1. はじめに
Claude Code、使っていますか？
「エンジニア向けのツールでしょ？」と思っていた時期が、私にもありました。
でも実際に触ってみて気づいたんです。私にとってのClaude Codeは、エンジニア向けツールというより、PM業務の前後にある“重い作業”を減らすための道具 だったと。
半信半疑で使い始めてみたら、PM（プロダクトマネージャー）の仕事が 質も速度も 変わりました。
この記事では、PMの私がClaude Codeを使いこなして変わった 3つの仕事 を紹介します。
目指すのは「速いだけ」のAI活用ではなく、質と速度を両立しながら、PM本来の仕事に時間を取り戻す ワークフローです。
2. Claude Codeとは
Claude Codeは、Anthropic（Claude開発元）公式のAIアシスタントツールです。
ターミナルで動きますが、自分でコードを書かなくても、自然言語で指示するだけで Claude がコードや文書を読み書きしてくれます。
ChatGPTやGeminiにも Projects やワークスペース連携など、似た機能はあります。
そのうえで Claude Code の特徴をひとことで言うなら、「ローカルの作業フォルダを起点に、ファイル・設定・ツール連携をまとめて扱いやすい」 こと。
私の感覚では、「プロジェクトの情報を把握した、記憶力のある優秀なチーム」 をAIで構築できるツール、というのが一番近い表現です。
より詳しい概要: Claude Code 公式ドキュメント（日本語）
3. PMが時間を奪われる「3つの仕事」
PMの時間を奪う仕事は、突き詰めると以下の3つに集約されます。
この記事では、この3つを軸にClaude Codeでどう変えたかを紹介します。
| 仕事 | 時間泥棒の正体 |
|---|---|
| ① 要件定義・仕様化 | 白紙からの執筆、漏れチェック、用語統一 |
| ② 情報整理・調査 | システム横断の検索、過去経緯の再構築 |
| ③ 報告・共有資料作り | 構成作り、初稿の執筆、見栄え整え |
原則：「Why と判断」はPM、「How と作業」はAI。
PMの仕事は変わりません。変わるのは「前後の作業時間」と「情報の集まり方」です。
4. PMはWhyを伝えるだけ — Claudeが自動でチームを編成する
Claude Codeには、PMが自分専用のチームを組むための機能が大きく3つあります。
会社組織にたとえると、こんなイメージです：
| 機能 | 会社にたとえると | 何をするもの | 具体例 |
|---|---|---|---|
| Skills（旧 Custom Commands を含む） | 業務マニュアル | 「この種の仕事はこう進める」という手順書をAIに渡しておくもの。/skill-name で呼び出せる形で型化できる。Claudeが必要な時に自動で読み込んで参照する |
「Design Docを書くスキル」「議事録要約スキル」、/weekly-review
|
| Sub Agents | 専門職の部下 | 特定領域に特化したAIエージェント。それぞれが独立した文脈で動き、専門の仕事を任せられる | 調査担当の research-analyst、レビュー担当の critical-reviewer
|
| Plugins / 外部連携 | 外部ベンダー／既製パッケージ | 既製の業務セットやツール連携を取り込みやすくする仕組み | 公式・コミュニティの各種プラグイン |
これらは 自分で作ることもできるし、公式・サードパーティが提供している既製のものを入れることもできます。
業務マニュアルを社内で書くか、市販のマニュアルを買うか——という発想に近いです。
そして一番驚いたのは、適切に設定しておけば、Claudeが依頼内容に応じて関連する Skill や Sub Agent を使い分けてくれる ことです。
たとえば「この機能のDesign Docを書いて」と頼むと、ClaudeはDesign Doc作成スキルを呼び出し、必要に応じて research-analyst エージェントに論文調査を依頼し、最後に critical-reviewer エージェントにレビューさせる——という流れを、Claude側で組み立ててくれます（もちろん完全自律ではなく、設定・権限・文脈整備が前提です）。
PMはあくまで 「何をしたいか（Why）」を伝えるだけ。
誰に何をやらせるかは、Claude がだいぶ引き受けてくれます。これがPMにとってのClaude Codeの一番の魅力かもしれません。
各機能の詳細は、登場するセクション内で都度補足します。まずは「Skills や Agents を登録しておくと、Claudeがそれを呼び出して使ってくれる」とだけ覚えておけばOKです。
Skillの作り方を知りたい方へ: Claude Code Skills の作り方（Zenn / tmasuyama1114） — SKILL.md の書き方や references フォルダの活用まで分かりやすくまとまっています。
5. 仕事①：要件定義・仕様化
PMの一丁目一番地です。業界でよく言われる経験則として「品質は要件定義で大きく決まる」と語られるほど、ここをサボると後工程すべてが歪みます。
私は自作の Design Doc 作成スキル を使っています。
このスキルを呼び出すと、AIが以下を自動実行します：
- ヒアリング：背景・課題・目的・スコープ・非機能要件を対話的に確認
- テンプレート適用：Design Doc の定型フォーマットに沿って叩き台を生成
- セルフレビュー：要件の漏れ・矛盾、記述の一貫性を自動チェック
「白紙から書く」のと「8割完成した叩き台を編集する」のでは、負担が全く違います。
Design Doc そのものについては: プロダクトマネージャーの必須スキル：デザインドックの書き方（note / kosuke mori） が PM 視点でよくまとまっています。
論文のエビデンス調査もAIに下調べさせる
IoT領域では、要件の裏付けに 論文や業界レポート を当たりたい場面が頻繁にあります。
「この方式は本当に効果があるのか」「業界の最新研究ではどう扱われているのか」——こうした問いに対して、私は research-analyst エージェント に下調べを依頼しています。
関連論文の候補を洗い出し、要約し、Design Doc に組み込みやすい形に整理してくれる。
ただし、最終的な採用判断と一次情報の裏取りはPM側で行う のが鉄則です。AIは下調べを爆速にしてくれますが、出てきた情報をそのまま信じるのは危険。PMが一次情報にアクセスしやすくなり、要件の説得力が一段上がる ——これがDesign Docの品質に直結しました。
Before / After（私のケース）
以下は私の手元で実感している変化です。チームのテンプレートと前提情報が揃っていれば ここまで縮みますが、ゼロから整える場合は当然もっとかかります。
| 観点 | Before | After |
|---|---|---|
| 初稿作成 | 白紙から書く（半日〜1日） | テンプレート＋AI生成（1〜2時間） |
| 網羅性チェック | 自分で漏れを確認 | AIが観点別に自動チェック |
| エビデンス調査 | 論文・規格を自分で当たる | research-analyst エージェントが要約 |
Claude Code には公式・コミュニティ双方のプラグインやスキルがあり、PRD作成系の既製品も活用できます。自作スキルと組み合わせて使う こともでき、たとえば既製品で初期PRDを作り、自作スキルで社内テンプレに整形する、といった使い方も可能です。
具体的な作成方法は以下の記事を参照ください。
6. 仕事②：情報整理・調査
PMが時間を奪われている2つ目の仕事です。
「先月の決定事項ってどこに書いてあったっけ？」
「あのお客さんの要望、Slackのどのチャンネルだっけ？」
「先週の数値どうだった？Amplitudeで見れば分かるけど、開くのが面倒…」
情報を集めるだけで半日が溶けていく ——これがPMの現実です。
6-1. システム連携で「探す手間」が消える
Claude Code は MCP（Model Context Protocol：Claudeが外部システムと連携するための標準プロトコル） やプラグインで、外部システムと直接連携できます。
MCPの仕組みを詳しく知りたい方は: Model Context Protocol（MCP）とは？（Zenn / Cloud Ace）
私が連携しているのは以下の4つです：
| システム | 用途 | MCPサーバー |
|---|---|---|
| Slack | チャンネルのトーク履歴、決定事項抽出 | Slack公式 |
| Google Drive | 過去の議事録・仕様書を横断検索 | サードパーティ／コミュニティ実装を利用 |
| Amplitude | プロダクト数値の取得 | Amplitude公式 |
| GitHub | Issue / PR / バックログの進捗確認 | GitHub公式 |
これらに対して、Claude Codeにこう聞くだけです：
先月の#product-xxxチャンネルで決まった仕様変更を一覧化して。
関連するGitHub Issueと、Amplitudeの該当指標もまとめて。
条件が揃えば、4つのシステムから集めた情報が、数分〜十数分で1つのレポートに整理されて返ってきます（環境やデータ量によって差はあります）。
人間が手で集めれば半日かかる作業です。
なお、サードパーティ製のMCPサーバーは便利な一方で、セキュリティや prompt injection のリスクもあります。公式ドキュメントでも注意喚起されているので、信頼できるものだけを導入する のが前提です。
セキュリティを深く理解したい方へ:
- Claude Code 公式ドキュメント：セキュリティ（日本語） — 一次情報。データ送信範囲、権限モデル、保護パスなど
- Claude Code / MCP を安全に使うための実践ガイド（Zenn / ytksato） — 実被害事例から逆算した運用ガイド。MCP / CLAUDE.md / settings.json の信頼境界が分かる必読記事
6-2. スケジューラーで「毎朝勝手にまとまっている」状態を作る
さらに強力なのが スケジューラーによる定期実行 です。
定期実行には複数の選択肢があります。CLI内の軽量な繰り返し実行は7日で自動失効しますが、Cloud scheduled tasks や Desktop scheduled tasks を使えば、PCがオフでも継続するような運用も可能です（詳細は Run prompts on a schedule（公式））。私はローカルファイルや既存運用との親和性を重視して、macOS標準の launchd を使っています（Linuxならcron、Windowsならタスクスケジューラが同等の選択肢）。
走らせている例：
- 議事録の取り込み：定例MTGの議事録を自動で要約・決定事項抽出
- Slackの会話ダイジェスト：主要チャンネルの議論を定期的に要約
- バックログ進捗のレビュー：GitHub/Linear のタスクから停滞・遅延を検出
7. 仕事③：報告・共有資料作り
要件定義書、顧客向け提案書、月次MTG資料、ステークホルダー報告——どれも構成を考え、初稿を書き、見栄えを整える作業に時間が溶けていきます。
ここで効いてくるのが 仕事①と②で蓄積されたコンテキスト です。
要件と背景がドキュメント化され、関連する議論・数値・進捗が日々まとまっている状態で「○○の資料を作って」と指示すると、目的を明確に伝えるだけで、質の良い叩き台が高速で出てきます。
私が一番効果を感じているのは、社内報告資料 と 顧客向け提案書 です。
特に社内向け報告資料では、Slack/Drive の議論履歴、Amplitude の利用データ、GitHub のバックログ進捗といった ②で集めた情報 を踏まえた上で目的を伝えると、現場の実態を反映した叩き台が数十分で出てきます。
PMは「メッセージを磨き、伝える順番を決め、固有の意思決定材料を加える」ことに集中できる。日常的な情報整理が、報告資料の質に直結する ——これが3つの仕事をつなげて回す効果です。
Before / After
| 観点 | Before | After |
|---|---|---|
| 構成検討 | 白紙から構成を考える（数時間） | コンテキストを渡して目的を伝えるだけ（数分） |
| 情報集め | 関係者ヒアリング・過去資料探し（数時間） | ②で蓄積済みの情報を流用（即時） |
| 初稿執筆 | 半日〜1日 | 数十分で叩き台 |
| PMの集中先 | 構成・情報集め・執筆 | メッセージの磨き込みと意思決定 |
8. 失敗から学んだ、PMがやるべき3つのこと
最初のAI生成ドキュメントは、形だけ整って中身スカスカでした。
セクションは綺麗に並んでいるのに、中身は どのプロジェクトでも通用しそうな一般論 ばかり。プロジェクト固有の制約も、過去のステークホルダー合意も反映されておれないことも多々ありました。さらに、引用された数値が 裏取りなしの“もっともらしい数字” だった、という危ない場面もありました。
AIは「それっぽい文書」を作るのは得意。でも「本当に必要な要件」を判断するのはPMの仕事。 この失敗から学んだのが次の3つです。
- 「Why」と目的を明確にする — 誰のどんな課題か、成功基準は何か、やらないことは何か。PMの意思決定の質 ＝ AIの成果物の質。
- コンテキストを集約する — フォルダに集める＋外部システムと連携する。まずは議事録と仕様書だけでも十分。
- Skills と Sub Agents を磨き続ける — 指摘された観点をテンプレに追加。PMの暗黙知が形式知に変換され、組織の知見がツールに蓄積されていきます。
9. 始め方 — まずは手を動かして触ってみよう
claude codeの始め方に関しては、公式ドキュメントを参照ください。
まず質問してみる
いきなりDesign Docを作らなくてOK。
プロジェクトフォルダで起動し、「このフォルダの議事録から先月の決定事項をまとめて」 と聞いてみてください。
フォルダ内のファイルを読んで回答してくれる体験 が、最初の「おお」になるはずです。
慣れてきたら、よく使うテンプレートを Skills に登録し、専門エージェントを追加し、必要ならプラグインも試していく。段階的にチームを育てていくイメージ です。
セキュリティについて: 機密情報を扱う場合は、Claude Codeの 権限設定や組織ポリシー を確認したうえで利用してください。特に 外部ツール連携やサードパーティ製MCPの利用時は注意が必要 です。詳細は公式ドキュメントを参照してください。
10. おわりに — その先の仕事に時間を取り戻す
「速いだけ」のAI活用は終わり。PMの仕事は、質と速度を両立できる時代に入った。
PMの仕事は変わりません。「Why」を決め、「判断」し、「責任を持つ」。
変わったのは、その前後を任せられる AIエージェントのチーム が手に入ったことです。
そして、その先にある仕事
要件定義・情報整理・報告資料は、紛れもなくPMの中核業務です。
ただ、これらのスピードと質が上がると、「その先の仕事」に使える時間が一気に増えてきます。
- 価値ある機能を見極めること
- プロダクトのビジョンを描き、磨き続けること
- 顧客と深く対話し、まだ言葉になっていない課題を発見すること
- チームに「なぜこれを作るのか」を語り、納得させること
これらは AIには代替できない、PMにしかできない仕事 です。
そしてこれまでのPMは、ドキュメント作りや情報集めに追われ、この「その先の仕事」にかける時間が常に足りませんでした。
雑務の質と速度を上げ、空いた時間で顧客と話し、プロダクトの未来を考える——Claude Code で取り戻せるのは、単なる「時間」ではなく、PMがPMにしかできない仕事に集中できる状態 だと思います。
今後3つの具体的な3つの業務を削減した詳細解説記事なども書いていく予定です。
ご期待ください＾＾
一緒に開発しませんか？
メディロムグループでは以下のようなサービスを展開しています。
- 全国300店舗以上のリラクゼーションスタジオ「Re.Ra.Ku」
- 世界初！充電不要の活動量計「MOTHER bracelet」
- ヘルスケアコーチングアプリ「Lav」
ヘルスケア領域に興味があるエンジニア、PMを絶賛募集中です！
興味がある方は以下からエントリー可能です。直近はAI活用にも力を入れていますので、AIを使った開発をしたい方もお待ちしております。
一緒に新たなヘルスケアサービスを作りましょう🔥
「Re.Ra.Ku」など全国 300 店舗以上のリラクゼーションスタジオを展開. 自社管理のサイト・決済・アプリ開発、充電不要な活動量計「MOTHER bracelet」関連開発を行っています. 主な技術スタック Ruby / TypeScript / Swift / Kotlin / AWS / GCP など.
Discussion