Claude導入で大手企業は何を変えたか — Canva・Shopify・Stripe事例

デザインプラットフォームのCanva、ECのShopify、決済インフラのStripe、金融のBlockとCoinbase。業種も規模もばらばらな5社が、Anthropicの公式顧客事例で語る決め手は分かれています。Stripeはセキュリティ審査、BlockとCoinbaseは社内テストでの性能、Coinbaseは可用性、Shopifyは推論力と応答速度のバランス、Canvaは応答の語り口と企業向けの作りです。ただし各社の数字は、測り方も時期もそろっていません。数字を並べる前に、それぞれが何を測った数字なのかを押さえておく必要があります。

5社の導入実績は何を測った数字か

まず、各社の事例ページに載っている主な数値です。

数字

5社の事例ページが掲げる数字

• Canva

  65%

  社員5,000人超のうち「毎日」か「よく」AIで生産性を上げていると回答

• Stripe(導入)

  1,370人

  Claude Codeを使えるエンジニアの数

• Stripe(移行)

  4日

  Scala 1万行をJavaへ。手作業の見積もりは10エンジニア週

• Block(利用者)

  4,000人

  従業員1万人のうちcodename gooseの利用者

• Block(削減)

  75%

  エンジニアのうち週8〜10時間以上を節約した割合

• Coinbase

  99.9999%

  顧客資産へのアクセス可用性。「目指している」水準

導入先の業界と利用製品、そしてAnthropicが付けた企業規模の分類は次のとおりです。

分類はAnthropic側の基準です。Canvaは社員5,000人超でもMediumに入っており、実際の展開規模とは一致しません。

数字の性質が違うので、横には比べられない

同じ「成果」でも、中身は自己申告のアンケート、事前の見積もりとの比較、自社ベンチマーク、目標値とばらばらです。

Stripeのページには、単一のAIアシスタントに帰属させられる指標は切り出せていない、という趣旨の説明があります。数字の代わりに載っているのは、MacVicar氏の「雰囲気は良い」という言葉です。

利用モデルの世代も揃っていません。Blockの事例はClaude 3.5 Sonnetと3.7 Sonnet、ShopifyのSidekickはSonnet 4.5です。CanvaはClaude for Workの初期段階、2024年半ばに始まった展開の話です。事例の数字は、現行モデルで同じ結果が出る保証としては読めません。

Canvaは権限を全社に配り、使い方は現場に任せた

Canvaは2024年半ばにAIアシスタントの整備を始める際、単一ベンダーに絞らず複数ツールを並行させる方針を採りました。社内でAIソリューションチームを率いるSamantha Garrett氏は、「良いプロンプトとは何かを試行錯誤する時間と余地をチームに与える必要があると分かっていた」と説明しています。

Claudeは複数ツールの中で最も人気の高い選択肢になり、Claudeのライセンスの需要が供給を上回りました。Garrett氏は「Claudeのアカウントをくれと社員から文字通り懇願された」と振り返っています。決め手は技術力だけではありません。応答の語り口が温かいこと、Claude for Workがまだ初期だった時期から「企業向けに作られている」と感じたことも挙げています。

利用の中心は、エンジニアのコード生成に加えて、特殊なツールなしでデザインを試作する使い方です。デザイナーはスクリーンショットの内容をテンプレートに流し込み、ユーザーテストの試行を重ねています。プロダクトマネージャーはProjects機能にデザインの原則やスタイルを持たせ、再利用できる作業空間にしました。

社内Slackには成果を共有するチャンネルが生まれ、社内教育チームのCanva UniversityはAI学習用の教材を整備しました。Canvaは今後、「AIをあちこちで使う」段階から効果を数値で測る「AIインパクト」の段階へ移ると述べています。

Shopifyは顧客向けと社内向けの二正面でClaudeを使う

Shopifyの導入は2つに分かれます。ひとつは、あらゆる規模のマーチャントを支援するAIアシスタント「Sidekick」です。ShopifyのApplied AI責任者Andrew McNamara氏によれば、マーチャントの多くは独自のクエリ言語ShopifyQLを深く学ばないと分析インサイトを得られませんでした。Sidekickは自然言語をShopifyQLに変換し、複数のデータソースを組み合わせた答えを返します。

動き方は、商品情報を調べ、分析クエリを書き、その結果を使ってさらに文脈に合うクエリを書く、というエージェントのループです。ひとつの質問に対し、並列と逐次のツール呼び出しを組み合わせます。Google Cloudがホストする複数のAnthropicモデルによって、24時間の稼働を保っています。ページには「呼び出し1回で100ミリ秒縮めば、会話の自然さに効く」という趣旨の説明も載っています。

McNamara氏は推論力と遅延・品質のトレードオフについて「我々にとって完璧な落としどころだ」と述べています。

もうひとつが社内利用です。Claude Codeは、プラットフォームとつながって社内ツールを立ち上げられるため、会社全体で広く使われています。フロントエンドが専門でない社員も、実用的な画面を自作できるようになりました。顧客向けと社内向けの両方でClaudeを使う広がり方は、単一部門のパイロットとは性質が違います。

Stripeは署名済みバイナリを作ってセキュリティ審査を通した

Stripeの決め手は、セキュリティ要件をどう満たすかでした。開発者インフラチームを率いるScott MacVicar氏のチームは、6種類のコーディングアシスタントをエンジニアに選ばせる方針でした。一方でサプライチェーン攻撃を警戒し、インストールできるツールは厳格に管理する必要がありました。

そこでAnthropicと直接協働し、npmの依存関係を経由しない署名済みのエンタープライズバイナリを、2〜3か月のテストと改善で作りました。配布から定着までの流れは次のとおりです。

手順

StripeがClaude Codeを全社に載せた流れ

1. 1

   署名済みバイナリを共同で作る

   npmの依存チェーンを避けるため、AnthropicとのテストでエンタープライズバイナリのClaude Codeを仕上げました。

2. 2

   設定済みで配る

   全員のノートPCと開発用マシンに事前インストールし、認証情報・トークン・ルールも設定済みにしました。アカウント作成も設定の読み込みも要りません。

3. 3

   「文脈を必要とする新人」として教える

   AIを置き換えではなく、プログラミング言語は知っていても自社の事情を知らない新人エンジニアとして扱う前提を、全体会議や研修、社内ツールのヒントボタンで広げました。

導入後は、1,370人のエンジニアがClaude Codeを使える状態になりました。ページが挙げる成果は、1万行のScalaコードを4日でJavaへ移した件です。手作業なら10エンジニア週と見積もられた作業で、移行により新しいJDKバージョンへ上げられました。

教育面では、研修より現場の共有が効いたとされています。自分たちのコードベースで効いたプロンプトを見つけたチームが、グループ内で型を共有していきました。Claude Codeは、エディターを替えずコマンドライン中心の作業を続けたい開発者に定着したとあります。

Stripeの次の狙いはエージェントです。5.5ナインの信頼性を保つ中で、MacVicar氏は「人に頼ると分単位、エージェントなら秒単位で測れる」と述べています。障害の検知と解決に向けて、ClaudeのエージェントSDKを検討中です。

Blockは非エンジニアにSQLを書かせずにデータへ触れさせた

Block(Square・Cash App・Afterpayを傘下に持つ金融サービス企業)は、内製のオープンソースAIエージェント「codename goose」の既定モデルとして、Databricks経由でClaudeを使っています。Principal Data and Machine Learning EngineerのBradley Axen氏は、gooseは自分のチームがコードをうまく書くための小さなツールだったが、今では「自分のコードの90%をgooseが書いている」と述べています。

決め手のひとつは社内ベンチマークです。Blockの測りたいタスクで一貫して100%の成功率を出したモデルは、Claude 3.5 Sonnetだけでした。もうひとつがDatabricksとのOAuth連携です。短命の認証情報を使えるため、全社員にAPIキーを配って管理する必要がなくなり、Axen氏は「スイッチを入れれば全員が新しいモデルを使える」と表現しています。

モデルの使い分けも具体的です。複雑な推論が要るデータ分析にはClaude 3.5 Sonnet、手順と計画が多い依頼にはClaude 3.7 Sonnetを充てています。

Databricksのエンドポイント経由でLLMを動かし、gooseから再びDatabricksのデータベースを呼ぶ循環を作っている点も特徴です。MCPで内部ツールをつなぎます。データ特徴量の作成では、社内サービスBeaconへのコード提出方法をMCPサーバーでLLMに教え、機械学習エンジニアがBlockのバックエンドを深く知らなくても使えるようにしました。運用チームがケースチケットを閉じる作業にも使われています。

1万人の従業員のうち4,000人がgooseを使い、営業・デザイン・プロダクト・カスタマーサクセスなど15の職種に広がっています。gooseの利用は1か月で倍増し、週次の利用の深まりは40〜50%伸びました。

非エンジニアへの効果として強調されるのは2点です。SQLを書けない社員が自分でデータの疑問を解決できること、デザイナーがFigmaのページから動く試作品まで作れることです。2025年には、AIを通じて従業員の時間の30%を節約する目標を掲げていました。

Coinbaseは可用性とマルチクラウドを最優先にした

暗号資産の取引量は急激に変動します。シニアエンジニアリングマネージャーのVarsha Mahadevan氏は「予測不能な急増に耐える高可用性が最優先だった」と説明しています。

Claudeを選んだ理由は、社内テストで競合を上回ったこと、そしてAWS BedrockとGoogle Cloudの両方で使えることです。マルチクラウドは冗長性による安全性に加え、クラウドごとのモデル割当(クォータ)の管理で性能とコストを最適化する狙いもあります。目標は顧客が資金へ常にアクセスできる99.9999%の可用性です。

事例ページは、Coinbaseが100を超える地域をカバーし、四半期の取引高が226 billionドル(2,260億ドル)に達すると紹介しています。この規模の中でClaudeが入っているのは3つのシステムです。

• カスタマーサポートのチャットボット: 質問の言い換え・応答生成・出力のスタイル調整を担い、金融コンプライアンスのガードレールを備えます
• エージェント支援ツール: 人間のオペレーターの応答作成や手順の説明を助けます。新人の研修にも使われ、複数言語で応答を作り直す手間が省けます
• ヘルプセンター検索: 検索結果の関連度を上げ、短い答えを生成します

社内ではAIアプリ構築用の内製基盤「CB-GPT」も整備し、35〜50個のアプリを作っています。導入前にはAnthropicとシステム構成やプロンプトを見せ合う共同セッションを重ねており、API利用にとどまらない設計段階の協働がありました。今後は顧客データを使った個別化や、特定の用途向けに調整したモデルの開発も視野に入れています。

5社は導入前にどのリスクを潰したか

5社を並べると、決め手は機能の豊富さではなく、導入前に先回りして潰したリスクの違いに表れています。

くらべる

導入の条件として先に固めたこと

配布経路のリスク

Stripe

サプライチェーン攻撃を避けるため、署名済みバイナリと設定済みの事前インストールで配布経路そのものを管理下に置きました。

性能と認証情報のリスク

Block

自社タスクのベンチマークでモデルを選び、OAuthの短命な認証情報でAPIキーの配布と管理をなくしました。

可用性のリスク

Coinbase

複数クラウドでモデル割当を分散し、トラフィックの急増に耐える構成を先に決めてから、3つのシステムへ載せました。

Stripeの署名済みバイナリとBlockのOAuth連携は、性能の比較より先に、既存のセキュリティ体制へどう載せるかを詰めた例です。

もうひとつの共通点は、使い方を組織内で流通させる仕組みを、ツールの配布とセットで作っていることです。Canvaは社内SlackとCanva University、Stripeはヒントボタンと現場の共有、Blockは職種をまたぐgooseの共有、Coinbaseは社内アプリ基盤のCB-GPTでした。

Canvaは創業者主導の方針で全社に使う余地を与えた例で、Stripeは中央研修より現場の共有が効いた例です。経営の号令だけでも、現場の草の根だけでも決まらず、役割が事例ごとに違います。

自社で同じ規模を目指すときの3つの切り分け

5社の事例を自社の状況に当てはめるなら、確認する軸は次の3つです。

確認ポイント

導入前に切り分ける3点

• 配布経路はどこまで管理下に置くか

  npm経由のインストールを避けたい組織は、Stripeのように独自バイナリまで作らなくても、Claude Enterpriseでカスタムロールを作成する手順にあるロールベースのアクセス制御と組み合わせて、配布経路から設計する選択肢があります。

• どの基盤から呼ぶか

  すでに契約しているデータ基盤やクラウドがあれば、そこからClaudeを呼べるかを先に見ます。BlockはDatabricks、CoinbaseはAWS BedrockとGoogle Cloudを使い、認証やモデル割当を既存の契約の側で管理しています。

• 成果を何で測るか

  Stripeのページは、単一のAIアシスタントに帰属させられる指標を切り出せていないと説明しています。Canvaも次の段階で効果の数値化に進むと述べています。導入前に測る指標を決めておくと、後の比較がしやすくなります。

エンジニア組織の導入を広く比べたいときは、Claude Code開発ツール導入事例 — 実装方式は各社でどう違うかが複数社の実装方式の違いを扱っています。金融業界の規制対応まで見たいときは、Claude金融導入事例 — Brex・NBIM・Chronographの実務適用がBlock・Coinbaseとは別の3社を取り上げています。

業種や規模を広げて比べたいときは、Claude導入事例まとめ — Notion・Slack・League・Vegaほか14社がこの5社とは別の14社を扱っています。

まとめ

最初に決める1点は、自社の導入でいちばん承認が長引きそうな関門です。Stripeでは配布経路、Coinbaseでは可用性がそれにあたりました。関門が決まれば、5社のうちどの事例を手本にするかも絞れます。