この記事の結論
私がAIに任せているのは「書類作成」「データ入力」といった作業ではなく、「型が決まっている判断の下ごしらえ」です。議事録の要約・宿題の抽出・次回の論点整理、提案書の骨子生成、情報収集の一次分類などを自動化し、経営者が判断すべき部分だけに集中できる環境を整えています。2026年8月時点で、1人で十数社の経営顧問を回しています。
前提：私の業務とAI環境（2026年8月時点）
2026年8月時点で、私は十数社の月次経営顧問、不動産AI経営研究会の運営、リスキリング研修の講師、兵庫大学での講義、自社の経営管理を1人で回しています。
私は株式会社MCO代表の松本龍樹です。宅地建物取引士の資格を持ち、不動産・建設業に特化したAI経営コンサルティングを行っています。社員はおらず、外部パートナーとの協業体制で回しています。
顧問先の業種は売買仲介、建売・注文住宅、リフォーム、塗装、賃貸管理と多岐にわたります。従業員規模は5名から40名まで。月次訪問で経営課題をヒアリングし、AI導入計画の策定、実装支援、社内定着までを伴走します。
松本龍樹の1日の業務フローとAI処理の分担
薄い背景の工程はAIが主導。最終判断と顧客対応は必ず本人が担当
この業務量を1人で回すために、AIをどう使っているかを公開します。製品名ではなく「何をどう処理しているか」に焦点を当てて説明します。
1日の業務フロー（7:00〜22:00）
朝の情報整理から夜の振り返りまで、定型処理はAIに任せ、判断が必要な部分だけを自分でやることで、1日15時間の業務を回しています。以下、典型的な1日を時系列で示します。
7:00〜8:00 朝の情報整理
起床後、夜間に自動実行されたレポートを確認します。freee会計から前日の入出金、Google カレンダーから今日の予定、各顧問先のタスク進捗状況が1枚のダッシュボードにまとまっています。
この段階でAIがやっているのは、freeeのAPIから取引データを取得し、科目別・顧問先別に集計して表にすることです。私がやるのは、異常値のチェックと当日の優先順位付けです。
8:00〜10:00 顧問先の準備
午後の訪問先について、前回議事録を読み返し、宿題の進捗を確認します。AIが前回議事録から抽出した「次回までの宿題リスト」を見ながら、未完了項目をチェックします。
提案資料が必要な場合は、骨子をAIに生成させます。たとえば「関西の売買仲介会社（従業員12名）向けに、AI査定ツール導入による業務効率化提案を作る」と指示すると、目次、想定効果、費用概算、導入スケジュールの骨子が3分で出ます。
私はその骨子をベースに、顧客の個別事情を書き足します。過去の打ち合わせで出た課題、現在の反響件数、社長の意思決定パターンなどを反映させます。AIはテンプレートを作り、私が中身を入れる分業です。
10:00〜12:00 打ち合わせ（訪問またはオンライン）
顧問先との打ち合わせは月1回2時間が基本です。録音は必ずします。ICレコーダーではなく、スマートフォンのアプリで録音し、クラウドに自動アップロードする設定にしています。
打ち合わせ中はメモを取りますが、議事録を完成させるわけではありません。重要な数字、固有名詞、社長の発言ニュアンスだけを箇条書きでメモします。詳細は録音から後で起こします。
13:00〜15:00 議事録作成
録音ファイルをローカルLLMで文字起こしします。faster-whisperというオープンソースのモデルを使い、1時間の録音が5分で文字になります。
文字起こし結果をさらにAIに渡し、要約と宿題の抽出を依頼します。ここで使うのはローカルLLM（qwen3:32b）です。顧客情報を含むため、クラウドAIには投げません。
出力された要約と宿題リストを確認し、抜け漏れがないかをチェックします。AIが拾えなかった文脈や、録音に入っていない雑談の中で出た重要な話を手で書き足します。
この段階で議事録は9割完成です。最後にフォーマットを整え、顧問先に送ります。以前は1件40分かかっていた議事録作成が、現在は5分で終わります。
15:00〜18:00 提案書作成・資料準備
次回訪問先の提案書や、研修資料を作ります。ここでもAIに骨子を作らせ、私が肉付けする流れです。
たとえば「不動産会社向けリスキリング研修のスライド（5時間・20名想定）」を作る場合、章立て、各章の論点、演習内容の案をAIに出させます。私は過去の研修で受講者が躓いたポイント、質問が多かった部分を反映させます。
AIに任せるのは構造の生成、私がやるのは中身の品質管理です。
18:00〜20:00 夜の振り返りと翌日準備
今日の議事録、提案書、メモをすべて1か所に集約します。私の場合、Obsidianで管理するナレッジベース（以下「Vault」と呼びます）に保存します。
Vaultには過去3年分の議事録、提案書、研修資料、調査メモが全て入っています。AIがこのVault全体を検索し、類似案件を見つけてくれます。
たとえば「売買仲介会社で追客自動化を導入した事例」を探すと、過去の議事録、提案書、導入後の効果測定レポートが一覧で出ます。これを参考に翌日の提案を組み立てます。
20:00〜22:00 自社経営・学習
freee会計の仕訳確認、請求書作成、翌月のスケジュール調整を行います。ここでもAIが下書きを作り、私が最終確認します。
読書、業界ニュースの収集、新しいAIツールの検証もこの時間に行います。収集した情報はVaultに投げ込み、AIが自動で分類・要約してくれます。
私が使っているAI構成（製品名ではなく役割で）
私が使っているAI環境は5階層に分かれています。それぞれの役割と、実際にどう使っているかを説明します。
AI構成の5階層と役割分担
(クラウド)
(クラウド)
(自前GPU)
(Vault)
(freee/Sheets)
上層ほど判断が必要。下層ほど定型処理。顧客情報はローカルLLMで処理
| 階層 | 役割 | 具体的な処理 | 特徴 |
|---|---|---|---|
| 対話型AI | 戦略・顧客分析 | 顧問先の課題整理、提案書の骨子生成、複雑な判断の壁打ち | クラウドAI。長文の読解と生成が得意 |
| コーディングAI | スクリプト・データ処理 | freee API連携、Google Sheets自動更新、バッチ処理スクリプト生成 | コードを書かせ、実行結果を確認して修正 |
| ローカルLLM | バッチ要約・分類 | 議事録の一括要約、50件以上のファイル分類、タグ付け | VRAM 24GBのGPUで自前実行。コストゼロ |
| ナレッジベース | 情報の蓄積・検索 | 議事録・提案書・調査メモの全文検索、類似案件の抽出 | Obsidian + 全文検索 + 埋め込みベクトル検索 |
| 表計算・クラウド | 数値管理・請求 | freee会計、Google Sheets、カレンダー、顧問先のダッシュボード | 既存ツールとAIを連携させる |
対話型AIの使い方（戦略・顧客分析）
戦略や顧客分析には対話型AI（Claude Sonnet）を使います。長文の読解、複雑な判断の壁打ち、提案書の骨子生成が得意です。
具体的には、顧問先の経営課題を整理するとき、過去3か月の議事録をまとめて投げて「売上が伸びない原因を仮説として3つ挙げてください」と聞きます。AIは議事録から「反響数は維持されているが成約率が下がっている」「追客の仕組みがなく初回接客で決まらないと失注」「競合他社がAI査定を導入して即日回答している」といった仮説を出します。
私はこの仮説を持って顧問先に確認し、優先順位を決めます。AIはあくまで壁打ち相手です。
コーディングAIの使い方（スクリプト・データ処理）
コーディングAI（Claude Code）には、freee APIと連携するスクリプトや、Google Sheetsを自動更新するコードを書かせています。
たとえば「freee会計から今月の請求書一覧を取得し、未入金の顧問先を抽出してSlackに通知する」というスクリプトを作らせました。私はプログラミングができますが、API仕様を調べて書くより「こういうことがしたい」と指示して生成させる方が速いです。
生成されたコードは必ず実行して動作確認します。エラーが出たらエラーメッセージをAIに渡して修正させます。
ローカルLLMの使い方（バッチ要約・分類）
50件以上の一括処理は、ローカルLLM（qwen3:32b）に回します。クラウドAPIに大量のリクエストを投げるとコストが跳ね上がるためです。
議事録の要約、PDFの一次分類、タグ付けなどをバッチ処理します。たとえば研修で集めたアンケート50件を「好意的／中立／否定的」に分類する作業は、ローカルLLMで5分で終わります。
VRAM 24GBのGPUを積んだノートPCで実行しており、電気代以外のコストはかかりません。
ナレッジベースの使い方（情報の蓄積・検索）
ナレッジベースとは、私が過去3年間に書いた議事録、提案書、調査メモ、学習ノートを全て保存している場所です。Obsidianというツールで管理しています。
このVault全体を検索できるようにしており、AIが類似案件を見つけてくれます。たとえば「塗装会社でAIを使った見積もり自動化を導入した事例」を探すと、過去の議事録、提案書、導入後の効果測定レポートが一覧で出ます。
新しい提案を作るとき、必ず過去の類似案件を検索します。ゼロから作るより、過去の成功パターンを参考にする方が精度が高いためです。
表計算・クラウドの使い方（数値管理・請求）
freee会計、Google Sheets、Google カレンダーは既存ツールですが、AIと連携させて自動化しています。
freeeからAPIで取引データを取得し、Google Sheetsに転記して顧問先別の売上・入金状況を可視化しています。請求書の下書きもAIが作り、私が最終確認して発行します。
カレンダーは手動で管理していますが、翌週の予定をAIが読み取って「火曜14時の顧問先訪問の前に、前回議事録を確認してください」と通知してくれます。
議事録の扱い：録音から次回準備までを1本の流れにする
議事録作成は、私がAI化で最も効果を感じた業務です。以前は1件40分かかっていましたが、現在は5分で完了します。
議事録処理の流れは次の通りです。
録音（打ち合わせ中）
スマートフォンのアプリで録音し、打ち合わせ終了後に自動でクラウドにアップロードされる設定にしています。録音ファイルは顧問先ごとのフォルダに保存されます。
文字起こし（ローカルLLM）
faster-whisperで文字起こしします。1時間の録音が5分で文字になります。顧客情報を含むため、クラウドの文字起こしサービスは使いません。
要約と宿題の抽出（ローカルLLM）
文字起こし結果をqwen3:32bに渡し、要約と宿題リストを生成させます。プロンプトは次のように書いています。
「この議事録を要約し、次回までの宿題を箇条書きで抽出してください。宿題には担当者と期限を明記してください。」
AIが出力した要約と宿題リストを確認し、抜け漏れがないかをチェックします。
議事録の完成と送付（手作業）
要約と宿題リストをテンプレートに貼り付け、フォーマットを整えます。冒頭に日時・参加者・議題を書き、末尾に次回日程を書いて完成です。
PDFに変換して顧問先にメールで送ります。送付文もAIが下書きを作り、私が最終確認します。
次回準備（AI検索）
次回訪問の前日に、前回議事録と宿題リストを確認します。AIがVault全体を検索し、「前回の宿題で未完了のもの」「類似案件の過去事例」を自動で表示してくれます。
これにより、訪問前の準備時間が15分で済みます。以前は過去の議事録を探すだけで30分かかっていました。
一次情報を溜める場所を1つに決める重要性
一次情報を溜める場所をVault 1つに決めることで、過去の情報が秒で見つかり、文脈を保ったまま参照できるようになりました。
私は過去に、情報を複数の場所に分散させて失敗しました。Notion、Slack、Google Drive、ローカルフォルダにバラバラに保存した結果、どこに何があるか分からなくなりました。現在は、議事録、提案書、調査メモ、学習ノートのすべてをVaultに入れています。
なぜ1か所に集約するのか
理由は2つあります。1つ目は検索性です。Vault全体を全文検索できるため、過去の情報が秒で見つかります。
2つ目は文脈の保存です。議事録と提案書が別の場所にあると、「この提案はどの打ち合わせで出た話か」が分からなくなります。Vaultでは議事録と提案書を同じフォルダに入れ、リンクで繋いでいます。
他のツールとの連携
freee会計やGoogle カレンダーは外部ツールですが、データをVaultに同期しています。たとえばfreeeから請求書を発行したら、PDFをVaultに保存し、顧問先のフォルダにリンクを張ります。
こうすることで、顧問先のフォルダを開けば、議事録、提案書、請求書、契約書が全て揃います。
私がやってみて失敗したこと3つ
全部を自動化しようとして顧客から苦情が来た、AIの出力を検証せず出して信頼を損ねた、ツールを増やしすぎて情報が分散した、の3つが私の主な失敗です。AI活用を始めた2023年から現在まで、多くの失敗をしましたが、その中から代表的なものを紹介します。
失敗1：全部を自動化しようとした
最初は「AIに全部任せれば自分は何もしなくていい」と考えていました。議事録の自動生成、提案書の自動作成、メールの自動返信まで設定しました。
結果、顧問先から「提案が的外れ」「メールの返信が機械的」とクレームが来ました。AIは過去のパターンを学習しますが、個別の文脈を読めません。
現在は、AIに任せるのは「下ごしらえ」までと決めています。最終判断と顧客対応は必ず自分でやります。
失敗2：AIの出力を検証せず出した
AI生成の提案書を、確認せずに顧問先に送ったことがあります。内容に事実誤認があり、信頼を損ねました。
たとえば「御社の従業員数は20名」と書かれていましたが、実際は15名でした。AIは過去の議事録から誤った情報を拾っていました。
現在は、AI生成の文書は必ず最初から最後まで読み、数字と固有名詞を原本と照合してから送ります。
失敗3：ツールを増やしすぎた
新しいAIツールが出るたびに試し、気づけば15個のツールを並行して使っていました。それぞれのログイン情報、使い方、データの保存場所を覚えるだけで疲弊しました。
情報が分散し、過去の議事録を探すのに毎回10分以上かかる状態になりました。
現在は、使うツールを5つに絞っています。新しいツールを試すときは、既存のツールを1つ止めるルールを作りました。
経営者が最初の1か月でやるべき3つ
一次情報を溜める場所を1つ決める、議事録の自動化から始める、AIの出力を必ず検証する、の3つが最初の1か月でやるべきことです。これからAIを使い始める経営者に向けて、具体的な手順を説明します。
1. 一次情報を溜める場所を1つ決める
議事録、提案書、顧客情報、契約書、メモ、すべてを1か所に集約してください。NotionでもGoogle DriveでもObsidianでも構いません。重要なのは「ここを見れば全部ある」状態を作ることです。
場所を決めたら、過去1年分の議事録と提案書を全て移してください。時間はかかりますが、これをやらないと検索できません。
2. 議事録の自動化から始める
最初に自動化すべきは議事録です。打ち合わせを録音し、文字起こしして要約する流れを作ってください。
文字起こしは無料のツールでも構いません。重要なのは、議事録作成時間を半分にすることです。空いた時間で顧客対応や戦略立案に集中できます。
3. AIの出力を必ず検証する
AIが生成した文書は、最初から最後まで読んでください。数字、固有名詞、日付が正しいかを確認してください。
検証せずに出すと、信頼を失います。AIは道具であり、最終責任は経営者にあります。
力を増やすほど、使い方を自分で決める必要が出てくる
AIに任せるのは「下ごしらえ」まで、顧客情報はクラウドAIに投げない、AIの出力を無検証で出さない、の3つのルールを守ることで、AIを力として使いながら経営者としての責任を果たしています。
私が経営で大事にしているのは、成果を出す力と、人を大切にすることは対立しないという考え方です。守りたいものがあるから力を持ち、力を正しく使うために人への配慮を手放さない。この2つを分けて考えないようにしています。
AIは力を増幅する道具です。1人で十数社の顧問を回せているのは、判断以外の工程をAIに前処理させているからです。
しかし、力には責任が伴います。AIに判断を丸投げすれば、顧客の個別事情を無視した提案を出してしまいます。AIの出力を検証せず出せば、誤った情報で顧客に損害を与えるかもしれません。
私がAIに主導権を渡さないと決めているのは、力を正しく使うためです。具体的には次のルールを守っています。
ルール1：AIに任せるのは「下ごしらえ」まで
議事録の要約、提案書の骨子、データの一次分類など、型が決まっている処理はAIに任せます。しかし最終判断は必ず自分でします。
ルール2：顧客情報を含む対話はクラウドAIに投げない
議事録、顧客の財務情報、契約内容など、顧客情報を含むものはローカルLLMで処理します。クラウドAIに投げる場合は、固有名詞を全て削除してから投げます。
ルール3：AIの出力を無検証で出さない
AI生成の文書は、必ず最初から最後まで読みます。数字、固有名詞、論理展開が正しいかを確認してから顧客に渡します。
これらのルールを守ることで、AIを力として使いながら、経営者としての責任を果たせると考えています。
不動産会社がAIを導入する際も、同じ線引きが重要です。重要事項説明、査定、契約書の作成にAIを使う場合、必ず宅建士が最終確認する仕組みを作ってください。AIは道具であり、責任は経営者と専門家にあります。
不動産会社が選ぶべきAIツールと、宅建業者が守るべき情報の線引きの記事で、具体的なツール選定基準と情報管理のルールを解説しています。
よくある質問
Q. AIに任せる業務と、経営者が自分で判断すべき業務の線引きはどこですか？
A. 型が決まっている処理（議事録の要約、データの一次分類、骨子生成）はAIに任せ、顧客の個別事情を踏まえた判断、戦略の最終決定、クライアントへの説明は必ず経営者が行います。AIの出力を無検証で出すことは絶対にしません。
Q. 1人で十数社の顧問を回すために、どの業務を最初に自動化しましたか？
A. 議事録作成です。録音から文字起こし、要約、宿題の抽出、次回の論点整理までを1本のパイプラインにしました。これにより1件あたり40分かかっていた議事録作成が5分に短縮され、この社数を回せる基盤ができました。
Q. AIツールを増やしすぎて失敗したとのことですが、何が問題でしたか？
A. 情報が分散し、どこに何があるか分からなくなりました。Notion、Slack、Google Drive、ローカルフォルダにバラバラに保存した結果、過去の議事録や提案書を探すのに毎回10分以上かかる状態に。一次情報を溜める場所を1つに決め直しました。
Q. ローカルLLMとクラウドAIを使い分ける基準は何ですか？
A. 50件以上の一括処理、分類、要約はローカルLLM（qwen3:32b）で回します。顧客情報を含む対話、戦略分析、複雑な判断はクラウドAI（Claude Sonnet）に。コスト削減と情報管理の両立が目的です。
Q. AIに判断を任せてよい範囲と、任せてはいけない範囲の線引きはどこですか？
A. 過去の情報を整理する工程はAIに任せ、人の人生や雇用に影響する判断は自分で下します。AIは力を増幅する道具ですが、主導権を渡すと責任の所在が消えます。誰かに説明を求められたときに自分の言葉で理由を語れるかどうかが、私の線引きです。
相談窓口
私は2023年からAI活用を始め、多くの失敗を経て現在の形に至りました。この経験を、不動産・建設業の経営者に還元したいと考えています。
貴社の業務にAIをどう組み込むかは、扱う物件の種類、組織の規模、現在の業務フローによって最適解が変わります。議事録作成から始めるべきか、査定の自動化から始めるべきか、個別の診断が必要です。
AIを入れても現場が使わない理由と、評価報酬制度での定着法の記事では、組織全体でAIを定着させるための制度設計を解説しています。
また、貴社のホームページをAI検索に最適化することで、集客の入り口を増やすことも可能です。AIに引用される会社サイトの作り方｜AIO・AEO時代の不動産ホームページの記事で、具体的な実装方法を公開しています。
生成AIを貴社の業務にどう組み込むかは、扱う物件・組織の規模・現在の業務フローによって最適解が変わります。株式会社MCOでは、不動産・建設業に特化したAI経営コンサルティングと実装代行、社内定着までの伴走を行っています。まずは公式LINEからお気軽にご相談ください。