Claude Codeを導入するまで・今後の展望をレビューでご紹介

ツール導入前の課題

以前より一部のエンジニアが GitHub Copilot や Claude などのAIツールを個人レベルで活用していました。 しかし、その利用効果は個人に限られており、組織全体としてAIのポテンシャルを最大限に引き出せているとは言えない状況でした。

どのような状態を目指していたか

まずは開発部で、AIを利用した開発や運用自動化を開始している状態に持っていきたいと考えました。 AIを利用した効果として開発生産性や品質の向上などを期待したいところですが、AIの利用が始まらないことには効果が確認できなかったためです。

• Claude Code（採用）
• Devin
• Cursor
• Gemini CLI

• リファレンスの充実度、利用事例などドキュメントが豊富にある
• 開発の活発さ（機能追加の速さ、投資額など）
• セキュリティとコンプライアンス（オプトインとオプトアウトのデフォルト設定など）
• 管理機能・運用観点
• コスト・契約条件

最終的に決め手となったのは、ドキュメントが豊富にあること、またファインディさんやクラスメソッドさんがClaude Codeの勉強会を実施していたことで、具体的な運用イメージが湧いたことが大きいです。

弊社ではまずAIを使って実際に何ができるのか、AI開発合宿を開催しました。

合宿参加者がどのAIツールを利用したいか決めて、AIを利用して開発することになっていましたが、その時点でClaude Codeの利用が最も多く、知見も集まりやすかったというのもあります。

合宿後も業務の中で検証として使い続け、さらに冒頭で書いた通り、他社さんの事例もあり、Claude Codeをまずは使い続けてみようとなりました。

改善したかった課題はどれくらい解決されたか

• この記事を書いている時点では、開発部で幅広くClaude Codeを利用し始めて1か月程度で、今後、開発生産性や品質が向上するかなどを確認します。
• AI利用率は上がってきているものの、まだ決して高い利用率ではありませんので、まずはここを上げたいと考えています。

どのような成果が得られたか

上記の通り、これから成果を確認していくことになるとは思いますが、下記のような成果を確認しています。

• Claude Codeを利用した運用自動化（SREでのAWSコスト分析、問い合わせ内容の分析など）
• プロジェクトにおける開発スピードの向上
• システム不具合発覚時の原因調査のスピード向上

現在も決してAI利用率が高いわけではありませんが、どう開発部の中でAIを利用してもらうか、広げていくかが最も苦労した点です。 「自分でやった方が早そう」など、抵抗感はあったのかと思います。 この利用率が上がらないと、その先のAIを利用した開発生産性や品質の向上の世界観も見えてこないため、正式にClaude Codeを導入する際に解消する必要がありました。

組織でAIツールを利用する上で、運用整備（セキュリティ、設定ファイルの管理など）は不可欠ですが、Claude Codeはドキュメントが豊富で、ネット上の記事でも参考になる知見が多く、まずはそれらをベースに運用が開始できると思います。 また、ブラッシュアップしながら、会社に合わせた運用に育てられるかと思います。

• 利用状況と効果のモニタリング
  • 「どのチームが」「どの開発フェーズで」AIを利用し、それが「開発工数」や「コード品質」にどのような影響を与えているかなどを定量的に計測していきたいと考えています。
• 運用ルールの適宜見直し
  • モニタリングで得られたデータや、現場からのフィードバックに基づき、Claude Codeのガードレール設定など、常に最新の状態にアップデートしていきます。