AIハーネスとは｜ハーネスエンジニアリングをBtoBマーケ運用に当てはめる設計と運用規約

AIハーネスとは、AIエージェントが仕事を続けられるように、指示書・使える道具・権限・点検・記録をひとまとめにした仕組みです。この記事では、開発の分野で使われてきたこの考え方を、BtoBマーケティングの運用に当てはめた形（当社は「AIマーケティングハーネス」と呼んでいます）を説明します。

「ChatGPTは全員使っています。でも、マーケティングの成果は変わっていません」という相談は、生成AIの導入が一巡したいまもよく伺います。原因はAIの性能ではなく、AIが働く環境が整っていないことにある、というのがこの記事の立場です。当社が自社のマーケ運用で使っている規約や手順書の構成も、短い抜粋つきで公開します。

AIハーネスとは何ですか？

ハーネス（harness）は、もともと馬具や手綱、配線の束を指す言葉です。力の強いものに手綱をつけ、行き先と動ける範囲を決めて、仕事に使えるようにする道具です。

AIの分野では、AIエージェント（指示を受けて、道具を使いながら作業を最後まで進めるAI）を動かす周りの仕組みを指して使われます。AIの開発元であるAnthropicも、長時間働くエージェントのために、進み具合を書いたファイルやGitの記録を残させる仕組みを「ハーネス」と呼んで解説しています（Effective harnesses for long-running agents｜Anthropic）。

開発の文脈では、コードを書くエージェントの環境づくりの話が中心です。ただ、データを読み、施策の案を作り、承認されたものを実行し、結果を記録するマーケ運用でも、AIに仕事を続けさせるには同じ手綱が要ります。

プロンプト・コンテキスト・ハーネスは何が違うのか？

AI活用の設計は、何を設計するかで3段に分けると整理しやすくなります。

段階	設計するもの	うまくいかなかったとき、何が残るか
プロンプト	1回の指示の書き方	その場の会話だけ。次の人は同じ失敗をする
コンテキスト	AIに読ませる材料（資料・過去の会話・データ）	材料は残るが、手順や点検は人の頭の中
ハーネス	AIが働き続ける環境全体（規約・手順・道具・権限・点検・記録）	規約や手順書の直しとして残り、次から同じ失敗を防げる

ハーネスエンジニアリングとコンテキストエンジニアリングの違いを聞かれたら、「コンテキストはハーネスの部品の一つ」と答えるのが分かりやすいと思います。材料を揃えるだけでなく、何をしてよいか、終わったら何を確かめるか、どこに記録するかまで決めるのがハーネスです。

なぜ「点のAI活用」ではBtoBマーケの成果が変わらないのか

担当者がそれぞれChatGPTやClaudeで作業を速くしている状態を、当社は「点のAI活用」と呼んでいます。点のAI活用が行き詰まる理由は、主に3つあります。

作業は速くなっても、業務の流れ全体の詰まりが残る

当社の支援先の一社では、顧客インタビューの録画から記事を作る作業（文字起こし、原稿、サイトへの掲載）が手作業で、その作業をインサイドセールスの担当者が兼ねていました。メンバーはそれぞれAIを使っていましたが、一部の作業が速くなっても、流れ全体の詰まりは解けませんでした。記事づくりに時間を取られると、営業の活動量が減ります。工数の問題は、放っておくと売上に直結する問題に変わります。

外注や担当の交代のたびに、知見がなくなる

もう一つは属人化です。広告運用を外部に任せている会社では、施策の判断の理由が自社に残りにくくなります。なぜこの訴求にしたのか、前回何を試してうまくいかなかったのか。こうした経緯は担当者や外部パートナーの頭の中にしか残らず、体制が変わるたびに失われます。

会議で全員が違うデータを見ている

役員や現場が別々のスプレッドシートやツールの画面を見て会議に出ると、議論がかみ合いません。AIに分析させるにも「どのデータを読ませるか」から毎回始めることになります。

この記事では、AIで運用を回す側の仕組みに絞ります。

マーケ運用のハーネスを組む5つの部品

当社のマーケ運用のハーネスは、次の5つの部品でできています。抜粋は当社の作業環境（リポジトリと記憶ファイル）から数行ずつ取り、お客様名や設定値は伏せ字（＊＊）にしています。

1. 規約ファイル——AIと人が同じルールを読む

規約ファイルは、AIが作業を始める前に必ず読むルール集です。Claude Code では CLAUDE.md という名前のファイルがよく使われます。当社は、決まったことを1行ずつの索引にした記憶ファイル（MEMORY.md）を作業のたびに読み込ませ、詳しい経緯は1件ずつ別のファイルに置いています。

- [GSC/GA4はAPI経由のみ](….md) — 画面操作は禁止・取得手順のスキルを使う
- [AI検索の表現ルール](….md) — お客様向けの販促物で「AI検索に実績あり」と断定しない
- [＊＊様の匿名化ルール](….md) — 対外資料で社名を出さない。「＊＊業のA社」と書く

ポイントは、人が口頭で決めたことを、その日のうちに1行にすることです。翌日のAIは前日の会話を覚えていませんが、この1行は読みます。

2. 手順書（スキル）——同じ品質で繰り返す

スキルは、繰り返す仕事の手順書です。記事の制作なら「ネタ出し→SEO設計→執筆→内容点検→内部リンク→挿絵→公開→公開後の点検」のように工程を並べ、工程ごとに次へ進んでよい条件（関門）を書きます。

### 3. 執筆
- 書かない：お客様の社名と個人名、お客様の数字、AI検索の断定、成果の保証
- 関門：node scripts/check-drafts.mjs drafts/etika drafts/crmss

手順書があると、担当が替わっても、AIを並べて何本も同時に進めても、同じ工程を通ります。

3. 道具と権限——AIが触れる範囲を決める

AIが使う道具は、Search Console・GA4・広告・CRM・メール配信などのAPIです。大事なのは、権限を絞ることです。当社では、たとえばメール配信は「下書きの作成まで」、広告は「停止状態での入稿まで」にしています。APIキーは環境変数に置き、リポジトリには書きません。

4. 点検——hooks・点検スクリプト・承認台帳

点検には3つの置き方があります。

• hooks：AIが道具を使う前後に、決まった処理を必ず走らせる仕組み。当社では今のところ通知に使う程度で、品質の点検はここに置いていません
• 点検スクリプト：手順書の関門で呼び出す。たとえば下書きの機械点検は、匿名化漏れ・メールアドレス・長い数字（IDの疑い）・決まり文句を探します
• 承認台帳：人の判断を受ける置き場。詳しくは承認台帳の作り方にまとめています

// 顧客の社名・ブランド（案件フォルダ名と既知の表記）。匿名化漏れの検出用
const NAMES = ["＊＊＊", "＊＊＊", /* … */];
if (/＊＊|＊＊|必ず(上位|表示|引用)/.test(text)) issues.push("NG表現"); // 決まり文句と断定表現

hooks に点検を置くと漏れはなくなりますが、作業のたびに止まるので、試しながら育てている段階では手順書の関門で呼ぶほうが扱いやすいと感じています。何をhooksに移すかは、関門で同じ指摘が何度も出たものから決めるのが現実的です。

5. 記録——Gitに差分で残す

最後が記録です。データ、レポート、取得スクリプト、手順書、規約を、Gitリポジトリ（変更の履歴を残せるファイルの置き場）にまとめます。次の節で詳しく書きます。

5つの部品の上で、5ステップのループを回す

部品が揃うと、その上で次のループを回せます（冒頭の図）。かっこ内は、主に使う部品です。

1. データ取り込み：Search Console、GA4、広告、CRM・MA、商談の文字起こしなどをAPIで取得し、リポジトリに保存する（道具と権限）
2. AIによる分析：リポジトリを読み、異常の発見、示唆、施策の下書き（広告の配分案、メール文面、記事案など）まで作る（規約・手順書）
3. 人の判断：週次の定例（30〜60分）や承認台帳で、施策案の採否を人が決める（点検）
4. 施策の実行：採用された施策をAPIで反映する。送信・公開・入稿の最後のボタンは人が押す（道具と権限）
5. 結果の記録：実行した内容と結果を差分としてリポジトリに書き戻す（記録）

要は5番目です。多くのAI活用は2番の分析・生成で止まり、報告書で終わります。実行の結果が記録として戻り、次の分析の前提になって初めて、施策のたびに精度が上がる仕組みになります。

なぜGitリポジトリを司令塔にするのか

ハーネスの中心には、GitHubなどのGitリポジトリを置きます。BIツールやスプレッドシートではなくGitを選ぶ理由は3つです。

「なぜやったか」が残る

BIツールやスプレッドシートが持てるのは「いまの状態」です。Gitは、いつ・誰が・何を根拠に・何を変えたかを差分（コミット）として残します。「3か月前になぜこの訴求に変えたのか」が消えないので、担当が替わっても施策の経緯がなくなりません。

過去の施策と結果が、そのままAIの材料になる

「過去の施策と結果を踏まえて、次の打ち手を提案して」という依頼が、一度の指示で成り立ちます。ツールの画面に散らばったデータでは、これができません。

数字の出どころを追える

取得スクリプトごとリポジトリで管理するので、レポートのどの数字も「どのAPIから、いつ、どの条件で取ったか」をさかのぼれます。出どころのあいまいな報告資料がなくなります。

非エンジニアのチームで回すための運用規約

仕組みだけ作っても、運用のルールがないと崩れます。当社が構築のときに必ずセットで決める規約は次の4点です。

• main は常に「正」：リポジトリの本流（main）には確定した情報だけを置く。守るルールを一つに絞ると、非エンジニアでも崩れにくい
• 承認はプルリクエストで：メール文面も広告の配分案も、AIが作った案を変更の提案として出し、上長の承認を経て確定する。承認と変更履歴の管理が一つになる
• 規約はAIにも人にも同じものを読ませる：前の節の規約ファイルを、人も読む
• 秘匿情報は分ける：APIキーは環境変数、顧客リストは非公開リポジトリに置き、アクセス権を設計する

あわせて、人が承認する線を決めます。当社が使っている目安は「取り消せないか」「社外に出るか」「お金が動くか」の3つで、どれかに当たる操作はAIに最後まで持たせません。メール配信で下書きはAI、送信は人と決めた経緯はメルマガ作成をAIに任せる範囲に書いています。施策ごとの線の引き方はマーケにAIエージェントを導入するときの任せる範囲で表にしています。

運用の主体はお客様の側に置きます。当社が構築を支援するときも、各ツールのアクセス権はお客様が持ったまま、お客様のアカウントで組みます。支援会社に権限を集めないことが、内製化と手離れの前提です。

当社のハーネスで回している作業の例

当社は、このハーネスで自社のマーケ運用を回しています。主な作業は次のとおりです。

• ブログ記事の制作と公開：ネタ出しから公開後の点検まで、前述の手順書で回しています。量産した記事が検索エンジンに登録されていなかったことに後から気づき、公開後の点検を工程に加えました（AIで作った記事がインデックスされない原因）。挿絵も手順書に沿って生成と検品をしています（記事の挿絵をAIで作る手順）
• メール配信の下書き：配信ツールのAPIで下書きまで作り、宛先の確認と送信は人が行います
• 広告の入稿：停止状態で入稿し、配信の開始は人が判断します
• 改修案や記事案の承認：AIが作った案を台帳に並べ、担当者が1画面で承認・差し戻しをします

作業ごとの記録と、人が確かめている点はClaude Codeでマーケ運用を回した活用事例にまとめています。

AIハーネスの限界は？向く会社・向かない会社

導入の判断を誤らないために、当社が提案書に書いている限界をそのまま挙げます。

• リアルタイムの運用には向かない：分単位の入札調整は広告媒体の機能に任せる領域です。ハーネスは日次〜週次の分析と判断を受け持ちます
• 動画やデザインなどの制作物は苦手：リポジトリで扱うのはリンクと説明までで、制作物そのものの管理は別の仕組みと併用します
• 最初は学習の手間がかかる：Gitの考え方には慣れが要ります。日本語で指示し、記録はAIが作る形で軽くできますが、ゼロにはなりません
• 広告の画像の品質は、AI単体では足りない：画像生成のAIを組み合わせた手順が別に要ります

そのうえで、向くかどうかは次の3条件で判断できます。

向いている会社：すでにマーケ予算を使っていて、施策の量がある。意思決定する人が週次の定例に出られる。CRMなどデータの置き場がある。この3つが揃うなら、点のAI活用から仕組みとしてのAI運用に移ることで、施策の速さと判断の質が変わります。

まだ早い会社：施策の量が少ない、定例の時間が取れない、データの置き場がない。この場合は、先に計測と施策の土台づくりから始めるほうが投資に見合います。AIハーネスで回したときの画面は、体験デモ（無料）で先にご覧いただけます。外注・業務委託・採用とAI化を費用と向き不向きで比べた全体像はマーケティングの外注・業務委託・代行は、AI化で置き換えられるかにあります。

進め方の型——3か月で構築し、伴走を経て自社で回す

当社の支援は、おおむね次の3段階で設計しています。

1. 構築期（約3か月）：要件と設計、APIの接続と検証、実データでの運用開始と使い方の説明
2. 伴走期（約3か月）：週次の定例で施策の採否と運用を回しながら、質問への対応と調整を支援
3. 自走：以降はお客様のチームが自社で運用。作ったものはすべてお客様の資産として残る

ゴールは支援の継続ではなく手離れです。生成AIの利用料はお客様とAIの提供元との直接契約にし、支援会社を通さない形をおすすめしています（費用を見えやすくし、支援会社への依存を避けるため）。

ハーネスの構築と運用の定着を支援するサービスはマーケ担当AIエージェント（直接運用型）、コマンド操作が難しい組織向けはマーケ担当AIエージェント（Webアプリ型）です。全体はマーケ担当AIエージェントにまとめています。

まとめ：AIハーネスを組む前のチェックリスト

• AIに守らせたい決まりごと（匿名化、表現、使ってよい道具）が、1行ずつ文章になっているか
• 繰り返す仕事の手順と、次へ進む条件（関門）が手順書になっているか
• AIが触れるAPIの権限が「下書きまで」「停止状態まで」のように絞られているか
• 取り消せない・社外に出る・お金が動く操作を、人が最後に押す形になっているか
• 施策の経緯と結果が、差分としてリポジトリに戻る流れになっているか
• 週次で施策の採否を決める人と時間が確保できているか

AIハーネスは、AIの能力を上げる道具ではなく、AIが働ける環境を整える設計です。プロンプトの工夫が個人の技で終わるのに対し、ハーネスは失敗のたびに規約と点検が1行ずつ増え、組織の資産として残ります。

よくある質問

AIハーネスとハーネスエンジニアリングは同じですか？

ほぼ同じものを指しています。ハーネスエンジニアリングは「AIエージェントが働く環境を設計すること」という行為の呼び名で、その結果できあがった仕組みがAIハーネスです。開発の分野で広まった言葉で、定義はまだ人によって揺れています。この記事では、マーケ運用に当てはめた形で説明しています。

Claude Codeがないとハーネスは作れませんか？

作れます。規約ファイル・手順書・道具の権限・点検・記録という考え方は、ほかのAIエージェントでも同じです。当社は Claude Code を中心に組み、画像の生成など一部の作業は別のAIを併用しています。道具よりも、規約と記録をリポジトリに置くことのほうが大事です。

AIマーケティングハーネスとMA（マーケティングオートメーション）は何が違いますか？

MAはメール配信やスコアリングなど「実行の自動化」を担うツールです。ハーネスはその上にある運用の仕組みで、MAや広告、CRM、アクセス解析のデータを一か所に集め、分析・施策案・実行・記録のループ全体を回します。MAを置き換えるのではなく、つなぎ先の一つとして使います。

エンジニアがいない会社でも運用できますか？

プログラミングの経験は必須ではありません。担当者が日本語で指示し、記録（コミット）はAIが作る形にできます。ただしコマンド操作やGitの考え方には慣れが要ります。そこに抵抗がある組織には、Webアプリの画面と月次の会議で回す形もあります。

導入すれば成果は保証されますか？

保証はできません。ハーネスは施策の速さと判断の質を上げるための仕組みで、成果は施策の中身と続け方で決まります。投資の判断は、自社の商談単価や受注単価に置き換えて「見込み客の獲得単価がどれだけ下がれば見合うか」を試算する形をおすすめします。