GAS開発者 AIコード生成 比較 収入 2026｜GAS自動化コードをAIで書き収入を得る比較

「GAS開発者として、AIコード生成ツールを使いこなせば収入は増えるのか」。この検索でたどり着いた方の多くは、すでにGoogle Apps Script（GAS）を業務や副業で触っていて、AIにコードを書かせる時代に自分のスキルがどう評価されるのか、どのツールを選べば効率よく稼げるのかを知りたいのだと思います。結論から言うと、AIコード生成は「GAS開発者の仕事を奪うもの」ではなく「単価の高い案件を効率よくこなすための武器」です。ただし、ツール選びと収入の作り方を間違えると、単価が下がる方向に働くこともあります。この記事では、主要なAIコード生成ツールをフェアに比較し、GAS開発で実際に収入を得るための現実的な道筋を、市場データと相場感をもとに整理していきます。

結論：AIコード生成はGAS開発者の「時給」を上げる道具である

先に全体像を示しておきます。2026年時点で、GAS開発は「AIに任せれば誰でもできる」領域と「人間の設計判断が必須」の領域にはっきり二分されつつあります。前者は単価下落が進み、後者はむしろ単価が上がっています。

AIコード生成ツールを比較したうえで筆者が伝えたい結論は、次の3点です。

1つ目。GASの単純な自動化スクリプト（フォーム回答をスプレッドシートに整理する、特定のメールを転送する、といった定型処理）は、AIがほぼ完璧に書けるようになりました。ここだけを売りにする案件の相場は、下落傾向にあります。単発の小さな自動化案件は5,000円〜2万円程度に落ち着いており、AIを使えば数十分で片付く仕事も少なくありません。

2つ目。一方で、業務全体を設計し、GASと外部API・データベース・他サービスを連携させる「システム寄り」の案件は、AIが登場しても単価が下がっていません。むしろ「AIで下書きを高速に作り、人間が設計と品質保証を担う」というスタイルが確立し、1案件10万円〜50万円規模の仕事を、以前より短い工数でこなせるようになっています。つまり、実質的な時給は上がっているわけです。

3つ目。ツール選びは「1つに絞る」より「用途で使い分ける」のが正解です。GASのコード生成に限れば、Google純正のGeminiが環境との親和性で優位ですが、複雑なロジックの設計やデバッグではClaudeやChatGPTのほうが強い場面が多い、という傾向が見られます。

以下、この結論に至った根拠を、市場動向・ツール比較・案件相場・必要スキルの順に、データを添えて掘り下げていきます。

GAS開発とAIコード生成をめぐる2026年の現状

そもそもGASがAIと相性が良い理由

まず前提を共有します。GAS（Google Apps Script）は、GmailやスプレッドシートといったGoogleのサービスをJavaScriptベースで自動化できる、サーバーレスのローコードツールです。サーバーの用意やデプロイの手間がほとんどなく、ブラウザ上のエディタだけで動くものが作れます。この「環境構築が不要」という特性が、AIコード生成と極めて相性が良い理由になっています。

AIが生成したコードをそのままエディタに貼り付けて実行できるため、「生成 → 実行 → 修正」のサイクルが非常に速い。Pythonのように仮想環境やライブラリのインストールで詰まることがなく、AIが書いたコードを試すまでの摩擦がほぼゼロです。この点について、あるまとめ記事は次のように整理しています。

また、「ローコード」というのは、少ないコード量でアプリや自動化スクリプトを作れることを指します。GAS は JavaScript ベースで書けるため、比較的簡単に使い始めることができ、非エンジニアでも業務の自動化やデータ処理を実現しやすいのが特徴です。例えば、Googleフォーム の回答を自動で スプレッドシート に整理したり、Gmail の特定のメールを分類・転送したりするスクリプトが簡単に作れます。

非エンジニアでも扱いやすいということは、裏を返せば「AIに指示すれば非エンジニアでもある程度のものが作れてしまう」ということでもあります。ここに、GAS開発者が収入を考えるうえで直視すべき現実があります。定型的な自動化は、発注者自身がAIを使って内製化できる時代に入りつつあるのです。

AIコード生成が普及して起きた「二極化」

生成AIが実務に浸透したことで、GAS案件の性質がはっきり二極化しました。市場全体では、AI・自動化関連の需要そのものは拡大しています。総務省の情報通信白書でも、企業のデジタル化・業務自動化への投資意欲は継続的に高い水準で推移していることが示されており、業務自動化のニーズ自体は今後も伸びると見て問題ありません。参考として、国の統計や動向は総務省の公開資料で確認できます。

しかし「需要が伸びている」ことと「GAS開発者が稼ぎやすくなる」ことは、必ずしもイコールではありません。二極化の中身を分解すると、次のようになります。

一方の極が、定型自動化の「コモディティ化」です。前述のとおり、単純なスクリプトはAIで誰でも書けるため、価格競争に巻き込まれます。クラウドソーシング上でも、この種の案件は応募が殺到し、単価が1万円を切ることも珍しくありません。正直なところ、ここで消耗戦を続けても収入は増えにくいと考えます。

もう一方の極が、「設計・統合スキルのプレミアム化」です。複数のGoogleサービスをまたぎ、外部のAPIやSaaSと連携し、権限管理やエラーハンドリング、運用保守まで見据えた開発は、AIに丸投げできません。ここには継続的な需要があり、単価も維持されています。AIコード生成をどう収入に結びつけるかを考えるなら、狙うべきはこの後者です。

「AIが書いたコードをそのまま納品」の危うさ

ここで釘を刺しておきたいのが、AI生成コードを検証せずに納品するリスクです。GASにはGoogle特有の制約が多く、AIがそれを踏まえずにコードを出してくることがあります。実行時間の上限（1回あたり最大6分、一部環境で30分）、1日あたりのAPI呼び出し回数の制限、トリガーの実行回数上限など、GAS固有の「壁」にぶつかると、AIが書いたコードは本番で止まります。

生成AIとの付き合い方について、実務者は次のように述べています。

特定エディション以上の Google Workspace ユーザー、もしくはコンシューマー向けの Google One AI プレミアムを契約しているユーザーの場合は、現在試験的に利用可能である「 Gemini 2.0 Flash Thinking 」が GAS コード生成におけるベストプ ラクティスであると考えています。精度については、 1.5 Pro よりも高いと感じています。(あくまで主観です)。

ツールの精度が上がっても、「どのツールが、どの制約を、どの程度理解しているか」を見極める目は人間側に必要です。この見極めこそが、AI時代のGAS開発者の付加価値であり、収入の源泉になります。

GAS開発向けAIコード生成ツールの比較

ここからが本題の比較パートです。GASのコード生成に使える主要なAIツールを、「GAS特有の知識の正確さ」「複雑なロジックの設計力」「デバッグ支援」「料金」の4軸で見ていきます。個人的な体感だけで語らないよう、複数の比較検証で共通して指摘されている傾向を軸に整理します。

なお、同じプロンプトで複数のAIを比較検証したある記事は、この「どれを使うべきか」問題の切実さを次のように書き出しています。

はじめに：「どのAIで書けばいいの？」問題、あなたも悩んでいませんか？GAS（Google Apps Script）を業務で使っている方なら、一度は感じたことがあるはずです。

この「どれを使うべきか」に、フェアに答えていきます。

Gemini：GAS環境との親和性で優位

まずGoogle純正のGeminiです。GASはGoogleのサービスなので、同じGoogle製のGeminiが最新の仕様やAPIリファレンスに強いという傾向があります。特に、Apps Scriptエディタに統合されたGeminiのアシスト機能は、エディタ内で直接コードの提案や補完を受けられるため、生成から実行までの導線が最短です。

強みは、GASの標準サービス（SpreadsheetApp、GmailApp、DriveAppなど）のメソッド名や引数を正確に出しやすいこと。GASのAPIは独特で、他の言語の感覚で書くと存在しないメソッドを呼んでしまいがちですが、Geminiはこの種の「GAS方言」の再現度が比較的高い印象です。

弱みは、複雑な業務ロジックや、複数サービスをまたぐ設計を任せると、途中で辻褄が合わなくなることがある点。あくまで「GASのコードを正確に書く」ことには強いものの、「業務全体をどう自動化すべきか」という上位の設計判断では、他ツールに一歩譲る場面も見られます。料金は、無料枠でも基本的な生成は可能で、Google Workspaceの特定エディションやGoogle One AIプレミアム（月額2,900円前後）でより高性能なモデルが使えます。

Claude：複雑なロジックとリファクタリングに強い

次にClaudeです。長い文脈を保持しながら、複雑なロジックを筋道立てて組み立てる力に定評があります。GASの案件で言えば、「既存の長いスクリプトを読み込ませて、仕様変更に合わせて安全に書き換える」「エラーハンドリングや例外処理を丁寧に追加する」といった、コードの品質を高める作業で強みを発揮する傾向があります。

筆者が実務でありがたいと感じるのは、なぜそのコードになるのかの説明が丁寧なこと。生成されたコードをクライアントに説明する必要がある受託開発では、この「説明可能性」がそのまま提案資料の質につながります。GAS特有のメソッドの細かい正確さではGeminiにやや譲る場面もありますが、設計の一貫性やコードの読みやすさでは頼れる存在です。

料金は無料枠に加え、有料プランが月額3,000円前後。API経由で自作ツールに組み込む使い方もでき、大量のコード生成を自動化したい上級者にも向いています。

ChatGPT：汎用性とエコシステムの広さ

ChatGPTは、GAS専用ではないものの、汎用性の高さと周辺エコシステムの厚みが魅力です。プラグインや外部連携が豊富で、「GASでこういう処理をしたい」という曖昧な相談から、具体的なコードと導入手順までを一気通貫でまとめてくれる場面が多い。

GASのコード生成に関しては、モデルの世代によって精度に差が出やすいのが実情です。最新の上位モデルを使えばGAS特有の制約もかなり考慮してくれますが、無料枠の軽量モデルだと、存在しないメソッドを自信たっぷりに提示する「ハルシネーション」がやや目立つ傾向があります。ここは正直、過信は禁物です。

料金は有料プランが月額3,000円前後。すでに他の用途でChatGPTを契約しているなら、GAS用に追加投資せず流用できるのは実利的なメリットです。

GitHub Copilot・Cursor：エディタ統合で開発速度を上げる

GASを本格的にローカル環境（clasp経由）で開発する上級者には、GitHub CopilotやCursorといったエディタ統合型のAIも選択肢に入ります。VS Code上でコードを書きながら、文脈に応じた補完をリアルタイムで受けられるため、タイピング量が大幅に減ります。

これらは「ゼロからコードを生成させる」というより「書いている手を速くする」道具です。GASのプロジェクトを複数抱え、継続的に保守する働き方をするなら、月額1,500円〜3,000円程度の投資で開発速度が上がり、結果的に時給を押し上げます。コード生成AIの比較検証でも、国産・海外を含めて多数のツールが出そろっており、用途に応じた選択が重要だと指摘されています。

ツール比較のまとめ表

ここまでの比較を、実務での使い分けの観点で表に整理します。

ツール	GAS知識の正確さ	複雑ロジックの設計	デバッグ支援	月額目安
Gemini	高い	中	中	無料〜2,900円
Claude	中〜高	高い	高い	無料〜3,000円
ChatGPT	中（モデル依存）	中〜高	中〜高	無料〜3,000円
GitHub Copilot	中	中	高い（補完型）	1,500円前後
Cursor	中	中〜高	高い（補完型）	3,000円前後

結論を繰り返すと、「GASの正確なコードはGemini、設計とリファクタリングはClaude、汎用相談はChatGPT、書く速度はCopilot/Cursor」という使い分けが、2026年時点でのバランスの良い解だと考えます。1つに絞ろうとせず、月額の合計を管理しながら2〜3種を併用するのが、収入に直結する現実的な選択です。

AIコード生成ツールの選び方：収入を軸にした判断基準

ツールの性能比較だけでは、収入にはつながりません。ここでは「稼ぐ」という目的から逆算した選び方の基準を示します。

基準1：自分の案件タイプに合っているか

まず自分が受ける案件の性質を見極めます。単発の小さな自動化を数多くこなすスタイルなら、生成の速さと環境親和性を重視してGemini中心で十分です。一方、業務システム寄りの中〜大型案件を受けるなら、設計力と説明可能性のあるClaudeを主軸に据えたほうが、成果物の質が上がり、リピートや単価アップにつながります。案件の平均単価が3万円以下なら効率重視、10万円以上なら品質重視、という切り分けが目安になります。

基準2：料金対効果（時給換算で考える）

ツールの月額は、単体で見れば数千円ですが、収入との対比で判断すべきです。仮に月額3,000円のツールで作業時間が月10時間短縮できれば、時給換算した自分の単価が2,000円だとしても月2万円分の時間を生み出している計算です。ツールへの投資を「コスト」ではなく「時給を上げる投資」として捉える視点が重要です。無料枠で試し、明確に時間短縮を実感できたら有料に切り替える、という順序が堅実です。

基準3：セキュリティと守秘義務への配慮

受託開発では、クライアントの業務データやコードをAIに入力する場面が出てきます。ここは選び方の重要な軸です。入力データが学習に使われるかどうか、ビジネス向けプランでオプトアウトできるか、といった点は必ず確認してください。クライアントとの契約にNDA（秘密保持契約）がある場合、AIへのコード入力が契約違反にならないかの確認は必須です。この配慮を怠ると、収入どころか信用を失います。業務向けの有料プランは、この学習除外の設定が明確なものを選ぶのが安全です。

基準4：出力コードの検証しやすさ

前述のとおり、AI生成コードはそのまま使えるとは限りません。「なぜこのコードなのか」を説明してくれるツールほど、検証と修正がしやすく、結果的に納品品質が上がります。この観点では、説明が丁寧なClaudeや、対話で深掘りしやすいChatGPTに分があります。生成量の多さより、検証のしやすさで選ぶ。これが品質と収入を両立させる選び方です。

GAS開発で収入を得る具体的な方法と相場

ツールを選んだら、次は収入の作り方です。GAS開発で収入を得るルートは、大きく3つあります。それぞれの相場と、AIコード生成をどう組み合わせるかを見ていきます。

ルート1：クラウドソーシングで受託する

最も入りやすいのが、クラウドソーシングでのGAS案件受託です。案件の相場は幅が広く、単純な自動化スクリプトで5,000円〜3万円、複数サービス連携や継続保守を含むものだと10万円〜50万円程度です。

ここで直視すべきなのが手数料です。大手クラウドソーシングでは、報酬に対して16.5%〜20%程度の手数料がかかります。年間100万円稼ぐ人なら、16.5万円〜20万円が手数料として消える計算です。これ、地味に効いてきます。個人的には、まずクラウドソーシングで実績と評価を作り、リピートが見込める本命のクライアントとは、手数料0%で直接取引できる業務委託マッチングサービスに移していくのが、最も合理的だと考えています。実績作りの場と、利益を最大化する場を分けるわけです。

クラウドソーシングとマッチングサービスの違いは、人材派遣とクラウドソーシングの違い｜収入・自由度・安定性を比較で働き方ごとの収入・自由度・安定性を整理しているので、自分に合う形を選ぶ参考になります。

ルート2：業務自動化コンサルとして提案する

単にコードを書くのではなく、「この業務はこう自動化すべき」という提案から入るスタイルです。AIコード生成が普及したいま、実は「何を自動化すべきか」を設計できる人の価値が上がっています。コードそのものはAIが速く書けるからこそ、上流の設計・提案がボトルネックになるのです。

このルートの単価は、コード納品だけの案件より高くなる傾向があり、月額顧問契約で3万円〜10万円といった継続収入も狙えます。AI活用の提案から実装までを一貫して担う仕事の広がりは、AIコンサル・業務活用支援のお仕事で、どんな支援ニーズがあるかを具体的に確認できます。また、マーケティングやセキュリティ領域まで含めたAI活用支援の求人像はAI・マーケティング・セキュリティのお仕事にまとまっています。

ルート3：Webアプリ・ツールとして開発する

GASはWebアプリとして公開でき（doGet/doPostによるWebアプリ化）、簡易な業務ツールやフォームシステムを構築できます。この「小さなアプリ開発」まで踏み込むと、単価は一段上がり、1件10万円〜30万円規模の案件も現実的になります。

GASだけで完結しない大規模なものは本格的なアプリ開発の領域に入りますが、その入り口としてGASのWebアプリ開発は最適です。より広いアプリ開発の需要感はアプリケーション開発のお仕事で確認できます。GASで実績を作り、徐々に開発領域を広げていくキャリアパスは、AI時代でも十分に成立します。

収入の目安を職種データで確認する

「GAS開発で実際どのくらいの収入になるのか」を、より客観的に知りたい方は、職種別の年収・単価データを参照するのが確実です。GAS開発はソフトウェア開発の一領域なので、ソフトウェア作成者の年収・単価相場で、フリーランス・会社員それぞれの相場観をつかんでおくと、案件の単価が適正かどうかを判断できます。単価交渉の際に、こうした客観データを持っているかどうかで、提示できる根拠の説得力が変わります。

プログラマー全体の収入構造については、プログラマーの年収｜言語別・フリーランスvs正社員の収入比較で、言語別・雇用形態別の差を比較しています。GAS単体ではなく、周辺のスキルと組み合わせたときの収入イメージを持つ助けになります。

AI時代のGAS開発者に必要なスキルと学習方法

AIがコードを書く時代に、GAS開発者は何を身につければ収入を守り、増やせるのか。ここは多くの読者が最も気にする部分だと思います。

スキル1：AIに「正しく指示する」プロンプト設計力

AIコード生成の質は、指示（プロンプト）の質で大きく変わります。「スプレッドシートを集計して」だけでは曖昧なコードしか返ってきませんが、「A列の日付ごとにB列の金額を合計し、結果を別シートに書き出す。実行時間6分の制約を考慮し、1000行ごとにバッチ処理する」と具体的に指示すれば、実用的なコードが返ってきます。

このプロンプト設計力は、GASの制約や仕様を理解していないと書けません。つまり、GASの知識そのものが「AIをうまく使うためのスキル」に転化しているのです。AIに丸投げできる人ではなく、AIを的確に操縦できる人が、これからの収入を得ます。

スキル2：生成コードを検証・デバッグする力

AI生成コードには、GAS特有の制約違反や、動くけれど非効率なコードが混ざります。実行時間の上限、API呼び出しの回数制限、権限スコープの設定漏れなど、GASならではの落とし穴を検証できる力は、AIには代替されにくい価値です。

筆者自身、駆け出しの頃にAIが出したコードをそのまま実行し、実行時間の上限に引っかかって大量のデータ処理が途中で止まる、という失敗を何度もしました。エラーメッセージだけ見てもなぜ止まったか分からず、GASの公式ドキュメントを読み込んで初めて「6分の壁」の存在を理解した、という遠回りをしています。この経験から言えるのは、AIの出力を鵜呑みにせず、必ず自分で仕様を確認する習慣が、結局は最短の学習になるということです。

スキル3：業務要件を整理する上流スキル

コードを書く前段の「何を作るべきか」を整理する力は、AI時代にむしろ価値が上がっています。クライアントの曖昧な要望を、実装可能な仕様に落とし込む。この翻訳作業は、業務理解とコミュニケーション力が要り、AIには任せきれません。この上流スキルを持つ人が、コンサル型の高単価案件を取れます。

要件を文書としてきちんと整理・提案する力も重要で、こうしたビジネス文書作成の基礎はビジネス文書検定のような資格で体系的に学べます。提案書や仕様書の質は、そのまま受注率と単価に響きます。

スキル4：関連技術との連携スキル

GAS単体でできることには限界があるため、外部APIやクラウドサービス、ネットワークの知識があると、対応できる案件の幅が大きく広がります。特に、複数のシステムを連携させる案件では、ネットワークやインフラの基礎知識が武器になります。こうした基盤スキルの証明としてはCCNA（シスコ技術者認定）のような資格が、技術者としての信頼性を補強します。GAS＋αのスキルセットを持つ人ほど、AIに代替されにくいポジションを築けます。

学習方法：作りながら覚えるのが最短

学習法としては、座学より「自分の業務を実際に自動化してみる」のが最も速い。身近な面倒な作業をGASで自動化する題材にすれば、モチベーションも続きます。そのプロセスでAIに質問しながら進めれば、GASの知識とAI活用スキルを同時に伸ばせます。AIを「先生」として使い、生成されたコードを一行ずつ理解していく学習は、独学のハードルを大きく下げてくれます。

独自データから見る、GAS開発の収入を最大化する視点

最後に、在宅ワーク・業務委託の案件データを扱う立場から、GAS開発者が収入を最大化するための客観的な視点を整理します。

「手数料」という見えないコストを直視する

収入を考えるとき、多くの人は「案件単価」ばかりに目を向けますが、実際に手元に残る金額を左右するのは手数料です。前述のとおり、大手クラウドソーシングの手数料は16.5%〜20%。これは、AIで作業効率を20%上げても、その効率化分がまるごと手数料で相殺されうる水準です。

だからこそ、実績を作った後は手数料0%で直接クライアントとやり取りできる在宅ワーク仲介サイトへ、本命案件を移すことの経済合理性が際立ちます。同じ労力・同じAI活用でも、手数料の有無で年間の手取りは数十万円単位で変わります。AIコード生成で作業を効率化したなら、その果実を手数料で失わない設計まで含めて考えるべきです。

AIで「作れる量」が増えた分、営業と単価交渉が鍵になる

AIコード生成で、1人がこなせる開発量は確実に増えました。しかし、こなせる量が増えても、案件が取れなければ収入にはなりません。むしろ、供給側の生産性が上がったことで、「いかに良い案件を、適正な単価で継続的に取るか」という営業・交渉のスキルが、収入の決定要因として重みを増しています。

ここで効いてくるのが、前述の年収・単価データです。ソフトウェア作成者の年収・単価相場のような客観データを根拠に単価交渉できる人と、なんとなく相場を提示する人とでは、同じスキルでも手取りに差が出ます。AIが下流のコーディングを担うほど、人間は上流の提案と交渉で価値を出す構図が鮮明になっています。

情報発信で「指名される」立場をつくる

GAS開発とAI活用の知見は、そのままコンテンツになります。自分がAIコード生成でどんな業務を自動化したかを発信すれば、「この人に頼みたい」という指名につながります。指名で来る案件は、価格競争になりにくく、単価も維持しやすい。

こうした情報発信・執筆の需要と単価感は、著述家，記者，編集者の年収・単価相場で確認できます。技術者が発信力を持つと、開発案件と執筆案件の両輪で収入源を分散でき、収入の安定性も増します。AI時代は「作る力」だけでなく「伝える力」を持つ人が有利になる、という傾向は、GAS開発者にも当てはまります。

収入の「複線化」でAIの影響を吸収する

最後に、収入源を1本に依存しないことの重要性を強調しておきます。AIコード生成の進化は速く、いまは人間の仕事でも、数年後にAIに置き換わる領域は出てくるでしょう。だからこそ、受託開発・コンサル・ツール開発・情報発信といった複数のルートを持ち、AIの影響を吸収できる構えが賢明です。

働き方そのものの選択肢を広げる観点では、Webデザイナーのような隣接職種の収入構造も参考になります。Webデザイナーの年収・収入｜フリーランスと会社員の差を徹底比較では、フリーランスと会社員の収入差を比較しており、GAS開発者が働き方を設計するうえでの視点を提供してくれます。GASという1つのスキルを起点に、AIを味方につけ、収入源を複線化していく。これが、2026年以降のGAS開発者が取るべき、最も現実的で堅実な戦略だと筆者は考えています。

公的機関・関連参考情報

本記事の内容に関連する公的機関や信頼できる情報源は以下の通りです。最新情報は公式サイトで確認してください。

• 厚生労働省

よくある質問

Q. GAS開発の副業はAIコード生成が普及した今からでも稼げますか？

稼げますが、狙う領域が重要です。単純な自動化スクリプトはAIで内製化されつつあり単価が下落傾向です。一方、複数サービス連携や業務設計を含む案件は単価が維持され、1件10万円〜50万円規模も現実的です。AIで作業を効率化しつつ、設計・提案という人間の付加価値で勝負するのが得策です。

Q. GASのコード生成に一番おすすめのAIツールはどれですか？

用途で使い分けるのが正解です。GAS特有のメソッドの正確さではGoogle純正のGeminiが優位、複雑なロジック設計やリファクタリングではClaude、汎用的な相談ならChatGPTに強みがあります。1つに絞らず、無料枠で試して時間短縮を実感できたツールを2〜3種併用するのがバランスの良い選び方です。

Q. AIが生成したGASコードをそのまま納品しても大丈夫ですか？

検証なしの納品は避けるべきです。GASには実行時間6分の上限やAPI呼び出し回数の制限など固有の制約があり、AIがこれらを踏まえずにコードを出すことがあります。本番で止まるリスクを防ぐため、生成コードは必ず自分で仕様を確認し、制約に沿っているか検証する習慣が納品品質と信用を守ります。

Q. GAS案件を受ける際、クラウドソーシングの手数料はどのくらいかかりますか？

大手クラウドソーシングでは報酬の16.5%〜20%程度が手数料としてかかります。年間100万円稼ぐと16.5万円〜20万円が消える計算です。まず実績と評価を作り、リピートが見込める本命クライアントとは手数料0%で直接取引できる業務委託マッチングサービスに移すと、同じ労力でも手取りを大きく増やせます。