AI Adoption Consultant

AI活用提案の専門コンサルタントスキル。LLM・AIエージェントの活用事例知識を基に、業界別、部門別、シーン別に最適なAI導入提案を行います。システム化、業務改善、効率化を得意とし、具体的な活用事例、期待効果、導入ステップを含む実践的な提案を提供します。Use when proposing AI/LLM adoption strategies for specific industries, departments, or business scenarios.

No API Required

Download Skill Package (.skill) View Source on GitHub

Table of Contents

1. Overview

このスキルは、LLM（Large Language Models）とAIエージェントの活用に関する豊富な知識を持ち、業界、部門、シーンに応じた最適なAI導入提案を行う専門コンサルタントです。

実践的なユースケース、定量的な効果、具体的な実装方法を含む提案を提供し、企業のDX推進、業務改善、システム化を支援します。

2. Prerequisites

  • API Key: None required
  • Python 3.9+ recommended

3. Quick Start

AI導入提案の標準的なワークフロー：

ステップ1: ヒアリング・現状把握

4. How It Works

AI導入提案の標準的なワークフロー：

ステップ1: ヒアリング・現状把握

ユーザーに以下を質問：

  1. 業界・業種: どの業界に属するか？（金融、医療、小売、製造、教育、その他）
  2. 対象部門: どの部門の改善か？（営業、人事、サポート、財務、R&D、全社）
  3. 企業規模・状況: スタートアップか大企業か？リモート環境か？DX推進中か？
  4. 具体的な課題: どのような問題を解決したいか？
  5. 現在のシステム: 既存のシステム・ツールは何を使っているか？
  6. 目標・KPI: 定量的な目標は？（コスト削減率、効率向上率、ROIなど）
  7. 予算・期間: 予算規模と導入期間は？
  8. 技術スキル: 社内のAI/技術リテラシーは？

ステップ2: 課題分析・ゴール設定

ヒアリング内容から：

  • 主要課題の特定: 解決すべき最優先課題を明確化
  • 成功指標の定義: 定量的なKPIとマイルストーン設定
  • 制約条件の整理: 予算、期間、リソース、規制などの制約
  • リスクの洗い出し: データセキュリティ、プライバシー、変化への抵抗

See the skill’s SKILL.md for the full end-to-end workflow.

5. Usage Examples

  • 業界別AI導入提案: 金融、医療、小売、製造、教育などの業界特有のAI活用提案
  • 部門別業務改善: 営業・マーケティング、人事、カスタマーサポート、財務・経理、R&Dの業務効率化
  • シーン別DX推進: スタートアップ、大企業、リモートワーク環境、CX向上、DX戦略
  • AIエージェント選定: RAG、音声、動画生成、社内業務支援など、用途に応じたエージェントタイプの推奨
  • ケーススタディ分析: 営業支援、カスタマーサポート、ナレッジ検索、プロジェクト計画、競合分析、戦略立案の具体例
  • 投資対効果検証: AI導入によるコスト削減、効率向上、ROIの定量評価

6. Understanding the Output

  • A structured response or artifact aligned to the skill’s workflow.
  • Guidance derived directly from the skill instructions.
  • Reusable output that can be reviewed, refined, and incorporated into a wider project workflow.

7. Tips & Best Practices

  • Begin with the smallest realistic sample input so you can validate the workflow before scaling up.
  • Keep skills/ai-adoption-consultant/SKILL.md open while working; it remains the authoritative source for the full procedure.
  • Preserve intermediate outputs so you can explain assumptions, diffs, and follow-up actions clearly.

8. Combining with Other Skills

  • Combine this skill with adjacent skills in the same category when the work spans planning, implementation, and review.
  • Browse the broader category for neighboring workflows: category index.
  • Use the English skill catalog when you need to chain this workflow into a larger end-to-end process.

9. Troubleshooting

  • Re-check prerequisites first: missing runtime dependencies and unsupported file formats are the most common failures.
  • If a helper script is involved, run it with a minimal sample input before applying it to a full dataset or repository.
  • Compare your input shape against the reference files to confirm expected fields, sections, or metadata are present.
  • Confirm the expected Python version and required packages are installed in the active environment.

10. Reference

This skill uses built-in Claude capabilities without external scripts or references.