先に結論: AIが速さを、人が品質を担います

最初にお伝えしたいのは、AIがすべてを自動で作るわけではない、ということです。

AIは疲れを知らず、速く、大量に書けます。一方で、お客様の業務を理解し、要件を整理し、「この作りで本当に大丈夫か」を判断できるのは人間のエンジニアです。私たちのAI駆動開発は、この2つの役割をはっきり分けることで成り立っています。AIが書いたコードをそのまま納品することはなく、経験あるエンジニアが必ずレビューしたうえでお渡しします。

以下、工程ごとに実際の使い方を説明します。

設計工程: たたき台づくりと技術調査を任せています

設計の工程では、Claude Codeを主に2つの用途で使っています。

  • 設計書・仕様書のたたき台づくり — ヒアリングで整理した要件をもとに、画面や機能の構成、データの持ち方といった設計文書の下書きをAIに作らせます。ゼロから書くより速く選択肢を並べられるため、エンジニアは「どの案を選ぶか」「何が抜けているか」の検討に時間を使えます。
  • 技術調査 — 採用候補の技術やライブラリの調査・比較の下調べを任せます。

一方で、お客様へのヒアリング、要件の整理と業務の理解、設計の最終判断、技術の選定は人が行います。ここを誤ると、あとの工程がどれだけ速くても良いシステムにはならないからです。

実装工程: コードを書く速さはAI、正しさの判断は人

実装の工程では、エンジニアが実装方針と制約を指示したうえで、コードの作成をClaude Codeに任せます。定型的な処理や画面の組み立てなど、従来はエンジニアが手を動かして時間を使っていた部分を、AIが高速に書いていきます。

ただし、生成されたコードはすべて、経験あるエンジニアがレビューします。要件との整合性、データの扱い、権限の境界、保守のしやすさを確認し、「動く」だけでなく「安全で、あとから直しやすい」コードになっているかを判断します。レビューで通らないコードは、人が直すか、AIに修正を指示してもう一度レビューします。

テスト工程: テストコードの作成と実行を任せ、観点は人が設計します

テストの工程では、テストコードの作成と実行をClaude Codeに任せています。人手では後回しになりがちなテストコードを最初から量産できるため、変更のたびに自動でテストを流し、壊れた箇所にすぐ気づける状態を保ちやすくなります。

ここでも、どこを重点的にテストすべきかという観点の設計と、テスト結果の最終確認は人が行います。お客様の業務にとって何が致命的かは、業務を理解した人間にしか判断できないためです。

AIに任せていないこと

整理すると、次の仕事はAIに任せず、エンジニアが直接担っています。

  • お客様へのヒアリングと、要件の整理・業務の理解
  • 設計の最終判断と、技術の選定
  • AIが書いたすべてのコードのレビューと、品質の担保
  • お客様への説明・報告と、納品

私たちは営業を挟まず、この一連の流れをヒアリングから納品まで同じエンジニアが担当します。AIの導入で変わったのは「エンジニアの時間の使い道」であって、責任の所在ではありません。

効果について、正直に言えることと言えないこと

言えることは、設計・開発・テスト・運用の各工程でAIコーディングを実務活用し、開発スピードの向上と工期の短縮につなげていること、そして圧縮できた工数分をお見積もりの価格に反映していることです。

一方で、「工数を◯%削減」といった数値は掲げていません。効果は案件の内容によって差があり、根拠を示せない数字でご期待を煽りたくないからです。個別の案件でどの程度の効果が見込めそうかは、お見積もりの際に内容を伺ったうえでお答えします。

まずは、エンジニアに聞いてみてください

AI駆動開発の進め方について、疑問があればそのままぶつけてください。この記事に書いたことを、実際に手を動かしているエンジニアがお答えします。