メインコンテンツへスキップ
メニュー

A&A INSIGHTS

経営・AIの活用方針経営者向け

AI受託の最初の商品を決める:一人で売れる業務単位の切り出し方

「営業も問い合わせも秘書業務も自動化できます」と説明しているのに、商談で範囲が決まらない。最初のAIサービスは機能の一覧ではなく、買い手が一件ずつ検収できる完了単位で定義します。Lindyの事例とAnthropicの設計文書を手がかりに、選定の四条件と一枚の商品定義シートを示します。

AI受託最初の商品オファー設計一人会社検収条件AIネイティブGTM
Read in English
散らばった資料を整理し、比較表を作って判断につなぐ流れ
情報を集め、整理し、条件を比べて判断する流れを表した概念イラストです。 AI生成イラスト

この記事の要点

AIで制作や開発を自分で納品できる個人事業主向けに、最初に売る一つの業務をどう切り出すかを扱います。Anthropicが「エージェントが向くタスク」の条件として挙げる明確な成功基準・フィードバックループ・人の監督は、技術的な適合条件であると同時に、請求できる納品物の条件でもある、というのがこの記事の主張です。Lindyの事例ページでは広いビジョンが語られる一方、具体的な利用例はいずれも一つの買い手と一つの業務でした。Newfrontが検討時に20問の難問リストを用意した例を手がかりに、検収条件を実例集合で先に書く方法を示し、買い手・入力・納品物・対象外・検収・値付けの単位を並べた商品定義シートを提案します。出典の記述、A&Aの解釈、架空の仮想例は区別しています。

「何でもできます」の次に、最初に売る一つを決める

A&Aの考え方

最初のAIサービスは、できることの一覧ではなく、買い手が一件ずつ受け取って検収できる完了単位で定義します。決めるのは四つだけです。誰が買うか、何を渡してもらうか、何を返すか、どこから先は人が判断するか。この四つを一文で書けない提案は、商談の場で相手が「それで、うちは何を頼んだことになるのか」を決められません。範囲が毎回その場の会話で決まるのは、相手が優柔不断だからではなく、売り手が絞る作業をまだ済ませていないからです。

出典に基づく事実

Anthropicが公開するLindyの事例ページは、同社のビジョンを、最大の能力と最大の使いやすさを併せ持つAI社員を作ることだというエンジニアリング責任者Luiz Scheideggerの言葉で説明しています。同じページは、ClaudeがLindyのエージェントを動かし、go-to-market、カスタマーサポート、エグゼクティブアシスタントという三つの主要なカテゴリでチームと並んで働くと述べています。具体例として、あるSaaSスタートアップが見込み客の特定と初回アウトリーチの個別化にエージェントを使っていること、自己資金で運営されているある生産性向上ツールが24時間の一次サポートの提供に使っていること、ある経営者が日々のブリーフィング作成と予定の衝突解消に使っていることを挙げています。

Anthropic

A&Aの考え方

ここで注目したいのは、同じページの中でビジョンは広く、記述される実際の使い方はいずれも狭いことです。三つの例はどれも、一つの買い手(営業チーム、サポート担当、経営者本人)に対して、一つの業務(見込み客の特定と初回文面、一次サポート、ブリーフィングと予定調整)が対応しています。これはページの書かれ方についてのA&Aの観察であって、LindyやAnthropicが受託事業者に対してそう提案しているわけではありません。

A&Aの考え方

ではなぜ、プラットフォームは広く名乗れるのでしょうか。顧客が多数いて、その中の各社が自分の業務を自分で選ぶからです。曖昧さを吸収する装置が、買い手の側にあります。一人でサービスを売る場合、その装置がありません。広い名乗りは、相手に「では何を頼めばいいのか」という宿題を渡すことになり、その宿題は一回の商談の中では解かれません。絞る作業を売り手が先に済ませておく必要があるのは、このためです。

引き受ける一業務を選ぶ四つの条件

A&Aの考え方

最初に売る業務は、痛みの大きさではなく、完了を判定できるかどうかで選ぶと検証が速く進みます。判定に使う条件は四つです。第一に、完了の基準が、依頼する側の言葉で書けること。第二に、出来上がりの正しさを、相手がすでに持っている手段で確かめられること。第三に、間違いが見つかったとき、それを次の一件に反映できること。第四に、人が最終判断を持つ場所が、はっきり決まっていること。

出典に基づく事実

Anthropicのエンジニアリング記事「Building effective agents」(2024年12月19日公開)は、LLMとツールをあらかじめ決められたコード経路で組み立てるものをワークフロー、モデル自身が進め方とツールの使い方を動的に決めるものをエージェントとして区別しています。同記事の付録1は、顧客からの問い合わせ対応とコーディングという二つの領域を挙げ、これらが向いている理由として、会話と行動の両方を必要とし、明確な成功基準をもち、フィードバックループを可能にし、意味のある人の監督を組み込むタスクである点を説明しています。

Anthropic

出典に基づく事実

同じ付録は、問い合わせ対応については、成功は利用者が定義する解決によって明確に測定できると述べ、コーディングについては、コードによる解法は自動テストによって検証可能である一方で、解法がより広いシステム要件に沿っているかを保証するうえで人によるレビューは依然として不可欠だと述べています。なお、この記事は冒頭で、ここに記述された周辺ツールの状況はその多くが2024年12月以降に変化していると断っています。

Anthropic

A&Aの考え方

この記事が論じているのは、どこで自動化がうまく動くかという技術的な適合です。A&Aはこれを、受託事業者が最初の商品を選ぶときの商売上の条件として読み替えています。理由は単純で、検収できない納品物は請求できないからです。完了の基準を相手の言葉で書けない仕事は、納品後に「これで合っているのか」の確認が延び、追加作業が無償になります。相手が確かめる手段をすでに持っている仕事なら、その確認は相手の既存業務の中で終わります。この読み替えはA&Aの解釈であり、出典が述べていることではありません。

A&Aの考え方

反対の選び方も成り立ちます。最初の商品は、相手の痛みが最も大きく単価が高い業務から選ぶべきだ、という考え方です。実際、検収しやすいだけの仕事は安く、誰も困っていないことがあります。ただしその場合でも、痛みの大きい業務をそのまま一件目にするのではなく、その業務の中から完了を判定できる部分を切り出すほうが、初回の納品で信頼を得やすい。痛みで対象を選び、判定可能性で単位を切る、という順序をA&Aは勧めます。

一つの完了単位として成立している状態と、まだ商品にできない状態(A&Aの整理。仮想例を含む)
確かめること一つの完了単位として成立している状態まだ商品にできない状態
誰が買うか発注と検収を同じ役職が決められる「上に聞いてみます」で毎回止まる
何を受け取るか毎回同じ形式の入力が、相手の手元にすでにあるこちらが資料を集めるところから始まる
何を返すか一件の成果物として名前が付く(記入済み規格書と未確定項目一覧)「業務効率化の支援」「自動化のご提案」
完了をどう見るか相手の既存の承認手順でそのまま判断できる品質の良し悪しを口頭ですり合わせる
人が残す判断最終承認と例外の決定が相手側に残っている全部任せられる前提で提案している
発生頻度月に数十件など、二回目が自然に来る年に一度の特別対応
値付けの単位一件あたりで請求でき、例外は別見積り作業時間の見積もりしか出せない

一枚で書く「最初の商品定義シート」

A&Aの考え方

商談に持っていく一枚には、次の八つを書きます。買い手は、発注と検収を決められる役職。発生場面と頻度。受け取る入力は、誰が、どの形式で、すでに持っているもの。返す納品物は、一件の成果物として名前が付くもの。対象外は、この値段では引き受けないこと。検収の見方は、相手が何を見れば完了と判断できるか。人が残す判断は、最終承認と例外の決定を誰が持つか。そして値付けの単位。分量は一枚で足ります。足りないと感じたら、機能を足す前に対象を狭めてください。

仮想例

仮想例です。地方の食品製造会社向けに、取引先様式の商品規格書の記入代行を最初の商品にする場合、シートはこうなります。買い手は品質保証の責任者。発生場面は取引先から新しい様式の規格書が届いたときで、様式が取引先ごとに違うため月に数十件。入力は届いた規格書のファイルと、社内にすでにある製品仕様のマスタ表。納品物は記入済みの規格書と、確定できなかった項目の一覧で、後者には参照したマスタの行を添えます。対象外はアレルギー表示や法令適合の最終判断と、マスタに値がない項目の新規決定。検収は、品質保証責任者が社内の既存の承認手順でそのまま確認し、未確定項目の一覧が埋まっていること。人が残す判断は最終承認と未確定項目の値の決定。値付けは一件あたりで、新しい取引先様式の初回対応だけ別見積り。これは説明のための作例であり、A&Aの受注実績でも顧客事例でもありません。

A&Aの考え方

この一枚で効くのは、多くの場合、対象外の欄です。対象外が書かれていないと、相手は「たぶん全部やってくれる」と読みます。書いてあると、相手はそこが自社の責任だと分かり、社内で誰が引き取るかを先に決められる。対象外は断り文句ではなく、相手の段取りを助ける情報です。納品物に名前が付くかどうかも同じ役割を果たします。「業務効率化の支援」は名前ではありません。「記入済み規格書と未確定項目一覧」は名前です。名前が付くと、相手は社内の誰に見せればよいかを判断できます。

A&Aの考え方

もう一つ、シートを書くときに使える切り分けがあります。出典が区別する、あらかじめ決められた手順で進む部分と、その場で判断が必要な部分を、引き受ける範囲の分解にそのまま当てはめる方法です。毎回同じ順番で進み、入力さえ揃えば結果が決まる部分は、一件あたりで約束できます。案件ごとに前提が変わり、どう進めるかをその場で決める必要がある部分は、対象外か、人が残す判断のどちらかに置きます。規格書の仮想例でいえば、マスタに値がある項目の転記は前者、マスタにない値を新しく決めることや法令適合の判断は後者です。この線引きをシート上で先に引いておくと、値段と納期をどこまで約束できるかが決まります。これはA&Aによる適用であり、出典は受託範囲の分け方を論じているわけではありません。

検収条件は、実例を並べてから決める

A&Aの考え方

検収条件は、抽象的な品質基準ではなく、実際の案件の集合で先に決めます。手順はこうです。相手が過去に処理した同種の案件を二十件ほど出してもらい、そのうち何件が手直しなしで通るべきかを、提案の時点で双方が書く。通らない例が多ければ、対象を狭めるか、人が残す判断を増やす。基準を後から決めると、納品後の議論が「品質が低い」「十分だ」という感想の交換になります。

出典に基づく事実

Anthropicが公開するNewfrontの事例ページは、同社が福利厚生のチャットボットに使うAIを探していた際、既存のモデルが答えるのに苦労した二十問の重要な顧客質問を集めた一組を用意していた、と説明しています。共同創業者でCTOのGordon Wintrobの言葉として、システムに何の変更も加えないまま、Claudeが同社の最も難しい二十件のうち十二件を正しく処理した、と記載されています。同ページはまた、保険業界には人の専門性と先進技術の両方が必要だという同社の立場を示し、AIが定型作業を担い、ブローカーが戦略的な助言に集中する形を説明しています。

Anthropic

A&Aの考え方

この十二対二十という比率を、精度の目標として持ち出すことはできません。二十問はNewfront自身が選んだ固定の集合で、実施時期も、誤答の内訳も、独立した評価も公開されていません。ベンダー側の説明です。A&Aが受託事業に転用するのは数字ではなく順序のほうです。広げる前に、難しい実例が具体的に列挙してある。何をもって正しいかが先に固定してあるから、手順やモデルを替えたときに同じ物差しで比べられます。受託でも同じで、二十件の実例を先に並べておけば、検収の会話が感想の交換ではなく照合になります。

仮想例

先の規格書の仮想例に当てはめると、過去に提出した規格書を二十件出してもらい、取引先からの差し戻しがなかったものとあったものを分けます。そのうえで、この二十件のうち十六件は手直しなしで通ること、残り四件は未確定項目の一覧に正しく落ちていることを、検収条件として提案の時点で書きます。十六と四という割り振りは説明のための仮の数で、実際の件数は相手の業務の実情で決めるものです。むしろ重要なのは、どの四件がなぜ落ちるのかを、納品前に説明できることのほうです。

値付けの単位を、完了単位に合わせる

A&Aの考え方

値付けは、完了単位と同じ単位にします。一件の納品物に名前が付いているなら、一件あたりで請求できます。工数でしか見積もれない状態は、完了単位がまだ決まっていない状態の言い換えです。ただし、例外案件を同じ単価に含めないでください。新しい様式の初回、入力が欠けている案件、相手側の判断待ちが長い案件は、別の扱いにすると先に決めておきます。

出典に基づく事実

「Building effective agents」の付録1は、問い合わせ対応の領域について、複数の企業が、成功した解決分のみを課金する従量課金のモデルによってこの手法の実現性を示してきた、と記述しています。これは観察された事例の記述であり、読者に成果課金を勧める記述ではありません。

Anthropic

A&Aの考え方

成果課金は、量の緩衝がある事業では成り立ちます。件数が多ければ、難しい案件の損失を全体の平均で吸収できるからです。一人で受ける最初の商品には、その緩衝がありません。月に数件しかない段階で「成功したときだけ請求します」と約束すると、失敗の定義を相手が決める余地が残り、無償の再作業が積み上がります。A&Aが現実的だと考えるのは中間です。通常案件は一件あたりの定額、例外は別見積り、検収は先に決めた実例集合で判定する。こうすると、相手にとっては費用が読め、こちら側は例外を断らずに値段を付けられます。一件あたりの採算に確認と再作業の時間をどう含めるかは「低単価サービスの採算は、生成速度だけで決まらない」で扱っています。

二つ目の業務は、いつ足すか

A&Aの考え方

二つ目を足す条件は、売上ではなく観測で書きます。一つ目の業務で、同じ相手から二回目の依頼が相手の側から来たか。検収で落ちる案件の理由が、毎回同じ種類に収束したか。人が残す判断に使う時間が減ったか。この三つが見えてから足します。見えていない段階で業務を増やすと、どの業務のどこが弱いのかを切り分けられなくなります。

出典に基づく事実

同記事は、LLMを使うアプリケーションを作るときは可能な限り単純な解決策を見つけ、必要になったときにだけ複雑さを増やすことを勧めています。まとめの部分でも、複雑さを足すのは、それが実際に結果を改善すると示せるときだけにすべきだと繰り返しています。

Anthropic

A&Aの考え方

この助言は実装の話として書かれていますが、商品構成にもそのまま当てはまる、というのがA&Aの読み替えです。サービスメニューを増やすのは、増やしたことで相手の判断が実際に速くなると示せるときだけにする。メニューが二つになると、商談の最初の質問が「どちらが合うか」に変わります。その質問に答える材料をこちらが持っていなければ、選択肢は親切ではなく負担です。二つ目を足すときは、どちらを選ぶかの判断基準も同時に用意してください。

この選び方が当てはまらない場面と、次の一歩

A&Aの考え方

当てはまらない場面から書きます。第一に、検収しやすい業務が、相手にとって価値の大きい業務とは限りません。判定しやすさだけで選ぶと、安くて誰も困っていない仕事に最適化してしまいます。先に、相手がすでに人手と時間を割いていることを観測し、そのうえで判定できる単位を切ってください。第二に、その業務が年に数回しか発生しない場合、二回目の観測ができないのでこの進め方は成立しません。第三に、毎回入力の形が違う場合、記入代行のような形では単位を固定できません。その場合は、入力を整える工程そのものを別の商品として考えることになります。

出典に基づく事実

なお、Lindyの事例ページには、Claude導入以降の十倍の顧客増加、営業チームの見込み客獲得までの時間の72%短縮、定型的なサポート問い合わせの70%超の処理、顧客のgo-to-marketとサポートのワークフローにおける三倍から五倍の生産性向上といった数値が示されています。

Anthropic

A&Aの考え方

これらはベンダーが公表した数値で、対象の母数、期間、定義、比較の条件は示されていません。独立した検証でもありません。日本の一人会社が同じ業務を引き受けたときの見込みとして使うことはできないので、この記事では数値ではなく選定の考え方だけを取り出しています。Lindyがプラットフォームとして広い範囲を名乗れるのは多数の顧客が自分の業務を自分で選ぶからだ、という点も繰り返しておきます。売り手が一人の場合、その前提が成り立ちません。

A&Aの考え方

次の一歩です。商品の売り方そのもの、つまり道具として売るか仕事として引き受けるかで迷っているなら、「AIネイティブサービス企業の事例:Advolve・Newfront・Lindyで比べる「売る仕事」」を先に読んでください。最初の商品が決まっていて、問い合わせから見積もりまでの受付を整える段階なら「問い合わせから見積もりまでをAIでつなぐ:小さな受託会社の不足情報の整理」が続きになります。顧客獲得から継続までの全体像は「AIネイティブGTMとは?一人・少人数で顧客獲得から継続まで回す実践ガイド」にまとめています。商品定義シートは書けたけれども、どの業務を対象にするかの判断が付かない場合は、初回の無料相談で扱える範囲です。

最初のAIサービスを決めるとき、機能を足すほど商談は長くなります。買い手を一人に、入力を一つに、納品物を一つに絞り、相手が既存の承認手順でそのまま判断できる完了単位を選んでください。判断材料は、過去の実例を二十件ほど並べて、手直しなしで通るのはどれかを先に書くことです。通らない例が多ければ、対象を狭めるか、人が残す判断を増やす。この一枚が書けてから、受付や見積もりの仕組みを作れば間に合います。

出典・編集情報

記事の調査で確認した一次資料です。資料の公開・更新時期と、調査時の確認日を分けて記載しています。

  1. Building effective agents

    Anthropic · 2024-12-19

    確認日 2026-09-22
  2. Lindy empowers teams to scale with AI Agents powered by Claude

    Anthropic · n.d. (no date shown on page)

    確認日 2026-09-22
  3. Newfront modernizes insurance experiences with Claude

    Anthropic · n.d. (no date shown on page)

    確認日 2026-09-22

AIを活用した記事制作

調査・執筆・翻訳・編集上の確認にAIを活用しています。資料に基づく事実、A&Aの考え方、仮想例は、それぞれ本文に明記しています。

編集上の確認日: 2026-09-22

記事一覧へ