AIを使って自動化スクリプトを作る実践例
ケース概要
「毎日 30 分かかるデータ整形作業を自動化したい。でもプログラミングは苦手」という課題を、Claude Code で解決した事例です。
作業の課題
【毎日の作業】
1. CSV ファイルをダウンロード
2. データをチェック
3. フォーマットを修正
4. 別の CSV に出力
5. メール送付
時間：30 分/回
頻度：毎営業日（月 20 日）
月間：600 分 = 10 時間
年間：120 時間
解決策：自動化スクリプト
スクリプトの機能
1. CSV をダウンロード
2. データ品質チェック
3. フォーマット修正
4. 結果を出力
5. メール送信
開発プロセス
Step 1：要件定義（30 分）
Claude Code への指示：
「CSV 処理スクリプトを Python で作成
入力：input.csv
処理：
- 空行削除
- 日付フォーマット統一
- 価格の小数点修正
出力：output.csv」
Step 2：スクリプト実装（1-2 時間）
Claude Code が生成したコード例：
import pandas as pd
def clean_data(input_file, output_file):
df = pd.read_csv(input_file)
# 空行削除
df = df.dropna(how='all')
# 日付フォーマット統一
df['date'] = pd.to_datetime(df['date'])
# 小数点修正
df['price'] = df['price'].round(2)
df.to_csv(output_file, index=False)
Step 3：テスト（30 分）
□ サンプルデータで実行
□ 出力が正しいか確認
□ エラーハンドリング確認
Step 4：定期実行設定（30 分）
Windows タスクスケジューラで毎朝 8:00 に実行
または
cron ジョブで自動実行
合計：3-4 時間
効果測定
【自動化前】
月間：10 時間
年間：120 時間
【自動化後】
初期開発：4 時間
月間：0 時間（自動化）
年間削減：120 - 4 = 116 時間
効果：
時間削減：年 116 時間（9.7 日分）
ミス削減：100%（手動作業なし）
生産性向上：
その 120 時間を他の重要業務に充当
実装のコツ
コツ 1：小さく始める
❌ 全て自動化は困難：
「複数のデータソース」
「複雑な変換ロジック」
「複数のチェック項目」
✅ 推奨：
「最も手間な部分から」
↓
成功 → 次の部分に拡大
コツ 2：エラーハンドリング
Claude Code への指示：
「以下のエラーをハンドリング：
- ファイルが見つからない
- データ形式が違う
- 空の CSV
エラー時はメール通知」
コツ 3：ログ記録
スクリプトがいつ実行され、
何件のデータを処理し、
エラーが起きたかをログに記録
↓
問題が発生したときに原因を特定可能
よくある失敗
❌ 失敗1：エラーハンドリング不足
「正常系だけを実装」
↓
異常データが入ってくる
↓
スクリプトが止まる
↓
手動対応が必要
✅ 改善：エラーケースを想定
「正常系 + エラー系をテスト」
↓
自動化の価値が維持される
❌ 失敗2：定期実行の設定ミス
「スクリプトは完成」
「でも手動実行してた」
↓
効果が出ない
✅ 改善：確実に定期実行
「タスクスケジューラ設定まで含める」
↓
完全な自動化
チェックリスト
□ スクリプト完成
□ テスト実行：3 回以上
□ エラーハンドリング：複数パターン
□ ログ出力：確認可能
□ 定期実行設定：完了
□ ドキュメント：記述
□ 定期確認スケジュール：設定
すべて OK → 運用開始
まとめ
AI を活用した自動化スクリプト開発：
開発プロセス：
- 要件定義（AI サポート）
- スクリプト実装（AI）
- テスト（人間）
- 定期実行設定（人間）
効果：
- 年間 120 時間削減
- ミス率 100% 削減
- 人的リソース確保
Claude Codeで小さく実装を進める基本パターンと合わせることで、実用的な自動化が実現します。