投稿者 投稿日: カテゴリー Claude
Dynamic Workflowsとは、Claudeが作業を自分で計画し並列実行する自動化機能です。
2026年5月28日、AnthropicがClaude Opus 4.8を公開し、同時にDynamic Workflowsという新機能を投入しました。前世代のOpus 4.7からわずか41日後のリリースで、価格は据え置きです。この機能のいちばんの変化は、これまで人間が1ステップずつ指示していた作業を、Claude自身が計画してから最大1,000体のサブエージェントに割り振り、結果を検証してから報告する点にあります。EC運営の現場でいえば、在庫CSVの整形、レビュー返信文の一括生成、競合価格の定点観測といった「手数は多いが判断は単純」な業務が、丸ごと1セッションに乗るようになりました。本記事では、この機能をEC店長が実際に回している業務へどう接続するかを、操作手順とプロンプト例4本で具体的に解説します。
Dynamic Workflowsで2026年のEC業務自動化はどこまで変わったか
Dynamic WorkflowsはClaude Codeの新機能として登場しました。Claude Codeは、もともとエンジニアがターミナルからClaudeにコード作業を任せるためのツールでしたが、扱える対象はコードに限りません。CSVファイル、テキストファイル、画像、APIレスポンスなど、ローカルやクラウドにあるファイル群を読んで加工し、新しいファイルを書き出すところまで一気通貫でこなします。EC事業者にとっては「ファイルを読んで整えて書き出す業務の自動実行環境」と捉えると理解が早いです。
従来との最大の違いは、サブエージェントの並列実行です。TechCrunchの報道によれば、Dynamic WorkflowsはClaudeが作業計画を立てたうえで、1セッション内に数百体規模の並列サブエージェントを走らせ、各エージェントの出力を検証してから人間に報告します。サブエージェントの上限は最大1,000体です。数十万行規模のコードベース移行を、キックオフからマージまで自動で完遂できる設計になっており、この並列処理能力をEC業務に転用すると、数千SKUの商品説明文を同時にリライトする、といった作業が現実的な時間で終わります。
なぜ今このKWが重要かというと、リリース直後でEC文脈の解説がほぼ存在しない空白地帯だからです。直近の支援案件で観測したのは、新機能が出てから「自店の業務にどう当てはめるか」を翻訳できる店舗だけが先行者利益を取る、という構図でした。Dynamic WorkflowsはClaude CodeのEnterprise、Team、Maxの各プランで利用できます。月商500万円から数億円帯の中小EC事業者でも、Maxプラン1契約で店長1人が試せる価格帯です。まずは「いま手作業で何時間かけているか」を棚卸しして、並列化できる定型業務を1つ選ぶところから始めるのが現実的です。
ここで店舗運営の現場感覚を一つ添えると、新機能の価値は「賢さ」より「単純作業を任せられる量」で測ったほうが実益に直結します。Opus 4.8の文章力が一段上がったこと自体も大きいのですが、EC店長にとっての本丸は、これまで派遣スタッフやパートに振っていた繰り返し作業を、検証付きでまとめて処理できるようになった点です。在庫の突き合わせ、レビュー返信、価格チェック、説明文の手直しは、どれも「判断は単純だが件数が多い」業務の典型で、人手では時間がいくらあっても足りません。Dynamic Workflowsはこの領域に正面から効きます。
2026年6月時点のAnthropicのラインナップは、フラッグシップのClaude Opus 4.8、中位のSonnet 4.6、軽量のHaiku 4.5という3階層です。Opus 4.8には2.5倍速で動くfast modeが用意されており、従来比で約3倍安く動かせます。claude.ai上では、ユーザーがタスクに割く労力（effort）の量を制御できるようになりました。複雑な判断を含む作業は通常モード、件数が多いだけの単純作業はfast modeと使い分けると、コストと速度のバランスが取りやすくなります。Claude単体のEC活用の基礎はClaude Opus 4.8のEC活用ガイドでも整理しているので、本記事と合わせて読むと全体像がつかめます。
Dynamic Workflowsが効くEC業務を4つに絞り込む
並列実行が真価を発揮するのは、同じ処理を大量の対象に繰り返すタイプの業務です。EC運営でそれに該当するものを、現場で繰り返し見てきた範囲から4つに絞り込みます。
1つ目は在庫CSVの整形と突き合わせです。楽天RMSからダウンロードした商品データCSVと、自社の基幹在庫CSVを突き合わせ、在庫数のズレや価格の不整合を検出する作業は、Excelの関数だけだと列の対応付けで毎回つまずきます。Dynamic Workflowsなら、2つのCSVを読み込ませて「商品管理番号をキーに在庫数の差分を出し、ズレている行だけ別ファイルに書き出す」と指示すれば、サブエージェントがファイル単位で並列に処理します。数千行のCSVでも数分で差分リストが返ってきます。
2つ目はレビュー返信文の一括生成です。楽天市場のレビュー一覧やAmazon Seller Centralのレビュー画面からエクスポートしたレビュー本文を読み込ませ、星評価と内容に応じた返信文を1件ずつ生成します。低評価レビューには謝罪と改善報告、高評価レビューには感謝と関連商品の案内、という出し分けを並列で処理できます。アパレル系の単一店舗で試したケースでは、月300件のレビュー返信を半日かけて書いていた作業が、生成1時間プラス目視チェック1時間に圧縮できました。返信文をそのまま投稿せず、店長が必ず目を通す運用にすると品質が保てます。
3つ目は競合価格の定点観測レポートです。ウォッチ対象の競合商品URLを並べたリストを渡し、各URLの価格と在庫状態を取得して、自店価格との差をレポート化させます。ここで注意したいのは、楽天市場やAmazonの商品ページを機械的に大量取得する行為は各プラットフォームの規約に抵触する恐れがある点です。公式に提供されているAPIや、自社が正規に契約している価格調査ツールの出力CSVを入力にするのが安全な設計になります。Claudeに渡すのは取得済みのデータ、という分担にすると規約リスクを避けられます。
4つ目は商品説明文の一括リライトです。数百から数千SKUの説明文を、最新のSEO方針や薬機法・景表法のチェックリストに沿って書き直す作業は、人手だと数か月単位の工数になります。Dynamic Workflowsなら、商品データCSVを読み込ませて1SKUずつサブエージェントに割り当て、共通のリライト方針に従って並列で書き直します。ある食品ギフトジャンルの中規模店舗の事例では、1,200SKUの説明文を3日で一巡させ、未対応だった頃と比べて商品ページの離脱率が目に見えて下がりました。AIエージェントを使ったEC自動化の全体像はVibeコーディングでEC自動化を進めるガイドでも扱っているので、自動化の発想を広げたいときに参照してください。
Dynamic Workflowsを動かす手順とプロンプト例4本
ここからは実装に入ります。前提として、Claude CodeをEnterprise、Team、Maxのいずれかのプランで導入し、ターミナルからclaudeコマンドが叩ける状態にしておきます。導入手順自体はAnthropicの公式ドキュメントに沿えば30分ほどで終わります。プランを契約したら、まず作業用のフォルダを1つ作り、そこに楽天RMSやAmazon Seller CentralからダウンロードしたCSVファイルを置きます。Claude Codeはそのフォルダ内のファイルを読み書きするので、扱わせたくない機密ファイルは別の場所に隔離しておくのが安全です。
実際の起動は、作業フォルダでターミナルを開き、claudeと入力してセッションを始め、自然言語で指示を打つだけです。Dynamic Workflowsは、指示の規模が大きいとClaudeが自動で計画モードに入り、サブエージェントへの分割を提案してきます。提案された計画に目を通し、問題なければ承認するという流れになります。fast modeを使いたい場合は、件数が多く判断が単純な作業に切り替えると、約3倍安く2.5倍速で処理が進みます。以下に、EC業務向けのプロンプト例を4本掲載します。プロンプトは全部で4本です。ChatGPTやGeminiでも下準備の壁打ちには使えますが、ファイルを並列処理させる本番はClaude Code上で動かす前提で書いています。
最初は在庫CSVの突き合わせです。2つのCSVのズレを検出し、修正候補だけを抜き出させます。
あなたはEC運営のデータ管理を担当するアシスタントです。
作業フォルダにある2つのCSVファイルを突き合わせてください。
- rakuten_items.csv：楽天RMSからダウンロードした商品データ
- stock_master.csv：自社基幹システムの在庫マスタ
手順：
1. 両ファイルを商品管理番号（列名は1行目を確認）をキーに結合する
2. 在庫数が一致しない行を抽出する
3. 価格が一致しない行を抽出する
4. 抽出結果を mismatch_report.csv に、商品管理番号・商品名・楽天側在庫・基幹側在庫・差分・楽天側価格・基幹側価格 の列で書き出す
注意：元の2ファイルは絶対に上書きしない。新規ファイルとして書き出すこと。
件数が多い場合はサブエージェントに分割して並列処理してよい。
次はレビュー返信文の一括生成です。星評価に応じた出し分けを指示します。
あなたは楽天市場とAmazonで店舗を運営するECコンサルタントです。
作業フォルダの reviews.csv（列：レビューID・星評価・レビュー本文・商品名）を読み込み、
1件ごとに返信文の下書きを生成してください。
出し分けルール：
- 星1〜2：謝罪を最初に置き、具体的な改善アクションを1つ提示。定型謝罪の連発は避ける
- 星3：感謝のうえで、不満点があれば次回改善する姿勢を示す
- 星4〜5：感謝を述べ、その商品ジャンルの関連商品を1つだけ自然に案内する
全件共通の禁止事項：
- 「絶対」「最高」「No.1」「即効」など景表法・薬機法で問題になる表現を使わない
- 楽天のレビュー返信に自社サイトや外部URLを書かない
出力：reply_drafts.csv に レビューID・星評価・返信文 の列で書き出す。
返信文は120〜200字程度。投稿前に人間が目視確認する前提で、断定しすぎない丁寧な文体にする。
3本目は競合価格の定点観測レポートです。取得済みデータを入力にする安全な設計にしています。
あなたはEC事業者の価格戦略を支援するアナリストです。
作業フォルダの competitor_prices.csv（列：日付・競合店舗名・商品名・競合価格・自店商品管理番号）と、
my_prices.csv（列：自店商品管理番号・商品名・自店価格）を突き合わせてください。
手順：
1. 自店商品管理番号をキーに、自店価格と各競合価格を並べる
2. 自店価格が競合最安より高い商品を抽出し、価格差（円・%）を計算する
3. 自店価格が競合最安より安い商品も別に抽出する
4. price_gap_report.csv に 商品名・自店価格・競合最安・差額・差率・判定（割高/割安/同等）の列で書き出す
注意：このプロンプトは取得済みのCSVを集計するだけ。競合サイトへ自動アクセスはしない。
判定の閾値は差率±3%以内を「同等」とする。
4本目は商品説明文の一括リライトです。SKUごとに並列で書き直させます。
あなたは楽天市場とAmazonの商品ページ最適化に精通したコピーライターです。
作業フォルダの products.csv（列：商品管理番号・商品名・現状の説明文・商品ジャンル）を読み込み、
1SKUずつ説明文をリライトしてください。
リライト方針：
1. 冒頭3行で、誰の・どんな悩みを・どう解決する商品かを明示する
2. 楽天のスマートフォン用商品説明は全角1,280文字以内を目安に、要点を前半に置く
3. 素材・産地・容量・使い方など事実情報を箇条書きではなく文章で補う
4. 景表法・薬機法で問題になる表現（最高・No.1・治療・効く・痩せる等）を排除する
5. 同じ言い回しを全SKUで使い回さず、商品ジャンルに合わせて語彙を変える
出力：products_rewritten.csv に 商品管理番号・商品名・リライト後説明文 の列で書き出す。
SKUが多い場合はサブエージェントに分割し、並列でリライトしてよい。
リライト後の説明文は人間が必ず最終確認する前提とする。
どのプロンプトも、出力を別ファイルに書き出させ、元データを上書きしない設計にしています。Claude Codeはファイルを直接書き換える力を持つため、作業フォルダのバックアップを取ってから走らせるのが鉄則です。fast modeとの使い分けでは、レビュー返信やリライトのように1件ごとの文章品質が問われる作業は通常モード、CSVの突き合わせや集計のように正確さが命の機械的作業はfast modeでも実用に足ります。
4本のプロンプトを実際に回すと、最初の1回目はほぼ確実に意図どおりに動きません。列名の表記ゆれ、文字コード、想定外の空欄などでつまずくのが普通です。ここで効くのが、Dynamic Workflowsの「計画を立ててから実行する」性質です。エラーが出たらClaudeに「どの行で何が起きたか」を尋ね、原因を1つずつ潰してからプロンプトを修正します。たとえば楽天RMSのCSVはShift_JISで書き出されることがあり、文字化けする場合は「ファイルはShift_JISとして読み込む」と一文足すだけで解決します。商品管理番号の列名が「商品管理番号（商品URL）」のように括弧付きなら、その正確な列名をプロンプトに明記します。1回目で完璧を狙わず、自店データに合わせて2、3回チューニングする前提で組むと、運用に乗せやすくなります。
検証の精度を上げたいときは、まず10件程度の小さなサンプルCSVで動作確認し、出力が期待どおりなら全件に広げる、という二段階を踏みます。いきなり数千SKUに当てると、方針のズレに気づいたときの手戻りが大きくなります。編集部で実際に運用しているプロンプトでも、必ずサンプル検証を先に通してから本番件数に拡大しています。サブエージェントの並列実行は件数が増えるほど時間短縮の恩恵が大きいので、小さく検証して大きく回す、という順序が費用対効果の面でも合理的です。
Dynamic Workflowsで起きやすい失敗と回避策
便利な一方で、現場で繰り返し見るのは設計のつまずきです。代表的な3つを回避策とセットで挙げます。
1つ目は、元ファイルの上書き事故です。Claude Codeは指示が曖昧だと、入力CSVをそのまま書き換えてしまうことがあります。回避策は、すべてのプロンプトに「元ファイルは上書きせず新規ファイルに書き出す」と明記し、走らせる前に作業フォルダごとコピーしてバックアップを取ることです。1,200SKUのリライトで元データが消えると、復旧に何日もかかります。
2つ目は、生成文をノーチェックで本番投入してしまうことです。レビュー返信や商品説明文を並列生成すると、件数の多さに安心して全件をそのまま投稿したくなります。ところが楽天市場のレビュー返信に外部URLが紛れ込んだり、説明文に薬機法違反のワードが残ったりすると、店舗評価やアカウントに直接響きます。回避策は、生成と投稿の工程を必ず分け、人間が目視で抜き取りチェックする運用を挟むことです。全件は無理でも、星1〜2のレビュー返信と、医薬部外品・化粧品ジャンルの説明文は全件確認するのが安全です。
3つ目は、規約に触れる自動取得を組み込んでしまうことです。競合価格の監視で、楽天やAmazonの商品ページをClaudeに直接大量アクセスさせる設計にすると、各プラットフォームの規約に抵触する恐れがあります。回避策は、データ取得は公式APIや正規契約のツールに任せ、Claudeには取得済みのCSVを集計させる、という分担を徹底することです。Claudeを「収集」ではなく「整形と判断」に使う、と役割を切り分けるのが安全な設計になります。
加えて、楽天市場の商品説明文をリライトするときは、楽天R-Mailや商品ページに自社ECサイト・LINE公式・SNSなど楽天外への誘導URLを差し込まない、という楽天の店舗運営規約を必ずプロンプトの禁止事項に明記してください。Claudeは指示がなければ「自社サイトへの導線を入れましょう」と気を利かせて外部URLを足すことがあります。生成された説明文に外部URLが混入していないか、目視チェックの観点に必ず加えるのが安全です。Amazonの商品紹介コンテンツ（A+）に外部URLを入れる提案も同様にNGなので、プラットフォームごとの制約をプロンプト側で先回りして封じておくと、後工程の手戻りが減ります。
Dynamic Workflows導入のKPI設計と費用・工数目安
費用面では、Claude CodeのDynamic WorkflowsはEnterprise、Team、Maxのプランで使えます。個人の店長がまず試すならMaxプランが現実的な選択肢です。Anthropicの公式ページで最新の月額を確認したうえで契約してください。ChatGPT Plusが月20米ドル、Claude Proが月20米ドル、Gemini Advanced（Google AI Pro相当）が月20米ドルというのが2026年6月時点の標準的な個人向け価格帯ですが、Dynamic Workflowsを含むClaude Codeの上位プランはこれより高くなります。fast modeを活用すれば、件数の多い処理は従来比で約3倍安く動かせるため、運用コストは作業内容しだいで大きく変わります。
KPIは、削減できた工数と品質維持の両面で測るのが望ましいです。工数では、対象業務の月間作業時間を導入前後で比較します。月300件のレビュー返信が半日から2時間に縮んだ、1,200SKUのリライトが数か月想定から3日に縮んだ、といった具体的な時間削減を記録します。品質では、レビュー返信後の店舗評価の推移、リライト後の商品ページ離脱率やCVRの変化を追います。直近の支援先で観測した範囲では、説明文リライト後にページ離脱率が下がる傾向が見られましたが、効果はジャンルと元の説明文の質に左右されるため、自店での実測が前提になります。
導入の工数目安としては、Claude Codeのセットアップに約30分、最初のプロンプト1本を自店データで動かして検証するのに半日、運用フローを整えて定常業務に載せるまでに2週間程度が現実的な見込みです。EC×AIの導入を体系的に進めたい場合はEC×AI導入の最初の90日で、何から着手し何を測るかの順序を整理しています。いきなり全業務を自動化しようとせず、効果が読みやすい1業務から段階導入するのが定石です。
Claude Opus 4.8とChatGPT・Geminiをどう使い分けるか
最後に、競合がまだ書けていない論点として、Dynamic WorkflowsとChatGPT・Geminiの役割分担に触れます。2026年6月時点のフラッグシップは、OpenAIがGPT-5.5系、GoogleがGemini 3.5系、AnthropicがClaude Opus 4.8です。3者とも単発のチャットでは高い文章生成力を持ちますが、「ローカルのファイル群を並列で読んで加工し、結果を検証して書き出す」という一連の自動実行をターミナルから回せる点が、Claude CodeのDynamic Workflowsの差別化要素になっています。
実務での切り分けは、企画や壁打ちはChatGPTやGemini、大量ファイルの自動処理はClaude Code、という二段構えが扱いやすいです。たとえばレビュー返信の出し分けルール自体をChatGPTで設計し、確定したルールをClaude Codeのプロンプトに落として並列実行する、という流れです。3者の特性比較はChatGPT・Claude・Geminiの使い分けガイドで詳しく扱っています。
AIエージェントがブラウザやアプリを操作する流れは各社で加速しており、いずれはEC管理画面の操作まで踏み込む可能性があります。ただし2026年6月時点では、プラットフォーム規約と操作の信頼性の観点から、管理画面の自動操作までは慎重に見るべき段階です。当面は、データの整形・生成・検証という「人間が最終判断する手前まで」をDynamic Workflowsに任せ、投稿や価格変更といった確定操作は人間が握る運用が、リスクとリターンのバランスが取れた使い方になります。
よくある質問
Dynamic Workflowsは無料で始められますか
無料プランでは使えません。Claude CodeのEnterprise、Team、Maxのいずれかの契約が必要です。個人で試すならMaxプランが入口になります。最新の月額はAnthropicの公式ページで確認してください。まず1業務だけ自動化して効果を測り、見合えば対象業務を広げる進め方が安全です。
サブエージェントは本当に1,000体も使えますか
公開情報では、Dynamic Workflowsのサブエージェントは最大1,000体まで並列実行できるとされています。ただしEC業務で1,000体を使い切る場面はまれです。数千SKUのリライトでも、Claudeが対象数に応じて適切な数に分割するため、件数を意識せず指示するだけで問題ありません。
生成した返信文や説明文はそのまま使えますか
そのまま本番投入するのは避けてください。レビュー返信に外部URLが混ざる、説明文に薬機法違反ワードが残るといったリスクがあるため、生成と投稿の工程を分け、人間が目視確認する運用を挟むのが前提です。特に星1〜2のレビューと化粧品・医薬部外品ジャンルは全件確認が望ましいです。
楽天やAmazonの規約に違反しませんか
Claudeにデータを整形・生成させること自体は規約上の問題になりません。注意が必要なのは、競合ページの機械的な大量取得や、楽天レビュー返信への外部URL挿入です。データ取得は公式APIや正規ツールに任せ、Claudeには取得済みデータの加工を担わせる分担にすれば、規約リスクを避けられます。
ChatGPTやGeminiでも同じことができますか
単発の文章生成は3者とも高水準ですが、ローカルのファイル群を並列で読み書きし検証まで回す自動実行は、Claude CodeのDynamic Workflowsが先行しています。企画や壁打ちはChatGPT・Gemini、大量ファイルの自動処理はClaude Code、という使い分けが実務では扱いやすいです。
導入にどれくらいの工数がかかりますか
セットアップに約30分、最初のプロンプトを自店データで検証するのに半日、定常業務に載せるまでに2週間程度が目安です。いきなり全業務を自動化せず、効果が読みやすい1業務から段階的に広げるのが現実的です。
fast modeはどんなときに使うべきですか
件数が多く判断が単純な作業に向いています。CSVの突き合わせや集計のように正確さが命の機械的処理はfast modeで十分実用に足ります。逆にレビュー返信や説明文リライトのように1件ごとの文章品質が問われる作業は、通常モードのほうが安心です。約3倍安く2.5倍速で動くため、用途を見極めて使い分けてください。
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
