AIは"つなぐ"だけで自社仕様になる｜開発はいらない

「AIを自社の業務に使いたい。でも、そのためのツールを開発する時間もお金もない」。そう感じて止まっている人は多いはずです。ですが、AIを自社仕様にするのに開発はいりません。必要なのは「作る」ことではなく、手元のAIに自社の数字を「つなぐ」ことです。つなぐだけで、AIの答えは一般論から自社の話へ変わります。この記事では、その始め方を使う側の目線でまとめます。

この記事のまとめ#

1. AIを自社仕様にするのに開発はいらない

   ゼロから道具を作らなくても、手元のAIに自社の数字を「つなぐ」だけで自社の話が返る。作るのは最後の手段

2. つなぐとAIの答えは一般論から自社の話へ変わる

   つなぐ前は「SEOが大事です」で終わる。つなぐ後は「あなたのECはClaude経由の効率が高い」と自社の数字で返る

3. 最初の1本は「読み取り専用」でつなぐのが安全

   AIはデータを読むだけで書き換えない。壊す・消す心配のない読み取り専用から始めれば、初日でも安心して試せる

4. つなぐ・作るは設定と保守が重い。対応済みの入口を使う

   自分でつなぐ・作ると設定と保守が続く。すでに主要AIに対応した道具を使えば、その日から自社の数字を読ませられる

1.なぜ"作る"より"使う"が先か#

結論: AIを自社の業務に役立てるのに、専用の道具をゼロから作る必要はありません。まず「手元のAIに自社の数字をつなぐ」ことから始めるほうが、速くて安全です。作るのは、つないでも足りないと分かった後の最後の手段です。

「AIを自社に活かす」と聞くと、多くの人は開発を思い浮かべます。ですが、世の中の解説の大半は「作る側」か「選ぶ側」に向けたものです。どの部品で組むか、どのサービスを選ぶか。そうした技術の話ばかりで、「今あるChatGPTやClaudeに自社の数字をつないで、その日から使う」という一番手前の使い方が、すっぽり空いています。

なぜ、作るより使うが先なのでしょうか。理由は単純です。作れば設計・実装・保守がずっと続きます。一方でつなぐのは一度の設定です。しかも、つなぐだけでAIの答えは大きく変わります。効果を先に確かめてから、必要なら作ればいい。順番を逆にすると、効くかどうかも分からないものに時間を溶かすことになります。

ちなみに、なぜAIに聞いても一般論しか返らないのかは、別の記事で理由を掘り下げています（AIが一般論しか返さない理由）。

2."つなぐ"とAIの答えはどう変わるか#

結論: AIに自社の数字をつなぐと、答えが「一般論」から「自社の話」へ変わります。つなぐ前は誰にでも当てはまる助言しか返りませんが、つなぐ後はあなたのECの実際の数字を読んで答えます。

具体的に見てみましょう。何もつながないChatGPTに「うちのEC、どこに力を入れるべき?」と聞くと、返ってくるのは「SEOを強化しましょう」「リピート施策が大事です」といった一般論です。間違ってはいませんが、あなたの店の話ではありません。AIはあなたの数字を知らないからです。

ここで、AIに自社の数字をつなぐとどうなるか。同じ質問に対して、AIは「あなたのECはGoogle検索の流入が最多ですが、訪問あたりの売上ではAI経由が上です」と、実際の数字を読んで答えます。一般論が、その場で自社の診断に変わるわけです。（こうした、AIに外部の数字を読ませるつなぎ方の仕組みを、MCPと呼びます。）

大事なのは、この変化に難しい設定やプログラミングがいらないことです。SQLを書く必要も、レポートを作る必要もありません。AIに「うちの売上、どのチャネルが効いてる?」と話し言葉で聞くだけです。つなぐという一手間だけで、AIはあなたの数字を読む相棒に変わります。EC運営で最初にどこをつなぐべきかは、こちらでも整理しています（ECがAIに最初につなぐデータ）。

3.最初の1本は「読み取り専用」から#

結論: 最初につなぐ1本は「読み取り専用」を選ぶのが安全です。読み取り専用なら、AIはあなたの数字を読むだけで、書き換えたり消したりしません。データを壊す心配がないので、初日でも安心して試せます。

つなぐと聞くと、「AIに勝手に操作されたら怖い」と感じるかもしれません。ここで押さえたいのが、読み取り専用という考え方です。読み取り専用のつなぎ方では、AIにできるのは「読む」ことだけです。注文を書き換える、在庫を消すといった操作はできません。だから、間違って何かを壊す事故が起きません。

もう1つの安心材料が、つなぐ時の入り口です。安全なつなぎ方では、あなたが許可した範囲だけをAIに渡します。合言葉を直接AIに教えるのではなく、正式な入り口（OAuthという仕組み）を通して、読める範囲を自分で決められます。嫌になれば、その許可を外すだけで切り離せます。まず読み取り専用の1本から始め、慣れてきたら範囲を広げる。これが、使う側にとって一番こわくない順番です。

なお、「どの部品で組むか」という作り手の技術比較は別のテーマです。この記事は使う側が業務初日に何をするかに絞っています。作り手の比較はこちら（主要AIクライアントのMCP対応比較）を参照してください。

RevenueScopeの解決策

結論: RevenueScope は、EC運営者が「つなぐ・作る」で立ち止まらずに済むよう、主要AIに対応済みの入口を用意しています。読み取り専用で、ChatGPT・Claude・Gemini・Microsoft Copilotの4つのAIにつなげます。専門知識がなくても、その日から自社の数字をAIに読ませて質問できます。

自分でつなぐ・作るは、聞こえるほど軽くありません。どのAIに合わせるか、認証をどう通すか、仕様が変わるたびに直す。設定と保守がずっと付いてまわります。RevenueScope はこの重さを肩代わりします。つなぎ方の対応はこちらで済ませてあるので、使う側は「読ませて聞く」だけです。

実際の見え方を、見本ECのデータで示します。AIに「うちの売上、どのチャネルが効いてる?」と聞くと、RPS（訪問1回あたりの売上）まで含めて、こう返ってきます。

見本EC（90日）チャネル別の売上とRPS

※サンプルデータのフィクションEC（RevenueScopeデモ）の数値です。

一般論なら「検索流入を増やそう」で終わります。ですが自社の数字を読ませると、景色が変わります。量で最多なのはGoogle検索の814セッションですが、RPSは304円。対してClaudeは19セッションと少ないのに、RPSは2,336円とけた違いです。ただし母数の少ないチャネルのRPSは1件の注文で大きく振れるため、少ないうちは断定せず継続して見る前提です。量と効率は別物で、どこに注力すべきかは自分の数字を見ないと決められません。つなぐと、AIの答えがこの粒度まで具体的になります。手元のExcelで毎回集計し直す作業も要りません（Excelの再集計をやめる）。

ここで正直に線を引きます。RevenueScope が読ませるのは、売上・セッション・RPS・AOV・CVRと、チャネルやページ別の内訳、AI流入の売上までです。読み取り専用なので、データを書き換えることはありません。そして、粗利やLTV（顧客生涯価値）、在庫、商品ごとの売上は出しません。そこは別の道具の領域です。できることの範囲を正直に示したうえで、「自社の数字をAIに読ませる初日」をいちばん軽くするのが役割です。

見本サイトは登録なしで触れます。まず、つないだAIがどう答えるかを確かめてみてください（AIが自社の数字を読む画面を見る）。

4.FAQ#

Q. プログラミングの知識がないと、AIに自社の数字はつなげませんか?

A. 必要ありません。RevenueScope のように主要AIへ対応済みの入口を使えば、コードを書かずに読み取り専用でつなげます。あとはAIに話し言葉で質問するだけで、自社の数字を読んで答えます。自分でゼロから作る場合は設定と保守が要りますが、それは最後の手段です。

Q. AIに数字を渡すと、勝手に書き換えられたりしませんか?

A. 読み取り専用でつなげば、その心配はありません。読み取り専用のAIにできるのは「読む」ことだけで、注文や在庫を書き換える操作はできません。渡す範囲も正式な入口を通して自分で決められ、嫌になれば許可を外すだけで切り離せます。

Q. 「つなぐ」と「作る」は何が違うのですか?

A. つなぐは、今あるAIに自社の数字を読ませる一度の設定です。作るは、専用の道具をゼロから開発し、保守し続けることです。まずつないで効果を確かめ、それでも足りなければ作る。この順番なら、効くか分からないものに時間をかけずに済みます。

まとめ#

AIを自社仕様にするのに、開発はいりません。手元のChatGPTやClaudeに自社の数字を「つなぐ」だけで、答えは一般論から自社の話へ変わります。最初の1本は読み取り専用を選べば、データを壊す心配なく初日から試せます。自分でつなぐ・作るは設定と保守が重いので、まずは主要AIに対応済みの入口を使い、見本サイトで「つなぐと答えがどう変わるか」を体験するのが、いちばん軽い一歩です。なお、この種の記事は検索の表示回数では効果が測りにくく、AIを使い始めた人が実際に自社の数字へたどり着いたかで見ていく前提です。

参考文献#

• [1] Anthropic「Introducing the Model Context Protocol」 2024
• [2] Model Context Protocol「What is the Model Context Protocol (MCP)?」 2026
• [3] Model Context Protocol「Specification (2025-06-18)」 2025
• [4] Anthropic Help Center「About Custom Integrations using Remote MCP」 2026
• [5] Gemini CLI「MCP servers with the Gemini CLI」 2026