日本 × 開発（153件）

CEDEC2026でTencent Japan合同会社の李玥江氏が講演し、Tencent社内で生成AIをデザイン・開発・QA・業務効率化の各工程に組み込んでいる実例を紹介した。ライティング工程ではクラウド並列処理とAI画質強化・アーティファクト除去を組み合わせたツール「Magic Dome」を導入、開発工程ではFigmaの内容をMCP経由で読み込みコーディング支援を行うAIエージェント「CodeBuddy」を社内展開している。

効率化ツールの効果を「N倍高速化」「N%削減」の具体数値で開示している事例で、単なる生成AI導入の宣伝ではなく工程別（ライティング/コーディング/QA）に効果測定値を出している点が参考になる。ASO記事や自社の開発効率化施策の説得材料として引用可能。

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のグローバルシステム部フロントエンドブロック（BtoBサービス「ZOZOMETRY」開発チーム）が、AI生成ユニットテストを2か月間運用。レビュー品質を保つため、①テストサマリ自動生成でレビューの入口のハードルを下げる、②PRサイズを100行程度に抑えて1回あたりのレビュー負荷を下げる、③目視確認をプロセス化する、という3つの施策を導入した。

数値向上と同時に、AIの生成速度と人間のレビュー速度のミスマッチ、コンテキストの属人化、インプット/アウトプットだけでは品質担保が困難という新課題も正直に報告している点が実践知として有用。

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)。

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。

AI駆動開発で実装速度が上がった結果レビューが追いつかなくなったため、AIエージェント Devin にレビューを一次委譲した。カスタムPlaybookを2種類用意し、(1)アーキテクチャ・命名規則・依存関係・コード規約をリポジトリ内docsと突き合わせる実装ガイドライン準拠チェック、(2)要件定義書・仕様書・テストケースとの整合、エッジケース網羅、UXフロー確認を行うビジネスロジック検証に分けた。PR作成後にGitHub Actions経由でDevin APIを呼んで自動レビューを起動し、作成者が先に修正、その後で人間が最終レビューする順序にしている。

実装だけAIで速くしてもレビューが詰まればスループットは頭打ちになる。汎用レビューではなく、自社のガイドラインや要件書と突き合わせる専用Playbookを作り込んだ点が効いている。

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。

2023年5月に導入したGitHub Copilotの社内利用実績をZOZOが公開し、キーマンズネット（ITmedia）が取材・記事化。アクティブアカウント数、コード補完の提案回数と受け入れ回数、Copilot Chatのやりとり回数を継続的に計測している。2025年4月のAgent mode / Code review 提供時には対象エンジニアを約550人へ拡大し、社内勉強会で使い方を共有した。

導入から1年超が経ってもコード補完の採用率が約30%で定着している点、Chatの利用回数のうち実際に開発へ活かされた件数まで分けて見ている点が参考になる。定量指標での計測と勉強会という定性施策を組み合わせて定着させる運用設計。

DeNAインフラSREチームがCursorを活用。①関数呼び出しグラフをGraphviz(DOT形式)で自動生成しビジネスロジックの流れを図解化するカスタムコマンド`/make-function-call-graph`(AIによる動的フィルタリングで必要情報のみ表示可)②PR説明文の作成とPR作成を自動化する`/make-pr`コマンド、を`.cursor/commands/`にGit管理してチーム全体で共有・定型レビュー作業を自動化した。

構造可視化と定型作業の自動化により、レビュー時の認知負荷を下げつつ、浮いた時間を本質的なレビューや設計議論に再配分できた事例。ただし導入対象のプロジェクト数・チーム規模は記事に明記なし。

Four Keys指標（デプロイ頻度・変更リードタイム）を導入前後で比較。デプロイ頻度は31→29件、変更のリードタイムは87.37時間→88.51時間とほぼ同水準を維持。この間シニアエンジニアが1名減員していたにもかかわらず開発生産性の指標が落ちなかった。また技術検証フェーズでCursorを活用したところ、人力でゼロから開発すれば2〜3日かかると見積もっていた検証を1日で完了できた。

AIコーディングツール導入の効果を「感覚」ではなくFour Keys指標という客観的な開発生産性指標で定量評価した事例。人員減という悪条件下でも指標が維持されたことで、Cursorが生産性の下支えに寄与したことを裏付けている。

DeNA IT基盤部SREが、仕様が明確で自動検証可能なタスクはDevin、不確実性の高い作業はCursor、情報収集・方針検討はGeminiと役割分担。Devinの実装待ち時間に人間が並行して他施策を進める体制で、レガシーPerlシステムをGoへモダン化した。

単一のAIツールに頼らず、タスクの性質(自動検証可能性・不確実性)で自律型エージェントと対話型エディタを使い分けることが、大規模レガシー移行の実務時間短縮につながっている。

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。

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。

LayerXのAI・LLM事業部（11〜50名規模、2025年1月導入開始）が自律コーディングAI「Devin」をSlack経由で運用。エンジニアがSlackで「@Devin」にメンションして開発タスクを依頼すると、DevinがGitHub上でPRを作成し、人間がレビューする流れ。リポジトリのコンテキストを登録する「Knowledge」機能も活用し、タスクに適したものを選んでDevinに任せる運用を構築した。

SlackメンションでAIエージェントにタスク依頼→GitHub上でPRレビューという運用フローを構築することで、Devin導入によりコンテナイメージサイズ70%削減・デプロイ時間40%削減という具体的な効率化効果が得られた事例。

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。

NECが2026年1月からAIコードレビューサービス「Metabob」を正式導入。社内のAI専門チームが技術検証を実施した。コードの依存関係・実行フローをグラフ構造として解析し、複数ファイルにまたがる複雑なバグや実行時に顕在化するエラーの予兆を事前検出、修正案の提示までを自動化する。

既存の静的解析ツールが構文レベルのチェックに留まる中、グラフ構造解析+AIモデルで複数ファイルをまたぐバグを検出できる点が差別化要因。「AIでコードは書けるがレビューで止まる」という現場のボトルネックにピンポイントで効くツール活用の好例。

TIS株式会社の生成AI活用促進チームが2023年7月からGitHub Copilotの本格導入を推進。2024年9月時点で278名が利用し、グループ会社の新入社員を含む202名が2024年度開発研修でも利用した。効果測定のため23部門119名を対象にアンケートを実施し、生産性・コード品質・レビュー・スキル向上・開発者体験の各項目を定量測定した。

SIer大手が部門横断のアンケートで感想でなく回答比率という定量データを示した事例。生産性・作業時間削減・コード品質・レビュー指摘数減少など複数指標で導入効果を裏付けている。

レコメンド基盤を刷新し、①「急上昇」(note内で盛り上がっているトピックを高頻度反映)②「おすすめ」(クリエイターの行動履歴から興味度を計算し「フード」→「和食」等の細粒度トピック単位で提案)③「カテゴリページ」(映画・ドラマ等分野別の人気トピック表示)の3セクションを導入。アーキテクチャはSnowflakeを責任分界点とし、note AI creative株式会社がGeminiで記事にタグ付与→RDB経由でSnowflakeに同期→Databricksで機械学習処理→S3/SQS経由でnote本体に非同期反映する構成。ツールの境界と組織の境界をリンクさせ、各チームが自領域に集中できる設計にした。

組織を跨ぐ機械学習基盤刷新は、システムの責任分界点(Snowflake)を組織の役割分担(AI子会社=タグ付与・スコアリング、本体エンジニア=機械学習処理とプロダクト反映)と一致させることで、チーム間調整コストを下げつつ開発速度を維持できる。プロトタイプ実装から約3ヶ月というテスト期間の短さと、安藤PMが言及する「累計16回の検証、今後の検証候補50個」という反復ペースが、数ヶ月単位でインプレッション4倍・PV2倍という結果に結びついた一因と読める。

カカクコムが8部門・22名を対象にGitHub Copilotを2ヶ月間トライアル導入。効果測定にはPR数などの生産量指標ではなく、開発者の満足度・幸福度や効率・フローも含むSPACEフレームワークを採用。結果、1日平均27分（月換算約9時間）の作業時間削減、削減効果ありと回答したのは86%。特にテストコード生成での効果が高かったほか、人材獲得・離職防止の観点でも73%がポジティブに回答した。

生産量（PR数など）だけでなく満足度・幸福度を測るSPACEフレームワークを使った点が特徴で、単純な「アウトプット増」ではなく開発体験の改善を定量化している。最も保守的な試算でも6ヶ月で年間利用料を回収できるとしており、投資対効果の説明材料としても具体的。記事の公開日は2023年10月27日で、比較的初期のCopilot導入検証事例である点に留意。

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。

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。

通販大手ベルーナが、COBOLなど長年の改修で複雑化・属人化した基幹業務システムの保守運用(調査・設計書作成)に自律型AIエンジニア「Devin」を導入。ULSコンサルティングが導入・活用を支援し、2025年10月からトライアル運用を実施した。

特定業務システムの調査・設計書作成にかかる作業時間を約3割(29%)削減。あわせて作業の属人性軽減・品質の平準化効果も確認され、担当室長は「AIと人が協調する新しい開発スタイル」の確立を掲げ、今後Devinの活用範囲を拡大する方針。

株式会社エブリーの開発本部が、運用チームからの「実データを確認しないと答えられない問い合わせ」(管理画面設定やAWSジョブの実行状況など)に一次対応するbotをClaude Managed Agentsで構築した。Custom tools(管理画面API・AWS確認)、MCP(Confluence・Slack連携)、GitHub(ソースコード参照)を組み合わせ、書き込み操作は実装せずread-only限定で展開。試運転で約30件の実問い合わせに一次回答した後、評価用データセット32件(5観点・計10点満点、8点以上を合格ラインとする採点基準)でスコアリングし、平均8.1点/10点、合格ライン達成21件/32件(約65%)を計測した。

問い合わせbotは作って終わりにせず、評価データセットとスコアリング基準を用意して運用開始前に品質を定量把握する設計が有効。複数の社内システム(管理画面/AWS/Confluence/Slack/GitHub)を横断調査する用途はコーディングエージェントの得意領域を非開発業務に転用できることを示す。

ダイニーの開発チームが、社内の「データ・ログ・コードを人が読みに行かないと答えが出ない」タイプの問い合わせに答えるSlack bot「@ask-anything」をClaude Managed Agentsで構築した。構成はSlackイベントを受けるHTTPハンドラ／セッション管理・イベント中継／カスタムツール実装の3層で、BigQuery実行・Cloud Loggingのログ確認・monorepoのread-only検索・Notionの過去事例参照などをツールとして持たせている。前回Mastraで自前実装したオーケストレーションの約7割が不要になり、認証情報の管理もMCP server側に委譲した。

社内問い合わせ対応は、コーディングエージェント基盤をSlack bot化して既存システム（DB・ログ・コード）を横断調査させることで、エンジニアへの割込み負荷を大幅に下げられる。エスカレーション率という単一指標を週次で追い、改善を継続する運用設計が定着の鍵になっている。

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。