効率のボトルネックはしばしば技術力にあるのではなく、自分の作業フローを明確に分解し、その中で機械に任せられる部分を外注する意欲にある。AIは一人の作業効率をどこまで向上させることができるのか？最近、Anthropicに関する投稿がSNS上で大量に拡散された。投稿者のOle Lehmannは、時価総額3800億ドルのAnthropicの成長マーケティングチームは実質的にたった一人の非技術系マーケターで、ペイドサーチ、ペイドソーシャル、アプリストア最適化、メールマーケティング、SEOをほぼ10ヶ月間一人で担当していたと述べている。投稿直後にコメント欄で疑問の声もあったが、すぐに本人が確認を取った。Austin Lauという成長マーケターは、「あのレポートを書いたときは自分だけが成長マーケティングを担当していた」と答え、ほぼ10ヶ月間一人でやりきったと語った。図丨関連ツイート（出典：X）Anthropicは今年1月末に公式のケーススタディを公開し、Austin Lauの働き方を詳述した。同時期に、社内白書『AnthropicチームがClaude Codeをどう使うか』も公開され、データインフラから法務まで10のチームの事例をカバーしているが、その中に成長マーケティングも含まれている。白書にはこう記されている：成長マーケティングチームはペイドサーチ、ペイドソーシャル、モバイルアプリストア、メールマーケティング、SEOなどのチャネルに集中し、「非技術系の一人チーム」として、Claude Codeを用いて反復的なマーケティング作業を自動化し、従来は多くのエンジニアリソースを必要とした自動化ワークフローを構築している。（出典：Anthropic）Austin Lauはエンジニアではない。公式のケース動画で彼は「一行もコードを書いたことがない」と語り、Claude Codeに初めて触れたときは「Macでターミナルを開く方法をGoogleで調べる必要があった」と述べている。Claude Codeがリリースされた当初、彼の第一印象は「誰のための製品かわからない」だった。マーケターとして、その用途は明確でなかった。転機は、社内Slackで同僚が非技術者向けのClaude Codeインストールガイドを共有したことだった。好奇心から彼はそれをインストールし、一週間後には自分の働き方を一変させる自動化フローを二つ構築した。一つ目はFigmaのプラグインだ。ペイドソーシャル広告やアプリストアマーケティングでは、多数のビジュアル素材をFigma内で処理する必要がある。従来のやり方は、同じデザイン案に対して複数のコピーを作り、Figmaのフレームを手動で複製し、GoogleドキュメントとFigma間を行き来しながらタイトルをコピペする作業だった。10種類の文案バリエーションと5つの異なるアスペクト比を適用する場合、その単純作業だけで30分以上かかることもあった。図丨Austin Lau（出典：Anthropic）彼はこの課題を自然言語でClaude Codeに伝え、Figmaプラグインの作成を依頼した。APIドキュメントを参考にしながら研究とプロトタイプ作成を並行して進め、最初のバージョンは完璧ではなかったが、出発点として十分だった。そこから調整を重ね、最終的に使えるプラグインを完成させた。（出典：Anthropic）このプラグインの動作は、静止画像のフレームを選択すると、タイトルやCTAボタン、コードブロックなどのコンポーネントを自動認識し、あらかじめ用意した文案リストから複数のFigmaフレームを一括生成するというものだ。各バリエーションには新しい文案が割り当てられ、最大100個の広告バリエーションを一度に生成でき、処理時間は約半秒。従来の30分の手動作業がわずか30秒に短縮された。二つ目はGoogle Adsの広告文生成ワークフローだ。Google Adsのレスポンシブ検索広告はタイトルと説明文に厳しい文字数制限があり、タイトルは30文字、説明は90文字までだ。従来はGoogleスプレッドシートで下書きを作り、文字数を手動で確認し、内容を一つずつGoogle Adsの管理画面に貼り付けていた。AustinはClaude Code内にカスタムスラッシュコマンド「/rsa」を作成し、これをトリガーすると投放データ、既存の広告文、キーワードを入力させ、事前に設定した「エージェントスキル」（Anthropicのブランド調性、正確性基準、Google Ads RSAのベストプラクティス）と照合して自動生成を行う。システムは二つの明確に役割分担されたサブエージェントを用いており、一つはタイトル専用、もう一つは説明文専用で、それぞれの文字制約内で作業し、出力の質は一つのプロンプトに二つのタスクを詰め込むよりも遥かに高い。最終的にClaude Codeは15のタイトルと4つの説明文をパッケージ化し、直接Google Adsにアップロード可能なCSVファイルを生成する。Austinは、生成された文案はあくまで出発点であり、一つ一つ評価しながら価値提案やトーン、競合との差別化を確認しているが、少なくとも退屈な初稿作成とフォーマット整形の作業は完全に自動化されたと強調している。これら二つのワークフローの効率化は驚異的だが、Austinのシステムはそれだけにとどまらない。彼はMeta Ads APIと連携したMCP（Model Context Protocol）サーバーも構築している。この連携により、Claudeのデスクトップアプリから広告のパフォーマンスや費用、各広告の効果を直接問い合わせることができ、Meta Adsの管理画面を開く必要がなくなる。「今週最もコンバージョン率の高い広告は？」「どこで予算を浪費している？」といった質問をClaudeに投げかけ、リアルタイムのデータを得ることができる。さらに重要なのは、閉ループ化だ。Austinは記憶システムを構築し、各広告の改善サイクルでの仮説や実験結果を記録している。新たなバリエーション生成を始める際には、Claudeが過去のテストデータを自動的に呼び出し、どの文案が良かったか、どれがダメだったかを分析し、次の生成に反映させる。このシステムは各サイクルごとに賢くなっていく。数百の広告にわたる体系的な実験追跡は、従来のチームでは専任のデータアナリストが必要だった作業だ。Anthropicの白書によると、この働き方の成果は、広告文作成時間を2時間から15分に短縮し、クリエイティブの量は10倍に増加、彼一人のテストでカバーできるチャネルと量は多くのフル規模のマーケティングチームを超えるという。白書の中では、成長マーケティングは十の事例の一つに過ぎない。データインフラチームはClaude Codeを使ってKubernetesの故障をデバッグし、ネットワーク専門家に連絡する必要のあった問題を数分で解決したり、推論チームの非機械学習背景のメンバーがモデルの関数や設定を理解し、ドキュメント参照時間を1時間から10〜20分に短縮したり、プロダクトデザインチームはClaude Codeを使ってフロントエンドのコードを修正し、エンジニアはデザイナーの大規模な状態管理変更を発見したり、法務チームは1時間で言語障害のある家族向けの予測テキスト補助アプリを作ったりと、多岐にわたる。技術職と非技術職では使い方は異なるが、結論は一つ：Claude Codeは「できること」と「できないこと」の境界を曖昧にしつつあり、その境界はかつてほぼ技術力次第だった。Austin Lauは自身のケースでこう締めくくっている：「‘これを作りたい’と‘自分の手で作れる’の距離は、多くの人が思うよりもずっと短い。」もちろん付け加えると、growth marketingはGTM（go-to-market）の全体を意味しない。Anthropicにはブランドやプロダクトのマーケティング・コミュニケーションチームもあり、Austin Lauはあくまで効果測定に関わるマーケティングを担当している。ペイド広告、アプリストア最適化、SEOといった定量的なチャネルだ。今年2月、AnthropicはスーパーボウルでテレビCMを放映したが、これは一人では到底できないことだ。彼の作る文案やブランド資産は、最初はプロダクトマーケティングやコピーライティングチームが共同で作ったもので、それをClaudeが変種生成や規模拡大テストに活用している。Austin Lauは最近LinkedInに背景を補足した。彼は、その拡散された記事は2025年第2四半期に彼が唯一の成長マーケターとして活動した経験を述べたもので、すでに8ヶ月近く経っていると指摘している。チームは後に人員を増やしたが、規模は外から想像されているほど大きくなく、「私たちの戦闘力は人数をはるかに超えている」と語る。それでも、十分な兆候だ。時価総額3800億ドル、年収140億ドルの企業が、最も成長している時期に、コードを書いたことのないマーケター一人にコア成長チャネルを10ヶ月間任せ、その効果も悪くなかった。これは、AIが知識労働者の能力を拡大する倍率は、私たちの組織や採用の慣行が想定する以上に大きい可能性を示している。ただし、このモデルがどれだけ広く再現できるかは未だ不明だ。growth marketingはデータ化・フロー化・APIフレンドリーなため自動化に適しているが、人間の判断や創造的直感を要する分野では状況は異なるかもしれない。Anthropicの白書のgrowth marketing章末には、次の三つの提言が記されている：繰り返し作業のAPI化と自動化を追求すること、複雑なフローを複数のサブエージェントに分割し、一つのプロンプトに詰め込もうとしないこと、コードを書く前にClaude上で全体のフロー設計を十分に考えること。これらは本質的に、「効率のボトルネックは技術力ではなく、自分の作業フローを明確に分解し、機械に任せられる部分を外注する意欲にある」と示している。
コードを書けない人が、アンスロピックの成長マーケティングを10ヶ月間一人で支え続けた
効率のボトルネックはしばしば技術力にあるのではなく、自分の作業フローを明確に分解し、その中で機械に任せられる部分を外注する意欲にある。
AIは一人の作業効率をどこまで向上させることができるのか？
最近、Anthropicに関する投稿がSNS上で大量に拡散された。投稿者のOle Lehmannは、時価総額3800億ドルのAnthropicの成長マーケティングチームは実質的にたった一人の非技術系マーケターで、ペイドサーチ、ペイドソーシャル、アプリストア最適化、メールマーケティング、SEOをほぼ10ヶ月間一人で担当していたと述べている。
投稿直後にコメント欄で疑問の声もあったが、すぐに本人が確認を取った。Austin Lauという成長マーケターは、「あのレポートを書いたときは自分だけが成長マーケティングを担当していた」と答え、ほぼ10ヶ月間一人でやりきったと語った。
図丨関連ツイート（出典：X）
Anthropicは今年1月末に公式のケーススタディを公開し、Austin Lauの働き方を詳述した。同時期に、社内白書『AnthropicチームがClaude Codeをどう使うか』も公開され、データインフラから法務まで10のチームの事例をカバーしているが、その中に成長マーケティングも含まれている。
白書にはこう記されている：成長マーケティングチームはペイドサーチ、ペイドソーシャル、モバイルアプリストア、メールマーケティング、SEOなどのチャネルに集中し、「非技術系の一人チーム」として、Claude Codeを用いて反復的なマーケティング作業を自動化し、従来は多くのエンジニアリソースを必要とした自動化ワークフローを構築している。
（出典：Anthropic）
Austin Lauはエンジニアではない。公式のケース動画で彼は「一行もコードを書いたことがない」と語り、Claude Codeに初めて触れたときは「Macでターミナルを開く方法をGoogleで調べる必要があった」と述べている。Claude Codeがリリースされた当初、彼の第一印象は「誰のための製品かわからない」だった。マーケターとして、その用途は明確でなかった。
転機は、社内Slackで同僚が非技術者向けのClaude Codeインストールガイドを共有したことだった。好奇心から彼はそれをインストールし、一週間後には自分の働き方を一変させる自動化フローを二つ構築した。
一つ目はFigmaのプラグインだ。ペイドソーシャル広告やアプリストアマーケティングでは、多数のビジュアル素材をFigma内で処理する必要がある。従来のやり方は、同じデザイン案に対して複数のコピーを作り、Figmaのフレームを手動で複製し、GoogleドキュメントとFigma間を行き来しながらタイトルをコピペする作業だった。10種類の文案バリエーションと5つの異なるアスペクト比を適用する場合、その単純作業だけで30分以上かかることもあった。
図丨Austin Lau（出典：Anthropic）
彼はこの課題を自然言語でClaude Codeに伝え、Figmaプラグインの作成を依頼した。APIドキュメントを参考にしながら研究とプロトタイプ作成を並行して進め、最初のバージョンは完璧ではなかったが、出発点として十分だった。そこから調整を重ね、最終的に使えるプラグインを完成させた。
（出典：Anthropic）
このプラグインの動作は、静止画像のフレームを選択すると、タイトルやCTAボタン、コードブロックなどのコンポーネントを自動認識し、あらかじめ用意した文案リストから複数のFigmaフレームを一括生成するというものだ。各バリエーションには新しい文案が割り当てられ、最大100個の広告バリエーションを一度に生成でき、処理時間は約半秒。従来の30分の手動作業がわずか30秒に短縮された。
二つ目はGoogle Adsの広告文生成ワークフローだ。Google Adsのレスポンシブ検索広告はタイトルと説明文に厳しい文字数制限があり、タイトルは30文字、説明は90文字までだ。従来はGoogleスプレッドシートで下書きを作り、文字数を手動で確認し、内容を一つずつGoogle Adsの管理画面に貼り付けていた。
AustinはClaude Code内にカスタムスラッシュコマンド「/rsa」を作成し、これをトリガーすると投放データ、既存の広告文、キーワードを入力させ、事前に設定した「エージェントスキル」（Anthropicのブランド調性、正確性基準、Google Ads RSAのベストプラクティス）と照合して自動生成を行う。
システムは二つの明確に役割分担されたサブエージェントを用いており、一つはタイトル専用、もう一つは説明文専用で、それぞれの文字制約内で作業し、出力の質は一つのプロンプトに二つのタスクを詰め込むよりも遥かに高い。
最終的にClaude Codeは15のタイトルと4つの説明文をパッケージ化し、直接Google Adsにアップロード可能なCSVファイルを生成する。Austinは、生成された文案はあくまで出発点であり、一つ一つ評価しながら価値提案やトーン、競合との差別化を確認しているが、少なくとも退屈な初稿作成とフォーマット整形の作業は完全に自動化されたと強調している。
これら二つのワークフローの効率化は驚異的だが、Austinのシステムはそれだけにとどまらない。彼はMeta Ads APIと連携したMCP（Model Context Protocol）サーバーも構築している。
この連携により、Claudeのデスクトップアプリから広告のパフォーマンスや費用、各広告の効果を直接問い合わせることができ、Meta Adsの管理画面を開く必要がなくなる。「今週最もコンバージョン率の高い広告は？」「どこで予算を浪費している？」といった質問をClaudeに投げかけ、リアルタイムのデータを得ることができる。
さらに重要なのは、閉ループ化だ。Austinは記憶システムを構築し、各広告の改善サイクルでの仮説や実験結果を記録している。新たなバリエーション生成を始める際には、Claudeが過去のテストデータを自動的に呼び出し、どの文案が良かったか、どれがダメだったかを分析し、次の生成に反映させる。このシステムは各サイクルごとに賢くなっていく。数百の広告にわたる体系的な実験追跡は、従来のチームでは専任のデータアナリストが必要だった作業だ。
Anthropicの白書によると、この働き方の成果は、広告文作成時間を2時間から15分に短縮し、クリエイティブの量は10倍に増加、彼一人のテストでカバーできるチャネルと量は多くのフル規模のマーケティングチームを超えるという。
白書の中では、成長マーケティングは十の事例の一つに過ぎない。データインフラチームはClaude Codeを使ってKubernetesの故障をデバッグし、ネットワーク専門家に連絡する必要のあった問題を数分で解決したり、推論チームの非機械学習背景のメンバーがモデルの関数や設定を理解し、ドキュメント参照時間を1時間から10〜20分に短縮したり、プロダクトデザインチームはClaude Codeを使ってフロントエンドのコードを修正し、エンジニアはデザイナーの大規模な状態管理変更を発見したり、法務チームは1時間で言語障害のある家族向けの予測テキスト補助アプリを作ったりと、多岐にわたる。
技術職と非技術職では使い方は異なるが、結論は一つ：Claude Codeは「できること」と「できないこと」の境界を曖昧にしつつあり、その境界はかつてほぼ技術力次第だった。
Austin Lauは自身のケースでこう締めくくっている：「‘これを作りたい’と‘自分の手で作れる’の距離は、多くの人が思うよりもずっと短い。」
もちろん付け加えると、growth marketingはGTM（go-to-market）の全体を意味しない。Anthropicにはブランドやプロダクトのマーケティング・コミュニケーションチームもあり、Austin Lauはあくまで効果測定に関わるマーケティングを担当している。ペイド広告、アプリストア最適化、SEOといった定量的なチャネルだ。
今年2月、AnthropicはスーパーボウルでテレビCMを放映したが、これは一人では到底できないことだ。彼の作る文案やブランド資産は、最初はプロダクトマーケティングやコピーライティングチームが共同で作ったもので、それをClaudeが変種生成や規模拡大テストに活用している。
Austin Lauは最近LinkedInに背景を補足した。彼は、その拡散された記事は2025年第2四半期に彼が唯一の成長マーケターとして活動した経験を述べたもので、すでに8ヶ月近く経っていると指摘している。チームは後に人員を増やしたが、規模は外から想像されているほど大きくなく、「私たちの戦闘力は人数をはるかに超えている」と語る。
それでも、十分な兆候だ。時価総額3800億ドル、年収140億ドルの企業が、最も成長している時期に、コードを書いたことのないマーケター一人にコア成長チャネルを10ヶ月間任せ、その効果も悪くなかった。これは、AIが知識労働者の能力を拡大する倍率は、私たちの組織や採用の慣行が想定する以上に大きい可能性を示している。
ただし、このモデルがどれだけ広く再現できるかは未だ不明だ。growth marketingはデータ化・フロー化・APIフレンドリーなため自動化に適しているが、人間の判断や創造的直感を要する分野では状況は異なるかもしれない。
Anthropicの白書のgrowth marketing章末には、次の三つの提言が記されている：繰り返し作業のAPI化と自動化を追求すること、複雑なフローを複数のサブエージェントに分割し、一つのプロンプトに詰め込もうとしないこと、コードを書く前にClaude上で全体のフロー設計を十分に考えること。これらは本質的に、「効率のボトルネックは技術力ではなく、自分の作業フローを明確に分解し、機械に任せられる部分を外注する意欲にある」と示している。