OpenClaw で何ができるのか？ヘビーユーザーによる実際の使用事例 10 件を紹介します。

OpenClawは最近非常に人気が高まり、あらゆるところで議論が交わされています。しかし率直に言って、コンテンツのほとんどは理論、アーキテクチャ、ビジョンに焦点を当てており、実際に何ができるのか、日常業務にどのように実装できるのかを明確に説明している人はほとんどいません。

マシュー・バーマン氏は最近、OpenClawを使って構築したすべてのユースケースを紹介するビデオを公開しました。抽象的な概念は一切なく、実践的な内容となっています。CRM、ナレッジベース、ビジネスコンサルティングチーム、セキュリティ監査、ソーシャルメディアトラッキング、動画トピックパイプライン、デイリーブリーフィング、食事日記… 小規模企業のミドルウェアチームの業務を、たった1人の人間と1台のMacBookでこなしたのです。

彼が提案するコアユースケースを一つずつ分解し、解説していきたいと思います。誇張や偏見なく、それぞれのユースケースがどのようなもので、どのように機能し、どのようなメリットがあるのかを解説します。

ユースケース 1: 自然言語 CRM、30 分でゼロから使用可能に

これはバーマン氏が実演した最初のユースケースであり、最も直感的なものでもあります。

セットアップのプロセス：彼はOpenClawに自然言語でこう指示しました。「Gmail、Googleカレンダー、Fathomからデータを抽出し、マーケティングメールや押し売り的なセールストークをフィルタリングし、価値のある会話と連絡先だけを保存するCRMを構築してください。」彼はコードを1行も書きませんでした。そして、わずか30分で稼働させました。

データ取り込み：システムは勤務時間中、30分ごとにメールをスキャンし、5分ごとにFathom（AIを活用した会議録画ツール）をチェックします。保存前に、すべてのデータはLLM（ローカル管理モデル）評価を受けます。「このメールは保存する価値があるか？」「この連絡先は重要か？」

コアコンピテンシー:

371件の連絡先すべてを自然言語で検索できます。「前回ジョンと何について話したっけ？」「X社で最後に話した人は誰？」
関係の健康スコア。長期間連絡を取っていない人を自動的にマークします。
重複した連絡先の検出とマージの提案
ベクトル埋め込み検索は意味レベルのあいまい一致をサポートします

最も印象的な点は、バーマン氏が他のシナリオ（例えばビデオのトピックについて考えているなど）にいるとき、CRMが積極的に介入してくることです。「以前、スポンサーと似たようなトピックについて話し合ったことがあるでしょう。もしかしたら、このエピソードのスポンサーになってくれるかもしれませんよ」。このシステムはモジュール間で連携し、受動的にデータを保存するだけでなく、能動的につながりを構築します。

Berman 氏のオリジナルの言葉は次のとおりです。 「完全にカスタマイズされた CRM を 30 分で構築し、その後 1 ～ 2 時間かけて反復して最適化できるのであれば、なぜ CRM 会社に料金を支払う必要があるのでしょうか。」

ユースケース2: 会議のアクションアイテムの自動追跡

このユースケースは CRM と密接に連携しますが、個別に説明する必要があります。

ワークフロー:会議終了 → Fathom が全文を転記 → OpenClaw が CRM の連絡先を照合 → アクション項目を抽出 → 承認のために Telegram 経由で Berman に送信 → 承認された項目は自動的に Todoist に入力されます。

いくつかの重要な設計上の特徴:

「自分の」行動と「相手の」行動を区別しましょう。相手があなたに約束した項目はシステムによって「待機中」とマークされ、相手が約束を果たしたかどうかが自動的に追跡されます。
自己学習型フィルタリング。バーマン氏がアクションを拒否した場合（「これは私のタスクではありません」）、システムはその理由を学習し、抽出ルールを更新します。同様のアクションは再度抽出されません。
システムは1日に3回、完了状況を自動的に確認します。例えば、会議中に「今日中にメールを送信します」と言った場合、システムは実際に送信されたかどうかを確認し、送信済みの場合は自動的にチェックボックスにチェックを入れます。
14日後に自動的にアーカイブされます。期限切れや未完了のアイテムは自動的に削除され、リストが整理されます。

このシステムの価値は、特定の機能にあるのではなく、最も失敗しやすい部分である「会議後のフォローアップ」を完全に自動化している点にあります。

ユースケース 3: 個人のナレッジベース、リンクを追加するだけ。

バーマン氏は長い間、ある悩みを抱えていた。それは、良いコンテンツを見つけて保存しても、二度と見つけられないということだ。

彼の解決策は非常にシンプルでした。すべてのリンクをTelegramに入れて、残りはOpenClawに任せるというものでした。

システムはこれらの種類のコンテンツを自動的に処理します:

記事: ブラウザを使用して有料ウェブサイトに自動的にログインした後、全文を直接スクレイピングして抽出します。
YouTubeビデオ:字幕のキャプチャ/テキストの文字起こし
X 投稿:単一の投稿をキャプチャするだけでなく、バックリンクを含む投稿文字列全体を自動的に追跡します。
PDF:直接テキスト解析

すべてのコンテンツはベクトル化され埋め込まれ、SQLiteにローカルに保存されます。その後、自然言語検索を使用できます。「OpenAIに関するすべての記事を表示」と入力するだけで、ワンクリックで検索できます。

チームコラボレーションの強化：データベースに追加されたコンテンツはすべて、「マットが皆さんにこれを見てもらいたいと言っています」というメッセージとともにSlackに自動的に同期されます。チームは、これがAIによってランダムにプッシュされたものではなく、上司が個人的に読んだものであることを認識できます。

このユースケースの鍵は、技術的な複雑さではなく、むしろ参入障壁の低さにあります。タグ付け、分類、整理は一切不要です。ただデータを入力するだけで、あとはAIが処理してくれます。

ユースケース 4: ビジネス諮問委員会。8 人の専門家が毎晩会議を開催します。

個人的には、これがビデオ全体の中で最もクレイジーな使用例だと思います。

データ入力: 14 個のビジネスデータソース。YouTube アナリティクス、Instagram 投稿エンゲージメント、X Analytics、TikTok データ、メールキャンペーン、会議議事録、Cron タスクのヘルスステータス、Slack メッセージなど、基本的に彼のビジネスのあらゆる側面をカバーしています。

分析プロセス： 8つのAIエキスパート（財務、マーケティング、グロース、オペレーションなど）が、すべてのデータを独立して並行して分析します。分析が完了すると、各エキスパートは分析結果を議論し、意見の相違を整理した上で、優先順位に基づいた推奨事項のリストを作成します。

配信方法：このプロセスは毎朝深夜に自動的に実行され、結果は番号付きの要約としてTelegramに送信されます。バーマン氏は起床後にこの要約を確認し、結果について追加の質問をすることができます。「結果3についての議論を詳しくお願いします。」

このユースケースの発想の源は、マルチエージェント・コラボレーション・モデルにあります。1つのAIがアドバイスを提供するのではなく、複数のAIが議論し、それぞれ独自の提案を行うのです。まるで実際の取締役会のように、財務部門は貯蓄を、マーケティング部門は支出を主張し、最終的に現実的な妥協点が導き出されます。

ユースケース5：セキュリティ委員会、毎晩AIをレビューするAI

ビジネスコンサルティング会社と似た構造ですが、方向性は全く異なります。

実行時間:毎晩午前 3:30 (Anthropic API クォータの競合を避けるため、他のタスク時間からずらします)。

レビューチーム:攻撃、防御、データプライバシー、運用の信頼性の 4 つの観点からのセキュリティ専門家。

レビュー範囲：コードベース全体、Gitコミット履歴、ランタイムログ、エラーログ、保存データ。これは静的なルールスキャンではなく、AIがコードを真に読み取り、ロジックを理解できるようにします。

出力： Opus 4.6はすべての発見事項を統合し、番号を付けてTelegramに投稿します。重大な問題は即座に警告されます。Berman氏は「修正してください」と直接返信するだけで、システムが自動的に修正します。

自己進化：各修正の経験が記憶され、レビュールールは継続的に反復されます。システムが現在の状態が安全であると確認したため、新しい提案がない夜もあります。

このユースケースの最も優れた点は、AIを用いてAI自体を検査することです。バーマン氏は率直にこう述べています。「インジェクション脆弱性に対する安全対策は完璧にはなり得ません。しかし、リスクが存在しないふりをするのではなく、システムに毎日セルフチェックを実行させる方が賢明です。」

ユースケース6: ソーシャルメディアトラッキング + デイリーブリーフィング

追跡範囲： YouTube、Instagram、X、TikTok。スナップショットを毎日自動取得し、SQLiteデータベースに保存します。

データディメンション: YouTube は動画の視聴回数、視聴時間、エンゲージメント率を追跡し、他のプラットフォームは投稿レベルのパフォーマンスデータを追跡します。

二重使用:

毎日のブリーフィング。毎朝Telegramに送信され、昨日のパフォーマンスが伝えられ、何がうまくいったか、何がうまくいかなかったかが強調されます。
それをビジネス諮問委員会に提出します。ソーシャルメディアのデータは、夜間のビジネス分析に直接関係する14のデータソースの1つです。

これは、システム全体のフライホイール効果を示しています。ソーシャルメディア追跡モジュールは単独で動作するのではなく、同時に生成されるデータは、ブリーフィングと諮問委員会という 2 つの下流のユースケースに役立ちます。

ユースケース 7: 動画トピック選択パイプライン、一文から Asana カードまで

トリガー方法: Slack のディスカッションで、誰かが投稿の下に「 @Claude 、これはビデオのアイデアです」と返信します。

自動化されたプロセス:

Slackのディスカッションスレッドの全文を読む
ウェブ検索 + X トレンド調査
ナレッジベースを検索して、関連する既存の資料があるかどうかを確認します。
トピックが既存のトピックと同じかどうかを確認し、盗作がないか確認します。
完全なビデオアウトラインを生成します: タイトルの提案、サムネイルの提案、オープニングフック、ビデオフローのフレームワーク。
このトピックを追求する価値があるかどうかを判断するための評価を実施します。
すべての調査資料とリンクを含むプロジェクトカードを Asana で作成します。

動画の中で、バーマン氏は実際の例を示しました。Quen 3.5 のリリースが Slack で共有され、誰かがそれを動画のアイデアとしてタグ付けすると、Twitter 上のさまざまな KOL の議論、オープンソースコミュニティからの反応、動画のアングルの提案などを含む完全なトピックパッケージがシステムによって自動的に生成されました。

このユースケースの価値は、「インスピレーションの獲得」と「実行可能なソリューション」の間の距離をほぼゼロに縮めることです。

ユースケース8：メモリシステム – 使えば使うほどAIがユーザーをより深く理解する

ChatGPTを使うほとんどの人は、会話がまるで初めて会った時のような感覚になります。しかし、Berman氏のOpenClawはそうではありません。

メモリレベル:

会話メモリ: 毎日の会話は Markdown ファイルとして自動的に保存されます。
好みの抽出: 会話から文章の好み、トーンやスタイル、興味、株式の追跡、電子メールの分類ルールなどを抽出し、メモリに保存します。md
アイデンティティ更新: 新しい会話が始まるたびに、システムはメモリファイルを読み取り、 identity.mdとsoul.mdを更新します。
ベクトル化された検索: すべてのメモリファイルはベクトル化され、RAG 検索をサポートします。

状況に応じたパーソナリティの切り替え：バーマン氏はAIに2つのパーソナリティを割り当てました。Telegramのプライベートチャットでは、友人のようにユーモアがありカジュアルな雰囲気で振る舞いますが、Slackのチームチャンネルでは、プロフェッショナルで同僚のような雰囲気に自動的に切り替わります。これらはすべてsoul.mdで定義されています。

このユースケースは、AIを「ツール」から「パートナー」へと変革します。AIはもはや指示を実行するだけでなく、ユーザーが誰であり、何を望んでいるかを真に理解します。

ユースケース9: 食事日記 - AIがアレルゲンの発見を支援

これは最も予想外の使用例です。

使い方：食べ物の写真を撮ってOpenClawに送信してください。自動的に認識され、データが記録されます。お腹の調子を報告するためのリマインダーが毎日3回届きます。すべてのデータは食事ログに保存されます。

分析機能: 毎週の分析をトリガーし、食品記録と症状レポートを相互参照してパターンを特定します。

実際の結果：写真に写っている食品の成分とバーマン氏の症状のフィードバックを分析することで、システムは彼の胃が玉ねぎに敏感であることを発見しました。彼はこのことに全く気づいていませんでした。

チャットボットは、以前は病院での専門的な検査が必要だった食物アレルゲンの特定を支援しました。

ユースケース 10: スケジュールされたタスク + 自動バックアップ + 自動更新

この部分はそれほど魅力的ではありませんが、おそらく最も重要なインフラストラクチャです。

Cronタスクリスト:

| 頻度 | タスク |

|------|------|

| 5 分ごと | Fathom 会議の議事録を確認する |

| 30 分ごと | メールをスキャン |

| 1日3回 | アクション項目の完了チェック |

| 毎晩 | ドキュメントの同期、CRM スキャン、セキュリティ監査、ログの取り込み、ビデオデータの更新、朝のブリーフィングの生成 |

| 週刊 | メモリ合成、収益プレビュー |

| 1 時間ごと | Git コミット + データベースバックアップ |

バックアップ戦略：すべてのSQLiteデータベースは自動的に検出、暗号化、パッケージ化され、Googleドライブにアップロードされます。これにより、過去7日間のデータが保持されます。コードは1時間ごとにGitHubにプッシュされます。バックアップに失敗すると、Telegramに即座にアラートが送信されます。

自動更新:毎晩午後 9 時に新しい OpenClaw バージョンを確認し、変更ログを表示し、1 つの「更新」メッセージで自動的にアップグレードして再起動します。

APIトレース： LLM呼び出しごとに、どのモデルが使用され、トークンがいくつ消費されたかを記録します。さらに、各モデルの公式プロンプトガイドラインもダウンロードされるため、システムは実際に使用されたモデルに基づいてプロンプトを最適化できます。

このインフラストラクチャの設計哲学はシンプルです。システムはユーザーが眠っている間にも稼働し、システムに障害が発生するとすぐに分かります。

画像とビデオの生成: オンデマンドでビジュアルコンテンツを作成

Berman は、Veo (ビデオ生成) と NanoBanana Pro (Gemini 画像生成) を OpenClaw に統合しました。

使い方はとても簡単です。Telegramで「イタリア、トスカーナの別荘の動画」と言えば、システムがVeoを使って動画を生成し、自動的にダウンロードしてTelegramに送信します。その後、ローカルファイルは削除されて容量が節約されます。画像も同様に動作します。必要な動画を指定するだけで、NanoBanana Proが動画を生成して直接プッシュします。

このユースケース自体は特に画期的なものではありませんが、他のワークフローに組み込むことができる点に価値があります。例えば、動画のトピック選択パイプラインでサムネイルの候補を生成する際に、画像生成を直接呼び出して画像を生成することができます。

全体像に戻ると、重要なのはこれらのユースケース間の関係です。

1つのユースケースだけを見ると、「とてもクールだけど、それほど特別なものではない」と思うかもしれません。ChatGPTは連絡先の検索にも役立ち、Notion AIはナレッジベースの整理にも役立ちます。

しかし、Berman システムの真の力は、ユースケース間のデータフローにあります。

CRMデータ → ビジネス諮問委員会にフィード
ナレッジベースコンテンツ → ビデオトピック選択パイプラインへのフィード
ソーシャルメディアデータ → 毎日のブリーフィングと諮問委員会に提供
会議議事録 → CRM + アクションアイテムシステムへのフィード
すべてのモジュール実行ログ → セキュリティ委員会に提出

各モジュールは孤立したものではなく、相互に強化し合うデータフライホイールを形成しています。だからこそ、1人とMacBook1台で小規模チーム並みの成果を生み出すことができるのです。

バーマン氏の言葉で特に適切だと思うものがあります。「私が構築したさまざまなパーツがどのように相互作用し、お互いを強化しているかがわかるようになるでしょう。」

安全に関するお知らせ: 走行する前にシートベルトを締めてください。

バーマンの安全に対する取り組みは特に注目に値する。

インジェクション防御のヒント: すべての外部コンテンツは潜在的に悪意のあるものとみなされ、データがデータベースに追加される前に決定論的なコード事前スキャンが実行されます。
権限を最小限に抑える: 電子メールとカレンダーは読み取り専用で、書き込み権限は拒否されます。
出力制御: 逐語的な繰り返しなしで要約し、キーとトークンを自動的にフィルタリングします。
リリース承認: メールやツイートを送信する前に手動での確認が必要です。
暗号化されたバックアップ: 二重のパスワード保護、.env ファイルはデータベースに追加されません。

彼自身、次のように明確に述べています。「完璧なセキュリティソリューションは存在しません。大規模言語モデルは非決定論的なシステムであり、ヒントインジェクションを完全に防ぐことは不可能です。しかし、だからといって何もすべきではないということではありません。」

これらのユースケースを検討した結果、私が最も強く感じたのは、AI時代において「フルスタック」とは、もはやフロントエンドとバックエンドのコードを書けることではなく、AIワークフロー全体を構築・管理できることを指すということです。バーマン氏はコードを書きませんが、自身のニーズを非常に明確に理解しており、自然言語を用いてそれらのニーズを実用的なシステムへと変換する方法を熟知しています。

これは 2026 年に習得する価値のあるスキルかもしれません。

ポッドキャスト「Podwise」がまとめたMatthew Berman氏の動画「OpenClawの21の素晴らしいユースケース」をベースにしたオリジナル動画には、各ユースケースの詳細なプロンプトが含まれており、ぜひ視聴することをお勧めします。OpenClawや同様のフレームワークを使用して独自のAIシステムを構築している場合は、最初に構築したユースケースをコメント欄で共有してください。