AIメモリ構築代行サービス「PLai Memory Build」

メモリを整えれば、
AI社員が動き出す。

社内資料・議事録・判断基準が散らばったら
「AIが読める」会社の基盤へ。

サービス紹介資料

判断基準・業務ルール

AI社員 / Skill 起動辞書

01

株式会社PLaiについて

About Company

2

会社概要

小さなチームで大きな仕事をするため、会社の知識をAIが扱える形に整えます。

会社名	株式会社PLai
所在地	東京都台東区上野3丁目20-7 GYOTOC ONE 5階
代表	代表取締役CEO 市岡直人
設立	2026年2月19日
事業	AIメモリ設計 / AI社員構築 / AI活用教育 / マーケティング支援

AIメモリ設計社内知識をAIが読める構造へ

AI社員構築営業・マーケ・財務などのAIロールを設計

伴走・研修担当者が追加・更新できる状態まで支援

アウトプット制作資料・LP・X・LINEなど実務へ接続

01自社運用HP・SNS・資料・開発までAIで回す

02構造化会社知識をAIが迷わず読める配置へ

03AI社員化営業・マーケ・管理の実務ロールを作る

04移植PLaiの運用型をクライアントへ展開

3

Reference 04PLaiが考えるAI活用

AIで結果を出せる会社だけが、
次の標準になる。

研修やツール契約ではなく、会社の知識がAIへ届く仕組みをつくる。

TrainingToolsCompany Memory

4

AI活用は、会社OSの設計です

単発研修や個別ツールではなく、会社の知識・業務フロー・判断基準をAIが読める基盤へ。

Reference 12 / Architecture

個別のAI活用ではなく、会社全体のOSを先に作る。

AI社員が読む前提、出力形式、承認条件、更新ルールを同じ場所に集約します。

KnowledgeRulesAI EmployeesOutputs

Company OS

01Knowledge会社情報・商品・顧客対応・価格・判断基準

02Rules参照順・NG・承認条件・成果物テンプレ

03AI Employees営業・マーケ・管理・開発・CSのAI社員

04OutputsHP・営業資料・X・LINE・議事録・請求書

5

PLaiは、すでにAIで事業を回している

HP・SNS・資料・動画・請求書まで、AI社員が実務で作る運用を自社で回しています。

Reference 40 / Proof

AIを語る会社ではなく、AIで成果物を作り、公開し、売上につなげる会社。

PLai自身の実務設計を、そのままクライアント企業へ移植します。

1.5億円+少人数での事業成果AI社員を前提に制作・運用を圧縮

16万+総フォロワー15アカウント / 2026年7月30日時点

25,0003週間の増加投稿生成・検証・配信のAI運用

15Xアカウント運用人格・専門領域ごとにAIで管理

HPSNS営業資料動画請求書開発

6

PLaiがAIで回している業務領域

営業・マーケ・開発・管理がつながるから、業務をまたいだアウトプットが作れます。

Reference 34 / Value Chain 会社メモリを中心に、
全業務を1本の事業フローとしてつなぐ

Company Memory

HP制作サイト設計、構成、実装、更新

営業資料商談前提、価格、事例を反映

X運用投稿生成、品質検証、予約配信

LINE/メルマガ導線、配信文、ステップ設計

営業リストターゲット選定、整理、優先度付け

顧客返信FAQ、契約条件、トーンを参照

開発仕様、実装、検証、改善ログ

管理/経理請求、支払条件、社内確認

セミナー企画、台本、告知、資料

会員サイト教材、導線、運用ルール

議事録決定事項、TODO、判断基準化

採用/教育要件、教材、チェックシート

営業で得た前提をマーケへ、HPの訴求を資料へ、顧客対応をFAQへ。1つの基盤で横断活用します。

7

AI研修だけでは、AI活用は定着しない

AIができる人は勝手に進み、できない人には知見が残らない。研修だけでは、会社全体の実務品質は上がりません。

01できる人だけが
使う

AIが得意な社員は自走するが、暗黙知は個人に閉じる。

02できない人に
残らない

研修後も、前提説明・プロンプト・修正が本人任せになる。

03成果が
やる気に依存

社員の力量とモチベーションでアウトプット品質が揺れる。

AIを「使える人のスキル」に留める限り、会社の仕組みにはならない

8

個人の努力に任せる限り、仕組みではない

高品質なアウトプットを全員が出すには、個人のプロンプト力ではなく、共通のナレッジ基盤が必要です。

Before

人に任せるAI活用

前提説明が毎回違い、プロンプトが属人化し、修正理由が蓄積しない。

品質が担当者で変わる

Company Memory 仕組み化

After

基盤で回すAI活用

会社の前提をAIが読み、出力形式が固定され、修正がルールへ戻る。

誰でも標準品質に近づく

個人プロンプト共通ナレッジ基盤実務アウトプット

9

SaaSのナレッジ管理だけでは、中長期で崩壊する

構造のない情報をただ貯めるだけでは、やがてAIも人も読めなくなります。

Reference 12 / Collapse Diagnosis

01構造がない何をどこに置くかが曖昧なまま増える

02検索前提になるAIが読む順番や優先度が固定されない

03更新が崩れる古い情報、新しい情報、例外条件が混ざる

04継続しない担当者が変わると運用ルールごと消える

SaaSの箱に入れるだけでは、AIが使える会社知識にはならない

10

複数のAIツール契約は、会社の知識を分断する

営業AI、財務AI、マーケAIを別々に契約しても、事業内容のナレッジがつながらなければ実務成果にはつながりません。

営業AI商談・提案商品情報が古い

財務AI請求・支払営業条件を知らない

マーケAILP・投稿顧客反応が届かない

開発AI仕様・改善販売現場を知らない

同じ事業ナレッジがない

必要なのは「AIツールの数」ではなく、全業務が参照する1つの会社メモリ

11

必要なのは、ローカルに残る共通ナレッジ基盤

ナレッジが社内に残り、すぐ更新でき、AIが最も読みやすいファイル構造で管理される状態へ。

社内に残るSaaSの箱ではなく、自社の資産として管理

すぐ更新できる担当者が追加・修正・差し替えできる

AIが読みやすい参照順、命名、粒度、ルールを固定

崩壊しにくいファイル構造で中長期の運用に耐える

12

社員はプロンプトを書かなくていい

やりたいことを言えば、AI社員が会社メモリを読み、必要なルールとテンプレを呼び出して高品質なたたき台を作ります。

01やりたいことを言う営業資料を作って、返信案を作って、LPを直して

02AI社員が会社メモリを読む商品情報、価格、FAQ、過去成果物、判断基準

03成果物として返す会社の前提を踏まえた高品質なアウトプット

プロンプト力ではなく、会社側のメモリ設計で品質を出す

13

1つの基盤で、業務をまたいだアウトプットを作る

ホームページの内容を営業資料へ、営業現場の反応をマーケへ、顧客対応をFAQへ。知識がつながるほどAI社員は強くなります。

Company Memory

HP情報訴求・実績・FAQ

営業資料商談前提・価格・事例

X / LINE投稿・配信・導線

顧客返信問い合わせ・反論・契約条件

営業リストターゲット・優先順位

開発/改善現場要望・仕様・検証

14

結果を出している会社が、導入を支援する

PLaiはAIを導入するだけではなく、AIで実務を回し、公開物を作り、成果につなげてきた会社です。

ただAIと言っているだけの導入

ツールを契約する。研修をする。プロンプト集を渡す。けれど、現場の成果物と売上に接続しない。

Result: 実務で使われない

PLaiのナレッジ構築

会社の知識を整え、AI社員が読み、成果物に変え、改善ログを次回品質へ戻す。

Result: 事業成果へ接続する

15

02

PLaiが提供する2つの代行サービス

Service Portfolio

16

2つの事業の全体像

まず会社の知識を整え、必要な業務からAI社員を育てる。PLaiはこの2フェーズで、AI活用を実務へ接続します。

Phase 1 / Base

社内向け
ナレッジ構築代行

会社の知識・業務フロー・判断基準・顧客対応・商品情報を、AI社員が学習・参照できる基盤へ整理します。

Phase 2 / Spot

AI社員育成
代行サービス

構築したナレッジをもとに、特定業務を任せられるAI社員へ、役割・プロンプト・対応ルール・出力形式を設計します。

17

Phase 1 / Phase 2 の進め方

ナレッジ構築を土台にし、必要な業務からAI社員をスポットで育てていく設計です。

01Phase 1

ナレッジ構築

会社情報、資料、議事録、判断基準、顧客対応、商品情報をAI社員が読める状態へ。

550万〜600万円

土台ができる

02Phase 2

AI社員育成

業務ごとに、役割・プロンプト・対応ルール・成果物テンプレを作り込み、使いながら改善。

必要な業務から育成

Phase 2は「必要な業務から順番に」育成する設計

18

Phase 1｜社内向けナレッジ構築代行サービス

AI社員が動く土台として、会社の知識を読みやすく・更新しやすく・参照しやすい基盤へ。

Base Service

ナレッジが整うと、
AI社員の前提が揃う

毎回AIへ同じ説明をするのではなく、AIが会社のメモリを読んでから回答・制作・判断補助を行う状態を作ります。

対象会社の知識、業務フロー、判断基準、顧客対応、商品情報

19

Phase 1で整理するもの

AI社員が参照する情報を、バラバラの資料から「使えるナレッジ」へ棚卸しします。

会社の知識

会社概要、事業、価格、契約条件、ブランド方針

業務フロー

営業、マーケ、管理、CSなどの手順と分岐

判断基準

OK/NG、優先順位、承認条件、検収条件

顧客対応

FAQ、返信方針、過去問い合わせ、トーン

商品情報

サービス説明、プラン、提供範囲、追加支援範囲

過去成果物

提案書、LP、LINE、X、議事録、チェックリスト

ポイント人間の頭の中にある前提も、AIが読める形に落とし込む

20

Phase 1の成果物

AI社員が迷わず読める構造と、社内担当者が更新し続けられる運用ルールを納品します。

Memory Map会社/事業/案件/AI社員の階層設計

Rule Book参照順、禁止事項、判断基準

Knowledge Index資料の置き場所、命名、更新ルール

Goal Sheet検収条件、操作テスト、教育項目

Share Flow更新通知、担当者共有、権限設計

Archive Loop出力ログ、改善ログ、テンプレ反映

AI社員が参照する
会社のメモリ基盤

21

Phase 1の料金

社内向けナレッジ構築は、基本的に550万〜600万円を目安に設計します。

Phase 1

550万〜600万円

ナレッジ棚卸し、構造設計、AI参照ルール、担当者教育、ゴール判定まで含めた標準設計。

期間構築 + 3ヶ月伴走を目安

対象会社全体のナレッジ基盤

検収担当者が追加・更新・参照できる状態

22

Phase 1のゴール判定

ナレッジを納品して終わりではなく、社内で使い続けられるかまで確認します。

80%+操作・理解・更新の達成率

担当者が自分で資料を追加し、AI社員に読ませ、成果物へ反映できる状態を確認。

基本操作

構造理解

資料更新

AI参照

成果物確認

改善ログ

23

03

AI社員育成代行サービス

Phase 2

24

Phase 2｜AI社員育成代行サービス

構築したナレッジをもとに、実際の業務を任せられるAI社員へ育てるスポット支援です。

Spot Service

ナレッジを、
実務アウトプットへ変える

プロンプト、役割、対応ルール、出力形式を業務ごとに作り込み、社員全員が同じ品質を出せる状態へ近づけます。

進め方必要な業務から順番に育成設計

25

ナレッジだけではAI社員は完成しない

情報を整理しても、そのままでは業務を安定して任せられるAI社員にはなりません。

ナレッジだけ

情報はあるが、どの役割で、どの形式で、どこまで判断してよいかが曖昧。

出力品質が人によって揺れる

→

AI社員育成後

役割、プロンプト、対応ルール、テンプレ、改善ログが揃い、業務に合わせて動ける。

実務レベルの出力へ近づく

26

AI社員を育てる5つの設計

業務を任せるには、AIが何を読み、どう判断し、どの形式で返すかまで設計します。

01Role

担当範囲と責任境界を決める

02Prompt

毎回使う指示を業務用に固定

03Rules

OK/NG、確認条件、例外対応

04Format

提案書、返信、表、チェックリスト

05Review

使いながら改善しSkillへ戻す

27

必要な業務から育成

Phase 2は、必要な業務から順番にスポットで設計していきます。

Phase 2必要な業務から育成

営業資料、問い合わせ対応、LP改善など、任せたい業務単位で役割・出力形式・改善ルールを作ります。

01対象業務を選ぶ

02満足アウトプットを定義

03AI社員の役割・指示を設計

04実務で使いながら改善

28

対象業務例

社内の知識を繰り返し使う業務から、AI社員育成の効果が出やすくなります。

営業資料

過去提案と価格条件から商談資料を作る

問い合わせ返信

FAQと顧客情報を読んで返信案を作る

LP / LINE

訴求、事例、導線文面を展開する

X / メルマガ

勝ちパターンと事業情報から投稿案を作る

社内教育

教材、確認テスト、振り返りを作る

管理業務

請求、契約、支払条件の確認を補助する

29

社員全員が満足アウトプットを出せる状態へ

AI社員育成のゴールは、特定の上手い人だけでなく、誰でも業務品質を再現できることです。

Before

AIが得意な人だけが、毎回プロンプトを考えて成果物を作る。

SkillRulesTemplateMemory

After

誰が使っても、会社の前提を読んだAI社員が標準品質のたたき台を作る。

30

AI社員育成サイクル

使って、直して、ルール化する。この改善ループを回すことで実務レベルへ近づけます。

01DraftAI社員が成果物を作成

02Use現場で実際に使う

03Feedback違和感と修正点を記録

04Skill Updateプロンプト・ルールへ反映

05Stable標準出力として定着

31

Phase 2の成果物

スポット育成では、特定業務のAI社員を社内で使い続けるための実行セットを納品します。

業務別プロンプト

毎回使える指示文と実行手順

AI社員ロール

担当範囲、NG、確認条件

出力テンプレ

資料、返信、表、チェックリスト

評価シート

満足アウトプットの判定基準

改善ログ

差し戻しを次回品質へ反映

運用マニュアル

社内担当者が使い続ける手順

32

2サービス比較

Phase 1は全社の土台、Phase 2は業務ごとの実務化。役割分担で導入判断がしやすくなります。

	Phase 1 ナレッジ構築代行	Phase 2 AI社員育成代行
目的	AI社員が参照できる会社の知識基盤を作る	特定業務を任せられるAI社員を育てる
対象	会社全体の知識・業務フロー・判断基準	営業資料、返信、LP、管理など業務単位
料金/位置づけ	550万〜600万円	必要な業務から育成
進め方	最初に実施するベース構築	必要なものがあれば都度スポットで追加

33

標準導入パターン

まずPhase 1でAI社員が読む土台を作り、その後に優先度の高い業務からPhase 2を追加します。

Phase 1ナレッジ構築550万〜600万円

Spot 01営業資料AI社員追加支援

Spot 02問い合わせAI社員追加支援

Spot 03LP/LINE AI社員必要時に追加

34

ご提案の前提

PLaiは、土台作りと業務別AI社員育成を分けて、無理なく実務化できる導入順を提案します。

Phase 1は基本実施

会社の知識基盤がないままAI社員だけ作ると、出力品質が安定しません。まずは全社のメモリ構築を行います。

Phase 2は必要に応じて業務ごとにスポットで追加

追加支援は業務単位必要な業務から順番に設計

成果物で判断満足アウトプットを誰でも出せる状態へ

35

04

メモリ構築代行でできること

About Service

36

PLai Memory Build

複雑な運用不要で
AI活用が進む

社内資料を置くだけではAIは使いこなせません。PLaiは情報の置き場所、命名、判断基準、呼び出し方まで設計します。

資料整理から運用ルールまで
AI社員が参照するメモリ基盤
3ヶ月伴走で担当者へ定着

37

メモリ構築代行でできること

一度設計するだけで、社内知識の整理からAI社員の業務実行までつながります。

社内ナレッジを
AIが読める状態へ

Company Memory

00-Company会社概要 / 価格 / 契約Core

01-Business事業別ナレッジ / FAQKnowledge

03-Project案件 / 議事録 / ToDoProject

AI社員がメモリを参照し
成果物を作る

AI Employees

Sales営業資料 / 見積 / FAQProposal

MarketingX / LINE / LPOutput

Finance請求書 / 入金条件Backoffice

38

社内ナレッジをAI社員へ

会社の知識から、
AI社員を
すぐに稼働

毎回AIに前提を説明するのではなく、AIが参照できる会社のメモリ基盤へ変えます。

Sales / Marketing / Finance のAI社員が、同じ会社メモリから起動

39

資料を探し回る必要なし

社内に散らばる資料を、AIが参照できるフォルダ・ルール・索引へ整理します。

Knowledge Vault

README.md事業概要・目的root

MEMORY.md長期記憶・起動辞書core

_RULE.md参照順・禁止事項rule

SKILL.md実行手順workflow

Search Result

営業資料過去提案とFAQを抽出found

契約条件検収・支払・追加範囲found

導入手順5ステップを提示found

人が探す前に、AIが参照する場所を固定

40

同じ前提を毎回説明する必要なし

会社の方針・NG表現・判断基準をメモリ化し、AIが自分で読んでから出力します。

Before Chat

人間この案件はこうで、価格はこれで...manual

AI前提が足りず修正が増えるretry

After Memory

_RULE.mdAIが読む順番を固定read

pricing.md金額と条件を参照read

output営業資料を生成done

前提説明をメモリに移すことで、修正指示を減らす

41

業務ごとの担当振り分けもメモリで自動化

相談内容に応じて、どのAI社員・どのスキル・どの出力先を使うかをあらかじめ設計します。

ユーザー依頼

起動辞書

担当AI社員

成果物

営業資料を作って

proposal-designer

Sales AI

HTMLデッキ

LINE文面を作って

line-broadcaster

Marketing AI

配信案

請求書を作って

invoice-creation

Finance AI

PDF

「誰がやるか」までAIに覚えさせる

42

導入前のヒアリングも判定シートで標準化

どの業務をAI化するか、何をゴールにするかを曖昧にせず、構築前に必要情報を整理します。

Goal Sheet

基本操作ツールを開き、指示・参照・実行test

構造理解MEMORY / _RULE / SKILLtest

更新実務追加・更新・差し替えtest

ゴール判定シートで、検収条件とレクチャー内容まで固定

43

未整備ナレッジも洗い出せる

足りない情報、古い資料、担当者しか知らない判断基準を見える化します。

Memory Audit

価格表更新日が古いcheck

FAQ質問はあるが回答なしgap

契約条件支払条件が未整理gap

議事録案件ごとに散在check

Action List

不足FAQ回答を作成todo

更新価格・支払条件を反映todo

統合案件資料をProjectへ整理todo

不足ナレッジを見つけ、構築タスクへ変換

44

活用効果｜対応工数を削減

資料探し・前提説明・修正指示を減らし、AI活用が業務に残る状態を作ります。

導入前

資料を探す

前提を説明する

AIに修正指示

担当者へ確認

また説明し直す

→

導入後

AIが参照先を読む

判断基準を確認

テンプレで出力

ログを残す

Skillへ改善反映

対応工数
80%削減が狙える領域から着手

45

既存資料から成果物へ

過去資料・議事録から、
すぐに
アウトプット作成

資料を整理するだけでなく、営業資料・FAQ・LINE文面・X投稿など、成果物に接続します。

過去提案

FAQ

議事録

46

複数資料の提供も一つの基盤へ

営業資料・議事録・FAQ・業務ルールを用途別に整理し、AI社員が迷わず読める状態へ。

資料 01

資料 02

資料 03

資料 04

資料 05

資料 06

資料 07

資料 08

資料 09

資料 10

資料 11

資料 12

Structured Library

00-Company会社・契約・価格fixed

01-Businessサービス・FAQfixed

03-Project案件別議事録fixed

ファイル名・置き場所・参照順をそろえて迷子をなくす

47

いつ・誰が・何を変えたか把握できる

更新履歴と改善ログを残すことで、AIが古い情報を読んでしまう事故を減らします。

Update Log

2026-06-03料金表を更新price

2026-06-02FAQを3件追加faq

2026-06-01契約条件を修正legal

Memory Review

変更者Owner / Editorを記録who

変更理由なぜ変えたかを保存why

次回反映Skillへ戻すloop

更新履歴が残ると、AIの参照ミスを後から直せる

48

外部サービスへ、ワンクリックでチーム共有

資料やルールの変更点と使い方を、Notion・Slack・ChatWork・Discordへ送付できます。

49

活用効果｜導入後の高い顧客化を把握

メモリ基盤があると、AI活用できる業務・できない業務の切り分けがしやすくなります。

導入前

AIに任せたい業務はあるが、資料・判断基準・責任範囲が曖昧。結局、担当者が毎回説明する。

導入後

対象業務、参照資料、検収条件を整理。AI社員が使える範囲と、人が判断する範囲が分かる。

50

メモリ構築の活用イメージ

営業・マーケ・管理・教育など、会社の知識が繰り返し使われる業務ほど効果が出ます。

営業資料作成

過去提案・価格・FAQから、商談資料のたたき台を作る

問い合わせ返信

顧客情報と講座情報を読んで、返信案を即時作成

LP / LINE文面

訴求軸・事例・FAQを使い、導線文面を展開

X / メルマガ

過去の勝ちパターンと事業情報から投稿案を作る

議事録整理

会議メモを案件・判断・TODOへ分解して保存

社内教育

担当者が更新できるように操作・判定テストを実施

管理/経理

請求・契約・支払条件を参照して確認漏れを減らす

業務手順化

属人ノウハウをSOP化し、AI社員の参照先へ接続

51

各種サービス比較

PLaiのメモリ構築代行は、単発研修・AIツール導入・システム開発とは異なり、社内知識をAIが扱える運用基盤まで作ります。

	PLai メモリ構築代行	AI研修	AIツール導入	開発会社
目的	会社の知識をAI社員が使える状態へ	AIの使い方を学ぶ	ツールを契約する	個別システムを作る
対象	すべての業務	参加者のスキル	チャット/生成AIの利用環境	要件定義済みの機能
成果物	メモリ基盤、AI社員、運用ルール、判定シート	講義資料、演習	アカウント、設定	アプリ、API、UI
向いている企業	すべての企業	まず触れる人を増やしたい企業	ツールを全社配布したい企業	固有プロダクトを作りたい企業

52

05

メモリ構築代行のその他提供内容

About Function

53

メモリ構築代行のその他提供内容

設計・運用・教育・検収まで、AIが使える基盤として一体で提供します。

ナレッジ棚卸し

既存資料・議事録・FAQをAIが読める単位へ分解

メモリ構造設計

会社/事業/案件/AI社員の階層を固定

マスタープロンプト化

繰り返し業務をSKILL.mdへ落とし込む

AI社員ロール設計

営業・マーケ・財務などの担当領域を定義

操作ティーチング

追加・更新・差し替えの操作を習得

出力ログ設計

成果物と修正履歴をarchiveへ残す

共有方式設計

GitHub/共有ドライブ/ローカルを選定

伴走MTG

隔週MTG×6回と質問対応で移行

ゴール判定

80%以上の操作達成を検収基準にする

設計ナレッジ構造運用更新・共有ルール定着レクチャー・検収・改善ログ

54

メモリ基盤作成機能

AIが「どこを読めばいいか」を迷わない構造を作ります。レクチャーでは、この構造を担当者が触れる状態まで持っていきます。

Memory Structure

00-rules全体ルール・成果物フローroot

MEMORY長期記憶・起動辞書core

Business事業ナレッジknowledge

Skills実行手順workflow

Training Test

01基本操作pass

02構造理解pass

03更新実務pass

04業務適用pass

担当者が更新できる状態まで操作確認

55

AI社員管理機能

一度作ったAI社員を放置せず、出力・修正・フィードバックをSkillとテンプレへ戻します。

Skill Improvement

出力営業資料・返信・請求書を生成output

検証スクショ・構文・事実確認qa

反映SKILL.md / templateへ戻すloop

人間の差し戻しを、次回の標準品質に変える

56

06

導入事例・料金プラン

Appendix

57

導入事例｜年商40億円規模のマーケティング会社

事業・講座・LP・LINE・営業資料の分散を、AIが読めるナレッジ構造へ整理しました。

年商40億円規模 / マーケティング会社

15年分のマーケ知見を、AI社員が扱える基盤へ

導入前

講座・LP・LINE・営業資料・顧客FAQが部門ごとに散在。提案のたびに担当者が過去資料を探していた。

導入後

事業/案件/AI社員ごとに整理し、営業資料・LINE返信・X投稿案を同じメモリから再現可能に。

40億円規模売上フェーズでも使える情報構造

15年分知見・判断基準を棚卸し

3名担当者が更新できる状態へ

58

導入事例｜X運用AI社員の成果

主要8アカウントを、AI社員が投稿案生成→品質検証→予約配信まで運用しています（全15アカウント）。

主要8アカウント合計 84,462 フォロワー

アカウント別の人格・投稿ルール・勝ちパターンを会社メモリに保存し、AI社員が参照して運用。45分間隔のスケジュール配信まで自動化しています。

2026-08-03時点 / X運用基盤の実測

Claude Code Studio

@ClaudeCode_love

38,532フォロワー

Aircle｜学生AIコミュニティ

@AiAircle34052

14,399フォロワー

Codex Studio

@Codestudiopjbk

10,557フォロワー

いち｜AI社員と働く経営者

@ichiaimarketer

6,721フォロワー

オープンソース研究所

@opensourcelab9

5,480フォロワー

りゅう＠Obsidianガチ勢

@obsidianstudio9

4,378フォロワー

すみか＠Skillsオタク

@sumika45379

3,699フォロワー

CEOの思考法 @ AI Tech

@AIbusiness9

696フォロワー

59

料金プラン

対象範囲・導入人数・AI社員構築の深さに応じて、3つのプランをベースに見積もります。

	LIGHT	STANDARD	PREMIUM
金額（税別）	300万円メモリ構築のみ	550〜600万円3ヶ月伴走 + ゴール判定	800万円〜AI社員本格構築
期間	約2〜3週間	構築 + 3ヶ月	要件定義後
おすすめ	まず整理したい企業	社内担当者が運用できる状態にしたい企業	業務自動化まで組み込みたい企業
支払条件	STANDARDは 30% / 40% / 30% を目安に、契約時・中間・検収時で分割

60

構築・伴走後のフォロープラン

3ヶ月の伴走が終わった後も、必要な深さに合わせて4つのメニューで継続支援します。

	単発スポット	半年伴走プラン	月額顧問契約	集団研修プラン
金額（税別）	5万円1時間あたりスポット修正は15万円/半日	120万円6ヶ月一括	30万円月額（月次解約可）	90万円程度全3回
内容	スポット相談・MTG・Q&A	月1回MTG×6回＋チャット質問無制限＋軽微なメモリ整理	月2回MTG＋チャット無制限＋新業務へのAI適用相談	社員10〜30名向けAI活用研修（1回90〜120分）
使い分け	「ちょっと聞きたい」「1つ確認したい」とき	継続的に改善したいが、フルコミットまでは不要なとき	AI活用を社内の新しい業務へ拡大していきたいとき	構築メンバー以外の社員もAIの基礎を底上げしたいとき

61

導入フロー

まずは30〜60分の相談から。資料の共有だけで、構築から3ヶ月伴走までPLaiが進めます。

01無料相談
（30〜60分）AI活用状況・業務課題を確認。導入はいつもここから始まります

02資料の共有既存資料・議事録・FAQ・判断基準を、ヒアリングに沿って共有いただくだけ

03メモリ構築PLaiがナレッジ構造の設計からAI社員まで構築します（約2週間）

043ヶ月伴走2週間に1回・60分のMTGで御社メンバーを徹底サポート。構築の修正にも対応

05ゴール判定判定シートの操作テストに合格した状態で引き渡し

契約前に明文化対象業務成果物検収条件支払条件追加支援範囲

62

よくある質問

Q. AI初心者でも導入できますか？

可能です。STANDARDでは担当者の習熟度に合わせて、操作・メモリ構造・更新方法を伴走します。

Q. どのツールが必要ですか？

最小構成はClaude Team Standard、推奨構成はClaude Team Standard + Cursor Proです。

Q. 社内資料を外部に出すのが不安です。

NDAと権限設計を前提に進めます。共有ドライブ/GitHub/ローカル運用など、要件に合わせて選定します。

Q. 契約書では何を先に決めますか？

後から見返しやすいよう、対象業務・成果物・検収条件・支払条件・追加支援範囲を先に書き切ります。

63