薬機法・景表法の広告表現チェックをClaude Codeで仕組み化する実装

課徴金4.5%と直罰新設——広告表現チェックの失敗コストが上がり続けている

まず前提の整理からいきます。EC/D2Cの広告表現に主に効いてくる法律は2本あります。

1本目が薬機法（医薬品医療機器等法）です。第66条は、医薬品・医薬部外品・化粧品・医療機器等の名称、製造方法、効能効果・性能について「明示的であると暗示的であるとを問わず、虚偽又は誇大な記事を広告し、記述し、又は流布してはならない」と定めています。主語は「何人も」なので、メーカーだけでなく広告代理店やアフィリエイター、メディア運営者も対象です。さらに第68条は、承認前の医薬品等について効能効果を広告すること自体を禁止しています。健康食品やサプリは医薬品ではないので、「飲めば治る」型の効能をうたった瞬間に、この未承認医薬品広告の問題になり得ます。

この薬機法の虚偽・誇大広告に対して、2021年8月1日から課徴金制度が動いています。違反を行っていた期間中における対象商品の売上額の4.5%が原則として課される仕組みで、「行政指導で表現を直せば終わり」だった時代とは前提が違います。66条違反には刑事罰の規定もあります（条文の詳細はe-Gov法令検索で確認できます）。

2本目が景品表示法です。第5条が、実際より著しく優良と誤認させる「優良誤認表示」（1号）、価格や取引条件で著しく有利と誤認させる「有利誤認表示」（2号）、そして指定告示による不当表示（3号）を禁止しています。3号の代表が、2023年10月1日から運用されているステルスマーケティング告示で、事業者の広告であることを隠したインフルエンサー投稿・レビューが規制対象になりました。課徴金は対象期間の売上額×3%。そして2024年10月1日施行の改正で、①違反を自主的に是正する確約手続の導入、②過去10年以内に課徴金納付命令が確定した事業者の再違反への1.5倍加重、③優良誤認・有利誤認に対する直罰（100万円以下の罰金）の新設、が入りました。

もうひとつ実務側の落とし穴が「広告」の範囲です。薬機法上の広告該当性は、①顧客を誘引する意図が明確であること、②特定商品の商品名が明らかにされていること、③一般人が認知できる状態であること、の3要件で判断されます（平成10年9月29日 医薬監第148号）。つまりテレビCMや純広告だけでなく、LP、SNS投稿、メルマガ、同梱チラシ、アフィリエイト記事まで、実務で作っているテキストのほぼ全部が対象です。制作本数が月数十本を超えた時点で、目視の全数レビューは物理的に破綻します。ここが機械化の出発点です。

規制	主な対象	典型的な違反	主な措置
薬機法66条（虚偽・誇大広告）	医薬品・医薬部外品・化粧品・医療機器等	承認範囲を超える効能効果の標榜、効果の保証	措置命令・課徴金（売上額×4.5%）・刑事罰
薬機法68条（未承認医薬品等の広告）	健康食品・サプリ等が医薬品的効能をうたう場合	「飲むだけで痩せる」「〜が治る」	中止命令等・刑事罰
景表法5条1号（優良誤認）	すべての商品・サービス	根拠のない「満足度No.1」、体験談の偏った引用	措置命令・課徴金（売上額×3%）・直罰
景表法5条2号（有利誤認）	すべての商品・サービス	実績のない二重価格、終わらない「期間限定」	措置命令・課徴金（売上額×3%）・直罰
景表法5条3号（ステマ告示）	広告と分からないSNS投稿・レビュー	PR表記のないインフルエンサー投稿	措置命令

何を機械で見るか——薬機法は「表現の型」、景表法は「根拠の有無」

2つの法律は、機械チェックの作り方がまったく違います。ここを混ぜてひとつのチェッカーにしようとすると失敗します。

薬機法側は「表現の型」の問題です。何が言えて何が言えないかは、厚生労働省の「医薬品等適正広告基準」（昭和55年策定、平成29年9月29日 薬生発0929第4号で全面改正）と関連通知にかなり具体的に書かれています。たとえば化粧品として標榜できる効能効果は通知で限定列挙されており、その範囲を超える表現（「シミが消える」「肌が若返る」など）は医薬品的な効能効果の標榜として扱われます。効能効果や安全性を「保証」する表現、「最高」「日本一」のような最大級の表現も適正広告基準が制限しています。つまり、公開文書からNG表現のパターン辞書を作れる領域で、辞書×正規表現の一次スキャンがよく効きます。

景表法側は「根拠の有無」の問題です。「満足度98%」という表現自体は違法ではありません。調査の実態がない、母数が極端に偏っている、調査対象と表示が食い違っている——そうなったときに優良誤認になります。テキストだけをどれだけ眺めても適否が決まらないので、辞書は主役になれません。代わりに効くのが「訴求と根拠の対応表」を機械で維持するやり方です（実装3で扱います）。

この整理を先にしておくと、チェッカーの出力を受け取る薬事担当・法務との会話も速くなります。「辞書ヒット＝薬機法系の疑義、根拠対応表の欠落＝景表法系の疑義」と、疑義の種類ごとに確認先とエスカレーション先を分けられるからです。

設計原則——辞書は網、LLMは言い換え検知器、確定判断は人

当サイトで法令系の実装を書くときに毎回置いている原則ですが、広告表現ではとくに重要なので明示します。下請法改正（取適法）対応の実装でも同じ構造を使いました。Claude Codeで作るのは「全原稿を漏れなくスキャンして、疑わしい箇所を人の前に並べる網」であり、個別表現が適法かどうかの確定判断は、薬機法管理者・薬事コンサルタント・弁護士の仕事として残します。

• 機械がやること：全原稿のNG表現スキャン、言い換え・暗示表現の疑義検出、訴求と根拠の対応チェック、チェック実行の証跡記録
• 人がやること：疑義箇所の適法性判断、グレーゾーン表現の可否決定、代替表現の最終承認、辞書・ルールの改訂判断
• 出力の語彙：「NG疑い」「要確認」「検出なし」の3値。「適法」「問題なし」という断定ラベルは機械には出させない。「検出なし」は「このルールセットでは引っかからなかった」以上の意味を持ちません

私たちも自社メディア6サイトの公開パイプラインに、断定表現・未来日付・NGワードをgrepで検査するゲートを入れて運用しています。その経験から言うと、この種のゲートの価値は「検知率100%」ではなく、「人間が疲れていても検査水準が下がらない」ことにあります。深夜の駆け込み入稿で目視レビューが甘くなる、担当交代でチェック観点が引き継がれない——機械のゲートはこの2つの事故を確実に潰します。正直に書くと、当社もゲート導入前には「タイトルに未来の年号が残ったまま公開」という単純ミスを人力レビューで見逃した経験があり、それ以来「人が必ず見る」を前提にした体制は信用していません。

実装1：NG表現辞書による一次スキャン

最初に作るのは、公開ガイドラインに根拠を持つNG表現辞書です。ポイントは、単語リストではなく「パターン・カテゴリ・根拠・重大度」を持つ構造化データにすること。Claude Codeへの最初の指示はこうなります。

医薬品等適正広告基準と自社の過去の薬事レビュー指摘をもとに、
広告表現チェック用のNG表現辞書 ng_dictionary.yaml を設計して。
- カテゴリ: 医薬品的効能効果 / 効果・安全性の保証 / 最大級表現 /
  承認範囲外の標榜 / 用法用量の逸脱誘導 で分ける
- 各エントリは pattern（正規表現）, category, severity(high/mid),
  basis（根拠にした基準・通知の条項）, note の5フィールド
- 「治る」「効く」の活用形・ひらがな表記の揺れもpatternで吸収する
- 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。

生成される辞書のイメージはこうです。

- pattern: "(シミ|しみ)が(消え|なくな|薄くな)"
  category: 医薬品的効能効果
  severity: high
  basis: 医薬品等適正広告基準（化粧品の効能効果の範囲逸脱）
  note: 化粧品で標榜できる効能効果の範囲外。医薬部外品の承認効能の確認要
- pattern: "(必ず|絶対に?|100%)(痩せ|効|治)"
  category: 効果・安全性の保証
  severity: high
  basis: 適正広告基準（効能効果等の保証表現の禁止）
- pattern: "(最高級|日本一|世界一|No\\.?1)"
  category: 最大級表現
  severity: mid
  basis: 適正広告基準（最大級の表現等の禁止）
  note: 景表法側の根拠資料確認にもルーティングする

スキャナ本体は50行程度のPythonで足ります。骨格だけ示します。

import re, yaml, json, hashlib, datetime

rules = yaml.safe_load(open("ng_dictionary.yaml"))

def scan(text: str, doc_id: str):
    findings = []
    for r in rules:
        for m in re.finditer(r["pattern"], text):
            findings.append({
                "doc_id": doc_id,
                "matched": m.group(0),
                "offset": m.start(),
                "category": r["category"],
                "severity": r["severity"],
                "basis": r["basis"],
                "label": "NG疑い" if r["severity"] == "high" else "要確認",
            })
    return findings

大事なのは辞書のbasis（根拠）フィールドです。薬事担当に疑義リストを渡したとき、「なぜこれが引っかかったのか」を毎回口頭で説明していると運用が続きません。根拠の条項が行ごとに付いていれば、判断も辞書の改訂議論もその場で進みます。Claude Codeで商品説明文を一括生成する実装を動かしている会社なら、生成パイプラインの直後にこのスキャナを挟むだけで、「量産した文章を量産スピードで検査する」形が最初から作れます。

実装2：Claude Codeで言い換え・暗示表現を検知する二次チェック

辞書スキャンの弱点ははっきりしています。言い換えに勝てないことです。「シミが消える」は辞書で獲れても、「朝、鏡を見るのが楽しみになりました」という体験談とビフォーアフター風の画像の組み合わせは、単語レベルでは何も引っかかりません。しかし薬機法66条は「明示的であると暗示的であるとを問わず」と書いており、暗示表現も規制対象です。ここがLLMの出番で、辞書の後段に文脈判定を直列で入れます。

Claude Codeをヘッドレスモードで呼び、構造化した疑義レポートをJSONで受け取る形にします。

claude -p "$(cat check_prompt.txt)" --output-format json

check_prompt.txtの中身は、たとえばこうです。

あなたは広告表現の一次チェック担当です。以下の広告原稿を読み、
薬機法・景表法の観点で「疑義がある箇所」を検出してください。

ルール:
- あなたの役割は疑義の検出と分類であり、適法・違法の判断ではない
- 各疑義は {"quote": 該当箇所の引用, "type": 暗示的効能|保証表現|
  最大級|根拠不明の実績|打消し表示の不備, "reason": 疑義の理由,
  "confidence": high|mid|low} のJSON配列で出力する
- 表現の言い換え・体験談・画像キャプションによる暗示も対象にする
- 疑義ゼロの場合は空配列を返す。「問題ありません」等の総評は書かない
- 仮定した点は必ず"仮定"と明記してください。

対象原稿:
{ここに原稿テキスト}

実際に動かすと、辞書では素通りしていた次のような箇所が上がってきます。

[
  {
    "quote": "飲み始めて3週間、階段がつらくなくなったという声を多数いただいています",
    "type": "暗示的効能",
    "reason": "体験談の形式だが、関節症状の改善という医薬品的効能を暗示している可能性",
    "confidence": "high"
  },
  {
    "quote": "※個人の感想です",
    "type": "打消し表示の不備",
    "reason": "本文の訴求に対して打消し表示が小さく、効果を否定する内容が明示されていない可能性",
    "confidence": "mid"
  }
]

運用上の注意を2つ。第一に、LLMの「疑義なし」を適法判断として扱わないこと。この二次チェックは検知率を上げる装置であって、判定器ではありません。第二に、confidenceの低い疑義も捨てずにログに残すこと。低確信の疑義が同じ表現パターンで繰り返し出るなら、それは辞書に昇格させるべきパターンです。LLMの検出結果を辞書のメンテ材料に回す——この循環ができると、時間が経つほど一次スキャンだけで獲れる範囲が広がっていきます。

実装3：景表法チェック——「訴求と根拠の対応表」を機械で維持する

景表法側は発想を変えます。表現の適否はテキストからは決まらないので、チェックの単位を「表現」から「訴求（クレーム）と根拠（エビデンス）のペア」に変えます。具体的には、こういうCSVを資産として持ちます。

claim_id,claim_text,evidence_type,evidence_ref,evidence_date,expires,status
C001,満足度98%,自社調査,surveys/2026-03_nps.pdf,2026-03-15,2027-03-15,有効
C002,リピート率85%,受注データ集計,bi/repeat_2026q1.sql,2026-04-02,2026-10-02,有効
C003,皮膚科医監修,監修契約,contracts/adv_2025.pdf,2025-11-01,2026-10-31,要更新確認

そのうえで、Claude Codeに原稿と対応表の突合をやらせます。

広告原稿 draft.md から、数値・実績・権威性に関する訴求
（○%、○人、No.1、監修、受賞 など）をすべて抽出し、
claims.csv の訴求と突合して。
- 対応する根拠が見つからない訴求は「根拠未登録」として列挙
- 根拠のexpiresが過ぎているものは「根拠期限切れ」として列挙
- 数値が根拠側と一致しない訴求は「数値不一致」として列挙
- 数字と固有名詞は、根拠（出典/計算式）を添えてください。

このやり方の良さは、優良誤認の予防が「表現の綱渡り」ではなく「根拠の在庫管理」に変わることです。調査結果には鮮度があります。2年前の「満足度98%」を使い続けていれば、表現は同じでも根拠の側が崩れていきます。expiresを持たせて機械で棚卸しすれば、「根拠が切れているのに訴求だけ生き残る」事故を構造的に防げます。

有利誤認側の定型チェックも同じスクリプトに同居させられます。二重価格表示（「通常価格8,980円→今だけ4,980円」）には通常価格での販売実績が、「期間限定」には実際の終了が必要です。原稿から価格表示・期限表示を抽出し、販売データと突合して「この通常価格で直近に売った実績はあるか」「前回の”期間限定”は予定どおり終了したか」を機械で確認する——ここまでやると、景表法チェックはかなりの部分が定常バッチになります。

実装4：入稿フローへのCIゲート組み込みと例外運用

チェッカーが3層そろったら、最後に「人が実行を忘れられない場所」に置きます。LP・広告文・メルマガの原稿をGit管理している（またはこれを機に始める）前提で、pull requestのタイミングで自動実行するのがいちばん簡単です。SEO記事をClaude Codeで量産する設計と組み合わせる場合も、公開キューの手前にこのゲートを置く構成は同じです。

# .github/workflows/ad-copy-check.yml（骨格）
name: ad-copy-check
on:
  pull_request:
    paths: ["copy/**/*.md"]
jobs:
  check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: 一次スキャン（NG辞書）
        run: python scripts/ng_scan.py --dir copy/ --out findings.json
      - name: severity=high があればfail
        run: python scripts/gate.py findings.json --fail-on high

ここで必ず設計しておくべきなのが例外運用（allowlist）です。辞書は安全側に倒して作るので、文脈上は問題ない表現も引っかかります。「引っかかったら辞書からパターンを削る」運用にすると辞書がどんどん痩せて、いずれ本物を取り逃がします。正しくは、辞書は削らず、原稿×表現単位の承認レコードを別ファイルに積む形です。

allowlist.yaml の設計もClaude Codeに任せられます:
「NG辞書のヒットを個別に承認する allowlist.yaml を設計して。
- キーは 原稿ID×パターンID×該当文のハッシュ（文が変わったら再審査）
- 各レコードに approver（承認した薬事担当者名）, date, reason を必須で持たせる
- gate.py は allowlist に載っているヒットだけをスキップする
- 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。」

承認レコードに「誰が・いつ・なぜ通したか」が残るので、これ自体がそのまま薬事レビューの証跡になります。担当者が交代しても、過去のグレーゾーン判断が引き継がれるのも実務上は大きい効果です。

運用設計——辞書のメンテナンス・基準の改正ウォッチ・チェック証跡

この仕組みは「作って終わり」にすると1年で腐ります。定常運用に必要なのは3つです。

1つ目は辞書の定期メンテ。実装2で書いたとおり、LLM二次チェックの検出ログを月次でレビューし、繰り返し出る疑義パターンを辞書へ昇格させます。逆に誤検知が多すぎるパターンは、削除ではなくseverityの調整とnoteの追記で対応します。

2つ目は規制側の更新ウォッチ。薬機法・景表法とも近年は改正が続いており、消費者庁・厚生労働省のページを人が思い出したときに見に行く運用は必ず抜けます。公式ページの更新検知を週次バッチにしておきます。

消費者庁の景品表示法ページと厚労省の医薬品等広告規制ページを
週次で取得し、前回取得分とのdiffを検知するスクリプトを書いて。
- 取得HTMLはdate付きでarchive/に保存（それ自体を確認証跡にする）
- 差分があればタイトル行だけをSlackに通知。内容の要約はしない
  （要約の間違いが一番危険なので、原文を人が読むところまでを設計とする）
- 仮定した点は必ず"仮定"と明記してください。

3つ目はチェック証跡の保全です。findings.json・allowlist・実行ログを原稿の版と紐づけて保存します。行政から広告表現について問い合わせが来たとき、「この原稿は公開前に、この日付のルールセットでチェックし、疑義箇所はこの担当者がこの理由で承認した」と時系列で示せるかどうかは、体制の説明として大きな差になります。なお、広告媒体（プラットフォーム）の入稿審査に通ったことは適法の根拠になりません。媒体審査と法令適合は別物です。自前の証跡は自前で持つ必要があります。

【要注意】よくある失敗パターンと回避策

失敗1：辞書ヒットゼロを「安全」と読む

❌「スキャンで何も出なかったので、このLPは問題ありません」
⭕「このルールセットでは検出なし。暗示表現と根拠の突合は二次チェックと薬事確認へ」

なぜ重要か：辞書は既知パターンの網でしかありません。「検出なし」を「適法」と読み替えた瞬間、チェック体制そのものが優良誤認になります。

失敗2：LLMに適法判断をさせる

❌「この表現は薬機法違反ですか？と聞いてYes/Noで運用する」
⭕「疑義の検出・分類・理由の列挙までをLLMのタスクにし、判断は人に渡す」

なぜ重要か：LLMの判断は揺れますし、根拠の説明が事後検証に耐えません。「検知器」と「判定者」の役割分担を崩さないことが、この実装全体の生命線です。

失敗3：媒体審査の通過を適法性の根拠にする

❌「広告プラットフォームの審査に通ったから大丈夫」
⭕「媒体審査は媒体の基準。法令適合は自社のチェックと証跡で担保する」

なぜ重要か：措置命令や課徴金の名宛人は広告主です。媒体が通したかどうかは、行政処分の場面では助けになりません。

失敗4：チェックを「すり抜けゲーム」にする

❌「引っかかったので、引っかからなくなるまで言い換えを試す」
⭕「引っかかった訴求は『そもそもこの訴求を根拠つきで言えるか』に立ち返る」

なぜ重要か：チェッカーをすり抜けた暗示表現は、規制をすり抜けたわけではありません。66条は暗示表現も対象です。ツールの導入がリライト職人選手権を生んでいたら、運用設計の失敗です。

想定モデルケースの目安

以下は想定モデルケース（仮説試算）です。月30本の広告・LP・メルマガを制作する化粧品・健康食品系D2C（薬事レビュー担当1名兼務）を想定しています。実測値ではありません。

項目	導入前（想定）	導入後（試算）
薬事レビューの対象	全30本を目視で通読	機械検出の疑義箇所のみ精読
1本あたりのレビュー時間	20〜40分	疑義ゼロなら数分、疑義ありで10〜20分
チェック観点の再現性	担当者の経験と体調に依存	辞書・ルールセットの版で固定
言い換え・暗示表現	目視の感度に依存	LLM二次チェックで疑義として列挙
根拠資料の期限管理	管理表なし（担当者の記憶）	claims.csvのexpiresで機械棚卸し
チェックの証跡	残らない（メール往復のみ）	findings＋allowlistが版つきで残る

効果の中心は時短ではなく、「全数チェックが物理的に可能になる」「証跡が残る」の2点に置くべきです。時短だけを目的にすると、失敗4の「すり抜けゲーム」に向かいやすくなります。

よくある質問

Q. 薬機法における「広告」の3要件とは何ですか？

①顧客を誘引する意図が明確であること、②特定医薬品等の商品名が明らかにされていること、③一般人が認知できる状態であること、の3つです（平成10年9月29日 医薬監第148号）。3つを満たせば、LP・SNS投稿・メルマガ・同梱物・アフィリエイト記事も広告として規制対象になります。

Q. 薬機法で禁止されている広告とはどのようなものですか？

中心は第66条の虚偽・誇大広告（効能効果・安全性について、明示・暗示を問わず虚偽または誇大な広告）と、第68条の未承認医薬品等の広告です。健康食品・サプリが「治る」「痩せる」といった医薬品的な効能をうたうと68条の問題になり得ます。具体的な表現の運用は医薬品等適正広告基準に整理されています。

Q. 「最高級」「日本一」のような表現はNGですか？

医薬品等については、医薬品等適正広告基準が効能効果や安全性についての最大級の表現等を制限しています。医薬品等以外の商品でも、「No.1」「日本一」を根拠なく表示すれば景表法の優良誤認の問題になります。使う場合は調査主体・調査範囲・時点を明確にした根拠が前提で、本記事の実装3の「訴求と根拠の対応表」で管理する領域です。

Q. サプリメント・健康食品も薬機法の対象になりますか？

健康食品自体は薬機法上の「医薬品」ではありませんが、広告で医薬品的な効能効果（疾病の治療・予防、身体機能の増強など）を標榜すると、未承認医薬品の広告として薬機法の規制対象になり得ます。「食品だから薬機法は関係ない」は、広告表現チェックの文脈では誤りです。

Q. 薬機法・景表法に違反するとどうなりますか？

薬機法の虚偽・誇大広告には、措置命令のほか、違反期間中の対象商品売上額×4.5%の課徴金（2021年8月施行）と刑事罰の規定があります。景表法の優良誤認・有利誤認には、措置命令、売上額×3%の課徴金（2024年10月施行の改正で再違反時は1.5倍に加重）、さらに100万円以下の罰金という直罰規定が新設されています。個別のケースの見通しは必ず専門家（弁護士・薬事コンサルタント）に相談してください。

Q. 無料の薬機法チェックツールやAIチェックだけで十分ですか？

十分ではありません。市販・無料のチェックツールも本記事の一次スキャンに相当する機能は持ちますが、①自社商品固有の承認範囲・過去指摘を反映した辞書、②訴求と根拠の対応管理、③チェック証跡の保全は、自社側に仕組みがないと成立しません。またツールやAIの「問題なし」は適法判断ではありません。最終確認は薬機法管理者や薬事の専門家に依頼する前提で、機械は「疑義を漏れなく拾って人の時間を疑義に集中させる」道具として使ってください。

まとめ：今日から始める3つのアクション

1. 今日やること：広告・LP・メルマガの原稿テキストを機械で読める場所に集約する。Git管理が理想ですが、まずはフォルダ1つでも始められます
2. 今週中：実装1のNG表現辞書を、適正広告基準と自社の過去指摘から30〜50パターンで初版化し、直近原稿10本に流して疑義リストの手応えを薬事担当と確認する
3. 今月中：実装2のLLM二次チェックと実装4のCIゲートを直列につなぎ、allowlistの承認運用を開始する。景表法側は実装3のclaims.csvの初期棚卸しから

広告表現チェックの機械化は、「攻めた表現を通すための道具」ではなく、「言える範囲を根拠つきで速く言い切るための土台」です。課徴金と直罰の時代に、チェック体制の有無はマーケティングの実行速度そのものを決めます。疑義の検出を機械に任せ、人の時間を判断に集中させる——この分業を作れたチームから、制作本数と安全性の両立が可能になります。

---

著者：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。100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。

参考・出典

• 厚生労働省「医薬品等の広告規制について」（医薬品等適正広告基準・関連通知）（参照日: 2026-08-06）
• e-Gov法令検索「医薬品、医療機器等の品質、有効性及び安全性の確保等に関する法律」（第66条・第68条ほか）（参照日: 2026-08-06）
• 消費者庁「景品表示法」（改正法・課徴金制度・確約手続）（参照日: 2026-08-06）
• 消費者庁「ステルスマーケティング告示」（2023年10月1日施行）（参照日: 2026-08-06）
• e-Gov法令検索「不当景品類及び不当表示防止法」（第5条・第8条ほか）（参照日: 2026-08-06）
• Claude Code公式ドキュメント（参照日: 2026-08-06）

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。

関連記事: 広告代理店のクリエイティブ制作をClaude Codeで効率化する実装

あわせて読みたい

• ▸ フリーランス新法の60日払い・条件明示をClaude Codeで自動チェック
• ▸ 障害者雇用率2.7%引き上げをClaude Codeで仕組み化する実装パターン
• ▸ 特定技能の支援計画・定期届出をClaude Codeで仕組み化する実装パターン
• ▸ 与信管理・与信限度額の監視をClaude Codeで仕組み化する実装パターン
• ▸ 下請法改正（取適法）対応をClaude Codeで仕組み化する実装パターン