きっかけは「暗黙知」という概念でした。簡単に言えば、自分の頭の中にある知識・判断基準・経験則をAIに覚えさせて、自分がいなくても動ける仕組みを作るという取り組みです。

松本洋紙店は、紙のことならなんでも相談できるお店。でも正直なところ、「なぜこの紙がこの用途に合うのか」「このお客様にはこう返信する」という判断の多くは、私の頭の中にしかありません。いわゆる暗黙知（あんもくち）です。

松本がいなければ回らない。ベテランスタッフしか知らない。それって、会社としてはリスクですよね。だから「もう1人の松本」をAIで作ろうと思い立ちました。

「じゃあまず、お客様とのやりとりを全部データにしよう」と思いました。

過去20年分のメールを確認してみると、3万通以上のやりとりがありました。問い合わせから返信まで含めるとものすごい量です。でも、なんとかツールを駆使してメールのデータ抽出に成功。

「これをAIに学習させれば、もう1人の松本ができる！」——と、このときは楽観的でした。

問題はその次でした。「数千〜数万件の大量データを安定的に処理するには、API接続が必要」と言われたのです。

API？ なんのことやら。Claude Codeを使えばできるんじゃないの？と思いましたが、どうやら普通のソフトやチャット画面では、大量データの安定処理には不向きなようです。

しばらく調べて、ようやく理解できたのは：

• 通常のチャットUI → 少量・対話向き
• APIキー接続 → 大量データをプログラムで自動処理できる

メールの取得自体は無料でも、Claudeに処理させる部分はAPIを使うと費用がかかる。
最初に5ドル分のクレジットを購入してスタートすることにしました。

次に悩んだのが「通常のAPIにするかBatches：バッチーズ？？バッチ処理（Batch API）にするか」という選択です。

最近やっとMCP接続とAPI接続の違いがわかってきたところなのに、また新しい言葉が出てきました（笑）。

自分なりに整理すると、こんな感じです：

パソコン相談所で数時間かけて処理を走らせたところ、データの抽出はうまくできました。これは素直にうれしかったです。

ただ、データが取れた＝完成ではありませんでした。抽出したデータを「使える形」に構造化するのが、これまたひと苦労。

「問い合わせ内容」「返信内容」「紙の種類」「お客様の業種」……これらをうまく分類・整理して、AIが判断に使えるデータベースにする必要があります。山はまだまだ続きます。

データを取るだけでは終わらない。これを整理して、AIが「松本らしい」答えを出せるようにするのが本当のゴール。まだまだ道のりは長そうですが、面白くなってきました。

次回は、構造化データをどうAIに読み込ませるかの格闘記をお届けする予定です。乞うご期待！（2日目に続く）