EC・小売

LPガス販売の検針・配送計画をClaude Codeで自動化した実装事例

公開 2026年7月15日更新 2026年7月27日

供給戸数18,000戸規模のLPガス販売事業者を想定したモデルケース。検針データ集計・配送計画の下書き・保安点検の期限管理をClaude Codeで自動化する実装手順と試算効果を解説する。

本記事は、LPガス販売事業者の業務を題材にした想定シナリオ（モデルケース）です。登場する事業者・体制・数値はすべて架空の設定にもとづく試算値であり、実在の特定企業の実測データではありません。実装コードとClaude Codeの機能仕様は、2026年7月時点の公式ドキュメントで確認できる範囲のみを扱います。

結論：LPガス販売業の三大バックオフィス負荷である「検針データの集計」「配送計画の作成」「保安点検の期限管理」は、Claude Codeを使えば専任エンジニアなしでもスクリプト化できる。

要点1：検針票CSVの突合・異常値検出は、Claude Codeに業務ルールを日本語で渡すだけでPythonスクリプトとして固定化できる（本記事の想定モデルでは月40時間→8時間の試算）
要点2：配送計画は「残量予測→優先度リスト→ルート下書き」の3段構成に分解すると、AIに任せる部分と配送員の判断に残す部分をきれいに分離できる
要点3：保安点検の期限管理は法令遵守に直結するYMYL領域のため、Claude Codeの役割は「期限アラートと帳票下書き」に限定し、最終確認は必ず保安業務の有資格者が行う設計にする

対象読者：LPガス販売・エネルギー小売の業務改善担当者、地域インフラ企業のDX担当、非IT企業でClaude Code導入を検討しているPM

今日やること：直近3ヶ月分の検針データCSVを1つ用意し、この記事の最初のプロンプトをそのまま試す

最近、地方のエネルギー関連企業からの相談で立て続けに出てきたのが「LPガスの検針と配送、まだExcelと紙で回しているんです」という話でした。都市ガスと違ってLPガスは配送ビジネスです。ボンベ（容器）を顧客宅まで運ぶ物流と、検針・請求という小売業務と、法令にもとづく保安点検という3つの業務が、1つの会社の中で絡み合っています。

私自身、100社以上の企業向けAI研修・導入支援をやってきて感じるのは、この手の「地域インフラ×レガシー業務」こそClaude Codeとの相性が良いということです。理由はシンプルで、業務ルールは明確に決まっているのに、それを実装するITリソースが社内にないからです。ルールが決まっているなら、Claude Codeがコードに変換できます。

この記事では、供給戸数18,000戸規模のLPガス販売事業者を想定したモデルケースとして、検針・配送・保安点検の3業務をClaude Codeで自動化する実装手順を、コピペ可能なプロンプトとコード付きで解説します。

LPガス販売業の業務構造と3つのボトルネック

まず前提の整理から。LPガス販売事業者の日常業務は、大きく次の3レイヤーに分かれます。

レイヤー1：検針・請求（毎月の締め業務）

顧客宅のメーターを月1回検針し、使用量を確定して請求データを作ります。無線検針（NCU）を導入している事業者でも、旧型メーターの手検針分が混在しているケースが多く、「無線検針のCSV」と「手検針の入力データ」を突合する作業が毎月発生します。ここで転記ミスや異常値（前月比で極端な増減）の見逃しがあると、誤請求としてそのまま顧客に届いてしまいます。

レイヤー2：配送計画（毎日の物流業務）

LPガスは容器の残量がなくなる前に交換する必要があります。配送が遅れればガス切れ＝顧客の生活が止まる事故になり、逆に早すぎる配送は物流コストの無駄になります。多くの現場では、ベテラン配送員の経験則で「そろそろあの家が切れる頃だ」と判断しており、この属人化が世代交代の壁になっています。

レイヤー3：保安点検（法令にもとづく義務業務）

LPガス販売事業者には、液化石油ガスの保安の確保及び取引の適正化に関する法律（液石法）にもとづき、供給設備・消費設備の定期的な点検・調査が義務付けられています（点検周期や項目は設備区分によって異なるため、最新の法令・経済産業省の告示を必ず確認してください）。対象戸数が数千〜数万戸になると、「どの家の点検期限がいつ切れるか」の管理自体が重労働になり、期限超過は行政指導のリスクに直結します。

この3レイヤーに共通するのは、「ルールは明確」「データはある」「でも集計と突合が全部手作業」という構造です。だからこそ、コードを書けるAIエージェントであるClaude Codeの出番になります。

導入前の状況（想定モデルケースの設定）

本記事のモデルケースとして、次のような中堅LPガス販売事業者を想定します。繰り返しになりますが、以下は架空の設定です。

項目	想定設定
供給戸数	約18,000戸（家庭用中心、一部業務用）
営業所	3拠点
配送体制	配送車12台・配送員14名
検針方式	無線検針（NCU）約6割、手検針約4割の混在
基幹システム	パッケージ型の販売管理システム（CSV出力は可能、API連携は不可）
IT体制	専任エンジニアなし。総務部門の担当者1名がExcelマクロを保守

導入前の月次業務は、想定でこう積み上がります。無線検針データのダウンロードと手検針票の入力確認に週2日、前月比異常値の目視チェックに2日、配送計画は毎朝ベテラン2名が1時間半かけてホワイトボードで組む。保安点検の期限一覧は年2回、基幹システムから出したCSVをExcelで加工して紙のリストにする——という状態です。

ポイントは、基幹システムを入れ替えずに済ませたいという制約です。販売管理パッケージのリプレイスは数千万円規模になり、地域のLPガス事業者にはまず選べません。CSVが出せるなら、その外側にClaude Codeで「集計・突合・下書き生成」のレイヤーを足すのが現実的な打ち手になります。

Claude Codeの役割：5つの自動化タスク

このモデルケースでClaude Codeに任せるのは次の5つです。

検針データの突合スクリプト生成 — 無線検針CSVと手検針入力CSVをマージし、欠測・重複・フォーマット不整合を検出するPythonスクリプトをClaude Codeが生成・保守する
異常値検出ルールの実装 — 「前年同月比±40%超」「前月比3倍超」「使用量ゼロが2ヶ月連続」などの業務ルールを日本語で伝え、検出ロジックとして固定化する
容器残量の予測と配送優先度リスト — 過去の使用量トレンドから各戸の残量を推定し、「今週中に配送すべき順」のリストを毎朝生成する
配送ルートの下書き生成 — 優先度リストを営業所・地区単位でグルーピングし、配送員が最終調整する前提の「ルート案」を出す
保安点検の期限管理と帳票下書き — 点検期限が近い顧客の一覧を自動抽出し、点検通知書や記録票の下書きを生成する（最終確認は有資格者が実施）

重要なのは、Claude Codeを「毎回チャットで聞くAI」としてではなく、「スクリプトを書いて資産として残すエンジニア」として使うことです。一度スクリプトができてしまえば、月次の実行はcronやタスクスケジューラに任せられます。この考え方はClaude Codeでバッチ・cron自動化を組む事例で詳しく解説しています。

また、この5タスクのうち1〜2と5は「正確さが最優先の定型処理」、3〜4は「人間の判断を補助する下書き生成」と性質が違います。前者はスクリプトに完全に固定し、後者はAIの出力を人間がレビューする運用に分ける——この線引きが、非IT企業でのClaude Code導入の成否を分けます。非エンジニア部門での使い分けの考え方は非エンジニアのためのClaude Code業務活用ガイドも参考にしてください。

実装スタック

Claude Code（Anthropic公式のCLI型コーディングエージェント。ターミナルから動かす）
Python 3.12 + pandas（CSV突合・集計の実行環境。Claude Codeが生成・保守）
既存の販売管理システム（変更なし。CSVエクスポート機能のみ利用）
Windowsタスクスケジューラ / cron（生成済みスクリプトの定期実行）
CLAUDE.md（業務ルール・ファイル配置・禁止事項をプロジェクト直下に記述し、Claude Codeに毎回読み込ませる）

構成のキモはCLAUDE.mdです。「検針CSVの列定義」「異常値の判定ルール」「顧客個人情報が入った生データを外部に貼り付けない」といった前提を書いておくと、担当者が代わってもClaude Codeが同じルールで動きます。プロジェクトメモリの設計方法はClaude Code実践テクニック完全ガイドで体系的にまとめています。

実装詳細1：検針データの突合と異常値検出

最初の一歩は、毎月の検針締めで使う突合スクリプトの生成です。Claude Codeを検針データのフォルダで起動し、次のプロンプトを渡します。

無線検針データ（ncu_202607.csv）と手検針入力データ（manual_202607.csv）を
突合するPythonスクリプトを作ってください。

要件：
- 顧客番号（customer_id）をキーに全戸分をマージする
- 両方に値がある場合は無線検針を正とし、差分があれば warning として出力
- どちらにも値がない「欠測」の顧客一覧を別CSVに出力
- 検針値が前月値より小さい行（メーター交換以外ではありえない）はエラー一覧へ
- 出力は kenshin_report_YYYYMM.xlsx（シート: 確定値 / 警告 / 欠測 / エラー）

不足している情報があれば、最初に質問してから作業を開始してください。

実際にこの粒度で書くと、Claude CodeはまずCSVの実物を読んで列構成を確認し、「メーター交換フラグの列はありますか？」といった確認を返してきます。ここで答えた内容がそのまま仕様になるので、最初の対話に業務担当者を同席させるのがおすすめです。研修の現場でも、エンジニアだけで作ったスクリプトより、業務担当者が対話に参加したスクリプトのほうが仕様の手戻りが明らかに少ないというのが実感です。

続けて、異常値検出のルールを追加します。

先ほどの突合スクリプトに、異常値検出を追加してください。

判定ルール：
1. 前年同月比で使用量が±40%を超える → 「要確認」
2. 前月比で使用量が3倍を超える → 「漏えい疑い・至急」
3. 使用量ゼロが2ヶ月以上連続 → 「閉栓漏れ・空き家疑い」

過去24ヶ月分の履歴CSV（history/ フォルダ）を参照してください。
仮定した点は必ず「仮定」と明記してください。

生成されるコードの中核はこの程度のシンプルさです（Claude Codeの出力例を短縮したもの）。

import pandas as pd

def detect_anomalies(df: pd.DataFrame, history: pd.DataFrame) -> pd.DataFrame:
    merged = df.merge(
        history[["customer_id", "usage_last_year", "usage_prev_month"]],
        on="customer_id", how="left",
    )
    merged["yoy_ratio"] = merged["usage"] / merged["usage_last_year"]
    merged["mom_ratio"] = merged["usage"] / merged["usage_prev_month"]

    conditions = [
        (merged["mom_ratio"] > 3.0, "漏えい疑い・至急"),
        ((merged["yoy_ratio"] > 1.4) | (merged["yoy_ratio"] < 0.6), "要確認"),
    ]
    merged["flag"] = ""
    for cond, label in conditions:
        merged.loc[cond & (merged["flag"] == ""), "flag"] = label
    return merged

大事なのは、このコードを読める人が社内にいなくても、「判定ルールを日本語で説明できる人」がいれば保守が回るという点です。ルール変更のたびにClaude Codeへ「前年同月比の閾値を±40%から±30%に変えて」と伝えれば、修正とテストまで実行してくれます。

実装詳細2：容器残量予測と配送計画の下書き

配送計画の自動化は「全部AIに任せる」と必ず失敗します。道路事情・顧客の在宅傾向・容器の設置場所（裏庭で搬入しにくい等）といった現場知は、データに載っていないからです。そこでモデルケースでは、次の3段に分解します。

残量予測（スクリプトで完全自動） — 直近の検針値と過去の使用量トレンドから、各戸の推定残量と「ガス切れ予測日」を計算する
優先度リスト（スクリプトで完全自動） — 予測日が近い順に営業所・地区別で並べ、当日の配送候補を絞り込む
ルート下書き（AI生成＋人間が最終調整） — 候補リストを地区単位でグルーピングした「案」を出し、配送員が現場知で並べ替える

Claude Codeへの依頼はこうなります。

検針履歴（history/）と容器マスタ（cylinders.csv: 容量kg・設置本数）から、
各戸の推定残量とガス切れ予測日を計算するスクリプトを作ってください。

前提：
- 日次使用量 = 直近3ヶ月の月間使用量の平均 ÷ 30 を基本とする
- 冬季（12〜2月）は季節係数を掛ける（係数は過去データから顧客ごとに算出）
- 予測日が7日以内の顧客を「至急」、14日以内を「今週配送」に分類
- 出力: delivery_priority_YYYYMMDD.csv（営業所・地区・優先度順）

数字と固有名詞は、根拠（出典/計算式）を添えてください。

ここで生成される優先度リストが、毎朝ホワイトボードの前で1時間半かけていた議論の「たたき台」になります。ゼロから組むのと、案を直すのとでは、かかる時間がまったく違います。モデルケースの試算では、配送計画の作成時間は1日90分→25分（たたき台の確認と修正のみ）を想定しています。

なお、配車・配送計画系の実装パターンは物流業界でも共通です。より本格的な配車最適化に踏み込みたい場合は3PL物流の配車計画をClaude Codeで支援した事例が参考になります。

実装詳細3：保安点検の期限管理と帳票下書き

3つ目のタスクは、性質がまったく違います。保安点検は液石法にもとづく法令義務であり、期限超過や記録不備は行政指導・事業者責任に直結するYMYL領域です。そのため設計原則を先に明確にします。

Claude Codeに任せるのは「期限の集計・アラート・帳票の下書き」まで。点検の実施判断・記録の確定・法令解釈は、必ず保安業務の有資格者と保安機関が行う。点検周期・対象項目は設備区分により異なるため、実装前に最新の法令・経済産業省の告示、および所属する保安機関の指示を必ず確認してください。

この原則のうえで、Claude Codeにはこう依頼します。

顧客マスタ（customers.csv）の「前回点検日」列から、点検期限管理表を
作るスクリプトを書いてください。

要件：
- 点検周期は設定ファイル（inspection_config.yaml）から読む。
  周期の値そのものはコードに直書きしない（法令改正時に設定だけ直せるように）
- 期限まで90日/60日/30日を切った顧客を段階別に一覧化
- 期限超過はレポート最上部に赤字強調で出力
- 点検のお知らせ文書の下書き（docx）を対象顧客分だけ生成する
- 下書きには「担当者確認欄」を必ず入れる

不足している情報があれば、最初に質問してから作業を開始してください。

ポイントは「点検周期をコードに直書きさせない」という指示です。法令やルールが変わる可能性のある値は、設定ファイルに逃がしておく。こうした「変更に強い書き方」も、プロンプトで明示すればClaude Codeはきちんと守ります。

もう1つ、月次で回すための定型実行もプロンプト化しておきます。Claude Codeにはカスタムスラッシュコマンドという仕組みがあり、繰り返し使う指示を .claude/commands/ 配下のMarkdownファイルとして保存できます。

「毎月1日に実行する検針締め処理」をカスタムスラッシュコマンド
/kenshin-shime として登録してください。

内容：
1. 当月の無線検針CSVと手検針CSVの存在チェック
2. 突合スクリプトの実行と警告一覧の表示
3. 異常値検出の実行
4. 点検期限管理表の更新
5. 結果サマリーを日本語で報告

仮定した点は必ず「仮定」と明記してください。

これで翌月からは、ターミナルで /kenshin-shime と打つだけで締め処理一式が走ります。担当者が交代しても、コマンドの中身がドキュメントを兼ねるので引き継ぎコストが激減します。

段階的導入のロードマップ（3フェーズ）

Phase 1（1〜2ヶ月）：検針締めの自動化。最も定型的でリスクの低い検針突合から始めます。1ヶ月は既存の手作業と並走させ、スクリプトの出力と人間の集計結果を突き合わせて信頼性を確認します。この「並走期間」を省くと現場の信頼を失うので、絶対に飛ばさないでください。

Phase 2（3〜4ヶ月）：配送優先度リストの導入。残量予測はいきなり全戸に適用せず、1営業所・1地区から試します。ベテラン配送員に予測リストを見せて「この予測、感覚と合ってますか」と検証してもらい、季節係数や閾値を調整します。ベテランの暗黙知を係数として吸い上げるフェーズです。

Phase 3（5〜8ヶ月）：保安点検管理と横展開。点検期限管理を本番投入し、検針・配送・点検の3業務をカスタムスラッシュコマンドとして整備します。あわせて総務・経理部門への横展開（請求データの検証、入金消込の突合など）を検討します。全社展開の進め方はClaude Codeの企業導入ガイドにまとめています。

想定効果（試算値）

モデルケースの設定にもとづく試算は以下のとおりです。これらは実測値ではなく、想定シナリオ上の試算値です。効果は既存業務の成熟度・データ品質・現場の習熟に大きく依存します。

業務	導入前（想定）	導入後（試算）	削減率（試算）
検針データ突合・異常値チェック	月40時間	月8時間	-80%
配送計画の作成	1日90分×2名	1日25分×1名	-86%
点検期限一覧の作成・更新	年2回×3日	月次自動＋確認30分	-90%超
誤請求につながる転記ミス	月数件発生	突合スクリプトで機械検出	検出率向上

コスト面では、Claude Codeの利用料金はプランや利用量によって変わるため、導入検討時にAnthropic公式の料金ページで最新の価格を確認してください。基幹システムのリプレイス（数千万円規模）と比べれば、月額数万円台のAIツール利用料と既存PCだけで始められるのがこのアプローチの強みです。

【要注意】よくある失敗パターンと回避策

失敗1：生データをそのままAIに貼り付ける

❌ 顧客名・住所入りの検針CSVをまるごとプロンプトに貼る
⭕ Claude Codeには「ファイルを読むスクリプトを書かせる」役割を与え、個人情報の扱いはCLAUDE.mdで制約する

なぜ重要か：LPガス事業者の顧客データは住所・世帯情報を含む個人情報の塊です。AIに処理させるのは「コードの生成と実行」であって、データの中身を会話に載せる必要はありません。所属組織の個人情報保護規程・コンプライアンスに必ず従ってください。

失敗2：配送ルートまで完全自動化しようとする

❌ 「最適ルートを出して、そのまま配送員に渡す」
⭕ AIは優先度リストと下書きまで。最終ルートは配送員が現場知で確定する

なぜ重要か：データに載らない現場知（搬入経路、犬がいる家、在宅時間帯）を無視した「最適解」は、現場からの信頼を一発で失います。AIと人間の役割分担を最初に線引きするのが定着の近道です。

失敗3：法令に関わる値をコードに直書きする

❌ 点検周期をスクリプト内にハードコードする
⭕ 設定ファイルに分離し、法令改正時は有資格者の確認を経て設定だけ更新する

なぜ重要か：保安点検は法令義務であり、周期や項目の解釈を誤ると事業者責任に直結します。AIは補助ツールであり、最終判断者ではありません。法令解釈は必ず保安機関・所管行政・専門家に確認してください。

失敗4：スクリプトを作った担当者だけが仕様を知っている

❌ 「動いているから触らない」ブラックボックス化
⭕ CLAUDE.mdとカスタムスラッシュコマンドに業務ルールを文書として残す

なぜ重要か：Excelマクロの属人化と同じ轍を踏まないために、「ルールを日本語で書いた場所」を正本にします。Claude Codeはその文書を読んで動くので、文書＝実装仕様が常に一致します。

適用余地のある業界・業務

この「検針・配送・法定点検」パターンは、LPガスに限らず次の業種にほぼそのまま横展開できます。

灯油配送・燃料商社 — 残量予測と巡回配送の優先度付けは同型の問題
飲料・食品ルート配送 — 自販機補充や定期配送の「そろそろ切れる」予測
浄化槽保守・消防設備点検 — 法定周期にもとづく点検期限管理と帳票下書き
リース・レンタル業 — 契約更新期限とメンテナンス周期の一元管理
水道検針受託 — 検針データ突合と異常値検出はほぼ同一ロジック

共通条件は「業務ルールが明文化できる」「基幹システムからCSVが出せる」「専任エンジニアがいない」の3つです。この条件が揃う会社ほど、Claude Code導入の費用対効果は大きくなります。

よくある質問（FAQ）

Q1. プログラミング経験のない担当者だけで導入できますか？

検針突合のような定型処理であれば、業務ルールを日本語で説明できる担当者がいれば始められます。ただし、生成されたスクリプトの検証（並走期間の突き合わせ）と、個人情報の取り扱い設計は必須です。不安な場合は初期構築だけ外部の伴走支援を使い、保守を内製化する形が現実的です。

Q2. 既存の販売管理システムを入れ替える必要はありますか？

ありません。本記事のアプローチはCSVエクスポートさえできれば成立します。基幹システムの外側に集計・突合レイヤーを足す構成なので、システム更改の予算がない事業者でも着手できます。

Q3. 保安点検の管理をAIに任せて法令上問題ありませんか？

AIに任せてよいのは期限の集計・アラート・帳票下書きまでで、点検の実施・記録の確定・法令解釈は有資格者と保安機関の業務です。点検周期・項目は設備区分により異なるため、実装前に最新の液石法関連法令・経済産業省の告示を確認し、所属する保安機関や専門家に相談してください。

Q4. 費用はどのくらいかかりますか？

Claude Codeの利用料はプラン・利用量により変わるため、Anthropic公式の料金ページで最新情報を確認してください。本記事のモデルケースでは、追加のサーバー投資なし（既存PC＋タスクスケジューラ）を想定しています。導入時は小さく始めて、効果を測ってから拡大するのがおすすめです。

Q5. 検針の異常値検出はどこまで正確ですか？

検出ルール自体は決定的（プログラムによる機械判定）なので、ルールに合致した行の見逃しはありません。ただし「どの閾値が適切か」は事業者ごとのデータで調整が必要です。導入初期は閾値を緩めに設定して検出過多から始め、現場のフィードバックで絞り込む運用が安全です。

まとめ：小さく始めて、資産として残す

LPガス販売業のような地域インフラ企業こそ、Claude Codeの「ルールをコードに変換して資産化する」使い方が刺さります。最初の一歩は大げさなDXプロジェクトではなく、来月の検針締めで使う突合スクリプト1本です。

直近3ヶ月分の検針CSVを用意し、本記事の最初のプロンプトを試す
1ヶ月間、手作業と並走させて出力を検証する
うまく回ったら、カスタムスラッシュコマンド化して定型業務に組み込む

Claude Codeの公式ドキュメントはcode.claude.comで公開されています。機能は更新が速いので、実装前に最新仕様を確認してください。

株式会社Uravationでは、非IT企業向けのClaude Code導入支援・個別指導を行っています。「自社の業務のどこから始めるべきか」の壁打ちからコード資産の内製化までを伴走します。

出典・参考資料

Claude Code 公式ドキュメント（Anthropic）（2026年7月時点）
Anthropic 料金ページ（2026年7月時点）
経済産業省 — 液化石油ガスの保安に関する法令・告示（点検周期・項目は最新の告示を確認）

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。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。