マイクロ法人でソフトウェア開発を本業に、サブ事業として都内区分マンションの大家業も運営しています。
賃貸管理の雑務と物件判断をClaude Codeで効率化。
「大家業はClaudeでこんなに楽になる」を、現場目線で広めていきます。
個別株を自分で調べて買う派だと、1銘柄まともに調べるだけで休日が半分溶けませんか。
事業内容、財務、競合、割安かどうか。
それだけでも時間がかかるのに、「何をどの順番で調べればいいか」が毎回ブレる。
そのリサーチの順番をまるごとClaude Codeのコマンド1行に載せてしまうOSSが、GitHubで累計12,700スターを超えて伸びています。
最初に断っておくと、これは銘柄を推奨するツールではなく、リサーチの手間を減らして判断材料を整理するためのものです。
ai-berkshireとは何か?Claude Codeで動く価値投資リサーチのOSS
ウォーレン・バフェット、チャーリー・マンガー、段永平、李録。
この4人の投資手法を体系化して、Claude Code上で価値投資のリサーチを回すためのフレームワークが ai-berkshire です。
「自分1人+Claude Code=リサーチチーム」を作ってしまう発想ですね。
なぜ今このツールが伸びているのか
累計12,700スター超という数字は、この手のニッチなOSSとしては相当な注目度です。
伸びている理由ははっきりしていて、既存のAI投資ツールがPythonやLangChain前提の「自作するもの」だったのに対して、これはClaude Codeのコマンドを叩くだけで動くからです。
スクリーニングのコードを自分で書かなくていい。
ここが実務家にとっては大きい違いです。
「4人の師匠」を1チームにする発想
名前は知っていても、4人並ぶ意味がわからない方もいると思います。
バフェットは言わずと知れた価値投資の代名詞、マンガーはその盟友で逆張りとリスク思考の人。
段永平は步步高・OPPOの源流を作った実業家でビジネスモデルを重視する投資家、李録はマンガーが「自分が資金を預けた唯一の外部運用者」と評した投資家で長期の確実性を見ます。
4人の見る角度が違うからこそ、1つの銘柄を多面的に洗えます。
ここからは「この4人が実際にどう動くのか」を見ていきます。
ai-berkshireのインストールと使い方 コマンド1行で動くまで
Pythonのコードを一切書かずに、リサーチが1行で走ります。
前提条件
READMEによると、必要なのはClaude CodeまたはCodexのクライアントです。
加えて財務計算用のスクリプトが動くPython 3環境と、Web調査のためのインターネット接続。
WindやBloombergのAPIをMCP経由でつなぐ連携については将来のロードマップとして記載されており、現時点では未実装です。
逆に言えば、Claude Codeさえ入っていれば最低限は動きます。
インストールと実行コマンド
インストールはリポジトリを取ってきてスクリプトを実行するだけです。
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire
./scripts/install-claude-commands.shこれでClaude Code上にコマンド群が登録されます。
基本は /investment-research 銘柄名 で、指定した企業を総合的に深掘りする使い方です。
ほかにも買付前の観点を洗う /investment-checklist、決算を読み込む /earnings-review、4人のエージェントを並行で走らせる /investment-team など、用途別のコマンドがひととおり並んでいます。
まず1つ試すなら /investment-research で十分です。
まずそれだけ、気になる銘柄を1つ入れてみてください。
ai-berkshireの出力レポートは何を見せてくれるのか 4エージェントの分担
このツールの面白いところは、単一のAIが分析するのではなく、4人分のエージェントが別々に動く点です。
Team Leadと呼ばれる調整役が4人のエージェントを並行して動かし、それぞれが独立に調べて独立に判断したものを最後に統合します。
「バフェット風に分析して」と1人のAIに頼む場合と何が違うのか——出てくる論点の厚みと、互いの見方が食い違ったときの見え方が変わります。
4エージェントの分担
役割分担はこうなっています。
段永平エージェントがビジネスモデルと護城河(moat=競争優位)、バフェットエージェントが財務指標とバリュエーション、マンガーエージェントが逆張りとリスクの洗い出し、李録エージェントが長期の確実性。
見る角度が被らないように割り振られているのがポイントです。
つまりこれは、買う理由と買わない理由を同じ土俵に並べる仕組みです。
出力される成果物の形
出力はMarkdownのレポートで、reports/ フォルダに保存されます。
中身は5段階の星評価、楽観・中立・悲観の3シナリオごとの目標株価レンジ、護城河の深さや安全マージン(割安度の余地)といった定性フレームで構成されます。
「この銘柄を買え」という結論ではなく、見るべき論点を漏れなく並べてくれる叩き台です。
「なぜ買うのか」と「なぜ買わないのか」を、同じ粒度で見られるのが、実務では効きます。
次のセクションで、この構造が大家業の物件調査とどう重なるかを見ていきます。
兼業投資家がai-berkshireで気づいた、価値投資の目線は株も不動産も同じだった
ここからは大家目線の話です。
このツールが辿るリサーチの順番——事業理解、財務、競争優位、バリュエーション——を眺めていて、区分マンションを買うときに見ている順番とほぼ同じだなと感じました。
株も不動産も、価値投資の目線で見ると構造が重なります。
「護城河」を物件に置き換えると何か
株の護城河は「代替されにくさ」です。
都内区分マンションに置き換えると、駅からの距離、築年、管理状態、間取りの希少性あたりになります。
徒歩3分の駅近と徒歩15分では、賃貸需要の底堅さが違う。
競合物件が増えても選ばれ続ける理由があるか、という問いは、株の競争優位を見る目線とそのまま重なります。
「安全マージン」=指値の考え方
バリュエーションで割高を避ける発想は、大家が「この価格までなら買っていい」というラインを引くのと同じです。
想定家賃と実質利回りから逆算して、売り出し価格に対してどこまで指値できるか。
株で言う安全マージンを、不動産では指値幅として持っておく。
調べる順番が同じなら、片方で鍛えた判断軸はもう片方でも効きます。
ai-berkshireの使い方で押さえたい、向く人・向かない人
このツールで解決できることは、論点の抜け漏れ防止、リサーチの叩き台づくり、調査の高速化です。
逆にできないのは、最終判断そのものと、売買タイミングの予測。
出力された数字が将来を保証するわけではありません。
向いているのは、自分でリサーチする前提がある兼業投資家や、調べたいのに時間が足りない個人投資家です。
反対に、丸投げして結論だけ欲しい人や、出力を検証せず鵜呑みにする人には向きません。
リポジトリ自身も「学習・研究目的のみで、投資助言ではない。必ず自分で調査(DYOR)を」と明記しています。
リサーチを効率化する道具であって、判断を代行する道具ではない、という立て付けです。
まとめ 調べる順番を持っている人ほど、ai-berkshireは効く
外注できるのはリサーチの型であって、判断そのものではありません。
だからこそ、自分の中に「どう調べるか」の順番を持っている人ほど、この手のツールは効きます。
順番があれば、出てきたレポートのどこを疑い、どこを深掘りするかが自分で決められます。
試すハードルは低いです。
GitHubのREADMEをざっと確認して、Claude Codeで気になる銘柄を1つ /investment-research にかけてみる。
それだけで、自分が普段どこを見落としていたかが見えてきます。
最後にもう一度だけ。
これは判断材料を整理するためのツールで、銘柄推奨ではありません。
使うかどうか、どう受け取るかは、自分の目で確かめてからにしてください。



💬 コメント
ログイン か 会員登録 するとコメントできます