AI事例ベース.

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。

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。

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。

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。

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。

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。

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。

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。