數位業務繼承救援：將日本的「個人化系統」轉化為可轉移的資產
「用 Claude Code 和 Codex 可以做出什麼來賺錢？」
面對這個問題，大多數人立即想到的是 AI 應用程式接案開發、業務自動化、聊天機器人、海外服務的日文版，或是小型 SaaS 產品。
然而，這些領域早已人滿為患。
隨著 AI 撰寫程式碼的速度提升，單純「會寫程式碼」的價值反而下降。
從客戶的角度來看，A 公司、B 公司、C 公司都說：「我們用 AI 進行短期開發。」最終這只會導致價格競爭，AI 所省下的時間，反而被轉化為降價的壓力。
那麼，在 AI 時代，什麼才是真正有價值的？
答案不是程式碼本身。
關鍵在於，將那些無人能解釋的業務流程去神秘化，並創造出即使有人離職，公司也不會停擺的狀態。
結合 Claude Code 和 Codex 來鎖定的最強金礦，是以下這個業務：
「數位業務繼承救援」：發掘埋藏在 Excel、VBA、Access、老舊系統、手工作業以及員工腦海中的業務規則，並將其轉化為規格書、測試、遷移計畫與營運程序。
這不是單純的系統開發。
也不是簡單的 DX（數位轉型）顧問服務。
這是在社長退休、資深員工離職、M&A 過渡期、或老舊 PC 故障等關鍵時刻，將埋藏在公司內部的「看不見的軟體」拯救出來的工作。
你賣的不是一個程式。
你賣的是「即使那個人明天不在了，公司依然能持續運作」的安心感。
1. 為何這在日本是一塊巨大的金礦
日本約有 336 萬家中小企業。
根據中小企業廳截至 2021 年 6 月的資料，中小企業與小規模事業者共有 336.5 萬家，支撐了日本約 70% 的就業人口。
換句話說，日本經濟的主體並非由大企業的最新系統驅動，而是由地方中小企業的日常運作來支撐。
資料來源：中小企業廳「中小企業・小規模事業者數」
另一方面，這些現場充斥著這樣的系統：
- 早已離職的員工所建立的 Excel 巨集
- 只有一位行政人員知道如何操作的 Access 資料庫
- 經過 20 年修修補補的銷售管理系統
- 需要手動處理 CSV 以配合會計軟體的作業
- 結合 Email 附件、共享資料夾與紙本檢查表的訂單處理流程
- 只有特定員工才懂的折扣、結算日、庫存分配與請款例外處理
- 沒人敢碰的批次檔與老舊腳本
- 伺服器位置不明的資料庫
關鍵在於，這些不單純是「老舊系統」。它們裡面蘊含了數十年來累積的業務 Know-how，涵蓋交易條件、客戶服務、庫存判斷、品質管理與請款等層面。
即使程式碼雜亂無章、畫面老舊過時，只要它支援著每個月的銷售與付款，它就是公司的重要資產。
然而，在許多情況下，這些資產並未以規格書或操作手冊的形式被記錄下來。它們零散地存在於員工的腦海、Excel 的公式、VBA 的分支判斷、Access 的查詢以及共享資料夾的檔名之中。
這就是業務繼承問題的癥結所在。
2025 年版《中小企業白書》顯示，超過半數的中小企業經營者年齡超過 60 歲，約 40% 的個人事業主有意願停業。雖然接班人不足的比率正在下降，但經營者高齡化與業務繼承依然是重大課題。
資料來源：中小企業廳「2025 年版中小企業白書」
即使移交了股份或房地產，但從接單到請款的實際運作流程只有一個人懂，那公司就不能算是真正移交了。
M&A 也是同樣的道理。如果在收購後才發現「沒有這個 Excel 檔案就無法開立請款單」或「庫存數量是記在員工的 memo 上，而不是系統裡」，那麼整合作業就會停擺。
簡而言之，日本正在發生的業務繼承，需要的是「數位業務繼承」——也就是業務規則、資料、系統與流程的轉移。
2. 市場缺乏人才，所以 AI 槓桿效應更顯著
試圖用傳統的勞動密集型方法來做這件事是無法獲利的。你需要能夠閱讀老舊程式碼、訪談員工、分析資料、設計新系統以及撰寫測試的人。
然而，日本企業的 DX 人才短缺問題非常嚴重。根據 IPA 的調查，85.1% 的日本企業反映缺乏推動 DX 的人才。
特別是在小型企業中，雖然對生成式 AI 有興趣，但實際利用率卻很低。在員工數少於 100 人的公司中，只有約 20% 積極地將生成式 AI 應用於工作。
資料來源：IPA「DX 白書 2025」資料
乍看之下，這對 AI 業務來說似乎不太有利。但實際上，恰恰相反。
客戶不需要自己操作 Claude Code 或 Codex。而是由提供服務的一方利用 AI，來縮短通常需要數百小時的調查、程式碼閱讀、規格萃取、測試建立與資料比對等工作。
你賣給客戶的不是 AI。你賣的是：
- 降低業務中斷的風險
- 完成即將退休員工的交接工作
- 確保 M&A 後的整合性
- 從系統故障中復原的能力
- 可讀懂的業務規則
- 可驗證的測試
- 判斷哪些該廢除、哪些該保留的標準
客戶越不會使用生成式 AI，提供者就能在幕後利用 AI 產出成果，其價值就越高。
這點至關重要。在「生成式 AI 導入支援」中，客戶必須學習新的工作方式。但在「數位業務繼承救援」中，客戶什麼都不用學。他們只需要說明自己的工作內容、提供檔案、並確認最終的規則即可。你賣的是成果，而不是 AI。
3. 為何這個點子勝過其他 AI 商業模式
讓我們用五個軸線（1-5 分）來比較使用 Claude Code 和 Codex 的商業模式：
- 客戶的急迫性
- 支付能力
- 產品化/可重複性
- 透過 AI 降低成本
- 長期進入門檻
一般 AI 應用程式接案開發
- 急迫性：2 | 單價：3 | 可重複性：3 | AI 槓桿：4 | 門檻：2 當客戶只覺得「有的話也不錯」時，預算很難爭取。容易陷入價格戰。
提示工程訓練 / AI 課程
- 急迫性：2 | 單價：2 | 可重複性：3 | AI 槓桿：3 | 門檻：1 容易入門，但競爭激烈，且內容容易過時。
小型行業別 SaaS
- 急迫性：3 | 單價：3 | 可重複性：4 | AI 槓桿：4 | 門檻：3 具有高經常性收入潛力，但需要極高的初期準確度來識別行業痛點，且需要大量的支援與銷售工作。
海外 AI 服務的日本在地化
- 急迫性：3 | 單價：3 | 可重複性：3 | AI 槓桿：4 | 門檻：2 存在先行者優勢，但如果原廠服務加入日文支援，優勢便會消失。
數位業務繼承救援
- 急迫性：5 | 單價：4 | 可重複性：4 | AI 槓桿：5 | 門檻：4 這個業務有明確的截止日期：員工退休日、社長卸任日、M&A 執行日、或伺服器支援終止日。緊急的問題才有預算。此外，切入點是診斷，但出口是長期的基礎設施重建。
4.「無人察覺」的真正含義
精確來說，針對大企業的舊系統現代化市場已經存在，由大型 SIer 和顧問公司提供服務。真正的「空白地帶」在這裡：
對大型業者來說規模太小而不願承接，但對在地 IT 維修店來說，又複雜到無法手動調查的專案。
例如，一家員工人數在 20 到 200 人之間的公司，使用了數十個 Excel 檔案、Access 資料庫和舊型銷售系統。專案規模約為數百萬日圓。傳統上，光是調查階段就會吃掉利潤。但如果你使用 Claude Code 和 Codex 來自動化調查、文件化和測試工作，就能以固定價格產品的方式來提供服務。
這不是創造一個全新的市場，而是將原本只有大公司才做得起的現代化工程，壓縮成適合中小企業的產品。
5. 為何要「同時」使用 Claude Code 和 Codex？
Claude Code 和 Codex 不僅僅是程式碼補全工具，它們是 Agentic 環境。Claude Code 可以讀取程式碼庫、編輯檔案、並執行指令。Codex 也能透過非互動式執行和 Git 整合來處理開發、重構和遷移。
同時使用兩者，不是為了找出誰比較好，而是為了將「創造者」與「驗證者」分開。
如果讓同一個模型從萃取階段一路做到測試階段，它可能會將初始的誤解帶入整個流程。相反地，應該這樣分工：
Claude Code：考古學家兼架構師
調查現有資產。讀取程式碼、SQL、日誌和操作手冊，整理出相依關係和業務規則。子 Agent 可以分別處理資料結構、業務規則和操作手冊。
Codex：工廠兼獨立驗證員
讀取 Claude 產出的規格，並驗證它們是否與實際的程式碼行為一致。然後平行執行測試建立和資料轉換等任務。它使用 CI 來檢查例外狀況。
人類：最終的業務決策者
即使模型們達成共識，最終仍需由人來批准。AI 不該為以下事項做出最終決定：某個例外處理是否仍需保留，或稅務處理是否正確。
6. 產品是 8 步驟的救援流程
不要一開始就建立新系統。首先，要記錄下正在運行的東西，並決定哪些要保留。這個流程被產品化為 8 個階段：
- 保存證據：記錄備份、檔案清單和伺服器設定。此時不要修改生產環境。
- 盤點數位資產：收集所有東西——VBA、腳本、CSV、紙本檢查表和員工的 memo。
- 記錄實際 I/O：捕捉典型的輸入資料和產生的輸出結果（例如：正常訂單、折扣、退貨），以了解程式碼的實際行為。
- 繪製業務規則地圖：將程式碼轉換為結構化的業務規則（輸入、條件、公式、優先順序），讓管理階層也能讀懂。
- 建立黃金主測試：鎖定目前的輸入輸出作為基準，確保新的流程能產生相同的結果。
- 分類（廢除、取代、封裝、重建）：不要全部重建。盡可能使用 SaaS，只重建核心的競爭邏輯。
- 增量遷移：使用 Codex 的 worktrees 逐個單元（例如：訂單接收、價格計算）進行遷移，新舊系統並行運作。
- 交付繼承包：移交包含資產清單、流程圖、規則帳本、復原程序和路線圖的套件。
7. 案例：拯救一家地方批發商的「神秘 Excel」
一家有 45 名員工的批發商，其價格計算依賴一個 10,000 行的 VBA 巨集。建立者已離職，只有一位 59 歲的員工知道如何操作。救援服務並非完全取代系統，而是萃取規則，發現 20 個流程中有 8 個已不再使用，7 個可由 SaaS 處理，只有 5 個是獨特的。你只需重建這 5 個流程。價值在於完成的交接和文件化的規則，而不只是程式碼。
8. 產品設計與定價
- 產品 1：黑箱風險診斷（5-10 天，30 萬-80 萬日圓）：產出資產清單、依賴特定人員的任務識別，以及改善計畫。
- 產品 2：數位繼承包（4-8 週，120 萬-300 萬日圓）：建立業務規則、資料字典和復原程序。
- 產品 3：增量遷移衝刺（2-6+ 個月，300 萬-1500 萬+ 日圓）：將單元遷移至 SaaS 或 API。
- 產品 4：持續維護（每月 10 萬-50 萬日圓）：每月備份、測試執行和交接文件更新。
9. 個人接案的收益模型
個人接案者若每年確保 12 件診斷案和 4 件繼承包，再加上幾個月度的維護合約，年收入可望超過 2,000 萬日圓。市場規模巨大，即使日本 336 萬家中小企業中只有 0.05% 購買了 200 萬日圓的服務，也是一個 33 億日圓的市場。
10. 目標產業
鎖定員工人數在 20 到 200 人之間，身處批發、製造或物流業，且訂單/庫存任務複雜的公司。特別針對諸如「接單到請款」、「庫存與訂購」以及「月結/年結」等後勤業務。
11. 銷售策略：利用「值得信賴的中間人」
不要直接透過廣告向社長推銷。要與那些已經建立信任關係的人合作：稅務師、地方銀行、M&A 仲介、以及在地 IT 維修公司。可以問他們這樣的問題：「如果明天有一個人缺席，哪個業務會停擺？」
12. 真正的進入門檻
不是 AI 工具本身。而是累積下來的資產：
- 適用於日本商業模式的業務規則字典。
- 老舊資產（VBA、Access 等）的分析模板。
- 用以萃取「隱藏」規則的訪談設計。
- 黃金主測試的組成元件。
- 特定行業的遷移模式。
13. 不該交給 AI 處理的事情
初期絕對不要讓 AI 擁有生產環境的寫入權限。要將原始檔案與工作副本分開。不要將機密資訊寫死在程式碼中。最重要的是，AI 的解釋並非證據——必須將它們連結到實際的程式碼和 I/O 結果。最終的法律、稅務和會計決策必須由專家做出。
14. 90 天執行路線圖
- 第 1-14 天：選擇一個行業，用假的遺留檔案建立一個展示環境。
- 第 15-30 天：訪談 10 位中間人（稅務師等），完善產品。
- 第 31-60 天：以低價執行 2 次付費診斷，驗證流程。
- 第 61-90 天：完成一個繼承包，並將其打造成可供合作夥伴使用的產品。
15. 最終目標：數位繼承平台
最終，從服務演進為一個平台，包含自動化庫存盤點 Agent、業務規則帳本、「繼承分數」，以及一個供 M&A 買方驗證風險的「業務繼承室」。
結論：不要賣程式碼。賣的是「業務持續性」。
在 AI 時代，撰寫程式碼的成本下降了，但理解「要建構什麼」以及「現狀如何運作」的成本依然很高。Claude Code 和 Codex 是鶴嘴鋤和礦石分選機。真正的產品，是確保公司即使核心人物離職，明天依然能繼續運作的那份保證。
