freee での Cline の利活用

当時、既存のAIツール（GitHub Copilot等）の利用は進んでいましたが、開発プロセス全体の抜本的な効率化には限界があり、より自律性の高い全社で使えるAIコーディングエージェントツールへの期待が高まっていました。そこで、Clineを始めとしたAIコーディングエージェントを、開発プロセスへ標準的に組み込むことを念頭に、導入を進めることになりました。

• GitHub Copilot
• Cursor
• Windsurf

• ソースコードや機密情報の保護、不正なコマンド実行の防止ができること
• 従量課金コストの可視化と統制ができること

• Amazon Bedrock などを利用している社内LLM基盤がバックエンドとして利用できたこと
• 性能面で社内開発者の評価が良かったこと

多くの開発者が生産性アップを実感し、Cline 以外のAIコーディングエージェントも含めると利用率は86%まで達しました。特に利用量の多い開発者に関してはPull Request数の増加などが見られました。 また、コーディング以外の作業でもシステム設計やドキュメンテーション、コードリーディングなどにも利用され、幅広い業務での作業効率化に繋がりました。

主にセキュリティ、コスト、利用者リテラシーの3つの課題がありました。

セキュリティ面では、ソースコードの学習利用、機密情報の外部送信、危険なコマンド実行といったリスクが課題でした。対策として、入力データが学習に利用されないAmazon Bedrockを採用し、さらに独自プロキシによる入力情報のマスキングと出力コマンドのガードレールを実装しました。

コスト面では、従量課身制によるコスト高騰のリスクや、費用対効果の把握が課題となりました。これには、Bedrockへのタグ付けやプロキシ経由のログ分析を通じて、利用状況をリアルタイムで監視・可視化する仕組みを構築して対応しました。

利用者リテラシーの面では、使い方による効果のばらつきや、設定不備がセキュリティリスクに繋がる点が課題でした。対策として、共通の利用ルールを策定するとともに、リスクのある機能（MCP）の利用を制限し、代替となる安全なカスタムMCPを開発・提供しました。