日本 × 開発（177件）（101〜150件目・3/4ページ）

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

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。

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)

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。

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。

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。

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)

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/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。

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。

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)

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

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。

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)

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)

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)

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。