AnthropicチームによるClaude Codeの活用方法

Claude Codeなどのagentic codingツールは、開発者によるワークフローの加速、反復タスクの自動化、複雑なプログラミングプロジェクトの取り組みに役立ちます。この分野の進化に伴い、当社は従業員を含むユーザーから新しいアプリケーションについて毎日知見を得ています。

詳細を知るために、Anthropicの従業員にインタビューを行い、業務でClaude Codeをどのように使用しているかについて聞きました。

デバッグ、コードベースのナビゲーション、ワークフローの管理など、ユースケースの多くは想定できましたが、驚くべきユースケースもありました。弁護士は電話ツリーシステムを構築したり、マーケティング担当者は数百もの広告バリエーションを数秒で生成したり、データサイエンティストはJavaScriptを知らずに複雑な可視化を作成したりしていました。

このようなユースケースから、agentic codingは単に従来の開発を加速するだけではないことが明らかになりました。技術的な作業と非技術的な作業の境界を取り払い、問題を説明できる人なら誰でも、解決策を構築できる人へと変えます。

以下は、私たちが得た知見です。

コードベースのナビゲーションと理解

社内のあらゆるチームがClaude Codeを使用し、新入社員だけでなく長年在籍する従業員が、当社のコードベースに早く慣れるための支援を行っています。

当社のインフラストラクチャチームの新しいデータサイエンティストは、迅速に生産性を上げるためにコードベース全体をClaude Codeに入力しています。Claudeは、コードベースのCLAUDE.mdファイルを読み込み、関連するファイルを特定し、データパイプラインの依存関係を説明し、どのアップストリームソースをダッシュボードに入力するかを表示し、従来のデータカタログツールを置き換えます。

当社の製品エンジニアリングチームは、あらゆるプログラミング作業で「最初に参照するもの」としてClaude Codeを活用しています。チームはバグ修正、機能、分析のためにどのファイルを調査すべきかを特定するようClaude Codeに依頼します。これにより、新しい機能を構築する前に手作業でコンテキストを収集するという時間のかかるプロセスがなくなります。

テストとコードレビュー

agentic codingツールは、特にユニットテストの記述とコードのレビューという2つの重要でありながら煩雑なプログラミング作業を自動化できる点で広く利用されています。

製品設計チームは、Claude Codeを活用して新機能の包括的なテストを記述しています。GitHub Actionsを通じてプルリクエストのコメントを自動化し、Claudeがフォーマットの問題やテストケースのリファクタリングを自動処理しています。

同社のセキュリティエンジニアリングチームは、ワークフローを「デザインドキュメント→粗悪なコード→リファクタリング→テストを断念」から、「Claudeに疑似コードを依頼し、テスト駆動開発を通じてガイドし、定期的に確認を行う」流れへと変革しました。これにより、より信頼性が高くテスト可能なコードが生成されます。

agentic codingは、テストを他のプログラミング言語に変換するために使用することもできます。たとえば、推論チームがRustなどの馴染みのない言語で機能をテストする必要がある場合、何をテストしたいかを説明し、Claudeがコードベースのネイティブ言語でロジックを記述します。

デバッグとトラブルシューティング

本番環境の問題は迅速な解決が求められますが、プレッシャーの下で不慣れなコードについて推論しようとすると遅延につながることが多くあります。同社の多くのチームでは、Claude Codeによりスタックトレース、ドキュメント、システム動作をリアルタイムで分析することで診断と修正を加速しています。

インシデント発生時には、セキュリティエンジニアリングチームがClaude Codeのスタックトレースとドキュメントを入力し、コードベース全体の制御フローを追跡します。通常10～15分かかる手動スキャンの問題が、現在は3倍の速さで解決できるようになりました。

Claude Codeを使うことで、同社の製品エンジニアリングチームは、不慣れなコードベースのバグの修正に自信を持って対処できるようになりました。Claudeに次のように尋ねます。「このバグを修正できますか？これが実際に発生している動作です」。提案された解決策を他のエンジニアリングチームの支援に頼ることなく検討します。

あるインスタンスでは、KubernetesクラスターがPodのスケジュール設定を停止した際、データインフラストラクチャチームはClaude Codeを使用して問題を診断しました。チームはダッシュボードのスクリーンショットをClaudeに提供し、ClaudeはGoogle CloudのUIを介してメニューごとにガイドし、最終的にポッドのIPアドレス枯渇の問題を発見しました。その後、Claudeは新しいIPプールを作成してクラスターに追加するための正確なコマンドを提供しました。これにより、システム停止中の貴重な時間を20分間節約することができました。

プロトタイプ化と機能開発

従来、新しい機能を構築するには深い技術知識と膨大な時間の投資が必要でした。Claude Codeは、迅速なプロトタイプ化から完全なアプリケーション開発までを可能にし、プログラミングの専門知識の有無に関係なくチームがアイデアを素早く検証できるようにします。

製品設計チームのメンバーは、FigmaのデザインファイルをClaude Codeに入力し、Claude Codeが新機能のコードを記述、テストを実行、継続的に反復処理を行う自律的なループを設定します。Claudeに抽象的な問題を提示し、自律的に処理させ、解決策を検討してから最終的な微調整を実施します。ある事例では、Claudeに最小限の人間によるレビューでVimのキーバインディングを構築させました。

Claude Codeを活用することで、製品設計チームは予想外の用途を発見しました。それは、エッジケースを開発段階で発見するのではなく、設計段階でエラー状態やロジックフロー、システムステータスをマッピングすることで特定するというものです。これにより初期設計の品質が根本的に改善され、後のデバッグ作業にかかる時間も節約できます。

TypeScriptに精通していないにもかかわらず、データサイエンティストはClaude Codeを活用し、RLモデルのパフォーマンスを可視化するReactアプリケーション全体を構築しています。サンドボックス環境でのOne-Shotプロンプティング後、このツールはコード自体を理解することなく、TypeScriptの可視化処理すべてを最初から記述します。タスクの単純さを考慮し、最初のプロンプトで不十分な場合は、微調整を加えてもう一度試行します。

ドキュメント化とナレッジ管理

技術ドキュメントは、Wiki、コードコメント、チームメンバーの頭の中などに散らばっていることが多くあります。Claude Codeは、MCPとCLAUDE.mdファイルでこの知識をアクセス可能なフォーマットに統合し、必要な専門知識を誰でも利用できるようにします。

MLのバックグラウンドを持たない推論チームメンバーは、モデル固有の関数を説明するためにClaudeに依存しています。通常1時間かかるGoogle検索が、今では10～20分で済むようになり、調査時間が80％短縮しました。

セキュリティエンジニアリングチームは、Claudeに複数のドキュメントソースを取り込ませ、Markdown形式のランブックやトラブルシューティングガイドを作成しています。これらの要約されたドキュメントは、実際の本番環境の問題をデバッグするためのコンテキストとなり、多くの場合ナレッジベース全体を検索するよりも効率的なものになります。

自動化とワークフローの最適化

agentic codingツールは、従来は専任の開発リソースや高額なソフトウェアを必要としたカスタム自動化を、チームが構築するのを支援します。

グロースマーケティングチームは、数百もの広告を含むCSVファイルを処理し、パフォーマンスが低いものを特定し、厳格な文字数制限内で新しいバリエーションを生成するエージェント型ワークフローを構築しました。このシステムは、2つの専用サブエージェントを使用することで、数百もの新しい広告を数時間ではなく数分で生成します。

また、フレームを識別し、見出しと説明文を入れ替えることで最大100種類の広告バリエーションをプログラムで生成するFigmaプラグインも開発しました。これにより、広告1バッチあたり数時間かかっていたコピー＆ペースト作業がわずか0.5秒に短縮されました。

特にユニークなユースケースとして、同社の法務チームは、チームメンバーがAnthropicの適切な弁護士と連絡を取れるようにするためにプロトタイプの「電話ツリー」システムを作成し、従来の開発リソースなしでカスタムツールを構築できることを実証しました。

Claude Codeで新たな可能性を解き放つ

これらの事例から浮かび上がるパターンは、Claude Codeが最も効果を発揮するのは、人間のワークフローを強化できる部分に焦点を当てた場合であるということです。最も成功しているチームは、Claude Codeをコード生成ツールではなく思考パートナーとして扱っています。

これらのチームは可能性を模索し、迅速にプロトタイプを作成し、技術系と非技術系のユーザー双方に発見を共有します人間とAIのこの協働アプローチは、私たちが理解し始めたばかりの新たな機会を創出しています。