タグ「生成AI」

" ["post_title"]=> string(96) "AI経由のkintoneデータ流出を防ぐ！「データ学習・漏洩」のリスクと対策" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(27) "generative-ai-data-security" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-04-12 11:21:53" ["post_modified_gmt"]=> string(19) "2026-04-12 02:21:53" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=15850" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [6]=> object(WP_Post)#4955 (24) { ["ID"]=> int(15789) ["post_author"]=> string(2) "13" ["post_date"]=> string(19) "2026-01-16 11:22:49" ["post_date_gmt"]=> string(19) "2026-01-16 02:22:49" ["post_content"]=> string(13004) "

月曜朝の「未読通知50件」に絶望していませんか?

月曜の朝、あるいは現場巡回から戻った直後にスマートフォンを開くと、kintoneの通知バッジが50件を超えている。この数字を見るだけで、あなたは深いため息をついているのではないでしょうか。すべてのスレッドに目を通そうとすれば、午前中の貴重な時間が消えていきます。読み飛ばせば、現場の重要なトラブルを見落とすかもしれません。この板挟みの状況が、あなたを日々消耗させています。

重要なのは、読む時間をゼロにすることではありません。要点だけを素早く掴み、判断に集中する時間を作り出すことです。AIを活用すれば、情報の海に溺れることなく、管理職として本来やるべき業務改善や戦略立案に時間を使えるようになります。本記事では、最新仕様に基づき、kintoneの「スレッド要約AI」を使いこなす方法を解説します。

kintone「スレッド要約AI」の設定方法と使い方

スレッド要約AIは、スレッド内の会話を自動で要約し、要点を抽出する機能です。複数人が長期間にわたって投稿したコメントを、AIが分析して重要なポイントをまとめます。この機能を使えば、過去の経緯を振り返る時間を大幅に短縮できます。使い方の基本手順は極めてシンプルです。スレッド画面を開き、要約ボタンをクリックするだけで、AIが会話の流れを分析します。数秒後には、議論の要点がテキスト形式で表示されます。生成された要約文はコピー可能なため、報告書や議事録への転用も簡単です。設定方法は以下の通りです。まず、kintoneにアクセスし、設定ボタンから「kintone AI管理」を開きます。

次に、「kintone AIの有効化」のチェックボックスをオンにします。

設定後、画面下部の「スレッド要約AI」のチェックボックスがONになっていることを確認してください。

この設定には管理者権限が必要です。設定完了後、すべてのスレッド画面で「要約」ボタンが表示されるようになります。スレッド要約AIの詳細な仕様については、kintone公式ヘルプページをご覧ください。

スレッド要約AIは「監視」ではなく「要約」に使う

AIでスレッドを要約するときのコツは、AIの要約を「事前情報」として使い倒すことです。AIから全体像を掴んだ上で、最後は必ずあなた自身の目で事実を確認する必要があります。

スレッド要約AIは誰がいつ何を発言したか、どのような結論に至ったかといった「客観的な情報」を整理できます。しかし、担当者の投稿に含まれる微細な不安、言葉の裏にある悲鳴、プロジェクトに潜む将来のリスクは、AIの要約からは漏れてしまいます。したがって、AIを「監視ツール」として使ってはいけません。すべての判断をAIに委ねれば、現場の一次情報から遠ざかり、「わかったつもり」になってしまいます。 AIは状況把握のための要約ツールとして位置づけ、最終的な判断は管理職であるあなたが下すべきです。

要約だけを信じると「わかったつもり」になってしまう

スレッド要約AIを使う際、多くの人が陥る誤解があります。これらを理解せずに使い始めると、かえって管理の質が低下してしまいます。ここでは、2つの典型的な失敗パターンを紹介します。

失敗①:要約を読んで原文を確認しない

最も多いのは、要約さえ読めば原文を確認する必要はない、というケースです。AIは将来の火種となる「違和感」を拾えません。担当者の投稿に含まれる微妙なニュアンス、言葉の裏にある不安、プロジェクトに潜む予兆は、要約の過程で削ぎ落とされてしまいます。例えば担当者が「無理すればできます」と書いた投稿を、AIは「対応可能」と要約する場合があります。この微妙な温度差を見逃せば、数日後に納期遅延が発生する事態を招きかねません。必ず原文を確認するようにしましょう。

失敗②:AIが専門用語を誤って解釈する

AIが完璧な判断をしてくれるという期待も、現実とは異なります。工場独自の略称や専門用語を、AIは一般的な意味で処理する場合があります。たとえば、あなたの現場で「A型」が特定の製品型番を指していても、AIは文脈から血液型と解釈するかもしれません。型番、個数、納期といった具体的な情報は、AIが削ぎ落としやすい要素です。突合して再確認しましょう。

スレッド要約AIは「内容の8割」を適切なタイミングで理解するために使おう

スレッド要約AIを効率的に活用するためには、使う「割合」と「タイミング」が重要です。以下のポイントを実践すれば、スレッドの全体像と細部をバランスよく理解して、効率よく情報を集められます。

80:20の法則(要約8割・原文2割)

1つ目は、要約と原文の読み分けです。要約で過去8割の流れを掴み、必ず「最新の3件」だけは肉眼で原文をチェックします。これにより、全体像を把握しながら、現在進行形の課題を見逃さずに済みます。この法則の根拠は、情報の鮮度にあります。過去のやり取りは事実確認として要約で十分ですが、直近の投稿には現場の生の温度感が含まれています。担当者の微妙な不安、プロジェクトの変化の予兆といった情報は、最新の投稿に集中しています。この習慣を身につければ、全体の読む時間を大幅に短縮しながら、管理の質を維持できます。

使用タイミングを「朝一番」と「会議5分前」に絞る

2つ目は、スレッド要約AIを使うタイミングを限定することです。「朝一番の状況把握」と「会議5分前の論点整理」の2点に絞り、要約ツールとして活用します。これにより、集中力を最大化できます。朝一番の状況把握では、夜間や休日に溜まったスレッドを一気に処理します。各プロジェクトの現状を要約で把握し、優先順位を決めます。会議5分前の論点整理では、議論の対象となるスレッドを要約で振り返り、主要な論点を頭に入れます。日常的にすべてのスレッドを要約する必要はありません。必要な時だけ使うことで、AIを道具として使いこなせるようになります。

「スレッド要約AI×レコード分析AI」のハイブリッド運用もオススメ

さらに高度な活用法として、スレッド要約AIとレコード分析AIを組み合わせるハイブリッド運用があります。要約結果をコピーし、週報やトラブル管理アプリに「ストック」する手法です。蓄積された「要約レコード」をさらに分析AIにかけることで、半年間のトラブル傾向を可視化できます。たとえば、特定の製品型番に関するトラブルが集中しているとか、特定の時期にコミュニケーションエラーが多発しているといったパターンが見えてきます。

具体的な手順は以下の通りです。まず、スレッド要約AIで議論を要約します。次に、その結果を「週報アプリ」や「トラブル管理アプリ」のレコードとして保存します。最後に、蓄積された要約レコードに対して「レコード一覧分析AI」を実行します。これにより、点の情報を線でつなぎ、経営判断に役立つインサイトを導き出せます。

スレッド要約AIはゲストスペースに使えない！n8nで対応しよう

スレッド要約AIには、現時点で重要な制約があります。それはゲストスペース内のスレッドには対応していないという仕様です。スレッドのやり取りをゲストスペースで行っている場合、要約機能を利用できません。これは、協力会社との共同プロジェクトを管理している企業にとって大きな障壁です。

しかし、この制約を回避する方法があります。それはn8nという自動化ツールを使った自動連携です。n8nを使えば、ゲストスペースのスレッドを他のアプリに同期させることが可能です。 kintoneとn8nの具体的な連携方法については以下の記事をご覧ください。 https://adiem.jp/blog/n8n-kintone-data/

スレッド要約AIで「通知地獄」から抜け出し、現場の声を拾うために時間を使おう

スレッド要約AIを活用すれば、通知地獄から抜け出しながら、現場の違和感を逃さないマネジメントを実現できます。また誤解を避けるために最新の原文や固有名詞・数字を確認することで、「わかったつもり」による判断ミスを防ぐことができます。 AIは事実をまとめる道具であり、現場の温度感を感じ取る最終判断は管理職であるあなたが下すべきです。まずはkintoneの管理画面を開き、AI機能を有効化して実践してみましょう。 [cta] " ["post_title"]=> string(93) "kintone「スレッド要約AI」活用術：通知地獄を抜け出す実践テクニック" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(17) "kintone-thread-ai" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-04-12 11:21:49" ["post_modified_gmt"]=> string(19) "2026-04-12 02:21:49" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=15789" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [7]=> object(WP_Post)#4956 (24) { ["ID"]=> int(15787) ["post_author"]=> string(2) "13" ["post_date"]=> string(19) "2026-01-15 09:00:47" ["post_date_gmt"]=> string(19) "2026-01-15 00:00:47" ["post_content"]=> string(23511) "

時間を奪っていくkintoneの「プロセス管理設定」

生産管理の現場では、稟議書の承認、設備投資の決裁、不良品の報告回覧など、複雑な多段承認フローが日常的に発生します。これらのプロセスをkintoneでデジタル化しようとした瞬間、多くの担当者が直面するのが「設定画面の迷宮」です。画面に並ぶのは「ステータス」「アクション」「プロセス」「作業者」といったシステム用語ばかり。現場で使っている「稟議」「回覧」「差し戻し」「承認」といった親しみやすい言葉とは、まるで別世界の概念に見えてしまいます。この言葉の壁が、設定作業を数時間にも及ぶ苦行に変えているのです。

しかし2025年、この状況を一変させる機能が登場しました。それがkintoneが提供する「プロセス管理設定AI」です。厳密な構文やロジックを理解せずとも、自然言語で業務の要件を伝えるだけで、AIが自動的にkintoneの論理構造へと翻訳してくれます。もう設定画面と格闘する必要はありません。

AIに「経路」を作らせてから人間が調整すれば秒速でプロセスを設定できる!

kintone AIラボの「プロセス管理設定AI」は、承認フローの骨組み作りにおいて最強のツールです。あなたが「申請者→課長→部長→完了」という経路を伝えれば、AIは瞬時にステータスとアクションを生成してくれます。しかしここで重要な事実があります。AIは「経路を作ること」には極めて優れていますが、「ロジック」を構築することはできません。具体的には、金額に応じた分岐条件(例:「100万円以上なら部長承認へ」)や、特定の部署だけに限定した権限設定などは、人間が手動で設定する必要があるのです。

この役割分担を理解すれば、プロセス設定は驚くほどシンプルになります。AIには経路を作らせて、あなたは「監督」として条件設定や権限調整といった最終調整に集中するのです。これにより、従来なら数時間かかっていた設定作業が、わずか数分で完了します。 AIにハンドルを握らせてはいけません。あなたが監督として、AIが出してきた下書きを正しく調整することに注力してください。それが最も早く、確実にDXを実現する近道です。

kintoneプロセス管理設定AIの設定方法と使い方

プロセス管理設定AIを「有効化」する方法

プロセス管理設定AIを使用する前に、管理者による有効化作業が必要です。この設定は一度行えば、以降は現場担当者が自由に利用できます。 有効化の手順 まず、kintoneのAI管理画面を開きます。画面右上の歯車アイコンをクリックし、「kintone AI管理」を選択してください。この項目が表示されない場合は、システム管理権限が無いか、契約プランを確認する必要があります。（kintoneのスタンダードコース以上の契約が必要）

「kintone AI管理」の設定画面に入ったら、「kintone AIの有効化」のチェックボックスをONにします。

そして「プロセス管理設定AI」の項目を探し、チェックボックスをONにします。これでプロセス管理設定AIが使用可能になります。

この作業は通常3分程度で完了します。一度設定すれば、以降は現場の担当者が個別に有効化作業を行う必要はありません。 ※組織間のアクセス権設定によっては、一部のユーザーが利用できない場合があります。必要に応じて、利用範囲を調整してください。

kintoneアプリ画面内での実際の使い方

管理者による有効化が完了したら、現場担当者は自分のアプリでプロセス管理設定AIを使用できます。ここでは、実際の操作手順を説明します。 プロセス管理設定AIへの到達経路 まず、対象となるアプリを開きます。画面右上の歯車アイコンから「アプリの設定」を選択してください。

設定画面の左側メニューから「プロセス管理」をクリックします。既にプロセス管理が設定されている場合は既存の設定が表示され、未設定の場合は新規作成画面が表示されます。

すると、プロセス管理の設定画面内に「AIで設定」のボタンが表示されています。このボタンが表示されない場合は、管理者による有効化が完了していない可能性があります。

設定に関する詳細は、kintone公式のヘルプページをご覧ください。 https://jp.kintone.help/k/ja/ai/assist_process 骨組み作成に集中した基本手順 「プロセス管理設定AI」ボタンをクリックすると、チャット形式の画面が開きます。ここで、あなたの業務フローを文章で伝えてください。 AIから確認事項としていくつか質問されるので、対話を進めてフローを作成します。

例えば、「申請者が申請し、部署長が承認し、経理が最終確認して完了となるフローを作成してください。各段階で差し戻しができるようにしてください。」といった具合です。重要なのは「誰が何をするか」を明確に伝えることです。 AIが処理を完了すると、ステータス(申請、承認中、確認中、完了など)とアクション(申請する、承認する、差し戻すなど)が自動生成されます。生成された内容を確認し、基本的な経路が正しければ、いったん保存してください。

AI任せの設定は「承認エラー」や「泥沼の修正」を引き起こす

AIに丸投げすると生まれる3つのエラーパターン

それでは、実際に多くの企業で報告されている3つの典型的なエラーパターンを見ていきましょう。

申請者が自分を承認できる「セルフ承認」

1つ目は「セルフ承認」です。これは権限設定(作業者制限)をAIに完全に任せた結果、申請者本人が自分の申請を承認できてしまうという、ガバナンスが完全に崩壊した状態が生まれることがあります。承認プロセスの意味がなくなり、内部統制の観点から重大な問題となります。

差し戻された瞬間に詰む「行き止まり」のフロー

2つ目は「行き止まり」のフローを構築してしまう現象です。これはAIが「差し戻し」を独立したステータスとして作成してしまうケースです。この場合、申請が差し戻された後、再申請するためのアクションボタンが設定されておらず、フローが完全に停止してしまうのです。担当者は「どうすればいいのか分からない」という状態に陥ります。

誰にも通知が届かない「幽霊作業者」

3つ目は「幽霊作業者」を作ってしまう現象です。 AIに任せると、組織やユーザー選択フィールドを介さず、単なる「表示名」として作業者を設定してしまうことがあります。この場合、システム上は設定が完了しているように見えても、実際には誰にも通知が届かず、承認依頼が永遠に放置される事態が発生します。これらのエラーは、意気揚々とフローの運用を始めた直後に「ボタンが出ない」「通知が来ない」と現場から一斉に問い合わせが来て初めて発覚します。設定画面の迷宮に再び放り出されたような焦りと後悔を味わうことになるのです。

対話が長引くことで起きる「AIの記憶喪失」と「ロジックの限界」

AIとの対話を重ねて修正を繰り返すと、さらに深刻な問題が発生します。それが「文脈の混乱」と「ドミノ倒し的なエラー」です。

文脈の混乱

修正指示を重ねるうちに、AIが最初に出した重要な要件を忘れてしまうことがあります。例えば、特定のステータス名を指定していたはずなのに、後の修正で別の名称に変わってしまったり、指示が矛盾して解釈されたりすることがあるのです。

ドミノ倒し的なエラー

一箇所を修正しようとしてAIに指示を出した結果、せっかく正しかった他の設定まで崩れてしまうことがあります。この「泥沼の状態」に陥ると、どこから手をつければいいのか分からなくなり、収拾がつかなくなります。

AIが混乱した時は「リセット」!泥沼の修正より一発生成を狙おう

kintoneの「1セッション20回」という対話制限の壁

システム上の制約として、AIとの対話は1セッションあたり20回までという明確な制限があります。この制限を知らずに修正を繰り返していると、肝心な仕上げの段階で制限に達してしまい、作業が中断されるリスクがあります。

何度も「ちょっとここを直して」「もう一度変更して」と指示を重ねる行き当たりばったりな修正スタイルでは、20回という制限はあっという間に消費されてしまいます。この回数制限の中で実用的なフローを作るには、「計画的なプロンプト」が重要になります。無計画な修正を繰り返すのではなく、戦略的に手数を減らすアプローチが求められているのです。

リセットボタンとプロンプトの工夫で、手数を少なく生成するのが大切

また、複雑なフローを指示してAIが混乱した場合は、無理に修正を重ねるのではなく、一度リセットボタンで対話を初期化することが推奨されます。リセットにより、AIの記憶をクリアな状態に戻すことができます。ここで重要なのが、失敗した対話から得た反省を活かすことです。最初の試行で「この指示が足りなかった」「この表現が曖昧だった」という点を把握し、それらを全て盛り込んだ洗練されたプロンプトを作成します。そして、その完璧な指示書をAIに渡して一発で理想に近い形を出力させるのです。この戦略を「One-Shot Generation(ワンショット生成)」と呼びます。また、AIに複数の案を比較させることも有効です。例えば、「安全性を最優先したフロー」と「スピードを最優先したフロー」の2案を出力させ、人間が最終的に選択します。AIに丸投げするのではなく、あなた自身が選択権を持つことが重要です。実務者としての心得は、「AIに少しずつ教えて育てる」のではなく、**「完璧な指示書を渡して一気に作らせる」**ことです。この方が、最終的な設定工数は大幅に短縮できます。AIは教育する対象ではなく、明確な指示を待っているツールなのです。

工数を8割削減する「プロンプトエンジニアリング」と人間による「仕上げ」術

AIに「自己添削」をさせる魔法のフレーズ

AIの出力精度を劇的に上げる方法があります。それが「自己添削プロンプト」です。AIに対して、**「出力前に論理矛盾を3点指摘し、修正せよ」**という指示を加えるだけで、生成される設定の品質が大きく向上します。このテクニックの仕組みは単純です。AIに一度生成させてから人間がチェックするのではなく、AI自身に内部でチェックと修正を行わせてから最終案を提示させるのです。これにより、明らかな矛盾やエラーが事前に取り除かれた状態で設定が出力されます。具体的なプロンプトの例を示します。

「以下の承認フローを作成してください。申請者が申請し、課長が承認し、部長が最終決裁を行い、完了となるフローです。出力前に、あなた自身で論理矛盾を3点指摘し、それらを修正した上で最終案を提示してください。」

このように、通常の指示の最後に自己添削の指示を追加するだけです。通常のプロンプトでは精度が60%程度だったものが、自己添削プロンプトを使うことで90%以上の精度に向上します。この魔法のフレーズは、あなたがすぐにコピーして使える実践的なテクニックです。

実用的なプロンプトテンプレート

実務で即座に活用できる3つのプロンプトパターンを紹介します。それぞれのパターンは、業務フローの特性に応じて使い分けることができます。

パターンA:基本の直線型フロー

シンプルな承認フローに最適なパターンです。推奨用途は、基本的な稟議や報告の承認プロセスです。

「申請者が申請し、課長が承認し、最終的に経理が確認して完了となるフローを作成してください。各段階で差し戻しができるようにしてください。」

このプロンプトのポイントは、「誰が」「何を」「どうする」を明確に主語と述語で伝えることです。また、差し戻しの有無を明示することで、双方向のフロー設計をAIに指示できます。

パターンB:分岐あり(骨組みのみ)の設定

金額や重要度によって承認ルートが分岐する複雑なフローに使用します。推奨用途は、設備投資の決裁や金額に応じた承認プロセスです。

「金額によって『課長決裁』と『部長決裁』に分岐するルートを作ってください。条件設定は後で行うので、まずはステータスとルートを作成してください。」

このプロンプトの重要なポイントは、「条件設定は後で行う」と明示することです。AIは条件分岐のロジック(金額が100万円以上など)を自動設定できないため、最初から骨組みのみの作成を指示することで、余計な混乱を防ぎます。

パターンC:フィールド指定による動的な作業者設定

承認者が案件ごとに変わる場合に使用します。推奨用途は、部署横断的なプロジェクト承認や、案件ごとに承認者が異なる業務プロセスです。

「承認者の作業者は、フォーム内の『承認者』フィールド(ユーザー選択)を使用してください。」

このプロンプトでは、具体的なフィールド名とその型(ユーザー選択)を明示することがポイントです。AIはフィールドの存在を前提に設定を行うため、事前にアプリ内にフィールドが作成されている必要があります。これらのテンプレートは、あなたの業務に合わせてそのままコピーして使用できます。各パターンの特性を理解し、適切に使い分けることで、効率的なプロセス設定が実現します。

kintone内の「条件分岐」と「作業者の紐付け」は人間が仕上げる

AIが生成した設定は、あくまで下書きです。業務で実際に使用するためには、人間による仕上げ作業が不可欠です。以下の2つのステップを必ず実行してください。

ステップ1:条件分岐の設定(所要時間:約5分)

AIが作成した分岐ルートに対して、実際の条件式を手動で入力します。例えば、「金額」フィールドに対して「金額≧1,000,000」といった条件式を設定します。この作業はAIには実行できないため、必ず人間が行う必要があります。条件式の入力画面では、フィールド名と演算子(≧、≦、=など)を選択し、具体的な数値や文字列を入力します。複数の条件を組み合わせる場合は、AND条件やOR条件を適切に設定してください。

ステップ2:作業者の紐付け確認(所要時間:約3分)

AIが設定した作業者が正確に「ユーザー選択」フィールドに紐付けられているか確認します。単なる表示名ではなく、システムが認識できるユーザーIDやフィールドコードとして設定されている必要があります。また、所属組織の階層設定や、「所属組織を含める」チェックボックスの状態も確認してください。部署異動があった場合でも、正しい承認者に通知が届くよう、組織単位での設定を推奨します。これらのステップは10分以内で終わります。AIが作成した骨組みに人間が調整を加えることで、完璧な承認フローが完成します。

kintoneのAIを使いこなし、管理業務を効率化しよう

kintoneのプロセス管理設定AIは、決して「魔法の杖」ではありません。しかし、最強の「ドラフト作成ツール」であることは間違いありません。重要なのは、AIと人間の役割分担を明確に理解することです。AIには経路の作成を任せ、人間は条件分岐や権限設定に専念します。これにより従来なら数時間かかっていた設定作業が、わずか数分で完了するのです。 AIは全自動ツールではなく、批判的なパートナーです。AIが出してきた下書きを精査し、最終的な判断を下すことで、承認フローを素早く構築していきましょう。 [cta] " ["post_title"]=> string(102) "kintoneの「プロセス管理設定AI」で承認フローを秒速で構築する方法を解説！" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(26) "kintone-process-setting-ai" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-04-12 11:21:35" ["post_modified_gmt"]=> string(19) "2026-04-12 02:21:35" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=15787" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [8]=> object(WP_Post)#4957 (24) { ["ID"]=> int(15702) ["post_author"]=> string(2) "13" ["post_date"]=> string(19) "2026-01-13 12:46:35" ["post_date_gmt"]=> string(19) "2026-01-13 03:46:35" ["post_content"]=> string(17513) "kintoneのアプリ作成AIを使えば、従来は30分かかっていたアプリ作成の作業が3分で終わります。生産管理の現場では、プロジェクト管理アプリを素早く立ち上げて業務を回したいと考える方も多いでしょう。しかし、実際にAIで作成したアプリを使おうとすると、計算式が入っていなかったり、フィールドコードが乱れていたりする問題に直面します。本記事では、kintoneのアプリ作成AI機能の実力と限界を明らかにし、AIで作った「下書き」を実用レベルに引き上げるための具体的な手順を解説します。

「アプリ作成AI」でアプリ自体は一瞬で作れるが、結局修正が必要…

kintoneのアプリ作成AI機能は、チャットで指示を出すだけでフィールドが自動配置される便利な機能です。従来は30分以上かけて手作業でフィールドを配置していた作業が、わずか3分で完了します。しかし、実際に生成されたアプリを確認すると、期待とは異なる「惜しい」状態になっていることが多いのです。フィールドの種類が意図とズレていたり、計算式が設定されていなかったりする状況に直面します。

この現象について多くの記事では「AIでアプリが作れます」という機能紹介に留まっており、生成後の修正工数については触れられていません。実際には、AIが作成したアプリをそのまま運用すると、現場の要求と異なったり、外部ツールと連携する際に障害が起きたりなどの事態が発生し、大きな修正を余儀なくされます。この現実を理解した上で、AIを「優秀なアシスタント」として活用し、残りの重要な部分を自分で設定する方法を知ることが重要です。AIに全てを期待するのではなく、AIが得意な「構造作り」と人間が担う「論理設定」を組み合わせることで、最短で実用的なアプリを完成させることができます。

まずはここから！kintone AIラボで「アプリ作成AI」を有効化する設定手順

アプリ作成AIを利用するには、管理者がkintoneシステム管理画面で機能を有効にする必要があります。設定は数ステップで完了し、全ユーザーがAIでのアプリ作成を利用できるようになります。まず、kintoneにログインします。メニュー上部の設定アイコンから「kintone AI管理」を選択してください。

次に、画面右側に表示される「アプリ作成AI」の項目を探します。「機能を有効にする」ボタンをクリックすれば設定完了です。

設定が完了すると、アプリ作成画面の「はじめから作成」のメニュー上部にAIアイコンが表示され、その中に「アプリ作成AI」という選択肢が表示されます。この表示を確認できればOKです。

kintoneのアプリ作成AIは「優秀なインターン」が作る下書きと割り切る

kintoneのアプリ作成AIは、確かに便利な機能です。しかし、AIに魔法を期待してはいけません。AIは「凄腕のインターン」が作った質の高い下書きと割り切るべき存在なのです。

アプリ作成AIの弱点は「計算」「フロー構築」「フィールドの最適化」

kintoneのアプリ作成AIには、現時点で明確にできないことがあります。それは計算式の設定です。AIに「消費税計算を入れて」と指示しても、計算フィールドの枠だけができて中身の計算式は空っぽの状態で生成されます。また、プロセス管理の構築もAIの管轄外です。承認フローなどの複雑なステータス管理は、AIが自動で設定してくれません。さらに、フィールドコードの最適化もAIには期待できません。AIが自動生成するフィールドコードは「field_123」のような意味不明な文字列になりがちで、後で外部連携を組む際に大きな障害となります。この状態でアプリをそのまま運用しようとすると、AIが作った下書きを実用レベルに引き上げるための手動設定がどうしても必要になるのです。

AIと人間で役割を分担。「60：40」の比率を意識しよう

具体的には、AIはフィールドの自動配置、ドロップダウンリストの選択肢生成、基本的な項目の提案などを担当します。これらは全体の60%程度を占める土台作りの部分で、AIが最も力を発揮する領域です。一方、人間が担当すべきは残りの40%です。計算式の設定、フィールドコードの最適化、プロセス管理の構築、外部ツールとの連携設定がこれに該当します。これらは業務の核心部分であり、現場の知恵を込めるべき重要な設定です。この役割分担を理解することで、AIに過度な期待を抱いて失望することもなく、また人間が全てを手作業で行う非効率からも解放されます。AIと人間のハイブリッドな作業方式こそが、kintoneアプリ作成の最短ルートなのです。

押さえておこう！運用時にハマりやすい「3つの落とし穴」

また、アプリ作成AIの利用者が陥りやすい落とし穴が3つあります。これらを事前に知っておくことで、無駄な試行錯誤を回避できます。

1つ目は、計算フィールドの空っぽ問題です。「消費税計算を入れて」とAIに指示しても、計算式が入っていない状態で生成されます。実際に私が試したときも、計算フィールドの枠だけができて中身が空っぽという状況に直面しました。 2つ目は、フィールドタイプのズレです。担当者を管理したいときに、ユーザー選択フィールドではなく文字列フィールドで生成されることがあります。この場合、後からフィールドタイプを変更する必要があり、手間がかかります。 3つ目は、修正がAI非対応という制約です。一度作ったアプリに「やっぱりこのフィールド追加したい」と思っても、AIのチャット機能では対応できません。アプリ作成AIは新規作成のみに対応しており、既存アプリの修正は手動で行う必要があります。これらの落とし穴を知っておけば、AIが生成したアプリを確認する際に何をチェックすべきかが明確になります。次のセクションでは、これらの問題を解決する具体的な手順を解説します。

事例：修正時間を15分から3分へ！すぐに役立つプロンプト例とAI活用手順

AIへの指示の出し方で、生成されるアプリの精度は大きく変わります。実際に私が試した事例をもとに、修正時間を劇的に短縮する方法を解説します。悪い例を見てみましょう。「タスク管理アプリを作って」とだけ指示した場合、AIは汎用的なフィールドを大量に生成します。この結果、不要なフィールドを削除したり必要なフィールドを追加したりする作業に15分かかりました。一方、成功例では具体的な指示を出しています。「Web制作会社のプロジェクト管理アプリを作成してください。納期、担当者、進捗（未着手・進行中・完了）、優先度、顧客名を管理したい」と入力すると、必要なフィールドがほぼ揃った状態で生成されます。修正時間はわずか3分で済みました。

このような指示の具体化で作業時間が5分の1になるのです。製造現場でプロジェクト管理アプリを作る場合の具体的なプロンプトテンプレートを以下に示します。

製造現場のプロジェクト管理アプリを作成してください。管理したい項目は以下の通りです。案件名（文字列）、納期（日付）、担当者（ユーザー選択）、進捗状況（ドロップダウン：未着手・進行中・完了・保留）、優先度（ドロップダウン：高・中・低）、予算（数値）、実績（数値）、備考（文字列複数行）

このテンプレートをコピーして、自社の業務に合わせて項目を調整すれば、手戻りの少ないアプリを作成できます。

AI作成後に必ずやるべき「手動設定」3ステップ

AIが生成したアプリを実用レベルに引き上げるためには、3つのステップが効果的です。これらの手順を実行することで、「動くシステム」が完成します。ステップ1は、計算フィールドへの置換です。AIが作った数値フィールド「進捗率」を削除し、計算フィールドを新規作成します。計算式には「達成数値 / 目標数値 * 100」と入力してください。この設定により、進捗率が自動計算されるようになります。ステップ2は、フィールドコードの最適化です。AIが自動生成する「field_123」のような意味不明なコードを、管理しやすい名前に変更します。例えば、案件名なら「project_name」、納期なら「due_date」のように、後で見ても分かりやすい名前にしてください。外部連携を見据えた命名規則を採用することで、後の作業が格段に楽になります。ステップ3は、CSV読み込みでのデータ移行です。2026年1月のアップデートで、桁区切りカンマ付きのCSVがそのまま読み込めるようになりました。Excelで管理していた「予算：1,000,000」のようなデータを、事前加工なしでAI作成アプリに移行できます。この3ステップを完了すれば、AIが作った60点の土台が実用レベルの100点に到達します。一つずつ丁寧に設定を進めてください。

さらに高度な自動化へ：n8nとの連携境界線

別アプリ・外部ツールと連携させた業務フローを組みたいときは、kintoneの標準機能だけでは実現が難しいこともあります。そんなときにおすすめなのが「n8n」です。 n8nは、複数アプリ間の高度な連携と外部API連携、条件分岐の多い自動化を構築できるツールです。これらをkintone標準機能だけで実現しようとすると、作業工数が膨大になります。基本的なアプリ作成はAIに任せ、手動設定で仕上げる。そして本当に複雑な部分だけをn8nなどの外部ツールに委ねるという段階的なアプローチが現実的です。

まずAIで60点の土台を作り、残りの40点に「現場の知恵」を込めよう

kintoneのアプリ作成AIは、完璧なシステムを一発で作るツールではありません。しかし、だからこそ価値があるのです。 AIが作るのは60点の土台です。フィールドの配置と基本項目の提案、ドロップダウンの選択肢生成をAIに任せれば、作成時間はわずか5分で済みます。残りの40点は「現場の知恵」を込める部分です。計算式の設定とフィールドコードの最適化、プロセス管理の構築、独自カスタマイズを加えることで、10分程度の追加作業で実用レベルに到達します。合計15分で実用レベルのアプリが完成するのです。従来30分以上かかっていた作業が半分の時間で終われば、浮いた時間を現場のデータ分析に集中できます。 AIで100点を目指してはいけません。60点の土台と40点の知恵を組み合わせる方法こそが、kintoneアプリ作成の最短ルートなのです。この考え方を理解すれば、AIに失望することもなく、手作業に時間を奪われることもありません。生産管理の本質である現場のデータ活用にリソースを集中できるようになります。

アプリ作成AIを使いこなして、効率よく実用レベルのアプリを作ろう

kintoneのアプリ作成AIは、魔法のツールではありません。しかし、使い方を理解すれば強力な電動工具になります。構造作りはAIに任せ、論理設定は人間が担当するハイブリッド方式こそが最短ルートです。また、プロンプトを工夫することで、修正時間を15分から3分に短縮できます。AI作成後は必ず3ステップの手動設定を行い、動くシステムに仕上げてください。

まずは今の業務フローを言語化してみましょう。管理したい項目をリストアップし、このリストをもとにAIへ指示を出します。AI生成後はこの記事の3ステップで仕上げれば、合計15分で実用レベルのアプリが完成します。さらに高度な自動化を目指す方は、n8nなどの外部連携ツールもご検討ください。 [cta] " ["post_title"]=> string(115) "kintoneのAIラボでアプリ作成を5分に短縮！「失敗しない指示出し術」と手動設定の急所" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(19) "kintone-app-make-ai" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-04-12 11:21:29" ["post_modified_gmt"]=> string(19) "2026-04-12 02:21:29" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=15702" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } [9]=> object(WP_Post)#5087 (24) { ["ID"]=> int(15700) ["post_author"]=> string(2) "13" ["post_date"]=> string(19) "2026-01-12 20:16:34" ["post_date_gmt"]=> string(19) "2026-01-12 11:16:34" ["post_content"]=> string(14859) "

「あの資料、どこ？」埋もれたデータの捜索で疲弊していませんか？

kintoneで過去のデータを探す際、何度もフィルタ設定を繰り返していませんか？トラブルが発生したとき、情報を探すために15分も検索を続ける。過去の案件のレコードを見つけようとしても、300件もの検索結果が表示され、結局レコードを1つずつ開いて確認する羽目になる。このような「検索ストレス」は日常的に起きている課題です。標準検索では、条件を細かく設定しても望んだ結果にたどり着けないことがあります。キーワードを変えて何度も試し、それでも見つからず、最終的には同僚に「あの件、どうなったっけ」と聞いてしまう。これはどこの現場でも起こりうることです。

この記事では、kintoneのAIラボの機能の1つである「検索AI」の使い方と弱点を解説し、データの捜索にかかる時間を大幅に削減するポイントを紹介します。

導入はわずか1分！kintoneの検索AI（AIアシスタント）を有効化する設定手順

kintoneの検索AI機能を使うには、システム管理画面で有効化する必要があります。設定は非常にシンプルです。kintoneのトップ画面の設定アイコンから「kintone AI管理」を開きます。

管理画面で「kintone AIの有効化」のチェックボックスをクリックします。さらに下部の画面で「検索AI」にチェックを入れるだけで完了です。

この設定が完了すると、レコード一覧画面や詳細画面のヘッダーに、AI検索用のアイコンが自動的に表示されます。アイコンは虫眼鏡にAIロゴが組み合わされたデザインで、ここから自然言語での検索が可能になります。設定自体は1分で完了するため、まずは有効化してみることをおすすめします。より正確な情報は、kintone公式のヘルプページをご覧ください。

検索AIを上手に使うコツは「データの蓄積」と「プロンプトの工夫」

検索AI機能を導入しても、すぐに全ての課題が解決するわけではありません。多くの現場で起きる誤解は、「ツールを入れたら終わり」という考え方です。AIは導入した瞬間から完璧に機能するものではなく、適切な準備と使い方があって初めて効果を発揮します。

成果を出すためのポイントは2つあります。1つ目は「データの蓄積」です。kintone内に情報が十分に入力されていなければ、AIは何も答えられません。まずはデータを適切にためていく意識と仕組みを整える必要があります。そして2つ目は「プロンプトの工夫」です。プロンプトとはAIに入力する文章のことで、Google検索のように単語だけを投げるのではなく、背景情報や出力形式を具体的に伝えることで、回答の精度が劇的に向上します。この2点を守って正しく運用すれば、属人化していた知見を「現場の集合知」に変えられます。ベテラン社員の頭の中にある過去のトラブル対応履歴や、特注仕様の判断基準を、新人でも瞬時に引き出せる状態にできるのです。検索時間は45分から5分へと大幅に短縮され、現場メンバーの「探す」というストレスから解放されます。

失敗例：検索AIが役に立たない原因は「連携能力の壁」「データ不足」「ハルシネーション」

kintoneの検索AIには、期待を裏切る3つの制約があります。それぞれの原因を正しく理解することで、導入失敗のリスクを回避できます。

1. アプリの境界と「外部連携」の壁

kintone検索AIのアプリ間連携と外部ツール連携における制限を示すシステム構成図

検索AIは、現在開いているアプリのデータしか参照できません。例えば、在庫管理アプリで検索しているとき、発注履歴アプリにある過去の発注データと照らし合わせてほしいと思っても、AIは別アプリのレコードを参照できないのです。権限設定や連携の仕組み次第では「回答不能」という結果が返ってきます。また、AIが導き出した回答をSlackやMicrosoft Teamsへ即座に通知したいと思っても、標準機能ではシームレスな連携ができません。kintoneの画面を開き、そこで検索し、結果を手動でコピーして他のツールに貼り付ける必要があります。この「アプリ間のデータの壁」と「外部ツールへの出力の壁」は、現場の期待を裏切る大きな要因です。標準機能の制限を理解した上で、必要に応じて外部連携ツールの導入を検討する必要があります。

2. 「データなきAI」は沈黙する

そもそも情報が入力されていなければ、AIは何も答えられません。備考欄が空白のまま放置されていたり、過去のトラブル対応履歴が記録されていなかったりすると、検索AIに質問しても「該当する情報が見つかりません」という回答しか返ってきません。検索AIはインターネット上の情報を検索するわけではなく、あくまで社内データベースの検索窓として機能するだけなのです。

kintone検索AIの効果を左右するデータ蓄積の重要性を示すBefore/After比較表

そこで、データの蓄積文化を作ることが、検索AI活用の第一歩です。レコード数が50件で備考欄の記入率が20%しかない状態と、レコード数が500件で記入率が80%ある状態では、検索成功率が30%から85%へと劇的に向上します。まず情報を溜める仕組みを整えることが不可欠です。

3. 「嘘をつく（ハルシネーション）」可能性

AIはもっともらしい嘘をつくことがあります。特に数値が重要な生産管理では、この特性が致命的なミスに繋がる恐れがあります。例えば「今月の売上合計はいくら？」と質問したとき、AIは確率的に「それっぽい数字」を出力する傾向があり、正確な足し算を保証しません。実際の数値が347万2,583円であっても、AIは「約350万円です」と回答する可能性があります。この2万7,417円の誤差が、発注ミスや在庫不足を引き起こすかもしれません。これは生成AI全般に共通する弱点であり、kintoneにおいても例外ではないのです。

鉄則は、正確な数字が必要な場合、必ずkintone標準の「集計機能」や「グラフ機能」を使用することです。AIは「データの抽出」には強いですが、「計算」には向いていません。AIの回答を鵜呑みにせず、最終確認は人間が行う運用フローを確立する必要があります。

失敗を回避する聞き方のコツ｜「背景情報」と「出力形式」で優秀なAIアシスタントに

検索AIの精度を高めるには、質問の仕方が重要です。Google検索のように単語だけを投げるのではなく、状況説明と期待する回答形式を明示することで、AIは驚くほど優秀なアシスタントに変わります。

「プロンプト」を丁寧に、「対話」を大事にして利用する

AIへの質問（プロンプト）を工夫するだけで、回答の質が劇的に変わります。 Google検索のような「単語だけ（例：出張申請ルール）」の入力は、AIの精度を下げてしまうもったいない例です。AIは文脈を理解する能力を持っているため、背景情報と出力形式を具体的に伝えることで、期待通りの回答を引き出せます。例えば、「出張申請ルール」と入力しただけでは、AIは「該当する情報が見つかりません」と返すかもしれません。しかし、「新幹線を使う出張申請のルールについて、承認フローも含めて教えて」と具体的に問えば、AIは「出張申請アプリのレコードから3件見つかりました。承認フローは…」と詳細な回答を返します。一度の回答で諦めず、条件を絞り込んでいく「対話」のプロセスが重要です。最初の回答が期待外れでも、「先月の分だけに絞って」「担当者ごとにリストアップして」と追加の条件を伝えることで、AIは理解を深めていきます。AIはバカではありません。まだあなたの現場を知らないだけです。聞き方ひとつで、最高のアシスタントに変わるのです。

さらに高度な活用へ！「n8n」でkintoneの壁を突破する

kintone標準機能の「別アプリのデータを検索できない」「外部ツールと連携できない」という弱点の解決策として、自動化ツール「n8n」を使った外部連携があります。

アプリを跨いだ検索や、外部ツールへの自動送信を実現

n8nを使えば、kintoneのデータを外部の生成AIに渡し、回答を他のツールへ自動送信できます。具体的には、在庫管理アプリ、発注履歴アプリ、トラブル履歴アプリという3つのアプリから情報を集め、n8nで統合処理します。統合されたデータをOpenAI（ChatGPT）などの生成AIに送り、分析や要約を実行します。その結果をSlackやMicrosoft Teamsへ自動通知する、という一連の流れをプログラミングなしで構築できます。この仕組みの最大のメリットは、「複数のアプリから情報を集めて要約し、チャットに投げる」という標準機能だけでは届かない高度な自動化を実現できる点です。例えば、毎朝8時に「昨日の在庫変動と発注履歴を要約してSlackに投稿」といった定期レポートも自動化できます。ただし、n8n連携には初期設定の学習コストと、OpenAI APIの従量課金というコストが発生します。まずは標準の検索AIで試し、限界を感じたタイミングで検討するのが賢明な判断です。詳しくは関連記事をご覧ください。 https://adiem.jp/blog/n8n-kintone-data/

情報を溜め、プロンプトを工夫して検索AIを上手に使いこなそう

kintone検索AIの強みと弱点を正しく理解することが、成功への第一歩です。この記事で解説した通り、検索AIは「魔法の杖」ではありません。アプリ間のデータの壁があり、外部連携には制限があり、ハルシネーションのリスクも存在します。しかし、これらの弱点を理解した上で、データを徹底的に蓄積し、プロンプトを工夫して使えば、検索時間を45分から5分へと劇的に短縮できます。人間が最終確認を行う運用フローを確立することが不可欠です。AIの回答を鵜呑みにせず、特に数値計算については必ずkintone標準の集計機能で検証してください。AIは聞き方ひとつで最高のパートナーに変わります。まずは1つのアプリからデータ整備とAI試行を始めましょう。良い回答と悪い回答をメモし、プロンプトのパターンを共有していくことで、誰でも過去の知見を引き出せる「現場の集合知」へと進化していきます。週単位で検索成功率が向上し、月単位で属人化が解消されていく過程を、ぜひ体験してください。 [cta] " ["post_title"]=> string(98) "kintoneの「検索AI」は使えない？失敗例から学ぶAIアシスタント活用のコツ" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(17) "kintone-search-ai" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-04-12 11:21:21" ["post_modified_gmt"]=> string(19) "2026-04-12 02:21:21" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=15700" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } } ["post_count"]=> int(10) ["current_post"]=> int(-1) ["before_loop"]=> bool(true) ["in_the_loop"]=> bool(false) ["post"]=> object(WP_Post)#4949 (24) { ["ID"]=> int(16646) ["post_author"]=> string(2) "15" ["post_date"]=> string(19) "2026-04-02 09:50:16" ["post_date_gmt"]=> string(19) "2026-04-02 00:50:16" ["post_content"]=> string(19886) "

Claude Codeで、こんなことができたら

Claude Codeを使えば、製造業の現場でもこんなことができます。

工程管理画面のkintoneカスタマイズを、仕様を伝えるだけで一気に実装
検査データの入力フォームを、バリデーション込みで自動生成
生産実績ダッシュボードのグラフ表示を、データ連携からUI実装まで通しで構築

前回の記事で、Claude Codeを長時間自走させる「許可設計」を解説しました。これにより、Claude Codeはコードを書き続けることができるようになります。しかし、自走できてもこんな問題が残ります。 「コードは書けたけど、ブラウザで見たら崩れてた」 開発→テスト→ブラウザ確認→修正。このサイクルの「ブラウザ確認」だけは、結局人がやるしかなかった。コードが正しく動いているかを確かめるには、ブラウザを開いて、画面を見て、操作して、目で確認する必要があったのです。ところが今、browser-useを組み合わせることで、Claude Code自身がブラウザを開いて画面を確認し、問題があれば自分で修正するところまで自動化できます。この記事では、その「自動開発ループ」の仕組みと構築方法を解説します。

結論：Claude Code × browser-useで「開発→確認→修正」の全サイクルが自動化できる

まず、従来の開発フローと自動開発ループの違いを見てください。

graph LR
    subgraph traditional["従来の開発フロー"]
        T1["コードを書く"] --> T2["ビルド"]
        T2 --> T3["人がブラウザで確認"]
        T3 --> T4["問題を見つける"]
        T4 --> T1
    end

    style traditional fill:#fff3e0,stroke:#e65100,color:#333333

graph LR
    subgraph automated["自動開発ループ"]
        A1["コードを書く"] --> A2["ビルド"]
        A2 --> A3["Claude Codeが
ブラウザで確認"]
        A3 --> A4{"問題あり？"}
        A4 -- Yes --> A5["自動修正"]
        A5 --> A2
        A4 -- No --> A6["完了"]
    end

    style automated fill:#e8f5e9,stroke:#2e7d32,color:#333333
    style A6 fill:#c8e6c9,stroke:#2e7d32,color:#1b5e20

従来は「ブラウザ確認」のたびに人が介入していました。 自動開発ループでは、この確認もClaude Codeが自律的に行います。これを実現する3つの要素があります。

#	要素	役割
1	browser-use	Claude Codeにブラウザ操作能力を与えるCLIツール
2	planモード	まず設計させてから実装に入る戦略（前回記事で解説済み）
3	Claude Teams	チーム全体でこの仕組みを安全に運用するための管理基盤

この記事では、この3つを組み合わせて自動開発ループを構築する方法を解説します。

browser-useとは — Claude Codeにブラウザの「目」を与える

browser-useの概要

browser-useは、Claude Codeからブラウザを操作できるようにするCLIツールです。ページを開く、要素をクリックする、フォームに入力する、スクリーンショットを撮る—— 人がブラウザでやる操作を、Claude Codeがコマンドで実行できます。

graph LR
    CC["Claude Code"] -->|"コマンド実行"| BU["browser-use CLI"]
    BU -->|"操作"| BR["ブラウザ"]
    BR -->|"状態・スクリーンショット"| BU
    BU -->|"結果を返す"| CC

    style CC fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style BU fill:#fff3e0,stroke:#e65100,color:#bf360c
    style BR fill:#e8f5e9,stroke:#2e7d32,color:#1b5e20

ブラウザはバックグラウンドで常駐するため、コマンドごとに起動し直す必要がありません。

基本的な操作コマンド

browser-useの主要コマンドは以下の通りです。

コマンド	機能
`browser-use open <url>`	ページを開く
`browser-use state`	ページURL・タイトル・クリック可能な要素一覧を取得
`browser-use click <index>`	インデックス指定で要素をクリック
`browser-use input <index> "text"`	フォームに入力
`browser-use screenshot [path]`	スクリーンショットを撮る
`browser-use eval "js"`	JavaScriptを実行
`browser-use scroll down/up`	ページをスクロール（`--amount` でピクセル指定可）
`browser-use keys "Enter"`	キーボード操作
`browser-use select <index> "value"`	ドロップダウン選択

操作の基本パターンはこうです。

graph LR
    O["open
ページを開く"] --> S["state
要素を確認"]
    S --> I["click / input
操作する"]
    I --> V["state / screenshot
結果を確認"]
    V -->|"問題あり"| I
    V -->|"OK"| D["次の操作へ"]

    style O fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style S fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style I fill:#fff3e0,stroke:#e65100,color:#bf360c
    style V fill:#e8f5e9,stroke:#2e7d32,color:#1b5e20
    style D fill:#c8e6c9,stroke:#2e7d32,color:#1b5e20

また、以下のオプションが便利です。

オプション	機能
`--headed`	ブラウザウィンドウを表示する（デバッグ時に便利）
`--profile [NAME]`	Chrome実ブラウザを使用（既存のログイン・Cookieが利用可能）
`--session NAME`	名前付きセッション（複数タブの管理に使う）
`--json`	JSON形式で出力

セットアップ方法

インストールは1コマンドです。 macOS / Linux：

curl -fsSL https://browser-use.com/cli/install.sh | bash

Windows（PowerShell）：

& "C:\Program Files\Git\bin\bash.exe" -c 'curl -fsSL https://browser-use.com/cli/install.sh | bash'

インストール後、以下のコマンドで正しくセットアップされているか確認できます。

browser-use doctor   # 依存関係の自動チェック
browser-use setup    # セットアップウィザード

browser-use doctor を実行すると、依存関係に問題がないか自動でチェックしてくれます。ここでエラーが出なければ準備完了です。

自動開発ループの設計 — planモードで「考えてから動かす」

自動開発ループの全体フロー

browser-useをClaude Codeに組み込むことで、以下の自動開発ループが実現します。

graph LR
    P["1. plan
分析・設計"] --> C["2. code
実装"]
    C --> B["3. build
ビルド・テスト"]
    B --> V["4. verify
ブラウザ確認"]
    V --> Q{"問題あり？"}
    Q -- Yes --> F["5. fix
修正"]
    F --> B
    Q -- No --> D["6. done"]

    style P fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style C fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style B fill:#fff3e0,stroke:#e65100,color:#bf360c
    style V fill:#fff3e0,stroke:#e65100,color:#bf360c
    style F fill:#ffebee,stroke:#c62828,color:#b71c1c
    style D fill:#c8e6c9,stroke:#2e7d32,color:#1b5e20

ステップ	モード	やること
1. plan	planモード	タスクの全体像を分析し、実装計画を立てる（ファイル編集不可、コマンドは承認制）
2. code	acceptEditsモード	計画に沿ってコードを書く
3. build	—	ビルド・lint・テストを実行
4. verify	—	browser-useでブラウザを開き、画面を確認
5. fix	acceptEditsモード	問題があればコードを修正し、3に戻る
6. done	—	問題がなければ完了

このループをClaude Codeが自律的に回します。

planモードで「何を確認するか」を設計させる

自動開発ループで最も重要なのは、「何をもって正しいとするか」の基準です。 browser-useでブラウザを開いても、「何を見ればいいか」がわからなければ意味がありません。ここでplanモードが効きます。 planモードで以下を事前に設計させます。

実装する機能の仕様 — 何を作るのか
ブラウザで確認すべきポイント — 表示内容、レイアウト、動作
確認手順 — どのURLを開き、何をクリックし、何が表示されるべきか

この「確認仕様」があることで、verifyフェーズの精度が大幅に上がります。 Claude Codeは「スクリーンショットを撮って、なんとなく確認する」のではなく、 「この要素がこの状態であるべき」という明確な基準に照らして確認するようになります。 Shift + Tab でplanモードと実行モードを即座に切り替えられます。

実践例 — kintoneカスタマイズの自動開発

具体的な例を見てみましょう。 シナリオ：kintoneの工程管理アプリに、ステータス変更時の自動計算機能を追加する

sequenceDiagram
    participant 開発者
    participant Claude Code
    participant browser-use
    participant kintone

    Note over 開発者,Claude Code: Step 1: plan
    開発者->>Claude Code: ステータス変更時に工数を自動計算する機能を追加して
    Claude Code->>Claude Code: 既存カスタマイズコードを分析
    Claude Code->>開発者: 実装計画と確認手順を提示

    Note over 開発者,Claude Code: Step 2: code
    開発者->>Claude Code: OK、実装して
    Claude Code->>Claude Code: JavaScriptカスタマイズを実装

    Note over Claude Code,kintone: Step 3: build
    Claude Code->>Claude Code: 構文チェック・lint実行

    Note over Claude Code,kintone: Step 4: verify
    Claude Code->>browser-use: kintoneアプリを開く
    browser-use->>kintone: open URL
    Claude Code->>browser-use: ステータスを変更
    browser-use->>kintone: click / select
    Claude Code->>browser-use: 計算結果を確認
    browser-use->>Claude Code: スクリーンショット + state

    Note over Claude Code,kintone: Step 5: fix（必要な場合）
    Claude Code->>Claude Code: 表示のずれを検出、コード修正
    Claude Code->>browser-use: 再度確認
    browser-use->>Claude Code: OK

    Claude Code->>開発者: 完了しました

この一連の流れを、Claude Codeが自走で実行します。開発者が介入するのは最初の指示と最終確認だけです。

CLAUDE.mdで自動開発ループの精度を上げる

ブラウザ確認ルールをCLAUDE.mdに書く

自動開発ループを安定して回すために、CLAUDE.mdに「ブラウザ確認のルール」を追加しましょう。

# ブラウザ確認ルール
- UI変更後は必ずbrowser-useでスクリーンショットを撮って確認する
- 確認対象URL: http://localhost:3000
- 確認ポイント: レイアウト崩れ、文字切れ、ボタンの動作
- モバイル表示の確認も行う（viewport: 375px）

前回の記事で解説した通り、CLAUDE.mdは /compact でコンテキストが圧縮されてもディスクから再読み込みされます。つまり、長時間の自動開発ループでも確認ルールが消えません。これが重要な理由は、自動開発ループは長時間動き続けるからです。 10ファイル、20ファイルと修正が続くうちに、コンテキストは何度も圧縮されます。しかしCLAUDE.mdに書いた確認ルールは毎回復元されるため、最初のファイルも最後のファイルも同じ基準で確認されます。

`.claude/rules/` でUI確認ルールをモジュール化

CLAUDE.mdに全部書くと長くなります。フロントエンドのコードを触るときだけ、ブラウザ確認ルールを適用する設定ができます。

---
paths:
  - "src/components/**/*.tsx"
  - "src/pages/**/*.tsx"
  - "public/**/*.css"
---
# フロントエンド確認ルール
- コード変更後はbrowser-useで画面確認を実行すること
- スクリーンショットを撮ってレイアウトを確認
- コンソールエラーが出ていないか browser-use eval で確認

このファイルを .claude/rules/ に置いておけば、フロントエンドのコードを触ったときだけブラウザ確認ルールが読み込まれます。バックエンドのロジックだけを変更しているときは、不要なブラウザ確認を省略できます。

Claude Teams — 自動開発ループをチームに展開する

チームで安全に運用するためのマネージド設定

自動開発ループをチームで使う場合、以下の懸念があります。

メンバーが本番環境のURLをbrowser-useで操作してしまうリスク
許可設定がバラバラで、人によって自走範囲が違う

Claude Teams / Enterprise のマネージド設定で、これらを統一できます。

{
  "permissions": {
    "allow": [
      "Bash(browser-use *)",
      "Bash(npm run *)",
      "Bash(npx *)"
    ],
    "deny": [
      "Bash(browser-use open https://production.*)",
      "Bash(browser-use open https://*.kintone.com/*)"
    ]
  }
}

graph LR
    A["管理者が
マネージド設定を配信"] --> B["browser-use操作を許可
（allowルール）"]
    A --> C["本番URLをブロック
（denyルール）"]
    B --> D["メンバーは安全な範囲で
自動開発ループを実行"]
    C --> D

    style A fill:#e3f2fd,stroke:#1565c0,color:#0d47a1
    style B fill:#e8f5e9,stroke:#2e7d32,color:#1b5e20
    style C fill:#ffebee,stroke:#c62828,color:#b71c1c
    style D fill:#fff3e0,stroke:#e65100,color:#bf360c

allowでbrowser-useの基本操作を許可しつつ、denyで本番URLへのアクセスをブロックします。 denyはマネージドが最優先なので、個人がallowで上書きすることはできません。

マネージドCLAUDE.mdでチーム共通の確認ルールを配信

許可設定だけでなく、CLAUDE.mdもマネージドで配信できます。

OS	配信先
macOS	`/Library/Application Support/ClaudeCode/CLAUDE.md`
Linux	`/etc/claude-code/CLAUDE.md`
Windows	`C:\Program Files\ClaudeCode\CLAUDE.md`

チーム全員に「本番環境にはbrowser-useでアクセスしない」「テスト環境のURLはこれ」といったルールを強制適用できます。マネージドCLAUDE.mdは個人が除外できないため、事故を確実に防げます。

まとめ：自動開発ループを始める3ステップ

まずやるべき3つのこと

Step 1：browser-useをインストールする

curl -fsSL https://browser-use.com/cli/install.sh | bash
browser-use doctor  # インストール検証

これだけで、Claude Codeがブラウザを操作できるようになります。 Step 2：CLAUDE.mdにブラウザ確認ルールを追加する 確認対象URL、確認ポイント、確認手順を書いてください。長時間の自動開発ループでも確認基準がブレなくなります。 Step 3：planモードで確認仕様を設計してから実装に入る 「何をもって正しいとするか」を先に決める。これが自動開発ループの精度を決めます。

「開発者は設計と判断に集中する」未来

自動開発ループが回るようになると、開発者の役割が変わります。コードを書く作業、ブラウザで確認する作業、細かい修正作業——これらをClaude Codeに任せられます。開発者は**「何を作るか」「なぜ作るか」「これで良いか」**の設計と判断に集中できるようになります。前回の記事の「許可設計」で、Claude Codeの自走範囲がコーディングまで広がりました。今回の「browser-useによるブラウザ確認」で、その範囲がUI検証まで広がります。次は何を自動化できるか——私たちも引き続き実験していきます。

参照元

[cta]" ["post_title"]=> string(86) "Claude Code × browser-useで「止まらない自動開発ループ」を構築する" ["post_excerpt"]=> string(0) "" ["post_status"]=> string(7) "publish" ["comment_status"]=> string(6) "closed" ["ping_status"]=> string(6) "closed" ["post_password"]=> string(0) "" ["post_name"]=> string(35) "claude-code-browser-use-integration" ["to_ping"]=> string(0) "" ["pinged"]=> string(0) "" ["post_modified"]=> string(19) "2026-04-12 11:17:44" ["post_modified_gmt"]=> string(19) "2026-04-12 02:17:44" ["post_content_filtered"]=> string(0) "" ["post_parent"]=> int(0) ["guid"]=> string(45) "https://adiem.jp/?post_type=blog&p=16646" ["menu_order"]=> int(0) ["post_type"]=> string(4) "blog" ["post_mime_type"]=> string(0) "" ["comment_count"]=> string(1) "0" ["filter"]=> string(3) "raw" } ["comment_count"]=> int(0) ["current_comment"]=> int(-1) ["found_posts"]=> int(15) ["max_num_pages"]=> int(2) ["max_num_comment_pages"]=> int(0) ["is_single"]=> bool(false) ["is_preview"]=> bool(false) ["is_page"]=> bool(false) ["is_archive"]=> bool(true) ["is_date"]=> bool(false) ["is_year"]=> bool(false) ["is_month"]=> bool(false) ["is_day"]=> bool(false) ["is_time"]=> bool(false) ["is_author"]=> bool(false) ["is_category"]=> bool(false) ["is_tag"]=> bool(true) ["is_tax"]=> bool(false) ["is_search"]=> bool(false) ["is_feed"]=> bool(false) ["is_comment_feed"]=> bool(false) ["is_trackback"]=> bool(false) ["is_home"]=> bool(false) ["is_privacy_policy"]=> bool(false) ["is_404"]=> bool(false) ["is_embed"]=> bool(false) ["is_paged"]=> bool(false) ["is_admin"]=> bool(false) ["is_attachment"]=> bool(false) ["is_singular"]=> bool(false) ["is_robots"]=> bool(false) ["is_favicon"]=> bool(false) ["is_posts_page"]=> bool(false) ["is_post_type_archive"]=> bool(false) ["query_vars_hash":"WP_Query":private]=> string(32) "5695855edd0d80eb9a11317169584f3b" ["query_vars_changed":"WP_Query":private]=> bool(true) ["thumbnails_cached"]=> bool(false) ["allow_query_attachment_by_filename":protected]=> bool(false) ["stopwords":"WP_Query":private]=> NULL ["compat_fields":"WP_Query":private]=> array(2) { [0]=> string(15) "query_vars_hash" [1]=> string(18) "query_vars_changed" } ["compat_methods":"WP_Query":private]=> array(2) { [0]=> string(16) "init_query_flags" [1]=> string(15) "parse_tax_query" } ["query_cache_key":"WP_Query":private]=> string(41) "wp_query:c7466381481d0ba7ec040344a518cbe1" } -->

他のタグから探す

株式会社アディエム
東京都中央区日本橋室町1丁目11番12号　日本橋水野ビル7階
tel : 050-3629-1986

PAGE TOP