2024年の初め、うちの会社（社員2名のデジタルマーケティング支援会社）は、AI自動化に対して妙な焦りを感じていた。
クライアントには「業務効率化しましょう」と提案している立場なのに、自社の業務は手作業だらけ。GA4のレポートは毎週手動でスクショを撮って、Google Slidesに貼って、コメントを書いて。広告レポートも同じ。請求書の処理も、議事録の整理も。
「AI使えばいけるんじゃない？」
そう思ってから、実際に業務が回る仕組みができるまで、8ヶ月かかった。その間に試したツールは10以上。残ったのは3つだけ。
この記事では、少人数の会社がAI自動化に取り組むとき、何から始めて、何を捨てて、何が残るのかを書く。
ツール選びの沼にはまった3ヶ月
最初にやったのは、とにかく情報収集だった。
「中小企業 AI 自動化」で検索すると、出てくるのは判で押したような記事ばかり。「ChatGPTで議事録を要約」「RPAで請求書処理を自動化」「AIチャットボットで問い合わせ対応」。どれも間違ってはいない。でも、2人の会社には、どれもピンとこない。
理由は単純で、そもそも問い合わせが月に数件しかない会社にチャットボットは要らない。議事録の要約も、週2回の会議でわざわざ仕組みを作るほどの量じゃない。
ここで気づいたことがある。
AI自動化の記事の大半は、「ツールでできること」から始まっている。「自分の業務で繰り返していること」から始まっていない。
順番が逆なのだ。
「何を自動化するか」ではなく「何に時間を奪われているか」
ツール探しを一旦やめて、代わりにやったのは、自分の1週間の作業を全部書き出すことだった。
Notionに「作業ログ」というデータベースを作って、1週間、15分単位で何をしていたか記録した。地味な作業だが、これが一番効いた。
結果はこうだった。
| 作業カテゴリ | 週あたり時間 | 特徴 |
|---|---|---|
| レポート作成（GA4、広告） | 8時間 | 毎週同じ手順の繰り返し |
| データ収集・整形 | 5時間 | CSVダウンロード→加工→貼り付け |
| メール・チャット対応 | 6時間 | 自動化しづらい |
| 戦略立案・分析 | 8時間 | 人間がやるべき仕事 |
| 提案書・資料作成 | 5時間 | テンプレ化で短縮可能 |
| ツール設定・トラブル対応 | 3時間 | 自動化の「運用コスト」 |
見えてきたのは、「レポート作成」と「データ収集」で週13時間使っていること。月に換算すると約52時間。これが一番の自動化候補だった。
重要なのは「自動化できそうなもの」ではなく「自動化すべきもの」を選ぶことだ。判断基準は3つ。
- 頻度が高い（週1回以上）
- 手順が決まっている（毎回ほぼ同じ操作）
- 間違えると困る（手作業のヒューマンエラーが実害になる）
3つ全部に当てはまったのが、GA4のレポート作成と広告パフォーマンスの集計だった。
残った3つの仕組み
10以上のツールを試して残ったのは、以下の3つ。
仕組み1: n8nによるレポート自動生成
最初に試したのはZapier。使いやすいが、APIの呼び出し回数が増えると料金が跳ね上がる。月50ドルのプランでは足りず、月100ドル超えが見えた時点でやめた。
次に試したのがn8nというオープンソースのワークフロー自動化ツール。セルフホスト版なら無料、クラウド版でも月20ユーロから使える。
今はn8nで以下を自動化している。
- GA4のデータをAPIで取得 → Googleスプレッドシートに整形して書き込み → Chatworkに通知
- Google広告のパフォーマンスデータを日次で取得 → 前週比の異常値があればアラート
- Search Consoleのデータを取得 → 順位変動レポートを生成
これだけで週5〜6時間が浮いた。
n8nの詳しい設定方法は「GA4レポートをn8nで自動化した全手順」で書いているので、具体的なワークフローの組み方を知りたい方はそちらを参照してほしい。
ここで伝えたいのは設定の詳細ではなく、「なぜn8nを選んだか」の判断基準だ。
| 比較項目 | Zapier | Make | n8n |
|---|---|---|---|
| 月額コスト（うちの用途） | 約100ドル | 約30ドル | 20ユーロ（クラウド版） |
| APIの自由度 | 制限あり | まずまず | ほぼ制限なし |
| デバッグのしやすさ | ログが見づらい | 普通 | 実行ログが詳細 |
| 学習コスト | 低い | 中 | 中〜高 |
2人の会社では「月額コスト」と「APIの自由度」が最重要だった。大企業なら月100ドルは誤差だが、少人数の会社では固定費の重さが違う。そしてGA4やGoogle AdsのAPIを自由に叩けないと、結局手作業が残る。
仕組み2: AIによる定型文の下書き生成
広告文のバリエーション作成、レポートのコメント記入、提案書の骨子作成。これらに共通するのは「ゼロから書くのは大変だが、たたき台があれば速い」ということ。
最初はChatGPTのWeb版をコピペで使っていた。が、毎回プロンプトを書くのが面倒で、2週間で使わなくなった。
結局定着したのは、Claude Codeをターミナルから使う方法だった。プロジェクトごとに指示書（CLAUDE.mdファイル）を置いておくと、文脈を毎回説明しなくていい。
たとえば広告レポートのコメントなら、データのCSVを渡して「前週比で異常値にコメントを書いて」と言えば、過去の書き方を踏まえた下書きが出てくる。それを人間が確認・修正して完成させる。
ポイントは「AIに完成品を求めない」ことだ。下書きの精度は70〜80%程度で、毎回人間の手直しが入る。それでも、ゼロから書くのと比べて1件あたり15〜20分の短縮になる。週に10件のコメントを書くなら、それだけで週2.5〜3時間の節約だ。
仕組み3: データ収集の自動パイプライン
3つ目は、複数のデータソースから情報を自動収集する仕組み。
うちの場合、クライアントごとにGA4、Google Ads、Search Console、Clarityのデータを見る。これを毎朝手動で開いてチェックしていた時代は、それだけで1時間以上かかっていた。
今はn8nのスケジュール実行で、毎朝7時に主要指標を取得してスプレッドシートに書き込んでいる。出社したら（在宅だけど）スプレッドシートを見るだけで全クライアントの状況がわかる。
異常値があれば自動でChatworkに通知が飛ぶので、問題の発見も速くなった。以前は「あ、先週CPAが跳ね上がってたのに気づかなかった」ということがあったが、今はほぼリアルタイムで把握できる。
自動化して「増えた」もの
3つの仕組みで浮いた時間は、合計で週10時間前後。月に換算すると約40時間。
ただ、「40時間が浮いたから40時間分ラクになった」かと言うと、そうでもない。浮いた時間の大半は、戦略立案やクライアントとのコミュニケーションに充てている。
これは意外と大事な話で、自動化の本当の効果は「時間が浮くこと」ではなく「頭を使うべき仕事に集中できること」だった。
レポート作成に追われていた頃は、金曜日の午後に「あ、来週のレポートまだ作ってない」と焦りながら機械的に数字を並べていた。今は「この数値の変動は何が原因か？次に何を提案すべきか？」を考える時間がある。
よくある失敗パターン（うちもやった）
自動化で失敗した経験も書いておく。
1. 全部一気にやろうとした
最初の1ヶ月で5つのワークフローを同時に作ろうとして、どれも中途半端になった。結局、1つずつ完成させて動作確認してから次に進むのが一番速い。
2. 完璧を求めすぎた
「エラーハンドリングを完璧にしてから本番投入しよう」と思って3週間作り込んだワークフローがある。結果、本番で一度も起きないエラーへの対策に時間を使っていた。まずは動かして、壊れたら直す方が効率的だ。
3. 自動化の「運用コスト」を甘く見た
APIの仕様変更、認証トークンの期限切れ、データ形式の変更。自動化した仕組みは、放置すると止まる。週に1〜2時間は「自動化した仕組みのメンテナンス」に時間を取っている。これは最初の見積もりにはなかった。
始めるなら、この順番で
ここまで読んで「じゃあ何から手をつければいいのか」と思った方向け。
第1週: 作業ログをつける
1週間、自分の作業を15分単位で記録する。ツールはNotionでもスプレッドシートでもメモ帳でもいい。目的は「自分が何に時間を使っているか」を可視化すること。感覚と実態はだいたいズレている。
第2〜3週: 自動化候補を1つ選ぶ
作業ログから「頻度が高い」「手順が決まっている」「間違えると困る」の3条件に合う作業を1つ選ぶ。1つだけ。
第4〜6週: 1つの仕組みを完成させる
選んだ作業を自動化する。ツールは何でもいい。n8nでもZapierでもGASでも。大事なのは「1つを確実に動かす」こと。
第7週以降: 効果を測って、次を決める
自動化した仕組みが1ヶ月安定して動いたら、浮いた時間を計算する。効果が出ていれば次の候補に取り組む。出ていなければ、仕組みの見直しか、自動化対象の選び直し。
このサイクルを繰り返して、うちは8ヶ月かけて今の3つの仕組みに辿り着いた。
中小企業の自動化は「選ぶ」より「捨てる」
AI自動化のツールは、今この瞬間にも増えている。来月には新しいサービスが出て、来年にはまた別の「革命的な」ツールが登場するだろう。
少人数の会社が全部を追いかけるのは無理だ。だから「何を使うか」より「何を使わないか」の方が大事になる。
うちが10個以上のツールから3つに絞れたのは、「自分たちの業務のどこに時間がかかっているか」を最初に把握したからだ。ツールの機能比較から入ると、「できること」が多すぎて判断できなくなる。
自分の業務を知ること。それが、AI自動化の最初の一歩であり、一番地味で、一番効く一手だ。
この記事の内容は、2人体制のデジタルマーケティング支援会社での実体験に基づいています。業種や規模によって最適な自動化の進め方は異なりますが、「作業ログから始める」アプローチは規模を問わず有効です。
あわせて読みたい
- GA4レポートをn8nで自動化した全手順 - 本記事の「仕組み1」の具体的な設定方法
- Google広告の予算最適化｜少額でも成果を出す運用術 - 広告運用の自動化と予算管理の実践
- SEO計測作業をAIで自動化する - データ収集パイプラインの応用例
