 以前：データ収集と入力作業で1日が終わる
- 現在：ダッシュボードを見て判断するだけ
コンテンツの質が安定した
- 学習ループにより、読者が求めるテーマが自動で把握される
- プラットフォームごとの最適化（Qiitaはコード多め、noteはキャリア寄り）が自動
属人化の解消
- 「代表の頭の中にしかない」情報がシステムに移行
- メンバーでもCLIで経営状況を確認できる

SESエンジニアがこの仕組みを作る意義

フリーランスエンジニアの年収戦略として

2026年最新の市場動向として、SES年収800万円レンジのエンジニアがフリーランスに転向するケースが増えている。しかし独立後に「営業」「経理」「マーケ」を全部自分でやる必要があり、技術に集中できないという課題がある。

AI経営OSはエンジニアの技術力でバックオフィスを自動化するアプローチだ。フリーランスエンジニアの年収を最大化するには、稼働率を上げるだけでなく、管理業務をいかに圧縮するかが鍵になる。

データ分析スキルの実践応用

学習ループの実装は、まさにデータ分析の実務応用だ：

パフォーマンスメトリクスの収集と集約
効果の高いパターンの抽出
探索と活用のバランス（70/30ルール）
多様性スコアによる局所最適の回避

このスキルはSES案件でも高単価帯（データエンジニア、MLOps）で求められる。自分のプロダクトで実践すれば、ポートフォリオにもなる。

構築に使った技術スタック詳細

必須ツール

# Claude Code — メインのAIエンジン
# インストール（公式手順に従う）
claude --version

# TypeScript実行環境
npm install -g tsx

# Playwright（note.com自動化用）
npx playwright install

プロジェクト構成

ses-content-automation/
├── src/
│   ├── index.ts          # CLI エントリポイント
│   ├── config.ts         # API設定
│   ├── content/          # コンテンツ生成
│   │   ├── generator.ts  # Claude連携
│   │   ├── formatter.ts  # Markdown整形
│   │   └── templates.ts  # プロンプトテンプレート
│   ├── trends/           # トレンド発見
│   │   ├── grok.ts       # xAI Grok API
│   │   └── market-data.ts
│   ├── publishers/       # マルチプラットフォーム配信
│   │   ├── qiita.ts
│   │   ├── zenn.ts
│   │   ├── note.ts
│   │   └── x.ts
│   ├── analytics/        # パフォーマンス分析
│   │   ├── collector.ts
│   │   ├── feedback.ts   # 学習ループ
│   │   └── reporter.ts
│   └── x-amplification/  # X運用強化
│       ├── bridge.ts     # 投稿バリエーション生成
│       └── quote-repost.ts
├── data/
│   ├── learning-state.json    # 学習状態
│   ├── published.json         # 配信履歴
│   ├── x-queue.json           # X投稿キュー
│   └── performance.json       # メトリクス
└── package.json

依存関係（実際のpackage.json）

{
  "dependencies": {
    "@anthropic-ai/sdk": "^0.39.0",
    "openai": "^4.77.0",
    "playwright": "^1.58.2",
    "twitter-api-v2": "^1.29.0",
    "simple-git": "^3.27.0"
  }
}

これから作る人へのアドバイス

1. 小さく始める

全部一気に作ろうとしない。うちは以下の順番で段階的に構築した：

コンテンツ生成（最も時間を食う部分から）
X投稿自動化（成果が見えやすい）
経理自動化（月末の苦痛から解放）
統合ダッシュボード（全体を俯瞰）

2. Human-in-the-loop を必ず入れる

うちはTelegram Botで「承認ゲート」を設けている。AI生成コンテンツをそのまま公開するのは危険。最低限のチェックポイントを設計段階で組み込むこと。

3. 学習ループは「多様性」とセットで

最適化だけ追求すると同じことの繰り返しになる。多様性スコアを監視し、探索比率（うちは30%）を確保すること。

4. Claude Codeのスキルシステムを活用する

各CxOエージェントはClaude Codeの「スキル」として実装している。これにより：

/cfo pl のようにスラッシュコマンドで即呼び出し
スキル間の連携（CEOが他のCxOを順番に呼ぶ）
プロンプトの再利用性が高い

5. ドライランモードは必須

npm run pipeline:dry  # 実際には投稿しない

本番環境でいきなり動かして事故るのを防ぐ。特にSNS投稿は取り消しが効かないので、必ずドライランで確認する習慣をつける。

まとめ：月商250万円の会社がAIでどう変わったか

正直に言えば、AI経営OSで売上が劇的に伸びたわけではない。月商250万円は大きく変わっていない。

変わったのは**「時間の使い方」と「判断の質」**だ。

バックオフィス作業が週15時間 → 2時間に圧縮
その分、新規案件の開拓やプロダクト開発に時間を投下できる
データに基づいた判断ができる（「なんとなく」が減った）
3人全員が同じダッシュボードで状況を把握できる

フリーランスエンジニアや少人数チームにとって、AI経営OSは「売上を上げるツール」ではなく「利益率を上げる仕組み」だ。同じ売上を、より少ない工数で回せるようになる。

2026年最新のAIツール（Claude Code、OpenClaw）を使えば、エンジニアなら数週間で基礎的なAI経営OSを構築できる。SES年収800万円レベルの技術力があれば十分だ。まずはコンテンツ自動化か経理自動化から、小さく始めてみてほしい。

関連記事

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