Works / Case Studies
実績
実際に動いている事例を掲載しています。クライアントワークは社名非公開の条件で受けている案件が多いため、差し支えのない範囲で抽象化しています。それでも規模・使用技術・成果の実像は読み取れるように書いています。
Case 1 / インフラ・IaC
独自SaaS展開企業（社名非公開） — 約500台サーバーのIaC化と監視基盤構築
一言で言うと —
マルチクラウドとオンプレミスが混在する大規模インフラを、Claude Code + Terraform + Ansible で約500台規模までIaC化し、Grafana Cloud と Teleport で「運用できる」状態に揃えました。
- クライアント
- 独自SaaS展開企業（社名非公開） / 業務委託 / 2024年11月〜継続中
課題
マルチクラウドとオンプレミスが混在する約500台規模のサーバー群が、手作業中心の運用になっていました。構成変更の属人化、監視の不統一、サーバーアクセス手段の分散により、運用改善のスピードが頭打ちの状態でした。目指したのは、属人化しないこと・変更が追えること・誰でも同じ手順で触れること。その3点です。
アプローチ
- Claude Code + Terraform + Terragrunt + Ansible で、約500台規模のサーバーをIaC化。コード生成・レビューに Claude Code を日常的に使用。
- Grafana Cloud を導入し、全サーバーに Grafana Alloy を配布してメトリクス・ログを集約。可観測性を一本化。
- Teleport 等のOSSを導入し、GitHub認証で全サーバーへのゼロトラストアクセスを実現。個別のSSH鍵管理から脱却。
- IaCコードと監視設定の両方を GitHub 上で管理し、PRベースの運用に切り替え。
結果
- 約500台規模のサーバー構成を IaC で表現できる状態になり、変更履歴が追えるようになった。
- 監視基盤が統一され、全サーバーのメトリクス・ログを単一ダッシュボードから確認可能に。
- アクセス経路が Teleport + GitHub 認証に一本化され、属人的な接続情報が不要に。
- 運用の自律性と改善スピードが劇的に向上（定量KPIはクライアント都合により非公開）。
使用技術
Claude CodeTerraformTerragruntAnsibleGrafana CloudGrafana AlloyTeleportGitHub
本案件はクライアントの意向により、社名・内部構成図・ホスト名等は非公開としています。掲載内容は事前合意の範囲内です。
Case 2 / AI 自動運営
ラオシステムズ HQ — AIによる7事業の同時運営
一言で言うと —
Claude Code + MCP を軸に C-Level ロールを AI エージェント化し、ソロプレナーで7事業を同時運営する体制を構築しました。
- 対象
- 自社（ラオシステムズ 個人事業 + ラタナ・インターナショナル合同会社） / 2025年〜継続中
課題
ひとりで複数事業を同時に動かすには、経営者の判断時間を最大化する必要があります。ルーチン業務（レポート生成・データ取得・タスク整理・広告チェック）に時間を取られていては、そもそも7事業は回りません。必要だったのは「効率化」ではなく「運営体制そのものの再設計」でした。
アプローチ
- 朝4:50 に Claude Code が前日の KPI・タスク・推奨アクションを自動生成し、Slack に投稿する仕組みを構築。経営者が起床時にはブリーフィングが届いている状態に。
- CFO / CMO / CPO / CTO の C-Level ロールを AI エージェントとして定義し、それぞれが担当領域の意思決定を支援する構造にした。
- Notion MCP でタスク管理DB・意思決定ログDBを横断操作。7事業のステータスを一つの場所から追えるように。
- Chrome MCP で Etsy Seller Dashboard など外部ダッシュボードからデータを自動取得。手動スクレイピングを廃止。
- 月次の売上・レビュー・商品・トラフィックの集計、および隔週の Etsy 広告分析（CTR / ROAS / Fav率）を完全自動化。
結果
- ひとりで7事業を同時運営する体制が確立（SaaS / EC / POD / 教材 / YouTube / ネイティブアプリ / コンサル）。
- 経営者自身のルーチン作業を週20時間以上削減。
- 意思決定ログと実行タスクが Notion + Slack に集約され、後から全ての経緯を追えるように。
使用技術
Claude CodeMCP (Notion / Chrome / Kazevy / Printify)Slack APINotion APIGoogle Calendar APIPython
この運営システムの知見をそのまま、コンサルティングと Udemy 教材の両方に展開しています。
Case 3 / SaaS
Kazevy — Claude API + MCP 27ツールで構築したPOD SaaS
一言で言うと —
POD 商品の企画から出品までを、自作MCPサーバー（27ツール）と Claude API で一気通貫に自動化した SaaS を構築・運用しています。
- 対象
- 自社プロダクト（kazevy.com） / 2024年〜継続開発中
課題
POD（プリント・オン・デマンド）商品の制作では、企画・デザイン・SEO・モックアップ作成・出品と工程が分かれ、各工程で別ツールを行き来する必要がありました。ひとりで数百商品の規模を目指すには、工程間の分断そのものが最大のボトルネックでした。
アプローチ
- Claude API 連携で、商品コンセプト生成・Etsy 向け SEO（タイトル・タグ・説明文）・AI画像Critic（品質評価）を実装。
- 自作MCPサーバーを構築し、Claude Code から直接 Kazevy を操作できる27ツール（商品CRUD・画像生成・SEO生成・出品・ダッシュボード取得など）を提供。
- Flux 等の AI 画像生成をパイプラインに統合し、POD 商品デザインを自動生成。
- OpenCV + Pillow によるモックアップ自動生成（パースペクティブ変換・合成）を実装し、撮影なしで商品画像を量産。
- 「漢字ネームメーカー」（LLMによる西洋名→漢字変換エンジン）のような独自ツールも、Claude API を基盤に実装。
- 全自動ではなくヒューマン・イン・ザ・ループ。商品の最終品質・ブランド表現・出品可否といった要所は人が確認し、AIに修正指示を出して仕上げる運用にしている。
結果
- 商品企画から Etsy 出品までのリードタイムを大幅に短縮。
- Claude Code からの操作一つで、複数商品の SEO 再生成・出品更新が一括で回せるように。
- 実際に Etsy ショップ（TakeharaFlow）で運用し、商品を売る側の視点でプロダクトを磨き続けている。
使用技術
Claude APIMCP (自作27ツール)Next.jsFastAPIFluxOpenCVPillowPrintify APIEtsy API
Kazevy は自社プロダクトのため、実装の内側まで講座・コンサルで共有できます。
Case 4 / YouTube・コンテンツ自動生成
非属人YouTube × AI — 動画制作パイプラインの自動化
一言で言うと —
顔出しなしのYouTube動画を、テーマ選定・台本・ナレーション・映像素材・字幕・サムネイルまで AI で半自動生成するパイプラインを構築し、複数チャンネルを運営しています。
- 対象
- 自社（ラオシステムズ 個人事業） / 複数チャンネルを運営・収益化検証中
課題
動画制作はリサーチ・台本・ナレーション・映像素材・編集・字幕・サムネイル・投稿と工程が多く、属人的で時間がかかります。顔出しなしで継続的に量産し、複数チャンネルを並行運営するには、各工程を AI 化してひとつのパイプラインに繋ぐ必要がありました。
アプローチ
- テーマ選定と台本を LLM で生成。チャンネルごとのトーンに合わせて構成を最適化。
- ナレーションを AI 音声（TTS）で生成し、収録なしで音声化。
- 映像素材は NASA 等の公開アセットと AI 画像生成（Flux）をハイブリッドで用意。
- 字幕とサムネイルを自動生成し、動画を組み立てるところまでを定型化。
- 投稿フローを含めて横展開し、複数チャンネルを同じ仕組みで運営。
- 全工程をAI任せにせず、ヒューマン・イン・ザ・ループでテーマ・台本の方向性、サムネイル/タイトル、公開可否といった要所は人が確認・修正指示する。
結果
- 顔出し・撮影なしで動画を継続制作できる体制を構築。
- 1本あたりの制作工数を大幅に圧縮し、複数チャンネルを並行運営。
- 制作パイプライン自体を資産化し、テーマ・チャンネルを増やしても再利用できる構造に（再生数・収益は検証段階のため非公開）。
使用技術
LLM (台本生成)TTS (AI音声)Flux (AI画像)字幕自動生成PythonYouTube Data APINASA公開素材
動画制作の自動化ノウハウも、コンサルティング・教材の対象に含めています。
Case 5 / ヘルスケア・アプリ
卒煙サポートアシスタント — 音声 × AI の卒煙支援アプリ
一言で言うと —
喫煙・がまん・代替活動を記録し、Claude API による分析でパーソナライズされた助言を返す卒煙支援アプリ。音声入力を AI が理解して構造化データに変換する「音声 × AI ファースト」設計です。
- 対象
- 自社開発プロダクト / 継続開発中
課題
卒煙の継続には「記録の手間の少なさ」と「つまずいたときの個別フィードバック」の両方が要ります。手入力中心のトラッカーは続きません。記録のハードルを下げつつ、AI が行動パターンを読んで一人ひとりに合った助言を返す仕組みが必要でした。
アプローチ
- React + FastAPI のフルスタック構成（PWA）。オフラインでも記録でき、オンライン復帰時に自動同期する設計。
- 音声入力（Web Speech API）→ Claude API が自然言語を理解し、喫煙／がまん／活動の構造化データへ自動変換する「音声 × AI ファースト」フローを実装。
- Claude API による分析で行動パターンを検出し、パーソナライズされた推奨を生成（結果はキャッシュして高速表示）。
- WHO-ICF（国際生活機能分類）準拠で代替活動を分類。統計ダッシュボードで進捗・節約額・健康改善を可視化。
- 日英バイリンガル（i18next）、Firebase 認証、PostgreSQL（Neon）。
結果
- 音声ひとことで記録が完了し、AI が個別の気づきを返す体験を実装。
- オフライン対応＋自動同期により、通信環境に左右されず記録を継続できる。
- 個人開発ながら、AI をプロダクトの中核機能として組み込んだヘルスケアアプリとして継続開発中。
使用技術
ReactTypeScriptFastAPIPostgreSQL (Neon)Claude APIWeb Speech APIFirebase Authi18nextPWA
自社プロダクトのため、音声 × AI 入力や AI 分析の実装知見をコンサル・教材で共有できます。
こういった自動化を、あなたの事業でも。
約500台規模のエンタープライズ案件と、ひとり7事業のソロプレナー運営。両極の現場で日常的に Claude Code と MCP を使っています。導入のご相談、あるいは教材を通じた自学、どちらからでも入れます。