本記事は、ネクストスケープ社内で開催された「AI活用共有会」の議事録をもとに、AIが記事化した内容です。
実際の会話をもとにしつつ、読みやすい形に再構成して内容は社員が確認しています。
Yanai: 「お疲れさまです！ 今回もざっくばらんにAIの活用ネタを持ち寄って、情報交換していきましょう。」
――こうして始まった第3回AI活用共有会。
今回の議論は、Claude Codeのリアル事例、AI駆動開発におけるSpec駆動の強み、話題のSerenaやCodexの最新動向、そしてGPT-5の“賢さと頑固さ”にまで及びました。
1. Claude Code 活用のリアル事例
Yanai: 「僕のプロジェクトでは Claude.md にプロジェクトの知識やルールをまとめています。Claude Codeに“設計”と“実装”の両方を担当させていて、設計者としての振る舞いと実装者としての振る舞いを切り替えられるようにしてるんです。その中にはAIに取ってほしい共通のふるまいや、プロジェクト固有の共通知識も書き込んでいます。」
Yasuda: 「なるほど。AIに役割を与えておくわけですね。」
Yanai: 「そうなんです。例えば design コマンドを実行すると“設計者として振る舞い、設計ガイドラインを参照する”。逆に develop コマンドを実行すると“実装者として振る舞い、コーディングガイドラインを読み込む”というように。こうして役割を明確にすることで、指示の精度が上がるんです。」
Yasuda: 「それならAIが迷わなくて済みそうですね。人間の開発メンバーを切り替える感覚に近い。」
Yanai: 「ええ。そのうえで、Microsoft Docやプロジェクトで使うツールやソリューションが提供しているMCPサーバーを組み合わせて、“必ずこのルールに従って設計・実装せよ”と指定しています。こうすることでAIのアウトプット精度を上げられますし、自己流で暴走するリスクも減らせるんです。」
Yasuda: 「なるほど、プロジェクト知識と外部サービスの仕様を両方セットにすることで、“AIをチームメンバー化”してるわけですね。」
Yanai: 「そう。この仕組みは数か月前から動いているプロジェクトで実践しています。ただ、今ならさらに進化させて“サブエージェント”を使い、設計、実装、レビュー、ドキュメント作成といった専門分野ごとにAIを細かく分担させる──そんな試みもやってみたいと考えてます。」
AI駆動開発はSpec駆動が良い
Yanai: 「AIにゼロから開発をさせる場合は“Spec駆動”のアプローチが一番効果的だと思います。要件を仕様（スペック）に落とし込んで、その範囲内で設計・実装を任せるんです。」
Teruyama: 「つまり、何もない状態から新規開発するなら、Spec駆動でAIを動かすのがベストだと。」
Yanai: 「そう。設計ドキュメントやコーディングガイドラインをあらかじめ組み込んでおけば、“人間ならこう書く”という基準に沿った成果物をAIが自動で生成できます。さらに重要なのは、設計ドキュメントを準備することでAIが“考える・実行する範囲”を明確に限定できる点です。この“範囲を限定する”という考え方が非常に強力なんです。」
Yasuda: 「ただ、既存システムの改修では事情が違いそうですね。」
Yanai: 「その通り。既存の設計書やソースコードがある場合は、Spec駆動に乗せきれないケースもあります。その場合は対話モードで“この範囲だけ修正していい？”と確認しながら進める方が現実的です。」
2. AI活用の落とし穴と「コンテキストエンジニアリング」
Yasuda: 「でもAIに任せすぎると、思わぬ落とし穴もありますよね。たとえば意図しない修正を加えてしまったり、勝手にスクリプトを作って実行してしまったり。」
Yanai: 「そうなんです。だから僕は重要な部分には“重要”タグをつけて注意を促したり、コンテキストを絞り込んで与えるようにしています。」
Yanai: 「最近よく言われてるのが“コンテキストエンジニアリング”。必要な情報をいかに整理して渡すかが精度を左右するんですよね。」
AIは万能ではなく、入力次第で暴走もします。制御のカギは「コンテキストの設計」にあるようです。
3. 新ツール「Serena」と「Codex」の可能性
Teruyama: 「そういえば最近“Serena”が注目されていますよね。依存関係を自動で解析して、プロジェクトの構成や技術スタックをドキュメント化してくれるんです。ちょうど先日、ネスケラボの記事でも紹介されていましたよね。」
Yanai: 「読みました！ あれを見ると、プロジェクトに必要なベース情報を自動的に整理してくれるのはかなり助かりますね。開発初期にやりがちな“手作業での情報整備”の負担が軽くなりそうです。」
Teruyama: 「そうなんです。さらに大規模コード修正ではCodexが活躍します。リポジトリ全体を眺めて修正プランを提案し、Pull Requestまでまとめてくれるので、レビューも楽になります。」
新ツールの活用は、AIによる開発支援をさらに現実的なものにしているようです。
4. GPT-5 の進化と課題
Yanai: 「最近GPT-5を試してますが、Sonnet-4に比べて精度が高いと感じます。」
Teruyama: 「僕もそう思います。“Thinkingモード”が追加されて、複雑な問いには強いんですけど、その分応答が遅くなるんですよね。」
Yanai: 「それと最近のGPT-5、“頑固”じゃないですか？ 間違いを指摘してもなかなか認めない（笑）」
Ibaraki: 「僕もやられました。正しいエビデンスを見せるまで首を縦に振らないんですよ。」
Yanai: 「ただ、開発現場では早速モデルを切り替えて実践しているチームも多いですね。評判はかなり良くて、“コーディングでの手戻りが減った”という声も聞いています。」
進化したGPT-5は頼もしさが段違い。細かい工夫よりも、まずは“ガンガン使う”。使うほど成果が返ってくる——それが今回の実感でした。
5. エージェントモードの現状と展望
Yanai: 「ところで、ChatGPTのエージェントモードを実際に使っている人って、どのくらいいるんでしょう？ 社内ツールの操作や経費精算なんかに使えたら便利そうですよね。」
Teruyama: 「でも今のところ精度はイマイチです。OKボタンを押せばいいのに迷い続けたり……そういった報告がWebでも散見されますね。」
Yanai: 「たしかに。僕も海外のホテル予約をAIに頼もうとしたんですが、SPA構成のサイトでは動作してくれなかったんです。動作しないサイトもまだまだ多そうだと感じました。」
Yasuda: 「昔のブラウザ自動操作っぽいですね（笑）。」
便利そうで、まだ実用には課題が多いエージェントモード。しかし将来の業務効率化のカギになる可能性も大きいと感じられました。
6. アイデア壁打ちと大規模データ活用
Yasuda: 「僕は大量データを渡して“使い道を考えてほしい”って頼んでみたいんですけど、難しいんですかね？」
Teruyama: 「アイデア壁打ちとしてならAIは結構優秀ですよ。漠然としたテーマを投げても、やり取りするうちに具体的な形になります。」
Yanai: 「ただし大規模データをそのまま読ませるのは難しいですね。データの読ませ方には工夫が必要です。」
AIはアイデア創出の相棒としては有効。ただしデータ処理の現場では“分割・要約・整理”といった工夫が不可欠です。
まとめ
今回の共有会では、
- Claude Code による設計・実装の自動化ノウハウ
- AI駆動開発にはSpec駆動が効果的 という知見
- コンテキストエンジニアリング の重要性
- Serena / Codex といった新ツールの活用事例
- GPT-5 を“まず使い倒す”スタンスで価値を引き出す実感
- エージェントモード の可能性と課題
- AIをアイデア壁打ち相手にする活用法
といった実践的な知見が共有されました。
次回のDevscAIpeLABでは、さらに具体的な事例や新ツールの実運用に関する議論が深まるとよいですね。
