「もうエンジニアいらなくない？」
ChatGPTが出てきたあたりから、この手の話を何度も聞くようになった。正直、気持ちはわかる。AIにコードを書かせてみると、それっぽいものが一瞬で出てくる。プロトタイプなら十分に見える。
でも、半年以上AIコーディングツールを本格的に業務に組み込んできた実感として言えるのは、「道具が強くなったぶん、使う側の練度がより問われるようになった」ということだ。
今回は、自分が実際に運用しているClaude CodeとOpenAI Codexの併用フローと、そこから得られた成果、そしてAI時代にエンジニアの経験値がなぜ重要かについて書いてみる。
使っているもの
現在契約しているのは以下の2つ。
- Claude Code（Max 5x プラン）
- OpenAI Codex（Max プラン）
メインはClaude Code。Codexはセカンドオピニオンとレビュー用途で使い分けている。
実際の開発フロー
具体的にどう回しているか、ステップごとに書く。
1. Jiraチケットの取得と要件整理
開発タスクはJiraで管理している。チケットのdescriptionに書かれた仕様や背景を読み込ませるところからスタートする。ここで大事なのは、AIが読んで正しく解釈できるレベルまで要件が書かれていること。曖昧なチケットには、自分で補足を加えてからAIに渡す。
2. Claude Code・Codex双方でプランニング
同じ要件に対して、Claude CodeとCodexの両方に実装プランを出させる。ここがポイントで、1つのAIだけに頼ると、そのモデル特有の癖やバイアスに気づけない。2つの異なるアプローチを見比べることで、より筋の良い設計が見えてくる。3. マージプランの作成と人間による確認
2つのプランの良いところを組み合わせて、最終的な実装プランを作る。この「マージ」は自分でやる。AIが出したプラン同士の矛盾点や、プロジェクト固有の事情（既存コードとの整合性、チームの規約など）を踏まえて調整する作業は、現時点では人間にしかできない。
4. Claude Codeによる実装
確定したプランをClaude Codeに渡して、implement-planで実装させる。CLAUDE.mdにプロジェクトのコーディング規約や設計方針をまとめておくことで、一貫性のあるコードが出力される。この「AIへの指示書」の精度が、アウトプットの質を大きく左右する。
5. commit → push → PR作成
実装が完了したら、Claude Codeにcommit、push、PR作成まで一気にやらせる。PRの説明文もAIが生成するが、ここは必ず目を通す。
6. クロスレビュー：CodexレビューとClaude Code修正
作成されたPRに対して、まずCodexにレビューをかける。Claude Codeが書いたコードをCodexが別の視点でチェックする形だ。指摘があればClaude Codeに修正させる。この「異なるAI同士のクロスレビュー」が想像以上に効く。片方が見逃すパターンを、もう片方が拾ってくれることが多い。
7. 人間レビュー → Claude Code修正 → Codex再レビュー
最終的には自分の目でレビューする。ここで見るのは、AIが気づきにくいプロジェクト全体との一貫性や、ビジネスロジックの正しさ。修正が必要な箇所はClaude Codeに指示して直させ、再度Codexにレビューをかける。実際のリターン
このフローを回した結果、体感としてはかなり大きな変化があった。
まず単純にアウトプットの量が増えた。以前なら1日かかっていた実装が数時間で終わることも珍しくない。ただし、これは「速くなった」というより「手を動かす以外の時間が減った」という表現の方が正確だ。設計を考える時間、コードを書く時間、レビューする時間のうち、「コードを書く時間」がほぼゼロになった。そのぶん、設計とレビューに集中できるようになった。
もう一つ大きいのは、コードの品質。2つのAIによるクロスレビューと、最終的な人間のチェックという三重の網がかかるので、単純なバグやアンチパターンの混入が減った。
感覚的には、1人で2〜3人分のアウトプットを、以前より高い品質で出せるようになったと思う。
AIコーディングはなぜ銀の弾丸ではないのか
ここまで読むと「じゃあ誰でもできるのでは」と思うかもしれない。でも実際はそうではない。
AIコーディングツールは、指示の出し方次第で出力が大きく変わる。経験の浅い人がAIに「ログイン機能を作って」と投げると、動くけどメンテナンスが困難なコードが出来上がることが多い。認証のセキュリティ設計、セッション管理、エラーハンドリング、テスタビリティ。こうした「見えない品質」を指示に織り込めるかどうかで、生成されるコードの質はまるで違う。
いい包丁を持っていても、料理の基本を知らない人が使えば雑な料理しかできない。AIコーディングもまったく同じだ。
将来的には、人間が読むことを前提としないコード（たとえばバイナリレベルでAIが直接処理するような世界）が来るかもしれない。でも今は過渡期で、人間がコードを読み、レビューし、保守する現実は変わっていない。だからこそ、可読性の高いコードをAIに生産させるスキルが重要になる。
最近の転職市場を見ていると、AIツールを使って開発経験をアピールする人が増えてきた。それ自体は自然な流れだ。ただ、ソフトウェア設計やアーキテクチャの知見がないままAIを使うと、大量のスパゲッティコードを高速生産するだけになってしまう。それは開発チームにとってプラスどころか、技術的負債を加速させるマイナスだ。採用を検討されている方へ
AIで開発が効率化される時代だからこそ、「AIを正しく使えるエンジニア」の価値は上がっていると考えている。
自分が提供できるのは、単にコードを書く労働力ではなく、AIツールを活用した開発プロセスの設計と運用だ。どういうプロンプトを書けば品質の高いコードが出るか、どういうフローを組めばAIの弱点を補えるか。こうしたノウハウは、まだ体系化されていない分野で、実際に運用した経験からしか得られない。
副業・業務委託でお手伝いできますので、AIを活用した開発体制の構築に興味がある方は、ぜひお気軽にお声がけください。
エンジニアの方へ
技術的な詳細やCLAUDE.mdの構成、プロンプト設計のコツなどは、別途記事にまとめる予定です。質問があればメッセージいただければ直接お答えします。
AIコーディングは「エンジニアを不要にする技術」ではなく、「エンジニアの能力を増幅する技術」だと思っている。増幅するということは、元の能力が高いほどリターンも大きいということだ。経験を積んできたエンジニアにこそ、本気で触ってみてほしい。
