Anthropic社内のClaude Code活用事例 — チーム別に見る使い道

Anthropicは2025年7月24日、公式ブログで自社の社員がClaude Codeを実際にどう使っているかを社内インタビューの形でまとめて公開しました。対象はインフラ・プロダクトデザイン・セキュリティエンジニアリング・法務・マーケティングなど幅広い部門です。デバッグやコードレビューといった予想通りの用途に加え、エンジニアではない社員が独力でツールを組み立てる事例も紹介されています。弁護士が電話応対の分岐システムを構築し、マーケターが数百パターンの広告文を数秒で生成し、データサイエンティストがJavaScriptを知らないまま可視化ツールを作った、という3例がその象徴です。エージェント型コーディングは開発を速くするだけでなく、技術系と非技術系の仕事の境界を溶かしている、というのがAnthropicの結論です。

ブログは「何をやったか」を語る一方、設定や手順は載せていません。この記事は事例ごとに、自分の環境で同じことを始めるための具体的な設定を足しています。コマンドはClaude Code v2.1.287で確認し、機能の仕様は公式ドキュメントで照合しました。

6つの場面と、ブログが挙げた数字

事例は6つの場面に分かれます。数字として示されている効果は次の4つです。残りは作業の質的な変化として語られています。

新メンバーのコードベース理解にCLAUDE.mdをどう使うか

複数のチームが、新しく参加した社員や既存社員のキャッチアップにClaude Codeを使っています。インフラチームに新しく加わったデータサイエンティストは、リポジトリ全体をClaude Codeに読み込ませることで早期に生産性を上げています。ClaudeはCLAUDE.mdファイルを読み、関連する内容を特定し、データパイプラインの依存関係を説明し、どの上流データソースがダッシュボードに流れ込んでいるかを示します。これにより、従来のデータカタログツールに頼らずに済んでいるといいます。

プロダクトエンジニアリングチームは、Claude Codeをプログラミング作業の「最初の相談先」と位置付けています。バグ修正や新機能、分析のどのファイルを調べるべきかをまず尋ねることで、機能追加の前に手作業でコンテキストを集める工程を省いています。社外の利用者を含む50万件の会話で見た使われ方は、Claude Codeの利用実態が自動化と拡張の割合で比べています。

同じ使い方を自分のリポジトリで始めるなら、入口は /init です。Claudeがコードベースを調べ、ビルドコマンド・テスト手順・規約を見つけてCLAUDE.mdを生成します。既にCLAUDE.mdがあれば、上書きせずに改善案を出します。

CLAUDE.mdには置き場所が4種類あり、組織全体向けの管理ポリシー版はOSごとに決まった場所に置きます。

読み込みは作業ディレクトリより上の階層にあるCLAUDE.mdが起動時、サブディレクトリのものは該当ファイルを読んだときです。モノレポで他チームのCLAUDE.mdまで拾ってしまうときは、claudeMdExcludes で除外できます。書き方はclaudeMdExcludesの解説にまとめています。

公式は1ファイル200行以内を目安にしています。長くなる分は、特定のディレクトリだけで効くパス指定ルールかスキルに移すと、毎セッションのコンテキストを圧迫しません。

PRレビューとテスト作成を自動化するには

テストの作成とコードレビューは、地味だが時間のかかる作業として知られています。プロダクトデザインチームは、新機能向けのテストをClaude Codeにまとめて書かせ、GitHub Actions経由でPull Requestへのコメントを自動化しました。フォーマットの修正やテストケースのリファクタリングもClaudeが自動で処理しています。

同じ仕組みは、公式のClaude Code GitHub Actionで組めます。最短の手順は次のとおりです。

レビュー用ワークフローを選んだ場合、Claudeは指摘ごとのインラインコメント、指摘がなければ1件の要約コメントをPRに投稿します。v2.1.229より前は、レビュー結果がワークフローの実行ログにしか残りませんでした。下書きPRなど、レビューを飛ばすPRもあります。

複数リポジトリへ広げるなら、認証はAPIキーが向きます。購読のOAuthトークンは claude setup-token を実行した本人の購読に紐づくためです。

セキュリティエンジニアリングチームは、開発の流れそのものを変えました。以前は「設計書を書く→雑なコードを書く→リファクタリングする→テストを諦める」という流れでしたが、いまはClaudeに疑似コードを出させ、テスト駆動開発を進めながら定期的に確認する形になりました。結果、より信頼性の高い、テストしやすいコードが生まれています。

Inferenceチームは、テストコードを別の言語に翻訳する用途でもClaude Codeを使っています。Rustのようになじみの薄い言語で機能をテストする必要があるとき、テストしたい内容を説明するだけで、対象コードベースのネイティブな言語でロジックを書かせています。

障害対応でスクリーンショットとスタックトレースを渡す

複数のチームが、スタックトレースやドキュメント、システムの挙動をClaude Codeにリアルタイムで解析させ、障害対応とデバッグを速めています。

セキュリティエンジニアリングチームは、インシデント発生時にスタックトレースとドキュメントをClaude Codeに読ませ、コードベース内の制御フローを追跡させています。プロダクトエンジニアリングチームも、なじみのないコードベースのバグに取り組む自信を得ています。

データインフラチームでは、Kubernetesクラスターがポッドをスケジュールできなくなった際、ダッシュボードのスクリーンショットをClaude Codeに渡しました。すると、Google CloudのUIをメニューごとに案内され、ポッドのIPアドレス枯渇が原因だと特定できました。Claudeは新しいIPプールを作成しクラスターに追加するための正確なコマンドまで提示しています。

画像の渡し方は3通りあります。ウィンドウへのドラッグ&ドロップと、Ctrl+V での貼り付け(WindowsとWSLは Alt+V)です。もう1つは「この画像を分析して: /path/to/your/image.png」のようにパスを書く方法です。依頼文は「エラーのスクリーンショットです。原因は何ですか」のように、画像が何かと知りたいことを1文で添えると伝わります。

非エンジニアのプロトタイプは「一発」型と「自律ループ」型に分かれる

Claude Codeは、深い技術知識が無くても新機能を高速に試作できる場面で使われています。ブログの事例を見ると、任せ方は2つの型に分かれます。

プロダクトデザインチームは、エラー状態やロジックフロー、システムのステータスを設計段階で洗い出すという想定外の使い方も見つけています。開発段階でエッジケースを発見するより先に、設計の質そのものを上げられる使い方です。

散らばった技術文書をMCPとCLAUDE.mdで集約する

Claude Codeは、MCPとCLAUDE.mdファイルを通じて散らばった技術文書を集約し、必要な人がすぐ使える形にしています。MCPがどのように外部ツールやデータソースをAIアプリケーションに接続する標準規格かは、MCPとはで仕組みから解説しています。

機械学習の専門知識を持たないInferenceチームのメンバーは、モデル固有の関数の説明をClaudeに頼っています。

セキュリティエンジニアリングチームは、複数のドキュメントソースをClaudeに読み込ませ、マークダウン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。これらの圧縮された文書は、本番環境の問題をデバッグする際のコンテキストとしても再利用され、フルサイズのナレッジベースを検索するより効率的です。

広告生成の「2つの専用サブエージェント」を手元で組むには

グロースマーケティングチームは、数百件の広告データを含むCSVファイルを処理し、成績の悪い広告を特定し、文字数制限の範囲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。2つの専用サブエージェントに分けたことで、数時間かかっていた数百件の広告生成が数分で終わるようになりました。同チームはさらに、Figmaのフレームを識別し、見出しと説明文を入れ替えて最大100パターンの広告バリエーションを自動生成するFigmaプラグインも開発しています。

サブエージェントは、YAMLのフロントマターを持つMarkdownファイルです。必須は name と description だけです。tools(使える道具)と model は任意で、model には sonnet・opus・haiku・fable・モデルID・inherit を指定できます。ファイルは .claude/agents/(プロジェクト)か ~/.claude/agents/(個人)に置きます。v2.1.198から、/agents コマンドは作成ウィザードを開かず、Claudeに頼むかファイルを直接編集するよう案内します。

ファイルを作らずに試すには、--agents オプションにJSONを渡します。claude --help に載っている形式で、2役に分ける例は次のとおりです(役割名は例示です)。

claude --agents '{
  "ad-analyzer": {"description": "CSVから成績の悪い広告を特定する",
                  "prompt": "広告CSVを読み、成績下位を理由つきで挙げる"},
  "ad-writer":   {"description": "文字数制限内で広告文の案を作る",
                  "prompt": "指定の文字数制限を守って見出し案を作る"}
}'

分担の利点は、大量の出力を別のコンテキストに閉じ込められることです。テストの実行やログの処理のように出力が多い作業をサブエージェントに任せると、冗長な出力はそちらに残り、要約だけがメインの会話に戻ります。

ただし、サブエージェントは自分のトークンを消費します。結果が戻るたびにメインのコンテキストも使うため、数を増やしすぎると逆効果です。サブエージェントごとのモデル指定はサブエージェントのモデル配分で扱っています。

法務チームは、適切な担当弁護士へ社員をつなぐプロトタイプの「電話分岐システム(フォンツリー)」を、従来の開発リソースに頼らずに構築しました。専門の開発チームを介さずに部門ごとの独自ツールを作れることを示す一例です。

最も成功しているチームは「思考のパートナー」として使う

事例を並べると、バグ修正やテスト作成のような単一タスクに使う場面と、人間の作業フロー全体に組み込む場面が見えます。Figmaファイルを渡して自律ループを組んだり、疑似コードから対話的にテストを組み立てたりするのが後者です。プロダクトデザインチームとセキュリティエンジニアリングチームの事例は、この型に見えます。

ブログ自身も結びで、Claude Codeは人間のワークフローを補強する方向で使うと最もうまくいき、最も成功しているチームはコード生成器ではなく「思考のパートナー」として扱っていると述べています。

132人調査とチーム事例はどう補い合うか

Anthropicはこの活用事例とは別に、社内調査を公開しています。2025年8月に社内エンジニア・研究者132人へ調査し、53件の質的インタビューと、2025年2月と8月の約20万件のClaude Codeセッションのログ分析を組み合わせたものです。生産性の変化やエンジニアの役割の変化は、この調査の数値で示されています。

詳しい分析は次の記事にあります。Anthropic社内調査 — Claudeを60%使うエンジニア132人が示す「AIマネージャー化」

Claude Code自体の全体像や料金プラン、拡張機構についてはClaudeの全体像にまとめています。

まとめ

6事例のうち再現の敷居が低いのは、CLAUDE.mdの整備とスクリーンショットの貼り付けです。GitHub Actionsとサブエージェントは設定が要りますが、本文の手順で足ります。迷うなら、設定の少ないこの2つが入口になります。