Claude Code 営業提案書を非エンジニアが作る実装方法｜6人のAIチームで提案力を底上げ

営業部の佐藤さん（34歳）が深夜0時に提案書を開いたとき、画面には「課題→解決策→コスト→次のステップ」という骨格だけが並んでいた。Claude Code 営業提案書 非エンジニア 実装方法を検索しながら「AIに書かせてみたけど、なんか薄い」とつぶやいた。その感覚、正解だ。

問題は「AIに書かせた」ことではなく、「1人のAIに書かせた」ことにある。実際に調べてみると、Classmethod社の石川氏（営業職・非エンジニア）が実践したClaude Codeの使い方は、AIを複数の役割に分けて「チーム」として動かすという発想だった。加えて、コードは1行も書いていない、という点も重要だ。

この記事では、その実装方法を再現可能な手順に落とし込んで解説する。「AIに提案書を任せたら一般論しか出てこなかった」という経験がある人ほど、この構成が刺さるはずだ。

---

1. Claude Codeが営業提案書の作成で通常のClaudeより優れている3つの理由

「ChatGPTでも提案書は書けるし、Claude.aiでもできるのでは？」という疑問はもっともだ。ただし、Claude Codeには提案書作成に直結する3つの構造的な優位性がある。

1-1. ファイル操作・Git連携ができるからドキュメント管理が変わる

通常のClaude（Claude.ai）はチャット内で完結する。つまり、会話が終わればコンテキストが消え、次の提案書でゼロからやり直しだ。

一方でClaude Codeは、ローカルフォルダのファイルを読み書きできる。提案書のテンプレートをMarkdownで保存しておき、顧客情報ファイルを読み込ませて提案書を生成し、その結果をフォルダに出力する——というフローが自然言語の指示だけで動く。さらに、エージェント（役割を持つAI担当者）の定義ファイルもMarkdownで書けるため、コーディング不要で「チーム」を構成できる。

1-2. 役割定義（エージェント）の仕組みで視点の偏りを解消できる

1人のAIに「提案書を書いて」と頼むと、どの顧客にも使えそうな一般論が返ってくる。これは1人の人間が提案書を書くときと同じ弱点だ。要するに、視点が単一になる。

そこでClaude Codeのエージェント機能を使えば、「調査担当」「ライター」「批判的レビュアー」「編集長」といった役割ごとにAIを定義し、それぞれが順番に動く仕組みを作れる。コードは書かない。定義ファイル（Markdown）に「あなたは顧客の課題を整理する担当です」と書くだけで機能する。

1-3. CLAUDE.mdで「会社のルール」を永続的に読み込ませられる

フォルダのルートに置いたCLAUDE.mdというファイルは、Claude Codeが作業開始時に自動的に読み込む設定ファイルだ。ここに「提案書の構成ルール」「価格の表記ルール」「NGワード」などを書いておくと、毎回指示しなくてもルールが適用される。また、チームで使う場合も、このファイルを共有すれば表記ブレが起きない。

---

2. 営業提案書作成に必要な準備と導入手順（非エンジニア向け）

Claude Codeの非エンジニア向け実装方法として、まず環境構築から始める。ここを飛ばして「とりあえず使ってみる」と、後から詰まるポイントが多い。

2-1. 必要な環境とコスト（2026年8月時点）

※料金はAnthropicの公式サイトで最新情報を確認してください。利用量や契約プランによって変動します。

2-2. Claude Desktopインストール〜初期設定の4ステップ

2-3. 提案書作成用フォルダ構成の設計

フォルダ設計が後のワークフローの品質を決める。実際に試してみると、最初にこの構成を作っておくかどうかで作業効率が大きく変わった。

proposal-project/
├── CLAUDE.md          ← AIが最初に読むルールファイル
├── agents/            ← AIエージェントの定義ファイル置き場
│   ├── researcher.md  ← 調査担当の定義
│   ├── writer.md      ← ライターの定義
│   ├── critic.md      ← 批判的レビュアーの定義
│   └── editor.md      ← 編集長の定義
├── customers/         ← 顧客情報ファイル置き場
│   └── sample-corp.md ← 顧客情報（ヒアリング内容等）
├── templates/         ← 提案書テンプレート置き場
└── output/            ← 生成された提案書の保存先

---

3. 提案書を「6人のAIチーム」で制作する実践フロー

いきなり6人のチームを作る必要はない。Classmethod社の石川氏も「まず3人チームから始めた」と語っている。そのため、ここでは3人→6人への拡張プロセスを含めて説明する。

3-1. 最小構成の3人チームと役割分担

まず動かすのは以下の3役だ。

各定義ファイルはMarkdownで書く。たとえばresearcher.mdはこんな内容だ。

# 調査担当エージェント

あなたは営業提案書の調査担当です。
以下の手順で顧客情報を整理してください。

1. customers/フォルダの顧客情報ファイルを読み込む
2. 顧客の「課題」「意思決定者の関心事」「リスク要因」を箇条書きで整理する
3. 整理結果をoutput/research-[顧客名].mdに保存する
4. 完了後、次のステップ（ライター）に引き渡す旨を報告する

このように「何をして」「どこに保存して」「次に何を伝えるか」を書くだけで動く。プログラミングは一切不要だ。

3-2. 3人→6人への拡張：「批判者」が品質を変える

3人チームで作った提案書は「課題→解決策→コスト→次のステップ」という骨格は整う。ただし「この提案で顧客の心が動くか？」という問いには答えられない場合が多い。

そこで追加する役割が「批判的レビュアー（Critic）」だ。定義ファイルに「この提案の弱点はどこか、顧客が反論するとしたら何を言うかを列挙してください」と書くだけで、提案書の穴を指摘してくれる。実際に、石川氏も「批判者を1体足すだけでかなり変わる」と述べている。

残りの拡張要員は以下のとおりだ。

---

4. 営業提案書のテンプレート化と指示書（CLAUDE.md）の作成ノウハウ

Claude Codeを使った非エンジニア向け実装方法の核心は、CLAUDE.mdの設計にある。ここが甘いと、毎回AIへの指示をやり直すことになる。

4-1. CLAUDE.mdで提案書作成ルールを統一する

CLAUDE.mdに書くべき内容は大きく3種類だ。

4-2. 顧客理解×プロダクト理解×課題感の3層構造

調査担当エージェントが整理する情報は、3つの層に分けて構造化すると提案書の深みが変わる。

たとえばClassmethod社の石川氏が用意した架空顧客「株式会社イシカワカンパニー」のケースでは、「3年前にPoCが頓挫した」「管理部長は従量課金に不安がある」という情報が、AIチームの提案内容を一段階深くさせる要因になっていた。つまり、業務知識がなければAIチームも動けない——という指摘は的確だ。

4-3. 「TCO比較」「PoCリスク対策」の自動組み込み

CLAUDE.mdにこう書くだけで、AIが提案書に自動で組み込む。

## 費用セクションのルール
- 初期費用・月額費用・運用費用の3年間TCOを必ず表形式で示す
- 既存システムとの比較列を追加する
- 過去のPoC失敗事例がある顧客には「PoC段階のリスク軽減策」を別項目で追記する

---

5. 実践的な営業提案書の成功事例と出力形式

実際にClaude Codeで作られた提案書がどうだったか、参考事例をもとに具体的に解説する。

5-1. 法務チーム・営業企画チームの活用例

参考元の記事（Classmethod・DevelopersIO、2025年公開）では、営業職の非エンジニアが実際にClaude Codeを使い、架空企業への提案書を複数パターン生成した。3人チームの段階では「流れはあるが刺さらない」提案書だったのが、批判的レビュアーと編集長を追加した6人チームでは、意思決定者ごとの関心事（社長はコストと信頼性、管理部長は従量課金のリスク、情シスは工数）に応じた表現に自動で調整された提案書が出力された。

また、法務チームでの活用では、契約書レビューとのセット提案書を作るケースで、CLAUDE.mdに「法的リスク項目は必ず専門家確認を促す注記を入れること」と書くことで、コンプライアンス上の問題を回避しながら活用しているケースもある。

5-2. 「ビジネスサイド特有の壁」への対処法

実際に調べてみると、エンジニアではない営業・企画職がClaude Codeを使い始めるときに詰まるポイントは共通している。

5-3. PowerPoint化・PDF出力・Web資料への展開

Claude Codeが出力するのは基本的にMarkdown形式のテキストファイルだ。そこからの展開方法は以下の3パターンが現実的だ。

---

6. 非エンジニアが陥りやすい失敗と対策

Claude Codeを使った営業提案書の非エンジニア向け実装方法において、最もよくある失敗パターンを整理しておく。

6-1. AIに「いきなり書かせない」仕組みの重要性

「提案書を書いて」と1行だけ指示すると、前述のとおり一般論しか出てこない。これは指示の問題ではなく、情報の問題だ。AIチームが深い提案を出せるかどうかは、事前に用意する顧客情報の質で8割が決まる。

そのため、具体的には以下を顧客情報ファイルに書いてからAIチームを動かすこと。

6-2. 独立レビュー体制とイテレーション管理

AIチームが出した提案書を「そのまま使う」のは危険だ。特に価格・実績・保証の記載は、AIが「それらしい数字」を生成してしまうリスクがある。

対策として有効なのが「イテレーション番号の管理」だ。output/フォルダにv1、v2、v3とバージョンを残し、どの時点でどんな指示を加えたかをCLAUDE.mdのログに記録しておく。さらに、チームで使う場合はGitでCLAUDE.mdと定義ファイルをバージョン管理すると変更履歴が追えて安全だ。

---

7. FAQ：Claude Codeで営業提案書を作るときのよくある質問

Q1. 提案書の作成に何時間かかるのか？

初回（環境構築＋エージェント定義）は2〜3時間かかると思っておいてほしい。ただし2回目以降は、顧客情報ファイルを更新してAIチームを起動するだけなので30〜60分に短縮できる。Classmethod社のケースでも「一番時間をかけたのはAIチームの構築ではなく、顧客設定を練る作業」と述べており、ヒアリングの質が全体の工数を左右する。

Q2. ChatGPTではなくClaude Codeである必要性は？

ChatGPTのGPT-4oでも提案書の生成は可能だ。しかし、ファイル操作によるドキュメント管理、エージェント間の連携フロー、CLAUDE.mdによる永続的なルール管理はClaude Code特有の機能だ。「1回限りの提案書生成」ならChatGPTでも十分だが、「チームで繰り返し使える仕組み」を作るならClaude Codeのほうが向いている。

Q3. 顧客・プロダクト情報をどう安全に管理するか？

Claude Codeはローカルのファイルを操作するため、情報はAnthropicのサーバーに送信されることを前提として理解しておく必要がある。そのため、機密情報の扱いは社内のAI活用ポリシーに従うこと。実名が使えない場合は顧客コード（customer-A、customer-B）で管理し、実名マッピング表は別管理にする方法が現実的だ。なお、Anthropicの利用規約とプライバシーポリシーの最新版も必ず確認してほしい。

---

8. まとめ：「作りたい提案書」を「確度高く作れる」仕組みに変える

Claude Codeを使った営業提案書の非エンジニア実装方法をまとめると、核心は「AIを1人で使わない」という発想の転換だ。役割を分けて、情報を構造化して、批判的な視点を組み込む——これは人間のチームレビューと同じ考え方をAIで再現したに過ぎない。

コードは1行も書かなくていい。必要なのは「顧客の課題を深く理解するヒアリング力」と「AIへの指示を後輩への業務マニュアルとして書く能力」だ。どちらも、営業職がすでに持っているスキルである。

まず今日できるステップとして、次の3つを試してほしい。

Claude Codeに興味を持ったら、まず公式サイトで料金プランと利用条件を確認してほしい。[AF:Claude Code:Claude Codeの公式サイトで料金と機能を確認する]

---

あなたの状況別・次のアクション