AIで確定申告・採用文を自動化する設計術

業界で静かに広がっているのは、AIに個別タスクをお願いするのではなく、業務フローごと設計し直すアプローチだ。フリーランスになったばかりで仕訳も確定申告も未経験、そんな状況からClaude CodeとマネーフォワードをMCP経由で連携させ、仕訳登録まで自動化する環境を構築しようとしている実践者がいる。税理士に頼らず、まず自分でスキル化できる範囲を見極め、設計に落とし込んでいくやり方だ。

採用スカウト文の量産でも同じ発想が見られる。「共通テンプレート1本で回すと文面が均質化して返信率が落ちる」という指摘は、多くのAI活用失敗例の核心を突いている。ChatGPTを使うとしても、「職種×社数規模×転職潜在層」の3軸でプロンプトを分けて設計しなければ、量だけ増えて質は下がる一方だ。

共通しているのは「AIを雑に使うほど成果が落ちる」という現実への認識だ。どちらの事例も、自分の業務の構造を先に言語化し、変数を定義し、そのうえでAIに任せる範囲を決めている。「繰り返し作業」をAIに丸投げする3つの手口でも触れたが、繰り返しの型を先に設計することが、AI活用の精度を左右する。

求人票の改善については、指示の具体度が仕上がりを大きく変える。「コミュニケーション能力が高い方」という曖昧な表現を、「週3回の定例MTGで営業・開発間の要件調整を担う方」に書き換えるのがその典型だ。AIは言語化の壁を下げるツールとして機能する。ただし使い手側に「何を言語化したいか」が明確でなければ、出力の精度は上がらない。

スカウト文の量産は、さらに設計の細かさが問われる。「職種×社数規模×転職潜在層」という3軸の分解は、一見シンプルに見えて実は機能している。たとえば「デザイナー×スタートアップ×副業転換検討中」と「エンジニア×大手×ベンチャー転職希望」では、刺さるメッセージがまったく異なる。これを1本のプロンプトで処理しようとすれば、どの層にも届かない中間的な文章しか出てこない。

軸ごとにプロンプトを用意したあと、送信前に「5件だけ人の目で確認する」ルールを挟む。精度を担保しながら量を出す現実的な落としどころとして参考になる設計だ。

今回の事例で注目したいのは、Claude CodeとマネーフォワードをMCP（Model Context Protocol）経由で連携させている点だ。MCPとは、AIモデルが外部のアプリやサービスを操作するための接続規格で、これを使うとAIが実際にツールを動かすことができる。仕訳登録の場合、取引情報を読み込ませてAIが自動的に勘定科目を判断し、マネーフォワードに登録するところまで自動化できる可能性がある。

未経験から始める場合でも、「スキル化する部分のあたりをつける」という設計フェーズが先に来ているのがポイントだ。全部を一気に自動化しようとせず、まず自分が毎月繰り返すタスクのどこにボトルネックがあるかを洗い出し、そこから設計を組んでいく。Claude Codeを「遊ばせておくのがもったいない」と感じるまでの話でも触れているように、Claude Codeは単なるコード補助ツールを超えた使い方ができる。経理・申告の自動化は、その最前線の事例のひとつだ。

税務処理には法的な正確性が求められるため、AI出力をそのまま申告に使うには確認ステップが必須になる。ただし「判断まではAI、最終確認は人」という役割分担は、採用スカウトの設計思想と同じだ。