Claude Code の活用事例

LayerXバクラク事業部のQAエンジニア(koyatest氏)が、JSTQBの「早期テストで欠陥を予防する」原則を、Claude Code Agent Skillsとして実装。①プロダクトのフェーズ(市場投入期か運用期か)ごとに目指す品質を定義、②プロダクトごとの固有リスクとカバレッジ基準(Capers Jones氏の論文を参考)を定義、③既存のテストピラミッド(各テストレイヤーの検証内容)を統合。Claude Codeはタスク投入時にフェーズ判断→リスク評価→基準適用を自律的に行い、全プロダクトのリスク情報を一括で読むとコンテキスト圧縮(compaction)で精度が落ちるため、対象プロダクトのリスク情報のみ読み込む設計にした。

品質基準を暗黙知のまま放置せず、フェーズ別・リスク別に言語化してAgent Skillsへ組み込むことで、AIが自らリスクの高い箇所を判断し、堅牢な実装とテストを自動生成できるようになった。skill-creatorのEvalsで効果測定も実施済み。

ZOZOのブランドソリューション開発本部ZOZOMO部FBZブロックが、Fulfillment by ZOZO(FBZ)のシステム構成図をClaude Codeで自動生成・自動更新する仕組みを構築。ソースコードと構成図の間に規約ファイル(conventions.md)と構造ファイル(structure.yaml)という中間ファイルを挟み、D2言語でテキストベースの図定義を自動生成、GitHub Actionsでリリース時に自動更新、/create-diagramというスキル(コマンド)でワークフロー化した。

従来1時間以上かかっていた構成図作成が、微調整込みで10分程度に短縮され、従来のおよそ6分の1の作業時間短縮を実現した。

NEC(日本電気株式会社)公式プレスリリース(2026年4月23日付、正式タイトルは「NEC、Anthropicとエンタープライズ AI 分野を中心に戦略的協業を開始」)。日本企業として初めてAnthropicのグローバルパートナーとなり、①金融・製造・自治体向けの業種特化AIソリューションをデスクトップAIエージェント「Claude Cowork」で共同開発、②自社の価値創造モデル「BluStellar Scenario」にClaude Opus 4.7とClaude Codeを導入、③NECグループ約3万人にClaudeを展開しAIネイティブ人材を育成、④Anthropicの技術支援・トレーニングを受け社内にCoE(Center of Excellence)を設立してClaude Codeを活用した国内最大規模のAIネイティブエンジニア体制構築を進める、という4本柱の協業内容。

・国内最大規模となる約3万人規模でのClaude導入を、大手SIer(NEC)が「戦略的協業」の形で発表した事例。・Claude CodeはCoE(社内専門組織)を通じた開発者向けエージェント活用として位置づけられており、全社員一律ではなく段階的な体制構築が計画されている点に留意。・発表時点では協業開始のアナウンスであり、生産性向上や導入効果を示す定量数値は本文中に一切含まれない(将来の追跡調査対象)。

Stripeの開発インフラチームが Claude Code を全社1,370人のエンジニアのノートPCへ事前インストールし、署名付きバイナリでセキュリティ要件を満たしたまま設定不要で配布した。適用例として1万行のScalaコードをJavaへ4日で移行している（手作業なら約10週間相当）。AIを「文脈が足りない優秀な新人」として扱う教育の枠組みで、期待値の置き方とプロンプトの書き方を社内に広げた。

高い稼働率が求められる基盤事業でも、署名済みバイナリと設定不要の配布にすればセキュリティ面の障壁を越えて全社展開できる。言語間移行のような定型で工数の大きい作業に効果が集中して出る。

PR作成前に実装者がローカルで Claude Code（依存関係定義に基づく影響分析と仕様整合チェックのSkill）と CodeRabbit CLI（diff内のコード品質チェック）を並行実行し、問題を潰してから人間レビューに回す。PR作成後は CodeRabbit がGitHub上で自動レビューする。6件のPRで両ツールの指摘を突き合わせたところ一致は5件しかなく、Claude Code は仕様乖離・影響範囲、CodeRabbit は diff 内の具体的なバグ修正案に寄っていたため、この分担をそのまま採用した。

AIレビューを人間レビューの代替ではなく前段のフィルタとして置き、ツールごとに得意な観点で分担させると、レビュー待ちという組織のボトルネックに直接効く。一方で承認までの判断時間自体は縮まっておらず、ボトルネックが着手待ちから承認判断へ移ったことを記事自身が限界として書いている。

デジタルヘルス企業League(北米、規制業界向けに約12年間ベネフィット管理・ケアプログラム・会員向けアプリを開発)が、金曜にClaude Enterprise契約を締結し月曜には全社導入を完了。Claude EnterpriseとClaude Codeをエンジニアリング組織全体に展開し、Claude Code上に構築した社内オーケストレーションツールも活用した。

エージェント型のメンバー体験へ市場が向かうと判断し、従来型のソフトウェア開発アプローチでは対応できないと見切って導入を決断。結果、アイデアからプルリクエストまでの製品開発サイクルタイムが半減し、Claude採用率は全社ロールアウト開始時の80%から98%まで上昇した。エンジニア以外の部門にも導入が広がり、財務チームは60以上の財務プロセスを自ら自動化するなど、規制業界でも本格的にコード生成AIが定着した事例。

JX通信社は元々、権限管理をTerraform(IaC)化したが、HCLをエンジニア自身が手書きしてPRを出す運用は学習コストと手間の面でハードルが高かった。そこでGitHubのIssueテンプレートに `@claude 実装して` の一文をあらかじめ仕込んでおき、申請者はテンプレートの入力欄（ユーザー名・付与したい権限など）を埋めるだけで、Claude Code GitHub ActionsがTerraformコードの差分を自動生成してPull Requestを作成する仕組みにした。さらにterraform planの長大なログはGemini APIで自動解説・レビューさせ、破壊的変更の見落としを防いでいる。利用はAnthropic直契約ではなくGoogle CloudのVertex AI経由（従量課金）とし、稟議申請なしで導入した。

非エンジニアやTerraformを普段書かないメンバーでも、日本語のIssueフォームを埋めるだけでIaCのPRが作れる「セルフサービス化」を実現した点。HCLの学習コストという参入障壁を、Claude Codeを申請フローの裏側に組み込むことで消した。

ファストドクター株式会社のオンライン診療事業本部が、Cursor・Claude Code(SubAgent生成機能を含む)・カスタムAgentを組み合わせて開発プロセスを再設計。「Cursorや Claude Codeなどのツールを使うことで3〜5倍程度はコーディングを速くできるように感じます」という体感をもとに、3ヶ月でPR数200%向上を目標に週次でマージ済みPR数を追跡した。

開発生産性向上の取り組みは「AIツール導入」だけでなく、週次目標設定とPR数の実績トラッキングをセットにすることで、体感的な高速化を組織的な成果指標(3.2倍)として可視化できる。

HubSpotがエンジニアリング・マーケティング・カスタマーサクセスの各チームでClaude Code(MCP経由でHubSpot基盤に接続)・Claude Projects・Claude Sonnet 4.5を導入した公式導入事例(Anthropic公式)。

マーケティングチームはClaude Projectsでキャンペーン文脈を集約して生産性を最大40%向上。カスタマーサクセスマネージャーはClaudeによる直接トラブルシューティングで、顧客エスカレーション対応の技術調査を大幅短縮した。

DeNAスポーツプラットフォーム部が新規サービス開発で、API仕様レビューやコードレビューに特化したサブエージェントをClaude Code・Cursor上に構築。PR作成時に変更ファイルの種類に応じて適切なエージェントが自動実行され、Claude Code ActionsとGitHub Actionsで自動レビューを行う。

機械的に検出できる指摘をAIに委ね、人間は設計・ロジックといった本質的なレビューに集中する役割分担が、レビュー回数・コメント数という定量指標で効果を示している。

Sansanインフラチームが、環境あたり約750リソースが1つのStateに肥大化していたTerraform構成をClaude Codeで分割。設計ドキュメントに構成・命名規則・実装方針を明記→Plan Modeで計画確認→Auto Applyで実行、git-worktreeで複数セッションを並列実行した。

Claude Codeにいきなり実装させず、設計ドキュメント作成→Plan Mode確認→並列実行という段階を踏むことで、大規模インフラのリファクタリングでも工数を実測ベースで圧縮できる。

Zenn運営チームがClaude Codeを使い、zenn-editorモノレポ内の複数package.jsonを段階的に最新化。DevContainerで隔離実行し、simple-git-hooksとsecretlintでシークレット漏洩防止のガードレールを追加。WebpackからRspackへも移行した。

Claude Codeの自律作業は、DevContainerでの隔離実行やsecretlint等のガードレール整備とタスク分割があってこそ、大規模刷新でも安全に効果を出せる。

非エンジニアの採用担当者(著者しおどめ)が、Claude Code・Typefully・xmcp(X公式MCP)・n8nを連携させた自動化パイプラインを設定15分で構築。Claude Codeが翻訳・要約・スレッド分割を生成し、Typefullyの下書きキューで採用担当者本人が1クリック承認した上で投稿する『生成→人が承認→投稿』の3段階構成とし、90日ほぼ放置で運用した。

最終承認を人間が行う承認フローを組み込むことで、AI自動生成でも炎上リスクを抑えたまま長期放置運用が可能になる。非エンジニアでも15分の初期設定で3ツール連携を構築できる点が鍵。

Sansan Tech Blog(Contract One Engineering Unit、著者naoya_takahashi)の一次発信(2025-09-08)。緊急時以外は全コードをAI(Claude Code等複数ツール併用)に書かせる「LLM Week」(7/7-7/13)を実施し、AIコミット比率・AI/人間のコード量・PR件数・PRレビューリードタイム・リリース数を、前後の週(6/23-6/27, 6/30-7/4, 7/14-7/20, 7/21-7/27)と比較して継続計測。

AIコミット比率を45%→80%まで引き上げても、PR件数減少・レビューリードタイム悪化・リリース数の非回復という副作用が生じることを実測データで示した点が貴重。著者自身が「単純なAI活用率の向上だけでなく、その質と運用方法が生産性向上の鍵」と結論づけており、AI活用量の増加が自動的に開発生産性向上に直結しないという反直感的な知見を一次データで裏付けている。

株式会社バニッシュ・スタンダードが、要件定義前の「リファインメント」ミーティングにClaude Codeを活用。既存コードベースを読み込ませ、設計パターンやコーディング規約を踏まえた複数の実装案を事前生成し、チーム議論のたたき台とした。

会議前段でAIに実装案を複数生成させておくフローは、口頭説明や都度の質問対応に費やしていた時間を削り、会議を「選ぶ」だけの場に圧縮できる。手戻りゼロという結果は、事前に実装レベルの詳細まで可視化されたことで認識齟齬が起きなくなったことを示唆する。

楽天グループがClaude Codeを社内の開発ワークフローに導入。新機能の市場投入までの期間を24営業日から5営業日に短縮（79%減）。複雑なコード修正タスクで99.9%の精度を達成。オープンソースの大規模リファクタリングでは7時間にわたり自律的にコーディングを継続し、複数のプログラミング環境にまたがる1,250万行規模のコードを処理した。

大企業の開発現場でもAIコーディングエージェントを長時間の自律タスクに任せられる段階に来ている。市場投入速度の短縮は開発工数削減にとどまらず、リリース頻度そのものを引き上げる効果につながりうる。

ユタ州AI責任者Christian Napier主導で、州内11機関の開発者を対象にClaude Codeの4週間パイロットを実施。導入初期の実感度と、期間中の体感速度向上・削減時間をアンケート形式で集計した。Napier本人は効果と併せて、責任ある運用をしないと品質不十分なコードを量産しうるリスクにも言及している。

州政府という規制の重い現場でも、AIコーディング支援は導入初日から体感効果が出やすく、数週間で数十時間規模の時間削減が起こり得る。ただし数値は州AI責任者の自己申告であり、第三者計測ではない点は割り引いて読む必要がある。

Rimo合同会社（東京都渋谷区）が議事録ツール「Rimo Voice」でCLIとMCP（Model Context Protocol）を同時公開。Claude Codeなどの AI エージェントから会議データを直接呼び出せるようにし、OAuth認証で利用開始できる。従来は議事録内容を手動でAIにコピペしていたが、その手間を無くす狙い。権限管理は既存の細粒度アクセス制御をAI経由の問い合わせにも適用し、経営会議など閲覧権限のない社員がAIに聞いても内容が返らない設計にした。想定用途として週次レポート自動生成、オンボーディング支援、提案書作成、経営判断の根拠確認、コンプライアンス対応の5シーンを挙げる。

議事録SaaSは「録る・書き起こす」機能だけでは差がつきにくくなっており、蓄積した会議データをAIエージェントから安全に引き出せるかが次の差別化点になっている。権限管理をAIアクセスにまで一貫適用する設計は、法人利用でAI連携を進める際にセキュリティ担保が採用の前提条件になることを示す。

SREの著者がAWSコスト最適化業務にClaude Codeを導入。1アカウントあたりの調査を「サービス別コスト→Usage Type別コスト→根本原因特定」の3段階で深掘りさせるワークフローを組み、メトリクス確認・Terraformコード読み込み・既存Issueとの重複チェック・削減提案の一覧化までをAIに任せ、Go/No Go判断とリスク評価・優先度付けのみ人間が担う分業にした。

従来は「調査コストが重く費用対効果に見合わない」として放置されていた小規模なコスト最適化を、AIによる調査の高速化で拾えるようになった。ボトルネックは実装力ではなく調査（課題発見)力にあり、AIが得意なのはコードを書くことよりも大量のログ・メトリクス・IaCを横断して根本原因を突き止めるフェーズだという指摘。調査範囲も「主要数アカウントのみ」から「全主要アカウント」へ拡大でき、深さも「1〜2個の深掘り」から「全サービス→全Usage Type→根本原因」まで到達できるようになった。

ソーシャルEC「カウシェ」の開発チームは、GitHub Actions上でClaude Code Actionを稼働させ、Goシニアエンジニア・シニアアーキテクト・GCPスペシャリストという3つのペルソナに並行してPRレビューを担当させている。各ペルソナはレビュー設定ファイルやコーディング規約、サービス固有の実装パターン、開発者プロファイルなどをコンテキストとして参照し、指摘をマージを止める「BUG」と参考情報の「SUGGESTION」に分類する。機能追加・リファクタリング・テスト追加などの日常的なサービス開発PRはCIが通りブロッキング指摘がなければAIレビューのみで自動マージし、DBスキーマ変更や設計判断など不可逆性の高い領域は人間レビューに残す運用にしている。

AIコードレビューは「人間レビューの負荷軽減」にとどまらず、不可逆性の低い変更については品質ゲートそのものを代替できる段階に来ている。線引きの鍵は「ロールバック可能かどうか」で区切ることにあり、DBスキーマ変更や決済・認証など戻せない領域だけを人間に残す設計が、自動化率を上げつつ事故を防ぐ現実解になる。

ファインディ株式会社のプリンシパルエンジニアが、開発組織でのClaude Code / GitHub Copilot活用状況をFindy AI+（AI活用可視化ツール）で計測し、AI DevEx Conference 2026の登壇内容としてブログにまとめた。組織体制を「兼務から専任」へ切り替え、Claude Code Pluginsを使ってSkillを全社一斉配布し「可視化→配布→浸透」のサイクルを回す運用にした。

AI導入は配布して終わりではなく、利用ログ(セッション数・実行回数・トークン量・PR作成数など)を定点観測して可視化し、改善サイクルを回すことで組織に定着し活用が拡大する。専任チームを置いてツールを配布・浸透させる体制自体が、生成AI活用を「一部の得意な人だけ」から組織全体へ広げる鍵になる。

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。

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。

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(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。

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。

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。

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。

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。

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。

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。

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。

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。

ファインディ株式会社のエンジニア(山岸氏)が、Claude Codeのカスタムスラッシュコマンド「/create-job-posting」を実装。企業名と既存求人票URLを入力すると、Notion MCPがカテゴリ・ページタイプで検索範囲を絞り込んで企業情報を自動検索(複数候補時はユーザー選択)、既存求人情報をAPI取得した上でドラフトを自動生成。情報ソースに記載のない項目は推測せず「確認が必要な項目」としてリストアップする品質管理を組み込み、属人化した暗黙知をプロンプト化することで誰でも同水準の求人票を作れるようにした。

求人票作成のような「情報収集+定型フォーマット化+ただし属人的な暗黙知が多い」業務は、MCP経由の社内データ(Notion等)アクセス+カスタムスラッシュコマンド化で単純自動化するのではなく、「不明点は推測せず要確認リスト化する」ガードレールを明示的に組み込むことで、品質を落とさずに属人化を解消しつつ大幅な時間短縮(20分〜1時間→約5分)を実現できる好例。

GMOコネクトの永田氏が2026年2月、Claude Code(Opus 4.6)にGemini API(Nano Banana Pro / gemini-3-pro-image-preview)を呼び出す自作Agent Skill(’.claude/skills/generate-illustration/’、SKILL.md + scripts/generate_image.py 約90行)を実装。約620行のデザイナー指示書(proposal/illustration-request.md、共通スタイル+10枚分個別仕様)を作成→画像生成→差分レビュー→Slidevスライドへの挿入→Playwright MCPでの表示確認までを、人手を介さずClaude Codeが自律的に一気通貫で実行し、提案スライド用の挿絵10枚(アーキテクチャ図・データフロー・防御モデル・可用性構成・認証シーケンス・ダッシュボード・CI/CD・コンテナ比較・現行構成・コスト比較)を生成した。

620行に及ぶ詳細な指示書を用意すれば、画像生成から差分レビュー・資料組込・表示確認までをAIエージェントが人手を介さず一気通貫で実行できる。自律度は指示書の作り込みの深さに比例することを示す実例。

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。