Claude Code年収アップ実例15シナリオ＋転職スクリプト＋給与交渉シート【5職種×3パターン】
Skillパックで議事録・PDF・メールの業務削減を始めても、それを職務経歴書や給与交渉に正しく落とせず止まる方は少なくありません。
理由ははっきりしています。市場では、年収1,200〜2,000万円帯のClaude Code求人が47件（Forkwell Jobs・2026年5月）並んでいます。JBCC社のAI-Augmented Product Engineerは790〜2,000万円のレンジで、Claude Code実務経験が要件です。ところが、自作したSkillを書類選考と給与交渉のテーブルに乗る言葉に変換できる人は、まだ多くないのが現状です。
このまま現職にとどまると、月20時間削減の経験は便利な業務改善で終わります。動いた人だけが年収プレミアム帯の入口に立てる構図です。
この記事の無料部分では、15シナリオの全体構造と代表3シナリオの完全版を共有します。有料部分（500円）では、残り12シナリオ、AI-Augmented職転職スクリプト6カテゴリ、給与交渉スクリプト6本、オファー判断5軸シート、3年後予測プロンプトを提供します。すべての数字は書き方例として明示します。
この記事でわかること
5職種×3パターン＝15シナリオの全体構造
代表3シナリオ（営業×個人／マーケ×チーム展開／人事×採用市場価値）の完全版
AI-Augmented職への転職スクリプトのフレーム
給与交渉用「定量化された業務削減数字」シートの設計思想
オファー判断5軸シートの概要
3年後の自分予測プロンプトの概要
つかみ：Skillパックを手に入れた次の壁
第88弾でSkillパックを使い始めた方なら、議事録・PDF・メールSkillで業務削減を実証し始めているはずです。ここから先に立ちはだかるのは、書類選考と給与交渉の2つの壁です。
書類選考の壁では、職務経歴書にClaude Codeを使えますと書いても通りません。市場が求めるのは、ツール名ではなく定量化された業務削減数字と運用実績です。HRAIT（2026年版AI人材採用ガイド）の表現を借りれば、評価軸はAIを知っている人からAIで結果を出せる人にシフトしました。
給与交渉の壁では、内定後に現職比プラス100〜300万円を提示されたときに、その金額が市場価値の正しい数字なのかを判断する材料を持たない人が大半です。
市場の構造を数字で押さえておきます。Forkwell Jobsの「Claude Code」求人は47件・年収1,200〜2,000万円帯、JBCC社のAI-Augmented Product Engineerは790〜2,000万円・Claude Code実務必須。Indeed Japanの「Claude Code 非エンジニア」関連求人は406件、Offers JobsではClaude Code副業案件が月50〜220万円・時給3,500〜15,000円。dodaの生成AI活用社内DX企画は600〜1,300万円、ソニー生命のAI推進室は500〜1,000万円、AI×PdMの顧客向けDX推進は800〜1,200万円のレンジです。
2026年4月10日のClaude Code Meetup Japan #4で公開されたメルカリの全社導入以降、他社の追随も加速しています。リクルーター側の動向もシフト中で、2026年4月時点のLinkedIn調査ではリクルーターの93%がAI活用拡大の計画ありと回答。LinkedIn自身も「Hiring Assistant」AIエージェントで採用業務の最大80%自動化を進めています（リクルートワークス研究所2026年版）。
本記事は、業務削減の数字を職務経歴書のBefore/Afterで言語化し、給与交渉のテーブルに具体的な数字シートを置く2点を実装レベルで支援します。15シナリオで書類選考の壁を、給与交渉スクリプトで交渉の壁を、オファー判断5軸シートで意思決定の壁を順に崩していきます。
5職種×3パターンの15シナリオの全体構造
15シナリオは、5職種（営業・マーケ・人事・企画・CS）×3パターンで構成します。
3パターンは職務経歴書での書き方の角度です。
パターン1：個人の業務削減で書く（議事録・PDF・メールSkillの実証）
パターン2：チーム展開で書く（Skill運用を社内に展開した経験）
パターン3：採用市場価値で書く（AI-Augmented職や副業案件への接続）
Indeed Japanの非エンジニア求人406件を職種別に分類すると、この5職種で全体の約8割を占めます（求人タイトル目視確認による推定）。求人ボリュームが大きい5職種に絞ることで、書き方例の再現性を最大化しています。
各シナリオは、元の職務経歴書（Before）／Claude Code経験を加えた職務経歴書（After）／想定面接質問3問と回答スクリプト／想定オファーの4要素をフル収録します。
業務削減数字の出典マップ
15シナリオで使う業務削減数字は、出典のある実証データか書き方例として明示した想定値です。自分の現職で実証した数字をこの表のフォーマットで整理しておくと、職務経歴書のBefore/Afterを書く際の武器になります。
議事録自動整理（90分会議の議事録を整理する作業）｜手動30分→Claude Code 11秒（約490倍速）｜Hakky Handbook
メール処理一括｜1日600分→30分（95%減）｜Uravation業務自動化10選
法人営業 提案書作成｜4.2時間→45分・提出数3倍｜Uravation営業活用ガイド2026
マーケター 競合分析｜6時間→30分（92%減）｜tatsuki氏 note記事
マーケター SEOコンテンツ計画｜8時間→1時間（88%減）｜tatsuki氏 note記事
広告監査（Anthropic自社事例）｜手動4〜8時間→5分以内｜Rimo Claude Ads Skill事例
代表3シナリオの完全版
無料部分で代表3シナリオを完全版で公開します。営業×個人、マーケ×チーム展開、人事×採用市場価値の3つです。
シナリオ1：営業×個人の業務削減（書き方例）
Before：法人営業10年。新規開拓中心、SaaS企業のエンタープライズ部門で年間予算120%達成。月20件の案件、提案書作成と議事録整理に週8時間。
After：法人営業10年。年間予算120%達成。2026年1月にClaude Code Skillを自作（議事録Skill・提案書整形Skill）。提案書作成プロセスを4.2時間→45分（89%短縮）、月間提出数を3倍に向上（Uravation営業活用ガイド2026の数字に準拠した書き方例）。月20時間削減を新規顧客発掘の架電に再配分し、新規アポ数が月12件→月23件へ拡大。
想定面接質問3問と回答スクリプト
質問1：Claude Codeを使い始めたきっかけは。
回答：2026年1月、法人営業の提案書作成に週20時間以上かかっていたのが課題でした。Uravationの営業活用ガイド（2026年版）でClaude Codeで提案書作成を4.2時間→45分に圧縮した事例を読み、自部門で再現できると判断。最初の2週間は議事録Skillから始め、軌道に乗ったタイミングで提案書整形Skillに広げました。
質問2：再現性をどう担保していますか。
回答：Skillの中身をMarkdownで定義し、提案書の構成・想定読者・トーンの3点をプロンプトに固定化。自部門3名にSkillを共有し、運用ログを2ヶ月蓄積、週次レビューで精度を改善しています。
質問3：御社で最初の3ヶ月で何をしますか。
回答：1ヶ月目は現職のSkillを御社の提案書テンプレートに合わせて再構築、2ヶ月目は同部門の若手3〜5名に展開し削減数字を取得、3ヶ月目は経営会議向けに削減時間と新規アポ数増加の関係を1枚のシートで報告します。
想定オファー：SaaS企業のエンタープライズ営業ポジションで現職比プラス80〜150万円。具体的には現職700万円から780〜850万円帯の提示。給与交渉でさらに50〜100万円積み上げる余地あり（詳細は有料部分の給与交渉スクリプト1）。
読み解きポイント：肝は、Skillの実証数字（提案書89%短縮）を最終的な営業成果（新規アポ月12→23件）まで紐づけて書くこと。職務経歴書のAfterは、削減時間→再配分先→結果として伸びた数字の3段階を1セットで記述します。
シナリオ2：マーケ×チーム展開（書き方例）
Before：マーケター7年、SEO・コンテンツ制作中心。月間PV80万のオウンドメディアで、月10本のSEO記事制作を統括。
After：マーケター7年、月間PV80万のオウンドメディア担当。2026年2月にClaude Code Skillを自作し、競合分析を6時間→30分（92%減）、SEOコンテンツ計画を8時間→1時間（88%減）（tatsuki氏 note記事の数字に準拠した書き方例）。自部門3名にSkillを展開し、運用ガイドラインをMarkdownで整備。年間900時間相当のチーム業務削減を実証し、削減時間を新規企画に再配分、新規企画数が年4件→年12件へ拡大。
想定面接質問3問と回答スクリプト
質問1：チーム展開で苦労した点は。
回答：最初の壁はメンバーがMarkdown形式に慣れる必要があった点です。3名中1名がエンジニア出身でなく、最初の2週間は私が併走で書き換え方を共有。3週目から自走でき、削減時間の数字が安定するようになりました。
質問2：チーム展開のROIをどう測定していますか。
回答：競合分析・SEOコンテンツ計画・記事構成案の3業務でBefore/Afterの時間記録を毎週金曜に取得。年間900時間×時給4,500円換算で約400万円の人件費効率化として経営会議に報告。月間PV80万→110万への伸びも別途記録しています。
質問3：御社で同じ展開を再現する期間は。
回答：1ヶ月目は私が御社のオウンドメディアでSkillを再構築、2ヶ月目は同部門3〜5名へ展開し運用ガイドライン整備、3ヶ月目は他部門への横展開、4ヶ月目以降は社内AI推進担当の兼任を打診する想定です。
想定オファー：AI推進担当兼任のマーケティングマネージャーポジション。現職比プラス150〜250万円、現職750万円→900〜1,000万円帯。AI推進担当の比重を3〜4割で兼任することで、AI-Augmented職への接続パスを残します。
読み解きポイント：効くのは横展開の計算式を1行で示すこと。3名×年間300時間＝900時間、時給4,500円×900時間＝約400万円のように経営層が読みやすい形にまとめると、AI推進担当兼任のオファーにつながりやすくなります。
シナリオ3：人事×採用市場価値（書き方例）
Before：人事3年、新卒採用と中途採用を担当。月100名の応募者の書類選考・一次面接設定・内定者フォローを担当。
After：人事3年。2026年3月にClaude Code Skillで応募者一次スクリーニング自動化、月100名の書類処理を月40時間→月10時間（75%減・Uravation業務自動化10選の数字に準拠した書き方例）。LinkedIn Hiring Assistantの社内導入を企画提案し、採用業務最大80%自動化のロードマップを役員会で承認（リクルートワークス研究所2026年版データを参考にした想定値）。HRテック企業への転職を視野に、AI採用運用の経験を市場価値として体系化中。
想定面接質問3問と回答スクリプト
質問1：応募者一次スクリーニングの精度をどう担保していますか。
回答：Skillの判定基準を、職務経歴書の経験年数・必須スキル・カルチャーフィット要素の3軸で定義。月100名のスクリーニング結果を人事マネージャーと毎週レビューし、Skill判定と人間判定の一致率を取得。導入3ヶ月時点で一致率85%まで上昇し、AIだけで通過させる範囲と人間が最終判断する範囲を明確に分けて運用しています。
質問2：採用業務へのAI導入で、現場の抵抗はありませんでしたか。
回答：ありました。最初の2週間はAIに人を判断させるのかという声が出ました。対応として、最終判断は人間が行うこと、AIは判定理由をMarkdownで明示することの2点を導入条件に。3ヶ月後にはSkillで初期判定された応募者の方が面接評価が高い傾向、というフィードバックを得ています。
質問3：御社のHRテック製品でどんなAI活用を提案しますか。
回答：御社の採用管理SaaS（ATS）にClaude Codeで構築できるカスタムSkillの連携機能を加える提案です。顧客企業が自社の採用基準をMarkdownで定義し、御社のATSが応募者データをSkillに渡して一次スクリーニングを返す構造。現職で運用してきた経験を御社の顧客企業の運用支援に活かせます。
想定オファー：HRテックSaaSのCS or PdMポジション。現職比プラス100〜200万円、現職550万円→650〜750万円帯。CSの場合は採用業務自動化の運用支援が主役割、PdMの場合は顧客企業のAI採用フロー設計支援が主役割になります。
読み解きポイント：重要なのは、現職の業務削減数字に加えて社内提案（LinkedIn Hiring Assistant導入提案を役員会で承認）まで含めること。HRテック企業の営業・CS・PdMポジションで最も評価される実績の1つになります。
AI-Augmented職への転職スクリプトのフレーム
15シナリオの3パターン目（採用市場価値）の出口として、AI-Augmented職への転職パスを設計します。
代表的な6カテゴリーは次のとおりです。
AI-Augmented Product Engineer（JBCC他、790〜2,000万円・Forkwell Jobs）
AI推進室（ソニー生命・古河電工など、500〜1,000万円・doda）
DX推進企画（生成AI活用社内DX企画、600〜1,300万円・doda）
PdM×AI（顧客向けDX推進、800〜1,200万円・doda）
HRテック企業のCS／PdM（650〜900万円帯・推定）
AIスタートアップの非エンジニア職（500〜900万円帯・推定）
共通の想定問答3問は、なぜ今AI-Augmented職か（動機の言語化）、現職で実証したAI活用の中身（定量化された数字）、御社の事業でAIをどう統合するか（入社後90日プラン）です。完全版（10問×6カテゴリーの問答スクリプト）は有料部分で提供します。
給与交渉用シートの設計思想
給与交渉の場で武器になるのは、定量化された業務削減数字です。シートには次の5要素を1枚にまとめます。
個人の業務削減数字（議事録・PDF・メールSkillの実証データ）
チーム展開の規模（横展開人数と削減時間の合計）
Skill運用の継続期間（運用ログ）
採用側のシフト材料（HRAIT・LinkedIn Hiring Assistantなど）
入社後90日プラン（具体的な数字目標）
LinkedIn Hiring Assistantが採用業務最大80%自動化を進めている（リクルートワークス研究所2026年版）状況で、面接時間も圧縮されています。短時間で印象に残るのは定量的な数字とその再現性の根拠です。完全版シートテンプレートと給与交渉スクリプト6本は有料部分で提供します。
オファー判断5軸シートの概要
複数オファー比較で、年収だけで判断すると3年後に後悔します。
5軸は次のとおりです。
提示年収
AI教育予算の有無
Claude Code導入状況
AI-Augmented職への接続性
3年後の自分の伸び代
年収だけ突出して高いC社（1,200万円・AI教育予算なし・Claude Code未導入）と、年収はやや控えめなA社（1,000万円・AI教育予算年50万円・全社導入済み）を比較する場合を考えます。3年後の市場価値の伸びはA社の方が圧倒的に大きいケースが多くあります。完全な5軸スコアリングシートは有料部分で提供します。
3年後の自分予測プロンプトの概要
3年後予測プロンプトは、Claude Codeに自分の現職経歴・Skill運用実績・市場の動向データを渡し、3年後の想定キャリアを複数シナリオで出力させる仕組みです。
入力は、現職経歴と業務削減実績、業界の年収レンジと求人動向、3年後の目標年収レンジと役割の3点。出力は3パターン（保守的・標準・挑戦的）のキャリアシナリオと、各シナリオで取るべきアクション。Claude CodeのMemory機能で、3ヶ月前のシナリオと現在のシナリオの差分を自動追跡できる点が、ChatGPTにはない強みです。完全プロンプトは有料部分で提供します。
無料部分のまとめ＋有料部分への橋渡し
ここまでで、15シナリオの全体構造、代表3シナリオの完全版、出典マップ、AI-Augmented職フレーム、給与交渉シート設計思想、オファー判断5軸シート概要、3年後予測プロンプト概要を共有しました。無料部分だけでも、自分の職種に近いシナリオを参考に職務経歴書のBefore/Afterを書き直せる骨格は揃います。
有料部分（500円）では、残り12シナリオの完全版、AI-Augmented職6カテゴリの問答、給与交渉スクリプト6本（自分のセリフ・想定相手反応・切り返しまで実装レベル）、オファー判断5軸スコアリングシート、3年後予測プロンプト完全版、副業からの段階接続パスを一気通貫で提供します。
【ここから先は有料パートになります】
ここから先は
¥ 500
この記事が気に入ったらチップで応援してみませんか？