スタッフ0人で顧問先60社。税理士がClaude Codeで"AI経理"を実現した全手法

freee公式事例では、スタッフ0名で顧問先60社超を支援する税理士事務所が、Claude Codeとfreee APIを活用していることが紹介されています。本人のX記事では、freeeの未処理出金明細を対象に毎晩21時の定型処理を行い、全60社の機械処理時間を約5時間から30〜50分へ短縮したと説明しています。これらの時間は本人申告で、当サイトによる再計測値ではありません。

本人の投稿では、顧問先10社あたりスタッフ1人という目安を置き、60社なら6人分・年間3,000万円相当と換算しています。これは実際に6人を雇用して削減した費用ではなく、投稿者が置いた前提に基づく試算です。

これは単なる「AIで業務効率化しました」という話ではありません。記帳の定型作業をAIが進め、判断と最終確認は税理士が担う仕組みを作り上げた事例です。

この記事では、税理士のClaude Code活用の実例として、どのような仕組みを構築したのかを詳しく解説します。

ひとり税理士×Claude Codeの実績 ── スタッフ0人で顧問先60社を回す現実

まず、この事例のスケール感を数字で把握してみましょう。

出典：本人のX投稿（2026年3月14日）、freee公式導入事例。6人・年3,000万円は投稿内の業界目安に基づく試算です。

この記事の検証情報

最終検証日：2026年7月25日

公式情報で確認した範囲：スタッフ0名・顧問先60社超、Claude Codeとfreee APIの活用、AIが定型処理を進めて税理士が最終判断を担う点は、freee公式導入事例で確認しました。

本人申告として扱う範囲：毎晩21時の処理、5時間から30〜50分、請求書PDF130件からExcelへの変換15分、月24時間以上、6人・年3,000万円という数値です。当サイトでは実行ログ、処理結果、品質、削減額を再計測していません。

適用条件：処理対象は主にfreeeの未処理出金明細です。API・MCPの認証、権限、セキュリティ設計、例外処理と、資格者による確認が必要です。

更新履歴：2026年7月25日、公式確認済み事項、本人申告、投稿者による換算値を区別し、処理時間の説明を訂正しました。

本人の投稿では、顧問先10社あたりスタッフ1人という業界目安から、60社なら6人分・年間3,000万円相当と試算しています。実際の必要人員や費用は、事務所の業務範囲・単価・運用体制によって異なります。

Claude Codeを中心とした仕組みによって、スタッフを雇用せずに顧問先60社を支援する体制を構築しています。AIにすべてを任せるのではなく、除外ルールや人間確認フラグを設け、税理士が最終判断を担う運用です。

※ こうしたAIクローンの仕組みをゼロから構築する方法を、無料ウェビナーで解説しています。

税理士のClaude Code活用の全体像 ── AIを「司令塔」にしたシステム構成

この税理士の方が構築したシステムの全体像は、非常にシンプルです。

Claude Codeを司令塔として、5つの外部サービスをMCP（Model Context Protocol）で接続している。たったこれだけです。

さらに、スケジュール実行も組み込まれています。

毎晩21:00に60社分の自動仕訳が走り、毎晩22:00にはXのフォロワー数値が自動記録される。人間が寝ている間にAIが黙々と仕事をしてくれるわけです。

仕組み① ── 毎晩21時に動く「AI自動仕訳」の全貌

この事例で特に特徴的なのが、60社分の仕訳を毎晩自動で処理する仕組みです。

この税理士の方は、「明細確認 → 科目判定 → 入力 → 確認」という流れを4つのフェーズに分け、定型処理を自動化しています。例外処理と税務判断、最終確認は人が担います。

Phase 1：未処理明細の取得

まず、freee APIを通じて各社の未処理明細を自動取得します。ここでは出金データのみ、かつ会計年度内のものだけを対象にしています。

Phase 2：2段階の勘定科目自動判定

ここが重要な部分です。勘定科目の判定を2段階で行っています。

第1段階：キーワード辞書マッチング

14カテゴリ、100以上のキーワードで構成された辞書による高速判定です。

この事務所で使っている判断基準のうち、定型化できる部分をルールにしています。飲食費の税務上の扱いは、目的、参加者、1人当たりの金額、記録の保存などによって判断が異なるため、この分類例をそのまま他社へ適用するものではありません。

第2段階：Claude APIフォールバック

キーワード辞書にマッチしなかった新規取引は、Claude APIが判定します。ただし、信頼度が低い場合は「人間確認」フラグが立ち、無理に自動処理しません。

判断しにくい取引を無理に自動処理せず、人間の確認へ回す設計です。

Phase 3：重複チェック＆登録

判定された仕訳データは、重複チェックを経てfreee APIに自動登録されます。取引先マスタが存在しない場合は、自動で新規作成までしてくれます。

Phase 4：セキュリティ

60社のデータを扱うため、セキュリティは最重要です。本人の説明では、company_id単位でデータを分けて処理する設計を採用し、会社間のデータ混入リスクを抑えています。ただし、設定ミスや権限管理を含むリスクがゼロになるわけではなく、人による確認と監査が必要です。

除外ルール7種類

すべてを自動処理するわけではなく、以下の7種類の取引は自動仕訳の対象から除外されています。

これらは金額が大きかったり、特殊な処理が必要だったりするため、あえて人間の判断に委ねています。「自動化すべきもの」と「人間が判断すべきもの」の線引きが明確であることが、この仕組みの信頼性の根幹です。

仕組み② ── MCP接続で実現した「転記ゼロ」の業務環境

この税理士の方がすごいのは、仕訳の自動化だけではありません。本人が「転記ゼロ」と表現する、ツール間の手入力を減らす運用も見逃せません。

通常の税理士事務所では、「Gmailで依頼確認 → メモに転記」「Notionの議事録を読み返し → 次回アジェンダを手動作成」といった転記作業が日常的に発生します。

MCP接続により、Claude Codeが5つのサービスにアクセスし、情報の取得から処理、出力までを一気通貫で進めることで、こうした手作業を減らしています。

Notionの議事録から打合せアジェンダを自動生成したり、Gmailでリマインドメールの下書きを自動作成したり。人間が「あっちを見て、こっちに書いて」とやっていた作業がなくなるのです。

「転記」は地味ですが、積み重なると大きな時間になります。ツール間の手入力を減らすことで、時間短縮と転記ミスの抑制を狙う設計です。

仕組み③ ── 「業務の型」をCLAUDE.mdに移植する

この事例で特に注目したいのが、CLAUDE.mdの活用法です。

CLAUDE.mdは、Claude Codeがセッション開始時などにコンテキストとして読み込む指示ファイルです。配置場所に応じて読み込まれる範囲が変わります。安全性を強制する仕組みではないため、権限設定や技術的な制御、人による確認も必要です。

この税理士の方は、CLAUDE.mdに以下のような情報を記載しています。

さらに、スキル（/コマンド）として業務を定型化しています。

・/freee-check → freeeのデータを確認
・/mtg-followup → ミーティング後のフォローアップ
・/ipo-analysis → IPO分析

つまり、税理士としての経験と判断基準のうち、定型化できる部分をCLAUDE.mdとスキルへ言語化しているのです。

これは「AIクローン構築」の考え方にも通じます。自分の知識・判断基準・業務フローを言語化してAIへ伝える。エンジニアリングだけの話ではなく、自分自身の「業務の型」を棚卸しする作業です。

「エンジニアじゃないからこそ、Claude Codeが活きる」

この税理士の方は、コードのほとんどをClaude Codeに生成させ、自身が書いたコードはほぼゼロだと説明しています。

本人事例では、コードの大部分をClaude Codeに生成させたと説明しています。

これ、ものすごく重要なポイントです。

本人事例では、コードの大部分をClaude Codeに生成させたと説明しています。一方で、人間には「何をやるべきか」「どう判断すべきか」を定義し、生成されたコードや処理結果を検証するための業務の専門知識が必要です。

この税理士の方は、本人の説明によると、コードの大部分をClaude Codeに作らせています。そのうえで、「仕訳のルール」「判断基準」「業務フロー」を言語化して伝えることに注力しています。

コンサルタント、コーチ、デザイナー、講師など、自分の専門領域で「業務の型」を持っている方も、同じ考え方を定型業務へ応用できる可能性があります。

あなたの仕事にも応用できる ── AIクローン構築の本質

この事例を紹介しているのは、単に「すごい人がいる」と感心してもらうためではありません。

あなたの仕事にも、同じ考え方を応用できるからです。

この税理士の方がやったことを抽象化すると、3つのステップに分解できます。

ステップ1：業務の型を言語化する
日々の業務で「毎回同じ判断をしているもの」を洗い出す。メールの返信パターン、資料の作成手順、データの整理方法などです。

ステップ2：AIクローンに移植する
言語化したルールをCLAUDE.mdやスキルとしてAIに教え込みます。

ステップ3：自動で回る仕組みにする
スケジュール実行やMCP接続で、定型処理を自動実行する環境を作ります。人間は結果・例外・安全性を確認します。

この税理士の方は税務の専門知識を、私の事例ではコンサルティング業務の判断基準や手順をAIクローンへ反映しています。対象業務は異なりますが、まず業務ルールを言語化する点は共通しています。

よくある質問

Q. Claude Codeは税理士以外の業種でも使えますか？

Claude Codeは本来エージェント型のコーディングツールですが、ファイル操作やMCP・API連携を通じて、税理士以外でも定型的な情報整理・下書き作成・データ処理などへ応用できます。実現できる範囲や効果は、対象業務、接続するサービス、権限設計、確認体制によって異なります。

Q. freee以外の会計ソフトでも同じことはできますか？

この事例ではfreeeのAPIを使っています。他の会計ソフトでも、APIの公開範囲・権限・利用規約が条件を満たせば、類似の自動化を検討できます。ただし、実現できる処理や安全な運用方法は製品ごとに異なります。

Q. AIに経理を任せてミスは起きないのですか？

ミスや誤判定がゼロになることはありません。この事例では、キーワード辞書、信頼度スコアによる人間確認フラグ、重複チェック、7種類の除外ルールを組み合わせています。それでも、税務判断と最終確認は必ず資格者・担当者が行う必要があります。

Q. 自分でこのような仕組みを作るにはどうすればいいですか？

まずは小さく始めることをおすすめします。いきなり全業務を自動化しようとするのではなく、「最も繰り返しが多い1つの業務」をAIに任せてみることから始めてください。メールの下書き、データ整理、定型資料の作成など、毎日やっている単純作業が最初の一歩に最適です。AIクローン構築の詳しい方法は、無料ウェビナーでお伝えしています。

まとめ

AIクローンに「業務の型」を移植する具体的な方法に興味がある方は、ウェビナーで詳しくお伝えしています。