Claude Code 業界別・職種別 活用ガイド｜非エンジニアこそ知るべき業務自動化の実践

「Claude Codeって、エンジニアしか使えないツールですよね？」——この質問を受ける頻度が、2025年後半から急激に減りました。代わりに増えたのは「うちの営業にも使わせたいんだけど、どこから始めればいい？」という相談です。

Vibe Coding（自然言語でソフトウェアを作る手法）の市場調査によれば、利用者の 63%が非開発者 です。マーケターが広告レポートの自動生成スクリプトを作り、経理担当者が請求書の仕分けツールを自然言語だけで構築し、人事が面接評価のテンプレートシステムを内製する——こうした事例が、もはや珍しくなくなっています。

本記事は、Claude Code と Claude（チャット）の使い分けから始め、業界別・職種別の活用シナリオを具体的なプロンプト例付きで整理した実践ガイドです。「自社にはどのパターンが合うか」を判断するためのフレームワークも用意しました。技術的な詳細はClaude Code完全ガイドに譲り、本記事では「誰が」「何に」「どう使うか」に集中します。

この記事を読むとわかること

• Claude Code と Claude（チャット）の構造的な違いと、非エンジニアがClaude Codeを使う具体的な方法
• 業界別（金融・製造・SaaS・受託開発・情シス）の活用パターンと、各業界固有の落とし穴
• 職種別（マーケ・営業・人事・経理・経営企画）の活用パターンと、そのまま使えるプロンプト例
• 「自社はどこから始めるべきか」を判断する3ステップのフレームワーク
• 導入初期に発生しやすい6つの失敗パターンと、その回避策

Claude Code と Claude（チャット）—— 決定的に違う「3つの境界線」

結論から言えば、Claude Code は「実行するAI」、Claude（チャット）は「考えるAI」です。 この違いを正しく理解しないまま導入を検討すると、評価を誤ります。

まず、一般的な比較表を示します。

観点	Claude Code	Claude（チャット / API）
動作環境	ターミナル（CLI）	ブラウザ / アプリ / API
できること	ファイルの読み書き、コマンド実行、Git操作	テキスト生成、分析、要約、翻訳
対象ユーザー（従来）	ソフトウェアエンジニア	全職種
対象ユーザー（現在）	エンジニア + 業務自動化したい全職種	全職種

ただし、この表だけでは本質が伝わりません。実務で体感する違いは以下の3点に集約されます。

境界線1: ファイルシステムへのアクセス

Claude（チャット）は、基本的にチャットウィンドウの中で完結します。テキストを生成し、分析し、要約する。その結果はチャット画面に表示されるだけで、PCのファイルには触れません。

Claude Code は違います。PC上のファイルを直接読み書きします。「このフォルダにある請求書CSVを読んで、取引先ごとに分類して、それぞれ別のCSVとして保存して」と指示すれば、実際にファイルが生成されます。

境界線2: コマンドの実行

Claude（チャット）に「Pythonスクリプトを書いて」と頼むと、コードがテキストとして表示されます。それを自分でファイルに保存し、ターミナルを開き、実行する必要があります。

Claude Code に同じことを頼むと、スクリプトを書き、保存し、実行し、エラーが出れば修正し、再実行するところまで自動で進みます。「動くものが手に入る」のです。

境界線3: 試行錯誤の自律性

Claude（チャット）で生成されたコードにバグがあった場合、エラーメッセージをコピーして貼り付け、「これを直して」と再度指示する必要があります。

Claude Code はエラーを自分で確認し、原因を推測し、修正を試みます。テストが通らなければ何度か自分でリトライします。人間がやるのは最初の指示と最終結果の確認だけです。

非エンジニアがClaude Codeを使う実態

「でもClaude Codeってターミナルで動くんですよね。非エンジニアには無理では？」

この懸念は理解できますが、実態は少し異なります。Claude Code のセットアップ自体は npm install -g @anthropic-ai/claude-code というコマンド1つです。インストール後は、自然言語で指示を出すだけ。ターミナルの知識は「コマンドを入力してEnterを押す」程度で十分です。

具体例を挙げます。マーケターが「Google Analytics のCSVを読み込んで、先月と今月のPV比較グラフをHTMLで作って」と指示する場合、必要な操作は以下の3ステップです。

1. ターミナルを開く
2. claude と入力してEnterを押す
3. 上記の指示を日本語で入力する

Claude Code が Python スクリプトを書き、CSVを読み込み、matplotlib でグラフを生成し、HTMLファイルとして保存します。マーケターはHTMLファイルをブラウザで開くだけです。

もちろん、高度なGit操作やリポジトリ管理を前提とする開発タスクではエンジニアの知識が必要です。しかし「ファイルを読んで加工して出力する」タイプの業務自動化であれば、非エンジニアでも十分に実用レベルで使えます。

業界別 — エンジニアリング視点での Claude Code 活用

業界ごとにClaude Codeの「効く場所」と「使えない場所」は大きく異なります。 規制環境、ネットワーク制約、既存システムの技術スタック、チーム構成——これらの変数の組み合わせによって、最適な導入シナリオが変わります。

金融業界（FinTech・銀行・証券）

金融業界でClaude Codeを導入する際、最初に直面する壁はデータ経路の設計です。本番環境の金融データをClaude Codeに渡すことは、コンプライアンス上ほぼ不可能です。AWS Bedrock 経由で閉域網内に閉じた構成にするか、本番データを一切含まないテスト環境でのみ使用するか——この判断が導入の第一歩になります。

この制約を前提としたうえで、効果が大きい活用パターンは3つあります。

• レガシーコードのテスト自動化: COBOLやJavaの既存システムに対して、Claude Codeにテストコードを生成させる。「このJavaクラスの全publicメソッドに対してJUnit 5のテストを書いて。境界値テストも含めて」と指示すれば、手動で書けば半日かかるテストが数分で生成されます
• 規制対応ドキュメントの自動生成: 既存コードを読み込ませ、「このモジュールが準拠している金融庁ガイドラインの該当箇所をコメントとして追記して」と指示する
• APIの仕様書生成: 内部APIのコードから OpenAPI 仕様書を自動生成する

注意すべき落とし穴として、Claude Code は金融ドメインの専門用語を正しく理解するとは限りません。「約定」「受渡日」「信用取引」といった用語の定義は、CLAUDE.mdに明示的に記載しておく必要があります。

詳細は Claude Code × 金融業界

製造業（組込・MES・生産管理）

製造業の開発現場で最も深刻な課題は、「書いた人が退職したコード」の保守です。15年前にC言語で書かれた制御ソフトウェア、ドキュメントが一切存在しないPLCラダーロジック、仕様が口伝でしか残っていない生産管理システム——こうしたシステムの理解と保守に、Claude Code は具体的な効果を発揮します。

たとえば、数千行のC言語コードに対して「このコードの処理フローを日本語でドキュメント化して。関数ごとに入力・出力・副作用を整理して」と指示すると、コードを解析してドキュメントを生成します。完璧ではないものの、ゼロから人手で読解するよりも圧倒的に早い起点が得られます。

最大の制約はネットワーク環境です。工場のOTネットワークはインターネットに接続されていないケースが多く、Claude Code をそのまま使うことはできません。開発PCを別ネットワークに接続するか、コードをセキュアにコピーして開発環境で作業するか——この運用設計が必須です。

• 有効な活用: レガシーコードの可読性向上とドキュメント化、テストカバレッジの拡大、C/C++からRustへの段階的な移行支援
• 最初の1手: 最もドキュメントが薄い（かつ保守頻度が高い）モジュールの仕様書自動生成

詳細は Claude Code × 製造業

SaaS / スタートアップ

SaaS企業でのClaude Code導入は、**「少人数チームの開発帯域をどう広げるか」**という課題への直接的な回答になります。3〜5人のエンジニアで週次スプリントを回しているチームが、Claude Code を「もう1人のジュニアエンジニア」として組み込む運用が広がっています。

ただし、ここで頻繁に発生する問題があります。CLAUDE.mdを整備しないままスピード優先で使い始めると、生成されるコードの品質がばらつくのです。命名規則が統一されない、テストの書き方がファイルごとに違う、既存のアーキテクチャパターンを無視した実装が混入する——こうした問題が積み重なると、後からの修正コストが導入効果を打ち消します。

効果を最大化するパターンは明確です。

1. まず CLAUDE.md にプロジェクトの規約・テストコマンド・禁止事項を整理する（CLAUDE.mdの書き方を参照）
2. 最初のタスクは「既存コードのテスト追加」から始める（既存コードを読み込む過程で Claude Code がプロジェクトの構造を学習する）
3. 新機能開発に移行する際は、関連する既存コードを明示的に指定する（「src/features/auth/ 配下の実装パターンに揃えて」）

• 注意点: PR の自動マージまで任せるのは時期尚早。コードレビューは人間が行い、Claude Code の出力を検証する運用が現実的です
• 最初の1手: 直近のスプリントでテストカバレッジが最も低いモジュールに対して、テストを生成させる

詳細は Claude Code × SaaS / スタートアップ

受託開発・SIer

受託開発でClaude Codeを活用する際の最大の課題は、案件ごとのコンテキスト分離です。顧客A社のコーディング規約と顧客B社の規約は異なり、NDAの範囲も異なり、使用する技術スタックも異なります。これらが混在すると、深刻なインシデントに繋がりかねません。

実務で有効な対策は、案件ごとに CLAUDE.md を分けることです。具体的には、各案件リポジトリの直下に以下のような内容を記載します。

# プロジェクト固有ルール
- 言語: Java 17 / Spring Boot 3.x
- テスト: JUnit 5 + Mockito
- 命名規約: 顧客指定のコーディング規約（docs/coding-standard.pdf 参照）
- 禁止: 顧客名・案件名をコード内コメントに記載しない
- 禁止: 他案件のコードパターンを流用しない

この設計により、Claude Code が案件をまたいで情報を混在させるリスクを構造的に排除できます。

• 有効な活用: ボイラープレートコードの自動生成、テスト作成、設計書からのスケルトンコード生成、既存コードのドキュメント化
• 注意点: 顧客の情報管理要件によっては、Claude Code の利用自体を顧客に事前承認してもらう必要があります
• 最初の1手: 社内で最も標準化されたプロジェクトテンプレートを CLAUDE.md に落とし込む

詳細は Claude Code × 受託開発・SIer

情シス・社内SE

情シス部門でのClaude Code活用は、**「ベンダー依存からの段階的な脱却」**という文脈で語られることが多くなっています。外部ベンダーに依頼すれば数週間待ちの小規模改修を、Claude Code を使って内製で即日対応する——この「小さな内製化」の積み重ねが、情シス部門の存在価値を変えつつあります。

特に効果が大きいのは、以下のパターンです。

• VBA → Python 移行: 「このExcel VBAマクロをPythonに移植して。pandasを使って」と指示すれば、VBAの処理ロジックを解析し、同等のPythonスクリプトを生成します。ただし、VBAのワークシート操作（セルの結合や条件付き書式）を含む場合、openpyxlでの再現に限界があるため、出力の検証は必須です

• 既存コードの読解支援: ベンダーが納品したコードの中身を理解するために、「この処理が何をしているか日本語で説明して」と段階的に読み解いていく

• 簡易ツールの内製: 「社内のPC資産管理台帳（CSV）を読み込んで、OSバージョンが古い端末を一覧で抽出するスクリプトを作って」のような定型業務の自動化

• 注意点: 情シス部門は業務範囲が広いため、「何にClaude Codeを使うか」の優先順位づけが特に重要です。問い合わせ件数が多い業務ツールの改善から始めるのが効果的です

• 最初の1手: 最も問い合わせが多い業務ツールのドキュメント自動生成、または頻出する定型作業のスクリプト化

詳細は Claude Code × 情シス・社内SE

職種別 — 非エンジニアの Claude / Claude Code 活用

非エンジニア職種では、Claude（チャット）とClaude Code の両方が選択肢になります。 テキストの生成・分析・要約が中心なら Claude（チャット）で十分です。ファイル操作を伴う定型業務の自動化なら、Claude Code の方が実用的です。以下、職種ごとに「何に使えるか」「どう指示するか」を、具体的なプロンプト例とともに整理します。

マーケター

マーケティング業務で最も効果が出やすいのは、「大量のデータを読み込んで、構造化されたアウトプットを出す」タスクです。

Claude（チャット）での活用例:

競合分析レポートの構造化。たとえば、競合3社のサービスページのテキストをコピーして貼り付け、以下のように指示します。

以下は競合3社のサービスページの内容です。
以下の観点で比較表を作成してください。
- 価格帯
- 主要機能（5つまで）
- ターゲット顧客層
- 差別化ポイント

比較表の最後に、3社に共通する訴求パターンと、
どの会社もカバーしていない空白領域を分析してください。

Claude Code での活用例:

Google Analytics のCSVエクスポートから、月次レポートを自動生成するケース。

downloads/ フォルダにある analytics-202603.csv を読み込んで、
以下の内容のHTMLレポートを作成して。

1. PV数の上位20ページ（前月比付き）
2. 流入元の円グラフ
3. デバイス別のセッション数の棒グラフ
4. 前月のCSV（analytics-202602.csv）との比較サマリー

グラフは Chart.js で描画して、1ファイルのHTMLに収めて。
output/ フォルダに保存して。

この指示1つで、Claude Code が Python スクリプトを書き、CSVを解析し、Chart.js を使ったHTMLファイルを生成・保存します。毎月繰り返す定型レポートであれば、一度作ったスクリプトを再利用できるため、2回目以降は「先月と同じスクリプトを今月のデータで実行して」で済みます。

詳細は Claude活用ガイド × マーケター

営業

営業職で意外に大きな時間を食っているのが、**「書く作業」**です。提案書のドラフト、商談後のフォローメール、競合比較資料、社内への案件報告——これらを Claude に任せることで、商談準備と顧客対応に集中する時間を確保できます。

Claude（チャット）での活用例:

提案書のストーリー構成を壁打ちするケース。

以下の条件で提案書のストーリー構成を作ってください。

顧客: 従業員300名の製造業（自動車部品）
課題: 受発注業務がFAXベースで、月間200件のデータ入力を2名で手作業処理
提案内容: Web受発注システムの導入
予算感: 800〜1200万円

構成は「課題の深刻さ → 放置した場合のリスク → 解決策 → 導入効果（定量）→ スケジュール → 投資対効果」
の順で。各セクションの想定スライド枚数も含めて。

Claude Code での活用例:

CRMからエクスポートした商談リストを分析して、フォローアップの優先順位を付けるケース。

deals-202603.csv を読み込んで、以下の条件でフォローアップ優先度を判定して。

優先度A: 最終接触から14日以上経過 かつ 商談金額500万以上
優先度B: 最終接触から14日以上経過 かつ 商談金額500万未満
優先度C: 最終接触から7〜13日

結果をCSVで出力して。列は「会社名, 担当者, 商談金額, 最終接触日, 経過日数, 優先度」。
優先度A→B→Cの順にソートして。

詳細は Claude活用ガイド × 営業

人事

人事業務でのClaude活用は、**「定型的だが量が多いテキスト作成」と「法令・規程に基づいた文書のドラフト」**の2軸で効果が出ます。

Claude（チャット）での活用例:

面接評価の構造化。面接官が自由記述で書いた評価コメントを、統一フォーマットに変換するケース。

以下は面接官3名による候補者Aの評価コメントです。
これを以下のフォーマットに統合してください。

【評価フォーマット】
1. 技術スキル（5段階評価 + 根拠）
2. コミュニケーション力（5段階評価 + 根拠）
3. カルチャーフィット（5段階評価 + 根拠）
4. 総合所見（200文字以内）
5. 懸念事項（あれば）

3名の評価に矛盾がある場合は、その点を明示してください。

Claude Code での活用例:

求人票を複数媒体向けに一括生成するケース。

job-descriptions/ フォルダにある求人原稿（JD-backend-engineer.md）を読み込んで、
以下の3媒体向けにフォーマットを変換して出力して。

1. Wantedly向け: カジュアルなトーン、ストーリー形式、2000文字以内
2. doda向け: 箇条書き中心、必須/歓迎スキルを明確に分離、テンプレート形式
3. LinkedIn向け: 英語に翻訳、グローバル企業向けのトーン

それぞれ output/jd-wantedly.md, output/jd-doda.md, output/jd-linkedin.md として保存して。

注意点として、Claudeが生成した文書をそのまま使うのではなく、社労士や法務担当の監修を通すプロセス設計が重要です。特に就業規則や労務関連の文書は、法令解釈の正確性を人間が担保する必要があります。

詳細は Claude活用ガイド × 人事

経理・財務

経理業務でのClaude活用のポイントは、**「数値の処理はExcelに任せ、数値の解釈と言語化をClaudeに任せる」**という分業です。

Claude（チャット）での活用例:

月次の予算実績差異分析のコメントドラフト。

以下は今月の予算実績データです。

| 科目 | 予算 | 実績 | 差異 |
|------|------|------|------|
| 売上高 | 5,000万 | 4,720万 | -280万 |
| 人件費 | 2,000万 | 2,150万 | +150万 |
| 広告宣伝費 | 500万 | 320万 | -180万 |
| 営業利益 | 800万 | 550万 | -250万 |

各科目の差異について、経営会議で報告するための分析コメントを書いてください。
以下を含めてください。
- 差異の主な原因（想定される要因を2〜3個）
- 来月以降の見通しへの影響
- 対応策の提案（あれば）

トーンは経営層向け。数字の羅列ではなく、「だから何なのか」を伝える文章に。

Claude Code での活用例:

仕訳データの異常検知。

journal-entries-202603.csv を読み込んで、以下の条件に該当する仕訳を抽出して。

1. 同一取引先への同一金額の仕訳が月内に3回以上
2. 過去6ヶ月の平均と比べて金額が3倍以上の仕訳
3. 通常と異なる勘定科目の組み合わせ（過去データから学習）

過去6ヶ月のデータは journal-entries-2025{10,11,12}.csv と
journal-entries-2026{01,02}.csv にあります。

結果を「要確認仕訳リスト」としてCSVに出力して、
各行に「検知理由」列を追加して。

詳細は Claude活用ガイド × 経理・財務

経営企画

経営企画での活用は、「情報収集 → 構造化 → ストーリー化」の3ステップすべてでClaudeが支援できる点が特徴です。

Claude（チャット）での活用例:

取締役会資料の論点整理。

来月の取締役会で、以下の3つの投資案件を報告します。
それぞれについて「賛成しやすい論点」と「反対が出やすい論点」を整理してください。

案件A: AI OCRツール導入（年間500万円、経理部3名の入力作業を自動化）
案件B: 基幹システムのクラウド移行（初期費用2,000万円、保守費年間200万円削減見込み）
案件C: 新規事業としてのSaaS開発（初期投資5,000万円、3年でBEP見込み）

取締役は「コスト削減」と「リスク回避」を重視する傾向があります。
各案件の説明順序と、想定される質問への回答案も提案してください。

Claude Code での活用例:

複数のデータソースを統合した経営ダッシュボードの生成。

以下のCSVファイルを読み込んで、経営ダッシュボードをHTMLで作成して。

- sales-monthly.csv（月次売上データ）
- hr-headcount.csv（部門別人員数）
- finance-pl.csv（損益計算書データ）

ダッシュボードに含める内容:
1. 売上推移（12ヶ月折れ線グラフ）
2. 部門別人員構成（円グラフ）
3. 営業利益率の推移（棒グラフ + 目標ライン）
4. 主要KPIサマリー（売上成長率、人件費率、営業利益率）

Chart.js を使って、1ファイルのHTMLに収めて。
印刷してA4横で配布できるレイアウトにして。

詳細は Claude活用ガイド × 経営企画

「自社はどこから始めるべきか」—— 3ステップの判断フレームワーク

「全部読んでから判断しよう」は非効率です。 以下の3つの問いで、自社が最初に読むべき記事を絞り込めます。

ステップ1: 最も「時間を食っている」作業を特定する

作業の性質	推奨ツール	読むべき記事
コードの読み書き・テスト	Claude Code	業界別の該当記事
文書の作成・要約・分析	Claude（チャット）	職種別の該当記事
ファイル操作を伴う定型業務	Claude Code	職種別の該当記事 + Claude Code完全ガイド

ステップ2: セキュリティ要件を確認する

要件レベル	推奨構成	補足
厳格（金融・医療・官公庁）	AWS Bedrock / Google Vertex AI 経由	データが外部に出ない構成が必須
標準的（一般企業）	API 従量課金 + データ取扱方針の確認	法務部門によるデータポリシー確認を推奨
柔軟（社内実験・PoC）	個人サブスク（Max Plan）で即開始	本番データを含まない範囲で実験

ステップ3: 社内のエンジニアリングリソースを確認する

• 社内にエンジニアがいる → 業界別記事から読み、エンジニアチームで先行導入
• エンジニアはいないが、ITリテラシーの高い担当者がいる → 職種別記事から読み、Claude Code での業務自動化を検討
• 外注中心 → 受託開発・SIerの記事を読み、外注先への提案材料にする

導入初期に発生しやすい6つの失敗パターン

Claude Code / Claude の導入で成果が出ないケースには、共通するパターンがあります。 以下の6つは特に頻度が高く、事前に知っていれば回避できるものです。

失敗1: 「何でもできる」と期待して、何も定まらない

「AIだから何でもできるはず」と漠然と使い始めると、中途半端な試行が散発し、誰も効果を実感できないまま「やっぱり使えない」という結論に至ります。

回避策: 最初のユースケースを1つに絞る。「月次レポートのCSV集計を自動化する」「テストカバレッジを60%→80%に上げる」のように、効果が数値で測れるタスクを選びます。

失敗2: プロンプトが曖昧すぎる

「いい感じの提案書を作って」「コードをきれいにして」のような指示では、期待する出力は得られません。Claude は超優秀な新人と同じで、曖昧な指示には曖昧な結果を返します。

回避策: 「誰に」「何を」「どのフォーマットで」「どの程度の分量で」を明示する。上述の職種別プロンプト例のように、具体的な制約条件を含む指示を心がけます。

失敗3: 出力を検証せずにそのまま使う

Claude の出力は「優秀なドラフト」であり、「最終成果物」ではありません。特に数値データの解釈、法令の引用、技術的な正確性については、必ず人間が検証する必要があります。

回避策: 「Claude が作る → 人間が検証・修正する → 完成」のワークフローを設計する。検証プロセスを省略してはいけません。

失敗4: CLAUDE.md を整備しない（Claude Code の場合）

CLAUDE.md なしで Claude Code を使うと、毎回のセッションでプロジェクトの前提知識をゼロから伝える必要があります。結果として、生成されるコードの品質がセッションごとにばらつきます。

回避策: CLAUDE.mdの書き方ガイドを参照して、プロジェクトの基本情報を整備する。最低限必要なのは「言語・フレームワーク」「テストコマンド」「命名規約」「禁止事項」の4項目です。

失敗5: 全社展開を急ぎすぎる

1つの部署で成功した方法を、そのまま全社に展開しようとすると高確率で失敗します。部署ごとに業務内容もITリテラシーも異なるため、各部署で最適なユースケースは異なります。

回避策: 最初は1チーム・1ユースケースで小さく始め、成功事例と具体的な数値（「月X時間削減」「作業ミスY%減少」）を積み上げてから横展開する。

失敗6: セキュリティ検討を後回しにする

「まず使ってみて、セキュリティは後から考える」は危険です。機密情報を含むデータを Claude に送信した後では取り消せません。

回避策: 導入前に「何のデータを送信するか」「送信して良いデータの範囲はどこまでか」を法務・情報セキュリティ部門と合意する。不安があれば、ダミーデータでの PoC から開始します。

まとめ — 「自分に近い1記事」から始める

Claude / Claude Code の活用は、全体像を完璧に理解してから始めるものではありません。本記事で自社に最も近いパターンを見つけたら、該当する個別記事を1本読み、最初のユースケースを1つ試す。その結果を見て次のステップを決める。この繰り返しが、最も確実に成果に繋がる導入プロセスです。

非エンジニアの方は、まずClaude（チャット）で「いつもの定型作業」を1つ試してみてください。その作業にファイル操作が伴うなら、Claude Code の導入を検討する価値があります。エンジニアの方は、Claude Code完全ガイドで全体像を押さえたうえで、業界別の個別記事に進んでください。

関連記事

すべての Claude Code 記事は Claude Code 活用ハブページ からも辿れます。

ピラー記事: Claude Code完全ガイド 実践: CLAUDE.mdの書き方 / Subagents / Hooks / MCP / Worktree 業界別: 金融 / 製造業 / SaaS / 受託開発 / 情シス 職種別: マーケター / 営業 / 人事 / 経理 / 経営企画 比較: Claude Code vs Cursor / vs GitHub Copilot / vs Cline / vs Devin 基礎: インストール手順 / 料金プラン比較 / 日本語環境 / セキュリティ