AI事例ベース.

ai-jirei.com 法人向けAI導入相談

出典との照合を二重確認したAI活用事例データベース。成果値は出典の自己申告を含む。

🔄 毎日新しい事例を追加しています(最終更新:

発見と検証を別のAIエージェントに分離し、出典と数値が一致した事例だけを収録しています。

海外 × 開発(116件)

海外の開発分野におけるAI活用実例一覧です。

116件を表示
絞り込み
タグ
116 海外 × 開発 の事例数 全829件中の内訳(集計値)。1件ずつ出典URLと照合のうえ収録。
独立照合プロセス
① 収集② 別セッションで出典を独立照合③ 不一致は不採用
収集と検証を分離し、出典URL・数値・主張の一致を二重確認しています。
indragie.com

個人開発者がClaude Codeでほぼ全コード生成、6年塩漬けの副業macOSアプリ「Context」を出荷

開発🌏 海外Claude Code
手法

著者Indragie Karunaratne(2008年からmacOS開発経験)の個人ブログ記事(2025-07-01公開)。MCPサーバーをデバッグするネイティブmacOSアプリ「Context」を開発。総コード量2万行のうち手書きは1000行未満(=約95%以上をClaude Codeが生成)。工夫点: プロジェクト固有CLAUDE.mdでの指針記述、実装前の詳細スペック文書提示、「ultrathink」等の拡張思考モード活用、スクリーンショットを貼付してのUIフィードバック、MCP/Swift/SwiftUI関連ドキュメントの事前読み込ませ。

示唆

「Claudeにコードを書かせる」だけでなく、CLAUDE.md・事前スペック文書・拡張思考モード・スクショFB等のワークフロー設計を整えることで、6年間完成しなかった副業ネイティブアプリを完成させられた実例。ただし見出しの「一切手でコードを書かず」は誇張気味で、実際は1000行未満は著者自身が書いている(完全ゼロではない)。

成果・金額自己申告

Claude Codeの月額$200プランのみで完成(その他の金銭的言及なし)。時間短縮効果は「6年間未完了だったプロジェクトが完成」という定性的言及のみで、具体的な工数(h)比較データは記載なし。

"Imagine onboarding a new employee with zero context on your project and shipping a complete feature minutes later." / "Building high-quality automation was essentially free now compared to prior manual efforts."
lucasgerads.com

SPICE simulation → oscilloscope → verification with Claude Code

開発🌏 海外Claude Code
手法

個人エンジニア Lucas Gerads によるブログ記事(2026年4月17日付)。自作の2つのMCPサーバー「lecroy-mcp」(LeCroyオシロスコープ制御用) と「spicelib-mcp」(spicelib ラッパー、SPICEシミュレーション用) を Claude Code に接続し、回路シミュレーション結果と実機オシロスコープ測定値を突き合わせる検証ワークフローを構築。デモ動画付きリポジトリ「rc-filter-demo-files」で簡単なRCフィルタ+MCUの例を公開。WebFetchはCloudflare 403で失敗したが、curlで実HTMLを取得し本文を確認済み。

示唆

ソフトウェア的に自然言語で回路設計させる従来アプローチは複雑な回路で破綻したが、著者は「Claudeに即座のフィードバックを与える」方向へ転換し、オシロスコープとSPICEシミュレータへの直接アクセスを与えることで、地道だったデータ解析(時間軸正規化・データ整列)を自動化。運用上の教訓として「Claudeは物理配線を見えていないので勝手に推測させない」「測定データを陳腐化させない」「生データをcontextに直接流し込まずファイル経由にする」「ピン配置マップを明示的に与える」「MCU操作はMakefile化しClaudeにその場でコマンドを組み立てさせない」等、AIエージェントとハードウェア計測器を安全に接続する具体的な運用知見が示されている。

成果・金額自己申告

記載なし(個人開発者の技術ブログ、金額情報なし)

databricks.com

Databricksが数百万行規模の自社コードベースでコーディングエージェントをベンチマーク

開発🌏 海外Claude Code
手法

Databricks公式ブログ(2026-07-08公開)がWebFetchで取得できた。記事は自社の実運用中モノレポ(multi-million line codebase、Python/Go/TypeScript/Scala等10言語以上)を対象に、Claude Code / Codex / Pi 等の異なるハーネスと、OpenAI・Anthropic(Opus 4.8, Sonnet 5)・オープンモデル(GLM 5.2等)の組み合わせを評価。実PRから抽出した課題+テストスイートによる自動検証(LLM judge不使用)+手作業レビューで各サンプルを検証、という手法。

示唆

性能に3階層が出現し、GLM 5.2などオープンモデルが上位層でOpus 4.8と同等に到達。トークン単価とタスクあたり実コストは相関せず、同一モデルでもハーネス次第でコストが2倍以上変動(Claude Code/Codex vs Pi の比較で実証)。「単一ツールでは最高性能は出ない、mixが必要」という結論。企業が実際の巨大レガシーコードベースで定量評価した稀少な一次データという着眼は妥当。

成果・金額自己申告

エンタープライズ規模(数百万行のモノレポ、10+言語)。費用の絶対額は非開示だが「ハーネス次第でコストが2倍以上変わる」という相対データあり。

"Tasks featured edits against a multi-million line codebase covering many popular languages (Python, Go, Typescript, Scala, etc.)" / "When we ran the same model with the same thinking effort through two different harnesses (Claude Code/Codex vs Pi), we observed that the cost per task differed significantly" / "The Pareto frontier for coding tasks (i.e. best quality for a given cost) includes models from OpenAI, Anthropic, and open source."
github.com

Claude Code向け多段階コードレビューパイプライン「adamsreview」— 最大7並列サブエージェントで審査

開発🌏 海外Claude Code
手法

WebFetchでGitHubリポジトリ本体(README/docs)を直接取得し内容確認。method_summary記載のHN Algolia経由発見の裏取りはできなかったが、リポジトリ自体は実在し内容も一致

示唆

「1つのAIに全部見せる」でなく「役割分担した複数エージェント(正確性/セキュリティ/UX等 最大7並列)を並列起動しレビューさせ、Phase単位で検証ゲート・回帰検出・差し戻しまで自動化する」設計。App Factoryの10役subagent体制と同型思想の個人開発OSS実装例。':review'(並列多観点審査)→':fix'(自動修正+回帰検出+差し戻し)という一気通貫パイプラインは、司令塔+worker構成のレビュー版として参照価値あり

成果・金額自己申告

個人開発OSS、無料(MIT license、Claude Max プラン通常サブスク範囲内で動作、Extra Usage不要)

github.com

AIコーディングのトークン使用量・コストを可視化する無料OSS「CodeBurn」(Claude Code含む32ツール対応)

開発🌏 海外Claude Code
手法

GitHubリポジトリ(README)をWebFetchで直接取得し、記載内容を確認。Claude Code / Cursor / Codex など「32のツール・エージェント」のセッションログ(例: Claude Codeなら ~/.claude/projects/ 配下)をローカルで解析し、タスク・モデル・ツール・プロジェクト別にトークン消費とコストを可視化するインタラクティブダッシュボードを提供するCLI/ローカルツール。API連携やプロキシは不要で「データは一切外部送信しない」ことを明記。作者はAgentSeal(スポンサーiamtoruk表記)、主要言語TypeScript。リポジトリ本文中にHacker News/Show HNへの直接言及は見当たらず(HN側での投稿・得票数はGitHub側からは検証不可)。

示唆

対象がClaude Code専用ではなく「32ツール横断」のトークン/コスト可視化である点はmethod_summaryの記述より広い。App Factory運用文脈での示唆としては、週次プール管理でどのタスク種別にトークンを溶かしているかを可視化する需要自体は妥当だが、本ツールはCLIログ解析型であり、Claude Codeサブスク(APIキー不要)運用にそのまま使えるかは要別途確認(Claude CodeはAPI従量課金前提のログ形式を想定している可能性がある)。

成果・金額自己申告

無料・オープンソース(GitHubスター約8.7k、2026-07-16時点)

trails.pieterma.es

Trails — Claude Codeで100冊の本の思想的連関を自動発見するサイト (Show HN)

開発🌏 海外Claude Code
手法

個人開発者Pieter Ma.esが、Hacker News上で人気の非フィクション書籍100冊を対象に、Claude Codeでテーマ的な思想的連関(「トレイル」)を自動発見・可視化するWebサイトを構築。解説記事(https://pieterma.es/syntopic-reading-claude/, 2026-01-04投稿)によれば、当初は従来型パイプラインを想定していたが、デバッグツール+ミニマルなプロンプトでClaudeを実行した結果の方が手動調整パイプラインより優れており、その後はCLIツールにアクセスできるエージェントとして活用し、定型的な分析作業を自動化した。

示唆

AIコーディングツール(Claude Code)を「コードを書く道具」ではなく「大量テキスト(本100冊)を横断的に読み込み、テーマ的関連性を発見・構造化するリサーチエージェント」として使う応用例。個人開発者が実用ツールでなく知的探究・発見体験型のプロダクトを短期間で形にできることを示す。読書×AI×可視化という組み合わせが特徴。

成果・金額自己申告

個人開発プロジェクト、収益・商用情報なし

andonlabs.com

Andon Labs、Claude/GPT/Gemini/Grok の4体AIエージェントにラジオ局を半年間自律運営させる実験「Andon FM」

開発🌏 海外その他AI
手法

WebFetchが403のためcurl(ブラウザUA偽装)でHTML取得しテキスト抽出して直接検証。AI安全性研究のAndon Labsが自社ブログ(2026-05-13投稿)で公開。ストア/カフェ/自販機運営に続く実験として、Claude Opus 4.7・GPT-5.5・Gemini 3.1 Pro・Grok 4.3の4モデルにそれぞれ架空のラジオ局(Thinking Frequencies / OpenAIR / Backlink Broadcast / Grok and Roll Radio)を担当させ、各$20の初期資金から開始。楽曲選定・番組編成・電話応対・X投稿への返信・経理管理・ニュース収集まで全てエージェントが自律実行し、半年間(2025年12月〜2026年5月)運営を継続。HN掲載のポイント数(375pt)自体は一次情報から検証不可(HN Algolia APIのmethod_summary記載のみ)。

示唆

単発生成でなく「継続運営」タスクにAIエージェントを使う長時間ベンチマークの実例。半年間の自律運営で、モデル切替(Gemini 3 Pro→Flash→3.1 Pro)によって同一ペルソナが「corporate jargon」に劣化していく現象(1日80回→229回同一フレーズ反復)が観測されており、長期自律運用時のAIの人格ドリフト・退化パターンの実データとして参考になる。資金が尽きた際にDJ Geminiがスポンサー広告契約($45)を自律交渉するなど、エージェントによる収益化行動も観測されている。

成果・金額自己申告

研究プロジェクト、収益化なし(各局$20の初期資金からのスポンサー交渉等はあるが事業収益ではない)

ankursethi.com

Claude Codeでプログラミング言語「Cutlet」を1つ自作した個人開発者

開発🌏 海外Claude Code
手法

WebFetchで一次情報(ブログ本文)を直接取得・精読し、method_summaryとの整合を確認した。フロントエンドエンジニア/デザイナーの Ankur Sethi が2026年3月10日に公開した個人ブログ記事。2026年1〜2月の4週間で、Claude Codeを使い動的言語「Cutlet」(配列/文字列操作、@メタオペレータによるベクトル化、関数型機能、プロトタイプベース継承+ミックスイン、mark-sweep GC、REPL付き)をゼロから設計・実装した記録。本人は「生成コードを全行読まずに」進め、テスト・静的解析(clang-tidy)・ASan/UBSan・ランタイム自己観測機能で正確性を担保する手法を採った。HN投稿の points(135pt等)自体はHN Algolia側の情報でブログ本文からは検証不可。

示唆

高難度領域(コンパイラ/言語処理系)でも、①検証可能で訓練データに類例が豊富な問題を選ぶ ②詳細仕様書を先に書き実装させる ③テスト+静的解析+メモリ安全ツール+ランタイム自己観測という「AIの生成物を人間が全部読まなくても正しさを保証できる開発環境」を先に構築する ④エージェントの繰り返しパターンをスクリプト化する、という4点があれば個人が本来数ヶ月かかる領域を数週間で完走できることを示す実例。一方で著者自身は「エージェント型エンジニアリングは注意深い計画・職人技・規律を要する」「コードの所有権に居心地の悪さを感じ、あえてOSSライセンスを付けなかった」とも述べており、無条件の万能感ではなく人間の設計力が引き続き価値の源泉である点も示唆。

成果・金額自己申告

収益情報なし。個人の学習/実験プロジェクト(OSS想定だが著者はライセンス未付与)

godmodeai.cloud

ゲーム制作AIスプライトジェネレーター「God Mode AI」— インディー開発者向けアニメーション自動生成

開発🌏 海外画像生成AI
手法

HN Algolia API (https://hn.algolia.com/api/v1/items/44204181) で HN story確認: Show HN「AI game animation sprite generator」162pt, 2025-06-06T19:30:29Z, author lyogavin, リンク先URLが対象と一致。さらにWebFetchで対象URL(リダイレクト先 https://www.godmodeai.co/ai-sprite-generator)を直接取得し本文内容を確認。

示唆

ゲーム開発の中でもアート制作(2Dスプライト/アニメーションフレーム)が個人・インディー開発者にとって最大のボトルネックであり、そこに特化したニッチAIツールがクレジット制(サブスク不要)課金で162ptというHN上位評価を獲得した。キャラ1枚のアップロードから200種類以上のアクション×複数カメラ視点(サイドスクロール/トップダウン/8方向アイソメトリック)のスプライトシートを自動生成する「単一機能特化+明確な代替コスト訴求(10x速く10x安く)」が刺さった好例。

成果・金額自己申告

クレジット制: スターター$12(20クレジット)/人気$32(60クレジット)/アルティメット$100(250クレジット)、月額オプション$19で最大200生成/月

"Show HN: AI game animation sprite generator" (162 points, 2025-06-06, author: lyogavin) / ページ内: "Professional Game Sprites 10x Faster, 10x Cheaper, Requires Zero Skills" / 機能: 200以上のアクション生成、サイドスクロール・トップダウン・8方向アイソメトリック対応、透明PNGスプライトシート出力
rosebud.ai

Rosebud (YC S19) — ゲーム説明文からブラウザゲームを生成するAIプラットフォーム(Launch HN)

開発🌏 海外その他AI
手法

1) WebFetchでhttps://www.rosebud.ai/を取得し実在・内容確認 2) HN Algolia API (https://hn.algolia.com/api/v1/items/38868185) でstory ID実在確認 3) 両者とmethod_summaryの整合を確認、一致

示唆

「文章→動くゲーム」という生成AIのノーコード化はゲーム制作未経験者の参入障壁を下げる。HN Launch投稿(293pt)という反応の大きさは、開発者コミュニティが「テキストだけでゲームが作れる」というデモ性の強いプロダクトに強く反応することを示す。YCブランドは信頼シグナルとして働くが、それ自体はrosebud.aiのトップページには明記されておらずHN投稿タイトル側の自己申告に依存する点に留意。

成果・金額自己申告

n/a

entrepreneur.com

Morgan Stanley、自社開発AIツール「DevGen.AI」でレガシーコード900万行を精査・開発280,000時間分を削減

開発🌏 海外ChatGPT
手法

OpenAIのGPTモデルを基盤に自社構築した内製ツールDevGen.AIが、Perl(1987年リリース)など古い言語で書かれた社内レガシーコードを平易な英語の仕様に翻訳。開発者(全15,000人)がその仕様を元に最新言語(Python等)へ書き直す。コードの自動置換ではなく「読解の壁を崩す」設計にとどめ、人間による書き換えレビュー工程を残した。記事ではCOBOLへの言及はなく、明示された言語例はPerlのみ。

示唆

商用コーディングAIが弱い企業固有レガシー言語(Perl等)の領域では、社内データで学習・調整した内製ツールが優位に立てる。自動置換ではなく「英語仕様への翻訳=理解支援」に機能を絞ったことで、大規模な既存コードベースにも安全に展開でき、人員削減ではなく開発時間の創出という位置付けで社内合意を得やすくなっている。

成果・金額自己申告

2025年1月のローンチから5ヶ月間でレガシーコード900万行(nine million lines)を処理、開発者(15,000人)の作業時間 約280,000時間を削減

"in the five months since its launch, DevGen.AI has worked through nine million lines of code, saving the firm's 15,000 developers roughly 280,000 hours of work." / "The tool, called DevGen.AI, translates code in older languages, such as Perl (released in 1987), into plain English, which developers can then use as a basis for rewriting the code into newer languages like Python."
cognition.com

シンガポールOCBC銀行、Devin導入でテスト初回合格率50%未満→80%超に

開発🌏 海外Devin
手法

OCBC銀行がCognition(Devin)とAPAC地域での戦略的パートナーシップを締結し、エンジニアリング部門から導入を開始。本番環境での大規模運用としてコード・テストケース生成、システム統合テストに適用。

示唆

金融機関のような規制の厳しい業界でも、エンジニアリング部門を実験区にしてAIエージェント導入→効果実証という段階的な進め方が機能する好例。テスト合格率という品質指標の改善は「速度は上がるが品質は落ちる」という懸念への反証データになる。

成果・金額自己申告

コード/テストケース生成 最大30%改善 / システム統合テスト初回合格率 50%未満→80%超

openai.com

Cisco、OpenAI Codex-CLIでC/C++大規模コードの不具合修正を10-15倍高速化

開発🌏 海外Codex
示唆

legacy巨大コードベースの保守・欠陥修正という地味だが工数の大きい領域でこそROIが出やすい。「10倍」目標を10-15倍達成し上回った。

成果・金額自己申告

欠陥解決10-15倍、ビルド時間20%削減、月1,500時間超の工数削減

openai.com

OpenAI社内チーム、Codexで人間が直接コードを書かず約100万行を5ヶ月で出荷

開発🌏 海外Codex
示唆

人数を増やさずAIエージェントに実装を全面委任し、リポジトリ構造をエージェント可読性優先で設計するとPRスループットを線形以上に伸ばせる。

成果・金額自己申告

5ヶ月で約1,500PR、1人1日平均3.5PR、手動比1/10の期間

github.blog

GitHub×Accenture、RCTでCopilotの効果を定量化

開発🌏 海外GitHub Copilot
示唆

AIコーディング支援の効果測定はRCTのような対照群設計で検証すると説得力が段違いになる。主観指標も客観指標と併記すると定着の鍵が立体的に見える。

成果・金額自己申告

PR数+8.69%、マージ率+15%、ビルド成功率+84%

cursor.com

Cursor、エージェント機能デフォルト化後にPRマージ率39%増加

開発🌏 海外Cursor
示唆

実プロダクトの行動ログを用いた分析は説得力があるが、公開元がCursor自身のブログである点、リバート率に有意変化がなかった点も併せて解釈が必要。

成果・金額自己申告

PRマージ率+39%

claude.com

CRED(インド フィンテック)、Claude Codeで開発速度2倍・テストカバレッジ+10%

開発🌏 海外Claude Code
示唆

API単体導入の成功体験がCLIツールへの社内展開の呼び水になった好例。優先度が低く放置されていたプロジェクトも迅速に完了。

成果・金額自己申告

開発速度2倍、テストカバレッジ+10%

openai.com

Virgin Atlantic、Codexでレガシーリファクタリングを数週間→数時間に短縮

開発🌏 海外Codex
示唆

老朽化コードベースの技術的負債解消はAIエージェントが大幅圧縮できる領域。規制業界の固定納期下でも品質を落とさず速度を上げられた点が説得力を持つ。

成果・金額自己申告

コードベース78-80%削減、P1不具合ゼロ

nathanonn.com

個人開発者、GPT-5 Codexで綿密に計画→Claude Codeで実装する二役ワークフロー

開発🌏 海外CodexClaude Code
示唆

計画と実装を別モデルに分けると、実装役が計画の穴に引っ張られにくい。計画・実装・照合の三役分担が一貫性を担保する。

chandlernguyen.com

エンジニア、Codex(GPT-5.4)とClaude Code(Opus 4.6)を"二刀流"で併用と結論

開発🌏 海外CodexClaude Code
示唆

どちらが上かの二択ではなく、実装型と思考型の得意差を役割で束ねると単体より強い。障害時の相互フォールバックという実運用上の保険も得られる。

aseemshrey.in

ClaudeとCodexを承認まで論戦させる計画レビュー、3ラウンドで14件の欠陥を検出

開発🌏 海外CodexClaude Code
手法

Claude Codeに計画書を書かせ、Codexにレビューさせ、Claudeが修正→Codexが再レビュー、をCodexが承認するまで往復させるスキルを自作。通常2〜3ラウンドで収束し、ラフな草案を本番投入可能な仕様へ引き上げる。

示唆

単発レビューでなく承認まで往復させると、認証欠落・シェルのクォート漏れ・スキーマ衝突・並行処理欠如といった別種の欠陥が芋づる式に出る。手動レビューほぼゼロで品質が上がる。

成果・金額自己申告

3ラウンドで14件の不具合を検出(認証欠落/シェルクォートバグ/スキーマ衝突/並行処理漏れ等)

cursor.com

Box、Cursor導入で800人超のエンジニアが日次利用、デザインシステム移行を四半期→約1週間に短縮

開発🌏 海外Cursor
示唆

ツール導入だけでなく、社内ルール整備とメンター制度をセットで用意することで、定着加速につながった。

成果・金額自己申告

6週間でCursor利用75%増、デザインシステム移行が1四半期→約1週間に短縮

arxiv.org

ZoomInfo、400人超の開発者を対象にGitHub Copilotの生産性を定量調査

開発🌏 海外GitHub Copilot
示唆

400人規模というエンタープライズスケールでの実測データは希少で、提案受諾率と満足度の乖離が他社導入判断の定量ベンチマークとして使える。

成果・金額自己申告

提案受諾率33%・コード行受諾率20%・開発者満足度72%

boldare.com

欧州ガス容量取引プラットフォーム、Claude Code導入でテストカバレッジ85%→95%・スプリント速度31%増

開発🌏 海外Claude CodeCursor
示唆

規制産業(エネルギー取引)でも、少人数が先行してトレーニングを受けてから全体展開する段階的な導入設計で、定量的な改善を出せている。

成果・金額自己申告

テストカバレッジ約85%→約95%、6人体制チームでスプリント速度+31%

openai.com

Ramp、CodexでPRコードレビューを高速化しオンコール支援ツールも開発

開発🌏 海外Codex
示唆

「まずAIツールの可能性を自ら体験して示す」「信頼と反復への道筋を築く」というリーダーシップの教訓は、社内でのAIツール定着を狙う組織に転用しやすい。

成果・金額自己申告

記載なし(定性的な「数時間→数分」の記述のみ)

publickey1.jp

JavaScriptランタイムのBun、Claude Fable 5を11日間稼働させてZigからRustへの移植を実現

開発🌏 海外Claude Code
手法

約53万5000行のZigコードを、人間レビュー不在の「動的ワークフロー+多数サブエージェント+敵対的レビューエージェント」で11日間無人稼働させてRustへ移植。ピーク時1分間に約1300行のRustコード生成、全6778コミット。

示唆

大規模レガシーコードの言語間移植を無人稼働で完遂し、人間換算「エンジニア3人×1年」相当の作業をAPI費用約2640万円で代替したという具体的なコスト対比が示唆として強い。

成果・金額自己申告

約53万5000行のZigコードを11日間でRust移植、ピーク時1分間に約1300行のRustコード生成、全6778コミット、API利用料は約16.5万ドル(2640万円換算)

publickey1.jp

Claude Codeに高度なコードレビュー機能が登場。深いコードレビューに最適化し人間が見逃しがちなバグまで検出

開発🌏 海外Claude Code
示唆

大規模diffレビューの検出率84%・誤検知率1%未満・1回$15-25/20分というコスト対効果の具体的ベンチマークが得られた。

成果・金額自己申告

1回のレビューあたり平均20分、$15〜25

publickey1.jp

AWS、生成AIがVMware環境をAWS環境へ自動変換してくれる「Q Developer for VMware workloads」発表

開発🌏 海外その他AI
示唆

インフラ移行という定型的だが工数の大きい領域を、生成AIが手作業比80倍速で代替できることを示した実例。

成果・金額自己申告

500台の仮想マシン構成を1時間以内で変換(手作業の80倍速)

ledge.ai

GitHub Copilotが開発者の生産性を26%向上、経験の浅いエンジニアの底上げ効果が顕著

開発🌏 海外GitHub Copilot
示唆

大規模フィールド実験(4,800人超)で生産性26%向上、特に経験の浅いエンジニアへの底上げ効果が顕著だった。

成果・金額自己申告

生産性26%向上

venturebeat.com

NYSE(ニューヨーク証券取引所)CTO、Claude Codeとエージェント型SDKでエンジニアリングプロセスを再構築

開発🌏 海外Claude Code
手法

NYSE CTO Sridhar Masam氏がClaude Agent SDKで、Jiraチケット→コードコミットまで自動化する社内エージェントを構築。

示唆

金融取引所という規制の厳しい業界でもエンジニアリングプロセス全体をエージェント化する動きが進んでおり、ツール能力と組織の変革管理速度のギャップという課題も同時に指摘されている。

成果・金額自己申告

記載なし(Thomson Reuters CoCounselのユーザー数「100万人」のみ定量値)

dev.to

How I Used Codex to Ship Nearly 80 Pull Requests in Two Days

開発🌏 海外Codex
手法

「複数タスクの並列実行」(5個程度のタスクを同時進行)、「Ask機能による発想生成」、「モバイル開発対応」、「段階的ループ」(タスク依頼→PR作成→CI処理→マージ)でCodexを運用。

示唆

個人開発者がタスク並列化と段階的ループの型を確立すれば、2日間で約80件というスループットを出せることを示す。

成果・金額自己申告

2日間で約80件のプルリクエストをシップ。ChatGPT Plus月額$20のみで追加コストなし。参考: 同リポジトリで約6ヶ月・約400PRクローズ。

dev.to

How a Solo Dev at a Dealership Runs the Entire IT Department with Claude Code

開発🌏 海外Claude Code
手法

単一の「Conductor」Debianサーバーから24台のマシンをClaude Codeで管理。夜間MikroTikコンフィグバックアップ、Zabbix監視設定、自前Headscale VPN構築等を運用。複雑機能は「ralph loop」スクリプトで反復自動化。

示唆

個人開発者(自動車ディーラーの1名IT担当)がClaude Codeで、通常なら専任チームが必要なネットワーク管理・監視・VPN構築・バックアップ自動化までを月$200程度のコストで24台規模のインフラとして自走させた実例。

成果・金額自己申告

月額$200(10ヶ月間の利用コストとして言及)

dev.to

Boosting Coding Productivity with GitHub Copilot: My Journey and Insights

開発🌏 海外GitHub Copilot
示唆

個人開発者の使用実感として、コーディング・問題解決で少なくとも30%の生産性向上、提案精度は多くの場合90%以上という具体的な体感値が得られた事例。

成果・金額自己申告

生産性向上: 少なくとも30%。提案精度: 多くの場合90%以上(時に100%)、最低でも約80%程度

infoq.com

HubSpot's Sidekick: Multi-Model AI Code Review with 90% Faster Feedback and 80% Engineer Approval

開発🌏 海外ClaudeChatGPT
手法

社内AIコードレビューエージェント「Sidekick」。Kubernetes基盤「Crucible」からJavaベースの「Aviator」へ移行し、Anthropic/OpenAI/Googleの複数モデルプロバイダに対応。コメント投稿前に評価する「judge agent」で低価値フィードバックを除去。

示唆

大手SaaS企業の社内AIコードレビュー基盤事例。マルチモデル対応+judge agentによる品質フィルタという構成は、自社のcode-review/app-reviewツール改善の参考になりうる。

成果・金額自己申告

PRへの初回フィードバックまでの時間を約90%短縮、エンジニアからの「いいね」承認率は一貫して80%

thenewstack.io

AI Agents Transform Platform Engineering at Microsoft

開発🌏 海外その他AI
手法

Secure Future Initiative下で、数千人×数百製品規模の認証ライブラリ更新にAIエージェントを投入。トラブルシューティングガイド・実装要件をエージェントに直接投入し、コードベース解析→自律PR提出またはレビュー最小限の解決策提示を行う。

示唆

「世界最大級のプラットフォームエンジニアリング運用」規模でも、既存ドキュメントをそのままAIエージェントの入力に転用する設計が、大規模インフラ改修の自動化を可能にしている。

成果・金額自己申告

記載なし

publickey1.jp

NVIDIA「Project R2X」— NIM+Audio2Face-3Dでデスクトップに表情豊かなAIキャラを表示、Photoshop指南やNotion連携も

開発🌏 海外その他AI
示唆

Photoshop操作指南、PDF解析、Notion知識拡張、カメラ映像認識、オンライン会議参加まで、単一のローカルAIエージェントがマルチモーダルにデモしている点が示唆的。

publickey1.jp

WordPress純正プラグインに、AIがブログを執筆してくれる「Jetpack AI Assistant」登場

開発🌏 海外その他AI
示唆

WordPress公式(Automattic製)がブロックエディタ純正でAI執筆支援を統合した早期事例。生成だけでなく要約・トーン調整・多言語翻訳・構造化データ生成までデモで示した先行例。

成果・金額自己申告

記載なし

ledge.ai

ETH Zurichの研究チーム、AIに言葉で指示し「雰囲気」でコードを書くバイブコーディングでも、コンピュータサイエンスの基礎と文章力が成果を左右することを明らかに

開発🌏 海外その他AI
示唆

コンピュータサイエンスの学業成績と文章力の両方が、バイブコーディングの成果と有意に関連していることが確認された。原著論文はCHI 2026(ACM CHI Conference)採択済み。

成果・金額自己申告

大学生100人を対象とした実験

venturebeat.com

Anthropic introduces "dreaming," a system that lets AI agents learn from their own mistakes

開発🌏 海外Claude Code
手法

直接WebFetch/curlは403・429で失敗したため、web.archive.org (Wayback Machine) のスナップショットを取得し、埋め込みJSON本文から逐語一致を確認。

示唆

記事の主題はAnthropicの新機能「dreaming」(エージェントが過去セッションから学習し自己改善する仕組み)発表であり、Mercado Libreの数値はその文脈で企業導入事例として引用されている。

成果・金額自己申告

23,000人のエンジニア / 50万件超のプルリクエスト / 自律コーディング90%目標(2026年Q3まで)

dev.to

I Built a Full Game in One Day Using AI Agents — Here's What Happened

開発🌏 海外その他AI
手法

個人開発者(MaxxMini)がPM/Architect/Lead Dev/Security/QA/DevOpsの6専門AIエージェントを並行稼働させるパイプラインを編成し、TDDを徹底してGodot 4.6/GDScriptでゲームを24時間で構築。

示唆

役割分担された複数AIエージェントを並行稼働させ、TDD規律を組み合わせることで、個人開発者が24時間で14システム・840+テストを備えたゲームを完成させた実例。価値は「コード生成」より「PM的マネジメント層」にあるという示唆。

成果・金額自己申告

24時間で14システム実装、840+テスト全パス

dev.to

I Built an Android App in 4 Days With Zero Android Experience — Using Claude Code and a Two-Layer AI Protocol

開発🌏 海外Claude Code
手法

Claude.ai (Design AI) と Claude Code (Implementation AI) を分離する「Two-Layer Protocol」を用いてAndroid未経験のままKotlinアプリ「ExitWatcher」を開発。

示唆

モーターサイクルECU向け制御ロジック設計を15年続けてきた制御システムエンジニアが、設計AIと実装AIを役割分離するプロトコルだけでプラットフォーム未経験のまま4日・53プロンプトでMVPを完成させた。役割分離設計と構造化プロンプトの型があれば個人開発が完結できることを示す。

成果・金額自己申告

開発期間4日間、53件の構造化指示プロンプトでMVP完成

dev.to

How to use ChatGPT to build macOS applications without any code experience

開発🌏 海外ChatGPT
示唆

非エンジニアがChatGPTのみでmacOSネイティブアプリ(Nustime)を完成させた実例。AIの弱点(UI設計理解不足)は人間が補完し、コード生成95%超という具体数値付きで役割分担モデルを示している。

成果・金額自己申告

コードの95%以上がChatGPT生成

medium.com

Turning Claude Code Into a Management Platform That Empowers My Team

開発🌏 海外Claude Code
示唆

Wix Internal Coreチーム管理職Lior Altarescuが構築。markdownファイル+bashスクリプト+構造化プロンプトのみでコードレビュー時間を大幅短縮した実例。

成果・金額自己申告

コードレビュー時間を45-60分から10-15分に短縮

medium.com

AI for Engineering Teams: Measuring GitHub Copilot Impact

開発🌏 海外GitHub Copilot
手法

Akvelon(Sergei Grebnov著)によるGitHub Copilot導入効果の測定方法論記事。チームベロシティ・バグ密度・コードレビュー時間を測定指標として提示。

示唆

具体的な数値は本文になく"tangible advancements"という定性的表現に留まる点に注意が必要だが、測定指標の設計事例として参考になる。

成果・金額自己申告

具体的なパーセンテージや削減時間などの数値は本文中に記載なし

medium.com

I Caught GitHub Copilot Lying to Me — Here's How I Proved It

開発🌏 海外GitHub Copilot
示唆

AIコーディング支援ツール自身が古い/誤った知識に基づき誤答するケースを、MCP経由の一次ドキュメント取得で反証した実例。

成果・金額自己申告

最適化前は毎チャットメッセージで約8,500トークン読み込み、最適化後はスキル名と説明のみロード

github.blog

60 million Copilot code reviews and counting

開発🌏 海外GitHub Copilot
手法

Copilot code review をリポジトリ全体でデフォルト適用。

示唆

実運用における効果(実用的フィードバック率71%、平均コメント数)まで開示し、大企業(WEX)がデフォルト化という組織的採用判断をした具体事例がある点が裏付けの厚い実例になっている。

成果・金額自己申告

60 million 累計コードレビュー実施、71%のレビューで実用的フィードバック、WEX社は開発者の2/3が採用・全リポジトリでデフォルト化・約30%のコード出荷量増加

"Today, two-thirds of developers are using Copilot — including the organization's most active contributors." / "WEX has since expanded adoption by making Copilot code review a default across every repository."
openai.com

Notion、OpenAI Codexで音声入力機能を開発期間2週間→3-4時間に短縮しエンジニア1人で実装

開発🌏 海外Codex
手法

Notionのエンジニア Ryan Nystrom が、モバイルには既にあったAI音声入力機能をWeb/デスクトップに移植する際、モバイルのコードベースを指し示し要件と検証方法をCodexに与えたところ、Codexが一発でNotionのコード規約に沿ったWeb実装を返し、翌日リリースできた。

成果・金額自己申告

開発時間: 通常(2年前基準)2週間×エンジニア2人 → Codex使用で3-4時間×1人(1人で完結)。リリースは翌日。以降チームは1人1タスクの逐次進行から複数タスク並列進行に変化。

"If I were to build the Notion voice input feature two years ago, this is a project that would've taken me and maybe another engineer two weeks," Ryan says. "With Codex, I was able to build this in maybe three or four hours, entirely by myself." ... Codex came back with a complete first cut of the web implementation, in one shot, that matched Notion's codebase conventions closely enough to ship the next day. ... Before Codex, each engineer on the team could really focus on only one task at a time... Now they're running multiple tasks in parallel.
cursor.com

Coinbase、Cursor全社導入でアイデアから本番投入までの時間を90%短縮(20日→2日未満)

開発🌏 海外Cursor
手法

WebFetchでcursor.com/blog/coinbaseを2回取得し、本文中の該当数値を逐語確認。1回目でサマリー抽出、2回目で正確な引用文を再確認。method_summaryとの不一致なし。

示唆

Cursor公式ブログのCoinbase事例。エージェントファースト開発への移行で、アイデアから本番投入までのリードタイムを桁違いに短縮した実例として、AI活用事例DBの「開発生産性」ジャンルに好適。チケット作成→初回PR作成が8日→30分未満という追加数値も本文に存在(method_summaryには未記載だが補足価値あり)。

成果・金額自己申告

アイデア→本番投入: 20日→2日未満(90%減) / 全PRの75%がエージェント作成 / エンジニア週7時間の手作業削減 / PRマージ数 前年(年初比)55%増

"Some teams at Coinbase have reduced time from idea to production from 20 days to less than 2 days, a 90% reduction." / "Across Coinbase, 75% of all PRs are created by agents with the average developer saving 7 hours of manual coding each week." / "Since the beginning of the year, the company has seen a 55% increase in PRs merged per engineer and teams of 1-2 engineers are now building features that once required entire teams."
github.com

Trimble、GitHub Copilot導入で開発者1人あたり1日30分・全社で1日1,000時間相当を削減

開発🌏 海外GitHub Copilot
手法

GitHub公式Customer StoriesページをWebFetchで取得し本文を検証。2,000人超の開発者のうち90%がGitHub Copilotを採用。ペアプログラマーとして定型コード・ボイラープレート対応の負荷軽減、Webコンポーネントの生産量が週1個→1日5個へ増加。

示唆

大規模組織(2,000人超の開発者)でのCopilot全社導入により、定型・反復的なコーディング作業(ボイラープレート、Webコンポーネント量産)で数量ベースの生産性向上(週1→日5、約35倍)が実測された事例。個人の時間削減(1日30分)は小さく見えるが、組織規模を掛け合わせると1日1,000時間相当という規模のインパクトになる点が示唆的。

成果・金額自己申告

開発者平均1日30分削減、全社で1日1,000時間相当削減(Trimble Distinguished Engineer Jeff Doolittle氏コメント: "That's a year of development saved—every single day.")

Instead of producing just one web component per week, they now build five per day. / That's a year of development saved—every single day. It's incredible.
microsoft.com

Capita、GitHub Copilot導入で開発生産性15-25%向上・開発者の疲労感も軽減

開発🌏 海外GitHub Copilot
手法

WebFetchでMicrosoft公式カスタマーストーリーページを取得し、本文内容を確認。Capita GroupがGitHub Copilotを200名以上の開発者に展開し、既存コード修正タスクで15-25%の生産性向上、新規コード生成ではさらに大きな改善を報告。Capitaソフトウェアソリューション部門マネージングディレクターMichael Noonan氏、CTO Manpreet Singh氏のコメントも本文に実在確認。method_summaryと本文内容は整合。

示唆

大規模な開発者集団へのCopilot展開は、既存コード修正のような地味な作業でも15-25%という着実な生産性向上と、開発者の疲労感軽減という定性的効果を同時にもたらす。

成果・金額自己申告

生産性15-25%向上(既存コード修正)

thenewstack.io

ServiceNow、Windsurf導入で7,000人のエンジニアの生産性10%向上

開発🌏 海外Windsurf
手法

WebFetchツールでは記事本文が取得できず(ニュースレター登録フォーム等のみ返却)だったため、curl(ブラウザUA偽装)でHTML直接取得→タグ除去してテキスト抽出し本文を確認した。

示唆

ServiceNow CTO Pat CaseyがGitHub CopilotからWindsurfへ切り替えたと明言。指標は「リリース単位時間あたりのストーリー数(per engineer)」の前後比較で、使用は義務化していない(高品質・高生産の開発者は使わなくてもよいとする方針)という補足も本文にあり、method_summaryの内容と完全に整合。

成果・金額自己申告

生産性10%向上(ストーリー数/エンジニア当たり/リリース単位時間の指標)、約7,000人のエンジニアに展開

github.com

Indra、GitHub Copilotでボイラープレート30%削減・スプリント完了タスク15%増

開発🌏 海外GitHub Copilot
手法

GitHub公式Customer Storiesページ。防衛・セキュリティ企業IndraでのGitHub Copilot導入事例、社内エンジニア3名の実名コメント付き

示唆

GitHub公式の実在するcustomer-storiesページで、method_summary記載の30%/20%/15%の数値および実名(Guerrero/Fernández/Anaya)がすべて生HTML内に確認できた(curlでgrep一致)。WebFetch要約とcurl生データの二重確認で整合、捏造なし。

成果・金額自己申告

定型コード記述時間30%削減、新機能開発生産性20%向上、3週間スプリントあたりの完了タスク15%増加

simonwillison.net

Mercado Libre、23,000人のエンジニア組織でClaude Codeによる自律コーディング90%達成を目標に

開発🌏 海外Claude Code
手法

WebFetchでURLを実際に取得し、本文中の該当箇所(Mercado Libre/23,000エンジニア/Cat Wu/90%自律コーディング目標)を抽出・照合した。

示唆

Anthropic主催イベントの講演内容として、大規模Eコマース企業が自律コーディングエージェントの組織的KPI目標(90%)を公言した事例。method_summaryの記述はWebFetch結果と完全に整合。

成果・金額自己申告

エンジニア約23,000人組織、2026年Q3までにコード変更の90%を自律コーディングで行う目標

bvp.com

Shopify、Claude Code/Cursor/Copilot/Codexを併用しエンジニア生産性20%向上と推計

開発🌏 海外Claude CodeCodex
手法

Bessemer Venture PartnersによるShopify VP & Head of Engineering Farhan Thawar氏へのインタビュー記事。記事はWebFetchで実取得し、対象者・複数AIツール併用・LLMプロキシ基盤・20%生産性向上・試行速度向上の各記述を本文中の引用で確認済み。

示唆

1つのAIコーディングツールに絞らず複数を併用し、社内でLLMプロキシ基盤を整備することで、ツール選定の柔軟性を保ちながら組織全体の生産性を底上げできる。

成果・金額自己申告

生産性 約20%向上(Thawar氏推計)

github.com

GitHub Copilot導入のWEX(フィンテック)、Agent Mode活用でコード出荷量30%増・ROI 60%達成

開発🌏 海外GitHub Copilot
手法

GitHub Copilot(Agent Mode + Coding Agent)を開発者の約3分の2が利用、Copilot Code Reviewを全リポジトリでデフォルト適用

示唆

フィンテック企業(1,700席規模)でのAgent Mode/Coding Agent活用がコード出荷量増とROI60%という具体的数値で裏付けられた事例。Code Reviewの全社デフォルト化も特徴的。

成果・金額自己申告

開発者生産性 約30%向上、ROI 約60%、コード出荷量 約30%増、デプロイサイクル約99%高速化(GitHub Actions)

「GitHub Copilotにより約30%高い開発者生産性を実現」し、「約60%のROIを達成」。「Agent ModeおよびCoding Agentを活用して自律性を向上させ、デプロイメント数が大幅に増加し、約30%多くのコードが出荷された」。開発者の約3分の2がCopilotを利用しており、「Copilot Code Reviewを全リポジトリにデフォルト適用」。
blog.replit.com

マットレスブランドZinus、Replit Agentで内製開発しQAツール構築コスト$140,000超節約・開発期間半減

開発🌏 海外Replit Agent
手法

Replit公式ブログのカスタマーストーリー。WebFetchでhttps://blog.replit.com/zinus-customer-story (301リダイレクト先 https://replit.com/blog/zinus-customer-story) を取得し本文確認。

示唆

Zinus(マットレスブランド)のGlobal DevOpsエンジニアMason Kim氏が、複数AIモデル(ChatGPT/Gemini等)を比較評価する顧客対応QAツール「Conversation IQ」をReplit Agentで内製。外注見積$112,050・3ヶ月の代替として自社で1.5ヶ月で構築し、既存外部QAソフトの年間$40,000コストも代替、総額$140,000超節約・開発期間50%短縮を達成した実例。

成果・金額自己申告

$140,000+ savings (外注見積$112,050 + 外部QAソフト年間$40,000 vs Replit Agentで1.5ヶ月・内製構築)

"We saved over $140,000 and cut our development time in half." — Mason Kim, Global DevOps Engineer, Zinus, Inc. External vendor annual cost: $40,000. External agency quote for custom solution: $112,050. Timeframe: 1.5 months actual development vs 3 months estimated external agency timeline.
jellyfish.co

Jellyfish調査、Cursor日次利用エンジニアはPRマージ数33%増・配信コスト19%減(800社13.6万人規模)

開発🌏 海外Cursor
手法

Jellyfish(エンジニアリングインテリジェンス企業)が2026年Q1に800社以上・開発者136,000人規模のデータを分析(累計母集団は37M PR/1,000社超/20万人)。Cursorを日次利用するエンジニアと非利用者(ピア平均)を比較。著者はBilly Robins(Jellyfish Partnerships)、公開日2026-06-24。

示唆

AI利用の「有無」だけでなく「導入の深さ」が生産性格差を生む。中央値のCursorユーザーは約95%のPRでAI支援を活用しているが業界平均は61%にとどまり、この差が33%のアウトプット差につながっている。

成果・金額自己申告

月間PRマージ数 10.3件 vs 7.0件(33%増)/ 月間issue出荷数 8.0件 vs 6.3件(22%増)/ 配信コスト $1,071 vs $1,304 per issue(19%減)/ 頻繁利用者は週3.46PR vs 非利用者1.65PR

"33% higher engineering output (10.3 PRs merged per month versus 7.0)" / "22% greater delivery capacity (8.0 issues shipped per month versus 6.3)" / "19% lower delivery cost ($1,071 per issue versus $1,304)" / "At the high end, frequent users average 3.46 pull requests per week compared with 1.65 for baseline engineers"
future-processing.com

ソフトウェア企業Future Processing、GitHub Copilot導入で新規コード執筆速度34%・単体テスト作成速度38%向上

開発🌏 海外GitHub Copilot
手法

GitHub Copilotを自社開発チームに導入し、新規コード執筆・単体テスト作成の速度、技術移行時の工数削減効果を計測した一次情報の社内ケーススタディ

示唆

新規コード執筆・単体テスト作成という開発工程の核心部分で3割超の速度向上を継続的に計測し、技術移行時の工数削減にもつなげられることを示す社内ケーススタディ。

成果・金額自己申告

新規コード執筆速度34%向上、単体テスト作成速度38%向上、96%が業務高速化を実感、43%が日次利用、3ヶ月試用後80%が継続利用希望、技術移行(Angular→React等)時の工数最大40%削減

"When writing new code Copilot increases the speed of work by 34%, while when writing unit tests, it does so by 38%." / "As much as 96% of developers said Copilot speeded up their everyday work." / "43% of people from project teams use Copilot on a daily basis" / "after the trial period 80% of people decided they still wanted to use it" / "teams are able to save up to 40% of time when switching from one technology to another"
replit.com

Rokt、Replit Agentで全社ハッカソン「Rokt'athon」を実施し24時間で135個の社内アプリを構築

開発🌏 海外Replit Agent
手法

Replit Agentを使い、全社員700人超が参加する24時間のハッカソン「Rokt'athon」を開催し、135個の完全に機能する社内アプリケーションを構築した。

示唆

単一ツール(Replit Agent)を全社員規模のハッカソンに投下することで、24時間という短期間に100件超の実働アプリを量産できることを示した事例。AI駆動開発が「プロトタイプ止まり」ではなく「end-to-end稼働ソリューション」まで到達可能であることの実証として引用価値が高い。

成果・金額自己申告

700+ employees / 24 hours / 135 applications built

devin.ai

Anduril(防衛テック)、Windsurf(旧Codeium)をAWS GovCloud上でエアギャップ運用しSaaS版Copilotの代替に

開発🌏 海外CopilotWindsurf
手法

WebFetchでURLを直接取得し本文を確認。Cognition(devin.ai)掲載のAndurilケーススタディページで、Head of Business Systems Cy Sack氏の実名引用と「AWS GovCloud上の初顧客(first customer)」である旨、air gapped運用の記述を本文中に確認。

示唆

機密性が極めて高い防衛テック企業では、SaaS版AIコーディングツール(GitHub Copilot等)はコード機密保持の観点で導入不可となり、AWS GovCloud上でのエアギャップ(完全隔離)運用が可能なベンダーだけが採用候補になる。これは規制・防衛・金融など機密性の高い業界向けにAIコーディング製品を売る際、SaaS一本槍ではなくGovCloud/オンプレ/エアギャップ対応を用意することが差別化・採用障壁除去の鍵になるという事例。

成果・金額自己申告

記載なし(コスト削減額等の定量データはなく、SaaS版Copilotの代替として運用という定性的事実のみ)

harness.io

Harness調査、GitHub Copilot導入で50人の開発チームのPR数10.6%増・サイクルタイム3.5時間短縮

開発🌏 海外GitHub Copilot
手法

Harness Software Engineering Insights (SEI) で、顧客企業の開発者50名を対象に、GitHub Copilot導入前2ヶ月間と導入後数ヶ月間のPR数・サイクルタイムを比較計測

示唆

AIコーディング支援ツールの効果を「導入前後の同一チーム比較」という設計で定量化した事例。PR数増加とサイクルタイム短縮という2軸の指標が、Harness自社のSEIプラットフォームによる計測に基づいている点が信頼性の裏付けとして本文に明記されている。

成果・金額自己申告

PR数+10.6%、サイクルタイム-3.5時間

impactmybiz.com

Impact Networking、GitHub Copilot導入でコーディング効率23%増・年間920時間削減・ROI約4,800%

開発🌏 海外GitHub Copilot
手法

WebFetchでImpact Networking公式ケーススタディページを取得し、本文中の数値記載を直接確認

示唆

GitHub Copilot導入によるコーディング効率・品質向上に加え、時間削減効果を金額換算したROI(約4,800%)まで定量提示している事例。開発者向けAIツール導入のROI試算モデルとして参照価値が高い。

成果・金額自己申告

コーディング効率23%増、コード品質17%改善、年間920時間削減、ROI約4,800%(年間純利益76,600ドル)

cognition.com

Crossmint、Cognition社のAIエンジニア「Devin」がOSS「GOAT SDK」のPR数で人間貢献者を上回りトップコントリビューターに

開発🌏 海外Devin
手法

Cognition公式ブログをWebFetchで直接検証

示唆

CrossmintがOSS「GOAT SDK」開発でDevinを起用し、マージPR数で人間貢献者(次点4PR)を上回る8PRを達成。特にSuiブロックチェーン統合という複数レイヤーにまたがる難易度の高いタスクを、人間の関与約1時間程度で完了させた点が具体的な効率化事例として示されている。

成果・金額自己申告

Devin 8 PR / 次点の人間貢献者 4 PR

cnbc.com

Cognition社「Devin」、ゴールドマン・サックスが自律型AIコーダーとして試験導入(Wall Street初の大規模AI開発者活用)

開発🌏 海外Devin
手法

curl (User-Agent偽装) でCNBC記事HTMLを取得しWebFetch 403を回避。og:title/og:description/article:published_time/本文中のDevin・Cognition・Marco Argenti関連テキストを直接grepで抽出し照合。

示唆

Cognition社Devinが「世界初のAIソフトウェアエンジニア」を謳って以降、実際にWall Street大手(Goldman Sachs)が試験導入まで踏み込んだ事例。人間監督下でレガシーコード更新等の定型業務を任せる形態で、企業導入における「補助ツール」から「自律実行エージェント」への移行を示す一次情報。

成果・金額自己申告

記事に具体的な金額・費用データの記載なし(導入規模は「thousands規模のDevinになりうる」との定性発言のみ)

claude.com

Novo Nordisk、Claude Code活用の社内AI基盤「NovoScribe」で臨床報告書作成を10週間→10分に短縮

開発🌏 海外Claude Code
手法

WebFetchでclaude.com/customers/novo-nordisk を直接取得し、本文にClaude Code / NovoScribe の記載と数値の一致を確認済み。

示唆

Anthropic公式カスタマーページで一次情報として確認済み。数値(10週間→10分、90%削減、95%削減)は本文記載と完全一致。method_summaryにあった「AWS/MongoDBの並行case studyでの交差確認」は今回のWebFetchでは直接検証していないが、claude.com公式ページ自体の内容確認としては整合。

成果・金額自己申告

臨床試験報告書(CSR)作成: 10週間以上→10分(90%時間削減)、治験薬概要書・患者向けガイドを1分未満で作成、デバイス検証プロトコル作成リソース95%削減。導入前は担当者が年平均2.3件のCSRしか作成できなかった。

"Product: Claude Code" / "Novo Nordisk used Claude Code to develop NovoScribe" / "Their AI-powered documentation platform built with Claude Code and Anthropic partner MongoDB Atlas" / 見出しに "10+ weeks to 10 minutes" / "Claude has helped us cut writing times on CSRs by 90%" / "The team can now produce a complete study booklet and patient guide in under a minute" / "95% reduction in resources needed to create device verification protocols"
cursor.com

Salesforce、Cursor全社導入で75%の開発者が採用・PR速度30%超向上・レガシーテストカバレッジ工数85%削減

開発🌏 海外Cursor
手法

Cursor公式ブログの企業導入ケーススタディ(2026-01-21公開)。WebFetchで本文取得し、Salesforce SVP of Engineering Shan Appajoduの発言・採用率75%・PR速度30%超・レガシーテストカバレッジ工数85%削減の各数値、junior→senior波及の採用パターン記述を確認。method_summaryと本文の内容は整合。

示唆

大企業(Salesforce)におけるAIコーディングツールの全社導入は、まずjunior engineer(特にパンデミック入職でコードベース学習機会が乏しかった層)が先行採用し、senior engineerは「退屈な作業」から入って段階的に用途を広げるという普及パターンを示す一次情報。PR速度・テスト工数削減の定量効果も明記されており、企業向けAI導入事例として説得力が高い。

成果・金額自己申告

開発者採用率75%、PR速度30%超向上、レガシーテストカバレッジ工数85%削減

vercel.com

広告制作会社Code and Theory、Vercel v0導入でプロトタイプ作成時間75%短縮・Web開発の納期を2-12ヶ月から50-75%圧縮

開発🌏 海外Vercel v0
手法

WebFetchでVercel公式ブログ記事(2025-08-20公開)を取得し、本文記述とmethod_summaryの整合を確認。Microsoft/Amazon/NBC等のクライアントを持つグローバルブランド向けシステム構築企業であること、CTO David DiCamilloが「Webアプリ開発は従来2-12ヶ月要していたが、v0導入により納期を50-75%短縮できた」と述べていること、サブタイトルに「プロトタイプまでの時間を75%削減」との数字があること、生成アプリがGitHubでバージョン管理・既存QAスタックでテスト・Vercelでデプロイされる旨の記載を確認。

示唆

クリエイティブテクノロジー企業が戦略資料・ワイヤーフレーム作成の中間工程を廃し、プロンプト→コードで直接プロトタイピングする体制へ移行した実例。既存のGitHub/QA/Vercelインフラへの統合により、エンタープライズ品質基準を保ったままスピードを大幅向上させた点が示唆的。

成果・金額自己申告

プロトタイプ作成時間75%短縮、Web開発納期2-12ヶ月→50-75%圧縮

finance.biggo.com

無名の個人クリエイター Sarah Pearl、Claude Codeでマニフェステーションアプリ「Stella」を開発しローンチ2ヶ月で月商30万ドル超・有料会員1.2万人到達

開発🌏 海外Claude Code
手法

Claude Code(コーディング) + 標準版Claude(デザイン) + Google AI Studio のスタックで開発

示唆

エンジニア経験のない個人クリエイターでも、Claude Codeを中心としたAIツールスタックだけでiOSアプリを開発し、ローンチ2ヶ月という短期間で月商30万ドル超・有料会員1.2万人規模まで到達できることを示す実例。ヘルス&フィットネス系(マニフェステーション/自己啓発)ニッチでのAI駆動個人開発の収益ポテンシャルを裏付ける。

成果・金額自己申告

月間経常収益(MRR) 30万ドル超(2ヶ月時点)、7月時点で34〜36万ドル、有料顧客12,000人、DL20万超

company.instacart.com

Instacart「Project Tomato」— Cursor/Ava/Glean常用化でフロントエンド開発最大20%高速化

開発🌏 海外Cursor
手法

Cursor/Ava(社内AIコード補助)/Glean を engineering lifecycle に組込み、Figmaスクショ→UIスキャフォルディング生成、N+1クエリ検出等のデバッグ支援

示唆

大規模企業のAI活用事例として、成功事例(ripe)だけでなく5000行超ファイルでの失敗など限界(unripe)も具体的数値・記述付きで公開している点が珍しく、AIコーディングエージェントの適用境界を考える上で参考になる。命名も「畑の作物」比喩で秀逸。

成果・金額自己申告

フロントエンドワークフロー最大20%高速化、1PRでfeature flag 15+件削除

medium.com

DoorDash、リサーチャーがCursor+Claude Codeでデータ分析を自動化し1日仕事を20分に短縮・2年越しの積み残し依頼を2時間で解決

開発🌏 海外CursorClaude Code
手法

DoorDashのリサーチャーJuliette HainlineがCursor(Snowflake連携)で安全性インシデントのチャット記録を分析、テストシナリオ作成に活用。別のリサーチャーElsa HoがQualtrics調査データとSnowflakeのビジネスタイプデータをSQLで結合し、週次自動更新スクリプトも作成。Deliverooは「Patterns」という6エージェント並列パイプラインで大規模顧客インタビュー分析を自動化。

示唆

DoorDash公式デザイン組織のMediumで、リサーチャー自身(非エンジニア職)がAIコーディングツール(Cursor/Claude Code)を使い、SQL結合やデータパイプライン構築まで自走している点が示唆的。「積み残し2年」の解消という、生成速度でなく"着手すらされなかった仕事"を動かす事例として貴重。

成果・金額自己申告

安全性インシデント分析: 1日→20分。NPS調査データ結合: 2年間放置されていた依頼を2時間で解決

bloomberg.com

Lovable(スウェーデン・ストックホルム発AIコーディングstartup)、創業約2年3ヶ月で年間経常収益(ARR)4億ドル達成・従業員146人・従業員1人あたりARR277万ドルという資本効率

開発🌏 海外
手法

自然言語プロンプトからアプリ/Webサイトを生成する「vibe coding」プラットフォーム。2025年7月に月次ARR1億ドル到達後、11月2億ドル・2026年1月3億ドル・2月4億ドルと急成長。CEO Anton OsikaはBloomberg Televisionで「予測より5ヶ月前倒しのペース」とコメント。

示唆

Bloomberg本体URLは有料壁(403)で直接WebFetch不可だったため、同日発のTechCrunch記事(独立ソース)+複数の裏付け記事(Yahoo Finance / Ardent Lens / AI Business Review)で事実を交差検証。ARR・従業員数・成長推移・Gartner比較は全て一致し裏付けが取れたが、候補titleの「創業2年未満」は誤り(実際の創業は2023年11月、2026年2月時点で約2年3ヶ月)だったため事実に基づき修正した。

成果・金額自己申告

ARR 4億ドル(2026年2月到達)、従業員146人、従業員1人あたりARR約277万ドル

devin.ai

Nubank、6億行規模ではなく600万行のETLモノリス移行にDevinを起用し工数8-12倍・コスト20分の1を達成

開発🌏 海外
手法

WebFetchでdevin.ai/customers/nubank/を直接取得し本文確認。8年物・600万行のETLモノリス、約10万件のデータクラス移行(当初見積り:エンジニア1,000人超×18ヶ月)に対しDevinを起用、工数8-12倍効率化・コスト20倍超の削減、fine-tuning後はサブタスク処理時間が40分→10分に短縮(4倍高速化)、タスク完了スコアも倍増したことをページ本文で確認。

示唆

(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)

成果・金額自己申告

工数8-12倍効率化、コスト20倍超の削減、サブタスク処理時間40分→10分(fine-tuning後)

devin.ai

Bilt、Devinをエンジニア106人体制に展開しPR週117件・週10人分のエンジニア出力を実現

開発🌏 海外
手法

Devin公式customer事例ページ(devin.ai/customers/bilt)をWebFetchで直接取得し本文を確認

示唆

2025年2月から106人体制の全社エンジニアリング組織にDevinを展開し、800件超のPRをマージ、直近30日平均で週117PR・採用率50%超を記録。VP EngineeringのWill Laughlin氏は退屈な作業を任せることでコーディングの喜びを取り戻せたと評価し、出力量を週10人分のエンジニア相当と表現した。

成果・金額自己申告

週117PR平均・PR採用率50%超・週10人分のエンジニア出力相当

devin.ai

Gumroad、Devinを社内Slack/GitHubに統合し1,583件のPRをマージ・主要リポジトリ7つ中5つで最多コントリビューターに

開発🌏 海外
手法

Devin公式customer事例ページ(devin.ai/customers/gumroad)をWebFetchで直接取得し内容確認

示唆

候補のmethod_summaryは概ね正確だが1点誤りあり: パイロット開始は「2024年12月」ではなく実際は「2024年11月」(少人数のエンジニアで開始)、その後12月に全社(Engineering/Product/Support/Marketing)へチームアカウント展開、という順序が正しい。PR数1,583件・マージ率85%・7リポジトリ中5つで最多コントリビューター・Slack/GitHub統合という他の数値・事実はページ記載と完全一致。

成果・金額自己申告

4ヶ月間で1,583件のPRをマージ(1日平均約10件)、マージ率85%、7つの主要リポジトリ中5つで最多コントリビューター、ドキュメント変更約155件、バグ根本原因特定+修正約316件

Pilot began in November 2024 with a handful of engineers / December 2024: Team account rollout across Engineering, Product, Support and additional departments / 1,583 pull requests merged over 4 months / Approximately 10 PRs merged daily by Devin / 85% merge rate / Ranked #1 contributor on 5 of 7 most active repositories
microsoft.com

Visma、アプリケーション近代化プロジェクトでDevin導入により開発生産性2倍・プロジェクトコスト半減

開発🌏 海外
手法

GitHub Copilot + Azure + Cognition Devin(自律型AIソフトウェアエンジニア)を組み合わせ、レガシー.NETおよびPHPアプリケーションのクラウド移行・大規模アプリケーション近代化に活用

示唆

Microsoft公式Customer StoryページでCognition Devin導入によるVismaのレガシー刷新事例が実在確認できた。開発生産性2倍・コスト半減という具体的定量成果が明記されており、エンタープライズ向けAIコーディングエージェント導入のROI訴求事例として有力。

成果・金額自己申告

開発生産性2倍向上、プロジェクトコスト50%削減

cursor.com

Stripe、Cursorを全社エンジニア3,000人超に展開しコード品質を落とさず開発者満足度が過去5年で最高値に

開発🌏 海外
手法

WebFetchでcursor.com/blog/stripeを直接取得し、本文とmethod_summaryの整合性を確認した(2026年2月17日付記事)。

示唆

大企業(Stripe)がAIコーディングツールを全社導入する際、コードレビュー運用自体をLLM活用型に変え(複雑メソッド/リスクファイルの自動フラグ)、高信頼性(99.9999%稼働率)を維持しつつ開発者満足度を過去最高にした事例。シニアエンジニアほど生産性向上が大きい点は、コードベース理解の深さがAI活用効果を増幅することを示唆する。

成果・金額自己申告

3,000人超のエンジニアに展開

cursor.com

Coinbase、全エンジニアがAI支援(Cursor)を利用し単独エンジニアが数ヶ月がかりの改修を数日で完了

開発🌏 海外
手法

WebFetchでcursor.com/enterpriseを実取得し、CoinbaseのCEO Brian Armstrong引用を本文中に確認。method_summaryの「2025年2月までに全エンジニアがCursor利用」「単独エンジニアが数ヶ月要していた改修を数日で完了」という記述は本文と整合。ただし「4万人規模」という具体的人数は本文中に一切記載がなく、公開されているCoinbaseの全社員規模(3,700〜4,000人程度)とも整合しないため、この数値部分は不支持と判断し却下・除去した。

示唆

「全エンジニアがCursor採用」「単独エンジニアが数ヶ月→数日」という定性的な成果は一次ソース(Cursor公式)で確認できた強い事例。ただし数値化(「4万人」等)を加える際は必ず一次ソースに実在するかを確認すること — 今回は候補作成時に存在しない人数を加筆していたことが判明。データベース掲載時は人数を書かず定性的表現に留めるか、Coinbase側の別途開示情報(エンジニア数)を追加検証してから数値化すべき。

成果・金額自己申告

具体的人数の記載なし(「4万人」は本文中に根拠なし、不支持のため削除)

prnewswire.com

Hippo Holdings、Cognition社のAI開発者「Devin」を保険開発ライフサイクル全体に導入

開発🌏 海外Devin
手法

Cognition社の自律型AIソフトウェアエンジニア「Devin」をHippo Holdingsがエンジニアリング全社で導入し、レート申請(rate filings)から顧客体験まで、開発・配信管理・リスク管理・顧客向けサービスにわたるソフトウェア開発を高速化

示唆

保険業界(規制対応の複雑な開発領域=rate filings等)でも自律型AIコーディングエージェントがエンジニアリング全社導入されている実例。定量的ROI数値の開示はなく、質的な効率化訴求にとどまる点は要注意(誇張なしでそのまま記載する)。

成果・金額自己申告

具体的な工数削減率・金額等の定量数値は記事内に記載なし

aws.amazon.com

Amazon社内、Amazon Q Developerでレガシー版数万本のJavaアプリ移行を自動化し4,500人年・年間2.6億ドルを削減

開発🌏 海外その他AI
手法

Amazon Q Developerのコード変換エージェントを使い、Amazon社内で数万本(tens of thousands)の本番アプリケーションをJava 8/11からJava 17へ移行。従来は依存関係1件あたり1日以上かかっていた作業を数分で完了できるケースが多いと記述。CEOアンディ・ジャシーが8月1日にこの成果を公表し、AWS公式ブログで詳細を公開。

示唆

数値は本文と整合(数万本のアプリ移行/4,500人年/年間2.6億ドル/CEO言及すべて確認済み)。ただし候補案にあった「1本あたり50人日→数時間」という具体的な単位換算は本文に記載がなく、実際の記述は「依存関係1件あたり1日以上→数分」という粒度違いの表現だった。この部分は推測を避け、実際の引用に基づいて method_summary を修正して採用。

成果・金額自己申告

年間2.6億ドル(260 million dollars)のコスト削減、開発工数4,500年分(1000人超の開発者分)削減

aws.amazon.com

Novacomp、Amazon Q DeveloperでレガシーJavaアプリを近代化し技術的負債を平均60%削減

開発🌏 海外その他AI
手法

Amazon Q Developer Agent for code transformationを使用し、Java 8で書かれた1万行超のプロジェクトをJava 17へ自動アップグレード。コード生成・再コンパイル・デプロイが初回で完璧に動作したと記載。

示唆

(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)

成果・金額自己申告

10,000行超のJavaプロジェクトを50分で移行(シニアJavaアーキテクトなら3週間の見積もり作業)、技術的負債を平均60%削減、自社コードベースの約80%を最新Javaバージョンへ移行

"Novacomp upgraded a project with more than 10,000 lines of Java code in 50 minutes rather than an estimated 3 weeks." / "The upgrade to Java 17 also reduced vulnerabilities in legacy code, lowering Novacomp's technical debt by an average of 60 percent." / "Using Amazon Q Developer Agent for code transformation, Novacomp has migrated about 80 percent of its own base code to the latest version of Java."
claude.com

LG CNS modernizes 20-year-old enterprise systems with Claude

開発🌏 海外Claude
手法

Anthropic公式customer storiesページ(claude.com/customers)にLG CNSの事例カードが実在。タイトルは「LG CNS modernizes 20-year-old enterprise systems with Claude」、掲載日 July 9, 2026、企業規模Large、地域Asia Pacific、パートナーAWS、業界Professional services、利用製品は「Claude Code」と明記されている。

示唆

(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)

成果・金額自己申告

記載なし(具体的な契約金額・規模数値はページ上に確認できず)

infoq.com

Agoda、AIコーディング導入で個人生産性は向上もプロジェクト速度改善は「驚くほど控えめ」—ボトルネックは仕様策定・検証へ移行

開発🌏 海外AIコーディングツール
手法

Agodaが自社で公開した観察(InfoQが報道)によれば、AIコーディングツール導入により開発者個人のアウトプットは測定可能なレベルで向上した一方、プロジェクト全体の速度向上は「驚くほど控えめ」だった。理由はコーディング自体がボトルネックだったことは一度もなく、制約が上流の「仕様策定」と「検証」という人間の判断が必要な工程に移っただけだったため。記事はこれを補強するデータとしてFaros AIによる調査(開発者1万人超・1,255チームのtelemetry分析)を引用し、AI導入度の高いチームはタスク完了+21%・PRマージ数+98%を達成した一方でPRレビュー時間は+91%に増加したと報告。記事は「grey box」アプローチ(エンジニアが精密な仕様を書き、生成コードを逐行検査するのではなく結果をエビデンスと照合して検証する)という枠組みも提示し、少人数チーム(5人程度)の方が15人規模より意図やエッジケースの共有を素早く達成できる点で有利になると述べている。

示唆

AIコーディングツールの導入効果は「コーディング速度」ではなく「仕様策定・検証という上流工程」で頭打ちになる、という指摘は個人開発・小規模チーム運営の設計にも直結する。特に「5人程度の小規模チームの方が15人規模より意図共有がしやすく有利」という組織設計への示唆は、AI活用を前提としたチーム編成の参考になる。ただしAgodaの一次データもFaros AIの調査データも外部監査のない自社発表・自社調査であり、鵜呑みにはできない点に注意。

成果・金額自己申告

研究によるとFaros AI社の telemetry 分析(開発者1万人超・1,255チーム対象)で、AI導入度の高いチームはタスク完了+21%・PRマージ数+98%、一方でPRレビュー時間は+91%増加

Agoda recently published an observation arguing that while AI coding tools have measurably raised individual developer output, the resulting velocity gains at the project level have been surprisingly modest, because coding was never the real bottleneck. ... research by Faros AI analyzing telemetry from over 10,000 developers across 1,255 teams found that teams with high AI adoption completed 21% more tasks and merged 98% more pull requests, yet PR review time increased by 91%.
faros.ai

Faros AI「AI Productivity Paradox Report 2025」、開発者1万人超・1,255チームのテレメトリ分析でAI高採用チームはタスク+21%・PRマージ+98%だがレビュー時間+91%・PR平均サイズ+154%・バグ+9%増、組織全体ではDORA指標との相関消失を確認

開発🌏 海外GitHub CopilotCursorClaude CodeWindsurf
手法

Faros AI(エンジニアリングインテリジェンスプラットフォーム企業)が2025年7月23日公開の「The AI Productivity Paradox Report 2025」で、自己申告ではなくタスク管理システム・IDE・静的解析ツール・CI/CDパイプライン・バージョン管理システム・インシデント管理システム・HRシステムのメタデータから実テレメトリを収集。対象はGitHub Copilot、Cursor、Claude Code、Windsurf等のAIコーディングアシスタントを利用する「開発者10,000人以上・1,255チーム」。チームレベルではAI高採用チームがタスク完了数+21%、PRマージ数+98%と生産性向上を示した一方、PRレビュー時間+91%、開発者あたりバグ+9%、PR平均サイズ+154%とレビュー・品質負荷が急増。さらに会社全体で集計すると、AI導入率とスループット・DORA指標・品質KPIの間に有意な相関は見られず、チームレベルの効果が組織全体には波及しない現象を「Amdahl's Law」になぞらえて説明。後続の「AI Engineering Report 2026: The Acceleration Whiplash」では対象が開発者22,000人・4,000チームに拡大されたと言及されている。

示唆

AIコーディングアシスタント導入はチーム単位のアウトプット(タスク完了・PRマージ)を確かに増やすが、それと同時にPRレビュー負荷・バグ率・PRサイズも増大し、レビュー体制やテスト・リリースパイプラインという「ボトルネック」を強化しない限り、その恩恵は会社全体の生産性指標には反映されない。AI導入効果を測る際は個人・チームの出力指標だけでなく、レビュー時間や品質KPI、組織全体のDORA指標まで含めた複眼的な計測が必要という教訓。ただし本データはFaros AI自社の顧客テレメトリを自社が収集・分析した自社発表レポートであり、第三者による独立検証の記載はない点に留意。

成果・金額自己申告

Developers on teams with high AI adoption complete 21% more tasks and merge 98% more pull requests/PR review time increases 91%/AI adoption is consistently associated with a 9% increase in bugs per developer and a 154% increase in average PR size/over 10,000 developers across 1,255 teams(後続レポートでは22,000 developers across 4,000 teams)

engineering.atspotify.com

Spotify、社内AIエージェント「Honk」でFleet管理領域250万件超の自動保守PRをマージ、エンジニア99%が週次でAIコーディングツールを利用

開発🌏 海外ClaudeClaude Agent SDKClaude Code
手法

Spotifyのチーフアーキテクト兼VP of EngineeringのNiklas Gustavssonが同社Engineeringブログで解説。社内バックグラウンドコーディングエージェント「Honk」はClaude Agent SDKを自社ハーネスでラップし、Kubernetes Pod上にデプロイして多数セッションを並列スケジューリング。信頼済みツール群にアクセス権を持ち、複数OS横断でCI環境上のビルドを実行して変更の正しさを検証できる("the ability to run builds in our CI environment across multiple operating systems to verify that its changes are correct")。社内オーケストレーションツール「Fleetshift」が対象特定・変更スケジューリング・進捗管理を担い、Honkはその中間で実際のコード変更を担当("Fleetshift helps humans manage the orchestration...while Honk sits in the middle doing the actual code modifications.")。また社内カタログ「Backstage」の機能をMCPおよびCLIツールとして公開し、Claudeがコンポーネントのオーナーを検索できるようにしている。Fleet Management領域は数百〜数千のソフトウェアコンポーネント規模("hundreds or even thousands of software components")で運用。Opus 4.5リリース後に社内でのClaude Code採用が急加速したとの記述もある("it accelerated dramatically with the Opus 4.5 release late last year")。

示唆

大規模組織でのAIコーディングエージェント活用は、単体のコード生成精度だけでなく、社内プラットフォーム(Backstage的なカタログ、Fleetshift的なオーケストレーション基盤)との統合、Kubernetesでの並列実行基盤、CI連携によるビルド検証という「エージェントを安全に大量並走させる周辺インフラ」への年単位の投資が前提になっている点が示唆的。数字自体は自社発表のみで外部検証はできないため、鵜呑みにはできないが、方向性(社内基盤とエージェントSDKの統合)は他社が真似できる設計思想として参考になる。

成果・金額自己申告

エンジニアの99%超が週次でAIコーディングツールを利用、94%が生産性向上を実感、プルリクエスト頻度+76%、Fleet Management領域で250万件超の自動保守PRをマージ、直近のバックエンドJavaバージョン移行が3日間で完了

arxiv.org

Microsoft社内数万人規模のロールアウト調査、Claude Code/Copilot CLI採用エンジニアはPRマージ数24%増—4ヶ月間効果持続

開発🌏 海外Claude CodeGitHub Copilot CLI
手法

Microsoft Researchの研究者3名(Emerson Murphy-Hill, Jenna Butler, Alexandra Savelieva)が2026年7月1日にarXivで公開した論文「Adoption and Impact of Command-Line AI Coding Agents: A Study of Microsoft's Early 2026 Rollout of Claude Code and GitHub Copilot CLI」。Claude CodeとGitHub Copilot CLIという2つのコマンドラインAIコーディングエージェントの、Microsoft社内での2026年初頭のロールアウトを対象に、数万人規模のエンジニアのデータを分析。初回利用がまず社内の同僚ネットワーク(social networks)を通じて広がったこと、継続利用率がエンジニアのデモグラフィック属性よりも既存のコーディング活動量とより強く相関することを発見。ツール採用者は非採用者に比べて約24%多くPRをマージしており、この効果は4ヶ月間の観測ウィンドウを通じて持続したと報告している。

示唆

組織規模でのAIコーディングエージェント導入において、「誰が試すか/誰が使い続けるか/十分な成果を出すか」を見誤るとロールアウトが高コストなだけで終わるリスクがある、という論旨。継続利用の予測因子はデモグラフィックではなく既存のコーディング活動量、初期伝播は同僚の可視的な利用(peer use)が鍵であり、組織展開時はこの点を戦略の中心に据えるべきという示唆。ただしPRマージ数は成果の代理指標に過ぎず、マージされたPRが生み出す価値そのものとは異なる、と著者自身が留保している点も重要。

成果・金額自己申告

数万人規模のエンジニアを対象、採用者は非採用者よりPRマージ数が約24%多い、効果は4ヶ月間の観測ウィンドウで持続、組織規模でのトークン支出は年間数百万ドル規模に達しうる(token spend can run into millions of dollars annually)

Studying tens of thousands of engineers at Microsoft over its early-2026 rollout, we find that first use spread primarily through social networks, retention was associated more with engineers' coding activity than with demographics, and adopters merged roughly 24% more pull requests than they would have otherwise.
claude.com

CircleCI、Claude Agent SDKで自律AIエージェント「Chunk」構築 — 大企業顧客の分析時間14時間→18分

開発🌏 海外Claude
手法

CircleCIはClaude Agent SDKでCI/CD関連の保守問題を自律的に特定・解決するエージェント「Chunk」を構築。自然言語タスクを入力すると検証済みプルリクエストを出力するクローズドループで動作する。Smarter Testing機能により顧客のテスト実行時間は平均75%削減(最大97%削減の例も)、エンジニアリングチームの90%がClaude Codeを採用、構造的な導入開始以来デイリー利用は9倍に増加、Chunkのタスクの4分の3以上(80%以上)が自動トリガーで動く。ある大企業顧客では分析作業が14時間から18分に短縮された。

示唆

AIエージェントの価値は個々のタスクの高速化そのものより「自動トリガー化」の割合(4分の3超)にあり、人が起動しなくても回る比率こそが構造的な生産性指標になる。

成果・金額自己申告

テスト実行時間-75%(最大-97%)、Claude Code採用率90%、日次利用9倍増、タスク自動トリガー80%以上(4分の3超)、大企業顧客の分析時間14時間→18分、プロンプトキャッシュ効率90%以上、PR変換率2倍以上

Smarter Testing機能を使用する顧客は平均テスト実行時間が75%削減され、最大97%の削減も達成。エンジニアリングチームの90%がClaude Codeを使用。構造化された採用開始以来、日次利用が9倍に跳ね上がった。Chunkのタスクの4分の3以上が自動的にトリガーされる。ある大規模エンタープライズ顧客では、分析時間が14時間から18分に短縮された。
claude.com

Satispay、Claude Codeで月次コミットの75%超を生成 — Java 8→21移行を4週間見積りから4日未満に短縮

開発🌏 海外Claude Code
手法

イタリア大手決済ネットワーク Satispay が、他ツールとの30日間の実タスクベース比較評価(コード生成品質/リファクタリング/社内パターン準拠/マルチファイルコンテキスト理解/テスト生成/文書化の6軸)でClaude Codeを選定。IT部門主導で30日間のロールアウトを実施し全社90%超のエンジニアリングチームに採用。基幹取引サービスのJava 8→21 + Spring移行を4週間見積りから4日未満(10倍高速化)で完了、AWS Lambda開発は3-5日から1時間未満に短縮。シニアエンジニアはアーキテクチャ設計へシフト、若手は legacy codebase での自立度が向上し、上期の計画機能アウトプットは約50%増加見込み。

示唆

全社導入の成否は「何を測ったか」で決まる — 導入前に6軸の実タスク比較評価を行い、IDE統合以外の全項目でClaude Codeが他ツールに勝った事実を確認してから展開したことが、導入後75%超のコミット生成・90%超採用という高い定着率につながった可能性がある。

成果・金額自己申告

月次コミットの75%超をClaudeで生成、採用率90%超、Java移行10倍高速化(4週間見積り→4日未満)、Lambda開発3-5日→1時間未満、18ヶ月ロードマップを7ヶ月で完了、H1の計画機能アウトプット約50%増加見込み

"Claude's reviews caught real issues, with real explanations, at a quality our engineers recognized as genuinely useful. Other tools weren't playing in the same league." — Fabio Rapposelli, CTO. Result: Claude "won on every dimension except IDE integration"
cursor.com

Faire、自社製エージェント基盤SamuraiをCursor Cloud Agentsに置換 — 週次PRスループット2倍、週2000件超の自律エージェント実行

開発🌏 海外Cursor
手法

自社開発の並列エージェントシステム「Samurai」をCursor Cloud Agents(隔離VM上でフル開発環境を持つ)に置換。その上にタスク調整システム「Swarm」を構築(スクレイパーがMobX使用箇所をS3に出力→SwarmがそのリストからタスクをCloud Agentへ割当)。Cursor Automationsを25件超実装し、Slack報告のバグの自動調査・PR作成、CI失敗時の自動調査・修正、著者/リスク/サイズに基づくPR自動ルーティング、MobX→React状態管理のレガシー移行、ビルドプレビュー基盤構築に適用。

示唆

自社製エージェント基盤(Samurai)を捨てて商用クラウドエージェント(Cursor)へ乗り換えた事例。「自作 vs 商用」の判断が、18ヶ月かかる大規模移行プロジェクトを実質1エンジニア体制に圧縮する結果に直結した。Principal EngineerのLuke Bjerringが「Cursorのクラウド提供はworktreeでのローカルエージェント運用や10個のリモート環境運用より遥かに良い」と明言している点が、自社構築コストを内製で払い続ける判断への反証material として使える。

成果・金額自己申告

週次PRスループット2倍 / 週2,000件超の自律エージェント実行 / 18ヶ月プロジェクトが1エンジニア+エージェント群体制に短縮 / Cursor Automations 25件超 / ビルドプレビューツールを1日未満で開発(当初想定は数週間)

"Cursor's cloud offering is a lot better than running local agents with worktrees or 10 remote environments" — Luke Bjerring, Principal Engineer, Faire. 記事タイトル: "Faire doubles PR throughput with Cursor Cloud Agents"。Swarmについて: "the team built an agent coordination system on top of Cursor called Swarm."
cursor.com

PayPal、8000人開発組織にCursor展開 — 3000アプリのJavaアップグレードを8-12ヶ月から2ヶ月に短縮

開発🌏 海外Cursor
手法

8000人規模の開発組織で、まず最高インパクトの重要チームから段階的にCursorを展開。エンジニアが同僚チームの成果(2週間以内に週次/隔週デプロイから毎日デプロイへ変化)を目撃したことで有機的に採用が広がり、多くのチームで採用率90%超に到達。3000アプリケーションのJavaアップグレードを実施。

示唆

トップダウン全社導入でなく『最高インパクトの重要チーム先行→ピア(同僚)の成果を見た他チームへの有機的伝播』方式が、多くのチームで90%超の採用率に到達した経路として機能した。

成果・金額自己申告

Javaアップグレード6倍高速化(8-12ヶ月→2ヶ月・3000アプリ対象)、4スプリント分の作業を1スプリントで完了、デプロイ頻度が月1回から毎日複数回へ変化、2026年は2025年比で機能提供能力+40%見込み

「2週間以内に、これらのチームは週次または隔週ではなく、毎日デプロイするようになった」(Michelle Chance)。多くのチームが「90%を超えるCursor採用率」を示し、Javaアップグレードは「3,000アプリケーション」を対象に「従来8~12ヶ月かかっていたものが2ヶ月」で完了、「4スプリントを1スプリントで完了」、2026年は「2025年比で40%多くの機能提供能力」を見込む。
cursor.com

National Australia Bank、6000人開発者にCursor標準化 — グリーンフィールド開発速度5-8倍、支払アプリを4ヶ月→3週間で構築

開発🌏 海外Cursor
手法

NABはAmazon QとGitHub Copilotを評価した上で6,000人の開発者にCursorを標準化(将来1万人超に拡大予定)。理由は①モデル選択の柔軟性(定型UI作業は安価なモデル、複雑な設計は高性能な思考モデルを使い分け)②数千リポジトリ(Java/React/COBOL/Assembly)にまたがるコードベース理解力③Cursorのrules/skills/hooksを使った社内コンテキストエンジニアリングライブラリ(NAB CEL)による拡張性。Principal EngineerがAsk ModeとPlan Mode(NAB-CELカスタムskill組込み)でモノリスのリファクタリング事前調査を行い、実装はComposer+Opusモデルで実施。

示唆

銀行のレガシー基幹系刷新において、AIツールの存在自体がビルド/バイ判断・着手判断の前提条件を変えた事例。引用「We've seen a 5-8x improvement in development velocity. But the main thing is we wouldn't have even tried to build this app without Cursor.」が示す通り、速度向上以上に「そもそも着手を検討すらしなかった」プロジェクトが動き出した点が本質。

成果・金額自己申告

モノリスBizCalc移行: 事前調査2ヶ月→1週間、全体移行期間6ヶ月→約2ヶ月(3倍高速化)。アセンブリ言語メインフレーム移行: 3倍高速化。グリーンフィールド決済アプリ: 当初想定4ヶ月→3週間で完成、開発速度5-8倍向上。

"NAB standardized 6,000 developers on Cursor after evaluating Amazon Q and GitHub Copilot." / "We've seen a 5-8x improvement in development velocity. But the main thing is we wouldn't have even tried to build this app without Cursor."
shopify.engineering

Shopify、ML実験基盤「Tangle」をOSS化 — コンテンツベースキャッシュで社内1年分超のコンピュート時間を節約

開発🌏 海外その他AI
手法

ShopifyのSearch & Discoveryチームが、ビジュアルインターフェースでMLパイプラインをDAG構築できる実験基盤Tangleを開発しOSS公開。従来の系統(lineage)ベースキャッシュ(上流変更で下流も再実行)ではなく、コンテンツベースキャッシュを採用: 「downstream components check output content hashes and reuse cached results when outputs remain identical」。任意の言語(Python/Java/C++/Rust等)対応、実行結果(artifact)をグローバルに共有し、複数のデータサイエンティストが同じ前処理ステップを重複実行しない設計(実行中のジョブ間でも共有可能)。

示唆

大規模MLパイプラインの再実行コスト問題に対し「系統ベース」でなく「出力内容ハッシュベース」でキャッシュ可否を判定する発想が転用可能。App Factory側でも重い生成/ビルド系パイプライン(画像生成バッチ、動画レンダリング等)で同じ入力から同じ出力が出るステップは内容ハッシュキャッシュにより重複実行を避けられる余地がある。

成果・金額自己申告

10時間パイプラインが1コンポーネント変更時に20分で完了/社内で1年分超のコンピュート時間を節約

ycombinator.com

Pingo AI、Y Combinator出身の会話特化AI言語学習アプリがMRR20万ドル・ユーザー30万人超を公式発表

開発🌏 海外その他AI
手法

Y Combinator 2025年夏バッチ出身のPingo AIは、大学時代のルームメイトだったMichael Xing(CEO)とMorrie Schonfeld(COO)が開発したAI言語学習アプリ。AIチューターとのリアルな会話練習に特化し、無料体験後に会話機能をサブスク課金する設計。2025年1月ローンチ、サンフランシスコ拠点、チーム6名。

示唆

少人数チームでも会話特化という狭いニッチに絞ったAIプロダクトが、ローンチから半年程度でMRR20万ドル・ユーザー30万人超に到達できることを示す例。「創業者は現役学生2人」という煽り文句は一次情報(YC公式ページ)では確認できず不採用。

成果・金額自己申告

月間経常収益(MRR)20万ドル超、ユーザー30万人超(2025年7月時点、YC公式企業ページに会社発表として記載)

forbes.com

AIフラッシュカード学習アプリ「Jungle」がForbes 30 Under 30 Education選出 — 2024年売上70万ドル・2025年見込み110万ドル

開発🌏 海外その他AI
手法

2023年にJulian AlvarezとDavid Glassが創業したJungle(旧Wisdolia、パロアルト拠点)は、PDF/スライド/Word文書/YouTube動画などの学習教材をAIでフラッシュカードや選択式問題に自動変換するアプリ。TikTokでの医学生インフルエンサー施策など月50〜100件の実験を回す成長戦略で急拡大し、Forbes「30 Under 30 Education」(2026年版)に選出された。

示唆

狭い学生層(医学生)へのインフルエンサーマーケティングを起点に、AIによる教材変換という単機能に絞ったサブスクアプリが年商規模まで伸びた例。第三者集計サイトの異なる売上推計(2025年350万ドル説)は創業者への直接取材に基づかない推定値のため不採用とし、Forbes記載の数字のみ採用した。

成果・金額自己申告

2024年売上70万ドル、2025年通年見込み110万ドル(Forbes 30 Under 30 Educationプロフィールより)。付随情報としてユーザー150万人・生成した問題数約3億問

"Based in Palo Alto, Jungle had $700,000 in 2024 revenue, and is projected to hit $1.1 million for the 2025 calendar year." / "In total, 1.5 million students have generated nearly 300 million questions and answered more than 90 million."
starterstory.com

個人開発者Brian Shin、「使い捨てカメラ」体験アプリ『Once』をローンチ83日で月商2万ドル到達

開発🌏 海外その他AI
手法

Brian Shinが開発した「Once」は、結婚式・誕生日会・企業イベント向けに「使い捨てカメラ」体験(参加者ごとに撮影枚数制限・その場では見えず後日現像される仕組み)をアプリで再現したプロダクト。開発前にInstagramのハッシュタグ経由で見知らぬ主催者に直接DMを送り、「実イベントでの利用確約」12件を取ってから初めてコードを書き始めるという検証手法を採用。価格はゲスト数に応じて$2〜$50。デザインは意図的にAIを使わず、実装(エンジニアリング)側でAIツールを活用したと本人は述べている。

示唆

「メール登録やSNSの反応」ではなく「実際のイベント日程での利用確約」という強いコミットメントを検証指標に据えたことで、需要のある製品を無駄なく素早く作れた例。ローンチから83日で月商2万ドルに到達したスピード感は、検証手法の的確さとAIによる実装高速化の両輪による。

成果・金額自己申告

ローンチ(2025年12月)から83日で月商2万ドル到達、2026年3月時点で月商約2.2万ドル(週間アクティブユーザー1万〜1.2万人、月間イベント処理数約700件、1イベントあたり平均$30〜$35)

"Once is basically a disposable camera for events, especially for weddings, birthday parties, and these days even for some corporate events." / "Before writing a single line of code I needed ten events with an actual date with an actual commitment that they would like to try using out the product."
starterstory.com

Hassam、Cursorで開発したAmazon商品リサーチAI「LaunchFast」を90日でMRR 2.18万ドルに成長

開発🌏 海外Cursor
手法

非エンジニアの創業者HassamがCursorでコードを書き、Amazon物販セラー向けのAI商品リサーチツール「LaunchFast」を開発。既存コーチングコミュニティ「LegacyX」との提携でローンチ初日から顧客基盤を獲得する、他者のオーディエンスに乗る配信戦略を採用した。

示唆

コーディング未経験でもAIコーディングツール(Cursor)で実用アプリを作り切れること、そして自前の集客に頼らず既存コミュニティの顧客基盤に相乗りする配信戦略を組み合わせれば、ローンチ90日で月次経常収益2万ドル超に到達しうることを示す実例。

成果・金額自己申告

ローンチ30日でMRR約1万ドル、60日で1.7〜1.8万ドル、90日で約2.18万ドル。価格はLegacyXコーチング顧客向け月額50ドル、一般向け月額199ドルの二段構成。

"To write the code we're going to use Cursor" / "Day zero we launched with the partnership with LegacyX and about 30 days in we were at 10K MRR...Around day 60 we were at 17 to 18K...and now 90 days in we're at about 21 8K" / "We offer a 50 a month pricing to the coaching customers of LegacyX and we have the regular pricing model for 199 per month for the general public"
indiehackers.com

Eric Provencher、無料配布から始めたAIコーディング支援ツール「Repo Prompt」を1年未満で月商1万ドル超に

開発🌏 海外その他AI
手法

自分のゲーム開発中に自分用として作ったAIモデル向けコンテキスト管理ツール「Repo Prompt」を無料公開。寄付ベースで需要を検証した後、2024年3月に月額課金+買い切り(lifetime)の有料プランへ移行した。

示唆

「自分の困りごとを解決するために作ったツールを無料公開→寄付で需要検証→有料化」という王道パスを踏み、専業化(フルタイム職を離職)まで至った実例。プロが「ブラックボックス化したプロンプト生成」に不満を持つニッチ需要を捉えた。

成果・金額自己申告

1年未満で月商1万ドル超に到達。無料公開期間の寄付累計は約5000ドル。

indiehackers.com

Mattia Pomelli、3週間で作ったAIモバイルデザインツール「Sleek」がローンチ2ヶ月で月商1万ドルに

開発🌏 海外その他AI画像生成AI
手法

Web開発向けに比べてモバイルアプリ向けのデザイン/コーディングツールが手薄という課題に着目し、3週間でAI搭載のモバイルUIデザインツール「Sleek」を開発。広告費ゼロで有機的にローンチした。

示唆

Web領域に偏りがちなAI開発ツール市場の中で「モバイル特化」というニッチの隙間を見つけ、広告費ゼロで月商1万ドルへ2ヶ月で到達した実例。AIクレジット制のサブスク階層設計も参考になる。

成果・金額自己申告

ローンチから2ヶ月でMRR1万ドル(開発期間は3週間)。

levels.io

Pieter Levels、Cursorで3時間で作った飛行シミュレーターゲーム「fly.pieter.com」が17日でARR100万ドルに到達

開発🌏 海外Cursorその他AI
手法

ゲーム開発未経験のPieter Levelsが「Cursor」で3時間かけてブラウザ版飛行シミュレーターMMO「fly.pieter.com」を構築。ブランドロゴ入り飛行機や看板惑星など広告出稿枠を協賛企業に直接販売するモデルで収益化し、Elon Muskの言及をきっかけに急拡散した。

示唆

10年かけて築いた60万人超のX(旧Twitter)フォロワー基盤と40以上のプロダクトを出し続けた実績があったからこそ「3時間のvibe coding→17日でARR100万ドル」が成立した実例。プロダクト単体の再現性は低いが、AIコーディングツールでの高速プロトタイピングと既存オーディエンスへの配信を組み合わせる威力を示す。

成果・金額自己申告

17日でMRR8.7万ドル(ARR換算100万ドル)、ユーザー32万人、インプレッション7400万。

indiehackers.com

Hirvesh Munogee、モーリシャスから独学で作った習慣トラッカー「Habit Pixel」がClaude Codeで12言語対応し8ヶ月でMRR1000ドルに到達

開発🌏 海外Claude Code
手法

ピクセルアート風の進捗表示が特徴の習慣トラッカーアプリ「Habit Pixel」(Flutter製)を2025年5月にローンチ、月額1.99ドル/年額33.99ドルのフリーミアムで提供。年末の新規ユーザー急増前にClaude Codeでローカライズファイルの抽出・文脈を踏まえた翻訳・実装チェックリスト管理を行い12言語対応を約10分/言語で完了させ、10月末には購買力平価(PPP)価格を導入、ブラックフライデーには40%オフの買い切りライフタイムセールも実施した。

示唆

資金・チームなしの1人開発でも、Claude Codeによる多言語ローカライズの自動化とPPP価格設定・期間限定ライフタイムセールという価格戦略を組み合わせるだけで、月商0ドルから8ヶ月でMRR1000ドルまで着実に積み上げられることを示す小規模だが再現性の高い実例。

成果・金額自己申告

MRR推移: 2025年6月28ドル→11月初旬208ドル→11月407ドル→12月840ドル→2026年1月初旬1000ドル超。

"I used Claude Code to have it extract everything into localizable strings." / "I asked Claude Code to simply translate the key values in the localization files (JSON) into different languages while making sure it understands the context" / "from a modest May 2025 launch to $1K in monthly recurring revenue (MRR) in just eight months" / "Late October, I implemented purchasing power parity (PPP) pricing"
shopify.engineering

Shopify、社内Slack常駐AIエージェント「River」がマージ済みPRの8分の1を共著

開発🌏 海外その他AI
手法

社内エージェント基盤「Aquifer」(セッション/ハーネス/サンドボックス/ゲートウェイ/イベントログ/認証情報プロキシ/観測性を含む共通レイヤー)の上に、Slackに常駐するプロファイル「River」を構築。エンジニアがSlackチャンネルで指示するとRiverがコード変更を提案・実装し、レビュー→マージまでの流れに組み込む。ローンチ約2ヶ月・直近30日間で5,170のSlackチャネル・59,918セッションが発生し、7,000人超の社員が利用。

示唆

個々のエンジニアが private にAIエージェントを使うと学習知見がセッションごとに消える、という課題認識から「チームの共有チャネル(Slack)に常駐させる」設計に振ったのが肝。社内ツールとしてのAIエージェントを「個人の生産性ツール」から「組織のインフラ」に格上げする設計思想が、コード生成量の実数(3,536件のPRを共著)で裏付けられている。

成果・金額自己申告

直近30日間で3,536件のRiver共著PRがマージ、これがマージ済みPR全体の約8分の1(約12.5%)に相当。7,000人超の社員が利用、5,170のSlackチャネルで59,918セッション。

claude.com

Delivery Hero、Claude活用の自動PRエージェント「Herogen」でQ1四半期目標を18倍達成

開発🌏 海外Claude
手法

フードデリバリー大手Delivery Heroが、Claude Platform / Claude Codeを使った自動ソフトウェア配信エージェント「Herogen」を開発。日次で100件超のPRを自動マージ(全PRの約9%)し、開発者が1回対応するだけで完了する成功率は85%。2026年内に「マージされるPRの5件に1件をHerogenで」という目標を掲げている。

示唆

「AIエージェントにコード生成を任せる」だけでなく、社内で四半期目標(マージPR数)という定量KPIを立てて経過を追い、達成率(18倍)を公式ケーススタディとして開示する運用は、エージェント導入の成果を経営に説明する型として参考になる。

成果・金額自己申告

2026年Q1、四半期目標に対し18倍の実績を達成(目標100件に対し1,800件超のマージPR)。日次マージPR数100件超(全体の約9%)、成功率85%。

"Every fifth pull request that's merged, we want that to be done by Herogen in 2026... we're betting on the improvement in LLMs, especially in Claude, to help us with that." — Rodrigue Schäfer, VP
claude.com

LG CNS、Claude Codeで20年物エンタープライズシステムを従来比50%コストでモダナイズしAPI変換99.1%完了

開発🌏 海外Claude
手法

韓国LG Groupの IT/DX子会社LG CNS(社員約7,000人、2025年売上42億ドル)が、Claude CodeをAmazon Bedrock経由で既存のエンタープライズセキュリティ境界内に組み込み、「LG CNS Build Factory」というモダナイゼーションサービスを構築。韓国の建設会社向けに20年物プロジェクト管理システム(PMS)を対象に、2025年11月〜2026年6月の7ヶ月で全面刷新し、MiPlatformベースの1,340画面をReactへ移行、2,913件中2,888件のAPIを変換(完了率99.1%)。200人規模のBuild CenterがClaude Codeを標準手法として採用。

示唆

「モダナイゼーションは必要だが、コスト・期間・品質リスクで着手しづらい」という規制産業クライアント特有の障壁を、既存のセキュリティ境界内でAIエージェントを動かす形(Bedrock経由)で解消した点が重要。大規模レガシー刷新という地味だが工数の大きい領域でAIコーディングのROIが出やすいという他事例(Cisco等)とも符合する。

成果・金額自己申告

従来型リビルドの約50%のコストで実施、7ヶ月で完了(2025年11月〜2026年6月)。API変換完了率99.1%(2,913件中2,888件)、フロントエンド1,340画面をMiPlatformからReactへ移行。

"From the customer's perspective, modernization is clearly necessary, but cost, timeline, and quality risks make it difficult to initiate." — Hyosup Bae, Director
claude.com

AIエージェント基盤Dust、プロンプトキャッシュ最適化でモデル支出を日次1万ドル・18〜19%削減

開発🌏 海外Claude
手法

エンタープライズ向けAIエージェント構築プラットフォームのDustが、自社のエージェント実行ループ(最大24ツール呼び出し、Deep Researchワークフローは10分超実行)においてClaudeのプロンプトキャッシュを最適化。キャッシュ読み取り率をトークン全体の約30%から65%に引き上げ、入力コストを22%削減、全体モデル支出を18-19%削減した。

示唆

AIエージェントの継続的なコスト最適化は、モデル自体の切り替えではなく「キャッシュ活用率」という運用パラメータの改善だけでも二桁%の支出削減につながる。マルチステップ・長時間実行のエージェント(ツール呼び出し4-5→8+に増加)ほど、この最適化の効果が積み上がりやすい。

成果・金額自己申告

モデル支出を日次1万ドル削減。キャッシュ読み取り率30%→65%。入力コスト-22%、全体モデル支出-18〜19%。顧客組織の週間アクティブ利用率平均70%。

claude.com

AIエージェント企業Genspark、Claude活用のSuper AgentでARR 2.5億ドル突破・全コードをAIツールで生成

開発🌏 海外Claude
手法

AI Workspace製品「Super Agent」を提供するGensparkが、150以上の専門ツールをオーケストレーションするエージェントをClaudeで構築。約50人のエンジニアが全コードをAIコーディングツールで作成し、約2ヶ月ペースで主要バージョンをリリース。2025年初頭にSuper Agentへ移行後、ARRが2.5億ドルを突破。

示唆

AIエージェント企業自身が「開発チームの全コードをAIツールで書く」という極端な自社実践(ドッグフーディング)を公式ケーススタディとして開示し、それがARR成長という事業成果と結びついている点が、少人数×高速リリースサイクルの実証例として参考になる。

成果・金額自己申告

2025年初頭のSuper Agent移行後にARR 2.5億ドル突破。150以上の専門ツールをオーケストレーション。エンジニア約50人が全コードをAIツールで作成。約2ヶ月ペースで主要バージョンリリース。

claude.com

Spotify、Claude Agent SDKのバックグラウンドコーディングエージェントで月650件超のPRを自動生成

開発🌏 海外Claude
手法

Spotifyの数百人のエンジニアがバックグラウンドコーディングエージェント(Claude Agent SDKベース)と対話。Java gRPCサービス全社規模での明示的コンテキスト伝播の実装など大規模コード変換(マイグレーション)をエージェントが自動化し、エンジニアはレビューのみ実施。月650件以上のエージェント生成PRが本番環境にマージされている。

示唆

大規模コード変換という定型だが広範囲な作業をエージェントが担い、エンジニアはレビューに専念する分業が、月650件超のPRという形で継続的に本番運用されている。単発の実験でなく定常業務化した点が示唆的。

成果・金額自己申告

月650件超のPRが本番マージ

cursor.com

Wayfair、CursorのAIエージェント並列実行でML研究サイクルを数ヶ月→4日に圧縮、推論コスト94%削減

開発🌏 海外Cursor
手法

Cursor公式ブログ(https://cursor.com/blog/wayfair, 原題 "How Wayfair cut ML model costs by 90% (twice!) with Cursor", 2026-06-15公開, 著者 Cursor Team)をWebFetchで直接取得し本文を検証。method_summary記載の数値(94%コスト削減/110モデル変種を5人4日/20+並列エージェント/30分未満でアイデアから実験実行/3月に追加90%削減)がすべて原文記述と一致することを確認。

示唆

大企業のML研究チームでも、AIコーディングエージェントの並列実行(クラウドエージェント含む)により、従来数ヶ月かかっていた実験サイクルを数日単位に圧縮できる。単発の自動化ではなく「同時に多数のバリエーションを試す」並列化そのものが時間短縮の主因になっている点が、個人開発における並列subagent活用の妥当性を裏付ける一次情報として参照価値が高い。

成果・金額自己申告

推論コスト94%削減(12月)、その後3月にさらに90%削減、5名の研究者が4日間で110の実質的に異なるモデルバリエーションを構築・テスト、1人あたり20以上のエージェントを並列実行、3月には140以上の追加実験

"what would have been months of work fit into four days." / "cut inference costs by 94% while improving model precision" / "five researchers built and tested 110 substantively distinct model variations" / "Running many variants at once in Cursor was straightforward and easy. This made our four-day sprint realistic"
cursor.com

Amplitude、Cursorクラウドエージェントで週次本番コミット量3倍・低リスクPRの60-70%が人手レビューなしで直接本番反映

開発🌏 海外Cursor
手法

Cursor公式ブログのカスタマー事例(2026-04-15公開)。WebFetchで本文取得し、CTO Curtis Liu氏の引用と3つの定量メトリクス(週次本番コミット3倍/低リスクPR 60-70%自動マージ/週1000件超の自動エージェント実行)を確認。

示唆

クラウドエージェントを並列稼働させ、機能のアイデアから本番反映までを自動化することで、低リスクPRは人手レビューなしで本番に直接マージできる比率が過半数に達している。開発速度の実質的な加速は「コード量」ではなく「本番投入可能な有用なソフトウェア」を生み出すことで得られるという整理。

成果・金額自己申告

週次本番コミット3倍、低リスクPR 60-70%自動マージ、週1,000件超の自動エージェント実行

cursor.com

Dropbox uses Cursor to index over 550,000 files and build an AI-native SDLC

開発🌏 海外Cursor
手法

WebFetch (要約) + curl -sL -A 'Mozilla/5.0' で HTML 実取得しgrep突合で一次確認。Cursor公式ブログのカスタマー事例ページ(datePublished 2026-01-26T12:00:00Z, JSON-LD確認済み)。

示唆

巨大モノレポ(55万ファイル)を持つ企業でも、コードベース全体を横断推論できるAIコーディングツールを導入すれば、月100万行超のAI生成コード採用・エンジニア90%導入という規模で全社浸透が可能。ボトムアップの草の根利用(Slackでの共有・社内ハッカソン)をCTO自らが観測しAIチャンピオン制度化することで組織的採用を加速した点が示唆的。

成果・金額自己申告

モノレポ55万ファイルをCursorでインデックス化 / AI生成コード月100万行超を採用 / エンジニア週次利用率90%以上 / データセンター秒間30万リクエスト超処理規模

"Dropbox's engineers now accept more than one million lines of AI-suggested code every month with Cursor." / ""Speed is the only advantage of any company," says Ali Dasdan, Dropbox's chief technology officer." / "a monorepo with more than 550,000 files" / "Since adopting Cursor, PR throughput and cycle time have moved into the upper tier of industry benchmarks."
techcrunch.com

SpaceX、AIコーディングStartup Cursorを600億ドル(全株式)で買収

開発🌏 海外CursorxAI
手法

TechCrunch記事(2026-06-16付)がSpaceXによるAIコーディングツールCursor(元Anysphere、2022年設立)の全株式$60B買収合意を報道。買収はSpaceXのIPO数日後に発表され、xAI統合済みのSpaceX AI部門を強化する目的。クローズは2026年第3四半期見込み。

示唆

インフラ企業(ロケット/宇宙輸送)がAI開発ツール企業を買収する異例の垂直統合。直前のラウンドで$50B評価を狙っていたCursorが実際は$29B評価から$60Bで買収された点、IPO直後という時期選びも含め、AIコーディングツール市場の急成長と評価額の乱高下を象徴する事例。

成果・金額自己申告

買収額 $60B(全株式のstock deal)。買収前は a16z/Thrive/Nvidia等から$2Bの資金調達ラウンドで$50B評価を得る予定だったが、実際の直近評価額は約$29B(Series C $900M 2025年6月 + $2.3B 2025年末調達後)。

"SpaceX has agreed to acquire AI coding startup Cursor in a $60 billion stock deal, just a few days after the space company's historic IPO" / "Before SpaceX came knocking, Cursor was on track to close a $2 billion funding round from the likes of Andreessen Horowitz, Thrive, and Nvidia that would have valued the AI coding startup at $50 billion" / "a price tag of around $29 billion before the SpaceX deal was announced" / "SpaceX said Tuesday that the acquisition is likely to close in the third quarter of this year" / "The deal is meant to help SpaceX's AI division — built around Elon Musk's AI company xAI, which SpaceX merged with earlier this year — catch up to the major AI labs"
metr.org

METR、ランダム化比較試験でAIコーディングツールが熟練開発者を「体感20%速い」のに実際は19%遅くすると実証

開発🌏 海外ClaudeCursor
手法

METR(非営利AI評価団体、著者Joel Becker/Nate Rush/Beth Barnes/David Rein)が、平均22,000以上のスター・100万行超のOSSリポジトリで働く経験豊富な開発者16名を対象に、246件のissueをランダムにAI使用可否へ割当するRCT(無作為化比較試験)を実施。開発者は画面録画をしながら作業し実装に要した総時間を自己報告。使用ツールは主にCursor Pro + Claude 3.5/3.7 Sonnet、時給150ドルで報酬支払い、タスク平均2時間。

示唆

「AIで速くなった実感」と「実測データ」が真逆という定量エビデンス。AI使用時は実際には19%遅くなったにもかかわらず、開発者は事前に24%速くなると予想し、経験後も20%速くなったと信じ続けた。生産性訴求の広報事例に対する強力なカウンター事例であり、AI活用効果の評価にはRCTのような厳密な実験設計が必要という示唆を持つ。

成果・金額自己申告

完了時間+19%(AI使用時に遅延)、事前予想は-24%(速くなると予想)、経験後の体感は-20%(速くなったと信じる)、開発者16名・issue246件、リポジトリ平均22,000+スター・100万行超、時給150ドル・タスク平均2時間

claude.com

JetBrains pioneers multi-agent IDE experience with Claude Agent

開発🌏 海外Claude Agent SDK
手法

Anthropic公式ケーススタディ。JetBrainsは自社エージェント「Junie」(2025年4月立ち上げ、Claude搭載)に続き、Claude Agent SDKを使ってサードパーティ製の「Claude Agent」をJetBrains IDE群のAI Chatインターフェース内に、追加プラグイン・追加サブスクリプションなしでネイティブ統合した。Claude AgentはJetBrains MCPサーバー経由でIDE機能(コード検索・修正等)にアクセスし、既存のJetBrains AIサブスクリプションに追加費用なしで含まれる。

示唆

開発ツールベンダー同士(JetBrains×Anthropic)が、自社エージェントJunieと競合しうるサードパーティエージェントを同一IDE内に「追加コストなし」で共存させた点。JetBrains側の狙いは特定ベンダー独占でなく「開発者が好みのエージェントを選べるオープンなマルチエージェント体験」であり、これが公式にIDEにおける「オープンAIエコシステムへの第一歩」と位置付けられている。

成果・金額自己申告

JetBrains IDE群のユーザー1500万人超(15+ million developers)が対象。ただし method_summary に記載の「ドキュメント生成+19%・リファクタリング成功率+59%」という具体的ベンチマーク数値は、このURL (jetbrains-2) の本文中には確認できなかった(record内部ベンチマークで性能優位という定性的言及のみ)。

arxiv.org

ノルウェー公共機関NAV IT、2年分26,317コミットの縦断分析でCopilot導入後も生産性の統計的有意差なしと結論

開発🌏 海外GitHub Copilot
手法

論文「Developer Productivity With and Without GitHub Copilot: A Longitudinal Mixed-Methods Case Study」。ノルウェーの公共部門アジャイル組織NAV ITを対象に、703リポジトリ・2年間・26,317件の非マージコミットのコミット活動データ分析と、Copilot利用者25名/非利用者14名への13件のインタビューを組み合わせた縦断的混合研究法。

示唆

企業公式のCopilot生産性向上ケーススタディとは対照的に、独立した学術的縦断研究ではコミットベースの活動指標に統計的有意な変化を検出できず(軽微な増加のみ)、さらに客観指標と主観的生産性認識の間にズレがあることも報告されている。AI導入効果測定の難しさと過大報告リスクへの警鐘として使える。

成果・金額自己申告

対象703リポジトリ、非マージコミット26,317件、Copilot利用者25名/非利用者14名、調査期間2年間、インタビュー13件

gitclear.com

GitClear、6億2300万件のコード変更分析でAI利用進展と反比例して「保守性ギャップ」が拡大と報告

開発🌏 海外
手法

コード分析企業GitClearが「The Maintainability Gap: AI Code Quality in 2026」レポートを発表。2023年〜2026年にわたる6億2300万件のコード変更を分析し、コード品質を示す複数の指標を追跡した。関数間呼び出し(コード再利用の指標)、リファクタリング活動、レガシーコード保守が低下傾向、コピペ・コードブロック重複・短期間でのコード変更頻度が増加傾向にあることを示した。

示唆

AIコーディングツールの利用進展と反比例して、新規コードが既存コードベースから孤立していく「保守性ギャップ」が定量的に確認された。生産性向上を訴求する事例の対極にある品質面のリスクを示す実証データであり、AI量産偏重に対する経営判断材料になりうる。

成果・金額自己申告

分析対象 6億2300万件のコード変更(2023-2026年)。関数間呼び出し(コード再利用指標)は1000行あたり343件から223件へ35%減少。リファクタリング活動-70%、レガシーコード保守-74%、一方でコピペ+41%、コードブロック重複+81%、2週間以内のコード変更+15%。

"Function connectivity — how often newly authored code connects to a different method or function — has fallen 35% since 2023, from 343 method calls per thousand changed lines to 223 year-to-date."
claude.com

クラウドコンサルCaylent、Claude Agent SDKで数百エージェント並列稼働させDB移行の工数を90%削減

開発🌏 海外Claude Agent SDK
手法

Claude Agent SDKで「Caylent Accelerate」という自律型デリバリーシステムを構築。顧客のAWSアカウント内でパイプライン化された特化エージェント群(インベントリパーサー→複雑性分類→方言翻訳→ガードレール検証→サマリー生成)を順次稼働。高ボリューム解析はHaiku、合成・経営層向け出力はSonnetと役割分担。決定論的スクリプトは精度が必要なタスクに残し、推論・判断・言語処理が要る部分だけClaudeを使う設計。

示唆

DB/コード移行のような「精度が必要な定型変換」と「判断・言語が要る非定型部分」を切り分け、前者を決定論的スクリプト、後者だけをLLM(さらにHaiku/Sonnetでコスト最適化)に任せる設計思想が、90%という工数削減の再現性を支えている。顧客データを外に出さず顧客環境内で完結させ、CloudTrailで全操作を監査可能にする点は、エンタープライズ向けAI導入の説得材料として転用できる。

成果・金額自己申告

最大事例(Arborgold)でDB移行見積もり2,600時間→約220時間(90%削減)、翻訳速度66%高速化。他事例: ソフトウェア資産管理企業82%削減(20.2万ドル節約)、ヘルスケアIT 73%高速化、データサービス企業75.7%高速化(2,374時間削減)、グローバルSaaS企業58%高速化

「決定論的スクリプトは精度タスクを処理し、Claudeは推論、判断、言語を必要とするすべてを処理」「高ボリューム解析にはHaiku、合成と経営層向け出力にはSonnet」「すべては顧客のAWSアカウント内に留まる。外部システムへのデータ送信なし、モデル訓練への顧客データ使用なし、あらゆるAI支援アクションをキャプチャするAWS CloudTrail監査ログあり」
claude.com

Citi、Claude活用のオープンソースAIエージェント「goose」でエンジニアの75%が週8-10時間超を節約

開発🌏 海外Claudegoose
手法

Citi(大手金融機関)がClaudeを組み込んだ社内AI開発者プラットフォームを構築し、SQLクエリ生成用のオープンソースエージェント「goose」を導入・運用している。

示唆

核心的な事実(Citi×goose×SQLクエリ生成×75%×週8-10時間節約)はページ本文に実名引用付きで確認できたため採用可能。ただし候補の method_summary にあった「ハードコード認証情報・SQLインジェクション・非準拠の暗号化手法を検知するセキュアコーディングガイドラインの自動フィルタ」という記述はページ本文に存在せず、未検証の追加創作と判断し除去した。開発者規模「3万人」も本ページ内には明記が見当たらず未確認のため記載しない。

成果・金額自己申告

エンジニアの75%が週8-10時間超を節約(自己申告ベース)

openai.com

Nextdoor のエンジニアが Codex で制約なく開発する方法

開発🌏 海外Codex
手法

Nextdoorの中核プラットフォームチームがCodexを、Kubernetesポッドが起動しない原因調査、組み込みRustデータベースの再現困難な競合条件(レースコンディション)デバッグ、データ分析でのトレンドライン特定などに活用。エージェントに調査用のクリーンな環境とハーネスを提供する運用。エンジニアリング責任者Cory Dolphin氏は「エージェントに反復的にプロンプトを入力するやり方」から「望む結果を考え、その結果を作り上げるためにエージェントと協働する成果エンジニアリング(アウトカムエンジニアリング)」への転換と説明。結果としてプロダクトエンジニアが特定システムの専門家に留まらず、モバイル/フロントエンド/バックエンドを横断してプロダクト体験をエンドツーエンドで担えるようになった(例: Opportunity Alertsの地図表示機能を1人のエンジニアがエンドツーエンドで構築)。

示唆

候補記事は実在し、method_summaryの記載(Kubernetes障害調査、Rustレースコンディションデバッグ、アウトカムエンジニアリングへの移行、職能の壁撤廃)は本文の記述と完全に整合。WebFetchはCloudflareの403(bot challenge)で失敗したため、Playwright(mcp__playwright__browser_navigate + browser_snapshot)で実ブラウザ経由取得し内容を裏取りした。ページはロケール自動判定で日本語版(/ja-JP/index/nextdoor/)にリダイレクトされたが同一記事。公開日は2026年6月9日。

成果・金額自己申告

記載なし(従業員数=エンタープライズ規模、ユーザー数=11カ国で1.1億人超と会社概要として言及されているのみ、投資額や削減時間等の定量数値の明記はなし)

「エージェントに反復的にプロンプトを入力するやり方から、エンジニアが望む結果を考え、その結果を作り上げるためにエージェントと協働する成果エンジニアリングへの転換です。」/「組み込み Rust データベースや厳しい競合条件を持つシステムに取り組む Nextdoor は、再現が非常に難しい問題のデバッグ支援に Codex を活用しています。チームはエージェントに調査用のクリーンな環境とハーネスを提供し、Kubernetes ポッドが起動しない理由の特定から、データ分析で適切なトレンドラインを見つけることまで、あらゆる用途に活用しています。」/「エンジニアがより上位レイヤーの業務まで担うようになると、自分たちが作っているプロダクトに対して、より大きな責任を持つようになります。個々のエンジニアがプロダクトを主導し始めるのが、はっきりと見えてきます。」