AI事例ベース.

GitHub公開のX(旧Twitter)レコメンドアルゴリズム(Scala/Pythonで数万行、Heavy Ranker/SimClusters/Earlybird等で構成)をClaude Codeに読み込ませ、「このコードから、おすすめに載るための重要な要素を抽出してください」と指示して要素抽出させた実践記事。著者は@tomada(とまだ@AI駆動開発)、投稿日2025-09-10。

method_summaryとWebFetch検証結果は逐語レベルで整合。数万行のScala/Pythonコードから重要要素を抽出させる手法、対象アルゴリズム名(Heavy Ranker等)、数値(90%重み・145,000クラスター等)がすべて本文記述と一致し、捏造や不一致は見られなかった。

育休中(半年間)の個人開発者が、CursorのAgent機能を2月中旬から本格導入。GitHubマージ済みPR数を指標に、育休初期(10-11月)と育休後期(2-3月)を比較。コード追加行数(Python)や自身のQiita投稿数も副指標として計測。

「体感の効率化」を主張で終わらせず、GitHub PR数という機械的に検証可能な指標で前後比較した点が信頼度を高めている。一方でQiita投稿数(文章生成)はむしろ減少しており、AIツールの効果はタスク種別(コード実装 vs 文章執筆)で非対称に出ることを示す好例。

SAP CAP (Node.js) の個人開発でClaude Code Proプラン(月17ドル)を使い始め、10月からほぼ毎日利用。自己検証中心の開発からテスト駆動開発(TDD)へスタイルが変化し、論理削除用プラグイン「cds-softdelete-plugin」をnpmに公開するに至った。

個人開発者がClaude Code導入によってテスト駆動開発へ移行し、成果物をOSS(npm)として公開するまでに至った実例。月17ドルの低コストプランでも継続利用で開発品質・生産性に変化が出ることを示す。

CLAUDE.mdの階層化構造(root50行以内+サブディレクトリ詳細)、テスト自動生成(命名規約+方針をCLAUDE.mdに記載)、レガシーPHPリファクタリング(構造分析→関数分割→クラス化→テスト実行の段階的アプローチ)、Claude Codeに「経験20年のシニアアーキテクト」役を担わせる設計レビュー、リンター自動実行によるハルシネーション対策

著者Fujisawa Yuta氏(@fuji1009_REBELL)、投稿日2026-07-11。WebFetch要約とcurl取得の生HTML(renderedBody)を突合し、CLAUDE.md 500行/1万行→3,500行/3日で200本テスト/シニアアーキテクト20年設定など全数値・固有表現が逐語一致することを確認。og:description・title タグも記事内容と整合。実在記事と判定。

有志のAI-TF(AIタスクフォース)が経費申請ロジックを自ら組み立てて申請を通し、異なる言語担当のエンジニア4名でCopilot Businessを1ヶ月間トライアル。開始前に「継続率・提案の受け入れ率・コーディング以外への波及・セキュリティ懸念」の4項目について全社導入 vs 見送り・縮小の判定基準を明文化してから検証を実施。

有志タスクフォースが自ら稟議・経費申請ロジックを構築し、判定基準(継続率/提案受入率/波及効果/セキュリティ懸念)を事前明文化してから小規模トライアルを回すという、ボトムアップ型AIツール導入の型は他企業でも再現可能なプロセスとして参考になる。

Cursor(AI coding tool)を使い、ドキュメント自動生成/要求→課題→タスク分解/GitHub Issue連携/AIリーダブル化/スコープ厳格化/ブランチ戦略/自動実行state管理/テスト記述/リファクタ/コード廃棄の10工夫で自動化レバレッジを最大化。副産物として認証・エラーハンドリング・キャッシュ利用の強化やRAG構築(Gemini API + Vector化)、Rails/Python間API連携の自動化も実現。

本職が非エンジニア(事業/マーケ/PM)の個人開発者でも、Cursorに対してドキュメント自動生成・タスク分解・GitHub連携・スコープ厳格化・テスト/リファクタ運用ルールを型化することで、認証/エラーハンドリング/キャッシュ、さらにはRAG構築やクロス言語API連携といった高度な実装まで自動化レバレッジを効かせられる、という事例。

仕様駆動開発 (spec.md / plan.md / design.md を整備し、AIに渡す「仕様書」を起点に開発を進めるスタイル)。Claude Codeを開発ツールとして使用。

実務3ヶ月未満・ジョイン初期段階のエンジニアでも、spec.md/plan.md/design.mdによる仕様駆動開発でClaude Codeへの指示を明確化することで、ほぼ全コードをAIに書かせる体制を確立できた実例。ジョイン直後の低コンテキスト状態でも仕様書を仲介させることで生産性を担保できる点が示唆的。

Gitサブモジュールで code(ソースコード)/docs(Zendeskヘルプガイド等)/schema(Snowflakeスキーマ)を一元管理し、GitHub Actions 'update_submodules.yml' で定期自動更新。ルールファイルは 'shared-' prefixのみgit管理し個人ルールは.gitignoreで分離。'.vscode/tasks.json' をコミットしCursor UIの「更新」タスクからターミナル操作なしでリポジトリ取得〜更新まで実行できる。

非エンジニア含む全社的なAIツール展開では、コード以外の業務コンテキスト(ヘルプガイド/DBスキーマ)もサブモジュールで束ね、GitHub Actions自動更新+VS Codeタスク化でターミナル操作を排除する設計が、Cursor組織展開の障壁(git操作の心理的ハードル)を下げる具体パターンとして参考になる。

1人チームでデータ基盤(Terraform/dbt/Deno-TypeScript)を担当。Claude Codeを7並列セッションで運用(リポジトリごとに端末分割)し、Plan作成→実装→検証→PR作成→マージ待機→デプロイ監視までをAgentに委譲、人間はPRレビューのみ担当する体制。

method_summaryの内容(1人体制・Terraform/dbtデータ基盤・7並列セッション・レビュー以外Agent委譲)は記事本文の記述と数値・固有名詞・手法まで整合した。WebFetch取得結果は英語要約だが、原文記事の主張と一致（448 PR/月・1人チーム・7並列・PRレビューのみ人間担当)。

CLAUDE.mdを「新卒エンジニアへのオリエンテーション」と位置付け行動規範を明文化(3ステップ以上/設計判断要タスクは必ずプランモード、修正指摘はtasks/lessons.mdに記録、動作証明なしに完了扱いしない、バグ修正は確認なしで即修正)。ai/rules配下をPROJECT_ARCHITECTURE.md/GIT_WORKFLOW.md/REACT_NATIVE_GUIDELINES.mdの3ファイルに役割分割してコンテキスト注意散漫を防止。GitHub MCP統合でIssue作成→ブランチ作成→実装→PR提出(タイトル・説明文含む)まで一貫自動化。

候補のmethod_summaryにあった「合同会社春秋代表」という肩書きは、記事本文からは確認できなかった(本文には所属「合同会社春秋」の記載はあるが「代表」という役職明記は見当たらない)。それ以外の手法説明(CLAUDE.md明文化/ai/rules 3分割/GitHub MCP統合による自動化)とBefore/After数値は本文と逐語で整合している。採用時は肩書き部分を「合同会社春秋所属のエンジニア」等に修正するのが安全。

MLエンジニアがFlutterアプリ「トークマネ」(AIが能動的に声をかけてくれる予定管理アプリ)開発において、コードそのものではなくドキュメント整備に集中する「ドキュメント駆動開発」を採用。CLAUDE.mdを含む指示体系を全文公開。

記事本文はmethod_summaryの主張(MLエンジニア/トークマネ/24種のドキュメント/CLAUDE.md公開)と数値(83%相当の648/776コミット)まで逐語的に整合した。ただし「83%」という数字自体は記事タイトルにあり、本文根拠は648/776コミットの比率(約83.5%)として提示されている。

GitHub CopilotのTeamプランで取得可能な言語別メトリクス(コード提案数/受入数、ライン提案数/受入数)を集計し、言語ごとの提案受入率を分析・可視化した。

Ruby/Kotlinのように構文がシンプルで定型的なコードが多い言語ほどCopilotの提案受入率が高く、Javaのように冗長・厳密な型記述が多い言語では受入率が下がる傾向が見える。言語特性によりAIコーディング支援の効果に差が出ることを示す実データ事例。

Codex CLIにタッチLCD搭載ESP-IDFボード上の記憶ゲーム「Simon」実装を任せ、build.sh(ビルド)、flash_monitor.sh(実機書き込み+ログ取得)、capture.sh(USBカメラで実機画面撮影)を自律実行させ、撮影画像を参照してUI要件充足を自己判定させた。タッチ操作自体は手動。

Codex CLIはコード編集だけでなく、シェルスクリプト経由でビルド→実機フラッシュ→ログ収集→カメラ撮影→視覚判定までの組み込み開発ループを自律的に一気通貫で回せることを示した事例。ただしタッチ入力など物理操作は依然手動が必要という限界も明記されている。

SKILL.mdに「トレンドスキャン→トピック選定→競合調査→執筆→品質チェック→保存→Notion更新」の9フェーズを設計し、"/note-run"コマンド1つでnote記事の生成〜下書き保存までをClaude Codeで自動化。Notionを「ネタ帳DB」(未使用/採用済み/見送りで候補管理)と「記事管理DB」の2DB構成にして過去実績から学習させる仕組み。

WebFetch(url) x2 — 1回目でタイトル/著者/概要確認、2回目で本文中の「非エンジニア」「3000時間」該当箇所を直接引用取得

著者Roy Tsukiji(元BIRDMAN代表、現COHACO創業者)がClaude Codeを1日14時間・累計3000時間超使用した実体験から、Vibe Coding(雰囲気でAIに指示する開発)の落とし穴を整理。AIは「監視必須の新人」である/claude.mdの設定/必須MCP(Claude-mem, Serena, Playwright)/仕様書作成の重要性/フォールバック処理の危険性/リファクタリング時の注意など、非エンジニアが陥りがちな失敗パターンを言語化している点が示唆的。

Claude Code との対話のみによる「完全Vibe Coding」。著者は自分でコードを一切書かず、自然言語指示のみで155ファイル・25,000行超のiOSアプリ「かぷりとーく」を開発期間約11日・コミット136回で完成させた。

Claude Codeへの自然言語指示だけで、非エンジニアでも本格機能(AI性格模倣会話、関係性スコアリング、動画生成)を持つ大規模iOSアプリを短期間で作れることを示す実例。Vibe Codingの限界事例として工数試算や品質担保の参考になる。

Claude Codeを使い、Flutter/Riverpod構成のiOSアプリ「Fun Player」(非サブスクでCDを本棚のように飾る音楽アプリ)を開発。約3年前までソフトウェアエンジニアとしてFlutter/Reactを扱っていた筆者が、現在は本業(プロダクトデザイン支援)+育児と両立しながら約2ヶ月(6/21着手→8/19リリース)でApp Storeリリース。Swiftは一度も書いたことがない状態でFlutter Channel経由でiOSネイティブコードを実装し、テスト駆動開発のプロトコルをClaude Codeへの指示に組み込んだ。

個人開発者(EMILIA_Lab)がCodex CLI(v0.121.0)+OpenAIの新画像生成モデル「gpt-image-2」を使い、VPS上のClaude CodeからCodexを叩いてAI漫画の自動生成を検証。「同一キャンバス法」(1枚の画像内に複数コマを描かせることでコマをまたいでもキャラクターがブレない)というプロンプト設計の型を開発し、3日でPC版Codexで複数の漫画を制作。一方でCodexのimage_genツールがインタラクティブアプリ(GUI/TUI)専用の組み込みツールで、execモード(非対話実行)では公開されておらず、ChatGPT OAuthトークンのスコープ(openid profile email offline_access)ではAPI直叩きもできないという設計上の壁を発見した。

WebFetchによる本文検証の結果、method_summaryの記述(Codex CLI+gpt-image-2、VPS上での自動生成検証、同一キャンバス法によるキャラクター一貫性確保、インタラクティブモード専用という設計上の壁)は記事本文の実際の記述と整合していた。著者名EMILIA_Lab、ツールバージョン(Codex CLI v0.121.0)、OAuthスコープの制約まで具体的に一致し、捏造の兆候はない。

WebFetchで本文取得し、method_summaryの記述(Claude Code→Codex CLI移行検証、課題3点、GPT-5.1採用、agents.md流用)が実際の本文と一致するか確認

株式会社CINC開発本部の公式エンジニアブログ記事で、Claude Code→Codex CLI→最終的にGPT-5.1メインモデル採用という移行の経緯、Codexの課題(処理時間長・範囲外修正・曖昧指示不安定)、agents.md資産の流用可能性が具体的に記述されており、method_summaryの内容と完全に整合する。

WebFetchでQiita記事本文を取得し、method_summaryの各要素（AI出力を素材として自スタイル調整、ドキュメント調査時間短縮、リファクタリング任せきりによるレースコンディションバグ）が実際の本文記述と一致することを確認

個人エンジニアがClaude Codeを「素材生成ツール」と位置づけ、コード自体は自分の言葉・スタイルに変換して理解を担保する運用に落ち着いた点、およびAI任せきりの範囲(特に状態管理・非同期処理系)を明確に限定しないと本番品質のバグ(レースコンディション)を生む点が、他の個人開発者にも直接応用できる示唆。ドキュメント調査30分→数分という具体的な時短効果も定量的で説得力あり。

サイボウズ kintone生成AIチーム(著者:齋藤氏、バックエンド開発・運用担当)が2025年夏からClaude Codeを導入。2025年10月のPlugin機構追加+Agent Skills発表(12月にオープンスタンダード化)を受け、チーム専用Claude Code Pluginマーケットプレイスを構築し、Skill/MCP/Hookを配布。導入後2ヶ月でプラグイン数が1個から十数個に増加。

社内チーム専用のClaude Code Pluginマーケットプレイスをgitベースで自前構築し、Skill/MCP/Hook配布を標準化することで、メンバーが能動的に機能追加するようになりIssue起票ペースが1.6倍に増加した事例。個別MCP設定管理の分散という課題を、チーム共有の配布基盤で解決した点が示唆的。

NTTドコモがGitHub Copilot BusinessをCCoE主導のガバナンス設計のもとで全社運用。利用者数は2024年3月末374名→2025年6月末2,442名→2025年8月2,639名へ拡大。約3ヶ月間(2025年6月8日〜9月15日)の総提案数2,131,503件のうち517,524件のコードを採用(採用率24.28%)。

大企業でも全社的なガバナンス体制(CCoE主導)を整えた上でCopilotを展開すれば、利用者数拡大とともにコード採用率・削減工数を継続的に伸ばせる。

Continue/Cline/Cursor/V0等のAIコーディングツールを開発環境改善ワーキンググループが比較検討。個人利用では既に生産性向上を実感していたが全社活用できていない課題を受け、コスト効率(月額20ドル上限)と効果測定のしやすさを軸にCursorを選定し、2025年6月に全社導入

個人利用では実感できていた生産性向上を、全社導入によって組織全体の数値(コーディング2.45倍・総合1.7倍)として可視化した好例。コスト効率と効果測定のしやすさを軸にツールを選定した点も参考になる。

社内プラグイン共有基盤「pepabo-marketplace」構築。GitHub Actions + AI Agentによるコンフリクト自動解消（PR検出→marketplace.json自動rebuild）、PRマージ時のSlack自動告知（Dify連携）、AIによる影響範囲分析でsize/XS〜XLのリスクラベル付与しXS(低リスク)はAIレビューのみで自動マージ、AWS Bedrock Guardrailsでのセキュリティ実装（PII誤検知等の課題あり）。2026年2月24日asken・Omiaiとの3社合同LTイベントで知見共有。

個人開発ファクトリーでも「PR差分の影響範囲をAIが判定しリスクレベル別に自動マージ可否を分岐する」設計は、複数アプリ横断の定型修正(pointer更新/依存更新等)を安全に自動化する参考パターンになる。

Codex Webで複数の指示を独立した環境で並列進行させ「エンジニアを束ねるマネージャーになったような感覚」で開発。UIの小調整や即座に確認したい変更はCodex CLIで実施し使い分け。スマホ(ChatGPTアプリ)からは従来GitHubアプリでのレビュー止まりだったが、差分確認〜開発まで可能になった。

著者名はtom-takeru (Habitat Hub所属)。method_summaryの内容（並列タスク活用、Codex CLIとの使い分け、スマホからのレビュー対応）は記事本文と整合している。ただし「個人開発者」という記述はmethod_summary通りだが、正確なPR数は「約80本」「80個近く」であり厳密には約80件。

Googleフォームでユーザー要望を収集(Google Apps Script経由でGitHub APIのrepository_dispatchイベントを発火)→GitHub Actionsワークフローが起動→Codex CLIが現行コードを分析し要望に沿った改修案を`.github/ISSUE_TEMPLATE/issue.md`形式で書き出し→後続ステップでIssueとして自動登録。開発中アプリは「SNSトラブルシミュレーター」(子ども向けネット教育目的)。著者は今後Slack経由の承認ステップ追加を検討中。

個人開発でのユーザーフィードバック→Issue化の一次対応をAIエージェント(Codex CLI)に任せることで、要望収集から改修案の起票までを無人化し、開発者は実装フェーズから着手できる。Googleフォーム+GAS+GitHub Actionsという既存の軽量ツールの組み合わせだけで実現している点が個人開発者にも再現しやすい。

ボタンを1回押すとAIへの指示文(プロンプト)が英語で自動生成される仕組みを組み込み、15種類のスタイルカードから選ぶだけでChatGPT・Gemini・Grok・Copilotなどの生成AIを使ってポートレート加工ができる無料Webツールを個人開発・公開(登録不要・インストール不要)。

プロンプト自体を自動生成する仕組みを組み込むことで、生成AIの扱いに不慣れなユーザーでもワンクリックで高品質な出力を得られるツールを個人開発できる。

グロービスのエンジニアがClaude Code CLIの直近セッションログ1000件を分析。約1000回の確認質問のうち「進めても構わない」ケースが40%を占めることを発見しHookで省略(月100時間分の承認待ち削減試算)。Claude自身に直前の発言を自己レビューさせるStop hookを導入し約1ヶ月で146件の誤り・推測を検出。PreToolUse Hookでgit commit系コマンドがmaster/mainブランチで実行されようとした瞬間にブロックし作業ブランチを自動化(繰り返されていた65件のブランチ指示ミスを削減)。これらの結果、毎月の開発時間をおよそ100時間節約し、開発セッションのリードタイムが約10%短縮された。

WebFetchで本文取得し、method_summaryの主要主張(1000セッション分析/40%確認応答/Stop hook自己レビュー/PreToolUse hookでブランチ自動化/月100時間節約・リードタイム10%短縮)は全て本文の実際の記述と整合することを確認した。verified:true。

KDDIがコーディング未経験メンバーにClaude Codeを使ったAI駆動開発をゼロから実践させる6フェーズ育成プログラム（本記事はPhase1-3を記録)。Phase1: 環境構築+仕様駆動開発でマッシュアップAPI開発+Gitマージ。Phase2: YWTフレームワーク(やったこと・わかったこと・次にやること)+デモ会で振り返り。Phase3: 既存ソースコードをAI駆動開発でゼロから作り直し、既存のものと比較(半日で要件定義〜設計〜開発完了のケースも)。

「AIが全部やってくれる」という受け身の姿勢が、実践を重ねる中で「本当にできてる?」と自分で検証する健全な懐疑へ変化。さらにPhase3で「要件定義書に記載されていない要件が多い」という課題に直面し、これをAI駆動開発特有の問題ではなくソフトウェア開発の本質的課題だとメンバー自身が気づいた。

Jiraチケットから並列サブエージェントでコードベース調査→Confluence設計書/進捗管理表/テストパターンを生成する`/dev-init`と、進捗管理表+Git状態から現在地検出・次アクション提案する`/dev-resume`の2コマンドに標準化。Claude CodeとCodexが3ラウンド(Codex批判的レビュー→Claude Code採否判断→Codex再批判)の批判的対話を行い単一モデルの盲点を防止。

個人依存になりがちなAIコーディング活用パターンを、2つの直感的なスラッシュコマンド(`/dev-init`/`/dev-resume`)+マルチモデル批判的対話プロトコルに標準化することで、組織全体の設計品質・レビュー品質の底上げを図る好例。App Factory の subagent 体制(司令塔+worker)や `/pair-dev` (Sonnet実装+Opusレビュー) の考え方と親和性が高く、Codex 敵対的レビュー(`codex-risk-review` skill)の設計パターンとしても参照価値あり。

Web/ネイティブアプリ受託開発の株式会社Gemcookが、社長からの「AIリテラシー標準化と全社環境整備が急務」という指摘を受け、2025年2月から段階的に試験導入を開始。Gemini Code Assist・Codex CLI・Cursor・Windsurf・Kiro・Antigravityと比較検討の上、2026年2月にClaude Code全社導入を決定。実装品質と速度のバランス・開発界隈での普及度・Teamプランの運用しやすさを判断基準に採用し、「完璧なツールを待つより今すぐ実行」という哲学で意思決定。導入数日で数万行のコードを生成したメンバーも出現。現在はTeamプラン運用ルールの整備や仕様書作成段階からのAI活用を進めている。

複数の競合ツールを比較検討しつつも「完璧なツールを待つより今すぐ実行」という意思決定哲学で全社導入に踏み切ったことが、導入数日で数万行のコード生成という早期の成果につながった。

個人開発者兼実務エンジニアのとまだ氏(@tomada)が、Claude Code(Max 5xプラン月100ドル)とCodex CLI(Plusプラン月20ドル)を併用してきた実体験から、料金プラン・コード品質・カスタマイズ性・学習しやすさ・チーム開発など複数観点で比較。普段はカスタマイズ性の高いClaude Codeをメインに使い、深い推論が必要な場面(設計レビュー・リファクタリング・バグ修正)ではCodex CLIを使う、という使い分け指針を提示。

料金・コード品質・カスタマイズ性など複数観点で実体験に基づき比較し、普段使いと深い推論が必要な場面とでツールを使い分けるという指針は、個人開発者のツール選定の参考になる。

Qiita株式会社 開発部長・清野隼史氏が2026年4月8日(水)11:00-11:45、東京ビッグサイトのJapan IT Week【春】に登壇し、「開発組織全員にClaude Codeを渡した話『意思決定・導入・そしてルールの再定義』」と題して発表。自身の「リードクラスのアウトプットが青天井になる」という確信を起点に、試験導入段階での心理的障壁を経てClaude Teamプランへの一斉移行を決断した経緯と、導入後に現場主導のワークフロー刷新が次々発生した効果を語る。

試験導入(希望者ライセンス配布)は心理的障壁を生み活用を阻害するため、全社一斉移行(Teamプラン)の方が実利用が進むという知見。個人の確信(リード級アウトプット青天井)を起点に組織導入判断が下されたケース。

個人開発者が宅建試験対策アプリ「takkenai.jp」を1年運営する中で、ChatGPT Plus/Cursor Pro/GitHub Copilot/Claude Proを併用していた月15,000〜25,000円(ピーク3万円超)の課金構成を、Claude Code Max単体(月$100=実質約15,000円)へ整理・最適化した経緯と、設計/リファクタリングにAIツールを投資し単純なコード生成は無料ツールで済ませるという使い分け原則をZennで公開。

(記事本文からの示唆抽出なし、要約記事のためタイトル・引用を参照)

AIコーディングツール(Claude/類似ツール想定)使用時の実体験3事例をZennで公開。指示範囲外の約1000行の書き換え・削除、古いバージョン知識によるRust非同期処理のコンパイルエラー5往復、既存実装未認識による二重実装(ファイル二重処理)を紹介し、再発防止策として「AIに渡す前にgit commit」「AIの回答はたたき台として扱い公式ドキュメント確認」「変更後は関連機能も動作確認」の3ルールを提示。

(記事本文からの示唆抽出なし、要約記事のためタイトル・引用を参照)

Claude Code の従量課金APIで、iOS/Android/Web/Chrome拡張+バックエンド(Go)の4+1プラットフォーム対応アプリ「LLMonster」(ブックマークでモンスターを育成するアプリ)をKotlin未経験から数日で開発

(記事本文からの示唆抽出なし、要約記事のためタイトル・引用を参照)

hacomono QA部エンジニア(たっきー/滝田氏)がPlaywright/TypeScriptによるE2Eテスト実装(GitHub Actions連携)にClaude Codeを活用。1回のプロンプトで完結させず、人間のレビューで修正指示を数度重ねる協働プロセスでテスト実装を完了。テックブログ記事の整理・下書きにもClaude Codeを利用。

AIによる高速化は「ワンショット生成」ではなく「人間レビュー→修正指示の反復」を前提にすることで、速度と品質(保守性・本番問題削減)を両立できる好例。QA/テスト領域はAIコーディング活用の実証がしやすい領域として注目される。

Microsoft Customer Stories(2024-12-03公開)。東芝テック株式会社が約300名の開発者が参加するPoCとして2023年11月にGitHub Copilotを導入。開発者満足度は「とてもそう思う(5)」「そう思う(4)」の合計が40.5%。提案コードの採用率は2024年2月時点26.5%から2024年7月時点35.8%に上昇。

利用期間が長いほど提案コード採用率が上昇し、開発者のwell-being向上とも相関する傾向がPoCで確認された

NHNテコラス Tech Blog(2025-08-26公開)。データ分析基盤開発チームが2025年7月からCursorを導入し1ヶ月以上運用。導入前後比較で効果測定。

(記事本文からの示唆抽出なし、要約記事のためタイトル・引用を参照)

WebFetchでURL取得し本文内容とmethod_summaryを突合。著者名(中川泰夫)、所属(Sansan技術本部 Contract One Engineering Unit)、マネジャー→エンジニア転向経緯(2025年5月)、Claude Code + container-use(Git worktrees+Dagger)による複数エージェント並列実行、CodeRabbit/GitHub Copilot/Notion AI/Figma Code Connectの併用、AI変更割合82.3%の数値記述を確認済み。

Sansan Contract One Engineering Unitの中川泰夫氏がマネジャー職を退きエンジニアに復帰後、Claude Code + container-use(Git worktrees+Dagger)による複数エージェント並列実行体制と、CodeRabbit/GitHub Copilot/Notion AI/Figma Code Connectを組み合わせたAI駆動開発("LLM Week"の一環)により、直近のコード変更のうちAIによる変更割合82.3%を達成した事例。

.claude/skills/配下のMarkdownファイル(morning.md/task.md/done.md/evening.md/feedback.md)でClaude CodeがMCP経由でNotion/Slack/GitHubと連携する「仮想秘書」を構築。JSONLトランスクリプトをObsidian用Markdownに自動変換してナレッジベース化。

Claude CodeのSkills機能はコードだけでなく個人の業務ワークフロー(朝の情報収集、タスク管理、1on1フィードバック準備)全体を自動化する「秘書」的用途に拡張できる好例。JSONLログをObsidianへ変換しナレッジ化する発想は他のAI活用事例DBにも横展開できる示唆。

Claude Code + Figma(MCP) + Cursor/VS Code + GitHub。Claude Codeが要件定義書の叩きを自動生成し、Figmaの新規画面設計をMCP経由で共有、既存コンポーネントを検索して実装。品質チェック用にGemini製の「Gem」(JIS・デザイン原則・プロダクト固有ガイドライン組込)も併用。

UI/UXデザイナー(Nazca氏)がClaude Codeを使いデザインから実装まで自ら越境する働き方に移行し、品質チェック体制を実装フローに統合した結果「後工程のレビューの手戻りが減っています」と報告。役割境界の融解が語られている。

CLAUDE.mdでの個人ルール設定(回答スタイルの前置き・絵文字禁止で結論ファースト、ブランチ作成前のgit pull自動化、settings.jsonでのステータスライン常時表示、Auto Compactionしきい値を95%→60%に変更)によりトークン削減とセッション精度安定を実践した事例報告

(記事本文からの示唆抽出なし、要約記事のためタイトル・引用を参照)

WebFetchでNIFTY engineering公式ブログ(engineering.nifty.co.jp/blog/21632)を直接取得し、本文中の記載事実(導入時期・数値)を検証済み

大手企業(NIFTY)がGitHub Copilotを全社導入し、アンケートベースで工数削減(1日38分・コーディング時間23.73%減)と利用者の8割以上が生産性向上を実感したと定量報告している点で、AIコーディング支援の効果測定事例として有用。言語による採用率差(Java 60%超 vs 全体平均)も示唆的。

GitHub Copilot カスタムコマンド (.github/copilot-instructions.md でプロジェクト共通ルール、.github/prompts/ 配下に docstring.prompt.md / unittest.prompt.md / logger.prompt.md 等の作業特化プロンプトを整備し、チャットで /docstring 等を呼び出す運用)

(記事本文からの示唆抽出なし、要約記事のためタイトル・引用を参照)

WebFetchでURLを直接取得し本文を確認

AI inside社はDevin導入からわずか1ヶ月で開発フロー全体(PR作成・修正対応・承認速度)にAIエージェントを深く組み込み、CTOは「全力で使う組織と一部のみで使う組織では効率化以上に大きな差がある」と組織全体でのAI活用を強調している。公開日は2025年6月4日。

Devin API + GitHub Actions

estieのQAチームがDevin APIとGitHub Actionsを組み合わせ、PRラベル(devin:review)トリガーでAIにテストケースをmust/want重要度付きで自動生成させ、Dependabot等の影響範囲が読みにくいPRでの抜け漏れ防止に活用している事例。「AIが下書き→人間がレビュー」という役割分担の実例として参考になる。

WebFetchで記事本文を取得し、公開日・並列件数・削減率・並列開発実現の鍵の4点について本文引用と照合。すべて一致を確認。

Devinのようなコーディングエージェントで並列開発を成立させる鍵は、モデル性能そのものより「タスク手順・禁止事項を明文化したPlaybook」と「人間側の段取り管理スキル」という運用設計にある。AIがたたき台を作り人間がレビューで品質担保する役割分担の意識が前提。

著者(れん学長)がXで見かけたClaude Code課金に関する注意喚起を受け、自身のMac環境・Claude設定をCodex(別AIツール)にチェックさせ、サブスク認証枠消費とAPIキー従量課金リスクの切り分けを検証した記事。配布している「parallel-infographics」スキルがClaude CodeからCodex(OpenAI側クレジット消費)を呼ぶ設計である点や、ローカルにANTHROPIC_API_KEYが無くてもGitHub Secrets等クラウド環境変数にキーが存在しうるため油断できない、という注意喚起を含む。

Claude Codeのサブスク枠消費とAPIキー従量課金の境界は非自明で、ローカル環境変数だけでなくGitHub Secrets等クラウド側のキー残存にも注意が必要という実務的な注意喚起。別AIツール(Codex)に自分の環境設定を検証させる、というメタな検証手法自体も参考になる。

WebFetch (2回、要約モデルが数字を取り違え不一致が出たため) に加え、curlで生HTML取得→Shift_JISをiconvでUTF-8変換して原文(JSON-LD headline/description含む本文)を直接デコードし目視確認。見出し文言・数値の整合を裏取り。

(記事本文からの示唆抽出なし、要約記事のためタイトル・引用を参照)

2025年4月よりCognition AI社の自律型AIソフトウェアエンジニア「Devin」の試験運用を開始。コーディング・デバッグからプロジェクト全体の計画立案まで、開発プロセスにおける多様なタスクへの適用を想定。導入Tips(AI用モノレポ作成・ナレッジ整備など)を技術ブログで公開。

同人・エンタメ系IT企業(虎の穴ラボ)が自律型AIエージェントDevinを開発プロセス全体(コーディング〜計画立案)に試験導入し、導入知見を技術ブログで継続公開している事例。method_summaryの「テスト/ドキュメント作成」は本文の「多様なタスク」という表現に含まれる想定で、明示的な列挙ではない点に留意。

全ITエンジニアへのCursor支給 + 全社GitHub Copilot展開 + Devin本番導入

全社的なAIコーディングツール多層導入(Cursor+Copilot+Devin)+予算公表という、投資規模を定量開示する珍しい事例

AIエージェント開発企業ジェネラティブエージェンツ(著者:西見公宏)が2025年1月22日からDevinを社内開発に導入、1ヶ月間の実運用結果(GitHub分析データ含む)を踏まえて人間とAIの得意/不得意タスクの切り分けを技術ブログで総括した。

Devin導入1ヶ月の実運用で、AIは自律検証可能な定型・小規模タスク(依存関係更新・ドキュメント更新)を担い、人間はAIが自律検証できない領域(インフラ・大規模設計・複雑バグ・UI変更)を担う、という役割分担の実証知見が得られた。

KQL(Azureのログ/テレメトリ監視クエリ)による監視ワークフローにCodexを組み込み、根本原因分析(root-cause analysis)と修正案の提示(suggest fixes)を支援。人間はvalidate/deployに集中する形で検証ステップは維持。加えてCI/CDパイプラインに直接Codexを統合し、社内コーディング基準に基づくコードレビューと脆弱性チェックを自動化。さらに仕様が不完全でも大規模プロジェクト(Python/FastAPIバックエンド+Swift/SwiftUI iOSアプリのフルスタック実装等)を自律的に推進する用途にも展開。

核心主張(運用+開発両面導入/CI/CD直接統合/根本原因分析→修正案生成/MTTR約50%短縮)は原文と一致し裏付けあり。ただし「定型インシデントのデプロイ自動化まで実施」という表現は原文に厳密な根拠がなく、実際は「engineers can focus on validating and deploying fixes」であり、デプロイの最終実行は引き続き人間が担う設計(検証ゲート維持は正しいが、"デプロイ自動化"は言い過ぎ)。事例DB登録時はこの一節を「根本原因分析・修正案提示の支援に留まり、検証・デプロイは人間が実施」と補正推奨。

ULSコンサルティング株式会社が、札幌総合情報センター株式会社（SNET）の基幹システム標準化プロジェクトに自律型AIエンジニア「Devin」の活用を提案・導入支援。国の「地方公共団体情報システム標準化方針」対応（対象は住民基本台帳・税・保険・福祉など20システム、札幌市の対応期限2027年まで）の一環として、Javaのバージョンアップに伴うOSSライブラリの差し替えなど「共通する技術的なタスクをDevinに一任」し、2025年9月から10月にかけてパイロット開発を実施した。

大規模な自治体基幹システムの技術更新作業（バージョンアップ対応・ライブラリ差し替え等の定型的だが大量な書き換えタスク）はDevinのような自律型AIエンジニアへの一任に向いており、パイロット規模（約150万ステップ）で75%の工数削減が自社発表として示された。ただし数値は受託側企業(ULSコンサルティング)自身の発表であり、独立した第三者検証は本文からは確認できない。

みずほ証券のIT・システムグループがDevin(Cognition AI製の自律型AIソフトウェアエンジニア)のデモを見て即座に導入方針を決定し、2025年12月に正式契約を締結。金融機関特有のセキュリティ要件クリアのため情報セキュリティ部門と約1年間協議したうえで、2026年4月からDevinの本格的な社内展開を開始した(トライアル開始時期として「2025年9月」という記述は本文になし)。PoC(概念実証)では、データベースの桁数変更や区分値追加を行う際の影響調査・テストコード作成などのユースケースに適用。ゼロからの新規システム構築はAIが不得手なため当面は人間のエンジニアが担当する方針。現場エンジニアへのアンケートでも5点満点中4.5点以上の高評価を得た。

影響調査やテストコード作成など「既存システムの仕様変更に伴う定型的な調査・検証作業」でAIエージェントが最大効果(1週間→1日)を発揮する一方、ゼロからの新規構築は依然人間が担う棲み分けが実務的。金融機関での本格導入には、技術検証だけでなくセキュリティ部門との合意形成に約1年を要した点も、規制業種でのAI導入の実コストとして示唆的。

2023年6月、ラクスは全開発組織にGitHub Copilotを導入（希望者は申請制で全員利用可）。導入前にテックリード含む4名の開発チームで約1週間のパイロット効果測定を実施し「同じ開発業務で12%の時間削減、1人当たり月10時間程度の時間短縮」を試算した上で本導入に踏み切った。導入から約5カ月後（2023年11月頃）、社内エンジニア63名（うち実コーディング担当56名）にアンケートを実施し、利用状況と効果を定量調査。結果を自社エンジニアブログで公開した。

パイロット導入で定量効果（12%削減）を先に測定してから全社展開に進んだ点、および導入後も本人アンケートで効果を継続測定した点が特徴。ただし数値はすべて社内アンケートの自己申告ベースであり、外部の独立検証は存在しない（B_self_claim）。パイロットは4名・1週間という小規模サンプルである点、本アンケートも「実感」ベースの主観評価である点には留意が必要。

DeNA AI Linkが千葉銀行グループのIT企業ちばぎんコンピューターサービス(ちばぎんCS)に対し、Cognition AI製の自律型AIソフトウェアエンジニア「Devin」導入支援を実施。ちばぎんCSが自社開発・展開する生成AI活用システム「C-chatSupport」とDevinを組み合わせた開発環境を構築し、性質の異なる2プロジェクト(新規システム開発／VB.NETコードマイグレーション)で検証。プロジェクト初期はDeNA AI Linkがアーキテクチャ設計・共通基盤整備を支援し、基盤確立後はDevinが個別機能実装タスクを自律的に遂行、エンジニアはレビューと意思決定に専念。単純変換できない仕様検討など壁打ちや比較検討が必要な作業にはC-chatSupportを併用する役割分担とした。

自律型AIエージェント(Devin)を単体投入するのではなく、自社で既に蓄積してきた生成AI活用システム(C-chatSupport)と組み合わせることで、判断・比較検討が必要な工程の精度と作業効率を底上げできるという「既存の社内AI資産×自律エージェント」の組み合わせ効果が示唆される。ただし工数・原価削減率の算出根拠(何を基準にした「想定工数」か等)は非開示で、数字は導入支援元(DeNA AI Link)と導入企業(ちばぎんCS)自身による発表にとどまる。

育休復帰したエンジニア（上土井涼馬氏、「LINE Surveys」開発プロジェクト所属、週4日勤務の「えらべる勤務制度」利用）が、Claude Code + MCP を使い、PRのURLからGitHub・Jira・Confluenceの関連情報を自動収集し、構造化されたMarkdown形式のレビューサマリ（テンプレート）を生成する仕組みを構築。補助的にNotebookLMでドメイン理解も深化させた。従来は1件のPRレビュー準備に設計書・企画書等の収集・仕様理解で1時間かかっていたが、この自動化で最低30分短縮した。

全社導入プロジェクトでなく、育休復帰したエンジニア個人が自分の負荷を減らすために作った小さな自動化ツールが定量効果（週6時間）を生んだボトムアップ型AI活用の好例。数値は「体感値」と明記されている点も含め誠実な報告。

QAエンジニア(著者tak-imai-m3氏)が半年間Claude Codeを使い込み、既存のローコードツールベースのテスト自動化フロー(週次定期リリースチェック約30種)をPlaywrightへマイグレーション。本文記載の3つの技術アプローチ=「1. 待機処理の最適化(固定waitから条件ベースへ)、2. Page Objectパターンの徹底、3. 並列実行の自由度向上」。Claude Codeと共同でコード生成・実装を実施。

QA領域特化でClaude Codeを使い、単なるテストコード生成に留まらず、待機処理設計・Page Objectパターン・並列実行アーキテクチャという「テスト実行基盤そのものの設計改善」まで踏み込んだ点が学び。ローコードツールの固定wait蓄積という定量化しにくいボトルネックを、AIとの協働で構造的に解消した好例。

株式会社セラクが「AI SHIFT」戦略の一環として一部開発チームでCursor Enterprise版をトライアル導入し、効果を確認した上で全社導入を決定した。

受託開発・SES系企業でもエンタープライズ向けセキュリティ・ガバナンス要件を満たしつつCursor導入で開発生産性を大幅向上できることを実証した事例。金融・大企業案件を多く抱える企業への導入判断材料になる。

2026年1月より、カスタマーサポートチームから技術調査として開発側にエスカレーションされる問い合わせについて、Claude Code Actions が Skill に沿って横断調査する仕組みを導入。Skill を「動くマニュアル」として整備し、Devin・Splunk MCP等とも組み合わせて一次回答まで自動化。これまで1〜2時間かかっていた調査を約10分に短縮。

コーディング支援用途に留まらず、社内の問い合わせ調査という非コーディング業務にClaude Code Skillを「動くマニュアル」として横展開した事例。Devin・Splunk MCP等の他ツールと組み合わせたマルチツール構成である点も特徴。

Agent Teams + Sub Agentsの2層構成でタスクを自動分割する複数エージェントオーケストレーターを構築。Hookベースのセッション間学習機構で経験則を自動メモリ化し繰り返しミスを防止。Scout Skillと自動分割機構でドキュメントを自動メンテナンスしトークンコストを圧縮。最終的にAgent定義8種類・Skill定義21種類・カスタムHook4種類の開発環境を整備し、「コンテキスト分割」「ロール明示」「タスク手順化」「実装ルール注入」の4原則でAIに開発させる型を確立した。

Claude Codeを1エージェントに丸投げするのではなく2層のオーケストレーション構造(Agent Teams×Sub Agents)にすることで、プロフィール全8画面という中規模機能実装を30分・PR5本全自動作成まで持っていけた点が示唆的。ドキュメントの自動メンテナンスでトークンコストを3〜10分の1に圧縮したのも、実運用でのAPIコスト管理として実践的。

Slackメンションで起動しGCE上のDockerコンテナに常駐する"Ambient Agent"としてpcp-agentを設計。Claude Codeをエージェント実行エンジンに採用し、remote-claudeという薄いラッパーで複数ドメインへ横展開可能にした。セキュリティはauth-proxyによるネットワークレベル認証情報注入・PreToolUse hookのfail-closed強制・Denyルール・コンテナ隔離・IaC管理の5層防御。PostToolUse hookでツール実行を捕捉しDXへ送信し、スキル別・ツール別の利用状況を「能力でなく採用」で計測する。障害・アラート調査の一次切り分け、日次トリアージ、問い合わせ調査、週次サマリー生成、PR監視・Issue起票に実運用中。

「LLMを信用しすぎない」という設計思想のもと、AIには"何をやりたいか"だけを任せ"やってよいか/どう繋ぐか"はコードと基盤側で固める責務分離を徹底した点が、決済という誤動作が許されない領域でAIエージェントを常駐運用できた鍵。人間がキックする自動化ツールでなく、トリガー起動の自律エージェントとして設計したこと自体が業務適用範囲を広げている。

WEBシステムのブラックボックス/ホワイトボックス脆弱性診断と、設計レビュー(ベースラインレビュー・リスクベースレビュー)による脅威モデリングを行うセキュリティエージェントBUGMAPを構築。AWS ECS Fargateでサンドボックス化した実行環境をAWS StepFunctionsで制御し、Amazon Bedrock・OpenAI・ローカルLMなど複数の基盤モデルを使い分ける144個の専用レビューエージェントで構成。セキュリティチームだけでなく社内エンジニアも利用できるツールとして提供している。

従来は半年〜1年に1回が限界だった脆弱性診断・脅威モデリングを、144個の専用エージェントに役割分割することで1〜2時間まで圧縮し「定期実行できる診断」に変えた点が示唆的。セキュリティ専門チームが持つ暗黙知をエージェント群にマッピングし直すという設計が、専門職のボトルネック解消の一般解になりうる。

10年以上のQA知見とClaudeを組み合わせ、仕様分析・テスト設計を自動化するAIエージェントを本格導入。対象部門内のClaude Code導入率は92%(2026年2月時点)に到達しており、試験導入した工程で作業時間を実測検証した。

QAという「属人的なドメイン知見に依存し自動化しづらい」とされてきた工程で、ベテランの知見を先にAIエージェントへ落とし込んでから展開したことで、試験導入段階でいきなり半減という効果を出せている。開発サイクル全体のリードタイム40%短縮という川上への波及効果まで見込んでいる点が実務的。

PdM含む上流工程チーフ2人がまず「PRDからDesign Doc」「Design DocからPBI」「JIRAチケット実装」の3スキルを2週間で作成。3〜4週目はモブ開発でPdEメンバーへ展開して再現性を検証。5週目に本実装へ急拡大したところ暗黙知がチーフ個人に偏っておりベロシティが急落。6〜8週目は週次30分の「開発生産性ミーティング」でのライブデモ・専用Slackチャンネル・継続的なスキル改善という立て直し策で回復させ、1スプリント1人あたりのマージ済みPR数中央値を3.75件→6.33件(+68.9%)まで引き上げた。

「AI活用ツールを配布すれば定着する」という前提が5週目のベロシティ急落という失敗で崩れ、「使い方の暗黙知が特定個人にしかない」ことが真因だと特定した上で、デモ・専用チャンネル・継続改善という地道な組織施策で立て直した点が示唆的。技術導入の成否は最初の仕組みづくりより、失速後の立て直しフェーズの設計にあることを示す実例。

Claude Code Skillを用いて、長期記憶(knowledge=過去の実験記録を構造化したMarkdownファイル)と作業記憶(scratch=セッション内一時情報)を使い分け、推薦モデル改善のPDCAを半自動で実行。AIが改善提案を生成し、人間が方針選択・コードレビュー・実験実行を担当する体制。

記憶を「長期(構造化Markdown)」と「短期(セッション内scratch)」に分離することで、AIが単発の思いつきでなく過去の実験を踏まえた改善提案を継続的に出せるようになる。人間は方針選択・レビュー・実行に専念でき、チーム内で出なかった着想(既存手法の非自明な応用)も得られた点が示唆的。

Claude Codeのプラグイン機能発表(2025年10月9日)の翌営業日に社内向けプラグインマーケットプレイスを立ち上げ、以後2ヶ月間ボトムアップで有志が「claude-plugins」リポジトリに複数プラグイン(sync-main/magi/mr等)を公開。各プラグイン定義ファイルは50〜300行程度のmarkdownで軽量、MR自動修正モードは最大5回まで反復。

Claude Codeプラグイン機能公開直後から社内ボトムアップでプラグイン群(MCP設定一元管理・MR自動修正等)が自然発生し、定義ファイルが50〜300行の軽量mdで済むため非エンジニア含む有志が量産できた事例。App Factoryの.claude/skills運用（軽量skill定義でボトムアップ拡張）と同型のパターンとして参考になる。

スマートバンクのサーバーサイドエンジニア(nisshyi)が、Anthropic提唱のオープンプロトコル「Agent Client Protocol (ACP)」でエディタとAIエージェントを標準通信させる仕組みを解説し、Zed Industries製アダプター「claude-code-acp」(Apache License 2.0)を使ってClaude Code SDKをACP形式に変換する実装を、初期化フェーズ→セッション設定→プロンプト送信の3段階の通信フローで体験するチュートリアル(2026年1月22日公開)。

Claude CodeをAgent Client Protocol経由でエディタ非依存の標準インターフェースとして組み込める実装例。エディタ側のカスタム統合コストを削減する設計思想が示されている。

Sansan独自のAIテスト設計ツール「AITAS」でテスト分析・観点出し・ケース作成を実施。自動E2Eテストは生成AIでPlaywrightコードを生成し、人間が補足・追記して精度100%に仕上げる。コード生成モデルはCopilotやChatGPTより社内評価が高いClaude Code（現時点でOpus 4.6）を採用。

Sansanとfreee共催のQA×AIイベントレポート。自社開発ツール「AITAS」でテスト設計工数を機械的に54%削減し精度85%を実測、さらに自動E2Eテストコード生成にClaude Code(Opus 4.6)を採用しCopilot/ChatGPTより高評価という一次情報付きの具体的検証事例。

Anthropic公式Customer Storyページ(claude.com/customers/money-forward)をWebFetchで直接取得し本文を確認。社内プログラム「MEPAR」でClaude Codeをトライアル展開し、結果共有後にトライアル対象外のチームから200名超のエンジニアがアクセスを希望するボトムアップ普及が発生。

エンジニアの80%が日常業務にClaude Codeを導入・70%超が日次利用・コード採用率90%超という高稼働率に加え、Public API Initiativeでは実装コードの約80%をClaude Codeが生成し、API実装工数を2日→5時間(約70%減)に短縮。新規エンジニアのオンボーディングも1週間→1日に圧縮。早期導入者への社内調査ではエンジニア1人あたり週7時間の削減効果。MCPサーバーもエンジニア1名で3ヶ月で構築するなど、開発生産性向上の事例として横展開可能。

Journey機能開発チーム(エンジニア約5名)が、AGENTS.md でプロジェクト構成・ドキュメント索引・開発ルールをセッション開始時に自動読込させ「知るべき情報」を設計。Permission/Hooksで機密検知や保護ブランチへの直接commitブロック等「禁止事項」を機械的にブロック。Skills/SubagentsでPR作成・TDD実行・Issue仕様明確化等の定型ワークフローを再現可能化し「実行方法」を型化。gitリポジトリを情報の正規源とし、修正コストが低い前提で高速フィードバックループを重視する設計思想。

個人の熟練に依存せず、AGENTS.md(知識)/Permission・Hooks(禁止)/Skills(手順)の3層分離でチーム全体のClaude Code運用を仕組み化すると、新規メンバー参加時も同一設定で再現可能なワークフローとなり、PR数を4倍に拡大しても品質担保が破綻しない。

テコテック公式開発者ブログ(著者:システム開発第一事業部 大泉氏、2026-07-06公開)。バッチ処理の実行時間遅延の障害調査という具体的題材で、①ログ分析による異常値検出②コード読解による原因特定③複数改善案のトレードオフ比較提示④人間によるレビューを経た実装⑤改善前後の効果検証、の5段階ワークフローにClaude Codeを実務適用。

著者は、Claude Codeを使うことでログ分析からコード読解、改善案提示までの各工程を高速化できる一方、実装レビューと最終判断の責任は人間が担うべきと強調。人間はボトルネック特定作業でなく「意思決定・レビュー」に集中できる点が価値だとしている。

Wantedlyのバックエンドエンジニア小室光啓氏が社内AIハッカソンで、Claude Codeプラグイン「onboarding-kit」を開発。2つのAgent Skillsを内包し、リポジトリの「手がかり」と「地図」、そして「手順」を持たせることで新規参画エンジニアが自走できる仕組みを構築。/onboardingコマンドでディレクトリの役割・ドメインモデルの関係性・アーキテクチャ解説などを対話的に学習でき、/setupコマンドでは冪等性の担保・構造化された出力・自動修復を実装し環境構築のトラブルを自動解決する。

定量指標は無いが、社内テストで「ざっくり理解できた」「ほぼ自動でやってくれた」というポジティブなフィードバックを得た定性評価の実例。オンボーディングSOPやスキル設計(手がかり/地図/手順という3層構造)の参考になる。

DeNAの大規模プラットフォーム開発プロジェクトで、エンジニアだけでなくPdM・デザイナーも含めチーム全員でClaude Codeを業務フローに組み込んだ。デザイナーがClaude Codeでモックアップを生成し、それを触りながらPdM・エンジニアが具体的なインタラクション仕様まで早期にすり合わせる運用に変えた。デザイナーはAIに「Figmaのオートレイアウト適用データにして」と指示し、モックから正式デザインデータへの落とし込みも行っている。

PdM・デザイナーというエンジニア以外の職種がClaude Codeを直接使い、モック生成→即座に触って仕様確認という運用で、テキスト仕様書では見落としがちな細かいインタラクション仕様の考慮漏れ・後工程での手戻りを未然に防いだ点が特徴的。倍率換算で数日〜数週間かかっていたサイクルが1〜2日に圧縮されている、職種横断AI活用の具体的な定量事例。

DeNAのデータアナリストが、個人の~/.claude配下のClaude Codeセッションログ・メモリを解析するデスクトップアプリ「geniハーネスくん」を開発。利用状況をAIが読み込み、繰り返し説明している前提や直させている癖を、現行CLAUDE.mdとの差分の形で改善提案する。ターミナルを見せずボタン操作のみで使えるUIとし、Slack/Google WorkspaceへのMCP接続も認証ガイド付きでボタン設定できる。個人で育てたハーネスをアプリから社内共有リポジトリに登録でき、メンバーの登録が増えるほど「組織のハーネスカタログ」が育つ仕組み。

「~/.claudeには宝が眠っている」という切り口通り、個人のAI利用ノウハウ(セッションログ・メモリ)を自動抽出→CLAUDE.md差分提案→組織共有まで一気通貫にする仕組み化のアイデアは、自社のmemory運用改善に直接応用できる。特に「利用状況の差分からCLAUDE.md改善を機械提案する」発想はmemory-checkup skillの拡張候補になりうる。

SNS発信を始めたい個人開発者(box2box)が、Claude Codeとの対話だけで発信戦略の壁打み→GitHubリポジトリ連携(zenn-cli)→投稿テンプレート(X用・Zenn記事用)作成→ネタ帳IDEAS.mdの仕組みまでを整備。人間の手作業はZennダッシュボードでのリポジトリ連携の数クリックのみ。以降は「IDEAS.mdの1行と、レビューの赤入れだけ」で記事化できる運用に移行した。

コンテンツ制作の「準備・環境構築」フェーズを丸ごとAIとの対話に任せることで、本来数日かかりそうな下準備を1時間で終わらせた実例。bocchi/note運用や新規skill立ち上げ時のセットアップに転用できる、初期整備コストの圧縮パターン。

2026年3月19日、AWS Startup Loft Tokyo(目黒)にてAWSとクラスメソッド社共同開催。Claude Code on Amazon Bedrockの使い方をハンズオン形式で学んだ後、各参加者が持参したビジネスアイデアをその場でプロダクトとして構築(約3時間)。エンジニアの背景知識を問わず参加可能で、ビジネス職・企画職も多数参加した。

「エンジニア経験なしでも3時間でプロトタイプ完成」というイベント型の実証は、社内ワークショップや顧客向けPoCイベントの企画フォーマットとして直接流用できる。

Claude Code(AI判断+オーケストレーション) + xactions CLI(Xツイート検索/JSON取得) + Chrome DevTools MCP(ブラウザ上でいいね・フォローボタンをクリック) + OpenClaw(結果をDiscordに自動投稿)。AIが文脈判断で自事業領域(ヒューマノイドロボット関連)に関連性が高いツイートのみ選別していいね・フォローする、単純な無差別自動化ではない仕組み。

著者はヒューマノイドロボット開発スタートアップOrboh創業者(建設現場向けUnitree G1活用)のKota Ueda氏。Claude Codeを「AI判断+オーケストレーション」役として使い、複数ツール(xactions CLI/Chrome DevTools MCP/OpenClaw)を組み合わせることで、機械的な連打でなく文脈判断に基づく「意味のあるいいね・フォロー」を自動実行できる事例。

1ヶ月間、ドキュメント作成(使い方/スクラム開発活用パターン/OpenSpec導入ガイド)+ハンズオンセッション開催+GitHub Actionsでのテンプレ自動配布+Slackでのフィードバック収集・改善サイクルにより「使う雰囲気」作りを優先して定着を推進

既存のAIコーディング支援(Devin/Copilot)からClaude Codeへの移行を「コーディング支援」から「開発プロセス全体のAI駆動化」への転換と位置付け、ハンズオン+Tips共有という地道な定着施策で1ヶ月という短期間にIssueクローズ数3.4倍・テスト関数数10.1倍という定量成果を出した点が実務導入の参考になる

Claude Code の Skill 機能で社内プロジェクトの進行(週次定例前の「前うち」時間内に複数タスクを並列実装しデモ可能状態まで仕上げる)を仕組み化

受託開発会社では優先度が下がりがちな社内プロジェクトを、気合いではなく仕組み(Claude Code Skillによる並列タスク処理の型化)で前進させた事例。週次定例前の限られた時間に集中して成果を出す運用に応用できる。

WebFetchでURL取得し、本文とmethod_summaryの整合を確認。著者は株式会社アドバンテッジリスクマネジメント(ARM)のフロントエンド開発担当「もろ」氏で、複数プロジェクトを掛け持ちする中でClaude Codeへの繰り返し共有の手間を解消するため、Obsidianに Global.md(全プロジェクト共通ルール)/各プロジェクトのRules.md(固有ルール)/Feedback.md(指摘ログ) を整理し、Claude Codeのskills機能で「read-project-memory」「log-feedback」「thread-memory」の3種を実装、ルールの自動読込・自動更新を行う仕組みを構築した事例と一致。

複数プロジェクト担当者が「同じ指示を毎回繰り返す」問題を、Obsidian(外部ナレッジベース)+Claude Code skills(自動読込・自動更新)で解消するパターン。App Factory文脈では既存の CLAUDE.md + memory(sub-index)構成に近い発想だが、skillsを使い「read/log/thread」の3機能に役割分割して自動化している点が参考になる。