【2026年最新】Claude Code Subagent 業務活用完全ガイド｜並列で3-6倍速をプロンプト10本で
結論:Claude Code の Subagent(Task tool)を使えば、独立した複数タスクを並列実行できて、エンジニア・経理・マーケ・営業・人事の主要業務が「実時間ベースで3-6倍速」になります。本記事は .claude/agents/{name}.md の設計から、コピペで使える起動プロンプト10本、5職種別の並列活用パターン、失敗例まで実装目線で全公開します。
この記事の要点:
- 要点1:Subagent は
.claude/agents/配下の Markdown 1ファイルで定義できる独立サブエージェント。メインの会話履歴を汚染せず、専用ツール権限・専用システムプロンプトで動く - 要点2:並列起動は「単一メッセージ内で複数の Task tool 呼び出し」または「Bash の
run_in_background=true」の2系統。3-6本までが実用ライン - 要点3:Agent Teams(ベータ機能)は環境依存で動かない場合があり、安定運用には Subagent が現状の正解(2026-05時点)
対象読者:Claude Code を業務で使うエンジニア・テックリード・情シス、AI導入を進める企業の現場リーダー
読了後にできること:今日中に1つの Subagent を .claude/agents/ 配下に書いて、Task tool で起動して並列実行を1本走らせる
「Claude Code、便利なんだけど1個ずつ順番にやらせるの遅くないですか…?」
先日、ある受託開発会社さんの社内勉強会で、リードエンジニアの方からこんな相談を受けました。Claude Code 自体は3ヶ月前から導入していて、コード生成・リファクタ・ドキュメント書きまで広く活用しているんだけど、「複数のリポジトリを横断して同時に調査する」「PRレビューと実装を並列でやる」みたいな並列処理ができていない、と。
話を聞いてみると、Claude Code の Subagent(.claude/agents/ で定義する独立サブエージェント) をまだ使っていなかったんですね。Task tool で並列起動できることを知らなかった。これは「もったいない」レベルじゃなく、Claude Code の本領を半分以下しか引き出せていない状態です。
この記事では、Subagent の定義ファイルの書き方から、コピペで使える起動プロンプト10本、5職種別の並列活用パターン、Agent Teams との使い分け、失敗パターンまで全公開します。受託開発・SaaS・士業の3シナリオで具体例も出しますので、今日中に1本走らせるイメージで読んでください。
AIエージェントの基本概念や導入ステップ全体については、AIエージェント導入完全ガイドで体系的にまとめています。本記事はその「Claude Code 実装編」として位置づけてもらえれば。
Subagent とは何か — メインエージェント・Agent Teams との違い
1. メインエージェントとの違い
Claude Code を使うとき、普段あなたが対話しているのは「メインエージェント」です。会話履歴を全部覚えていて、過去のコンテキストを引き継ぎながら作業してくれます。
これに対して Subagent は「独立した会話履歴と、独立したシステムプロンプトを持つ別人格」です。メインエージェントが Task tool を呼び出すと、その瞬間に Subagent が起動して、与えられたタスクだけを実行し、結果をメインに返してきます。Subagent の会話履歴はメイン側には残りません。
これがめちゃくちゃ重要で、要するに 「メインのコンテキストウィンドウを圧迫せずに、別の重い作業を並列で回せる」 ということなんです。コードベース全体を grep して読み込むような調査タスクって、それだけでコンテキストを5万トークン以上食ったりするんですが、Subagent に任せれば結果(数百トークン)だけ受け取れる。
2. Agent Teams との違い
Anthropic は Agent Teams というベータ機能も提供していますが、これは2026-05時点で 環境依存で安定動作しないケースが多いです。実際、私の Mac(Opus 4.7 + Claude Code)でも複数回起動に失敗しました。
そのため、本番業務で並列処理を回したい場合は、Agent Teams ではなく Subagent(Task tool)を使うのが現状の正解です。Subagent は全環境で安定動作しますし、効果もほぼ同じです。Agent Teams は実験機能として置いておき、業務フローには組み込まない、というのが私の運用方針です。
3. Subagent の3つの特徴
- 独立したコンテキスト:メイン会話を汚染しない。長時間の調査タスクを切り離せる
- 専用システムプロンプト:「お前はコードレビュー専門家だ」のように役割固定できる
- 限定ツール権限:Read のみ、Bash 禁止、など使えるツールを絞れる(セキュリティ面で重要)
事例区分: 想定シナリオ
以下は100社以上のAI研修・コンサル経験をもとに構成した典型的なシナリオです。実在の特定企業の事例ではありません。
.claude/agents/{name}.md ファイル構造解説
Subagent はプロジェクトルートの .claude/agents/ ディレクトリに Markdown ファイルとして定義します。ファイル名がそのまま Subagent の識別子になります(例: code-reviewer.md → code-reviewer)。
基本構造
---
name: code-reviewer
description: PR や差分のコードレビュー専門家。セキュリティ・パフォーマンス・可読性の3観点で指摘する。
tools: Read, Grep, Glob, Bash
---
# Code Reviewer Agent
あなたはシニアエンジニアとしてコードレビューを担当します。
## レビュー観点
1. セキュリティ:SQL インジェクション、XSS、ハードコード機密値
2. パフォーマンス:N+1 クエリ、不要なループ、メモリリーク
3. 可読性:命名、関数長、ネスト深さ
## 出力フォーマット
- 重大度: CRITICAL / HIGH / MEDIUM / LOW
- 該当ファイル:行番号
- 問題の説明
- 修正案(コード片)
## 制約
- 推測でなく、コードに書かれた事実のみ指摘する
- 修正案は最小差分で提示する
frontmatter の3要素
- name:識別子。半角英数とハイフンのみ。これでメインから呼び出す
- description:メインエージェントが「いつこの Subagent を呼ぶか」を判断するためのトリガー説明
- tools:使えるツールを列挙(省略すると全ツール使える)。セキュリティ重視なら Read/Grep だけに絞る
ボディ部分の書き方
frontmatter の下が、その Subagent のシステムプロンプトになります。書き方のコツは3つ:
- 役割を1行で断言「あなたは○○の専門家です」と最初に固定
- 観点・手順をリスト化箇条書きで構造化(本文ベタ書きNG)
- 出力フォーマットを明示JSON / Markdown table / 箇条書きなど、形を決め打ち
システムプロンプトは長くても2,000トークン以内に抑えるのが目安です。長すぎると Subagent 自体の動作が遅くなります。
並列起動の仕組み — Task tool と run_in_background
方式1:Task tool での並列呼び出し
Claude Code の標準機能です。メインエージェントが 1つのメッセージ内で複数の Task tool を呼び出す と、それらが並列実行されます。各 Task が独立した Subagent インスタンスを起動し、結果を返してから次の処理に進みます。
具体的には、メインに以下のように指示します。
「以下の3タスクを並列で実行してください:
1. code-reviewer agent に PR #123 の差分レビューを依頼
2. test-writer agent に PR #123 のテストケース追加を依頼
3. doc-updater agent に PR #123 関連ドキュメント更新を依頼
すべて完了したら結果を統合してください。」
これでメインエージェントが内部的に3本の Task tool を並列で投げて、3本同時に Subagent が動きます。実時間で言うと、シングル実行なら15分かかる作業が5分前後で終わる感覚です。
方式2:Bash の run_in_background=true
Subagent ではなく Bash コマンドを非同期で走らせる方式です。Claude Code の Bash tool には run_in_background オプションがあり、これを true にすると、コマンドが裏側で動き続けます。
用途としては 「長時間走るビルドやテストを走らせながら、別の作業を進める」 ケースに最適です。たとえば npm run build を background で走らせて、その間にコードレビューを別 Subagent に頼む、みたいな組み合わせができます。
並列度の実用ライン
Subagent の並列度は 3〜6本が実用ライン です。これを超えると以下の問題が出ます。
- API レートリミット(Anthropic Claude API の concurrent request 上限)に引っかかる
- 各 Subagent の出力をメインが統合しきれず、コンテキスト圧迫
- コスト爆発(後述)
3本までは安心、4-6本で「やや攻めた構成」、7本以上は明確に過剰、と覚えておけばOKです。
5職種別並列活用パターン
パターン1:エンジニア(レビュー × 実装 × テスト の3並列)
受託開発の現場で一番効きます。PR 1本に対して、レビュー専門 Subagent・実装サポート Subagent・テスト生成 Subagent を同時に走らせる構成です。
想定効果:従来 PR 1本に1時間かかっていたものが、20分前後で完了するイメージ。シングル実行なら逐次で60分のところ、並列で実時間が圧縮される。
具体的なファイル設計はこの後の「プロンプト10本」セクションで全部出しますが、要点は 「各 Subagent の権限を分ける」 こと。レビュー Subagent は Read/Grep だけ、実装 Subagent は Read/Write/Edit、テスト Subagent は Read/Write/Bash(test 実行)に絞ります。
パターン2:経理(請求書OCR × 仕分け × 異常検知 の3並列)
月次の経理処理を Subagent 並列で回す構成です。注意:このパターンは Claude Code のファイル操作ツールとローカル LLM/OCR API を組み合わせる必要があり、純粋な Subagent だけでは完結しません。 Subagent はあくまで「並列処理の制御役」として位置づけます。
- Subagent A:領収書PDFをディレクトリから読み込み、OCRツール(別途構築)を呼んで構造化
- Subagent B:構造化済みデータを勘定科目に仕分け(ルールベース + LLM判定)
- Subagent C:過去6ヶ月との差分を見て異常な金額・取引先を検知
シングルでやると1請求書あたり1〜2分、月100枚なら150〜200分かかる想定。並列3本で実時間50〜70分に短縮できる試算です(私の顧問先での実測ベース、後述の「コスト試算」参照)。
パターン3:マーケ(競合分析 × コピー量産 × 効果検証 の3並列)
マーケチームで Subagent を使う典型例です。新規キャンペーン立ち上げ時に、以下の3本を同時走行させます。
- Subagent A:競合5社のLPを WebFetch で取得して比較分析
- Subagent B:キャンペーン用コピーを3案ずつ生成(キャッチコピー・サブコピー・CTA)
- Subagent C:過去のキャンペーンログを読み込んで、今回提案コピーの想定CTR試算
従来「競合調査1日 → コピー作成1日 → 検証半日」と2.5日かかっていた工程が、Subagent 並列で半日〜1日に圧縮できる構成です。
パターン4:営業(リサーチ × 提案書 × フォロー文 の3並列)
1社の商談前準備を Subagent 並列で全部やる構成です。
- Subagent A:対象企業の公開情報を WebSearch で集めて、業界課題・組織体制・直近ニュースを整理
- Subagent B:整理された情報をもとに、提案書のドラフトを生成(社のテンプレに沿った骨子)
- Subagent C:商談後のフォローメール3パターン(刺さった場合・微妙だった場合・反応薄かった場合)を事前生成
1社あたり従来3-4時間かかっていた商談前準備が、1時間前後に圧縮できます。営業1人で1日5商談こなせるようになる、という効果が出やすい職種です。
パターン5:人事(求人原稿 × スカウト × 面接質問 の3並列)
新規ポジションを開けたタイミングで一気に並列実行する構成です。
- Subagent A:ポジション情報から求人原稿を3パターン(訴求軸違い)生成
- Subagent B:LinkedIn / Wantedly 等のプロフィール例を読み込んで、スカウト文面を10通分ドラフト
- Subagent C:ポジションに必要なコンピテンシーをリスト化して、面接質問を技術・カルチャー・モチベの3カテゴリで20問生成
従来1ポジション立ち上げに3日かかっていたのが、半日〜1日に圧縮できる構成です。中小企業の人事1人体制でも回せるようになります。
コピペで使える起動プロンプト10本
ここから本記事の核です。.claude/agents/ 配下のファイル定義 + メインからの起動プロンプトをセットで10本出します。すべてコピペでそのまま使えます。
プロンプト1:コードレビュー Subagent(エンジニア向け)
ファイル:.claude/agents/code-reviewer.md
---
name: code-reviewer
description: PR や差分のコードレビューを行う。セキュリティ・パフォーマンス・可読性の3観点で指摘。
tools: Read, Grep, Glob, Bash
---
あなたはシニアエンジニアです。差分や指定されたファイルを読んで、以下の3観点で指摘してください。
## 観点
1. セキュリティ:SQL インジェクション、XSS、ハードコード機密値、認証バイパス
2. パフォーマンス:N+1 クエリ、不要なループ、メモリリーク
3. 可読性:命名、関数長(50行超は警告)、ネスト深さ(4超は警告)
## 出力フォーマット
| 重大度 | ファイル:行 | 問題 | 修正案 |
|--------|-------------|------|--------|
重大度は CRITICAL / HIGH / MEDIUM / LOW の4段階。
推測でなく、コードに書かれた事実だけ指摘してください。
起動プロンプト(メインで打つ):
code-reviewer agent を Task tool で起動して、src/api/payment.ts のレビューを依頼してください。
プロンプト2:テスト生成 Subagent(エンジニア向け)
ファイル:.claude/agents/test-writer.md
---
name: test-writer
description: 指定されたファイル・関数のテストケースを生成する。境界値・異常系を網羅。
tools: Read, Write, Edit, Bash
---
あなたはテスト駆動開発のエキスパートです。
## ルール
- 正常系・境界値・異常系を必ず含める
- モックは最小限(本質的に外部依存のもののみ)
- テストフレームワークは対象プロジェクトの既存設定に合わせる
- カバレッジ80%以上を目標
## 出力
- 既存テストファイルを Read で確認
- 同じスタイル・命名規則でテスト追加
- 追加後、テストランナーを Bash で実行して通ることを確認
起動プロンプト:
test-writer agent を Task tool で起動して、src/api/payment.ts の processPayment 関数に対するテストを追加してください。
プロンプト3:ドキュメント更新 Subagent(エンジニア向け)
ファイル:.claude/agents/doc-updater.md
---
name: doc-updater
description: コード変更に伴う README・API ドキュメント・CHANGELOG を更新する。
tools: Read, Write, Edit, Grep, Glob
---
あなたはテクニカルライターです。
## 更新対象
- README.md(機能追加・破壊的変更があれば反映)
- docs/api/ 配下(API 変更があれば反映)
- CHANGELOG.md(セマンティックバージョニングに従って追記)
## ルール
- 既存の文体・トーンを踏襲する
- 破壊的変更には ⚠️ マークを付ける
- バージョン番号は package.json を読んで判断
起動プロンプト:
doc-updater agent を Task tool で起動して、PR #123 のコード変更に基づきドキュメントを更新してください。
プロンプト4:仕訳支援 Subagent(経理向け)
ファイル:.claude/agents/journal-helper.md
---
name: journal-helper
description: 領収書・請求書データを勘定科目に仕分ける。仕訳ルールに沿って判定。
tools: Read, Write, Edit, Glob
---
あなたは経理担当者です。
## 入力
- data/transactions/ 配下のCSVまたはJSON(取引先・金額・日付・備考)
## ルール
- 弊社の勘定科目マスタ(rules/accounts.md)に従う
- 不明・判定保留は「要確認」フラグを立てる
- 5万円超の交際費・接待費は別途警告
## 出力
- output/journal_YYYYMMDD.csv(借方・貸方・摘要)
- output/review_required.csv(要確認分のみ)
起動プロンプト:
journal-helper agent を Task tool で起動して、data/transactions/2026-05.csv を仕訳してください。
プロンプト5:異常検知 Subagent(経理向け)
ファイル:.claude/agents/anomaly-detector.md
---
name: anomaly-detector
description: 過去取引データと比較して、金額・取引先・頻度の異常を検知する。
tools: Read, Bash, Glob
---
あなたは内部監査担当です。
## 検知ルール
1. 同一取引先で前月比 ±50% 超の金額変動
2. 過去6ヶ月に取引のない新規取引先で10万円超
3. 月末・期末に集中する不自然な仕訳
## 入力
- data/journal/ 配下の過去6ヶ月分CSV
- 直近月の仕訳データ(指示で指定)
## 出力
- output/anomalies.md(検知件数・該当取引・推定リスク)
- リスクレベル: HIGH / MEDIUM / LOW
起動プロンプト:
anomaly-detector agent を Task tool で起動して、2026年5月分の仕訳に異常がないかチェックしてください。
プロンプト6:競合分析 Subagent(マーケ向け)
ファイル:.claude/agents/competitor-analyzer.md
---
name: competitor-analyzer
description: 競合企業のLP・プロダクト・価格を WebFetch で取得し、比較分析する。
tools: WebFetch, WebSearch, Write
---
あなたは競合戦略アナリストです。
## 分析観点
1. 訴求軸(誰に・何を・どう伝えているか)
2. 価格設計(プラン構成・割引・無料枠)
3. 機能差分(主要3-5機能)
4. CTAの強度
## 入力
- 競合のURL(複数可)
## 出力
- output/competitor_analysis.md
- 比較テーブル + 自社が取るべきポジション提案
起動プロンプト:
competitor-analyzer agent を Task tool で起動して、以下5社のLPを比較分析してください:
[URL1], [URL2], [URL3], [URL4], [URL5]
プロンプト7:コピー量産 Subagent(マーケ向け)
ファイル:.claude/agents/copy-generator.md
---
name: copy-generator
description: キャンペーン・LP・広告用のコピーを訴求軸別に3パターンずつ生成する。
tools: Read, Write
---
あなたはコピーライターです。
## 入力
- ターゲット(誰に)
- 商品・サービス(何を)
- 訴求軸(どう伝えるか:時間/コスト/品質/安心 等)
## 出力
- キャッチコピー 3案(15-25文字)
- サブコピー 3案(40-60文字)
- CTA 3案(10-15文字)
- 各案に「想定する読者の心の声」を1行で
## 禁止
- 「革命的」「画期的」など中身のない強調語
- 競合の悪口
- 数字の根拠なき断言
起動プロンプト:
copy-generator agent を Task tool で起動して、新規SaaS「[サービス名]」のLP用コピーを訴求軸「時間削減」で生成してください。ターゲットは中小企業の業務管理担当者です。
プロンプト8:商談前リサーチ Subagent(営業向け)
ファイル:.claude/agents/sales-researcher.md
---
name: sales-researcher
description: 商談前に対象企業の公開情報を集約し、業界課題・組織体制・直近ニュースを整理する。
tools: WebSearch, WebFetch, Write
---
あなたはエンタープライズ営業担当です。
## リサーチ観点
1. 企業概要(売上規模・従業員数・主要事業)
2. 業界課題(直近1年の業界全体トレンド)
3. 組織体制(関連部門の責任者・経歴があれば)
4. 直近ニュース(直近3ヶ月のプレスリリース・報道)
5. 想定する刺さりポイント(自社サービスとの接点)
## 出力
- output/sales_brief_[会社名].md
- 商談1時間前に5分で目を通せる長さ(1500字以内)
起動プロンプト:
sales-researcher agent を Task tool で起動して、株式会社[会社名]の商談前リサーチを実施してください。商談日時は[日時]、こちらが提案するのは[サービス名]です。
プロンプト9:求人原稿生成 Subagent(人事向け)
ファイル:.claude/agents/job-posting-writer.md
---
name: job-posting-writer
description: ポジション情報から求人原稿を訴求軸別に3パターン生成する。
tools: Read, Write
---
あなたは採用担当です。
## 入力
- ポジション名・部門・主な業務
- 必須要件・歓迎要件
- 給与レンジ(任意)
- 自社の魅力ポイント
## 出力(3パターン)
- パターンA:成長機会訴求版
- パターンB:報酬・待遇訴求版
- パターンC:カルチャー・働き方訴求版
各パターンに「想定する応募者像」を1段落で添えてください。
## 禁止
- 性別・年齢・国籍を限定する表現
- 「アットホーム」「やりがい」などの空疎ワード
起動プロンプト:
job-posting-writer agent を Task tool で起動して、「シニアバックエンドエンジニア」ポジションの求人原稿を3パターン生成してください。
必須:Python 5年以上、AWS実務経験。歓迎:Kubernetes、SRE経験。
プロンプト10:面接質問生成 Subagent(人事向け)
ファイル:.claude/agents/interview-questioner.md
---
name: interview-questioner
description: ポジションのコンピテンシーから面接質問を技術・カルチャー・モチベの3カテゴリで生成。
tools: Read, Write
---
あなたは採用面接官です。
## 入力
- ポジション名
- 必須コンピテンシー(3-5個)
## 出力(3カテゴリ × 各カテゴリ約7問、合計20-21問)
- 技術カテゴリ:過去のプロジェクトで実際にやったこと中心(STARメソッド)
- カルチャーカテゴリ:価値観・働き方の相性確認
- モチベカテゴリ:なぜ今この転職か・3年後どうなりたいか
## ルール
- イエス/ノーで終わる質問は避ける(オープン質問にする)
- 「あなたの強みは?」のような陳腐な質問を避ける
- 想定回答例も添える(評価のばらつき防止)
起動プロンプト:
interview-questioner agent を Task tool で起動して、「シニアバックエンドエンジニア」ポジションの面接質問を20問生成してください。
コンピテンシー: 技術的リーダーシップ、複雑系の設計力、メンタリング能力
10本を並列で組み合わせる例
たとえば「PR レビュー時に走らせる3本セット」なら、メインで以下のように指示します。
以下の3 Subagent を Task tool で並列起動してください:
1. code-reviewer agent: src/api/payment.ts のレビュー
2. test-writer agent: src/api/payment.ts の processPayment 関数のテスト追加
3. doc-updater agent: PR #123 関連ドキュメント更新
全完了後、結果をサマリ化してください。
これだけで、本来1時間かかる作業が20分前後で終わるはずです。
【要注意】よくある失敗パターン4つと回避策
失敗1:並列度が高すぎる
❌ よくある間違い:「7本でも10本でも並列で動かせばもっと速いんでしょ?」と Subagent を大量起動する
⭕ 正しいアプローチ:3〜6本までに抑える。それ以上は API レートリミット・コスト・統合不能の三重苦
なぜ重要か:Anthropic API には concurrent request の上限があり、7本以上同時起動すると一部が失敗 or 待機状態になります。実時間が短縮されないどころか、メインが結果を統合しきれずコンテキスト爆発します。「3本セット」をいくつかのパターンとして持っておく方が安定運用できます。
失敗2:Subagent のコンテキストが分離できていない
❌ よくある間違い:Subagent に「メイン会話の文脈を踏まえて…」と指示してしまう
⭕ 正しいアプローチ:Subagent は独立した別人格として扱い、必要な情報は起動プロンプトに全部書き込む
なぜ重要か:Subagent はメインの会話履歴を見ていません。「さっき決めた仕様で」「いつものスタイルで」のような曖昧な指示は通らず、Subagent が勝手に推測して動いてしまいます。これが「Subagent が暴走した」「想定外の動きをした」と言われる典型例です。起動プロンプトには必要十分な情報を毎回明示してください。
失敗3:複数 Subagent の出力を統合できない
❌ よくある間違い:各 Subagent に「自由なフォーマットで報告して」と任せる
⭕ 正しいアプローチ:Subagent 定義ファイルに 出力フォーマットを必ず明記 する(Markdown table / JSON / 箇条書きなど)
なぜ重要か:3本並列実行して帰ってきた結果が、それぞれバラバラのフォーマットだと、メインエージェントが統合に手間取り「結局メインが整形作業に時間を食う」状態になります。これでは並列の意味がほぼ消えます。Subagent 定義ファイルで出力形式を固定するのが鉄則です。
失敗4:コスト試算をせず本番運用に乗せる
❌ よくある間違い:「並列で速くなった!」だけ見て、月のAPIコスト試算をしない
⭕ 正しいアプローチ:Subagent 並列はシングル実行より トークン消費が3〜5倍に膨らむ ことを前提に試算する
なぜ重要か:Subagent 並列は、メインのトークン + 各 Subagent のトークン + 統合処理のトークン、を合計するため、シングル実行の3-5倍のAPI消費になります。「速くなったけど月コストが10万円超えた」というケースを実際に複数見ています。本番運用前に必ず1日試算してください(具体的な数字は次のセクション)。
コスト試算 — 並列3本 vs シングル実行
具体的な数字で見てみます。前提:Anthropic Claude Sonnet 4.6 API、1リクエストあたり平均入力5,000 token / 出力2,000 token と仮定。価格は2026-05時点の Anthropic 公式表(入力 $3/MTok、出力 $15/MTok)に基づきます。
シナリオ1:エンジニア PR レビュー(週20本)
- シングル実行:1本あたり 5,000 in + 2,000 out = $0.045。週20本で 約$0.9(月$3.6)
- 並列3本:メイン($0.045) + Subagent3本($0.135) + 統合($0.045) = $0.225/本。週20本で 約$4.5(月$18)
コスト5倍、実時間1/3。エンジニア1人あたり週10時間以上削減できるなら、人件費換算で十分回収できる試算です。
シナリオ2:経理 月次処理(月100枚仕訳)
- シングル実行:1枚あたり 3,000 in + 1,000 out = $0.024。月100枚で 約$2.4
- 並列3本:1枚あたり $0.12。月100枚で 約$12
コスト5倍、月次処理時間が3時間 → 1時間に圧縮されるなら、経理担当者の月2時間がマーケや戦略業務に振り向けられます。
シナリオ3:営業 商談前準備(月30商談)
- シングル実行:1商談あたり 8,000 in + 3,000 out = $0.069。月30商談で 約$2.1
- 並列3本:1商談あたり $0.345。月30商談で 約$10
営業1人で月8万円以上の売上向上が見込めれば、確実に元が取れる試算です。
コスト試算のキモ
共通して言えるのは、「並列のコスト増分は微々たるもの、効果の方が圧倒的に大きい」 ということです。月数千円〜数万円のAPI増分で、人件費換算で数十万円分の時間が浮きます。ただし、これは 「Subagent を適切に使った場合」 の話。失敗パターン4で書いた通り、無計画に7本以上並列起動すると一気にコスト爆発するので、必ず月次でコストモニタリングしてください。
3シナリオ別:具体的な導入イメージ
シナリオA:受託開発会社(エンジニア20人規模)
導入対象:PR レビュー・実装・テスト・ドキュメント更新の4本パイプライン
想定効果:エンジニア1人あたり週10時間削減、月160時間 × 20人 = 3,200時間/月の余剰。これを新規案件の受注 or 既存案件の品質向上に振り向ける。
導入ステップ:
- 1人のリードエンジニアが
.claude/agents/配下に4本の Subagent ファイルを作る(本記事のプロンプト1-3 + 独自1本) - 1週間そのリードが試運用、効果と問題を洗い出す
- 2週目に5人に展開、3週目に全員展開
シナリオB:SaaS スタートアップ(マーケ3人 + エンジニア5人)
導入対象:競合分析 × コピー量産 × 効果検証の3本パイプライン
想定効果:新規キャンペーン1本あたりの立ち上げ時間が2.5日 → 0.5日に短縮。月のキャンペーン本数が2-3本 → 8-10本に増える。
導入ステップ:
- マーケリーダーが本記事のプロンプト6-7 + 独自の「効果検証 Subagent」を作る
- 初回キャンペーンで効果測定、ABテストで従来手法との比較
- 効果確認後、全マーケ業務に展開
シナリオC:士業事務所(社労士・税理士、5-10人規模)
導入対象:書類作成・チェック・クライアント対応文の3本パイプライン
想定効果:1案件あたりの作業時間が30% 短縮。事務所全体で月50-100時間の余剰、これを新規顧問先獲得 or 単価アップ提案に振り向ける。
導入ステップ:
- 所長 + 1名のチーフが
.claude/agents/配下に「書類ドラフト Subagent」「チェック Subagent」「クライアント文面 Subagent」を作る - 1ヶ月試運用、案件別の効果データを集める
- 所員全体に展開、書類テンプレ・チェック観点を Subagent ファイルに集約
事例区分: 想定シナリオ
上記3シナリオは100社以上のAI研修・コンサル経験をもとに構成した典型的な導入イメージです。特定の実在企業の事例ではありません。
Agent Teams が動かない時は Subagent を使う
Anthropic は2026年に入ってから Agent Teams というベータ機能を提供しており、これは複数の Claude を「チーム」として並列起動できる、より強力な仕組みです。コンセプトとしては Subagent の上位互換と言えます。
ただ、現実問題として Agent Teams は環境依存で動作が不安定です。私の手元の Mac(Opus 4.7 + Claude Code)でも複数回起動に失敗しましたし、知人のエンジニアからも「動いたり動かなかったり」という報告を多数受けています。
そのため、業務フローに組み込んで本番運用するのは、現状では Subagent(Task tool)一択です。Agent Teams は 「将来の選択肢として様子見」 という位置づけが現実的だと思います。Anthropic 公式が安定版をリリースしたタイミングで、改めて評価すればよいでしょう。
この方針は私の Mac 上の Claude Code 設定にも明示的に書いており(~/.claude/rules/agent-teams.md の消極ポリシー)、教材や記事でも Subagent を主役にしています。Agent Teams を強く推す情報源を見かけたら、現時点では話半分で聞いておく方が安全です。
ChatGPT 系ツールを業務で使う場合の比較や、よりベーシックな AI 業務活用の全体像については、ChatGPTビジネス活用完全ガイドも参考にしてください。また Anthropic の上限緩和・容量拡張の最新動向は Anthropic × SpaceX Colossus 提携と Claude 上限の最新動向でも詳しく整理しています。
セキュリティと運用ルール
Subagent を本番業務に組み込む際の、最低限のセキュリティ・運用ルールをまとめます。
1. tools 権限を最小化する
frontmatter の tools 欄で、その Subagent に必要なツールだけに絞ります。レビュー専門なら Read/Grep のみ、書き込み禁止。これだけで「Subagent が暴走してファイルを書き換える」事故を防げます。
2. 機密情報を Subagent 起動プロンプトに直書きしない
API キー・パスワード・個人情報は .env や環境変数経由でアクセスさせます。Subagent の起動プロンプトに直書きすると、ログに残るリスクがあります。
3. 本番ディレクトリで初回テストしない
新規 Subagent は必ずサンドボックス or ステージング環境で1週間以上試運用してから本番投入します。「テストで動いたから本番でも動く」は危険。本番データには想定外のエッジケースが多いです。
4. 定期的にコストモニタリング
Anthropic コンソールで月次の API 利用量を必ず確認します。Subagent 並列を始めて1ヶ月後に「思ったよりコストが膨らんでいた」というケースが多いので、最初の1-2ヶ月は週次で見るのが安心です。
まとめ:今日から始める3つのアクション
- 今日やること:本記事のプロンプト1(code-reviewer)を
.claude/agents/code-reviewer.mdとしてコピペ作成し、直近の自分の PR で起動して結果を見る - 今週中:自職種に該当するプロンプト3本セットを Subagent 化し、1業務ぶんを並列実行してみる(エンジニアならパターン1、マーケならパターン3、など)
- 今月中:Anthropic コンソールで API コスト推移を確認し、Subagent 導入前と比較して費用対効果を数値化する
次回予告:次の記事では「Claude Code MCP サーバー自作完全ガイド」をテーマに、社内データベース・社内APIを Claude Code から直接叩けるようにする実装手順を解説します。
参考・出典
- Claude Code Overview — Anthropic Claude Code Documentation(参照日:2026-05-25)
- Claude Code SDK — Anthropic Claude Code SDK Documentation(参照日:2026-05-25)
- Anthropic Engineering Blog — Anthropic Engineering(参照日:2026-05-25)
- Claude API Overview — Anthropic API Documentation(参照日:2026-05-25)
- claude-code(GitHub) — Anthropic 公式 OSS リポジトリ(参照日:2026-05-25)
あわせて読みたい:
- ChatGPTビジネス活用完全ガイド — 業務AI活用の全体像
- Anthropic × SpaceX Colossus 提携と Claude 上限の最新動向 — Claude のキャパシティ拡大方向性
著者:佐藤傑(さとう・すぐる)
株式会社Uravation代表取締役。X(@SuguruKun_ai)フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』(SBクリエイティブ)。
SoftBank IT連載7回執筆(NewsPicks最大1,125ピックス)。
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。
