Claude Code導入とAI駆動開発の始動

ツール導入前の課題

GitHub Copilotを利用していましたがコーディング補助にとどまっており、更なる効率化を図りたい思いがありました。

Devinも導入していて、こちらは自律的に動いてくれる時間が長く作業の移譲がしやすい一方で「最初に与えるプロンプトの質が出力の質に直結するにも関わらず、結果確認までのタイムラグが大きい」「調査・実装以外のフローまで自動化できるわけではない」という点では課題感がありました。

どのような状態を目指していたか

仕様策定からテスト・レビューまで開発プロセス全体をAI駆動に転換し、業務効率を大幅に向上させることを目指しました。具体的には以下の状態です。

• MUST: エンジニアがAIの提案を検証・判断する役割にシフトし、開発サイクルを加速させる
• WANT: チーム間でのナレッジ共有を促進し、属人化を防ぐ
• WANT: 仕様書ベースでAIが一貫した実装・テスト・レビューを行えるワークフローの確立

• GitHub Copilot
• Devin

• 開発プロセス全体への適用範囲: コード補完だけでなく、仕様策定・テスト生成・レビューまでカバーできるか
• カスタマイズ性: チームごとの開発ルールやコーディング規約を柔軟に反映できるか
• セキュリティ: コードの外部送信やアクセス権限の制御が適切にできるか

やはり、開発プロセス全体に介入できるエージェント型ツールであった点です。導入が進んだチームではチケット管理といったコーディング以外の領域まで自動化し、開発速度の大幅な向上ができ始めています。

加えて、プロジェクト固有のコンテキスト管理や開発フローのカスタマイズ性の高さも選定理由です。チームごとに異なる開発ルールを設定ファイルとしてGit管理でき、テンプレートとして他チームに展開もできる点が組織的な導入に適していました。

改善したかった課題はどれくらい解決されたか

パイロットチーム（4名+マネージャー）で4週間のメトリクスを計測し、以下の改善を確認しました。

ただし、チーム立ち上げ直後でコンテキスト整備が容易であり、効果が即座に出やすい条件が整っていた状況でした。仕様駆動開発の導入と並行して自動テスト・CI/CDを整備したため、すべてがツール単体の効果とも言い切れません。

どのような成果が得られたか

定量面に加え、開発プロセスの質的な変化が大きかったです。

• テストファーストの定着: 仕様書にテスト要件を含めるフローをClaudeのスキルで組み込んだことで、「まずテストを書く」が自然に実行されるようになりました。テストが通っている安心感があるからこそ、速いサイクルでのマージ・デプロイが可能になっています
• PRサイズの縮小: 平均2,136行→987行と54%縮小。小さく頻繁にデリバリーするスタイルへの移行が進みました
• レビュー認知負荷の適正化: AIの1stレビューにより、人間は仕様適合性やアーキテクチャ判断に集中できるようになりました

現在の活用状況

自チームではClaude Code + OpenSpec（仕様駆動開発フレームワーク）を組み合わせた開発フローを確立しています。仕様策定→実装→AIレビュー→人間レビューの一気通貫フローが日常的に回っている状態です。

タスク管理も、あらゆる場面で自動化が進み、短時間で要求・要件を整理することができつつあります。

全社的には、パイロット導入の成果をもとに他チームへの展開を進めている段階です。スクラムマスター達と連携しながら、各チームの状況に合わせた導入支援を行っていく予定です。 また今後の展望として、エンジニアに留まらず社内ドキュメントの集約を進め、問い合わせや要件定義のコミュニケーションコストを大幅に低減したいと考えています。

• 全社一律の導入が難しい: 当初は全社一括導入のロードマップを組んでいましたが、チームごとに技術スタック・開発フロー・課題感・ツール移行へのモチベーションが異なるため、一律のルールでは回りませんでした。結局、自チームでパイロット導入して成功事例を作り、その実績をもとに他チームへ広げる戦略に軌道修正しています。導入後のヒアリングでは、多くのエンジニアがほぼ毎日利用していることを確認できています。
• テンプレート配布のマージ率が低迷: 設定テンプレートファイルをCI/CDで社内の全リポジトリに自動配布しましたが、マージ率は数%にとどまりました。「情報量が多すぎてどこから手をつけていいか分からない」「自チームには関係ない設定も多い」というフィードバックがあり、またプロジェクト状況的にAI駆動開発に即座に転換することが難しかったチームもありました。そのため、テンプレートよりもSlackでのTips配信やハンズオンの実施といった情報提供の方がポジティブなフィードバックを得られました。
• レビュー体制の混乱: AIレビューと人間レビューの役割分担が不明瞭であったことも相まって、新しい開発フローに習熟するまでは一時的にPRマージが停滞しました。AIによる1stレビューを必須化・自動化し、レビュイーの2ndチェック後にPR提出するレビューモデルを整備することで改善しています。
• 仕様書の整備に関する合意: 開発の重心がコーディングから仕様策定・チーム間コラボレーションに移っていくことや、AI・人間双方のシステム理解のため、必要十分な仕様書を整備する必要がある点など、広く社内理解を求めることは今後の課題です。Claude Codeに限らず、AI駆動開発にあたってはドキュメントを適切に整備してAI社員をオンボーディングする必要性を感じています。

繰り返しになりますが、LLMに渡す要件の明確化をどのように実現するか、導入前または直後など早期に計画する必要があります。

最初から完璧な挙動を求めるのではなく、非常に優秀だが社内の暗黙知は何も理解していない新人エンジニアをオンボーディングするという認識・準備が必要になります。

従来の開発手法とはフローが根本的に変わるため、開発フローの再構築を許容できる組織文化の醸成にも同時に取り組むことになると思います。

弊社もチャレンジしている最中ですが、それらを乗り越えられればプロダクトの価値提供の迅速化に大きく貢献してくれるツールだと感じています。

パイロットチームでの成功事例をもとに、他チームへの展開を加速させていきます。チーム間でのナレッジ共有の仕組み化、特に仕様書の置き場所の統一やセキュリティガイドラインの整備が直近の課題です。

テストカバレッジの計測・可視化も未着手のため、CI組み込みから着手します。ツールも概念も日々進化しているため、「完成」を目指すのではなく変化に適応し続ける姿勢で推進を続けていきます。