本業で毎月手で集計していた表を、短いPythonのスクリプトにしてみたら、10分で終わるようになりました。ふと、同じ手作業を抱えている小さな会社は、ほかにもあるのではと思い当たります。ところがPythonの副業を調べると、目に入るのはデータ分析やAI開発の大きな仕事ばかりで、自分が受けられる小さな仕事は見えてきません。Pythonの副業は、毎月の手作業を1つ減らす仕事から始まります。

1. 大きな仕事だけではないPythonの副業

分析やモデル構築の大きな仕事

Pythonの副業と聞くと、まずデータ分析やモデル構築の仕事が思い浮かびます。分析の仕事は、データの準備から評価の設計、結果の説明まで工程が長く、全体を見渡す役目を求められます。本業を続けながら受けるには1つの仕事が大きく、どこまでを自分の持ち分にするかも決めにくい仕事です。

一方、毎月の集計や、決まった形式のファイルの取り込みは、範囲が最初から小さく、終わりも見えています。何を渡されて何を返すのかが決まっていれば、本業の合間に進める仕事として区切れます。

図の作成：Remogu編集部。仕事の種類の違いを整理したもので、統計データではありません

区切りやすい自動化と保守

業務の自動化は、人が手で繰り返している作業をスクリプトに置き換える仕事です。冒頭の毎月の集計も、この形に当たります。作業の入口と出口がはっきりしているため、受ける前に範囲を決めやすくなります。

データ処理の保守は、すでに動いている取り込みや変換の処理を、決まった範囲で直していく仕事です。新しく作るより、動いているものを壊さずに手を入れる力が問われます。どちらも成果物は分析レポートではなく動く処理なので、本業のPythonの書き方に近い仕事です。

では、こうした小さな仕事を頼む側は、いまどんな状況にあるのでしょうか。

2. 企業規模で差があるAIの導入

企業規模で分かれる導入状況

独立行政法人情報処理推進機構（IPA）が2026年7月16日に公表した「国内企業のDX動向・AI活用動向のポイント」には、AIの導入状況が企業の規模別に示されています¹。1,001人以上の企業では8割近くが導入している一方、101人以下の企業では16.6%でした。

出典：独立行政法人情報処理推進機構「国内企業のDX動向・AI活用動向のポイント」（2026年7月16日）をもとに作成

この数字が測っているのは、企業のAIの導入状況です。Pythonの案件数や需要の数ではありません。ここから分かるのは、企業の規模によって導入の割合に差がある、という背景までです。規模の小さな企業には導入の余地がある、と見ることもできます。

導入の前に残る手作業

ここからは書き手の見立てです。AIを導入する前の段階では、集計や転記のような作業が、人の手のまま残っている場面があるかもしれません。そうした作業をスクリプトに置き換える仕事は、AIの導入を待たずに頼める仕事です。

もちろん、導入が進んだ大きな企業でも、自動化の仕事がなくなるわけではありません。ただ、副業で受ける単位としては、範囲の小さな依頼のほうが、本業との両立を考えやすくなります。

では、AIを導入した企業は、何に使っているのでしょうか。

3. 文書と情報の整理が中心の使われ方

用途ごとの割合

IPAの同じ調査には、AIの利用用途も載っています。「文書・音声の要約・翻訳・校正」が82.5%で最も高く、次いで「文書・レポートの作成」が80.5%、「情報検索・収集・分析・レポーティング」が77.0%でした¹。複数の用途を選べる設問とみられるため、3つの割合を足し合わせても意味はありません。上位3つとも、文書やデータを扱う作業です。

利用用途	割合
文書・音声の要約・翻訳・校正	82.5%
文書・レポートの作成	80.5%
情報検索・収集・分析・レポーティング	77.0%

効果を尋ねた設問も同じ調査にあります。「期待以上の効果があった」と「期待どおりの効果であった」の合計が31.8%で、「一定の効果はあった」が50.6%と最も高い回答でした¹。

書き手の見立てを添えると、AIを導入しても、結果を表に整えたり、ファイルを取り込んだりする前後の処理は、残る場面があります。AIの導入が進むほど、その前後をつなぐ小さな処理の出番も出てきます。

情報の収集・整理とPythonの自動化

情報の収集・整理を含む用途が77.0%¹と上位に入っている点は、Pythonの自動化と相性のよい領域です。集めたデータを毎回同じ手順で整えて表にする作業は、スクリプトにしやすいからです。

ただし、これは書き手の見立てです。調査が示しているのはAIの用途であり、Pythonの仕事の量を示しているわけではありません。冒頭の毎月の集計のような手作業が、副業の単位として成り立つ理由を考える材料にとどまります。

では、基準や様式が変わる側の仕事は、どう区切れるでしょうか。

4. 前もって示されるデータの基準の改定

公表日程が先に示される例

2025年基準への改定のように、基準が改まる時期は前もって示されます。総務省統計局は、消費者物価指数を2025年基準へ改定するにあたり、公表の日程を2026年6月19日に示しました。ここでは物価の中身には立ち入らず、基準の改定が日付つきで知らされる例として使います。

公表内容と公表日

2026年6月19日付の公表スケジュールでは、3つの節目が日付つきで示されていました。2025年基準のウエイトやモデル品目の計算方法、結果表様式は、2026年7月10日に公表するとしました²。2025年1月分から2026年6月分までの遡及結果と接続指数は、2026年8月7日です²。2025年基準による全国の指数は、2026年7月分から2026年8月21日に公表するとしました²。節目ごとに、何を出すかと日付が示されていました。

公表内容	公表日
2025年基準のウエイト・モデル品目の計算方法・結果表様式	2026年7月10日2
2025年1月分から2026年6月分までの遡及結果と接続指数	2026年8月7日2
2025年基準による全国の指数（2026年7月分から）	2026年8月21日2

前もって分かる時期に合わせた改修

基準や表の様式が変わる時期が前もって分かるなら、そのたびに直す処理は、あらかじめ区切れます。これは書き手の推論です。毎月の集計をスクリプトにしておくと、取り込む表の様式が変わる日には、読み込みの部分を直す必要が出ます。

改まる日が決まっていれば、その日に合わせた改修を、1回の依頼にまとめられます。いつ、どの部分を、どこまで直すのかが先に決まる仕事は、本業の予定と並べて受けやすくなります。

では、こうした小さな仕事の形を、副業ではどう組み立てるのでしょうか。

5. 副業で受けやすいPythonの仕事の形

毎月の集計の自動化

書き手の見立てでは、副業の最初の仕事として形にしやすいのは、毎月の集計の自動化です。毎月同じ形で届く表を集め、決まった形に整える作業で、入力は毎月届く表、出力は集計済みの表と決まっています。間の手順をスクリプトに置き換えるのが、受ける側の仕事です。冒頭の毎月の集計も、この形に当たります。

頼む側が手で転記していた手順は、一度スクリプトにすれば、次の月から同じ処理を回すだけになります。受ける側は、最初に手順を聞き取り、動く形にして渡します。成果物は動く処理なので、渡したあとの確認も、動かして結果を見るだけで済みます。

図の作成：Remogu編集部。副業で受けやすい仕事の形を整理したもので、統計データではありません

取り込みの保守と小さな業務ツール

データの取り込みの保守は、すでにある取り込みの処理を、決まった範囲で直していく仕事です。表の様式が変わる日が前もって分かる例は、前の節で見たとおりです。その日に合わせた改修を、1回の依頼にまとめられます。

小さな業務ツールは、現場で繰り返している手作業を、1つの処理にまとめた道具です。Djangoの経験があれば、画面を持つ小さなツールを作る場面も考えられます。ただし、画面を持たせるほど範囲は広がるため、最初は処理1つに絞るほうが区切りやすくなります。

3つに共通するのは、入口と出口を先に書き出せる点です。分析やモデル構築は、進めながら範囲が変わりやすい仕事です。これに対して、何を渡されて何を返すのかが決まる仕事は、契約の前に範囲を言葉にできます。

では、その範囲を言葉にするとき、何を決めておけばよいのでしょうか。

6. 受ける前に決めておくこと

依頼ごとに決める4つの項目

書き手の見立てでは、小さな仕事ほど、決めていない部分が食い違いの元になります。大きな仕事なら打ち合わせの回数も多く、途中で調整できます。小さな仕事は短い期間で終わるので、最初に決めた範囲がそのまま仕事の範囲になります。受ける前に決めておく項目として、動かす環境、データの受け渡し、修正の範囲、連絡の時間帯の4つを挙げます。

決めること	例
動かす環境	自分のパソコンで動かすか、依頼元の環境で動かすか
データの受け渡し	ファイルで渡すか、共有の場所に置くか
修正の範囲	直す箇所と、直さない箇所
連絡の時間帯	本業の合間に返せる時間

決めないまま始めたときの食い違い

動かす環境が決まっていないと、手元では動いたのに、依頼元の環境では動かない、という場面が起こりえます。データの受け渡しも同じで、ファイルの形や置き場所が曖昧なままでは、毎月の処理が止まる原因になります。この2つは、動く処理を渡す仕事だからこそ、先に確かめたい項目です。

修正の範囲は、依頼が終わったあとの扱いにかかわります。表の様式が変わったとき、どこまでを1回の依頼に含め、どこからを別の依頼にするのか。前の節の改修のように日付が前もって分かる場合は、その日に合わせた対応を、最初から範囲に入れておけます。

連絡の時間帯は、本業との両立に直接かかわります。本業の時間帯に返信を求められる形では、副業を続けにくくなります。返せる時間を先に伝え、それで足りる依頼かどうかを、受ける前に確かめてください。

では、この4つを決めたうえで、どの順に進めればよいでしょうか。

7. 本業と並べるための始め方

振り返る3つの材料

IPAの調査では、AIの導入が企業の規模で分かれていました。1,001人以上の企業では8割近く、101人以下の企業では16.6%です¹。この数字は、Pythonの案件数を示すものではありません。小さな会社の手作業が副業の仕事になりうる、という書き手の見立ての背景として使いました。

用途では、情報検索・収集・分析・レポーティングが77.0%でした¹。集めたデータを毎回同じ手順で整える作業は、Pythonの自動化と相性がよい、というのも書き手の見立てです。調査が示すのはAIの用途で、仕事の量ではありません。

統計の基準の改定は、日付が先に示された例でした。2026年6月19日の公表スケジュールには、2026年7月10日、8月7日、8月21日の3つの節目が載っていました²。いずれも過去の日付になりましたが、基準が改まる時期は前もって示される、という例として読めます。そのたびに直す処理は、あらかじめ区切れます。

手作業から契約までの順番

始め方は、書き手の見立てとして4段階に分けます。まず、本業で繰り返している手作業を探します。次に、その中から1つだけ選んでスクリプトにし、動くところまで作ります。そのうえで、外に出すなら何を渡して何を返すのかを書き出し、前の節の4項目を決めて契約に進みます。

図の作成：Remogu編集部。始め方を整理したもので、統計データではありません

この順番にすると、先に動く処理があり、依頼を受ける前に何ができるかを自分で確かめられます。本業の合間に進める仕事なので、1回に選ぶのは1つの作業にとどめます。範囲が小さいうちは、うまくいかなかったときの影響も小さく抑えられます。

最初の1つを選ぶ

Remogu（株式会社LASSIC運営）は、リモートワーク案件特化のエンジニアマッチングで、案件の90%以上がフルリモート可能です。本業を続けながら次の働き方を考えるときは、まず登録して、自分の経験に合う条件を確かめてみるのも一つの方法です。条件を知れば、どの作業を最初の1つにするかも決めやすくなります。

冒頭の毎月の集計に戻ります。10分で終わるようになったあの表は、副業の最初の仕事のかたちでした。大きな分析の仕事が見えなくても、受けられる仕事がないわけではありません。Pythonの副業は、毎月の手作業を1つ減らす仕事から始まります。

8. よくある質問

Djangoの経験は副業に生かせますか

書き手の見立てでは、生かせる場面があります。小さな業務ツールの改修は、すでにある画面や処理に手を入れる仕事で、Djangoの経験とつながります。新しく大きなものを作るより、決まった範囲を直す依頼のほうが、本業と並べて受けやすくなります。

データ分析の経験がなくてもPythonの副業はできますか

書き手の見立てでは、できる仕事があります。毎月の集計の自動化やデータの取り込みの保守は、分析の手法より、決まった手順を動く処理にする力が中心です。分析やモデル構築の仕事とは分けて考えると、受ける仕事を選びやすくなります。

土日だけで受けられる仕事はありますか

書き手の見立てでは、締切と連絡の頻度で決まります。毎月決まった日までに届ければよい集計の自動化なら、土日にまとめて進める形も考えられます。一方、すぐの返信を求められる保守の依頼は、土日だけでは受けにくくなります。受ける前に、締切と連絡の時間帯を確かめてください。

※公開中の案件数は時期によって変わります。記事中の案件の傾向は執筆時点のものです。

出典・参考情報

＊1 独立行政法人情報処理推進機構「国内企業のDX動向・AI活用動向のポイント」（2026年7月16日・2026年10月確認）
＊2 総務省統計局「消費者物価指数2025年基準改定に伴う公表スケジュールについて」（2026年6月19日・2026年10月確認）