学習塾の教材作成をClaude Codeで自動化する完全ガイド

結論：学習塾の教材作成・小テスト・解説・面談資料は「Claude Code＋構造化データ」で仕組み化できる

結論から書きます。学習塾・予備校の教材作成、学年別・科目別の小テスト自動生成、解説テキストの量産、苦手分野ベースの個別カリキュラム提案、模試結果の分析、保護者面談資料の整理。これらの業務は、Claude Code（Anthropic 公式の CLI 型コーディングエージェント）と、学習データを格納する構造化フォーマット（CSV／JSON／SQLite）を組み合わせることで、塾長・講師が「人にしかできない部分」だけに集中できる体制に近づけられます。

本稿では「教育現場での Claude Code 活用を、Anthropic 研究ノート＋O’Reilly 技術ジャーナル風」のトーンで、テンプレ化された実装パターンとして整理します。

リード：教材作成の「毎週末ゾンビ化」を辞めた、ある個人塾の話（想定例）

これは取材ベースの想定例です。固有名詞・数値は実在の特定塾を指しません。一般化されたシナリオとして読んでください。

地方都市で中学生 60 名規模の集団＋個別ハイブリッド塾を運営する塾長のケース。週次の業務サイクルは、ざっくりこうだったそうです。土曜夜にその週の理解度確認テストを作成、日曜に翌週分の宿題プリント、月曜朝までに保護者面談 3 件分の資料整理。教材作成と事務作業だけで毎週末が消えていく。

本人が「もう持たない」と言い始めたタイミングで、Claude Code の導入を検討する。最初に手をつけたのは、もっとも時間を食っていた「単元別小テストと解説の量産」。出題範囲・学年・難易度・問題形式を CSV で持ち、Claude Code に「この行の条件で問題を 5 題、解説付きで」と頼めるようにする。

結果として（想定値）、教材作成の作業時間は週 12 時間程度から週 4 時間程度に圧縮できる、というのが現場感覚としてよく語られる水準です。学力向上率について「○%上がる」と断定する書き方はしません。最終的な教育判断は、講師・教育専門家の領域です。Claude Code は「講師の時間を、データ整理と単純量産から、生徒個別の指導判断に振り替えるための道具」と位置付けます。

H2-0：なぜ今、塾業務に Claude Code なのか

本論に入る前に、なぜ「Claude Code」なのかを、塾現場の文脈で短く整理しておきます。ChatGPT や Gemini など対話型 AI を、すでに教材作成に使っている塾は珍しくありません。問題は、対話 UI 単体での運用には次の限界が、塾規模が広がるほど顕在化することです。

1. 毎回プロンプトを書き直す ：対話 UI は基本的に「セッションごとに使い捨て」。同じ条件の小テストを毎週生成しているのに、毎週ゼロからプロンプトを書く塾長が多い
2. 生成物が CSV／DB に直接書き込めない ：対話 UI の出力をコピペで Excel に貼り直す手作業が積み重なり、本末転倒な工数を吸う
3. ローカルのデータと突合できない ：生徒の過去テスト結果や、講師メモを毎回貼り付け直す必要があり、機密データの取り扱いも煩雑になる
4. 承認フローが回らない ：誰がいつ何を生成し、講師の承認を経て配布したか、というログが残らない

Claude Code は CLI 型のコーディングエージェントなので、上記の課題に対して、ファイル・スクリプト・Git による承認フローという、エンジニアにとっては当たり前の道具立てで応答できます。これは塾長がエンジニアでなくても、一度仕組みを整えれば「毎週同じプロンプトを書く労働」から離れられる、という意味で、対話 UI 単体運用との分岐点になります。

その意味で、Claude Code を導入する判断基準は「塾の規模」より「業務の繰り返し頻度」です。週に1〜2回しか教材作成しないなら対話 UI で十分。週次・毎日のように作成・配布・分析が回るなら、Claude Code に投資した方が、3ヶ月で回収できる、という肌感覚です。

H2-1：教材作成・小テスト・面談資料を「データ駆動」で捉え直す

まず前提として整理しておきたいのが、塾業務における「教材作成」と「小テスト作成」と「保護者面談資料」は、別々の作業に見えて、同じデータを違う角度から切っているだけだ、という視点です。Claude Code でこの領域を仕組み化するときの最大のレバレッジは、ここに気づくことにあります。

4軸データモデル：単元×学年×難易度×出題形式

Claude Code を入れる前にやるべき仕事は、プロンプトを書くことではなく、データの骨格を決めることです。最小構成は次の 4 軸です。

1. 単元（unit） ：例「中2 数学・連立方程式・加減法」「高1 英語・関係代名詞・主格」
2. 学年（grade） ：小5、小6、中1、中2、中3、高1、高2、高3
3. 難易度（difficulty） ：1（基礎）〜5（最難関）。受験校レベルや偏差値帯と紐づける
4. 出題形式（format） ：選択式、記述式、計算、英作文、読解、リスニング

これに加えて、各設問に「到達目標タグ（learning_objective）」を 1〜3 個ずつ付与します。例：「連立方程式・加減法・係数操作」「連立方程式・代入法」「連立方程式・文章題への適用」。このタグが、後段の「苦手分野自動抽出」の燃料になります。

なぜタグ設計が先か：Claude Code は道具で、骨格は人間が決める

Claude Code は、構造化されたデータと自然言語の橋渡しが極めて得意です。逆に言うと、構造が崩れているデータ、あるいは「タグが何を意味するか」が人間側でも曖昧な状態のままだと、生成物の品質は際限なく下振れします。これは社内ツール開発で何度も再現する性質で、教育コンテンツ生成では特に致命的です。

講師が「あ、この子は『連立方程式の文章題で、変数を 2 つ立てる前段』でいつも詰まる」と頭の中で持っている粒度を、そのままタグに落とすところまでが、人間の仕事。Claude Code は、そのタグに従って問題と解説をいくらでも量産する側に回す。役割分担を間違えると、量は出るけど質が出ない、という典型的な事故になります。

講師の暗黙知をタグに落とす作業ワークショップ

タグ設計は、塾長一人で完結させようとすると現場感がズレやすい部分です。経験的には、教科担当の講師を 2〜3 名集めて、半日のワークショップ形式で進めるのが一番早いです。具体的にはこういう流れになります。

1. 過去 1 年の小テスト・宿題・模試から、各教科 30 問程度を選び、ホワイトボード or 模造紙に並べる
2. 各講師に「この子はここで詰まる」というポイントを、付箋で問題に貼ってもらう
3. 貼られた付箋を、似た内容ごとに島に分け、その島に「到達目標タグ」の名前を付ける
4. 島の数が多すぎる場合は、上位カテゴリで束ねる。少なすぎる場合は、もう一段細分化する

このワークショップで出てきた「島の名前」が、そのまま learning_objective 列の語彙になります。Claude Code を入れる前にやる、もっとも価値の高い作業のひとつです。塾の指導ノウハウを、データ構造として可視化する瞬間でもあるからです。

H2-2：CSV／SQLite で教材データを持つ最小構成

骨格データの実装は、塾の規模で選び分けます。生徒数 30 名前後までなら CSV と Markdown で十分回ります。50 名を超えてくる、または複数教室を持つ場合は SQLite または PostgreSQL に寄せたほうが、長期で楽です。

最小 CSV 構成例

question_id,grade,subject,unit,difficulty,format,learning_objective,question_text,answer,explanation,source
q_0001,中2,数学,連立方程式・加減法,2,計算,加減法・係数操作,次の連立方程式を解け。{...},x=2 y=3,加減法では係数を揃えてから...,自作
q_0002,中2,数学,連立方程式・代入法,2,計算,代入法・変数置換,次の連立方程式を解け。{...},x=1 y=-2,代入法は片方の式を変形して...,自作
...

この CSV を materials.csv として持ち、Claude Code から読み込み・抽出・新規問題生成を行わせます。学習塾向けの教材データは、紙のプリント前提の都合で MS Word や Excel に閉じている塾が多いですが、Claude Code を活用する前提で「テキスト化」「CSV 化」しておくと、その後の自動化が全部楽になります。

SQLite に寄せる場合

テーブル設計の最小構成は、questions（問題マスタ）、students（生徒マスタ）、test_results（テスト結果）、study_logs（学習履歴）の 4 つです。Claude Code から sqlite3 CLI を呼んで集計・抽出する運用が、エンジニアでない塾長でも扱いやすい着地です。

CREATE TABLE questions (
  question_id TEXT PRIMARY KEY,
  grade TEXT NOT NULL,
  subject TEXT NOT NULL,
  unit TEXT NOT NULL,
  difficulty INTEGER NOT NULL,
  format TEXT NOT NULL,
  learning_objective TEXT NOT NULL,
  question_text TEXT NOT NULL,
  answer TEXT NOT NULL,
  explanation TEXT NOT NULL,
  source TEXT
);

CREATE TABLE students (
  student_id TEXT PRIMARY KEY,
  name TEXT NOT NULL,
  grade TEXT NOT NULL,
  target_school TEXT,
  enrolled_at DATE
);

CREATE TABLE test_results (
  result_id INTEGER PRIMARY KEY AUTOINCREMENT,
  student_id TEXT NOT NULL,
  test_date DATE NOT NULL,
  question_id TEXT NOT NULL,
  is_correct INTEGER NOT NULL,
  time_sec INTEGER,
  FOREIGN KEY (student_id) REFERENCES students(student_id),
  FOREIGN KEY (question_id) REFERENCES questions(question_id)
);

この構造を持っておけば、後段の「苦手分野自動抽出」「個別カリキュラム提案」「面談資料生成」までほぼ一直線でつながります。

運用上のフォルダ構成例

Claude Code 運用のリポジトリ構成は、最小こうしておくと迷いません。

cram-school-claude/
├── data/
│   ├── questions/        # 問題マスタ CSV
│   ├── students/         # 生徒マスタ（個人情報最小化）
│   ├── test_results/     # 小テスト・模試結果
│   └── teacher_notes/    # 講師の自由記述メモ
├── materials/
│   ├── draft/            # Claude Code 生成直後
│   ├── review/           # 講師レビュー中
│   └── approved/         # 配布可能
├── reports/
│   ├── student/          # 生徒向けレポート
│   ├── parent/           # 保護者向けレポート
│   └── teacher/          # 講師向けレポート
├── prompts/              # 再利用するプロンプトテンプレ
├── scripts/              # Claude Code から呼ぶスクリプト
└── docs/                 # タグ体系・難易度定義・運用ルール

materials/ 配下を draft → review → approved で 3 段階に分けるのが、現場運用での最大の安全装置です。承認されていない教材が、間違って配布されることを防ぐためのフォルダ設計です。Git で管理するなら、main ブランチには approved/ のみコミットする、というルールも有効です。

H2-3：Claude Code で小テストを自動生成する

ここから、実際の Claude Code 運用に入ります。前提として、Claude Code は CLI 型のコーディングエージェントで、ファイル読み書き・コマンド実行・テキスト生成を組み合わせるのが本領です。教材生成についても「直接プロンプトに 50 問書け」と命じるよりも、「CSV を読み、ロジックでフィルタしたうえで、問題を生成し、CSV に追記する」流れにしたほうが安定します。

プロンプト1：単元指定の小テスト自動生成

あなたは中学数学の教材編集者です。以下の条件で小テストを作成してください。

【条件】
- 対象：中学2年生
- 単元：連立方程式（加減法・代入法・文章題）
- 難易度：2〜3（標準〜やや応用）
- 問題数：10問（計算 6問、文章題 4問）
- 各問題に「正解」「3行以内の解説」「到達目標タグ」を付ける
- 出題形式は中堅都立高校の入試レベルを基準

【出力フォーマット】
CSV、列は question_id, unit, difficulty, format, learning_objective, question_text, answer, explanation
question_id は q_test_YYYYMMDD_NN の形式で連番

【禁則】
- 既出問題の文面そのまま流用は禁止
- 数式は LaTeX でなくテキスト記法（例：2x+3y=12）
- 個人名・固有名詞は使わない

このプロンプトの肝は、最後の「フォーマットの厳密指定」と「禁則」です。Claude Code の出力をそのまま CSV に追記したいので、列ズレを起こす要因（説明文中のカンマ、改行など）を、運用ルールで先に潰しておきます。

プロンプト2：模試の弱点穴埋め小テスト

もう一段踏み込んだ運用が、「直近模試の弱点を反映した小テストを作る」流れです。Claude Code には次のように頼みます。

以下のCSVは生徒Aさんの直近3回分の模試結果です。

【入力ファイル】
- results_A_recent3.csv
  列：test_date, subject, unit, learning_objective, is_correct

【タスク】
1. 単元別・到達目標別に正答率を集計
2. 正答率が60%を下回る目標を抽出
3. 抽出された目標に紐づく小テスト（10問、計算・記述・文章題混在）を生成
4. 各問題の出題意図を1行で添える
5. 出力は materials/quiz_A_YYYYMMDD.md（Markdown）

【禁則】
- 抽出された目標数が3以上の場合は、最も正答率が低い3目標に絞る
- 同じ目標から複数問出る場合は、問題形式（計算/文章題）を分散させる

この時点で、Claude Code は「データ集計＋教材生成」を1コマンドで担うようになります。塾長が「Aさんの今週の宿題プリント、作って」と CLI に頼めば、過去のテスト結果から弱点を抽出し、それを潰す10問プリントを Markdown で吐く。これを PDF 化するスクリプトまで含めると、ほぼワンクリックで個別教材が出る世界に近づきます。

プロンプト3：難易度カリブレーション

教材作成で意外と燃料消費するのが「難易度の調整」です。Claude Code に「難易度3で」と頼んでも、Claude 側の感覚と塾の感覚はズレます。これを揃えるためのプロンプトテンプレが、次の難易度キャリブレーションです。

以下は当塾における難易度の定義です。

【難易度定義】
- 1：教科書例題レベル。授業中の確認問題に使う
- 2：教科書章末問題レベル。宿題に出す標準
- 3：地方公立高校の入試レベル
- 4：難関都立・上位私立の入試レベル
- 5：早慶附属・国立難関校の入試レベル

【出力指示】
- 提示する問題に対し、上の定義のどの難易度に該当するかを判定し、根拠を1行で示す
- 当塾の難易度3として適切でない場合は、修正案を提示

この「難易度の社内定義」を Claude Code に渡しておくと、その後の教材生成すべての精度が変わります。教育現場の経験を、プロンプトという形で資産化する例の一つです。

H2-4：解説テキストの自動生成と、講師チェックの分業設計

小テストと並んで時間を吸う作業が「解説」です。問題自体は過去問・市販教材から拾えても、生徒の理解度に合わせた解説を書き起こす作業は、毎週ゼロから書き直しになります。

解説生成プロンプトの3段構え

解説テキストは、生徒のレベルに応じて 3 段階で出すと運用が回ります。

1. Level A（基礎） ：途中式をすべて書く。「なぜこの式変形をするか」を 1 文ずつ補足
2. Level B（標準） ：途中式は省略せず、補足は要点のみ
3. Level C（応用） ：解法のポイントと、別解 or 注意点を併記

Claude Code に対する指示はこうなります。

以下の問題について、解説を Level A / B / C の3バージョンで生成してください。

【問題】
{question_text}

【正解】
{answer}

【出力フォーマット】
- ## Level A（基礎）
- ## Level B（標準）
- ## Level C（応用）
- 各 Level の末尾に「想定する生徒像」を1行で

【禁則】
- 数式は LaTeX 不使用、テキスト記法
- 「絶対に間違えてはいけない」「これさえ覚えれば」など断定・煽り表現を避ける
- 受験テクニックよりも、考え方の筋道を優先

3段階の解説をワンショットで生成しておけば、生徒の習熟度に応じて差し替えるだけで済みます。教材1問の制作コストは大きく下がるはずです。

講師の最終チェックは外さない

強調したいのは、Claude Code に解説を生成させても、講師の最終チェックは省略しない、という点です。これは品質管理というより、責任分界の問題でもあります。誤答・不適切な誘導があった場合、最終的に生徒・保護者と向き合うのは講師本人だからです。

運用としては、生成された解説を「draft」フォルダに置き、講師が確認・修正したものを「approved」フォルダに移す、という最小限のフローを入れます。教育コンテンツの品質保証は、講師という人間が責任を持つ前提で、Claude Code は下書きと整形を担う、という建付けです。

H2-5：苦手分野の自動抽出と、個別カリキュラム提案

ここからが、Claude Code 活用のうち、もっとも塾長の喜ぶ部分です。生徒一人ひとりの「苦手分野の自動抽出」と「次の1週間でやるべきカリキュラム提案」を、構造化データ＋テキスト生成のハイブリッドで仕組み化します。

苦手分野抽出のロジック骨格

難しい統計手法は不要です。最小構成は次の3つの指標です。

1. 到達目標別正答率 ：直近 N 回（例：直近 5 回）の小テスト・模試で、目標タグごとに正答率を出す
2. 正答率の傾向 ：上昇トレンド／停滞／下降のどれか
3. 難易度別の正答率分布 ：難易度 1〜2 はクリアしているが、難易度 3 以上で大きく落ちる、などのパターン抽出

SQL でやるならこのレベルです。

SELECT
  q.learning_objective,
  q.difficulty,
  COUNT(*) AS attempt_cnt,
  ROUND(AVG(r.is_correct) * 100, 1) AS correct_rate
FROM test_results r
JOIN questions q ON r.question_id = q.question_id
WHERE r.student_id = 'student_A'
  AND r.test_date >= DATE('now', '-60 days')
GROUP BY q.learning_objective, q.difficulty
ORDER BY correct_rate ASC;

Claude Code には、このクエリを毎週叩いてもらい、結果を Markdown レポートに整形させる役割を担わせます。素のクエリ結果を見ても、塾長や保護者は読みません。「直近 60 日で、難易度 3 の連立方程式・文章題が正答率 33% で要注意」というテキストに翻訳するところまでセットで仕事です。

個別カリキュラム提案プロンプト

以下は生徒Aさんの直近60日の単元別正答率データです。

【データ】
{sql結果のCSV}

【追加情報】
- 学年：中3
- 第一志望：地方公立高校（偏差値60前後）
- 残り期間：受験まで4ヶ月
- 直近のモチベーション傾向：講師メモで「集中力やや低下」とあり

【タスク】
- 直近の正答率が低い目標を3つピックアップ
- 各目標について、来週1週間で取り組むべき教材・問題セットを提案
- 1日あたりの推奨学習時間と内訳を提示
- 提案には「なぜこの順番か」「親への説明ポイント」を含める

【禁則】
- 「絶対合格」など結果保証の言葉を使わない
- 学習時間は1日3時間以上の負荷を提示しない（過負荷回避）
- 提案は講師判断による調整余地を残す書き方にする

ここで重要なのが、最後の禁則です。Claude Code は「断定的な提案」をするのが得意ですが、教育現場で必要なのは「講師の判断余地を残した提案」です。最終的な指導判断は人間が下すのだ、という前提を、プロンプトで明示しておきます。

H2-6：模試結果分析の出力テンプレ

模試の結果分析は、保護者・生徒・講師の3者に対して、異なる切り口の資料が必要です。これも Claude Code でテンプレ化できます。

3者向け出力フォーマットの分け方

1. 生徒向け（モチベ重視） ：「ここが伸びた」「次これをやろう」を中心。受験結果論にしない
2. 保護者向け（理解しやすさ重視） ：偏差値の意味、合格可能性、家庭で支援できる範囲を平易に
3. 講師向け（指導判断重視） ：弱点目標、推奨教材、過去の指導履歴との突合

Claude Code に対しては、同じ模試データから3種類の出力を作らせます。プロンプトの例はこうです。

以下の模試結果データから、3種類のレポートを作成してください。

【入力】
- mock_test_2026_05.csv（生徒A、5教科、設問別正答、偏差値、志望校別判定）

【出力】
1. report_student_A.md（生徒向け、800字以内、励まし要素あり）
2. report_parent_A.md（保護者向け、1200字以内、専門用語の説明付き）
3. report_teacher_A.md（講師向け、1500字以内、指導アクション提案）

【共通要件】
- 数字は具体的に
- 「絶対」「必ず」など断定を避ける
- 改善ポイントを最大3つに絞る
- 講師向けレポートには、Claude Code で生成した教材セットへのリンクを併記

運用が回り始めると、模試返却後の翌日には「3者向けレポート＋来週の学習プラン」がそろう状態になります。これは、塾長が一人で抱えていたら 1 件あたり 2〜3 時間吸われていた仕事です。

H2-7：保護者面談資料の整理

保護者面談は、塾のリテンションを左右する最重要イベントです。Claude Code は、ここでも「素材の整理」と「下書き生成」の役割を担います。完全自動化は避けます。

面談資料の3点セット

1. 成績推移グラフ ：直近 6 回分の小テスト・模試の偏差値・正答率推移
2. 学習履歴サマリ ：通塾日数、宿題提出率、補習参加状況、講師メモのハイライト
3. 次回までの提案 ：来月までの目標、家庭で支援してほしいポイント、塾側で追加対応する内容

Claude Code に渡すプロンプトの骨格はこうなります。

以下のデータをもとに、保護者面談資料（A4・2ページ想定）を Markdown で生成してください。

【入力】
- grades_A.csv（成績推移）
- attendance_A.csv（通塾履歴）
- homework_A.csv（宿題提出率）
- teacher_notes_A.md（講師の自由記述メモ）

【構成】
1. 表紙（生徒名、面談日、担当講師、第一志望）
2. 成績推移サマリ（数字＋1段落のコメント）
3. 学習姿勢サマリ（事実ベースで、講師メモの引用を含む）
4. 弱点と今後の対策（最大3項目、具体的に）
5. 家庭でお願いしたいこと（最大3項目、現実的な範囲で）
6. 次回面談までの目標（数値目標＋行動目標）

【禁則】
- 講師メモにない感情的評価を書かない
- 結果保証の表現を使わない
- 家庭の事情への踏み込みすぎは避ける
- 最終文は「ご家庭での支え、いつもありがとうございます」程度にとどめる

この出力は「下書き」として講師が必ず確認し、自分の言葉での補足、伝え方の調整、家庭ごとのコンテクスト追加を行います。Claude Code が出した文章をそのまま保護者に渡すのは絶対に避けるべきです。教育現場の信頼は、文章の温度感で簡単に崩れます。

H2-8：失敗パターン4つと対処

ここまでの設計は、現場で何回も詰まったポイントの上に成り立っています。代表的な失敗パターンを4つ、対処とセットで残します。

失敗1：タグ設計を後回しにして、いきなり大量生成

❌ 「とりあえず Claude Code に 100 問作らせて、後でタグ付けしよう」 → 数日で「どの問題がどの目標に紐づいているか分からない」状態になり、苦手分野抽出が機能しなくなる。

⭕ 先に「単元 × 学年 × 難易度 × 出題形式 × 到達目標」のタグ体系を、塾長／教科リーダーが手で設計する。Claude Code は、その骨格に従ってのみ問題を生成する。

失敗2：難易度感を Claude 任せにする

❌ 「難易度 3 で 10 問」とプロンプトに書いて出てきた問題が、地元公立高校レベルに揃わない。

⭕ 「当塾における難易度の定義」をプロンプトのコンテキストに毎回入れる。1 回キャリブレーションするだけで、その後の生成精度が大きく変わる。

失敗3：講師チェックを省く

❌ 解説テキストを生成 → そのまま生徒に配布 → 数式記法のミスや、誤誘導の解説が混在し、保護者からクレーム。

⭕ Claude Code 生成物は必ず「draft」状態に置く。講師が承認してから「approved」フォルダに移し、配布物・教材に組み込む。承認フローは Notion・GitHub・Google Drive のどれでもよいが、決めておくこと。

失敗4：保護者面談資料を完全自動化する

❌ Claude Code 出力をそのまま PDF 化して面談で配布 → 保護者から「うちの子の状況を本当に見てくれているのか」と質問が出る。

⭕ Claude Code は「素材の整理と下書き」までで止め、講師が必ず自分の言葉での補足を最低 1 段落入れる。テンプレ感を完全に消すのが、信頼維持の最低条件。

H2-9：運用上の留意点（セキュリティ・倫理）

教育現場で Claude Code を使うときに、技術論より先に詰めるべきことが2つあります。

個人情報の取り扱い

生徒の氏名・住所・成績・志望校・家庭の事情は、すべて個人情報です。Claude Code をローカル CLI として使う限りは、データの送信先（Anthropic API）と暗号化、ログ保管期間を確認しておく必要があります。塾の運営主体が個人事業主・小規模法人であっても、個人情報保護法上の「個人情報取扱事業者」に該当する可能性がある前提で扱ってください。法律・契約面の判断は、必ず専門家に相談してください。

運用としては、Claude Code に渡すデータから、氏名は生徒 ID に置き換える。住所・電話番号・家庭情報は渡さない。模試結果や正答率といった「指導に必要な学習データ」のみに絞る。この最小化が現実的な落とし所です。

教育判断の主体は人間

Claude Code は、教材作成・カリキュラム提案・資料生成を圧倒的に楽にしますが、教育判断の主体は講師・教育専門家です。生徒の学習状態を最終的にどう評価し、どう声をかけ、どの志望校を勧めるかは、AI に委ねるべきではありません。本稿で示した仕組みは、講師が「人にしかできない部分」にもっと時間を割けるようにするための補助線、という位置付けです。

H2-10：導入ステップ（7段階・現実版）

最後に、塾規模ごとの導入ステップを、現実的な順序で書きます。

1. Step 1（1週目）： タグ体系を紙で設計する。単元・学年・難易度・出題形式・到達目標。これは塾長／教科リーダーの仕事
2. Step 2（2週目）： 直近1年分の小テスト・模試問題のうち、頻出 50 問程度に手動でタグ付け。CSV 化
3. Step 3（3週目）： Claude Code 環境構築。1名分の生徒データで、小テスト自動生成と苦手分野抽出を試す
4. Step 4（4週目）： 解説3段構え（Level A/B/C）のテンプレ化。承認フロー（draft/approved）の設定
5. Step 5（5〜6週目）： 生徒5名にスコープ拡大。模試結果分析の3者向けレポートを試運用
6. Step 6（7〜8週目）： 保護者面談資料テンプレを整備。講師が最終チェックする運用ルールを文書化
7. Step 7（9週目以降）： 全生徒に展開。データ蓄積に応じて、苦手分野抽出のロジックを改善。タグ体系の見直しは半年に1回

このペースで進めれば、2〜3ヶ月で「教材作成と事務作業の週末ゾンビ化」から抜けられる体感に到達するはずです。Claude Code の本当の効果は、3ヶ月後にデータが溜まり始めたタイミングで一段跳ねます。

H2-10b：他塾事例から見る「やってはいけないこと」フレームワーク

Claude Code 導入を計画している塾長と話していると、共通の落とし穴が見えてきます。これを「やってはいけないこと」のフレームワークとして整理しておきます。

5つの NG パターン

1. NG1：いきなり全教科・全学年に展開する ：最初は 1 教科・1 学年（できれば中学受験を控えていない中 1〜中 2 がベスト）に絞る。タグ体系の修正コストを下げるため
2. NG2：講師に説明せずに導入 ：講師が「自分の仕事が AI に置き換えられる」と感じると、運用に協力してもらえない。最初の説明で「Claude Code は教材作成と事務作業を引き取る。指導判断は講師が中心」と明示する
3. NG3：データ蓄積前に効果測定を始める ：最初の 1〜2 ヶ月はデータが少なすぎて、苦手分野抽出も個別カリキュラム提案も精度が出ない。この期間で「効果がない」と判定して撤退すると、本来のリターンを得られない
4. NG4：保護者に黙って導入 ：教材生成に AI を使っていることは、隠す必要も過剰に強調する必要もない。運営方針として「素材の整理に AI を使用し、最終文面は講師が責任を持って作成」と明示しておくのが最も摩擦が少ない
5. NG5：プロンプトをドキュメント化しない ：成功したプロンプトを prompts/ フォルダにバージョン管理しないと、3 ヶ月後に「あのときどう書いたっけ」が頻発する。プロンプトは塾の資産であり、コードと同じ扱いで管理する

このフレームワーク自体を、Claude Code 導入の初日に docs/anti-patterns.md として保存しておくと、後から入ってきた講師・スタッフのオンボーディングがかなり楽になります。

導入効果の測定指標（KPI 設計）

Claude Code 導入の効果は、感覚論ではなく数字で測れます。塾運営の文脈で実用的な KPI は次の 4 つです。

• 講師1人あたりの教材作成時間（時間/週） ：導入前後で計測。週 12 時間→週 4 時間が一例
• 1生徒あたりの個別教材提供回数（回/月） ：個別最適化が進むと自然に増える
• 保護者面談の準備時間（分/件） ：1件あたり 2 時間→30 分に圧縮できれば、面談本来の質に時間を割ける
• 講師の主観的負荷スコア（5段階） ：定性的だが、毎月の振り返りで取る価値がある

これらの KPI は、学力向上率や合格率といった「結果系の指標」とは別の、業務オペレーションの効率指標です。教育成果は多変数の関数なので Claude Code 単独の貢献に切り分けにくいですが、業務オペは切り分けやすい。導入の意思決定と継続判断は、この KPI で進めるのが現実的です。

H2-11：FAQ

Q1. Claude Code を使ったことがない塾長でも導入できますか？

A. CLI 操作の最低限は必要です。が、SQL も Python も最初から書ける必要はありません。Claude Code 自体に「やりたいことを自然言語で書く → コードを生成・実行してもらう」という使い方ができるため、ターミナルと CSV が触れる程度の前提があれば始められます。

Q2. 既存の塾管理システム（Comiru、Studyplus for School など）と併用できますか？

A. はい。既存システムが CSV／API でデータをエクスポートできれば、それを入力に Claude Code 側で生成・分析を回せます。リプレースではなく「追加レイヤー」として入れるのが現実的です。

Q3. 生成された問題に誤りが混入する可能性は？

A. ゼロにはなりません。Level A/B/C の解説生成でも、講師の最終チェックを必ず通す前提で運用してください。Claude Code はあくまで「下書きと整形」の役割で、品質保証は人間が担います。

Q4. 保護者面談資料を AI で作っていると公開して問題ないですか？

A. 「素材の整理に AI を使い、最終の文面は講師が責任を持って作成しています」という整理を、塾の運営方針として明示しておくのが安全です。隠す必要も、過剰に強調する必要もありません。

Q5. データ蓄積が少ない開校直後でも効果はありますか？

A. 小テスト・解説の量産部分は初日から効きます。苦手分野抽出と個別カリキュラム提案は、生徒あたり 5〜10 回分のテスト結果が溜まる頃から精度が上がってきます。最初の 1〜2 ヶ月は「教材作成の省力化」を、その後に「個別最適化」を、と段階的に効かせるのが現実的です。

関連事例

本稿と近接する Claude Code × 教育領域の事例として、以下も合わせて読むと、コードレビュー自動化やデータパイプライン構築の文脈も含めて、全体像が掴みやすくなります。

• 教育系プロダクト開発でのコードレビュー自動化事例 — 教材生成パイプラインの品質保証にも応用可能
• 学習分析データパイプラインを Claude Code で構築した事例 — 本稿の苦手分野抽出ロジックの一段深い版
• 大学研究室における論文管理を Claude Code で仕組み化した事例 — 教育機関の文献管理視点。教材リサーチにも応用可

まとめ：Claude Code は「講師の時間を、本質に振り替える」道具

学習塾・予備校の現場で、教材作成・小テスト・解説・カリキュラム提案・模試分析・保護者面談資料を一気通貫で仕組み化する設計を見てきました。要諦をもう一度書きます。

• 骨格は「単元 × 学年 × 難易度 × 出題形式 × 到達目標」の5軸タグ
• データの器は CSV か SQLite。塾規模で使い分け
• Claude Code は「データに従って量産」と「整形・下書き」に徹する
• 難易度キャリブレーション・承認フロー・講師チェックは省略しない
• 保護者面談資料は完全自動化しない。最後は講師の言葉で締める
• 教育判断の主体は人間。Claude Code は補助線

Claude Code 導入の最大の効果は、教材作成や事務作業から、講師が「生徒一人ひとりと向き合う時間」へリソースを振り替えられることです。学力向上の数字や、合格率の改善は、その振り替えの先で生まれる結果論であり、AI が直接生み出すものではありません。最終的な教育判断は、講師・教育専門家の領域である、という前提を踏まえたうえで、ぜひ使い倒してみてください。

著者プロフィール

佐藤傑（さとう・すぐる）。株式会社Uravation 代表取締役。X（@SuguruKun_ai）フォロワー約10万人。累計100社以上の企業向けAI研修・導入支援に従事。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆。Claude Code を中心に、業界別の実装事例を蓄積中。

参考・出典

• Anthropic 公式：Claude Code ドキュメント（https://docs.anthropic.com/）
• 文部科学省：「教育のデータ利活用に関するガイドライン」関連資料
• 個人情報保護委員会：個人情報取扱事業者向け資料
• 経済産業省：教育産業における DX 関連レポート
• Anthropic Research：Constitutional AI / Responsible Scaling 関連の公開資料

※本稿の数値・運用シナリオは取材ベースの想定例です。特定の塾・個人を指すものではありません。最終的な教育判断は、講師・教育専門家にご相談ください。

関連記事（自動）

• ▸ 【2026年】学習塾のClaude Code活用｜教材作成・成績管理・保護者対応を自動化
• ▸ 【2026年最新】大学シラバス点検・履修データチェックをClaude Codeで
• ▸ 【2026年最新】研究室の論文管理をClaude Codeで効率化
• ▸ 学校事務の申請書チェックをClaude Codeで効率化｜不備確認と保護者連絡
• ▸ 【2026年最新】Claude Codeで学習分析基盤を構築｜7手順ガイド