投稿者 投稿日: カテゴリー Claude
Claude Code EC業務自動化とは、自然言語の指示でEC運営の定型作業を自動化する手法です。
「Pythonは書けないが、毎月末の楽天・Amazon・Yahoo!の売上CSVを手で突き合わせるのに半日かかっている」。この詰まりを、コードを1行も書かずに日本語の指示だけで解消するのが、本記事で扱う Claude Code の使い方です。在庫CSVの整形、複数モールの注文統合、月次レポートの自動集計まで、非エンジニアのEC店長が「日本語で頼む、確認する、実行する」の3ステップで回せる手順を、コピペできる指示文7本とともに具体的に示します。読む順番は上から下で構いませんが、まず第3章の安全な実行手順に目を通してから試すことをおすすめします。
Claude Code が店長の手作業をどう変えるのか
Claude Code は、Anthropic が提供するコマンドライン型のAIコーディングエージェントです。ターミナル（黒い画面のコマンド入力ツール）の上で動き、自然言語で指示すると、その場でコードを書き、ファイルを読み書きし、コマンドを実行してくれます。一般的なチャット型AIとの違いは、回答を文章で返すだけでなく、手元のフォルダにあるCSVや画像ファイルを直接操作できる点にあります。チャットに貼り付けて戻り値をコピーする往復が要らないので、ファイル処理の自動化と相性がよいのです。
非エンジニアにとっての本質的な変化は、「スクリプトを書ける人」と「業務を知っている人」の間にあった壁が下がることです。これまで在庫CSVの突き合わせを自動化したければ、業務要件を言語化してエンジニアや外注先に渡し、納品を待ち、仕様変更のたびに依頼を重ねる必要がありました。Claude Code では、業務を一番よく知っている店長自身が「先月の楽天注文CSVとAmazon注文CSVを商品コードで突き合わせて、両方で売れた商品の一覧を作って」と日本語で頼めます。実際にどんなコードが動いたかは画面に表示され、結果のファイルがその場で生成されます。
直近の支援案件で観測したのは、毎月の作業ではなく「年に数回の不定期作業」ほど効果が大きいという傾向でした。月次レポートのように頻度が高い作業は外注やマクロで仕組み化されていることが多い一方、商品マスタの一括クレンジングや、モール移行に伴うデータ変換のような単発作業は、毎回手作業で消耗しがちです。こうした「仕組み化するほどではないが手でやると重い」領域こそ、その都度日本語で頼めるClaude Codeの守備範囲だと考えています。
モデル面の進化も後押しになっています。2026年5月28日にリリースされた Claude Opus 4.8 では、TechCrunch が報じたとおり、数百の並列サブエージェントを1セッションで動かす Dynamic Workflows（最大1,000体）に対応しました。EC店長の日常業務でいきなり1,000体を使う場面は多くありませんが、「全商品ページを一括チェックして表記ゆれを洗い出す」といった大量処理が現実的な速度で回るようになった意味は小さくありません。2026年6月時点のフラッグシップは Anthropic の Claude Opus 4.8、日常用途向けに Sonnet 4.6、軽量版に Haiku 4.5 という構成で、OpenAI は GPT-5.5 系、Google は Gemini 3.5 系を展開しています。EC活用の具体像はClaude Opus 4.8のEC活用でも整理していますので、モデル選びの背景はそちらも参照してください。
何ができるか、何を任せてはいけないか
Claude Code がEC業務で得意とするのは、構造の決まったファイルを相手にした繰り返し作業です。具体的には次のような処理が現実的に回ります。複数モールの注文データを商品コードで統合する、在庫CSVと販売実績を突き合わせて欠品リスクの高い商品を抽出する、商品マスタの表記ゆれ（「Lサイズ」と「L」「エル」の混在など）を統一する、楽天・Amazon・Yahoo!の売上CSVから月次の売上構成比を集計する、画像ファイルの名前を商品コード基準で一括リネームする、といった作業です。いずれも人間が手でやると単純だが時間がかかり、ミスも出やすい領域です。
一方で、任せてはいけない領域もはっきりしています。最大の線引きは個人情報です。顧客の氏名・住所・電話番号・メールアドレス・クレジットカード情報を含むCSVを、そのままAIに読ませる運用は避けるべきです。Claude Code は手元のファイルを処理する仕組みですが、処理の判断材料としてデータの一部がモデル側に送られる前提で考えるのが安全です。注文データを扱う場合は、後述する手順で氏名や住所の列を事前に削除し、商品コード・数量・金額・日付など分析に必要な列だけを残したファイルを用意してから渡します。これは個人情報保護法の観点でも、店舗として守るべき最低ラインだと判断します。
もう一つの線引きが、外部プラットフォームの規約に触れる自動化です。たとえば楽天市場のR-Mail（楽天市場の店舗向けメルマガ）本文を自動生成させる場合、生成物に自社ECサイトや店舗ブログ、LINE公式、SNSなど楽天市場外のURLを差し込む設計にしてはいけません。楽天市場の店舗運営規約は、R-Mailや商品ページから楽天外への誘導を禁じています。Claude Code は指示どおりに動くだけなので、規約に反する出力を作らせない責任は指示する側にあります。楽天関連の文章生成を頼むときは、リンク先を楽天市場内の他商品ページやカテゴリページに限定する条件を、指示文に明記してください。
非エンジニアが導入でつまずきやすいのは、最初の環境準備です。Claude Code はターミナルとNode.js（プログラムを動かす土台のソフト）が必要で、ここで挫折する人が一定数います。現場感覚では、いきなり全業務の自動化を狙わず、まずテスト用の小さなCSV1枚で「読み込ませて件数を数えるだけ」を成功させると、その後の心理的ハードルが大きく下がります。AI導入の進め方そのものはEC×AI導入最初の90日で段階を追って解説しているので、社内展開の順序はそちらが参考になります。ツール選定で迷う場合は、Antigravity/Cursor/Claude Code/Codex比較で各エージェントの向き不向きを比較しています。
安全に実行するための手順とバックアップ
自動化を始める前に、事故を防ぐ3つの習慣を先に決めておきます。第一に、作業用フォルダを必ず分けることです。元の在庫CSVや注文CSVが入った本番フォルダで直接作業させると、上書きや削除で取り返しがつかなくなる恐れがあります。デスクトップに「ec-sagyou」のような専用フォルダを作り、処理したいファイルのコピーだけをそこに置き、Claude Code にはそのフォルダの中だけを触らせる運用にします。
第二に、バックアップを取ってから実行する習慣です。元ファイルは別フォルダか外部ストレージに丸ごとコピーしておきます。Claude Code に「このCSVを整形して」と頼むと、新しいファイルとして出力されることもあれば、確認次第で元ファイルを書き換えることもあります。意図せぬ上書きに備え、作業前のコピーを1セット残しておくだけで、失敗してもやり直せます。バックアップは「処理1回につき1コピー」を最低ラインにすると安全です。
第三に、実行前に必ず内容を確認することです。Claude Code はコマンドやコードを実行する前に「これを実行してよいか」と確認を求める挙動が基本です。ここで内容を読まずに承認を連打するのが最も危険な使い方になります。読むべきは、どのファイルを、何件、どう変更しようとしているかの3点です。「○○.csv を読み込み、新しく result.csv を作成します」のように出力先が新規ファイルなら安全度は高く、「元のファイルを上書きします」と出たら一度立ち止まって、本当に上書きしてよいかを判断します。判断に迷ったら「上書きせず別名で保存して」と日本語で頼み直せば、リスクを下げられます。
処理結果の検算も忘れないでください。AIが集計した数字をそのまま経営判断に使う前に、合計金額や件数が元データと整合するかを軽く確かめます。たとえば月次売上の合計が、各モールの管理画面に出ている数字とおおむね一致するかを見ます。直近の支援先で観測した範囲では、CSVの文字コード（Shift-JISとUTF-8の違い）が原因で一部の行が読み飛ばされ、合計がずれるケースが時々ありました。こうしたずれは、Claude Code に「文字コードはShift-JISの想定で読み込み、件数を最初に表示して」と最初の指示で伝えておくと予防できます。楽天RMSからダウンロードしたCSVはShift-JISが多く、ここを最初に指定するだけで読み込みエラーが目に見えて減ります。
検算をルーチンにするコツは、処理のたびに「件数」と「合計金額」の2つを最初と最後の両方で表示させることです。読み込み直後の総行数と、出力後の行数を並べて見れば、何件が除外されたかが一目で分かります。除外が想定どおりなら問題ありませんが、説明のつかない減り方をしていれば、文字コードか、空欄行の扱いか、重複の合算でどこかが噛み合っていない合図です。指示文の末尾に「処理前後の行数と合計金額を両方表示して」と一文添えるだけで、こうした異常を毎回その場で拾えます。数字の信頼性は、自動化を社内に広げるときに最も問われる部分なので、最初から検算を組み込んでおくと後が楽になります。
日本語で頼むだけの実装プロンプト7本
ここからは、Claude Code にそのまま貼り付けて使える日本語の指示文を7本紹介します。いずれも作業用フォルダに対象CSVをコピーした状態で、Claude Code を起動してから貼り付けます。中括弧の部分は自店の状況に置き換えてください。コードの知識は不要で、出力されたコードの中身が分からなくても、実行前の確認画面で「何件をどう処理するか」だけ読めれば運用できます。
最初は在庫CSVの整形です。仕入先や倉庫から届く在庫データは、列の並びや表記がバラバラなことが多く、そのままでは販売システムに取り込めません。次の指示で、自店のフォーマットに合わせた整形を頼めます。
作業用フォルダにある {ファイル名}.csv は仕入先の在庫データです。
このCSVを次の条件で整形して、新しいファイル zaiko_seikei.csv として保存してください。
元のファイルは絶対に上書きしないでください。
条件:
1. 文字コードは Shift-JIS で読み込む想定。最初に総行数を表示する
2. 残す列は「商品コード」「商品名」「在庫数」「入荷予定日」の4つだけ
3. 在庫数が空欄の行は在庫数を 0 に置き換える
4. 商品コードの前後の空白を削除する
5. 同じ商品コードが重複している行は、在庫数を合算して1行にまとめる
6. 出力ファイルの文字コードも Shift-JIS にする
処理が終わったら、整形前と整形後の行数を両方表示してください。
次は複数モールの注文データ統合です。楽天・Amazon・Yahoo!でそれぞれ別の注文CSVをダウンロードしている店舗は多く、横断で売れ筋を見たいときに手作業の壁にぶつかります。商品コードを共通キーにして1枚にまとめる指示が次です。
作業用フォルダに rakuten_chumon.csv、amazon_chumon.csv、yahoo_chumon.csv の3つがあります。
これらを商品コードで突き合わせて、モール横断の売上一覧 mall_toukei.csv を作ってください。
元の3ファイルは変更しないでください。
条件:
1. それぞれのCSVから「商品コード」「数量」「売上金額」を取り出す
2. 商品コードごとに、楽天・Amazon・Yahoo それぞれの数量と売上金額を横に並べる
3. 3モールの合計数量と合計売上金額の列も追加する
4. 各CSVで商品コードの列名が違う場合は、最初に各ファイルの列名一覧を表示して、
どの列を商品コードとして使うか私に確認してから処理を進める
5. 合計売上金額の高い順に並べる
最後に、3モール合算の総売上金額を表示してください。
3本目は月次レポートの集計です。売上CSVから構成比やカテゴリ別の数字を出す作業は、毎月発生するため自動化の効果が出やすい領域です。
作業用フォルダの {ファイル名}.csv は先月1か月分の売上明細です。
この内容から月次サマリーレポートを reganji_report.csv として作成してください。
条件:
1. 「商品カテゴリ」ごとに、売上金額の合計と注文件数を集計する
2. 全体売上に占める各カテゴリの構成比をパーセントで計算する(小数第1位まで)
3. 売上金額の高いカテゴリ順に並べる
4. 一番下に全カテゴリの合計行を入れる
5. 数字の検算用に、明細の総行数と総売上金額を最初に表示する
カテゴリ列が無い場合は、商品名から推測せず、その旨を私に伝えてください。
4本目は商品マスタのクレンジングです。表記ゆれは検索性や在庫管理に悪影響を与えるため、定期的に整える価値があります。推測で勝手に変換させず、変換ルールの候補を提示させてから承認する形にしています。
作業用フォルダの shohin_master.csv の表記ゆれを点検してください。
まだファイルは書き換えないでください。点検結果だけ先に見せてください。
やってほしいこと:
1. 「サイズ」列で、同じ意味なのに表記が違う値を洗い出す
(例: L / Lサイズ / エル が混在しているなど)
2. 「カラー」列でも同様に表記ゆれを洗い出す
3. それぞれ、どの表記に統一するのが良いかの候補を一覧で提示する
私が統一ルールを承認したら、その後で正規化した shohin_master_seikei.csv を
新規ファイルとして作成してください。元ファイルは残してください。
5本目は欠品リスクの抽出です。在庫数と直近の販売ペースを照らし合わせ、早めに発注すべき商品を浮かび上がらせます。
作業用フォルダに zaiko.csv (在庫数) と hanbai_jisseki.csv (直近30日の販売数) があります。
この2つを商品コードで突き合わせて、欠品リスクの高い商品を抽出してください。
出力は keppin_risk.csv として新規作成し、元ファイルは変更しないでください。
条件:
1. 各商品の「在庫数 ÷ 30日販売数」で、あと何日で在庫が尽きるかを計算する
2. 在庫が尽きるまで {日数} 日以内の商品だけを抽出する
3. 在庫切れまでの日数が短い順に並べる
4. 30日販売数が0の商品は計算から除外し、別途その件数だけ表示する
抽出された商品が何件あったかを最後に表示してください。
6本目は画像ファイルの一括リネームです。商品画像のファイル名が連番やスマホの自動命名のままだと管理しづらいため、商品コード基準に揃えます。ファイル名の変更は元に戻しにくいので、必ずコピーフォルダで実行してください。
作業用フォルダの中の images フォルダに商品画像が入っています。
同じフォルダにある taiou.csv には「現在のファイル名」と「商品コード」の対応表があります。
この対応表に従って、画像ファイルの名前を変更してください。
注意:
1. 実行前に、変更前と変更後のファイル名の対応リストを必ず表示して、私の承認を待つ
2. 対応表に載っていないファイルは一切触らない
3. 変更後の名前が重複する場合は、末尾に連番(-1, -2)を付ける
4. 拡張子(.jpg や .png)は元のまま維持する
何件リネームする予定かを、承認を求める前に教えてください。
7本目は楽天R-Mailの件名と本文の改善案づくりです。ここは規約遵守を指示文の中で強制するのが要点です。楽天市場外への誘導を一切含めない条件を明示しています。
あなたは楽天市場の店舗運営規約に詳しいEC支援者です。
次の商品の楽天R-Mail(楽天市場の店舗向けメルマガ)の件名と本文の改善案を3案作ってください。
絶対条件(楽天市場規約):
1. 本文に自社サイト・店舗ブログ・LINE・SNSなど楽天市場外のURLを一切入れない
2. リンクを入れる場合は、楽天市場内の商品ページやカテゴリページのみ
3. 「最高」「No.1」「絶対」「即効」などの最大級表現・薬機法に触れる表現を使わない
商品情報:
- 商品ジャンル: {ジャンル}
- 訴求したいポイント: {セール内容や実績}
- 配信対象: {既存購入者 など}
出力: 件名(全角30字以内)と本文を3案。各案で狙う反応の違いも1行で添える
これら7本は、最初から完璧に動かそうとせず、まず行数を表示させる安全な処理から試すのが定石です。生成AIを使った業務自動化の発想全体はVibeコーディングで進めるEC自動化でも扱っているので、Claude Code以外の選択肢も含めて検討したい場合に役立ちます。
つまずきやすい失敗例と回避策
最初に挙げたい失敗は、本番フォルダで直接実行してしまうケースです。元データの入ったフォルダでClaude Codeを起動し、整形を頼んだところ元ファイルが書き換わってしまった、という相談を受けたことがあります。回避策は単純で、必ずコピー専用の作業フォルダを作り、そこに処理したいファイルだけを置くことに尽きます。指示文の中でも「元ファイルは上書きしないでください」「新規ファイルとして保存してください」と毎回明記すれば、二重の防御になります。
次に多いのが、文字コードの不一致による集計ずれです。楽天RMSのCSVはShift-JISが基本ですが、Excelで一度開いて保存し直すとUTF-8に変わることがあり、この状態で読み込むと文字化けや行の読み飛ばしが起きます。集計の合計が管理画面の数字と合わないときは、まず文字コードを疑ってください。指示の冒頭で「Shift-JISで読み込む想定」と伝え、最初に総行数を表示させておくと、読み飛ばしにその場で気づけます。
三つ目は、個人情報をそのまま渡してしまう失敗です。注文CSVには氏名・住所・電話番号が含まれることが多く、これをそのまま分析させるのは避けるべき運用です。回避策は、分析に必要な列だけを残したファイルを先に作ることです。Excelで氏名・住所・電話・メールの列を削除し、商品コード・数量・金額・日付だけにしてから作業フォルダへ置きます。この前処理を習慣にしておけば、個人情報をAIに渡すリスクそのものを断てます。店舗として扱うデータの線引きは、社内で文書化しておくと安心です。
四つ目は、楽天関連の文章生成で規約に触れる出力を作らせてしまうケースです。R-Mailや商品ページの文面づくりを頼むと、AIは気を利かせて「詳しくは公式サイトへ」のような外部誘導を入れることがあります。楽天市場外への誘導は規約違反になり得るため、指示文の中で「楽天市場外のURLは一切入れない」と明示し、出力後も外部URLが混入していないか目視で確認してください。
費用と工数の目安
費用面では、Claude Code は Anthropic の Claude 有料プランやAPIの利用が前提になります。2026年6月時点の目安として、個人向けの Claude Pro は月額20米ドル前後、チームや業務量の多い使い方では使用量に応じたAPI課金やより上位のプランが選択肢になります。為替や料金改定で変動するため、契約前に公式の最新料金を確認してください。EC店舗の文脈では、月に数回の単発作業を自動化するだけでも、外注費や残業代と比べて十分に元が取れるケースが多いと考えています。
工数の削減幅は作業内容で大きく変わります。直近の支援先で観測した範囲では、毎月手作業で半日かかっていた3モールの売上突き合わせが、指示文の準備を含めても30分前後に収まった例がありました。これは一つの事例であり、データの綺麗さや列構成によって所要時間は前後します。導入初月は環境準備と指示文の試行錯誤で逆に時間がかかることもあるため、効果が出るのは2か月目以降と見ておくと現実的です。
KPIとしては、対象作業1件あたりの所要時間と、月内に手作業へ戻った回数を記録するのがおすすめです。所要時間が回を追って短くなり、手作業に戻る頻度が下がっていれば、自動化が定着しているサインだと判断できます。逆に毎回ゼロから指示文を書き直しているなら、よく使う指示文をテキストファイルに保存して使い回す運用へ切り替えると、工数がさらに下がります。
AIエージェント時代にEC店長が持つべき視点
Claude Code のようなコーディングエージェントの普及で、これからのEC運営では「コードを書ける人」より「業務を正確に言語化できる人」の価値が上がると見ています。AIに任せる作業の精度は、指示の具体性でほぼ決まります。どの列を、何件、どういう条件で処理してほしいかを言葉にできる店長が、自動化の恩恵を最も受けます。逆に言えば、自社の業務フローを一度きちんと棚卸しすることが、自動化の前提になるということです。
Dynamic Workflows のように並列処理が現実的になったことで、これまで「件数が多すぎて手が出せなかった」作業も射程に入ってきました。全商品ページの表記チェックや、数千件規模のレビュー分類のような大量処理を、現実的な時間で回せる土台が整いつつあります。ただし大量処理ほど、出力の検算と個人情報の事前除去が重要になります。規模が大きくなるほど、間違いの影響も大きくなるからです。
競合のエンジニア向け解説では、コマンドの叩き方やAPIの使い方は丁寧に説明される一方、「個人情報をどう扱うか」「楽天規約にどう配慮するか」といったEC実務固有の論点はほとんど触れられません。本記事で安全手順と規約遵守を厚く扱ったのは、ここが現場で本当に効く差だと考えているためです。技術の使い方より、技術を業務に組み込むときの判断軸のほうが、店舗運営者にとっては学習コストが高く、価値も大きいと判断します。
もう一つ、店長が押さえておきたいのは、自動化を「属人化させない」視点です。よく使う指示文をテキストファイルにまとめ、社内で共有しておけば、担当者が代わっても同じ品質で業務が回ります。指示文は業務マニュアルそのものでもあり、どの列をどう処理するかを言葉にした時点で、頭の中にしかなかった作業手順が形に残ります。現場で繰り返し見るのは、特定の担当者だけがCSV処理を回せる状態が続き、その人が休むと業務が止まるという構図です。指示文を資産として蓄積していけば、この属人化を少しずつほどけます。自動化の本当の価値は、作業が速くなること以上に、業務が言語化され、組織の誰でも再現できる形に変わっていくところにあると考えています。
よくある質問
プログラミングの知識がまったく無くても使えますか
使えます。日本語で「何を、どう処理してほしいか」を伝えられれば、コード自体はClaude Codeが書きます。ただし最初のインストール（ターミナルとNode.jsの準備）だけは手順に沿った操作が必要なので、ここは公式手順か社内のIT担当の助けを借りるとスムーズです。
顧客の個人情報を含むCSVを処理させても大丈夫ですか
そのまま渡すのは避けてください。氏名・住所・電話番号・メールアドレスの列を事前に削除し、商品コード・数量・金額・日付など分析に必要な列だけを残したファイルを用意してから処理させるのが安全です。個人情報保護の観点でも、社内で扱うデータの線引きを文書化しておくことをおすすめします。
ChatGPTやGeminiでも同じことができますか
ファイルを直接読み書きしてコマンドを実行する点では、Claude Code のようなコーディングエージェント型が向いています。チャット型のChatGPTやGeminiはファイルを貼り付けて結果を受け取る往復が中心で、手元のフォルダを継続的に操作する用途では一手間増えます。大量のファイル処理を自動化したいなら、エージェント型を選ぶのが現実的です。
楽天のメルマガ文面を作らせても規約違反になりませんか
指示の仕方しだいです。楽天R-Mailの本文に自社サイトやSNSなど楽天市場外のURLを入れる出力は規約違反になり得るため、指示文の中で「楽天市場外のURLは一切入れない」と明示し、生成後も外部URLが混入していないか必ず目視で確認してください。リンクは楽天市場内の商品ページやカテゴリページに限定します。
間違ったコードが実行されてファイルが壊れる心配はありませんか
作業用のコピーフォルダで実行し、元ファイルのバックアップを取っておけば、失敗してもやり直せます。Claude Code は実行前に内容の確認を求めるので、どのファイルを何件どう変更するかを読んでから承認する習慣をつければ、致命的な事故はほぼ防げます。
最初に何から試すのがおすすめですか
テスト用の小さなCSV1枚を作業フォルダに置き、「このCSVの総行数を表示して」とだけ頼むところから始めてください。読み込みと件数表示が成功すれば、環境が正しく動いている証拠です。そこから整形、集計と少しずつ範囲を広げると、無理なく定着します。
導入にどれくらいの期間を見ておけばよいですか
初月は環境準備と指示文の試行錯誤に時間がかかるため、効果が安定して出るのは2か月目以降と見ておくのが現実的です。よく使う指示文をテキストに保存して使い回せるようになると、3か月目には作業時間の短縮を実感しやすくなります。
著者：齋藤竹紘（株式会社オルセル 編集長／5,000社以上のEC支援実績／書籍3冊）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
