Stripe はインターネット向けの金融インフラを構築し、世界中の何百万もの企業の決済を支えています。同社の開発者インフラチームは、ツールやプラットフォーム機能を通じて、Stripe のエンジニアがこれまでで最も生産性の高い体験を得られるよう支援しています。
Stripe が Claude で達成した成果：
- 1,370 名のエンジニアに対して各開発者のマシンですぐに機能する「ゼロ設定」での Claude Code 導入を完了
- AI の支援なしでは 10 週間を要すると見積もられていた 1 万行の Scala から Java への移行を 4 日で完了
- Anthropic との連携で署名済みエンタープライズバイナリを作成し、当初導入の障壁となっていたセキュリティ懸念を解決
- AI アシスタントを「自律的に働く代替品」ではなく、「文脈（コンテキスト）を必要とする有能な新人エンジニア」と捉え直す教育プログラムを策定
- Stripe が誇る 99.9995% の極めて高い信頼性を維持するために、AI エージェント活用の基盤を構築
課題
Stripe は、エンタープライズレベルのセキュリティ要件を満たす、CLI ネイティブなコーディングアシスタントを必要としていました。開発インフラチームを率いる Scott MacVicar 氏にとっての課題は、単一のツール選びではなく、エンジニアが各々のワークフローに最適なツールを見つけられるようにしつつ、全社のセキュリティ基準を維持することでした。
Stripe で開発者インフラグループを率いる MacVicar 氏は「ここでの変化のスピードは非常に速いです」と語ります。「私たちは今、あえて選択肢を広げている段階であり、ツールを一本化する段階にはありません」同チームは、エンジニアのタイプによって最適な対話モデルが異なることを踏まえ、6 種類の異なるコーディングアシスタントを利用可能にしました。インフラエンジニアはコマンドラインツールを好み、プロダクトエンジニアはエディタ上での操作を求めています。全員に一つのツールを強制することは、生産性の機会損失に他なりません。
しかし、選択肢を広げたことで新たな問題も浮上しました。エンタープライズレベルのセキュリティ要件がある以上、Stripe はエンジニアが自由に好きなものをインストールすることを許すわけにはいきませんでした。サプライチェーン攻撃は現実的な脅威であり、企業のラップトップで無作為な JavaScript パッケージが実行されることは、受け入れがたいリスクでした。
Claude Code がスムーズな導入を実現
導入への道筋には、Anthropic との緊密な協力が不可欠でした。MacVicar 氏は Anthropic と直接連携し、Claude Code のエンタープライズ版バイナリを共同開発しました。この開発プロセスには、2〜3 か月にわたる検証と改善の繰り返しが必要でした。その結果、署名済みバイナリが生成されました。これにより、セキュリティ上の懸念となっていた npm の依存関係チェーンを回避し、組織全体への安全な展開が可能となりました。
有能な新人エンジニアとして AI を扱う
「私たちは独自の社内配布メカニズムを考案しました」と MacVicar 氏は説明します。「全員のノートパソコンにあらかじめインストールし、全員の開発環境にもあらかじめインストールしておきます。ルール、トークン、認証情報もすべてあらかじめ設定されています。すぐに使える状態なので、アカウントを作成したり設定項目を読み込んだりする必要はありません」
この理念は Stripe の開発ツールすべてに反映されています。エンジニアはマニュアルを読み込んだり、最適な設定を模索したりする時間を費やすべきではありません。インフラチームがその複雑さを引き受けることで、開発者は本来の構築作業に集中できるのです。Claude Code は、エディタを切り替えることなく、既存のコマンドライン環境でそのまま使える有能なアシスタントを求めるエンジニアたちの間で、確固たる地位を築きました。
最大の課題は技術的なことではなく、教育面でした。当初、エンジニアは AI を共同作業者ではなく「代替品」として扱い、非現実的な期待を寄せていたのです。
「人々は AI を自分自身の代わりだと思い込み、十分な文脈（コンテキスト）を与えないことがありました」と MacVicar 氏は指摘します。そこでチームは、誰もが共感できる一つの指針を打ち出しました。それは「AI を、あらゆるプログラミング言語は知っているが、ビジネス面の背景やコードベースの構造、Stripe の流儀を理解していない有能な新人エンジニアとして扱う」という考え方です。
この指針は、AI アシスタントに対するエンジニアの指示の仕方を劇的に変えました。魔法のような結果を期待するのではなく、ドキュメントへの参照やコード例の提示、設計パターンの説明など、適切な文脈を教えるようになったのです。チームは、全社的な技術プレゼンや専門のトレーニングセッション、さらには社内ツールの随所に戦略的に配置した「ヒントボタン」を通じて、この取り組みを強化しました。一律の研修よりも、現場での実践例の方が効果的だったのです。独自のコードベースで効果的なプロンプトを見つけたチームがそれを共有し、知見が自然と広まっていったのです。MacVicar 氏のチームにとって、この教育活動はツールそのものと同じくらい重要でした。「AI を代替品ではなく、文脈を必要とする共同作業者として扱う」というこの導入アプローチは、Stripe と Anthropic が描く AI 開発の未来を反映しています。
成果：AI エージェントの信頼性の向上を目指して
現在、エンジニアのツールに対する満足度は向上しています。特定の AI アシスタントに起因する指標を個別に分離できていないものの、全体としてポジティブな兆候が見られます。具体的な例として、あるチームが Claude モデルを用いて 1 万行の Scala から Java への移行を 4 日で完了させました。手作業なら 10 週間かかると見積もられていたプロジェクトです。この移行により新しい JDK バージョンが利用可能になり、手作業では手つかずだったパフォーマンス改善が実現しました。「評判は上々です」と MacVicar 氏は語ります。「皆、気に入って使っていますし、チームの雰囲気も非常に良いですね」
真の目標は、さらにその先にあります。Stripe が誇る 99.9995% という極めて高い信頼性を維持する上で、MacVicar 氏は AI エージェントこそがさらなる高みへの鍵だと確信しています。「人間が対応すれば作業時間は分単位となりますが、エージェントが対応すれば、作業時間は秒単位で測定できます」
チームは現在、障害検知や解決に特化した専用ツールの開発に Claude のエージェント SDK を活用しています。ダウンタイムが顧客の収益に直結するこのビジネスにおいて、対応時間を数分単位で短縮できることは、実質的な価値につながります。
MacVicar 氏は、この機会を「人間のみ」「人間＋エージェント」「エージェント＋人間」「エージェントのみ」という 4 つの象限で捉えています。「私たちは、エージェントを使用して人間を支援し、人間を通じてエージェントを支援しています」と同氏は述べています。「最終的な目標は、エージェントの中で上位 4 分の 1 に入ることです」
当面の間、Stripe は AI ツール群全体で何が機能するのかを模索し続けます。広範な利用の促進、安全な展開、そしてエンジニアへの教育に対する投資は、この急速に進化する領域において、次なる一歩を踏み出すための強固な基盤となっています。
「Claude Code は全員のノートパソコンにあらかじめインストールされていて、すぐに使える状態です」
