メルカリがClaude Code全社展開 非エンジニア1000人を対象に

要約
メルカリがClaude CodeとClaude Coworkを全社展開し、非エンジニア1,000人以上がAIエージェントを体験しました。シャドーAI対策と活用促進を両立するための対象者設計、権限管理、社内展開の進め方を整理します。
海外では、AIエージェントを日々の業務に組み込む動きが議論されています。日本企業の現場に引き寄せると、導入の難所はツールの選定よりも社内運用にあります。
メルカリの事例は、エンジニア向けのClaude Codeを非エンジニアにも広げる取り組みです。BinxAIが見てきた範囲では、利用を一部の専門部署に閉じない設計が、業務適用先を見つける起点になりやすい傾向があります。
この記事の対象読者
Claude Code導入やAI社内展開を検討する担当者を想定しています。情報システム部門だけでなく、経営企画、人事、営業、管理部門でAI活用を進める方にも関係するテーマです。
- 生成AIを一部の社員から全社へ広げたい方
- シャドーAI対策と利用促進を同時に進めたい方
- 非エンジニア向けのAIエージェント活用を検討する方
- 経営、IT、各部門の合意形成に悩んでいる方
Claude Code導入で先に決めるべき対象者の範囲
メルカリは2026年5月から、AnthropicのClaude CodeとClaude Coworkを全社展開する方針を示しています。公開記事では、非エンジニア職員1,000人以上を対象に「AI Agent Day」を開催したと紹介されています。
Claude Codeは開発者向けの印象が強いツールです。それを非エンジニアの業務利用へ広げる点が、メルカリの取り組みの特徴です。
利用者を役割で三つに分けて設計する

全社展開を検討する企業は、まず利用者を三つに分けて考えると整理しやすくなります。全員に同じ権限を配るのではなく、業務と扱うデータに応じて入口を変えましょう。
- 試行者、自分の業務で使い道を探す利用者
- 推進者、部門内で事例を集めて共有する利用者
- 管理者、権限、データ、利用ルールを管理する担当者
- 承認者、経営や部門責任者として展開範囲を決める担当者

シャドーAI対策は利用禁止だけでは進まない
許可された環境を使いやすくする発想に切り替える

AIの利用を禁止しても、業務上の必要性が残れば、社員が個別にサービスを探す可能性があります。BinxAIでは、利用を止めるだけでなく、許可された環境を使いやすくする相談を受けることが多くあります。
メルカリのように全社で使う環境を示す設計は、活用促進とガバナンスを対立させない一案です。ただし、許可しただけで安全になるわけではありません。
- 入力してよい情報と、入力してはいけない情報を分ける
- 個人情報、顧客情報、機密情報の扱いを業務別に決める
- 利用できるモデルや機能を、役割と権限に応じて設定する
- 出力を確認する責任者と、問題時の相談先を明確にする
- 利用事例と失敗事例を、部門をまたいで共有する
AI Agent Dayから考える体験先行の社内展開
説明会で終わらせず 業務を持ち込める場を作る

メルカリは、非エンジニア職員1,000人以上を対象にAIエージェントを体験する「AI Agent Day」を開催しました。公開記事で示されたこの取り組みからは、説明会だけでなく、利用者が実際に触れる場を設けたことが読み取れます。
AIエージェントは、質問への回答だけでなく、複数の作業を組み合わせて使う場面があるツールです。体験会では、参加者が普段の業務を持ち込み、作業の前後を比べられる構成にすると検証しやすくなるでしょう。
- 業務を一つ選び、開始前の手順と所要時間を記録する
- 入力データを匿名化し、許可された環境で試す
- AIが担当する作業と、人が確認する作業を分ける
- 完成物の品質、修正量、再利用のしやすさを確認する
- 結果を部門名ではなく業務単位で共有する
体験後は、使えたかどうかだけで判断しません。「どの業務なら再利用できるか」「どの情報が障壁になったか」まで記録すると、次の権限設定や研修内容に反映できます。
全社展開で見える成果は利用人数だけではない

メルカリの公開事例で確認できる成果は、全社展開の方針と、非エンジニア1,000人以上への体験機会です。個別業務の削減時間や売上効果については、今回確認できる情報だけでは判断できません。
そのため、他社が同様の取り組みを評価するときは、利用者数だけを追わない設計が必要です。登録者が増えても、業務で使われなければ定着とは言い切れません。
| 確認する段階 | 見る項目 | 判断の材料 |
|---|---|---|
| 利用開始 | 対象者が環境へアクセスできたか | 権限設定と案内の詰まり |
| 初回体験 | 自分の業務で試せたか | 入力データと操作手順の問題 |
| 継続利用 | 同じ業務で再び使ったか | 再現性と確認負担 |
| 部門展開 | 他の担当者が再利用できたか | 手順化とルールの明確さ |
成果を記録するときは、利用状況とリスクを同じ表で追います。使われている業務ほど、入力情報や確認手順の見直しが必要になる場合もあるでしょう。

メルカリの事例を自社のAI社内展開へ移す手順
経営・IT・現場の三者が同じ計画を持つことが出発点

全社展開をそのまま再現するのではなく、社内の業務と権限に合わせて小さく設計するのが現実的です。経営、IT、現場の三者が別々に動くと、利用促進と統制の条件が食い違いやすくなります。
- 1.対象者を決める、全員、特定部門、希望者のどこから始めるかを決める
- 2.業務を選ぶ、文章作成、調査、集計など試行しやすい業務を選ぶ
- 3.データ境界を定める、入力可否と保存、共有の扱いを決める
- 4.体験機会を作る、研修では自分の業務を題材に試してもらう
- 5.成果を共有する、成功例だけでなく失敗例と確認方法も残す
ツールを配った後にルールを作るのではなく、利用開始前に最低限の境界を置きます。現場から出た質問をルールへ戻すことで、規程が実務から離れにくくなります。
自社で進めるときに詰まりやすい三つの境目
メルカリのような全社展開を自社で試す場合、ツール契約より先に社内の境目で止まることがあります。特に、対象者、データ、成果共有の設計が曖昧だと、利用開始後に判断が戻ります。
- 非エンジニアが試せる業務を、部門ごとに選べない
- Claude Codeの権限と、入力可能なデータの境界を決められない
- 体験会で出た事例を、規程や横展開の手順へ変換できない
外部の支援を使う場合は、ツールの説明だけでなく、業務の棚卸しから運用ルール、社内展開までを一つの計画にできます。社内で判断すべき項目と、支援側に任せる作業を分けて進める形です。
BinxAIの「みっちゃくん」は、月額5万円から利用できます。初期費用と追加費用はなく、API、サーバー、ツールの費用は実費です。
業務タスクの棚卸し、データ基盤の構築・改善、業務アプリ開発、AI推進や社内規約策定を支援します。AI研修、定着ワークショップ、AIアドバイザー、月次レポート、セキュリティ対応、社内での横展開にも対応しています。

よくある質問
Claude Codeは非エンジニアでも使えますか?
使える範囲は業務と権限の設計によって変わります。メルカリは非エンジニア職員1,000人以上を対象に、AIエージェントを体験する機会を設けています。
Claude Code導入でシャドーAIを防げますか?
許可された環境へ利用を集約する設計は、シャドーAI対策の一案になり得ます。ただし、入力データの制限、権限管理、相談先の整備を組み合わせる必要があります。
全社展開は最初から全員に配るべきですか?
必ずしも全員から始める必要はありません。対象部門を選び、業務、入力情報、確認者を整理してから広げる方法もあるでしょう。
AI Agent Dayのような体験会では何を準備しますか?
参加者が普段の業務を持ち込めるようにするのが基本です。入力可否を事前に確認し、AIの作業範囲と人の確認箇所を記録できるシートを用意すると、体験後の展開につながります。
Claude Code導入の成果は何で測ればよいですか?
利用人数だけでなく、継続利用、再利用できる業務、確認負担、データ管理上の問題を見ます。成果とリスクを同じ運用表で追うと、展開の判断をしやすくなります。
メルカリの事例が示すのは、AIエージェントを一部の専門職だけで使うのではなく、非エンジニアを含む業務へ開く進め方です。まず、対象者・データ境界・体験機会・成果共有の四点を一枚の運用設計シートに書き出すところから始めてみてください。
本記事に挙げた他社の料金や制度は、執筆時点で公開されていた情報です。お申し込みの前に、各社の最新の内容をご確認ください。
この記事の分類
同じ分類の記事をまとめて読めます。
次に読む記事

「禁止」から「制御」へ。Inference HooksがAIガバナンスを変える
Anthropicが2026年8月にClaude Enterprise向けに公開したInference Hooks Betaは、推論前にDLPポリシーを適用できる初の実用的な制御層です。シャドーAI対策をツールブロックから技術的強制力へ移行したいAIガバナンス担当者向けに、仕組み・設計上の注意点・運用指針を解説します。

DeepEval 4.0がAIコーディングエージェント評価を変える
DeepEval 4.0がリリースされ、Claude CodeやCursorなどのAIコーディングエージェント向けの評価機能が大幅に強化されました。CLI統合やCI/CDパイプラインへのPytest連携など、LLMOpsを実装するうえでの具体的な手立てと、開発現場への影響を整理します。

OpenAIが「Astra」の開発を自ら止めた。AIガバナンスが経営判断に
OpenAIが次期主力モデル「Astra」のサイバーセキュリティ能力が最上位区分「Critical」に達する可能性を認め、開発の一部を一時停止した。大手AIラボが能力評価を理由に自ら手を止めた前例のない決断が、AIサービスを使う日本企業のリスク管理に問いを投げかけています。















