生産性2.45倍を実現！オプティムのCursor全社導入事例

ツール導入前の課題

オプティムでは、LLMによるコーディングアシスタントツールの進化が著しく進んでいた2024年度上半期頃から、いくつかのチームでContinue、Clineなどをトライアルし始めていました。しかし、全社的には統一されたツールが導入されておらず、趣味の個人開発や小規模チーム開発と全社開発の間に生産性のギャップが生じていました。 特に課題となっていたのは以下の点です

• 個人で利用しているエンジニアは著しい生産性向上を実感していたが、全社では活用できていない状況
• AIコーディングアシスタントの導入効果を定量的に示すことが難しく、全社導入の意思決定に必要な「費用対効果（ROI）」の説明が困難
• 様々なツール（Cline、Cursor、Claude Code等）が乱立しており、どれを選択すべきか判断が難しい
• Clineは高機能だがコストが高く、全社導入すると利用状況によっては十分なコストパフォーマンスが発揮できないリスクがあった

どのような状態を目指していたか

全社で自由に利用できる CI/CD 用の Runner など、開発に関わる環境全般の整備などを進めている「開発環境改善WG (ワーキンググループ)」を中心に、以下のような状態を目指していました

• 全エンジニアが最新のAIコーディングアシスタントを活用できる環境を整備し、高い生産性を組織全体に展開する
• データに基づいた客観的な効果測定により、ツール導入のROIを明確に示し、継続的な投資判断ができる体制を構築する
• コスト管理の仕組みを整え、予算内で最大の効果を得られるツール選定と運用方法を確立する
• エンジニアがより本質的な課題解決に集中できるよう、定型的なコーディング作業をAIに任せられる開発体験を実現する
• エンジニアが個別に無許可のAIツールを使用することによるセキュリティリスクやガバナンスの問題を防ぐため、なるべく社内でガバナンスの効いた公式ツールを整備・導入する

オプティムでは、2024年上半期に実施した技術選定当時には、以下のAIコーディングアシスタントツールが比較検討の対象となりました

• Continue
• Cline
• Cursor
• V0 などのコード生成ツール

1. コストパフォーマンス: 全社導入時の月額コストと効果のバランス

   • Clineは高機能だが全社導入時のコストが高すぎる
   • Cursorは比較的コスト効率が良く、予算管理しやすい
   • ※ 技術選定当時の状況で判断しております。

2. 効果の定量化のしやすさ: ROI算出に必要なデータ取得の容易性

   • Cursorは変更したコード行数や承認した行数が簡単に計測できる
   • 生産性向上を数値で示すことができる

3. 運用の柔軟性: コスト管理の仕組みとの親和性

   • 使用量に応じた柔軟なツール割り当て（Cline, Claude Code⇔Cursor間の移動）が可能か
   • コスト監視の仕組みが構築できるか

4. 既存ワークフローとの統合: 開発環境への導入のしやすさ

   • VSCode等の既存エディタとの互換性
   • チーム開発における導入障壁の低さ

5. タブ補完機能: コーディング中のリアルタイム補完

   • AIによるコード提案がタブキーで即座に適用できる機能
   • 開発体験を大きく向上させる重要な要素

6. AIによる生産性の可視化: 入力行数・承認行数の計測

   • AIで入力した行数、Acceptした行数をダッシュボードで確認できること
   • 効果測定とROI算出に不可欠

7. オプトアウト機能: データ利用の制御

   • コードがAIの学習に利用されないようにする設定が可能か
   • セキュリティとプライバシーの観点から重要

8. SSO（シングルサインオン）対応: アカウント管理の容易性

   • 社内の認証システムとの統合
   • 退職時のアカウント停止対応など、ガバナンスの観点で必須

オプティムでは、2026年1月現在、Amazon Bedrock、Claude Code、CodeX、Cursorなどが活用されており、多くのエンジニアはCursorを利用しています。 Cursorを中心とした全社導入の決め手となったのは、以下の3点です

1. アンケートを中心としたROI

   • コーディング時間における生産性が平均2.45倍に増加
   • エンジニア1人としての総合的な生産性が1.7倍に向上
   • 類似タスクの実装期間比較、従来見積もりとの実装時間ギャップ、生産コード量の変化という3つの指標から客観的に効果を測定

2. コスト管理の仕組みを確立

   • 年間1000万円以上の予算設定（2025年6月全社導入時）
   • 一時的な利用者は従量課金で利用するCline、恒常的な利用者はコスト効率の良いCursor、というハイブリッド運用方式
   • 月間の使用量が多いユーザーをCursorに移行させることでコスト最適化

3. 経営層の理解と承認

   • 社長への直接デモにより、生成AI関連ツールのポテンシャルを体感してもらえた
   • アンケートに基づいたROI説明により、全社導入の承認を獲得
   • 個人開発と全社開発の生産性ギャップを埋めることの重要性が経営層に理解された

改善したかった課題はどれくらい解決されたか

当初の課題であった「個人開発と全社開発の生産性ギャップ」については、2025年6月の全社導入により、全エンジニアがAIコーディングアシスタントを利用できる環境が整いました。

ただし、2026年1月時点での振り返りでは、「開発者の体験が非常に良くなった」一方で、「利用の月次変動幅も大きく、わかりやすい形ではアウトプットのKPIには現れていない 」という課題も明らかになっています。GitLabのコミット数やコード変更量では明確な効果が見えておらず、効果測定の指標自体の見直しが必要とされています。

どのような成果が得られたか

導入初期の成果（2025年6月時点）

• 年間1000万円以上の予算で全社導入を実現
• コーディング中心の業務を行うエンジニアにおいて、アンケートによる生産性向上を確認
• ROI算出により、ツール導入効果を経営層に説明可能な形で可視化
• 類似タスクにおいて、実装期間の大幅な短縮を実現

運用半年後の実態（2026年1月時点）

• 利用は定着し、エンジニアの開発体験は大幅に向上
• 一方で、コミット数などの従来指標では効果が現れていない課題も浮上
• Four KeysやAIに特化した新しい計測指標の導入を検討中

費用対効果の可視化という壁

最も苦労したのは「生産性が上がる」という感覚的な実感を、客観的なデータとして示すことでした。個人レベルでは「生産性が向上した」と感じていても、それを組織全体の意思決定に繋げるには、具体的な数値による説明が不可欠でした。

「開発生産性」の可視化は、どのような開発組織にとっても非常に難しい問題です。プロジェクトやプロダクトのフェーズが異なる場合や、担当業務がマネジメントや設計中心の場合は、単純な比較が困難になります。

ツール選定時の悩み

LLM関連ツールは「毎月新しいものが出てくる」という状況で、どれを選ぶべきか判断が難しい状況でした。Continue、Cline、Cursorなど複数のツールを並行して評価し、最終的にはコストと機能のバランスからCursorを中心とした運用に決定しました。

1. 小規模なトライアルから始める: まずは少数のアーリーアダプターで効果を検証し、フィードバックを収集することが重要です。オプティムでは40名から始めて段階的に拡大しました。

2. ROI算出の方法を事前に設計: 全社導入の承認を得るには、客観的なデータが不可欠です。オプティムの例（類似タスク比較、見積もりとのギャップ、コード量変化）を参考に、自社に合った測定方法を確立しましょう。

3. 経営層への説得は「体感」と「データ」の両輪で: 実際のデモで「革命的」な体験を共有しつつ、具体的な数値で裏付けることで、説得力が増します。

4. 効果測定指標の継続的な見直し: 従来の開発指標では効果が見えにくい場合があります。Four KeysやAI特化の新しい指標など、継続的に測定方法を改善していく姿勢が大切です。

5. ハイブリッド運用を検討: 単一ツールにこだわらず、コストと機能のバランスを取りながら、複数ツールを組み合わせる運用も効果的です。

オプティムの開発環境改善WGでは、以下の方向性で取り組みを継続しています

• 効果測定の高度化:
  • Four Keysなどの新しい開発生産性指標の導入
  • AIコーディングアシスタントに特化した独自の計測指標の創出
  • 「開発者体験の向上」を定量化する新しいアプローチの模索
• コスト最適化:
  • Cline、Cursor、ClaudeCode、CodeXなどの使い分けルールの精緻化
  • コストをさらに効率化する仕組みづくり
  • 費用対効果を継続的にモニタリングし、経営層へのフィードバック体制の確立
• 組織的な取り組み:
  • LLMや新しい技術を積極的に活用し、エンジニアがより本質的な課題に集中できる環境づくりの継続
  • データに基づいた意思決定を大切にするカルチャーの維持
  • 開発生産性WGとの連携による、包括的な生産性向上施策の推進

AIコーディングアシスタントは、今後も進化を続けるツール群です。オプティムでは、これらの最新技術を積極的に取り入れながら、データドリブンな効果測定と柔軟な運用体制により、継続的な開発生産性の向上を目指しています。