メインコンテンツへスキップ
見出し画像

Claude完全攻略ガイド|導入から実務活用・30体のAIチーム構築まで

    要約・文章作成・思考整理から、30体のAIエージェントチーム構築まで。税理士はスタッフゼロで60社を運営し、エンジニアは週100本のPRを出している。Claudeの全てを1本にまとめた8万文字の実践ガイド。

    はじめに

    「ChatGPTは使っている。でも、仕事が劇的に変わった実感はない。」

    そう感じているなら、この記事はあなたのために書きました。

    2026年3月。今、信じがたいことが同時に起きています。

    ある税理士は、スタッフをひとりも雇わずに60社の顧問先を運営しています。毎晩21時に130件の請求書がAIによって自動処理され、翌朝にはすべて仕訳が完了しています。2ヶ月前まで、彼はターミナルもGitHubも触ったことがありませんでした。

    Y CombinatorのCEO、Garry Tanは15の専門家ロールを持つAIチームを構築し、50日間で週10,000行のコード、100本のPull Requestを出し続けています。彼はエンジニアではありません。

    Anthropicのエンジニアチームは、16体のAIエージェントを2週間稼働させ、Linuxカーネルをコンパイルできる10万行のCコンパイラをゼロから構築しました。APIコストは約$20,000。人間のエンジニアが同じものを作れば、数年かかります。

    これらはSFではなく、今この瞬間に起きていることです。

    そして、その中心にいるのがClaudeです。

    この記事では、Claudeの導入から、AIエージェントチームの構築、非エンジニアの業務自動化まで、一気通貫で解説します。


    この記事の読み方

    この記事は8万文字を超える大型記事です。全部を最初から読む必要はありません。

    各章の冒頭に、以下のラベルが付いています。

    • 🔵全員向け:エンジニアも非エンジニアも読んでほしい章

    • 🟢エンジニア向け:コードを書く人向けの技術的な内容

    • 🟠非エンジニア向け:コードを書かない人向けの実務活用

    あなたの立場に合わせて、該当するラベルの章を優先的に読んでください。

    非エンジニアの方へのおすすめルート:

    • 第1章(なぜ今Claudeなのか)

    • 第3章の前半(Claudeの強み:要約・文章作成・思考整理)

    • 第10章(Cowork)

    • 第13章(MCP・税理士事例)

    • 有料エリアの第23〜25章(非エンジニア実践編)

    エンジニアの方へのおすすめルート:

    • 第3章後半(Claude vs GPT vs Geminiのベンチマーク比較)

    • 第4章(インストール): Claude Codeのセットアップ

    • 第7章(基本操作): Claude Codeの基本

    • 第8章(CLAUDE.md): Claude Codeの基本

    • 第9章(Skills): Claude Codeの基本

    • 有料エリアの第16〜19章(4戦略・コンパクト化・Planモード・並列化): 実務の生産性向上

    ※第1〜2章のLLM基礎や第23〜25章の非エンジニア編は読み飛ばして構いません。

    AI推進部・DX推進部の方へのおすすめルート:

    • 第1章(なぜ今Claudeなのか): 市場データと経営層への説明材料

    • 第3章(モデル比較・料金表): 導入の具体像

    • 第13章(MCP・税理士事例): 導入の具体像

    • 有料エリアでの第29章(Claude Console・組織導入の3ステップ・日本企業の導入動向): 最重要

    • 第30章(将来編・AGIロードマップ)

    ※技術的な操作手順(第7〜9章、第15〜22章)は、実際に導入を進める段階で担当エンジニアと一緒に読む形で十分です。


    この記事の正直な限界

    8万文字で「完全攻略」と銘打っていますが、正直にお伝えすべきことがあります。

    情報の鮮度について
    Claude Codeは進化が非常に速いです。この記事の情報は2026年3月時点のものであり、数ヶ月後には古くなる章もあるでしょう。可能な限り更新しますが、常に最新であることは保証できません。

    筆者の限界について
    筆者はSignateグランドマスターであり、Claude Codeを日常的に実務で使用していますが、全機能を完璧に使いこなしているわけではありません。特にAgent Teamsは実験的機能であり、筆者自身もまだ試行錯誤中です。

    この記事は「完璧なマニュアル」ではなく、「2026年3月時点で、筆者が知りうる限りの情報を誠実にまとめた実践ガイド」です。


    著者について

    機械学習エンジニア。大学院で宇宙物理学(暗黒物質の分布シミュレーション)を研究した後、新卒でIT業界へ。Signateグランドマスター / 総合7位。Claude Code、Cursor、Gemini CLIを日常的に実務で使用しています。

    詳しい経歴は自己紹介記事をご覧ください。


    第1章:なぜ今Claudeなのか──2026年、AI市場の地殻変動 🔵全員向け

    「ChatGPTで十分じゃないの?」

    おそらく多くの方がそう思っているはずです。私も1年前はそうでした。ChatGPTで文章を書かせ、質問に答えてもらい、ちょっとしたコードを生成してもらう。それで十分だと思っていました。

    しかし2026年に入って、状況は根本的に変わりました。Claudeは「もう一つのチャットボット」ではなく、仕事を自律的に実行する基盤になっています。この章では、その変化を数字で示します。


    1-1. Claudeを作るAnthropicが、史上最速で成長している

    画像
    Anthropicの年間売上ランレート

    Anthropicの売上推移を見ると、その異常さがわかります。


    2024年1月時点で、Anthropicの年間売上ランレート(ARR)は約1億ドルでした。そこからわずか14ヶ月後の2026年2月、ARRは140億ドルに達しました。1億ドルから140億ドルへ、14ヶ月で140倍です。

    さらに驚くべきことに、2026年2月のたった1ヶ月間で60億ドルのARRが上積みされ、3月初旬には190億ドルに到達しました。Anthropic CEOのDario Amodeiが、Morgan StanleyのTMTカンファレンスでこの数字を公式に確認しています。

    Epoch AIの分析によれば、Anthropicの成長率は年10倍です。OpenAIの年3.4倍と比較すると、約3倍のスピードで成長しています。このペースが続けば、2026年中盤〜後半にAnthropicのARRがOpenAIを追い越すとEpoch AIは予測しています。

    画像
    Epoch AIの分析

    2026年2月12日、AnthropicはSeries Gとして300億ドルを調達しました。これはプライベート企業としては史上最大規模の資金調達ラウンドです。企業評価額は3,800億ドル。これはアメリカの大企業であるコカ・コーラやAMDの時価総額を上回る数字です。

    この急成長の最大のドライバーが、Claude Codeです。2025年5月に一般公開されたClaude Codeは、わずか9ヶ月で25億ドルのARRに到達しました。2026年1月以降、ビジネスサブスクリプションは4倍に増加し、エンタープライズ利用がClaude Code売上の半分以上を占めるようになっています。


    1-2. 開発者コミュニティでの評価が逆転し始めている

    数字の話を続けます。売上だけでなく、開発者からの評価もClaudeに傾いています。

    Stack Overflow 2025 Developer Survey(49,000人以上が回答)では、LLM利用率でClaude Sonnetが43%に達しました。GPTの81%にはまだ及びませんが、最も「admired(称賛される)」LLMとしてはClaude Sonnetが61.2%でトップです。つまり、「使ったことがある人の満足度」ではClaudeがすでに首位に立っています。

    さらに印象的なのは、Pragmatic Engineerが15,000人の開発者に実施した調査(2026年2月)です。「最も愛するAIコーディングツール」でClaude Codeが46%の支持を獲得して首位になりました。2位のCursorが19%、3位のGitHub Copilotが9%ですから、ダブルスコア以上の差がついています。

    GitHubのパブリックコミットの4%がClaude Code経由で作成されているという推計もあります。この数字は1ヶ月前の2倍であり、2026年末には20%を超えるという予測もあります。


    1-3. エンタープライズ市場で、OpenAIの牙城が揺らいでいる

    個人開発者だけでなく、企業のAI利用にも構造的な変化が起きています。

    ベンチャーキャピタルa16z(Andreessen Horowitz)が2026年1月に実施したCIO調査(Fortune Global 2000企業のVP/C-level 100人が対象)では、Anthropicの本番環境利用率が44%に到達しました。これは前年比25%増で、調査対象の全AI企業の中で最大の伸びです。

    画像
    ベンチャーキャピタルa16zのCIO調査結果

    OpenAIは78%で依然として首位ですが、重要なのは81%の企業が3つ以上のモデルファミリーを同時利用しているという事実です。「OpenAI一強」の時代は終わり、マルチモデル時代に入りました。

    Anthropicの顧客構造も注目に値します。Fortune 10企業のうち8社がClaude顧客であり、年間100万ドル以上を支出する顧客は500社を超えています。2年前の12社から急増しています。

    さらに興味深いのは、Anthropicの収益の約80%がエンタープライズ / ビジネス顧客からという点です。OpenAIの収益の大部分が消費者向けサブスクリプション(ChatGPT Plus等)であるのと対照的です。Rampの調査データでは、Ramp上の企業の5社に1社がAnthropicに課金しており、1年前の25社に1社から急増しています。そして、OpenAI顧客の79%がAnthropicにも課金しています。

    つまり、企業は「ChatGPTからClaudeに乗り換える」のではなく、「ChatGPTに加えてClaudeも使い始めている」のです。そしてその流入速度が加速しています。


    1-4. シンギュラリティに手が届き始めた──AGIとは何か

    ここまで売上や利用率の話をしてきましたが、もう少し大きな話をします。

    AGI(Artificial General Intelligence、汎用人工知能)という言葉を聞いたことがあるでしょうか。現在のAIは「特定のタスクに強い」存在です。コードを書く、文章を翻訳する、画像を生成する──それぞれのタスクでは人間を超える能力を発揮しますが、「何でもできる」わけではありません。

    AGIとは、人間と同等かそれ以上の汎用的な知的能力を持つAIのことです。特定タスクではなく、未知の問題に対しても人間のように推論し、学習し、判断できる。「道具」ではなく「同僚」になるAIです。

    Anthropic CEOのDario Amodeiは、2024年10月に公開した長編エッセイ「Machines of Loving Grace」の中で、AGI級のパワフルAIを以下のように定義しています。

    ・ノーベル賞受賞者を超える知性を持つ
    ・複数日にわたるタスクを自律的に実行する
    ・数百万のインスタンスが並列で稼働する
    ・人間が「このAIに任せれば自分より良い結果が出る」と判断できる

    Anthropic CEOのDario Amodeiの「Machines of Loving Grace」

    そして彼は、このレベルのAIが「早ければ2026年に到来する可能性がある」と述べています。

    2026年1月、ダボス会議(世界経済フォーラム)の「The Day After AGI」セッションで、Amodeiはさらに踏み込みました。「ソフトウェアエンジニアのほぼ全ての作業をAIがエンドツーエンドで行う日まで6-12ヶ月」と発言し、Anthropic社内では「もうコードを一切書かない」エンジニアが実際にいることを明かしました。

    AnthropicがOSTP(科学技術政策局)に提出した公式文書には、個人エッセイの「could」よりも強い表現で、「we expect powerful AI systems will emerge in late 2026 or early 2027(パワフルなAIシステムは2026年末から2027年初頭に登場すると予想している)」と記載されています。

    主要AI企業の中で、公式かつ公開のAGIタイムラインを持つのはAnthropicだけです。

    もちろん、全ての研究者がこの見方に同意しているわけではありません。Google DeepMindのDemis Hassabisは5-10年という控えめな予測を示していますし、MetaのYann LeCunはLLMだけではAGIは達成できないと主張しています。しかし、AI業界のトップ層で「AGIが数年以内に来る」という見方が主流になりつつあるのは事実です。

    ではなぜこの話が、エンジニアにとっても非エンジニアにとっても重要なのでしょうか。

    AGI級のAIが登場すれば、「AIを使いこなす人」と「使えない人」の生産性の差は、今の比ではなくなります。2026年1月に公開されたAmodeiの2本目のエッセイ「The Adolescence of Technology」では、「エントリーレベルのホワイトカラー職の50%が1-5年以内に失われる可能性がある」と予測されています。

    これは脅しではなく、「今から準備する人が最も恩恵を受ける」という話です。

    この記事は、その準備のための一冊です。

    この章のまとめ

    • Anthropicの売上ランレートは2026年3月時点で190億ドル。14ヶ月で140倍の成長を遂げている

    • エンタープライズ市場でのClaude採用が急拡大。Fortune 10のうち8社がClaude顧客

    • 開発者調査ではClaude Codeが「最も愛するAIコーディングツール」で首位(46%)

    • Anthropic CEOは「パワフルAIが2026年末〜2027年初頭に到来する」と公式に予測している

    • AGIに備えて「今からAIを使いこなす準備をする人」が最も恩恵を受ける



    第2章:LLMの基礎知識──「生成AI」と「LLM」は違う 🔵全員向け

    「LLMって何ですか?ChatGPTと何が違うんですか?」

    この質問をされることが本当に多いです。「生成AI」「LLM」「ChatGPT」「Claude」──似たような言葉が飛び交っていて、整理できていない方も多いでしょう。この章ではそこを明確にします。


    2-1. 生成AIとLLMの関係

    まず、一番大きな概念は「生成AI(Generative AI)」です。これは、テキスト、画像、音声、動画など、何かを「新しく生成する」AIの総称です。

    生成AIの中に、LLM(Large Language Model:大規模言語モデル) があります。LLMは、大量のテキストデータで訓練された言語モデルで、テキストの生成に特化しています。

    つまり、こういう関係です。

    画像


    生成AI ⊃ LLM

    • LLMの例:Claude、GPT、Gemini、LLaMA

    • LLMではない生成AIの例:Midjourney(画像生成)、Suno(音楽生成)、Sora(動画生成)

    ChatGPTはOpenAIが提供するサービスの名前で、その裏側ではGPTシリーズというLLMが動いています。同様に、Claudeという名前のサービスの裏側ではAnthropicが開発したClaudeファミリーのLLMが動いています。


    2-2. LLMはなぜ「言葉を理解できる」のか

    LLMの仕組みを、できるだけ直感的に説明します。

    LLMは、インターネット上の膨大なテキスト──書籍、論文、Webページ、コード──を読み込んで訓練されています。この訓練の本質は、「次に来る単語を予測する」ことです。

    たとえば、「今日の天気は」という文に続く単語として、「晴れ」「曇り」「雨」が高い確率で来ることをLLMは学習しています。「机」や「ペンギン」が来る確率は低いことも知っています。

    この「次の単語の予測」を、数兆個の文章に対して繰り返すことで、LLMは文法、論理、知識、さらにはニュアンスまで「学習」します。

    厳密に言えば、LLMは言葉を「理解」しているわけではありません。統計的なパターンを認識しているだけです。しかし、結果として驚くほど知的に振る舞います。人間の脳も突き詰めればニューロンの電気信号のパターンですから、「パターン認識」と「理解」の境界はそもそも曖昧なのかもしれません。

    ちなみに、LLMが文章を処理する単位は「文字」ではなく「トークン」です。日本語の場合、1文字が1〜2トークンに相当します。「Claude Opus 4.6のコンテキストウィンドウは100万トークン」と言われたら、それは日本語で約50〜75万文字を一度に処理できるということです。文庫本5冊分以上の分量です。トークンについては第5章で詳しく扱います。


    2-3. なぜモデルによって得意・不得意があるのか

    「ClaudeもGPTもGeminiも、全部LLMなのに、なぜ性能が違うの?」

    これは良い質問です。同じ「LLM」でも、以下の要素によって性格が大きく異なります。

    訓練データの違い
    どのテキストをどれだけ読ませたかで、モデルの知識と傾向が変わります。コードの訓練データが多ければコーディングに強くなり、学術論文が多ければ専門知識に強くなります。

    アライメント手法の違い
    LLMは訓練しただけでは「便利だけど危険な存在」です。差別的な発言をしたり、有害な情報を提供したりする可能性があります。そこで、LLMの出力を人間の価値観に合わせる「アライメント」という工程が入ります。

    OpenAIはRLHF(Reinforcement Learning from Human Feedback:人間のフィードバックによる強化学習)を中心に使っています。人間の評価者がモデルの出力に点数をつけ、それを基にモデルを調整する手法です。
    ※RLHFについては以下の記事で詳しく紹介しています。

    AnthropicはConstitutional AIというアプローチを採用しています。これは、AIに「憲法」のようなルール体系を与え、AIが自分自身の出力を評価・修正するしくみです。2026年1月にはこの憲法が約80ページにわたって全文公開されました。

    モデルサイズとコスト効率のトレードオフ
    一般に、パラメータ数が大きいモデルほど賢くなりますが、推論コストも高くなります。これが「Opus(大きくて賢い)」「Sonnet(バランス型)」「Haiku(軽くて安い)」というモデル階層の背景です。

    結論として、「最強のモデル」は存在しません。用途に応じた使い分けが重要です。次の章で、Claude、GPT、Geminiの具体的な比較を行います。

    この章のまとめ

    • 「生成AI」はテキスト・画像・音声を生成するAI全般の総称。LLMはその一部で、テキスト特化の言語モデル

    • LLMは「次の単語を予測する」訓練を膨大なテキストに対して繰り返すことで、言語能力を獲得している

    • モデルごとの性格の違いは、訓練データ・アライメント手法・モデルサイズの3要素で決まる

    • 「最強のモデル」は存在しない。用途に応じた使い分けが重要



    第3章:Claude vs GPT vs Gemini──どれを使うべきか 🔵全員向け

    「結局どれを使えばいいの?」

    これは最も頻繁に受ける質問です。正直に言うと、「全部使う」が正解です。前章で紹介した通り、81%の企業が3つ以上のモデルファミリーを同時利用しています。それぞれに得意領域があり、1つに絞る理由はありません。

    とはいえ、「まず何から始めるか」の判断基準は必要です。この章では、2026年3月時点の最新モデルを比較し、私自身の使い分け基準を共有します。


    3-1. 2026年3月時点のモデルラインナップ

    まず、各社の最新モデルを整理します。

    Anthropic(Claude)

    • Claude Opus 4.6(2026年2月5日リリース):最上位モデル。コンテキスト1M(100万トークン)。API入力$5/MT、出力$25/MT

    • Claude Sonnet 4.6(2026年2月17日リリース):バランス型。コンテキスト1M(100万トークン)。API入力$3/MT、出力$15/MT

    • Claude Haiku 4.5(2025年10月15日リリース):軽量・高速。コンテキスト200K。API入力$1/MT、出力$5/MT

    OpenAI(GPT)

    • GPT-5.4:最上位モデル。マルチモーダル対応

    • o3:推論特化モデル

    Google(Gemini)

    • Gemini 3.1 Pro:大規模モデル。Deep Think機能

    • Gemini Flash:軽量・高速モデル

    3-1-1. サブスクリプション料金の比較

    「個人で使うならいくらかかるのか」を整理します。

    プランClaudeChatGPTGemini無料ありありありスタンダードPro $20/月Plus $20/月AI Pro $20/月上位Max $100/月Pro $200/月Ultra $50/月最上位Max $200/月——Claude CodePro以上——コーディングAgentClaude CodeCodexGemini CLI\small \def\arraystretch{1.5} \begin{array}{|l|c|c|c|} \hline \textbf{\textsf{プラン}} & \textbf{\textsf{Claude}} & \textbf{\textsf{ChatGPT}} & \textbf{\textsf{Gemini}} \\ \hline \textsf{無料} & \textsf{あり} & \textsf{あり} & \textsf{あり} \\ \hline \textsf{スタンダード} & \textsf{Pro \$20/月} & \textsf{Plus \$20/月} & \textsf{AI Pro \$20/月} \\ \hline \textsf{上位} & \textsf{Max \$100/月} & \textsf{Pro \$200/月} & \textsf{Ultra \$50/月} \\ \hline \textsf{最上位} & \textsf{Max \$200/月} & \textsf{—} & \textsf{—} \\ \hline \textsf{Claude Code} & \textsf{Pro以上} & \textsf{—} & \textsf{—} \\ \hline \textsf{コーディングAgent} & \textsf{Claude Code} & \textsf{Codex} & \textsf{Gemini CLI} \\ \hline \end{array}

    3社とも無料プランがありますが、Claude CodeはProプラン($20/月)以上が必要です。ChatGPTとGeminiの無料プランは、チャット機能のみで使えます。

    「まず無料で試してみたい」方は、3社すべての無料プランを使い比べてみてください。どれが自分に合うかは、実際に使ってみないとわかりません。

    3-1-2. API料金の比較(開発者向け)

    APIを直接利用する場合の料金です。非エンジニアの方は読み飛ばしても構いません。

    モデル入力(/MT)出力(/MT)コンテキストClaude Opus 4.6$5.00$25.001MClaude Sonnet 4.6$3.00$15.001MClaude Haiku 4.5$1.00$5.00200KGPT-5.4$2.50$15.001.1MGPT-5.2$1.75$14.00400KGemini 3.1 Pro$2.00$12.001MGemini 3 Flash$0.50$3.001M\small \def\arraystretch{1.5} \begin{array}{|l|c|c|c|} \hline \textbf{\textsf{モデル}} & \textbf{\textsf{入力(/MT)}} & \textbf{\textsf{出力(/MT)}} & \textbf{\textsf{コンテキスト}} \\ \hline \textsf{Claude Opus 4.6} & \textsf{\$5.00} & \textsf{\$25.00} & \textsf{1M} \\ \hline \textsf{Claude Sonnet 4.6} & \textsf{\$3.00} & \textsf{\$15.00} & \textsf{1M} \\ \hline \textsf{Claude Haiku 4.5} & \textsf{\$1.00} & \textsf{\$5.00} & \textsf{200K} \\ \hline \textsf{GPT-5.4} & \textsf{\$2.50} & \textsf{\$15.00} & \textsf{1.1M} \\ \hline \textsf{GPT-5.2} & \textsf{\$1.75} & \textsf{\$14.00} & \textsf{400K} \\ \hline \textsf{Gemini 3.1 Pro} & \textsf{\$2.00} & \textsf{\$12.00} & \textsf{1M} \\ \hline \textsf{Gemini 3 Flash} & \textsf{\$0.50} & \textsf{\$3.00} & \textsf{1M} \\ \hline \end{array}

    /MTは「100万トークンあたり」の料金です。Claude Opus 4.6は最も高性能ですが、API単価も最も高いです。コスト重視ならGemini 3 FlashやClaude Haiku 4.5が選択肢になります。

    なお、Claude Opus 4.6とSonnet 4.6は2026年3月13日に1Mコンテキストが正式GAとなり、追加料金なしで利用可能です。


    3-2. ベンチマーク比較──数字で見る各モデルの強み

    ベンチマークスコアを見ていきます。ただし、ベンチマークは「テストの点数」であり、実務での体感とは異なることを先にお伝えしておきます。テストで100点を取る学生が、必ずしも職場で最も優秀とは限らないのと同じです。

    ベンチマークClaude Opus 4.6GPT-5.4Gemini 3.1 ProSWE-Bench Verified80.8%約 80%80.6%LMSYS Arena CodingElo 1561——ARC-AGI-268.8%—77.1%GPQA Diamond——94.3%50%タスクホライゾン14.5時間——\small \def\arraystretch{1.5} \begin{array}{|l|c|c|c|} \hline \textbf{\textsf{ベンチマーク}} & \textbf{\textsf{Claude Opus 4.6}} & \textbf{\textsf{GPT-5.4}} & \textbf{\textsf{Gemini 3.1 Pro}} \\ \hline \textsf{SWE-Bench Verified} & \textbf{\textsf{80.8\%}} & \textsf{約 80\%} & \textsf{80.6\%} \\ \hline \textsf{LMSYS Arena Coding} & \textbf{\textsf{Elo 1561}} & \textsf{—} & \textsf{—} \\ \hline \textsf{ARC-AGI-2} & \textsf{68.8\%} & \textsf{—} & \textbf{\textsf{77.1\%}} \\ \hline \textsf{GPQA Diamond} & \textsf{—} & \textsf{—} & \textbf{\textsf{94.3\%}} \\ \hline \textsf{50\%タスクホライゾン} & \textbf{\textsf{14.5時間}} & \textsf{—} & \textsf{—} \\ \hline \end{array}

    SWE-Bench Verified(ソフトウェアエンジニアリングの実問題)
    Claude Opus 4.6が80.8%で首位です。GPT-5.4は約80%で僅差ですが、Claudeが安定してトップを維持しています。

    LMSYS Chatbot Arena Coding Leaderboard(開発者の投票による盲検テスト)
    Claude Opus 4.6はElo 1561を記録し、1500 Eloを突破した最初のモデルになりました。これは実際のコーディングタスクで開発者が「こちらの出力の方が良い」と判断した結果の集積です。

    50%タスクホライゾン(50%のタスクを自律完了できるまでの時間)
    Claude Opus 4.6が14時間30分で最長です。これは「与えられたタスクの半分を、人間の介入なしに自律的に完了するまでに14.5時間持続できる」という意味です。長時間の自律作業ではClaudeが最も信頼できます。

    一方で、GPT-5.4が強い領域もあります。SWE-Bench Pro(より高難度のエンジニアリング問題)ではGPT-5.4が57.7%でリードしています。また、Gemini 3.1 ProのDeep Think機能は数学推論で突出した性能を発揮しています。


    3-3. 実務での使い分け──私の判断基準

    ベンチマークを踏まえた上で、私自身が日常的に実践している使い分けを共有します。

    まず、コーディング以外の「知的生産」全般でのClaudeの強みを先に書いておきます。
    ここが見落とされがちですが、非エンジニアの方にとってはむしろこちらが本題です。

    Claudeの最大の強みは「長い文脈を正確に理解して、自然で論理的な文章を扱う」ことです。

    私が日常業務でClaude(チャット)を最も活用しているのは、以下の3つです。

    1. 長文資料の要約・分析
    会議録、PDF資料、競合レポートなどを丸ごと投げて、「要点のまとめ」「アクション項目の抽出」「想定質問リストの作成」を一気に依頼します。100万トークンのコンテキストウィンドウを活かして、文庫本5冊分の資料を一度に処理できます。Geminiと比較してハルシネーション(もっともらしいが事実と異なる出力)が少なく、出力の構造が整理されている印象です。

    2. 文章作成の初稿+ブラッシュアップ
    提案書、メール、ブログ記事、議事録のドラフト作成。トーンや論理展開を指定すると、人間らしい自然な日本語が出てきます。特に「丁寧だけど押しが強すぎないビジネス文」はClaudeが最も得意とする領域です。GPTはやや硬い翻訳調になりがちで、Geminiは日本語の微妙なニュアンスを外すことがある。Claudeは「こう書いてほしい」を最も少ない修正回数で実現してくれます。

    3. 思考の整理・アイデアの構造化
    曖昧な企画アイデアを投げて、「マインドマップ風の整理→フローチャート化→ToDoリスト化」まで一気通貫で依頼します。Claudeの論理的思考力が最も活きる場面です。「何を考えればいいかわからない」状態から「やるべきことが明確になる」状態まで、一回のやり取りで到達できることが多いです。

    要するに、「考えること」と「書くこと」が絡む知的生産業務全般で、Claudeは最も信頼できるパートナーです。 コードを書かない方でも、ドキュメントワークが多い方ほど、毎日手放せなくなるはずです。

    ここからは、コーディングも含めた使い分けを具体的に整理します。

    コーディング(複雑なマルチファイルプロジェクト)→ Claude Code
    複数ファイルにまたがる変更、設計判断を含むコーディングでは、Claude Codeが最も安定しています。特に「既存コードベースの理解→設計→実装」の一連の流れで、コンテキストの保持力が際立ちます。

    コーディング(VS Code内でのインライン補完)→ GitHub Copilot
    ファイル内の短いコード補完、関数の自動生成にはCopilotが最も快適です。「考えなくてもコードが出てくる」体験は依然としてCopilotが最強です。

    Googleエコシステム連携 → Gemini CLI
    Google Cloud、BigQuery、Google Docsとの連携が必要な場合はGemini CLIが便利です。ただし、Claude CodeもMCP経由でGoogle系サービスと接続できるため、この差は縮まりつつあります。

    文章生成(ニュアンスの正確さが求められる)→ Claude
    日本語を含むテキスト生成で、「こう書いてほしい」というニュアンスを最も正確に理解するのはClaudeです。特にビジネス文書の作成では、指示を繰り返し修正する回数がClaude利用時に最も少なくなります。

    データ分析・可視化 → GPT(Code Interpreter)
    CSVファイルのアップロード→分析→グラフ生成の一連の流れは、ChatGPTのCode Interpreterが最も手軽です。ただし、Claude Coworkでも同等の作業が可能になりつつあります。

    コスト重視 → Gemini Flash / Claude Haiku
    大量のAPI呼び出しが必要な場合、軽量モデルのコスト効率が重要になります。Gemini FlashとClaude Haiku 4.5は、品質を大きく犠牲にせずにコストを1/5以下に抑えられます。

    3-3-1. 結論:筆者のおすすめ早見表

    用途筆者のおすすめ設計・文章生成・汎用Claude (Opus / Sonnet)コーディング(エージェント型)Claude Codeコーディング(CLI自動修正)Codex (GPT)画像・動画生成Gemini (Imagen / Veo)数学・科学的推論Gemini 3.1 Pro (Deep Think)コスト最優先Gemini Flash / Claude Haiku非エンジニアの業務自動化Claude Cowork\small \def\arraystretch{1.5} \begin{array}{|l|c|} \hline \textbf{\textsf{用途}} & \textbf{\textsf{筆者のおすすめ}} \\ \hline \textsf{設計・文章生成・汎用} & \textsf{Claude (Opus / Sonnet)} \\ \hline \textsf{コーディング(エージェント型)} & \textsf{Claude Code} \\ \hline \textsf{コーディング(CLI自動修正)} & \textsf{Codex (GPT)} \\ \hline \textsf{画像・動画生成} & \textsf{Gemini (Imagen / Veo)} \\ \hline \textsf{数学・科学的推論} & \textsf{Gemini 3.1 Pro (Deep Think)} \\ \hline \textsf{コスト最優先} & \textsf{Gemini Flash / Claude Haiku} \\ \hline \textsf{非エンジニアの業務自動化} & \textsf{Claude Cowork} \\ \hline \end{array}

    繰り返しになりますが、「1つに絞る」必要はありません。私自身、設計とコードレビューはClaude、画像生成はGemini、VS Code内の補完はCopilotと、日常的に3社を併用しています。


    3-4. なぜこの記事はClaudeに焦点を絞るのか

    ここまで「全部使うのが正解」と言いながら、この記事はClaudeに特化しています。その理由を明確にしておきます。

    それは、Claude Codeという「実行基盤」の存在です。

    ChatGPTは優れたチャットボットです。Gemini CLIは優れたコマンドラインツールです。しかし、以下の全てを統合的に提供しているのはClaude Codeだけです。

    • Skills:ワークフローをパッケージ化して再利用する

    • Subagents:独立コンテキストのサブエージェントにタスクを委譲する

    • Agent Teams:複数エージェントが互いに直接通信しながら協調する

    • Cowork:非エンジニアがGUIでエージェント能力を使う

    • Channels:Telegram、DiscordからリアルタイムでClaude Codeにイベントを送る

    • Tasks:セッションを超える定期タスクを管理する

    • GitHub Actions:PRやIssueでClaudeを自動トリガーする

    • MCP:外部サービス(freee、Slack、Notion等)とAPI連携する

    GPTにもGeminiにも、この規模の統合エージェントエコシステムはまだ存在しません。

    この記事のゴールは、「チャットボットとしてのAI」から「仕事を実行する基盤としてのAI」へ、あなたの使い方をアップグレードすることです。そのためにはClaude Codeを中心に据える必要があります。

    もちろん、この記事で学んだ考え方──コンテキスト管理、エージェント設計、ワークフロー分離──は、将来GPTやGeminiが同様の機能を提供したときにもそのまま活用できます。

    この章のまとめ

    • Claudeの最大の強みは「長い文脈を正確に理解して、自然で論理的な文章を扱う」こと。要約・文章作成・思考整理で最も信頼できる

    • Claude Opus 4.6はコーディング系ベンチマーク(SWE-Bench、LMSYS Arena)で首位クラス

    • GPT-5.4は汎用性で最強、Gemini 3.1 Proは数学推論とコスト効率で強い

    • 81%の企業が3つ以上のモデルを併用しており、「全部使う」が正解

    • 筆者のおすすめ:設計・文章はClaude、画像・動画はGemini、CLI自動修正はCodex(GPT)

    • この記事がClaudeに焦点を絞る理由は、Skills・Subagents・Agent Teamsなどの統合エージェントエコシステムの存在



    第4章:Claudeの導入と初期設定 🔵全員向け

    「とりあえず使ってみたいけど、いくらかかるの?どこから始めればいいの?」

    この章では、Claudeの以下の3つの使い方の導入手順を解説します。

    • Claude Desktop(チャット)

    • Claude Code(ターミナル)

    • Claude Cowork(デスクトップエージェント)


    4-1. サブスクリプションプラン──どれを選ぶべきか

    Claudeにはいくつかのプランがあります。

    画像
    Free, Pro, Maxのサブスクリプション

    Free(無料)
    claude.aiでチャット機能を利用できます。ただし、Claude CodeとCoworkは使えません。「まずClaudeと会話してみたい」という方はここから始めてください。

    Pro($20/月、約3,000円)
    Claude Code、Coworkが利用可能になります。ほとんどの方にはこのプランで十分です。日常的な開発やビジネス用途であれば、Proプランの利用枠を使い切ることは少ないでしょう。迷ったらまずProから始めてください。

    Max 5x($100/月、約15,000円)
    Proの5倍の利用量が含まれます。Claude Codeを1日数時間以上使う方、Cowork Dispatch(スマホから遠隔操作)を使いたい方向けです。

    Max 20x($200/月、約30,000円)
    Proの20倍の利用量。業務のほぼ全てをClaude Codeで行う方向けです。

    Team($20〜$125/席/月)
    チームでの利用向け。管理者ダッシュボード、共有プロジェクト設定。

    Enterprise(カスタム価格)
    SSO、監査ログ、データ保持ポリシー、専任サポート。

    筆者の推奨: 繰り返しになりますが、まずProプランで始めてください。1ヶ月使ってみて、「利用枠が足りない」と感じたらMaxに上げればよいだけです。逆に、最初からMaxにしても使い切れなければもったいないです。


    4-2. Claude Desktop のインストール

    Claude Desktop は、Claude の全機能を1つのアプリで使えるデスクトップソフトウェアです。アプリ内に3つのタブがあります。

    • Chat:チャットベースの対話。質問回答、文章作成、アイデアの壁打ちに

    • Code:Claude Code のGUI版。ターミナルを開かずに、コードの編集・テスト実行・Git操作が可能

    • Cowork:非コーディング用のエージェント。ファイル整理、文書作成、データ分析を自律実行

    つまり、Claude Desktopをインストールすれば、Chat・Claude Code・Coworkの全てが1つのアプリから使えます。

    手順:

    1. https://claude.ai/download にアクセス

    2. お使いのOS(macOS / Windows / Linux)に合わせてダウンロード

    3. インストーラーを実行

    4. Anthropicアカウントでログイン

    これだけです。インストール後、Chat / Code / Cowork のタブが表示されれば成功です。

    なお、Claude Code はターミナル(CLI)からも使えます。Desktop アプリ内の Code タブと CLI 版は同等の機能を持っており、`/desktop` コマンドでCLIのセッションをDesktopアプリに移行することも可能です。次のセクション(4-3)で解説するCLI版のインストールは、ターミナルでの操作に慣れている方や、より細かい制御が必要な方向けです。


    4-3. Claude Code のインストール

    Claude Code は、ターミナル(コマンドライン)で動くエージェントです。ファイルの読み書き、コマンドの実行、Git操作を自律的に行います。この記事の主役です。

    前提条件:

    • Node.js 18以上(推奨は20以上)

    • Anthropicの有料アカウント(Pro以上)

    非エンジニアの方へ: 「ターミナル」とは、PCに文字で命令を出すための画面です。macOSなら「ターミナル」アプリ、Windowsなら「PowerShell」または「WSL」で開けます。怖がる必要はありません。この記事を読み進めれば、自然と慣れます。

    インストール手順(推奨:ネイティブインストーラー):

    macOSまたはLinuxの場合、ターミナルを開いて以下のコマンドを実行します。

    curl -fsSL https://claude.ai/install.sh | bash

    これだけでインストールが完了します。Node.jsのインストールも不要です。自動アップデートも有効になります。

    Windowsの場合はWSL(Windows Subsystem for Linux)またはGit for Windowsが必要です。PowerShellから以下を実行します。

    wsl --install

    WSLが起動したら、Linux用のインストールコマンドを実行してください。

    npm経由のインストール(代替手段):

    Node.jsがすでにインストールされている環境では、npm経由でもインストールできます。

    npm install -g @anthropic-ai/claude-code

    ただし、ネイティブインストーラーの方が高速で依存関係も少ないため、特別な理由がなければネイティブインストーラーを推奨します。npmでインストール済みの方は、ネイティブインストーラーに移行することをおすすめします。

    重要: `sudo npm install -g` は絶対に使わないでください。権限の問題とセキュリティリスクの原因になります。

    初回起動と認証:

    インストール後、ターミナルで以下を実行します。

    cd あなたのプロジェクトフォルダ
    claude

    初回起動時にAnthropicアカウントへの認証が求められます。ブラウザが開くので、ログインして認証を完了してください。

    認証が完了すると、ターミナルにClaudeのプロンプトが表示されます。ここに自然言語で指示を入力すれば、Claudeがファイルを読み、コードを書き、コマンドを実行します。

    > このプロジェクトの構造を説明して

    このように話しかけるだけで、Claudeがプロジェクト全体を読み取り、構造の説明を返してくれます。


    4-4. Claude Cowork のインストール

    Claude Coworkは、Claude Desktopアプリに統合されています。別途インストールは不要です。

    Claude Desktopを開き、Coworkタブに切り替えて、「ファイルを整理して」「レポートを作成して」といったタスクを入力するだけで、Coworkがローカルファイルの操作を開始します。

    Coworkの詳細は第10章で改めて解説します。


    この章のまとめ

    • まずProプラン($20/月)から始めるのが推奨。利用量が足りなくなったらMaxに上げればよい

    • Claude Desktopは Chat / Code / Cowork の3タブ構成。1つのアプリでClaude全機能が使える

    • Claude Codeのインストールはネイティブインストーラー(`curl`1行)が推奨。`sudo npm install -g`は絶対に使わない

    • 初回起動時にブラウザ認証を完了すれば、すぐに自然言語で作業指示を出せる



    第5章:なぜコンテキストウィンドウが最重要か 🔵全員向け

    「長く使っていると、Claudeがさっき話した内容を忘れる。なんで?」

    これはClaudeの不具合ではなく、LLMの根本的な仕組みに起因する現象です。コンテキストウィンドウを理解することが、Claudeを使いこなす上で最も重要な基礎知識です。


    5-1. コンテキストウィンドウとは

    コンテキストウィンドウとは、LLMが一度に処理できるテキストの上限量のことです。人間で言えば「作業メモリ」に相当します。

    Claude Opus 4.6のコンテキストウィンドウは1,000,000トークン(100万トークン)です。日本語では約50万〜75万文字に相当します。文庫本1冊が約10万文字ですから、文庫本5冊分以上の情報を一度に処理できるということです。

    ※2026年3月13日に、Opus 4.6とSonnet 4.6の1Mコンテキストが正式にGA(一般提供)となり、追加料金なしの標準価格で利用可能になりました。

    「それだけあれば十分では?」と思うかもしれません。しかし、実際にClaude Codeを使うと、コンテキストは驚くほど速く消費されます。

    • あなたの指示(プロンプト)

    • CLAUDE.md(プロジェクトの設定ファイル)

    • Claudeが読み込んだソースコード

    • Claudeの応答

    • 過去の会話履歴

    画像

    これらが全てコンテキストウィンドウの中に蓄積されていきます。大きなプロジェクトでは、数回のやり取りで数万トークンを消費することも珍しくありません。


    5-2. 「忘れる」メカニズム

    コンテキストウィンドウがいっぱいになると何が起きるのでしょうか。

    LLMは、コンテキストの上限に近づくと、古い情報から順に「押し出される」ように処理されます。正確には、Claude Codeには「Context Compaction(コンテキスト圧縮)」という仕組みがあり、古い会話が自動的に要約されて圧縮されます。

    この圧縮のプロセスで、詳細な情報が失われるのです。「最初に伝えた設計方針」「3つ前のやり取りで合意した仕様」──こうした情報は、圧縮時に「重要でない」と判断されて消えることがあります。

    これが「Claudeが前の話を忘れる」現象の正体です。


    5-3. 私がコンテキストで大失敗した話

    正直に書きます。

    私もClaude Codeを使い始めた最初の1ヶ月は、「なぜ同じことを何度も教えないといけないのか」にイライラしていました。

    決定的だったのは、3万行のプロジェクトでClaude Codeに大規模なリファクタリングを指示したときです。セッションの序盤で「既存のAPIとの後方互換性を必ず維持すること」と明確に伝えていたにもかかわらず、2時間後にClaudeは後方互換性を壊す変更を平然と行いました。

    原因を調べたところ、コンテキストの80%以上が消費された状態で、序盤の会話が圧縮・消失していたのです。2時間分の作業がやり直しになりました。

    この経験から、私はコンテキスト管理を最優先事項と位置づけるようになりました。具体的な管理手法は第16章と第17章で詳しく解説しますが、ここでは基本原則だけ紹介します。


    5-4. コンテキスト管理の基本原則

    原則1:1セッション1タスク
    「バグ修正」と「新機能追加」を同じセッションで行わないでください。タスクが終わったら新しいセッションを開始する。これだけで、コンテキスト溢れの問題は大幅に減ります。

    原則2:/contextで使用量を確認する
    Claude Codeのセッション中に `/context` と入力すると、現在のコンテキスト使用量が表示されます。80%を超えたら、手動で `/compact` を実行して圧縮するか、新しいセッションを開始しましょう。

    原則3:重要な指示はCLAUDE.mdに書く
    口頭(チャット)で伝えた指示は圧縮時に消える可能性があります。プロジェクトの重要なルールはCLAUDE.mdファイルに書いておけば、毎回セッション開始時に読み込まれます。CLAUDE.mdについては次の第8章で詳しく扱います。

    原則4:大きなファイルは全部読ませない
    「このファイル全体を読んで」ではなく、「このファイルの100行目から150行目を読んで」と指定するだけで、コンテキスト消費を大幅に節約できます。

    これらは基本中の基本です。上級者向けの戦略(戦略的コンパクト化、サブエージェントによるコンテキスト分離)は、有料エリアの第16〜17章で解説します。


    この章のまとめ

    • コンテキストウィンドウはLLMの「作業メモリ」。Claude Opus 4.6は100万トークン(日本語で約50〜75万文字)

    • 指示・コード・応答・会話履歴が全てコンテキストを消費し、上限に近づくと古い情報が圧縮・消失する

    • 「Claudeが前の話を忘れる」のはバグではなく、コンテキスト消費による仕様

    • 基本原則:1セッション1タスク、/contextで使用量を監視、重要な指示はCLAUDE.mdに書く



    第6章:エージェントという概念 🔵全員向け

    「エージェントってチャットボットと何が違うんですか?」

    この質問に対する答えが、この記事全体の理解を左右します。Claudeを「チャットボット」として使っている限り、この記事で紹介する機能の多くは必要ありません。しかし「エージェント」として使い始めた瞬間、仕事の仕方が根本的に変わります。


    6-1. チャットボットとエージェントの違い

    画像

    チャットボットは「質問→回答」の1往復が基本単位です。あなたが質問し、AIが答える。次の質問をするまで、AIは何もしません。受動的な存在です。

    エージェントは違います。目標を与えると、自分で計画を立て、実行し、結果を検証し、必要なら修正するというループを自律的に回します。能動的な存在です。

    たとえで言えば、こうなります。

    • チャットボット=辞書。質問すれば答えが返ってくる

    • エージェント=部下。「このレポートを来週の会議までに仕上げて」と言えば、調査し、下書きし、推敲し、提出する

    Claude DesktopのChatタブは「チャットボット」寄りの使い方です。一方、同じアプリ内のCodeタブやCoworkタブは「エージェント」です。同じClaudeというAIが裏で動いていますが、タブによって使い方と能力が根本的に異なります。


    6-2. ツールコール──エージェントが「手」を持つ仕組み

    チャットボットがテキストを生成するだけなのに対し、エージェントは実際にアクションを起こせます。ファイルを読む、ファイルを書く、コマンドを実行する、Webを検索する。これが可能な理由は「ツールコール」という仕組みです。

    Claude Codeは、以下のツールを自律的に使い分けます。

    • Read:ファイルの内容を読み取る

    • Write:ファイルを作成・編集する

    • Bash:ターミナルコマンドを実行する(テスト実行、ビルド、Git操作など)

    • Search:コードベース内のテキストを検索する

    • MCP:外部サービスのAPIを呼び出す(Slack、GitHub、freee等)

    重要なのは、どのツールをどの順番で使うかは、Claude自身が判断するという点です。あなたが「このプロジェクトのテストを全部通して」と指示すれば、Claudeは自分で以下のステップを実行します。

    1. テスト設定ファイルを読む(Read)

    2. テストコマンドを実行する(Bash)

    3. 失敗したテストのエラーメッセージを確認する(Read)

    4. エラー原因のコードを特定する(Search)

    5. コードを修正する(Write)

    6. テストを再実行する(Bash)

    7. 全テストが通るまで5-6を繰り返す

    画像

    あなたは最初に「テストを通して」と言っただけです。残りはClaude Codeが自律的に判断・実行します。これがエージェントの本質です。


    6-3. 自律性と制御のバランス

    エージェントに全てを任せるのは怖い、と感じる方もいるでしょう。もっともです。「勝手にファイルを削除されたら?」「意図しないコマンドを実行されたら?」

    Claude Codeには、自律性のレベルを調整する権限モデルがあります。

    Manualモード:すべてのファイル変更・コマンド実行に対して、事前の承認を求めます。最も安全ですが、毎回「はい」を押す必要があり、作業効率は落ちます。

    Accept Editsモード:ファイルの変更は自動承認しますが、シェルコマンドの実行には承認を求めます。多くのケースでバランスが良い設定です。

    Trust(YOLOモード):すべてを自動承認します。最も効率的ですが、リスクも最大です。信頼できるプロジェクトで、Gitによるバージョン管理がされている場合にのみ推奨します。

    私のおすすめは、最初はAccept Editsモードで始め、Claude Codeの動きに慣れてきたらTrustモードに移行することです。いずれの場合も、Gitで変更をこまめにコミットしておけば、何か問題が起きても元に戻せます。


    6-4. Claude Codeとは結局何か

    ここまでの内容をまとめると、Claude Codeとは以下の特徴を持つツールです。

    ローカルで動く
    Claude CodeはあなたのPC上のターミナルで動作します。APIリクエスト以外のデータはサーバーに送られません。プロジェクトのコードがAnthropicのサーバーに保存されることはありません(APIリクエストに含まれるコンテキストは一時的に処理されますが、モデルの訓練には使用されません)。

    エディタ非依存
    VS Code, JetBrains, Vim, Emacs──どのエディタを使っていても、Claude Codeはターミナルから独立して動作します。エディタのプラグインをインストールする必要はありません。

    「AIアシスタント」ではなく「AIエンジニア」
    Claude Codeは「コードの提案」をするツールではありません。ファイルを読み、設計を考え、コードを書き、テストを実行し、Gitにコミットする。エンジニアが行う作業の多くを、自律的に実行します。


    この章のまとめ

    • チャットボットは受動的(質問→回答)、エージェントは能動的(目標→計画→実行→検証のループ)

    • Claude Codeはツールコール(Read / Write / Bash / Search / MCP)を自律的に使い分けるエージェント

    • 権限モデルは3段階:Manual(全承認)→ Accept Edits(バランス型)→ Trust(全自動)

    • Claude Codeは「AIアシスタント」ではなく「AIエンジニア」。ローカルで動き、エディタに依存しない



    第7章:基本操作とショートカット 🔵全員向け(🟢一部エンジニア向け)

    Claude Codeを起動したら、まず覚えるべき操作を一覧にまとめます。この章は「辞書」として使ってください。全部を暗記する必要はありません。必要なときに戻ってきて確認すれば十分です。


    7-1. キーボードショートカット

    Shift + Tab:Planモードの切り替え
    Planモードでは、Claudeはファイルの変更を行わず、「読み取り専用」で調査・計画を行います。「まず設計を固めてから実装に入る」というワークフローで使います。詳細は第18章(3/24時点では未記載)で解説します。

    Esc:現在の生成を中断
    Claudeが的外れな方向に進んでいると感じたら、Escで即座に停止できます。トークンの節約にもなります。

    Tab:コマンド補完
    スラッシュコマンドの入力中にTabを押すと、候補が表示されます。

    Ctrl + C:セッション終了
    現在のClaude Codeセッションを終了します。


    7-2. 特殊文字プレフィックス

    `!`(エクスクラメーション):bashコマンドの直接実行
    `!ls -la` と入力すると、Claudeを介さずに直接シェルコマンドを実行できます。Claudeに頼まなくても済む単純なコマンドはこれで直接実行する方が早いです。

    `#`(ハッシュ):コメント
    `# この部分は後で修正する` のように入力すると、Claudeに情報を伝えつつ、応答は返ってきません。コンテキストに残したいメモを追加するときに使います。


    7-3. 主要なスラッシュコマンド

    /help
    利用可能なコマンドの一覧を表示します。困ったらまずこれを実行してください。

    /context
    現在のコンテキスト使用量を表示します。第5章で解説した通り、コンテキスト管理の基本です。

    /compact
    現在の会話を要約して圧縮します。「重要な情報を保持して」「設計方針を優先して」のようにカスタム指示を追加することもできます。

    /compact 設計方針とテスト結果を優先して保持

    /clear
    セッションをリセットします。会話履歴が全て消えます。

    /config
    Claude Codeの設定を変更します。モデルの選択、権限モード、表示設定など。

    /permissions
    ツールの権限設定を確認・変更します。

    /fork
    現在の会話を分岐させます。A案とB案を同時に試したいときに使います。

    /loop
    定期タスクを設定します。例:`/loop 5m check deployment status`(5分ごとにデプロイ状態を確認)

    /learn
    セッション中に発見した知見をCLAUDE.mdに記録します。

    /install-github-app
    GitHub Actions連携のセットアップを行います。


    7-4. セッションの管理

    過去のセッションを再開する:

    claude --resume

    過去のセッションのコンテキストを引き継いで再開できます。

    特定のセッションを指定して再開する:

    claude --session-id セッションID

    WebとCLIの間でセッションを移行する:

    claude --teleport

    ブラウザ(claude.ai/code)で作業していたセッションをターミナルに、またはその逆に移行できます。Boris Cherny(Claude Code開発責任者)が日常的に使っている機能で、iOSアプリからセッションを起動し、PCのターミナルに移行するワークフローが紹介されています。

    なお、2026年3月17日にリリースされたCowork Dispatchにより、スマホからの操作はさらに簡単になりました。Claude モバイルアプリからQRコードをスキャンするだけで、PCのCoworkセッションを遠隔操作できます。`--teleport`がCLIセッションの移行であるのに対し、Dispatchは「PCの前にいない時間」にスマホからタスクを投げる仕組みです。詳細は第14章(有料エリア)で解説します。


    この章のまとめ

    • Shift+Tabでplanモード切り替え、Escで生成中断、/contextでコンテキスト確認、/compactで圧縮

    • `!`プレフィックスでbashコマンド直接実行、`#`プレフィックスでコメント追加

    • /fork(会話分岐)、/loop(定期タスク)、/learn(知見の永続化)が上級者向けの重要コマンド

    • `claude --resume`でセッション履歴を確認し再開、`claude --teleport`でWeb↔CLI間のセッション移行



    第8章:CLAUDE.md──AIへの「就業規則」 🔵全員向け

    「Claude Codeに毎回同じことを説明するのが面倒」
    「チームでClaude Codeの使い方がバラバラ」

    その問題を解決するのがCLAUDE.mdです。


    8-1. CLAUDE.mdとは

    CLAUDE.mdは、プロジェクトのルートディレクトリに配置するマークダウンファイルです。Claude Codeは、セッション開始時にこのファイルを自動的に読み込みます。

    人間の新入社員に渡す「プロジェクトの決まりごと」と思ってください。開発言語、テストの実行方法、命名規則、やってはいけないこと──こうした情報をCLAUDE.mdに書いておけば、毎回口頭で説明する必要がなくなります。

    CLAUDE.mdとSkills(第9章で解説)の違いは、適用タイミングです。CLAUDE.mdはセッション開始時に常に読み込まれます。Skillsは必要なときだけ呼び出します。「常に守るべきルール」はCLAUDE.mdに、「特定の作業で使うワークフロー」はSkillsに、という使い分けが基本です。


    8-2. CLAUDE.mdに何を書くべきか

    結論から言うと、以下の5項目を書けば十分です。

    1. プロジェクトの概要(1〜2行)
    何を作っているか。1行で。

    2. 技術スタック
    言語、フレームワーク、主要ライブラリ。

    3. コーディング規約
    命名規則、ディレクトリ構造、コメントの書き方。

    4. テスト・ビルドの実行方法
    テストコマンド、ビルドコマンド、リントコマンド。

    5. やってはいけないこと
    特定ファイルの変更禁止、特定ライブラリの使用禁止など。


    8-3. 実践的なCLAUDE.md例

    最小構成(10行)──個人の小規模プロジェクト向け:

    # Project
    ToDoアプリのバックエンドAPI
     
    # Stack
    Python 3.12, FastAPI, SQLAlchemy, PostgreSQL
     
    # Commands
    - Test: `pytest -v`
    - Lint: `ruff check .`
    - Run: `uvicorn main:app --reload`
     
    # Rules
    - テストを書いてからコードを書く(TDD)
    - 型ヒントを必ず付ける

    中規模構成(30行)──チーム開発向け:

    # Project
    ECサイトのフロントエンド。Next.js 15 App Router使用。
     
    # Stack
    TypeScript, Next.js 15, React 19, Tailwind CSS, Prisma, PostgreSQL
     
    # Directory Structure
    - src/app/ : ページコンポーネント(App Router)
    - src/components/ : 共有コンポーネント
    - src/lib/ : ユーティリティ関数
    - src/actions/ : Server Actions
    - prisma/ : スキーマ定義
     
    # Commands
    - Dev: `npm run dev`
    - Test: `npm test`
    - Build: `npm run build`
    - Lint: `npm run lint`
    - DB Migration: `npx prisma migrate dev`
     
    # Coding Conventions
    - Server Componentをデフォルトにする。"use client"は必要な場合のみ
    - データアクセスはServer Components/Actionsからのみ
    - コンポーネント名はPascalCase、ファイル名はkebab-case
    - TypeScript strictモード。anyは禁止
     
    # Do NOT
    - src/app/api/internal/ 配下は変更禁止(外部連携中)
    - package.jsonのdependenciesを勝手に追加しない(事前確認が必要)
    - .envファイルをコミットしない

    このくらいの量があれば、Claude Codeはプロジェクトの文脈を十分に把握して作業できます。


    8-4. CLAUDE.mdが長すぎると逆効果

    ここで重要な注意点があります。CLAUDE.mdもコンテキストウィンドウを消費します。

    500行を超えるCLAUDE.mdは、以下の問題を引き起こします。

    • セッション開始時点でコンテキストの大部分を消費する

    • 重要な指示が大量のテキストに埋もれて見落とされる

    • 矛盾する指示が混在しやすくなる

    経験則として、CLAUDE.mdは50行以内に収めることを推奨します。50行を超えるなら、詳細なワークフローはSkills(第9章)に分離してください。

    これが「Progressive Disclosure(段階的開示)」の考え方です。CLAUDE.mdには「常に必要な最小限のルール」だけを書き、詳細な手順は必要なときだけSkillsで読み込む。この分離がコンテキスト効率を最大化します。


    8-5. CLAUDE.mdの配置場所

    CLAUDE.mdは複数の場所に配置でき、階層的に読み込まれます。

    `~/.claude/CLAUDE.md`(グローバル)
    全プロジェクト共通のルール。「日本語でコメントを書く」「コミットメッセージは英語」など。

    プロジェクトルートの `CLAUDE.md`
    プロジェクト固有のルール。技術スタック、コーディング規約など。

    サブディレクトリの `CLAUDE.md`
    特定ディレクトリ固有のルール。例:`src/api/CLAUDE.md` に「このディレクトリのAPIは後方互換性を維持すること」。

    読み込み優先順位は、グローバル → プロジェクトルート → サブディレクトリの順です。全てが連結されてコンテキストに読み込まれます。だからこそ、各ファイルは短く保つ必要があります。


    この章のまとめ

    • CLAUDE.mdはセッション開始時に自動で読み込まれる「プロジェクトの就業規則」

    • 書くべき内容は5項目:概要、技術スタック、コーディング規約、テスト方法、禁止事項

    • 50行以内に収めるのが目安。超えたらSkillsに分離する(Progressive Disclosure)

    • 配置は階層的:グローバル(~/.claude/)→ プロジェクトルート → サブディレクトリ



    第9章:Skills──ワークフローをパッケージ化する 🔵全員向け

    「毎回同じ手順をClaude Codeに説明するのが面倒」
    「チームメンバーによってClaude Codeの使い方がバラバラ」

    CLAUDE.mdが「常に適用されるルール」だとすれば、Skillsは「必要なときだけ呼び出すワークフロー」です。


    9-1. Skillsとは何か

    Skillsは、マークダウンファイル(SKILL.md)による命令パッケージです。特定のワークフローを定義し、スラッシュコマンドで呼び出します。

    例えば `/review` と入力すれば、事前に定義した「コードレビュー手順」がClaude Codeに読み込まれ、その手順に従ってレビューが実行されます。

    SkillsはAgent Skillsというオープンスタンダード(agentskills.io)に準拠しており、Claude Code以外のAIエージェントでも利用可能な形式です。

    CLAUDE.mdとの違い:

    • CLAUDE.md:セッション開始時に常に自動読み込み

    • Skills:呼び出されたときだけ読み込み


    9-2. Skillsの構成

    Skillsファイルは、YAMLフロントマターとマークダウン本文で構成されます。

    ---
    name: review
    description: コードレビューを実施する
    allowed-tools: Read, Search
    ---
     
    # コードレビュー手順
     
    1. 変更されたファイルを全て確認する
    2. 以下の観点でレビューする:
       - セキュリティ上の問題がないか
       - パフォーマンスへの影響がないか
       - テストカバレッジは十分か
       - 命名規則に従っているか
    3. 問題があれば修正提案を出す
    4. 問題がなければ「LGTM」と報告する

    Progressive Disclosure(段階的開示) がSkillsの重要な特徴です。Claude Codeは、まずフロントマターの `description` だけを読みます。その説明を見て「このSkillが必要だ」と判断した場合にのみ、本文を読み込みます。これにより、不要なSkillがコンテキストを消費することを防ぎます。


    9-3. Skillsの配置場所

    個人用スキル: `~/.claude/skills/`
    自分だけが使うワークフロー。

    プロジェクト共有スキル: `.claude/skills/`
    チーム全員が使うワークフロー。Gitでバージョン管理できます。

    Anthropic公式スキル:https://github.com/anthropics/skills
    Anthropicが公開している汎用スキル集。`/simplify`、`/review`、`/batch`、`/loop`、`/debug`、`/commit`、`/claude-api` などが用意されています。


    9-4. スキルの作り方(ステップバイステップ)

    自分だけのスキルを作るのは難しくありません。4ステップで完了します。

    Step 1:やりたいワークフローを日本語で箇条書きにする
    例:「テストを書いてからコードを書く。テストが通ったらコミットする。」

    Step 2:SKILL.mdのテンプレートに流し込む
    上のフォーマットに従ってマークダウンファイルを作成します。

    Step 3:配置してテストする
    `.claude/skills/tdd.md` に保存し、Claude Codeで `/tdd` と入力して動作確認します。

    Step 4:CLAUDE.mdと矛盾しないか確認
    CLAUDE.mdに「テストは後で書く」と書いてあるのにSkillで「テストファースト」と定義していたら、Claudeは混乱します。


    9-5. Skills × エージェントの実例──30体のAIチーム

    ここで、この記事の冒頭で紹介した「30体のAIチーム」の具体的な仕組みを解説します。

    事例1:Garry Tan(Y Combinator CEO)のgstack

    Garry Tanは、15の専門家ロールをスラッシュコマンドとして定義しました。

    • `/ceo` ── 戦略的判断、優先順位付け

    • `/designer` ── UI/UX設計

    • `/eng-manager` ── 技術的意思決定

    • `/release-manager` ── リリース管理

    • `/doc-engineer` ── ドキュメント生成

    • `/qa` ── テスト戦略

    各ロールはSkillsファイルで定義されており、呼び出すとClaude Codeがそのロールの専門家として振る舞います。Tanは6〜12の並列セッションを運用し、50日間にわたり週平均10,000行のコードと100本のPull Requestを生成しました。

    gstackはGitHubで約20,000スターを獲得し、TechCrunchでも報道されています。

    事例2:pkarnal(Prashant Karnal)のAgent Orchestrator

    30体の並列エージェントが40のgitワークツリーを跨ぎ、8日間で4万行のTypeScriptプラットフォームを構築しました。17プラグイン、3,288テスト、722コミット。86のPR(84%)がAIセッションにより作成され、コミットの100%がAI共著です。

    事例3:Anthropic公式──16体のClaude Opus 4.6がCコンパイラを構築

    Anthropicのエンジニアが16体のClaudeを2週間稼働させ、10万行のRust製Cコンパイラをゼロから構築しました。このコンパイラはLinux 6.9をx86、ARM、RISC-Vでコンパイルでき、GCC torture testの99%をパスします。APIコスト約$20,000(約20億入力トークン、1.4億出力トークン)。

    これらの事例に共通するのは、Skillsによるロール定義が起点になっていることです。各エージェントに「何をする専門家か」をSkillsで定義し、それを複数同時に動かす。これが「30体のAIチーム」の本質です。


    9-6. おすすめのSkillsリポジトリ

    Skills をゼロから書くのは大変です。まずは公開されているSkillsを使ってみて、必要に応じてカスタマイズするのが効率的です。用途別におすすめのリポジトリを紹介します。

    資料作成・議事録(PowerPoint / Word / Excel / PDF)

    Anthropic公式の `anthropics/skills` リポジトリに、ドキュメント系Skillsが含まれています。

    `skills/docx`(Word文書の作成・編集)、`skills/pptx`(PowerPointスライド生成)、`skills/xlsx`(Excelワークブック操作)、`skills/pdf`(PDF生成・フォーム記入)の4つが用意されています。これらはClaude.aiのファイル作成機能の裏側で実際に動いているSkillsであり、品質が高いです。

    Claude Codeにプラグインとしてインストールする場合は以下のコマンドを実行します。

    /plugin install example-skills@anthropic-agent-skills

    コーディング向け

    `anthropics/skills` の Development & Technical カテゴリに、コードレビュー、テスト生成、MCP サーバー構築などのSkillsがあります。

    また、以下のGitHubスター数が10万を超えるsuperpowersもおすすめです。

    Claude Codeにプラグインとしてインストールする場合は以下のコマンドを実行します。

    /plugin install superpowers@claude-plugins-official

    キュレーションリスト(コミュニティ)

    どのSkillsが人気かを確認するには、以下のキュレーションリストが便利です。

    • `ComposioHQ/awesome-claude-skills`:50以上のSkillsをカテゴリ別に整理

    • `travisvn/awesome-claude-skills`:人気Skillsと関連リソースのキュレーション

    公式チュートリアル

    Skillsの作り方を学ぶには、`anthropics/claude-cookbooks` リポジトリの `skills/` ディレクトリが最も体系的です。Excel・PowerPoint・PDFの生成から、カスタムSkillの構築、ビジネスユースケース(財務ダッシュボード、ポートフォリオ分析)まで、Jupyter Notebookで手を動かしながら学べます。


    この章のまとめ

    • SkillsはCLAUDE.mdと違い「必要なときだけ呼び出す」ワークフローのパッケージ

    • YAMLフロントマター + マークダウン本文で構成。Progressive Disclosureでコンテキスト効率を最大化

    • 配置場所は `~/.claude/skills/`(個人用)、`.claude/skills/`(プロジェクト共有)

    • Garry Tanのgstack(15ロール)、pkarnal(30エージェント)、Anthropic公式(16体でCコンパイラ)が実例

    • Skillsによるロール定義が「30体のAIチーム」の起点

    • まずは `anthropics/skills` の公式Skillsをインストールして使い、必要に応じてカスタマイズするのが効率的



    第10章:Claude Cowork──コードを書かないClaude Code 🔵全員向け

    「Claude Codeは便利そうだけど、ターミナルは怖い。」

    その声に応えるのがClaude Coworkです。


    10-1. Coworkとは何か

    Claude Coworkは、Claude Codeが持つエージェント能力をデスクトップGUIで提供するツールです。2026年1月12日にリサーチプレビューとしてリリースされました。

    Claude Codeがターミナルで動くのに対し、CoworkはClaude Desktopアプリの中で動きます。Coworkタブに切り替えてタスクを入力するだけで、Coworkがあなたのローカルファイルにアクセスし、自律的に作業を進めます。

    コードを書く必要は一切ありません。Pro、Max、Team、Enterpriseプランで利用可能です。


    10-2. Coworkでできること

    Coworkの能力は、Claude Code CLIとほぼ同等です。GUIから以下の作業を自然言語で指示できます。

    ファイル操作

    • ダウンロードフォルダの自動整理(種類別、日付別)

    • 画像のリサイズ、フォーマット変換(PNG→JPEG等)

    • PDF結合、分割

    • ファイル名の一括リネーム

    文書作成

    • Excel / PowerPoint / PDF の生成

    • 議事録の作成

    • メールの下書き

    • レポートの生成

    データ分析

    • CSVファイルの集計、グラフ生成

    • 売上データの分析

    • 競合調査のレポート作成

    自動化

    • スケジュールタスク(毎朝のレポート生成等)

    • 長時間タスクの自律実行


    10-3. Cowork vs Claude Code CLI──使い分け

    Coworkが向いている人・場面:

    • ターミナルに慣れていない非エンジニア

    • ファイル整理、文書作成、データ分析

    • 「とりあえず試してみたい」とき

    Claude Code CLIが向いている人・場面:

    • コーディング、Git操作、CI/CD連携

    • 複数セッションの並列実行

    • Skills / Subagentsの高度なカスタマイズ

    両方使うのが理想です。 CLIで開発を行い、Coworkでドキュメントやレポートを生成する。このハイブリッド運用が最も生産性が高くなります。

    梶谷健人(@kajikent)さんはこの違いを的確に表現しています。「ChatGPTが『優秀な相談相手』だったとすれば、Claude Codeは『実行までしてくれる優秀な部下』」。Coworkは、その「優秀な部下」に仕事を頼む窓口がチャット画面になったものです。


    この章のまとめ

    • CoworkはClaude Codeのエージェント能力をデスクトップGUIで提供するツール。別途インストール不要

    • ファイル操作、文書作成、データ分析、スケジュールタスクをコードなしで実行できる

    • CLIはコーディング・Git向け、Coworkはファイル整理・文書作成向け。両方使うのが最強



    第11章:Subagents──タスクを委譲する仕組み 🔵全員向け(🟢一部エンジニア向け)

    「1つのセッションで全部やらせると、途中で指示を忘れる。」

    第5章で解説した「コンテキストの限界」を構造的に解決するのがSubagents(サブエージェント)です。


    11-1. Subagentsとは何か

    Subagentは、独自のコンテキストウィンドウ(最大200Kトークン)を持つ独立したAIインスタンスです。メインのセッションから呼び出され、特定のタスクを実行し、結果を要約としてメインに返します。

    たとえて言えば、あなたがマネージャーで、Subagentが部下です。

    • あなた(メインセッション):「この機能のテストカバレッジを調べてきて」

    • Subagent:大量のファイルを読み込み、分析し、「テストカバレッジは72%です。不足しているのはuser.pyとauth.pyです」と要約して報告

    Subagentが消費したコンテキストは、メインセッションのコンテキストに影響しません。メインセッションが受け取るのは「要約された結果」だけです。これがコンテキスト問題の構造的な解決策です。

    重要な制約:Subagentはさらに別のSubagentを呼び出すことはできません。無限再帰を防止するための設計です。


    11-2. ビルトインSubagent

    Claude Codeには、最初から用意されたSubagentがあります。

    画像

    Explore
    読み取り専用のコードベース調査。ファイルの変更を行わないため、安全に探索できます。「このプロジェクトの認証の仕組みを調べて」のような調査タスクに最適です。

    Plan
    計画立案のための調査。Exploreに似ていますが、実装計画の作成に焦点を当てています。

    汎用Subagent
    複雑なマルチステップタスクの実行。ファイルの変更も可能です。

    Bash
    ターミナルコマンドの実行に特化。

    Claude Code Guide(Haikuモデル)
    Claude Codeの機能に関する質問に回答する、軽量なSubagent。


    11-3. カスタムSubagentの作り方

    `.claude/agents/` ディレクトリにマークダウンファイルを配置することで、独自のSubagentを定義できます。

    ---
    name: test-writer
    description: テストコードを専門的に書くエージェント
    model: claude-sonnet-4-6
    tools: Read, Write, Bash
    allowed-tools: Read, Write, Bash
    ---
     
    # テスト作成エージェント
     
    あなたはテストコードの専門家です。
     
    ## ルール
    - テストフレームワークはpytestを使用する
    - 各関数に対して最低3つのテストケースを書く(正常系、異常系、境界値)
    - モックは必要最小限にする
    - テスト名は日本語のdocstringで意図を説明する

    このファイルを `.claude/agents/test-writer.md` に保存すると、Claude Codeが自動的にこのSubagentを認識し、テスト作成タスクを委譲するようになります。


    11-4. Subagentsの設計原則

    原則1:1 Subagent = 1 責任
    テスト専門、ドキュメント専門、リサーチ専門のように、役割を明確に分離してください。

    原則2:タスク説明を十分に詳しく書く
    Subagentはメインセッションの会話履歴を持ちません。受け取るのはタスク説明だけです。曖昧な指示ではなく、「何を、どの範囲で、どういう基準で」を明確に書く必要があります。

    原則3:CLAUDE.mdで共通ルールを定義する
    CLAUDE.mdに書いたルールは全てのSubagentにも適用されます。コーディング規約などの共通ルールはCLAUDE.mdに書き、Subagent固有のルールだけをエージェント定義に書く、という分離が効果的です。


    この章のまとめ

    • Subagentは独自のコンテキスト(最大200K)を持つ独立AIインスタンス。メインのコンテキストを消費しない

    • ビルトイン5種(Explore、Plan、汎用、Bash、Guide)に加え、カスタムSubagentを`.claude/agents/`に定義できる

    • 設計原則:1 Subagent = 1 責任、タスク説明を詳しく書く、共通ルールはCLAUDE.mdに

    • Subagentはさらに別のSubagentを呼び出せない(無限再帰防止)



    第12章:Tasks──セッションを超えるタスク管理 🔵全員向け

    「Claude Codeを閉じたら、さっき依頼したタスクも消えてしまった。」

    Claude Codeのセッションは閉じると会話が終了します。しかし、定期的に実行してほしいタスクや長時間かかるタスクをどう管理するか? その答えがTasksです。


    12-1. 2つのTasksの仕組み

    Claude Codeには2種類のタスク管理があります。

    セッション内タスク(`/loop`コマンド)
    現在のセッション内で定期実行するタスク。セッションを閉じると消えます。

    /loop 5m check deployment status

    これで5分ごとにデプロイ状態を確認し、問題があれば通知します。最大3日で期限切れになります。

    デスクトップタスク(Claude Desktop / Cowork)
    Claude Desktopアプリのスケジュールタスク機能。アプリが起動している間、永続的に動作します。

    例:「毎朝9時にGitHubのIssue一覧を取得し、優先度順に並べてSlackに投稿する」


    12-2. Tasksの活用パターン

    開発者向け:

    • `/loop 10m run tests and report failures`(10分ごとにテスト実行)

    • `/loop 30m check for new issues on GitHub`(30分ごとにIssue確認)

    非エンジニア向け(Cowork経由):

    • 毎朝9時にダウンロードフォルダを整理する

    • 毎週月曜にメールの未読件数をレポートする

    • 毎日18時にその日の作業ログをNotionに記録する

    TasksはSubagentsやSkillsと組み合わせることで、「何を、誰が、いつ実行するか」の完全なワークフローを構築できます。この統合パターンは、有料エリアの第22章で詳しく解説します。


    この章のまとめ

    • Tasksには2種類:セッション内の `/loop`(最大3日)と、Claude Desktopの永続スケジュールタスク

    • 開発者は `/loop` で定期テスト・Issue確認、非エンジニアはCoworkで日次レポート・フォルダ整理に活用

    • Tasks × Subagents × Skills の統合で「何を、誰が、いつ」の完全なワークフローを構築できる(詳細は第22章・有料エリアで解説)



    第13章:MCP──外部サービスとつなぐ 🔵全員向け

    「Claude Code単体だと、外のサービスの情報にアクセスできない。」

    Claude Codeは強力ですが、そのままではローカルファイルとインターネット検索しかできません。Slack、GitHub、freee、Notion、Google Calendar──こうした外部サービスと連携するのがMCP(Model Context Protocol)です。


    13-1. MCPとは何か

    MCP(Model Context Protocol)は、LLMと外部ツール・サービスを接続するための標準プロトコルです。Anthropicが2024年に提唱し、オープンスタンダードとして公開されています。

    MCPの役割を一言で言えば、Claude Codeに「新しい手」を与えることです。

    第6章で、Claude Codeが使えるツール(Read、Write、Bash、Search)を紹介しました。MCPは、ここに外部サービスのAPI操作を追加します。

    例えば、Slack MCPサーバーを接続すると、Claude Codeは「Slackにメッセージを送る」「Slackの特定チャンネルの会話を読む」というツールを使えるようになります。

    画像

    13-2. MCPの設定場所

    MCPサーバーの設定は、JSONファイルで行います。

    プロジェクト単位: `.claude/mcp.json`
    プロジェクト固有の接続。チームで共有する場合はGitに含めます。

    グローバル: `~/.claude/mcp.json`
    全プロジェクト共通の接続。個人で常に使うサービス(Gmail、Calendar等)。

    Claude Desktop: アプリの設定画面から
    GUIで接続先を追加できます。非エンジニアにはこちらが簡単です。


    13-3. 主要なMCPサーバー

    2026年3月時点で、多数のMCPサーバーが公開されています。主なものを紹介します。

    開発者向け:

    • GitHub:リポジトリ操作、Issue管理、PR作成

    • GitLab:同様のGitLab版

    • Linear:プロジェクト管理

    • Sentry:エラー監視

    ビジネス向け:

    • Slack:メッセージ送受信、チャンネル管理

    • Google Drive:ドキュメント読み書き

    • Gmail:メール送受信

    • Google Calendar:予定の確認・作成

    • Notion:ページの読み書き

    • HubSpot:CRM連携

    業種特化:

    • freee:会計データアクセス(270以上のオペレーション)

    • Sansan:名刺管理


    13-4. 非エンジニア活用の最強事例──税理士がスタッフゼロで60社を運営

    MCPの威力を最も鮮やかに示しているのが、公認会計士・税理士の畠山謙人さん(@kandmybike)の事例です。

    https://t.co/EAuyf7sthB

    — 畠山謙人│AI税理士 / 自走するバックオフィス (@kandmybike) March 15, 2026

    畠山さんはスタッフをひとりも雇わずに、顧問先60社を運営しています。通常この規模には6人のスタッフと年間約3,000万円の人件費が必要です。

    プログラミング経験は完全にゼロ、GitHubもターミナルも2ヶ月前まで触ったことがなかったそうです。

    畠山さんがやったのは、Claude CodeをMCP経由で5つのサービスに接続したことです。

    • freee API(会計ソフト)

    • Gmail

    • Google Calendar

    • Notion

    • Slack

    毎晩21時に自動ジョブが起動し、全60社の仕訳処理を自動実行します。130件の請求書が15分で処理されます。

    ただし、重要な安全設計もされています。給与、税金、ローン返済など7カテゴリーの取引はAI判断から除外し、低信頼度の判断にはヒューマンレビューのフラグが立つ仕組みです。

    畠山さんの言葉は本質を突いています。「仕組みを全部公開しても、同じ結果が出ない。差がつくのは実務の解像度です。」

    エンジニアリングスキルではなく、業務の深い理解こそがAI活用の最大の武器である──これはこの記事全体を通じて繰り返し強調したいメッセージです。


    13-5. CLIツールとMCPの使い分け

    MCPが万能というわけではありません。場面によってはMCPを使わない方が効率的です。

    MCPが向いている場面:

    • 外部API連携(SaaS、データベース等)

    • 認証が必要なサービスへのアクセス

    • 複雑なAPI操作(複数のエンドポイントを組み合わせる場合)

    CLIツールが向いている場面:

    • ファイル操作(cp, mv, find等)──MCPを経由する必要がない

    • Git操作──gitコマンド直接の方が高速

    • ビルド・テスト──npm, pytest等のCLIツール

    両者を組み合わせるのがベストです。例えば、「GitHubからIssue情報を取得(MCP)→ コードを修正(CLI)→ テストを実行(CLI)→ PRを作成(MCP)」というワークフローでは、MCPとCLIが自然に共存します。


    この章のまとめ

    • MCP(Model Context Protocol)はClaude Codeに「外部サービスのAPI操作」という新しい手を与える仕組み

    • 設定は `.claude/mcp.json`(プロジェクト単位)または `~/.claude/mcp.json`(グローバル)

    • GitHub、Slack、Google Drive、freee、Notionなど主要サービスのMCPサーバーが公開済み

    • 税理士・畠山氏の事例:freee等5サービスをMCP接続し、スタッフゼロで60社を運営。差がつくのは「実務の解像度」

    • MCPとCLIツールは組み合わせて使うのがベスト



    ここから先は有料エリアです

    無料エリアの13章で、Claudeの全体像と基本機能は一通りカバーしました。
    ここまでの知識だけでも、Claude Code / Coworkを日常業務で使い始めることは十分に可能です。

    最新機能の実践活用(第14章〜第15章)
    Cowork Dispatch(スマホからの遠隔操作)、Channels(Telegram/Discord連携)、GitHub Actions──2026年3月リリースの最新機能を、具体的な設定手順つきで解説しています。 → 外出中・移動中の「空白時間」をAIの作業時間に変えられます

    7つの上級戦略(第16章〜第22章)
    4つの基本戦略(Write / Select / Compress / Isolate)、戦略的コンパクト化、Planモード活用、Agent Teamsによる30体の並列エージェント運用、Tasks × Subagents × Skills の統合ワークフロー。 → 「なんとなく使っている」状態から「体系的に使いこなす」状態に変わります

    非エンジニア実践編(第23章〜第25章)
    50の非コーディング活用例、非エンジニアの最初の5ステップ、税理士・営業・マーケなど業種別のMCP活用実例。 → コードを書けなくても、15分で最初の自動化が体験できます

    エンジニア上級編+よくある失敗(第26章〜第28章)
    Docker上での運用判断、Google ADK / LangChainとの互換性、5つのよくある失敗パターンと対策。 → 「やってはいけないこと」を先に知ることで、時間とコストの無駄を避けられます

    将来編(第29章〜第30章)
    Claude Console(組織導入)、Anthropicの企業方針(Constitutional AI、RSP v3.0)、Dario AmodeiのAGI予測、2026年後半〜2027年の展望。 → 組織導入の判断材料と、半年後に「読んでおいてよかった」と思える情報

    この記事は初版公開記念として、4月3日23時59分まで1割引で公開しています。以降は¥2,980に改定予定です。

    また、この記事はClaude Codeの新機能リリースに合わせて定期的に更新します。一度ご購入いただければ、追記・更新分もすべてお読みいただけます。



    第14章:Cowork Dispatch / Projects / Channels 🔵全員向け

    「外出中、PCの前にいない時間がもったいない。」

    2026年3月、Anthropicは立て続けに3つの新機能をリリースしました。いずれも「PCの前にいなくてもClaudeが働く」という方向性を強化するものです。


    14-1. Cowork Dispatch──スマホからPCを遠隔操作

    Cowork Dispatchは、2026年3月17日にリリースされた機能です。スマートフォンのClaude モバイルアプリから、PCで動いているCoworkセッションを遠隔操作できます。

    セットアップ手順:

    1. PCでClaude Desktopアプリを最新版に更新する

    2. Coworkタブを開き、左サイドバーの設定からDispatchを有効化する

    3. スマホにClaude モバイルアプリ(iOS / Android)をインストールする

    4. スマホアプリを開き、「Dispatch」メニューからQRコードスキャンを選択する

    5. PCに表示されるQRコードをスキャンして接続する

    接続が完了すると、スマホのチャット画面からPCのCoworkセッションに直接タスクを送れるようになります。

    実用シナリオ:

    通勤中の朝ルーティン: 電車の中からスマホで以下を送信します。

    今日のGoogleカレンダーの予定を確認して、
    会議が入っている時間帯のメモを準備してください。
    また、昨日受信したメールの未返信分をリストアップしてください。

    出社した時点で、会議メモとメール一覧がPCに準備されています。

    出張中のレポート作成: 移動中にスマホから指示を送ります。

    デスクトップの「月次データ」フォルダにある
    3月分のCSVファイルを集計して、月次レポートをExcelで作成してください。
    前月比の増減も計算してグラフを付けてください。

    ホテルに着いたときには、レポートが完成しています。

    注意点: PCがスリープ状態やClaude Desktopが閉じている場合、Dispatchは機能しません。出先から使う場合は、PCのスリープ設定を「なし」にしておくか、リモートデスクトップでPCを起動する必要があります。


    14-2. Coworkのprojects

    CoworkにはProjects機能があ、プロジェクト単位でファイルアクセスの範囲を制限できます。

    たとえば「仕事用」と「個人用」のフォルダを分けておけば、仕事のタスクで個人ファイルにアクセスされることがありません。複数のクライアント案件を扱う場合にも、プロジェクトごとの分離が有効です。

    設定方法:

    1. Coworkタブの左サイドバーで「New Project」をクリック

    2. プロジェクト名を入力(例:「A社案件」「個人ブログ」)

    3. アクセスを許可するフォルダを選択

    4. グローバル指示(全セッションに適用するルール)を設定

    グローバル指示には、たとえば以下のようなルールを書けます。

    ・ファイルを削除する前に必ず確認してください
    ・レポートはExcel形式で、A社のテンプレートに合わせてください
    ・機密情報を含むファイルはarchive/confidential/に移動してください

    プロジェクトを切り替えるだけで、Claude が参照するフォルダとルールが自動的に切り替わります。


    14-3. Claude Channels──メッセージングからClaude Codeにイベントを送る

    2026年3月20日にリリースされた最新機能です。Telegram、DiscordなどのメッセージングプラットフォームからリアルタイムイベントをClaude Codeセッションにプッシュできます。

    技術的には、MCP(Model Context Protocol)サーバーが双方向ブリッジとして機能します。

    必要環境:

    • Claude Code v2.1.80以上

    • Bun ランタイム(curl -fsSL https://bun.sh/install | bash でインストール)

    Telegramとの接続例:

    1. Telegram BotFatherで新しいBotを作成し、APIトークンを取得

    2. Claude Codeで以下を実行

    claude channel add telegram --token YOUR_BOT_TOKEN
    1. Telegramの対象チャンネルにBotを追加

    2. チャンネルにメッセージを送ると、Claude Codeセッションにイベントが届く

    Discordとの接続例:

    1. Discord Developer Portalで新しいApplicationを作成し、Botトークンを取得

    2. Botに「Message Content Intent」の権限を有効化

    3. Claude Codeで以下を実行

    claude channel add discord --token YOUR_BOT_TOKEN
    1. Discordサーバーの対象チャンネルにBotを招待(OAuth2 URLジェネレーターで `bot` スコープと `Send Messages` / `Read Message History` 権限を選択)

    2. チャンネルにメッセージを送ると、Claude Codeセッションにイベントが届く

    Telegramとの違いは、DiscordではBot権限の設定がやや細かい点です。「Message Content Intent」を有効にしないと、Botがメッセージ本文を読み取れません。
    Discord Developer Portal → Application → Bot → Privileged Gateway Intents
    で設定できます。

    実用シナリオ:

    障害対応の自動化: 監視ツール(Datadog、PagerDuty等)からTelegramに通知を飛ばし、その通知をChannels経由でClaude Codeが受信。自動でログを調査し、原因の仮説と対応案をTelegramに返信する。

    デプロイ通知のフック: CI/CDパイプラインの完了通知をDiscordに送り、Channels経由でClaude Codeが受信。自動でステージング環境のテストを実行し、結果をDiscordに返す。

    チームからの依頼受付: Discordの専用チャンネルにチームメンバーが「@claude このバグ調べて:#1234」と投稿すると、Claude CodeがGitHub IssueをMCPで読み取り、関連コードを調査して結果をDiscordに投稿する。

    Hacker Newsで341ポイントを獲得してトレンド入りした注目機能です。まだリリース直後であり、今後の機能拡張が期待されます。


    この章のまとめ

    DispatchProjectsChannels用途スマホ遠隔操作フォルダ分離メッセージ連携対象全員全員エンジニア必要環境モバイルアプリDesktopCLI + Bun連携先PC上のCoworkローカルフォルダTelegram/Discordリリース2026/3/172026/12026/3/20\small \def\arraystretch{1.5} \begin{array}{|l|c|c|c|} \hline \textbf{\textsf{}} & \textbf{\textsf{Dispatch}} & \textbf{\textsf{Projects}} & \textbf{\textsf{Channels}} \\ \hline \textsf{用途} & \textsf{スマホ遠隔操作} & \textsf{フォルダ分離} & \textsf{メッセージ連携} \\ \hline \textsf{対象} & \textsf{全員} & \textsf{全員} & \textsf{エンジニア} \\ \hline \textsf{必要環境} & \textsf{モバイルアプリ} & \textsf{Desktop} & \textsf{CLI + Bun} \\ \hline \textsf{連携先} & \textsf{PC上のCowork} & \textsf{ローカルフォルダ} & \textsf{Telegram/Discord} \\ \hline \textsf{リリース} & \textsf{2026/3/17} & \textsf{2026/1} & \textsf{2026/3/20} \\ \hline \end{array}

    • Cowork Dispatch:スマホからQRコード接続でPCのCoworkを遠隔操作。外出中もClaudeが働く

    • Projects:プロジェクト単位でファイルアクセス範囲を制限。複数案件の分離に有効

    • Channels:Telegram/DiscordからClaude Codeセッションにリアルタイムイベントをプッシュ

    • 3機能とも2026年3月にリリースされたばかり。「PCの前にいなくてもAIが働く」方向に急速に進化している



    第15章:GitHub Actionsと組み合わせる 🟢エンジニア向け

    「PRを出すたびに手動でClaudeにレビューを頼むのが面倒。」

    Claude CodeはGitHub Actionsと連携することで、PR作成やIssue起票をトリガーにして自動でClaudeを起動できます。


    15-1. 公式アクション anthropics/claude-code-action

    Anthropicが公式に提供するGitHub Actionです。

    設定すると、PRやIssueで @claude とメンションするだけでClaudeがトリガーされます。Claudeはコードを読み、レビューコメントを残し、必要ならコードの修正やPRの作成まで自動で行います。

    対応バックエンドはAnthropic直接API、Amazon Bedrock、Google Vertex AI、Microsoft Foundryの4つです。


    15-2. セットアップ手順

    最も簡単な方法は、Claude Code内で以下のコマンドを実行することです。

    /install-github-app

    これだけでGitHubアプリのインストールとワークフローYAMLの生成が完了します。

    手動で設定する場合は、GitHub Secretsに ANTHROPIC_API_KEY を登録し、ワークフローYAMLを作成します。

    name: Claude Code
    on:
      issue_comment:
        types: [created]
      pull_request_review_comment:
        types: [created]
    
    jobs:
      claude:
        if: contains(github.event.comment.body, '@claude')
        runs-on: ubuntu-latest
        steps:
          - uses: anthropics/claude-code-action@v1
            with:
              anthropic_api_key: ${{ secrets.ANTHROPIC_API_KEY }}

    15-3. 実用パターン

    パターン1:PR自動レビュー
    PRが作成されるたびに、Claudeが変更内容を読んでレビューコメントを残します。セキュリティ問題、パフォーマンスへの影響、テストカバレッジの不足を指摘します。

    パターン2:Issue → 実装 → PR作成の自動化
    Issueに @claude implement this とコメントすると、Claudeがコードを読み、実装し、PRを自動作成します。小さな機能追加やバグ修正であれば、人間がコードに触れる必要がありません。

    パターン3:ドキュメント自動更新
    コードの変更に合わせて、README.mdやAPI仕様書を自動更新します。「ドキュメントが古い」問題を構造的に解決できます。

    パターン4:Issue対応の自動化
    Issueに特定のラベル(例:claude-auto)を付けると、Claudeが自動でコードを調査し、修正PRを作成するワークフローです。

    name: Claude Auto Fix
    on:
      issues:
        types: [labeled]
    
    jobs:
      auto-fix:
        if: contains(github.event.label.name, 'claude-auto')
        runs-on: ubuntu-latest
        steps:
          - uses: anthropics/claude-code-action@v1
            with:
              anthropic_api_key: ${{ secrets.ANTHROPIC_API_KEY }}
              prompt: |
                このIssueの内容を読み、原因を調査してください。
                修正が可能な場合は、コードを修正してPRを作成してください。
                テストも追加してください。

    このワークフローが設定されていれば、Issueを起票してラベルを付けるだけで、Claudeが調査→修正→PR作成→テスト追加を自動で行います。小さなバグ修正であれば、人間がコードに触れる必要がありません。

    コストの注意: GitHub Actionsでの実行はAPI課金が発生します。大量のIssueに自動ラベルを付けると、コストが急増する可能性があります。最初は手動でラベルを付ける運用にして、効果を確認してから自動化を検討してください。


    この章のまとめ

    • /install-github-app でワンコマンドセットアップ。手動のYAML設定も可能

    • @claude メンションでPR/IssueからClaudeを自動トリガー

    • 実用パターン:PR自動レビュー、Issue→実装→PR自動化、ドキュメント自動更新

    • GitHub Actionsとの連携は「Claudeを24時間働かせる」最も手軽な方法


    15-4. GitHub Actions導入のステップバイステップ

    「設定方法はわかったけど、最初に何をすればいいの?」という方のために、初日にやるべきことを順番に整理します。

    Day 1:PR自動レビューだけ設定する

    最初からIssue自動修正やドキュメント更新を全部設定しようとすると、複雑になりすぎます。まずはPR自動レビューだけを設定してください。

    1. Claude Codeを起動して /install-github-app を実行

    2. GitHubアプリの認証を完了

    3. 適当な小さいPRを作成

    4. PRのコメントに @claude このPRをレビューして と書く

    5. Claudeがレビューコメントを残すのを確認

    ここまでを15分以内に完了できます。

    Day 2-3:レビュー品質を調整する

    Claudeのレビューコメントを見て、「細かすぎる」「方向性が違う」と感じたら、CLAUDE.mdにレビュー基準を追記します。

    # Review Guidelines
    - スタイルの指摘は不要(ESLintに任せる)
    - セキュリティとパフォーマンスの問題に集中する
    - テストが不足している場合は具体的なテストケースを提案する

    Week 2以降: レビューの品質が安定したら、ドキュメント自動更新やIssue対応の自動化を段階的に追加します。一度に全部やらないことが成功の鍵です。



    第16章:4つの基本戦略──Write, Select, Compress, Isolate 🟢エンジニア向け

    「Claude Codeを使っているけど、なんとなく使っている。体系的な方法論が欲しい。」

    ここから第22章まで、Claude Codeの実力を最大限引き出すための7つの上級戦略を解説します。まずは全ての土台となる4つの基本戦略です。


    16-0. なぜ「戦略」が必要なのか──Vibe Codingの限界

    4つの戦略を解説する前に、「なぜ体系的な戦略が必要なのか」を明確にしておきます。

    2026年、AIコーディングの世界でVibe Codingというアプローチが広まっています。AI研究者のAndrej Karpathyが提唱した手法で、自然言語で「こういうものが欲しい」と伝え、AIがコードを生成する。修正も自然言語で指示する。コードの中身を理解しなくても、動くものが手に入ります。

    Vibe Codingの強みはスピードです。NTTドコモの「Vibe Coding Day」では50人以上の非エンジニアがアプリを自作し、松本翔太郎さんはプログラミング経験ゼロから3日でドラムスクールの予約Webアプリを作りました。

    しかし、Vibe Codingには「3ヶ月の壁」があります。Red Hatの技術ブログは「Vibe Codedプロジェクトの多くが3ヶ月で技術的負債の壁にぶつかる」と指摘しています。コードベースが大きくなるとAIのコンテキストウィンドウに収まりきらなくなり、一貫性のない修正が積み重なるためです。

    この問題を構造的に解決するのがSpec-Driven Development / SDD)です。「コードを先に書く」のではなく、「仕様を先に書き、AIがその仕様に基づいてコードを生成する」順序を逆転させます。

    GitHubは2025年9月にSpec Kitをオープンソースで公開しました。Claude Code、GitHub Copilot、Gemini CLIに対応しています。

    SDDの4フェーズは以下です。

    1. Specify(仕様作成): 自然言語で「何を作るか」「なぜ作るか」を定義する

    2. Plan(計画): AIが技術的な実装計画を生成。人間がレビューして承認する

    3. Tasks(タスク分割): 計画を小さな実装タスクに分解する。各タスクは独立してテスト可能

    4. Implement(実装): AIがタスクを1つずつ実装し、人間がレビューする

    これがまさに、
    本章の4つの基本戦略(Write / Select / Compress / Isolate)と
    第18章の4フェーズワークフローが解決しようとしている問題です。

    Vibe Codingで方向性を探り、固まったらSDDと4戦略で本格実装する。これが現実的な使い分けです。プロトタイプならVibe Coding、3ヶ月以上メンテナンスするコードなら4戦略 + SDDが必要になります。

    では、具体的な4つの戦略を見ていきます。


    16-1. Write(書く)

    Claude Codeの性能を最も左右するのは「事前に何を書いておくか」です。

    口頭の指示(チャットで「こうして」と伝える)は、コンテキストが圧縮されると消えます。しかし、CLAUDE.md、Skills、Subagent定義に書いた指示は、セッションが変わっても永続します。

    5分の事前準備が1時間の手戻りを防ぎます。

    具体的に「書く」べきもの:

    • CLAUDE.md:プロジェクトの不変ルール(第8章で解説済み)

    • Skills:繰り返すワークフロー(第9章で解説済み)

    • Subagent定義:委譲するタスクの専門家像(第11章で解説済み)

    典型的な失敗例:口頭で「テストはpytestで書いて、カバレッジ80%以上にして」と指示した。3セッション後、Claudeはunittestでテストを書き始めた。口頭指示はコンテキスト圧縮で消えていた。CLAUDE.mdに書いておけば、何セッション経っても忘れない。


    16-2. Select(選ぶ)

    タスクに最適なモデルを選ぶことで、品質とコストの両方を最適化できます。

    探索フェーズ → Sonnet 4.6
    コードベースの調査、設計案の壁打ちなど「正解がまだわからない」段階では、Sonnet 4.6で十分です。Opus 4.6の約1/2のコストで、探索の質は大きく変わりません。

    実装フェーズ → Opus 4.6
    設計が固まった後の実装では、Opus 4.6のコーディング精度が活きます。特に複数ファイルにまたがる変更では、Opusの方が整合性を保てます。

    単純な作業 → Haiku 4.5
    テストの実行確認、フォーマット修正、コミットメッセージ生成など、高い推論力が不要なタスクにはHaikuを使います。コストはOpusの1/5です。


    16-3. Compress(圧縮する)

    第5章で解説した「コンテキストの消費問題」に対する能動的な対策です。

    「全部読ませる」は最悪の戦略です。 大きなファイルの全文を読ませるより、必要な部分だけを読ませる方が、出力の質もコストも改善します。

    具体的なテクニック:

    • ファイルは全体ではなく行番号指定で読ませる

    • 探索結果は /compact で要約してから次のタスクに進む

    • 不要なツール出力(長いエラーログ等)は切り詰める

    詳細は次の第17章で解説します。


    16-4. Isolate(分離する)

    1つのセッションに全てを詰め込まないこと。これはClaude Codeを使いこなす上で最も重要な原則です。

    タスクの分離: 1セッション1タスク。「バグ修正」と「新機能追加」は別セッションで。

    コンテキストの分離: 重い調査はSubagentに委譲し、メインのコンテキストを「司令塔」として最小限に保つ。

    コードの分離: 並列で変更が必要な場合は、Git Worktreesで各セッションに独立したブランチを割り当てる。

    この4つの戦略は互いに補完し合います。Write(書いておく)ことでSelect(選ぶ)判断が楽になり、Compress(圧縮する)ことでIsolate(分離する)の効果が最大化される。


    16-5. 4戦略の実践チェックリスト

    戦略やることやらないと何が起きるかWriteCLAUDE.md/Skillsに事前に書く口頭指示が消えて同じミスを繰り返すSelectタスクに最適なモデルを選ぶOpusで単純作業→コスト5倍Compress戦略的にコンパクトする序盤の設計方針が圧縮で消えるIsolateセッション/コンテキストを分離コンテキスト溢れで品質低下\small \def\arraystretch{1.5} \begin{array}{|l|l|l|} \hline \textbf{\textsf{戦略}} & \textbf{\textsf{やること}} & \textbf{\textsf{やらないと何が起きるか}} \\ \hline \textsf{Write} & \textsf{CLAUDE.md/Skillsに事前に書く} & \textsf{口頭指示が消えて同じミスを繰り返す} \\ \hline \textsf{Select} & \textsf{タスクに最適なモデルを選ぶ} & \textsf{Opusで単純作業→コスト5倍} \\ \hline \textsf{Compress} & \textsf{戦略的にコンパクトする} & \textsf{序盤の設計方針が圧縮で消える} \\ \hline \textsf{Isolate} & \textsf{セッション/コンテキストを分離} & \textsf{コンテキスト溢れで品質低下} \\ \hline \end{array}

    セッション開始前に、以下の4問に答えてください。

    Write: 「このタスクに必要なルールは、CLAUDE.mdかSkillsに書いてあるか?」 → NOなら、まず書く。5分の投資で1時間の手戻りを防ぐ。

    Select: 「このタスクはOpusが必要か? Sonnetで十分か?」 → 探索・壁打ちフェーズならSonnet。精密な実装ならOpus。単純作業ならHaiku。

    Compress: 「前のタスクの残骸がコンテキストに残っていないか?」 → /context で確認。70%超なら /compact で圧縮してから新タスクに入る。

    Isolate: 「このタスクは1セッションで完結するか? 分割すべきか?」 → 複数ファイルにまたがる大きな変更は、Subagentかgit worktreeで分離する。

    この4問を習慣にするだけで、Claude Codeの生産性が体感で2倍以上になります。


    この章のまとめ

    • Vibe Codingはプロトタイプに強いが「3ヶ月の壁」がある。体系的な戦略で構造化するのが本章の目的

    • Write:CLAUDE.md、Skills、Subagent定義を「事前に書いておく」。口頭指示は消える

    • Select:探索はSonnet、実装はOpus、単純作業はHaiku。タスクに合わせてモデルを選ぶ

    • Compress:全部読ませない。行番号指定、/compact、出力の切り詰めでコンテキストを節約

    • Isolate:1セッション1タスク。Subagentでコンテキスト分離、Git Worktreesでコード分離



    第17章:戦略的コンパクト化 🟢エンジニア向け

    「/compactは知ってるけど、いつ打てばいいのかわからない。」

    コンパクト化(コンテキストの圧縮)は、ただ闇雲に実行するものではありません。タイミングを選ぶことで、圧縮による情報損失を最小化できます。


    17-1. 手動コンパクトのすすめ

    Claude Codeにはコンテキストが上限に近づくと自動でコンパクトする機能がありますが、手動コンパクトの方が圧倒的に安全です。

    理由は2つ。

    自動コンパクトはタイミングを選ばない。 重要な指示を出した直後に自動コンパクトが走ると、その指示が圧縮される可能性があります。

    手動コンパクトはカスタム指示を付けられる。 /compact の後に保持したい情報を指定できます。

    /compact 設計方針とテスト結果を優先して保持。探索中の仮説は捨ててよい

    17-2. 戦略的コンパクトの3つのタイミング

    タイミング1:探索完了後
    「コードベースを調べて、影響範囲を把握して」という探索フェーズが終わったら、コンパクトします。探索中に読み込んだ大量のファイル内容は、結論(影響範囲のリスト)だけ残せば十分です。

    /compact 探索結果の結論(影響するファイルのリスト)を保持。読み込んだファイルの内容は捨ててよい

    タイミング2:テスト通過後
    テストの試行錯誤(失敗→修正→再実行の繰り返し)が終わったら、コンパクトします。「何を試して何が失敗したか」の詳細は、テストが通った後は不要です。

    /compact テスト結果(全パス)と最終的なコード変更を保持。途中の失敗ログは捨ててよい

    タイミング3:方針転換時
    「やっぱりこのアプローチはやめて、別の方法にしよう」と決めた時点でコンパクトします。古い方針の詳細を残しておくと、Claudeが混乱する原因になります。

    /compact 新しい方針(◎◎アプローチ)のみ保持。旧方針の詳細は全て捨ててよい

    17-3. /contextコマンドで使用量を可視化する

    コンパクトのタイミングを判断するには、現在のコンテキスト使用量を知る必要があります。

    /context

    このコマンドで、現在のトークン使用量と残り容量が表示されます。70%を超えたら「そろそろコンパクトすべきか」を考え始め、80%を超えたら実行する、というのが私の基準です。


    17-4. Before / After──コンパクトで何が変わるか

    言葉だけでは伝わりにくいので、実際のセッションを再現します。

    Before(コンパクト前):コンテキスト使用量 82%

    この時点でのセッション履歴は以下のような状態です。

    [セッション開始] CLAUDE.md読み込み(1,200トークン)
    [ユーザー] 「認証モジュールの構造を調べて」
    [Claude] src/auth/以下の12ファイルを読み込み、構造を報告(18,000トークン)
    [ユーザー] 「JWTへの移行計画を立てて」
    [Claude] 移行計画を5ステップで提示(3,000トークン)
    [ユーザー] 「Step 1を実装して」
    [Claude] token.tsを作成(2,500トークン)
    [ユーザー] 「テストを書いて」
    [Claude] token.test.tsを作成、テスト実行→3件失敗(8,000トークン)
    [ユーザー] 「失敗を直して」
    [Claude] 修正→再実行→2件失敗→再修正→再実行→1件失敗→再修正→全パス(22,000トークン)
    [ユーザー] 「Step 2を実装して」
    [Claude] ← この時点で82%。序盤の探索結果が圧縮されるリスク

    テストの試行錯誤だけで22,000トークン(全体の約25%)を消費しています。しかし、テストが全てパスした今、途中の失敗ログは全く不要です。

    コンパクト実行:

    /compact 以下を保持してください:
    - JWT移行計画(5ステップ)
    - Step 1の完了状況(token.ts作成済み、テスト全パス)
    - 残りのStep 2-5の内容
    途中のテスト失敗ログと探索時のファイル内容は捨ててください
    

    After(コンパクト後):コンテキスト使用量 28%

    Claudeは指示に従い、セッション履歴を以下のように圧縮します。

    [要約] JWT移行計画:5ステップ構成
      Step 1: token.ts作成 ✅完了(テスト全パス)
      Step 2: middleware.tsの認証ロジック書き換え(未着手)
      Step 3: セッションベース認証の段階的廃止(未着手)
      Step 4: refresh token実装(未着手)
      Step 5: 旧セッション互換レイヤーの削除(未着手)
    [コンテキスト] CLAUDE.md + 上記要約のみ保持
    

    82% → 28%に削減。残り72%のコンテキストを使ってStep 2-5の実装に集中できます。

    項目BeforeAfterコンテキスト使用量82%28%残り容量18%72%保持されている情報全履歴(冗長)結論のみ(圧縮)テスト失敗ログ22,000トークン削除済み探索時のファイル内容18,000トークン削除済み移行計画保持保持\small \def\arraystretch{1.5} \begin{array}{|l|c|c|} \hline \textbf{\textsf{項目}} & \textbf{\textsf{Before}} & \textbf{\textsf{After}} \\ \hline \textsf{コンテキスト使用量} & \textsf{82\%} & \textsf{28\%} \\ \hline \textsf{残り容量} & \textsf{18\%} & \textsf{72\%} \\ \hline \textsf{保持されている情報} & \textsf{全履歴(冗長)} & \textsf{結論のみ(圧縮)} \\ \hline \textsf{テスト失敗ログ} & \textsf{22,000トークン} & \textsf{削除済み} \\ \hline \textsf{探索時のファイル内容} & \textsf{18,000トークン} & \textsf{削除済み} \\ \hline \textsf{移行計画} & \textsf{保持} & \textsf{保持} \\ \hline \end{array}

    もしコンパクトせずにStep 2に進んでいたら、80%超の状態で作業を続けることになり、Step 1で合意した設計方針が圧縮されて消えるリスクがありました。


    この章のまとめ

    • 自動コンパクトよりも手動コンパクト(/compact)の方が安全。カスタム指示で保持する情報を選べる

    • 戦略的タイミング:①探索完了後 ②テスト通過後 ③方針転換時

    • /context で使用量を監視。70%で意識し始め、80%で実行する

    • コンパクトは「失う」のではなく「選ぶ」行為。何を残すか明示することが重要



    第18章:探索→計画→実装→コミット 🟢エンジニア向け

    「Claude Codeに『これ作って』と言ったら、いきなりコードを書き始めて、途中で方向性がおかしくなった。」

    この問題を防ぐのが「4フェーズワークフロー」です。


    18-1. 4フェーズワークフロー

    Claude Codeで効率的に作業するための基本フローは以下の4段階です。

    フェーズ1:探索(Explore)
    まずコードベースを理解します。「この機能の認証はどこで処理されている?」「このAPIのレスポンス形式は?」など、読み取り専用の調査を行います。Subagent(Explore)を使えば、メインコンテキストを消費せずに探索できます。

    フェーズ2:計画(Plan)
    Shift+TabでPlanモードに切り替えます。Planモードでは、Claudeはファイルの変更を行いません。設計案を出させ、影響範囲を確認し、方針を固めます。

    フェーズ3:実装(Implement)
    Planモードを解除し、実装を開始します。設計が固まっているので、Claudeは迷わずにコードを書けます。

    フェーズ4:コミット(Commit)
    /commit コマンドでコミットメッセージを自動生成し、変更をGitにコミットします。

    この4段階を明示的に意識するだけで、「途中で方向性がおかしくなる」問題は大幅に減ります。


    18-2. Planモードの活用

    PlanモードはShift+Tabで切り替えます。

    Planモードの最大の利点は「安全な壁打ち」です。実装前にClaudeと設計を議論できます。「この設計でいいか?」「他にもっと良いアプローチは?」「この変更の影響範囲は?」──こうした質問を、ファイルが変更されるリスクなしに行えます。

    Planモードでの会話例:

    > [Planモード] ユーザー認証にJWTを導入したい。現在のセッションベース認証からの移行計画を立てて。
    > 影響範囲、必要な変更ファイル、テスト計画を含めてほしい。

    Claudeは既存コードを読み取り、移行計画を詳細に立ててくれます。この段階でファイルは一切変更されません。計画に納得してからPlanモードを解除し、実装に入ります。


    18-3. Planモードが不要なケース

    全てのタスクに4フェーズが必要なわけではありません。以下のケースでは、探索→計画を飛ばして直接実装に入っても問題ありません。

    • タイポの修正

    • 明確なバグ修正(「この変数名が間違っている」等)

    • テストの追加(既存コードの変更を伴わない場合)

    • 小さなリファクタリング(変数名の変更等)

    判断基準は「影響範囲が1ファイル以内かどうか」です。1ファイルで完結する変更なら、Planモードは不要です。複数ファイルにまたがる変更は、Planモードで設計を固めてから実装に入ることを強く推奨します。


    18-4. 4フェーズの実践例──認証方式の変更

    具体的なシナリオで4フェーズを再現します。

    フェーズ1:探索

    > このプロジェクトの認証がどこで処理されているか調べて

    Claude(Explore Subagent):
    「"src/middleware/auth.ts", "src/utils/session.ts", "src/api/login.ts" の3ファイルで処理されています。セッションベースの認証で、express-sessionを使用しています。」

    フェーズ2:計画(Shift+Tabでplanモードに切り替え)

    > [planモード] セッションベースからJWT認証に移行したい。移行計画を立てて。
    > 後方互換性は維持してほしい。

    Claude:
    「以下の5ステップを提案します。
    Step 1: JWTトークンの発行・検証モジュール作成
    Step 2: 既存のセッション認証と並行してJWT認証を追加…(以下省略)
    影響するファイルは8ファイルです。テストは12件の追加が必要です。」

    「この計画でOK」と確認してからplanモードを解除。

    フェーズ3:実装(planモード解除)

    > Step 1を実装して。テストも書いて。

    Claude:token.tsを作成、テストを書いて実行、全パス。

    フェーズ4:コミット

    /commit

    Claude:「feat: add JWT token generation and verification module」というコミットメッセージを自動生成。内容を確認して承認すればコミット完了。

    この流れを繰り返してStep 2-5を進めます。各ステップの完了時に /compact でコンテキストを圧縮するのがポイントです(第17章参照)。


    この章のまとめ

    • 4フェーズ:探索(Subagent活用)→ 計画(Planモード)→ 実装 → コミット(/commit)

    • Planモード(Shift+Tab)ではファイル変更が発生しない。安全に設計を壁打ちできる

    • 複数ファイルにまたがる変更は、必ずPlanモードで設計を固めてから実装に入る

    • 1ファイルで完結する小さな変更は、Planモードを飛ばしてOK



    第19章:並列化戦略 🟢エンジニア向け

    「Claude Codeを1つのセッションで使っているけど、もっと速く進められないか。」

    並列化は強力な武器ですが、コストと複雑さも増します。この章では「最小限の並列化で最大の成果」を得る方法を解説します。


    19-1. 基本原則:まず2-3並列から始める

    並列化は万能ではありません。セッションが増えるほど以下のリスクが増加します。

    • コスト増加: 各セッションが独立してトークンを消費する

    • コンフリクト: 複数セッションが同じファイルを変更すると競合する

    • 管理負荷: 何がどのセッションで進行しているかを把握し続ける必要がある

    まずは2-3並列から始めて効果を測定し、必要に応じて増やすのが賢明です。


    19-2. /fork──会話の分岐

    画像

    最もシンプルな並列化です。現在の会話を分岐させ、同じコンテキストを持つ2つのセッションを作ります。

    /fork

    使いどころは「A案とB案を同時に試したいとき」です。たとえば、「認証をJWTで実装する案」と「OAuth2で実装する案」を同時に走らせ、先に動いた方を採用する。

    forkは同一セッション内の分岐なので、追加コストはフォーク後のトークン消費分だけです。


    19-3. Git Worktrees──並列コード変更

    /forkがセッションの分岐なのに対し、Git Worktreesはコードベースの分岐です。

    claude --worktree feature-auth

    このコマンドで、独立したgitワークツリーとブランチが作成されます。各ワークツリーで独立したClaude Codeセッションを起動すれば、複数の機能を完全に分離して並列開発できます。

    Git Worktreesの最大の利点はコンフリクトが発生しないことです。各ワークツリーは物理的に別のディレクトリなので、複数のClaude Codeが同時にファイルを変更しても互いに影響しません。最終的にgit mergeで統合します。

    Subagentのフロントマターで isolation: worktree を指定することで、Subagentにも独立したワークツリーを割り当てられます。


    19-4. ヘッドレスモードとファンアウト

    -p(--print)フラグでClaude Codeを非対話的に実行できます。CI/CDパイプラインや自動化スクリプトに組み込む場合に使います。

    claude -p "src/auth/のテストカバレッジを100%にして" --output-format json

    結果がJSON形式で標準出力に返されるので、スクリプトで後続処理に繋げられます。

    ファンアウトパターンは、ヘッドレスモードを使って複数のタスクを同時に起動する手法です。

    # 3つのタスクを並列実行
    claude -p "src/auth/ のテストを書いて" &
    claude -p "src/api/ のドキュメントを更新して" &
    claude -p "src/utils/ のリントエラーを修正して" &
    wait

    各タスクが独立したファイル群を対象にしている場合、この方法で大幅に時間を短縮できます。


    19-5. Agent Teams──真の並列協調(実験的機能)

    第9章で紹介した事例(16体でCコンパイラ、30体で4万行TypeScript)の基盤がAgent Teamsです。

    Agent Teamsはサブエージェントとは根本的に異なります。

    サブエージェント: メインセッションからタスクを受け取り、結果を返す。一方通行。
    Agent Teams: チームメンバーが互いに直接通信できる。双方向。

    環境変数で有効化します。

    export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

    Agent Teamsの典型的な使い方は、大規模な変更を複数のエージェントに分割し、各エージェントが発見した情報を互いに共有しながら進めるパターンです。

    たとえば「データベーススキーマの変更」というタスクを、以下のように分割します。

    • Agent A:スキーマ変更とマイグレーション

    • Agent B:APIエンドポイントの修正

    • Agent C:テストの更新

    Agent Bは「Agent Aがスキーマをどう変更したか」をリアルタイムで参照できるため、待ち時間なく並行して作業を進められます。

    コスト上の注意: Agent Teamsは単一セッションの3-4倍のトークンコストがかかります。大規模な変更にのみ使用し、小さなタスクにはSubagentやforkで十分です。


    19-6. 並列化すべきでないケース

    並列化が逆効果になるケースも押さえておく必要があります。

    同じファイルを複数セッションが変更する場合
    2つのセッションが同時にpackage.jsonを変更すると、コンフリクトが発生します。Git Worktreesで分離していても、マージ時にコンフリクト解決が必要です。同じファイルへの変更は、1セッションで順番に行う方が安全です。

    タスク間に強い依存関係がある場合
    「Step 1の結果がないとStep 2に進めない」というような直列的な依存がある場合、並列化しても待ち時間が発生するだけです。このケースは1セッションで順番に実行する方が効率的です。

    コンテキストの共有が頻繁に必要な場合
    「Aの調査結果をBに教えて、Bの実装結果をCに教えて…」という頻繁なコンテキスト共有は、Agent Teams以外の方法では実現が難しく、コストも高くなります。共有が頻繁なら、1セッションで行う方がシンプルです。

    判断基準: 「分割したタスクが独立して完了できるか?」がYESなら並列化する。NOなら直列で。


    この章のまとめ

    /forkGit WorktreesAgent Teamsコスト低中高(3-4倍)コンテキスト共有独立独立+通信コンフリクトなしマージ時マージ時通信方向なしなし双方向適した用途A/B案比較複数機能並列大規模協調ステータスGAGA実験的\small \def\arraystretch{1.5} \begin{array}{|l|c|c|c|} \hline \textbf{\textsf{}} & \textbf{\textsf{/fork}} & \textbf{\textsf{Git Worktrees}} & \textbf{\textsf{Agent Teams}} \\ \hline \textsf{コスト} & \textsf{低} & \textsf{中} & \textsf{高(3-4倍)} \\ \hline \textsf{コンテキスト} & \textsf{共有} & \textsf{独立} & \textsf{独立+通信} \\ \hline \textsf{コンフリクト} & \textsf{なし} & \textsf{マージ時} & \textsf{マージ時} \\ \hline \textsf{通信方向} & \textsf{なし} & \textsf{なし} & \textsf{双方向} \\ \hline \textsf{適した用途} & \textsf{A/B案比較} & \textsf{複数機能並列} & \textsf{大規模協調} \\ \hline \textsf{ステータス} & \textsf{GA} & \textsf{GA} & \textsf{実験的} \\ \hline \end{array}

    • まず2-3並列から始める。闇雲に増やすとコスト・コンフリクト・管理負荷が増加する

    • /fork:同一コンテキストで分岐。A案/B案の同時検証に最適。コスト低

    • Git Worktrees:物理的に分離したディレクトリで並列開発。コンフリクトなし

    • ヘッドレスモード:CI/CD・自動化向け。ファンアウトで複数タスクを同時起動

    • Agent Teams:チームメンバーが双方向通信。実験的機能。コストは3-4倍



    第20章:継続学習パターン 🟢エンジニア向け

    「Claudeに同じミスを何度も指摘するのが疲れた。」

    Claude Codeはセッション間で学習しません。昨日指摘したミスを、今日もまた繰り返します。これはLLMの構造的な制約であり、バグではありません。

    しかし、この制約を仕組みで回避することは可能です。


    20-1. 問題:同じ失敗の繰り返し

    典型的なパターンを挙げます。

    • 「このプロジェクトではconsole.logの代わりにloggerを使って」と毎回言う

    • 「テストではmockではなくfactory patternを使って」と毎回言う

    • 「日本語のコメントはJSDocではなくインラインで書いて」と毎回言う

    これらはCLAUDE.mdに書けば解決しますが、事前に全てのルールを書き出すのは現実的ではありません。ルールは作業中に発見されるものだからです。


    20-2. 解決策:/learnで知識を永続化する

    Claude Codeには /learn コマンドがあります。セッション中に発見した知見をCLAUDE.mdに自動追記するコマンドです。

    /learn このプロジェクトではconsole.logの代わりにloggerモジュールを使う

    これで、CLAUDE.mdに以下のような行が追記されます。

    # Learned Rules
    - このプロジェクトではconsole.logの代わりにloggerモジュールを使う

    次回以降のセッションでは、Claude Codeが自動的にこのルールを読み込みます。「同じことを2度言わない」仕組みの完成です。

    実際の /learn の使い方をもう少し詳しく紹介します。

    パターン1:ミスの再発防止

    セッション中にClaudeがconsole.logを使ったとき:

    /learn このプロジェクトではconsole.logを使わない。
    代わりに src/lib/logger.ts のloggerモジュールを使う。
    ログレベルはinfo, warn, errorの3段階。

    パターン2:コード規約の発見

    レビューで「この書き方はチームの規約に反している」と気づいたとき:

    /learn Reactコンポーネントのpropsにはinterfaceではなくtypeを使う。
    チームの規約で統一されている。

    パターン3:環境固有の知識

    デプロイ時に「この環境ではこの設定が必要」と判明したとき:

    /learn ステージング環境へのデプロイ時は、
    環境変数 NEXT_PUBLIC_API_URL を https://staging-api.example.com に設定する必要がある。
    本番は https://api.example.com

    /learn で追記された内容はCLAUDE.mdの末尾に蓄積されていきます。月に1回程度、蓄積されたルールを見直して整理する(重複を統合、古くなったルールを削除)のが理想的な運用です。


    20-3. 自己改善するスキルシステム

    /learnをさらに発展させたのが「自己改善するスキル」のパターンです。

    Skillsファイルの末尾に「このスキルの改善点があれば追記せよ」という指示を入れておくと、Claude Codeが作業中に発見した改善点を自動的にスキルファイルに追記します。

    ---
    name: review
    description: コードレビューを実施する
    ---
    
    # レビュー手順
    (省略)
    
    # 過去の学び(自動追記)
    - このプロジェクトではESLintのno-consoleルールが有効。console.logの指摘は不要
    - テストファイルのimportは相対パスではなく@/aliasを使う

    このパターンを採用すると、スキルは使えば使うほど賢くなります。

    具体的な流れを見てみましょう。

    1回目のレビュー実行
    /review を実行 → Claudeがコードレビュー → レビュー中に「このプロジェクトではESLintのno-consoleルールが有効なので、console.logの指摘は不要だった」と気づく → スキルファイルの末尾に自動追記

    2回目のレビュー実行
    /review を実行 → Claudeは前回の学びを読み込み、console.logの指摘をスキップ → レビューの精度が向上

    10回目のレビュー実行 
    過去9回の学びが蓄積されており、プロジェクト固有の規約を深く理解した状態でレビューが行われる。初回と比べて、無駄な指摘が激減し、本質的な問題だけを報告するようになっている。

    この「使うほど賢くなる」仕組みは、CLAUDE.mdの /learn と同じ原理ですが、スキル単位で知識が分離されるため、「レビューの知識」「テストの知識」「デプロイの知識」が混在しない利点があります。


    この章のまとめ

    • Claude Codeはセッション間で学習しない。同じミスは仕組みで防ぐ

    • /learn コマンドで発見したルールをCLAUDE.mdに自動追記。次回以降に反映される

    • Skillsファイルに「改善点を追記せよ」と書くと、スキルが自己改善する

    • 最初から完璧なルールを書く必要はない。使いながら育てるのが現実的



    第21章:トークン最適化 🟢エンジニア向け

    「Claude Codeの月額利用枠をすぐ使い切ってしまう。」

    ProプランやMaxプランには利用枠があり、使い方次第で消費速度が大きく変わります。この章では、同じ成果をより少ないトークンで得るための最適化手法を解説します。


    21-1. なぜトークン最適化が重要か

    トークン最適化は3つの軸で効果を発揮します。

    コスト削減
    API利用の場合、Opus 4.6は入力$5/MT、出力$25/MTです。無駄なトークン消費は直接コストに跳ね返ります。

    速度向上
    トークン数が多いほどレスポンスが遅くなります。コンテキストを軽くすれば、応答速度も上がります。

    品質向上
    コンテキストに無関係な情報が多いほど、モデルの注意力が分散し、出力の質が下がります。「少なく、的確に」が品質向上の鍵です。


    21-2. 主戦略:サブエージェントアーキテクチャ

    トークン最適化の最も効果的な手法は、第11章で解説したSubagentsの活用です。

    最適化前:メインセッションで全てのファイルを読み込み、全ての調査を行う → コンテキストが膨れ上がる

    最適化後: 重い調査をSubagentに委譲し、結果の要約だけをメインに返す → メインコンテキストが軽量に保たれる

    たとえば「テストカバレッジが不足しているファイルを調べて」というタスクは、Subagent(Explore)に任せれば、メインセッションが受け取るのは「user.py(42%)、auth.py(35%)が不足」という数行の要約だけです。Subagentが読み込んだ数千行のファイル内容は、メインコンテキストを一切消費しません。


    21-3. ツール固有の最適化

    ファイル読み込み

    # NG:全文読み込み
    「user.pyを読んで」
    
    # OK:行番号指定
    「user.pyの50行目から80行目を読んで」

    検索

    # NG:広範な検索
    「プロジェクト全体からauth関連のコードを探して」
    
    # OK:段階的に絞り込む
    「src/auth/配下のファイル一覧を見せて」→「login.pyのvalidate関数を見せて」

    テスト実行

    # NG:全テスト実行
    「テストを全部走らせて」
    
    # OK:影響範囲だけ
    「src/auth/のテストだけ走らせて」

    21-4. MCPとCLIの使い分け

    MCP経由のAPI呼び出しは便利ですが、トークン消費の観点ではCLIツールの直接実行の方が効率的な場合があります。

    たとえば、Git操作はMCPのGitHub連携よりも git コマンドの直接実行の方が高速かつ低コストです。MCPは「認証が必要なSaaS連携」に使い、「ローカルで完結する操作」はCLIで行う、という切り分けが効果的です。


    21-5. コスト感覚を持つ──「このセッション、いくらかかった?」

    トークン最適化を実践するには、まずコスト感覚を持つことが重要です。

    API利用の場合の目安:

    Opus 4.6Sonnet 4.6Haiku 4.5入力 (/MT)$5.00$3.00$1.00出力 (/MT)$25.00$15.00$5.0030分セッション約$0.75約$0.45約$0.15日本円換算約115円約70円約23円Opus比100%60%20%\small \def\arraystretch{1.5} \begin{array}{|l|c|c|c|} \hline \textbf{\textsf{}} & \textbf{\textsf{Opus 4.6}} & \textbf{\textsf{Sonnet 4.6}} & \textbf{\textsf{Haiku 4.5}} \\ \hline \textsf{入力 (/MT)} & \textsf{\$5.00} & \textsf{\$3.00} & \textsf{\$1.00} \\ \hline \textsf{出力 (/MT)} & \textsf{\$25.00} & \textsf{\$15.00} & \textsf{\$5.00} \\ \hline \textsf{30分セッション} & \textsf{約\$0.75} & \textsf{約\$0.45} & \textsf{約\$0.15} \\ \hline \textsf{日本円換算} & \textsf{約115円} & \textsf{約70円} & \textsf{約23円} \\ \hline \textsf{Opus比} & \textsf{100\%} & \textsf{60\%} & \textsf{20\%} \\ \hline \end{array}

    Opus 4.6(入力$5/MT、出力$25/MT)を使って、一般的な開発セッション(30分)を行った場合:

    • 入力トークン:約50,000(CLAUDE.md + ソースコード読み込み + 指示)

    • 出力トークン:約20,000(応答 + コード生成)

    • コスト:約$0.25 + $0.50 = 約$0.75(約115円)

    同じセッションをSonnet 4.6(入力$3/MT、出力$15/MT)で行った場合:

    • コスト:約$0.15 + $0.30 = 約$0.45(約70円)

    同じセッションをHaiku 4.5(入力$1/MT、出力$5/MT)で行った場合:

    • コスト:約$0.05 + $0.10 = 約$0.15(約23円)

    Proプラン($20/月)の場合: 利用枠内であれば追加課金はありません。ただし、利用枠を超えると一時的に使えなくなります。Coworkはチャットの数倍のトークンを消費するため、Proプランで毎日Coworkを数時間使うと、週の後半で利用枠に達することがあります。

    第16章のSelect戦略(探索はSonnet、実装はOpus、単純作業はHaiku)を実践するだけで、同じ成果を40-60%のコストで得られます。


    この章のまとめ

    • トークン最適化はコスト・速度・品質の3軸で効果がある

    • 主戦略:重い調査はSubagentに委譲し、メインコンテキストを軽く保つ

    • ファイル読み込みは行番号指定、検索は段階的絞り込み、テストは影響範囲だけ実行

    • MCP vs CLI:認証が必要な外部連携はMCP、ローカル操作はCLI



    第22章:Tasks × Subagents × Skills 統合ワークフロー 🟢エンジニア向け

    「Skills、Subagents、Tasksの使い方は個別にわかった。でも、組み合わせるとどうなるの?」

    ここまでの機能を統合すると、「何を、誰が、いつ実行するか」が完全に自動化されたワークフローが構築できます。この章では具体的な統合パターンを紹介します。


    22-1. 3つの機能の関係性

    画像
    • Skills:「何をするか」の定義。ワークフローの手順書

    • Subagents:「誰がするか」の定義。専門家エージェントの人格

    • Tasks:「いつするか」の定義。スケジュールとトリガー

    この3つを組み合わせると、以下のようなワークフローが構築できます。

    例1:毎朝の自動レポート
    毎朝9時(Task)に、Report Writer(Subagent)が、/daily-report(Skill)を実行する。GitHubのIssue一覧をMCPで取得し、優先度順に並べ、Slackに投稿する。

    例2:PR作成時の自動レビュー
    PR作成時(GitHub Actionsトリガー)に、Reviewer(Subagent)が、/review(Skill)を実行する。セキュリティ、パフォーマンス、テストカバレッジを確認し、GitHubにコメントを残す。

    例3:週次メトリクス集計
    毎週金曜17時(Task)に、Analyst(Subagent)が、/weekly-metrics(Skill)を実行する。テストカバレッジ、ビルド時間、Issue消化率を集計し、マークダウンレポートを生成する。


    22-2. 実際の設定ファイル──「毎朝の自動レポート」を構築する

    例1(毎朝の自動レポート)を、実際にコピペで動くレベルまで具体化します。

    ① Skill定義(.claude/skills/daily-report.md):

    ---
    name: daily-report
    description: GitHubのIssue一覧を取得し、優先度別に整理した日次レポートを生成する
    allowed-tools: Read, Write, Bash, MCP
    ---
    
    # 日次レポート生成
    
    ## 手順
    1. GitHub MCPを使って、リポジトリの未クローズIssueを全件取得する
    2. ラベルに基づいて優先度を判定する:
       - `priority: critical` → 🔴 最優先
       - `priority: high` → 🟡 高
       - `bug` → 🟡 高
       - その他 → 🟢 通常
    3. 以下の形式でレポートを生成する:
       - 🔴 最優先のIssue一覧(担当者・作成日・タイトル)
       - 🟡 高優先のIssue一覧
       - 🟢 通常のIssue一覧
       - 前日からの変化(新規Issue数、クローズ数)
    4. レポートをマークダウン形式で `/reports/daily/YYYY-MM-DD.md` に保存する
    5. Slack MCPを使って #dev-daily チャンネルにレポートを投稿する
    
    ## 出力フォーマット
    - 見出しは `## 日次レポート(YYYY年MM月DD日)`
    - 各Issue は `- [#番号](URL) タイトル(@担当者、作成日)` の形式
    - 末尾に「生成時刻」を記載する

    ② Subagent定義(.claude/agents/report-writer.md):

    ---
    name: report-writer
    description: レポート生成専門のエージェント。データを受け取り、読みやすいレポートに整形する
    model: claude-sonnet-4-6
    tools: Read, Write, Bash, MCP
    allowed-tools: Read, Write, Bash, MCP
    ---
    
    # Report Writer
    
    あなたはレポート生成の専門家です。
    
    ## ルール
    - データの正確性を最優先にする。推測でデータを補完しない
    - 数字は必ずソースから取得する。概算は使わない
    - レポートは「結論→詳細」の順で書く(忙しい読者が最初の3行で判断できるように)
    - 日本語で出力する
    - エラーが発生した場合は、エラー内容をレポートに記載し、手動確認を促す

    ③ タスク設定(Cowork or CLI):

    CLIの場合:

    /loop 24h 毎朝9時にreport-writerエージェントでdaily-reportスキルを実行して

    Coworkの場合:

    /schedule 毎朝9時に、GitHubのIssue一覧を取得して日次レポートを作成し、
    Slackの#dev-dailyに投稿してください

    この3つのファイルを配置するだけで、毎朝9時に自動でレポートが生成・投稿されます。


    22-3. 梶谷健人の5エージェントチーム事例

    noteで最も影響力のあるClaude Code発信者の一人、梶谷健人さん(@kajikent)は、PIVOT出演時に5つの専門エージェントを定義して運用していると話していました。

    • Analyst:データの収集と分析

    • Researcher(3体):それぞれ異なる情報源を並列で調査

    • Strategist:分析結果をもとに戦略を立案

    • Critic:戦略案の弱点を指摘

    • Report Writer:最終レポートを作成

    この構成で、40ページのプレゼン資料を3時間で作成しています(通常は2日かかる作業)。

    また、カスタムの「おはよう」スキルを使い、毎朝自動的にその日のスケジュールとタスクリストを生成する仕組みも構築しています。

    このチーム構成の設計思想を分解すると、以下のパターンが見えてきます。

    情報収集は並列化する(Researcher 3体)
    同じ情報源を3体で分担するのではなく、異なる情報源(Web、社内資料、業界レポート等)を各Researcherが専門的に担当することで、探索範囲を3倍に広げている。

    批判的レビューを独立させる(Critic) 
    StrategistとCriticを同一エージェントにすると、自分の案に甘いレビューをしがちになる。別エージェントにすることで、客観的な批判が得られる。

    最終出力の品質管理を専門化する(Report Writer)
    分析や戦略の議論と、最終的なドキュメント品質は別のスキル。Report Writerに「読者は経営層」「1ページ1メッセージ」等のスタイルルールを定義しておくと、出力品質が安定する。


    22-3. 統合ワークフローの設計原則

    原則1:最小エージェント数で始める
    最初は2-3体から始めてください。Analyst + Writer の2体構成でも、手動作業と比べれば劇的に効率化されます。

    原則2:各エージェントの責任を明確に分離する
    1つのSubagentに複数の役割を持たせると、指示が曖昧になり出力の質が下がります。「1 Subagent = 1 責任」を徹底してください。

    原則3:失敗時のフォールバックを設計する 
    自動ワークフローが失敗した場合にどうするか、事前に決めておく必要があります。「SlackにエラーメッセージをDMで送る」「手動介入を促すフラグを立てる」などの安全弁を組み込んでください。

    原則4:コスト上限を設ける
    Tasksで定期実行するワークフローは、放置するとトークンコストが積み上がります。月次のAPI利用額を監視し、想定を超えたらアラートを出す仕組みを入れることを推奨します。


    この章のまとめ

    • Skills(何を)× Subagents(誰が)× Tasks(いつ)の組み合わせで完全自動ワークフローが構築できる

    • 実例:毎朝の自動レポート、PR自動レビュー、週次メトリクス集計

    • 梶谷健人の5エージェントチーム:Analyst + 3 Researchers + Strategist + Critic + Report Writer

    • 設計原則:最小エージェント数で開始、1 Subagent = 1 責任、フォールバック設計、コスト上限設定



    第23章:非エンジニア向け編──コードを書かないClaude活用 🟠非エンジニア向け

    「Claude Codeの話はわかった。でも、自分はコードを書かない仕事なんですが……」

    この章から第25章までは、コードを書かない方のための実践ガイドです。エンジニア向けの章は読み飛ばしていただいても大丈夫です。


    23-1. なぜ非エンジニアがClaude Code / Coworkを使うべきか

    Claude Codeが「コーディングツール」だと思っている方は多いですが、実態は違います。Anthropicの社内でも、法務、HR、マーケティングチームがClaude Codeを日常業務で使っています。

    Claude Codeは「コードを書くツール」ではなく、「タスクを自律的に実行するツール」です。タスクの中身がコーディングなのか、ファイル整理なのか、レポート作成なのかは、本質的には関係ありません。


    23-2. 非エンジニアが持つ最大の武器

    エンジニアリングスキルがないことを弱みだと感じる必要はありません。非エンジニアが持つ最大の武器は「実務の解像度」です。

    第13章で紹介した税理士の畠山さんが言った言葉を繰り返します。
    「仕組みを全部公開しても、同じ結果が出ない。差がつくのは実務の解像度です。」

    AIに正確な指示を出すために必要なのは、プログラミングスキルではなく、業務プロセスへの深い理解です。
    「どの仕訳を自動化してよくて、どの仕訳は人間が確認すべきか」
    ──この判断ができるのは税理士であり、エンジニアではありません。

    NTTドコモが開催した「Vibe Coding Day」では、70人の非エンジニアが応募し、50人以上が参加してアプリを自作しました。Turing社ではPR担当者の阿部光さんが32人分のバーチャルPRチームを2週間で構築しています。

    他にも、非エンジニアのClaude Code / Cowork活用事例は急速に増えています。

    営業職: ふぇね(@0xfene)さんは、カスタムスキル /mtg-prep を作成し、商談準備の時間を30分以上から2-5分に短縮しました。顧客のWebサイト、ニュースリリース、CRMの過去データをClaudeが自動で読み込んで、商談準備シートを生成する仕組みです。

    マーケティング: Rimo社のSaeki氏はBigQueryスキルを使い、広告分析の所要時間を3-5時間から約7分に短縮しています。広告データの取得→集計→レポート生成の全プロセスがClaude Codeで自動化されています。

    個人開発: 松本翔太郎さんはプログラミング経験ゼロから3日間でドラムスクールの予約Webアプリを開発しました。外注なら数十万円かかるシステムを、Claude Codeを使って自力で構築しました。

    いずれの事例にも共通するのは、「エンジニアリングスキルがないからダメ」ではなく、「業務の何を自動化すべきかを知っている」ことが成功の鍵になっている点です。


    23-4. Anthropic社内での非エンジニア利用

    興味深いのは、Claudeを開発しているAnthropic社内でも、非エンジニアが積極的にClaude Code / Coworkを使っていることです。

    Anthropicの公式ブログやCEOの発言によれば、以下のチームがClaude Codeを日常業務で利用しています。

    法務チーム: 契約書のレビュー時間を数日から数時間に短縮。数百ページの契約書を一括で読み込み、リスク条項の抽出、過去の契約との差分分析を自動化。

    HRチーム: 採用候補者の履歴書スクリーニング、面接スケジュールの最適化、オンボーディング資料の生成。

    マーケティングチーム: 競合分析レポートの自動生成、プレスリリースの下書き、ソーシャルメディア投稿の作成。

    経営陣: Dario Amodei自身がClaude Codeを使って社内メモやエッセイの草稿を作成していると言われています。

    つまり、「Claude Code = エンジニアのツール」という認識は、開発元であるAnthropic社内ですでに崩れています。


    23-3. Cowork vs Claude Code CLI:どちらから始めるべきか

    まずCoworkから始めてください。

    Coworkは Claude Desktopアプリの中のタブです。チャット感覚でタスクを入力するだけで、ファイル操作やレポート作成を自動実行してくれます。ターミナルを開く必要は一切ありません。

    CoworkからCLIに移行するタイミングの目安は以下です。

    • MCP連携を自分でカスタマイズしたくなったとき

    • Skillsを自分で書きたくなったとき

    • Git操作が必要になったとき

    ただし、Coworkだけでも十分に強力です。CLIに移行しなくても、業務の大部分は自動化できます。


    この章のまとめ

    • Claude Code / Coworkは「コーディングツール」ではなく「タスク自律実行ツール」。非エンジニアにも使える

    • 非エンジニアの最大の武器は「実務の解像度」。業務プロセスの深い理解がAI活用の鍵

    • まずCowork(GUIタブ)から始める。CLIは必要になったら移行すればよい



    第24章:50の非コーディング活用例 🟠非エンジニア向け

    「Coworkで何ができるのか、具体例がほしい。」

    Coworkで実行できるタスクを50個、カテゴリ別に紹介します。
    全てコードを書かずに実行可能です。Coworkタブに以下のような日本語で指示するだけで動きます。


    24-1. ファイル整理と自動化(10例)

    1. 「ダウンロードフォルダを種類別(画像/PDF/Excel/その他)に整理して」

    2. 「デスクトップのファイルを更新日順に並べ替えて」

    3. 「このフォルダ内の重複ファイルを見つけて、一覧にして」

    4. 「画像ファイルを全てJPEGに変換して、横幅1200pxにリサイズして」

    5. 「このフォルダ内のPDFを1つに結合して」

    6. 「ファイル名を『YYYYMMDD_元のファイル名』に一括リネームして」

    7. 「30日以上前のファイルを『archive』フォルダに移動して」

    8. 「このフォルダのファイル一覧をCSVで出力して(ファイル名、サイズ、更新日)」

    9. 「スクリーンショットフォルダの画像をOCRして、テキストを抽出して」

    10. 「指定したフォルダのバックアップを作成して」


    24-2. 文書作成と編集(10例)

    1. 「この会議の録音テキストから議事録を作成して」

    2. 「このメモから、上司に送るメールの下書きを作って」

    3. 「このWordファイルの誤字脱字をチェックして修正して」

    4. 「このデータからPowerPointのスライドを5枚作って」

    5. 「この英語の契約書を日本語に翻訳して、要約をつけて」

    6. 「週次報告のテンプレートをExcelで作って」

    7. 「このCSVデータからグラフ付きのレポートをPDFで作って」

    8. 「社内向けFAQをこのフォルダのドキュメントから自動生成して」

    9. 「この提案書のフォーマットを、会社のテンプレートに合わせて」

    10. 「年末調整の案内文を、昨年の文面を参考にして今年版で作って」


    24-3. データ分析と可視化(10例)

    1. 「このCSVの売上データを月別に集計して、折れ線グラフを作って」

    2. 「この2つのExcelファイルを結合して、重複する行を削除して」

    3. 「このアンケート結果をクロス集計して、レポートにまとめて」

    4. 「このCSVから外れ値を検出して、異常値の一覧を出して」

    5. 「この経費データをカテゴリ別に集計して、円グラフを作って」

    6. 「この顧客リストから、3ヶ月以上取引がない顧客を抽出して」

    7. 「この在庫データの推移をグラフ化して、発注タイミングを提案して」

    8. 「売上データとWebアクセスログの相関を分析して」

    9. 「このExcelの複数シートを1つのサマリーシートにまとめて」

    10. 「競合5社のWebサイトから価格情報を調べて、比較表を作って」


    24-4. コミュニケーション支援(10例)

    1. 「Slackの今日の未読メッセージを要約して」(MCP連携必要)

    2. 「今週のGoogleカレンダーの予定を一覧にして」(MCP連携必要)

    3. 「この英語メールへの返信を、丁寧なビジネス英語で書いて」

    4. 「このプレゼンの想定質問を10個出して、それぞれの回答案を書いて」

    5. 「お客様への謝罪メールを3パターン(フォーマル/やや柔らかめ/簡潔)で書いて」

    6. 「このフィードバックコメント群から、共通する改善点を抽出して」

    7. 「新入社員向けの業務マニュアルを、このフォルダの資料から作って」

    8. 「この社内アンケートの自由記述回答をポジティブ/ネガティブに分類して」

    9. 「チームの1on1で使う質問リストを作って」

    10. 「この製品の特長を、営業トーク用に3分スクリプトにまとめて」


    24-5. 業種特化の活用例(10例)

    1. 税理士: 「freeeから取得した仕訳データを確認し、不整合がある行にフラグを立てて」

    2. 税理士: 「この請求書フォルダのPDFから、請求金額と支払日を抽出してExcelにまとめて」

    3. 営業: 「この顧客のWebサイトとニュースリリースを読んで、商談準備シートを作って」

    4. 営業: 「CRMの商談データから、今月クロージング予定の案件リストを作って」(MCP連携必要)

    5. マーケティング: 「このキャンペーンのA/Bテスト結果を分析して、次回の改善案を3つ出して」

    6. マーケティング: 「競合のSNS投稿を分析して、トレンドレポートを作って」

    7. 人事: 「この求人票を、Indeed向けとWantedly向けに書き分けて」

    8. 経理: 「このフォルダの領収書画像をOCRして、経費精算シートに転記して」

    9. 法務: 「このNDAの条項を一覧にして、リスクが高い項目にマークをつけて」

    10. 広報: 「このプレスリリースを、SNS投稿用に140文字×3パターンに要約して」


    この章のまとめ

    • Coworkに日本語で指示するだけで、ファイル整理・文書作成・データ分析・コミュニケーション支援が可能

    • MCP連携が必要な活用例(Slack要約、CRM連携等)は、接続設定が別途必要

    • 業種特化の活用例は「実務の解像度」が高い指示ほど精度が上がる

    • まず1〜10のファイル整理から試して、Coworkの動きに慣れるのがおすすめ



    第25章:非エンジニアの最初の5ステップ 🟠非エンジニア向け

    「活用例はわかった。でも、最初の一歩が踏み出せない。」

    この章では、ターミナルを一度も触ったことがない方が、Claude Coworkで最初の成功体験を得るまでの5ステップを解説します。全て15分以内に完了します。


    Step 1:フォルダの中身を確認する

    Claude Desktopを開き、Coworkタブに切り替えてください。フォルダへのアクセス権限を設定したら、以下のように入力します。

    ダウンロードフォルダの中身を教えて。ファイルの種類ごとに数を数えて。

    Claudeの応答例:

    ダウンロードフォルダを確認しました。合計127件のファイルがあります。
    
    ■ 種類別の内訳
    ・画像ファイル: 42件(.png 28件, .jpg 12件, .gif 2件)
    ・PDFファイル: 31件
    ・Excelファイル: 18件(.xlsx 15件, .csv 3件)
    ・Wordファイル: 8件
    ・ZIPファイル: 8件
    ・その他: 20件(.dmg 4件, .txt 7件, .html 5件, .mp4 2件, .pptx 2件)
    
    ■ 注意事項
    ・最も古いファイルは2025年8月のものです
    ・100MBを超えるファイルが3件あります
    ・ファイル名が重複しているものが2組あります
    
    何か整理しますか?

    これだけで「Coworkが自分のファイルを認識している」ことを確認できます。所要時間は約10秒です。


    Step 2:ファイルを並べ替える

    ダウンロードフォルダのファイルを、種類別のサブフォルダに整理して。
    画像は「images」、PDFは「documents」、Excelは「spreadsheets」に分けて。
    実行前にプランを見せて。

    Claudeの応答例:

    整理プランを作成しました。
    
    ■ 作成するフォルダ
    ・images/ → 画像ファイル 42件を移動
    ・documents/ → PDF 31件 + Word 8件 = 39件を移動
    ・spreadsheets/ → Excel 18件を移動
    ・others/ → 残り 28件を移動
    
    ■ 注意点
    ・同名ファイル「report.pdf」が2件あります
      → 古い方を「report_2025-11-03.pdf」にリネームして移動します
    ・サブフォルダはダウンロードフォルダ直下に作成します
    
    このプランで実行してよろしいですか?

    「OK、実行して」と返答すると、Claudeがファイルの移動を開始します。

    実行後のClaudeの応答:

    整理が完了しました。
    
    ・images/ → 42件移動 ✅
    ・documents/ → 39件移動 ✅
    ・spreadsheets/ → 18件移動 ✅
    ・others/ → 28件移動 ✅
    ・リネーム: 1件(report.pdf → report_2025-11-03.pdf)
    
    ダウンロードフォルダのルートには4つのサブフォルダのみが残っています。

    Step 3:空き容量を確認する

    デスクトップとダウンロードフォルダで、100MB以上の大きなファイルを見つけて一覧にして。
    サイズの大きい順に並べて。

    Claudeの応答例:

    100MB以上のファイルを検出しました。合計3件、2.8GBです。
    
    1. 映像編集ソフト_installer.dmg(1.2GB)── ダウンロード/others/
       → 2025年9月にダウンロード。インストール済みなら削除可能
    2. プレゼン動画_最終版.mp4(980MB)── ダウンロード/others/
       → 2025年12月作成
    3. データベースバックアップ.zip(650MB)── デスクトップ
       → 2026年1月作成
    
    合計で約2.8GBの容量を使用しています。
    削除したいファイルがあれば指示してください。

    不要な大容量ファイルを発見できます。「1番を削除して」と言えばCoworkが削除しますが、削除前に必ず確認ダイアログが表示されます。


    Step 4:画像を一括処理する

    「images」フォルダの画像を全て横幅800pxにリサイズして、JPEG形式に変換して。
    元のファイルは「images_original」フォルダに移動して残して。

    Claudeの応答例:

    画像の一括処理を実行します。
    
    ■ 処理内容
    ・対象: images/フォルダの42件
    ・リサイズ: 横幅800px(アスペクト比維持)
    ・フォーマット: 全てJPEGに変換
    ・元ファイル: images_original/に退避
    
    処理中... ████████████████████░░ 38/42件
    
    処理が完了しました。
    
    ・変換成功: 42件 ✅
    ・元ファイル: images_original/に42件退避済み
    ・容量変化: 処理前 185MB → 処理後 47MB(75%削減)
    ・GIFファイル(2件): 静止画としてJPEG変換しました
      ※アニメーションGIFの場合は最初のフレームが使用されています

    「元のファイルを残して」と明示することで、変換後に元ファイルが失われるリスクを防いでいます。


    Step 5:自動整理のスケジュールを設定する

    Coworkでは /schedule コマンドでタスクの定期実行を設定できます。

    /schedule 毎週月曜9時に、ダウンロードフォルダを種類別に整理して。
    30日以上前のファイルは「archive」フォルダに移動して。

    Claudeの応答例:

    スケジュールタスクを設定しました。
    
    ■ タスク名: ダウンロードフォルダ整理
    ■ 実行タイミング: 毎週月曜日 9:00
    ■ 実行内容:
      1. ダウンロードフォルダのファイルを種類別に整理
      2. 30日以上前のファイルをarchive/に移動
    
    ■ 注意事項
    ・PCが起動していてClaude Desktopが開いている必要があります
    ・削除は行いません(移動のみ)
    ・実行結果はCoworkの履歴で確認できます
    
    次回実行: 来週月曜 9:00
    タスクの確認・編集は左サイドバーの「Scheduled」から行えます。

    これで、毎週月曜の朝に自動でフォルダが整理されます。一度設定すれば、以降の手動作業はゼロです。


    ここまで来たら、もう怖くない

    Step 1〜5を完了すると、以下のことが体感としてわかります。

    • Coworkは日本語で話すだけで動く。 特殊なコマンドを覚える必要はない

    • 「実行前にプランを見せて」で安全に確認できる。 いきなりファイルが消えることはない

    • 応答は具体的で、何が起きたか全てわかる。 ブラックボックスではない

    • スケジュール設定で「自分がいない間にAIが働く」体験ができる。 これが最大のインパクト

    ここまで来たら、第24章の50の活用例から、自分の業務に合うものを1つ選んで試してみてください。



    第26章:よくある失敗パターン 🔵全員向け

    「Claude Codeを使い始めたが、うまくいかない。」

    Claude Codeの初心者が陥りやすい5つの失敗パターンと、その対策をまとめます。筆者自身が全て経験したものです。


    26-1. キッチンシンク・セッション

    症状: 1つのセッションに「バグ修正」「新機能追加」「リファクタリング」「テスト作成」を全部詰め込む。

    結果: コンテキストが溢れ、序盤の指示を忘れる。作業の方向性が迷走する。

    対策: 1セッション1タスク。タスクが終わったら /clear か新しいセッションを開始する。「あれもこれも」は禁止。


    26-2. 繰り返しの修正(ピンポン症候群)

    症状: 「ここ直して」→「やっぱり元に戻して」→「やっぱりこう直して」→「違う、最初のやつ…」

    結果: コンテキストが無意味な往復で消費され、Claudeも混乱する。

    対策: Planモード(Shift+Tab)で設計を固めてから実装に入る。「方針が決まっていない状態でコードを書かせない」が鉄則。

    よくある会話パターンと、正しい対処:

    ❌ NG:
    > ここにボタンを追加して → できました →
    > やっぱり位置を変えて → 変えました →
    > 色も変えて → 変えました →
    > やっぱり最初のデザインに戻して → ...
    
    ✅ OK:
    > [planモード] ここにボタンを追加したい。位置、色、サイズの案を3パターン出して
    > → 3案を比較 → 案Bを採用 →
    > [planモード解除] 案Bで実装して

    26-3. 肥大化したCLAUDE.md

    症状: プロジェクトが進むにつれて、CLAUDE.mdにルールを追加し続ける。500行を超える。

    結果: セッション開始時点でコンテキストの大部分を消費。重要な指示が埋もれて見落とされる。矛盾する指示が混在。

    対策: CLAUDE.mdは50行以内に保つ。詳細なワークフローはSkillsに分離する。四半期に一度、CLAUDE.mdを棚卸しして不要なルールを削除する。


    26-4. 信頼→検証のギャップ

    症状: Claudeの出力を無条件で信頼し、レビューせずにマージする。

    結果: バグの混入。特に、Claudeが「正しそうに見えるが実は間違っている」コードを書いた場合に致命的。

    対策: テストファースト。Claudeにコードを書かせる前にテストを書かせる。テストが通ったコードだけを採用する。差分レビューは省略しない。「Claudeを信頼する」のではなく「テストを信頼する」。


    26-5. 無限探索

    症状: 「もっと調べて」「他にもないか確認して」「念のためこっちも見て」を繰り返す。

    結果: コンテキストが探索結果で埋まり、実際の作業に使える容量がなくなる。コストも積み上がる。

    対策: 探索フェーズに時間制限を設ける。「5分で現状の理解をまとめて。不明点はリストアップして、後で個別に調べる」と指示する。探索が終わったら /compact で要約し、実装フェーズに移る。


    26-6. 失敗を防ぐ「セッション開始時チェックリスト」

    5つの失敗パターンを踏まえて、セッション開始時に確認すべきことをまとめます。

    1. このセッションのゴールは1つだけか?(キッチンシンク防止)

    2. 設計方針は決まっているか? 決まっていないならPlanモードから始める(ピンポン防止)

    3. CLAUDE.mdは50行以内に収まっているか? 超えていたらSkillsに分離する(肥大化防止)

    4. テストが書ける状態か? テストファーストで進める(信頼ギャップ防止)

    5. 探索フェーズに時間制限を設けたか?「◎分で調べて報告して」と指示する(無限探索防止)

    No.チェック項目防止する失敗1ゴールは1つだけか?キッチンシンク2設計方針は決まっているか?ピンポン症候群3CLAUDE.mdは50行以内か?肥大化4テストを先に書けるか?信頼ギャップ5探索に時間制限を設けたか?無限探索\small \def\arraystretch{1.5} \begin{array}{|c|l|l|} \hline \textbf{\textsf{No.}} & \textbf{\textsf{チェック項目}} & \textbf{\textsf{防止する失敗}} \\ \hline \textsf{1} & \textsf{ゴールは1つだけか?} & \textsf{キッチンシンク} \\ \hline \textsf{2} & \textsf{設計方針は決まっているか?} & \textsf{ピンポン症候群} \\ \hline \textsf{3} & \textsf{CLAUDE.mdは50行以内か?} & \textsf{肥大化} \\ \hline \textsf{4} & \textsf{テストを先に書けるか?} & \textsf{信頼ギャップ} \\ \hline \textsf{5} & \textsf{探索に時間制限を設けたか?} & \textsf{無限探索} \\ \hline \end{array}

    このチェックリストをCLAUDE.mdの冒頭に書いておくと、Claudeにも読者にも毎回リマインドされます。


    この章のまとめ

    • キッチンシンク → 1セッション1タスクの原則

    • ピンポン症候群 → Planモードで設計を固めてから実装

    • 肥大化CLAUDE.md → 50行以内。詳細はSkillsに分離

    • 信頼→検証ギャップ → テストファースト。テストを信頼する

    • 無限探索 → 探索に時間制限。完了後に/compactで要約



    第27章:Docker上で動かすか否か 🟢エンジニア向け

    「Claude Codeが勝手にファイルを壊したらどうしよう。サンドボックスで動かすべき?」

    この疑問は多くのエンジニアが持つものです。結論から言うと、開発フェーズによって使い分けるのが最適です。


    27-1. Docker上で作業するメリット

    安全性
    Docker上でClaude Codeが何をしても、コンテナを壊すだけです。ホストマシンのファイルに影響はありません。
    「Claude Codeに重要なシステムファイルを消された」という事故を構造的に防げます。

    再現性
    Dockerfileで環境を定義しておけば、チーム全員が同じ環境でClaude Codeを使えます。
    「自分の環境では動くのに、他のメンバーでは動かない」問題がなくなります。

    クリーン起動
    コンテナを破棄して再作成すれば、まっさらな環境からやり直せます。Claude Codeが環境を壊した場合のリカバリーが数秒で完了します。


    27-2. Docker上で作業するデメリット

    ファイルI/Oのオーバーヘッド
    Dockerのファイルシステムはホストよりも遅いことがあります。大量のファイルを扱うプロジェクト(node_modules等)では体感速度に影響します。

    セットアップの手間
    Dockerfile、docker-compose.yml、ボリュームマウントの設定が必要です。初期コストがかかります。

    ネットワーク設定
    MCP連携やGitHub Actions連携でネットワークが絡む場合、Docker内からのアクセス設定が追加で必要です。


    27-3. 推奨パターン

    観点Docker上Docker外安全性◎ ホスト保護△ 直接操作再現性◎ Dockerfile定義△ 環境差異ありリカバリー◎ コンテナ再作成○ git reset速度△ I/Oオーバーヘッド◎ ネイティブ速度セットアップ△ Dockerfile必要◎ 即開始MCP連携△ ネットワーク設定要◎ そのまま動作\small \def\arraystretch{1.5} \begin{array}{|l|c|c|} \hline \textbf{\textsf{観点}} & \textbf{\textsf{Docker上}} & \textbf{\textsf{Docker外}} \\ \hline \textsf{安全性} & \textsf{◎ ホスト保護} & \textsf{△ 直接操作} \\ \hline \textsf{再現性} & \textsf{◎ Dockerfile定義} & \textsf{△ 環境差異あり} \\ \hline \textsf{リカバリー} & \textsf{◎ コンテナ再作成} & \textsf{○ git reset} \\ \hline \textsf{速度} & \textsf{△ I/Oオーバーヘッド} & \textsf{◎ ネイティブ速度} \\ \hline \textsf{セットアップ} & \textsf{△ Dockerfile必要} & \textsf{◎ 即開始} \\ \hline \textsf{MCP連携} & \textsf{△ ネットワーク設定要} & \textsf{◎ そのまま動作} \\ \hline \end{array}

    プロトタイプ・個人開発:Docker外
    素早く試行錯誤したい段階では、Dockerのオーバーヘッドは邪魔です。Gitで変更を管理しておけば、最悪の場合でも git reset --hard で元に戻せます。

    チーム開発・本番コードの変更:Docker上
    チームで使う場合や本番環境に影響するコードを扱う場合は、Dockerで隔離する方が安全です。

    CI/CD:Docker + ヘッドレスモード
    自動化パイプラインでClaude Codeを使う場合は、Docker内でヘッドレスモード(-p)を実行するのが標準パターンです。


    27-4. 実用的なDockerfile例

    Claude Code用のDockerfileの例を示します。

    FROM node:20-slim
    
    # Claude Codeのインストール
    RUN curl -fsSL https://claude.ai/install.sh | bash
    
    # プロジェクトのセットアップ
    WORKDIR /app
    COPY . .
    RUN npm install
    
    # Claude Code用の設定
    ENV ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}
    
    # ヘッドレスモードで実行
    CMD ["claude", "-p", "テストを実行して失敗があれば修正して", "--output-format", "json"]

    docker-compose.ymlで使う場合:

    version: '3.8'
    services:
      claude-worker:
        build: .
        environment:
          - ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}
        volumes:
          - ./src:/app/src  # ソースコードをマウント
          - ./CLAUDE.md:/app/CLAUDE.md  # 設定ファイルをマウント

    ポイント: ソースコードとCLAUDE.mdはボリュームマウントで渡します。コンテナ内のClaude Codeがホストのファイルを直接変更できるため、結果がホスト側にも反映されます。ただし、これは「Docker外で動かすのとリスクが同じ」という意味でもあるため、CI/CD用途では読み取り専用マウントにし、変更結果はgitのdiffとして出力する方が安全です。


    この章のまとめ

    • Docker上の利点:安全性(ホスト保護)、再現性(同一環境)、クリーン起動(即リカバリー)

    • Docker外の利点:速度、セットアップ不要、MCP連携が楽

    • 推奨:個人開発はDocker外、チーム開発はDocker上、CI/CDはDocker + ヘッドレスモード



    第28章:他フレームワークとの互換性 🟢エンジニア向け

    「Claude Code以外のAIエージェントフレームワークとの関係はどうなっている?」

    AI エージェントのエコシステムは急速に拡大しています。Claude Codeが全てを独占するわけではなく、他のフレームワークと共存・連携する場面が増えてきます。


    28-1. GoogleのADK(Agent Development Kit)

    GoogleのADK は、Geminiベースのエージェントを構築するためのフレームワークです。MCP(Model Context Protocol)に対応しており、MCPサーバーを介してClaude CodeのエコシステムとGeminiのエコシステムが接続可能です。

    実務的には、「Claude CodeでメインのコーディングをしつつGeminiのADKで画像処理や動画生成を行う」というハイブリッド構成が考えられます。

    MCPがこの連携の鍵です。ADKで構築したエージェントをMCPサーバーとして公開し、Claude CodeからMCP経由で呼び出すことで、異なるフレームワーク間の連携が実現します。

    // .claude/mcp.json での接続例
    {
      "mcpServers": {
        "image-generator": {
          "command": "python",
          "args": ["adk_image_server.py"],
          "description": "Gemini ADKベースの画像生成サーバー"
        }
      }
    }

    28-2. LangChain / LangGraph

    LangChainは、LLMアプリケーションを構築するための最も広く使われているフレームワークです。Claude APIとの連携は公式にサポートされています。

    Claude Codeとの関係は「補完」です。Claude Codeはターミナルベースのエージェントですが、LangChainはPythonコードでエージェントのロジックを細かく制御したい場合に使います。

    LangChainからClaude APIを呼び出す基本コード:

    from langchain_anthropic import ChatAnthropic
    from langchain_core.messages import HumanMessage
    
    # Claude Sonnet 4.6を使用
    llm = ChatAnthropic(model="claude-sonnet-4-6")
    
    response = llm.invoke([
        HumanMessage(content="このプロジェクトのアーキテクチャを分析して")
    ])
    
    print(response.content)

    Claude Codeが「ターミナルで対話しながら作業する」のに対し、LangChainは「Pythonスクリプト内でClaudeをプログラム的に呼び出す」アプローチです。大規模なパイプラインや、他のAIモデルとの連携が必要な場合にLangChainが活きます。

    LangGraphは、LangChainの拡張で、複雑なエージェントのワークフロー(分岐、ループ、並列実行)をグラフ構造で定義します。Agent Teamsに相当する機能をより細かくプログラマティックに制御したい場合の選択肢です。


    28-3. Agent Skillsオープンスタンダード

    第9章で触れたAgent Skills(agentskills.io)は、Anthropicが提唱するオープンスタンダードです。このスタンダードに準拠したSkillsファイルは、Claude Code以外のAIエージェントでも利用可能です。

    つまり、今Claude Code用に書いたSkillsは、将来的に別のAIエージェントに移行した場合にも再利用できます。特定のベンダーにロックインされないのが、オープンスタンダードの利点です。


    この章のまとめ

    • Google ADK:MCP経由でClaude Codeと共存可能。画像・動画生成はGeminiの方が強い

    • LangChain / LangGraph:Claude APIと公式連携。より細かいプログラマティック制御が必要な場合に

    • Agent Skills:オープンスタンダード。Claude Code以外にも移植可能で、ベンダーロックインを回避できる



    第29章:Claude Console|組織でのClaude 🔵全員向け

    「個人では使い始めた。チームや会社全体に導入するにはどうすればいい?」


    29-1. Anthropic Consoleの概要

    Anthropic Consoleは、組織レベルでClaudeのAPI利用を管理するためのダッシュボードです。

    主な機能は以下です。

    Organization管理: 複数のメンバーを1つのOrganizationに所属させ、APIキーと利用枠を一元管理します。

    API Key管理: プロジェクトごとにAPIキーを発行・無効化できます。「開発環境用」「本番環境用」「Claude Code用」のようにキーを分離することで、セキュリティと利用量追跡が容易になります。

    Usageモニタリング: モデル別、API Key別のトークン消費量と費用をリアルタイムで確認できます。月次の予算上限を設定し、超過時にアラートを受け取ることも可能です。


    29-2. 導入前に確認すべき3つの質問

    組織へのClaude導入を検討する際、以下の3つの質問に答えられるようにしておくと、意思決定がスムーズです。

    Q1:誰が使うのか?
    エンジニアだけなのか、非エンジニアも含むのか。エンジニアのみならClaude Code CLIが中心、非エンジニアを含むならCoworkが必須。Teamプランは両方をカバーします。

    Q2:何に使うのか?
    コーディングの生産性向上か、ドキュメント作成の効率化か、データ分析か。用途によって最適なモデル(Opus / Sonnet / Haiku)とプランが変わります。

    Q3:セキュリティ要件は?
    APIリクエストに含まれるコンテキストは処理されますが、Anthropicのモデル訓練には使用されません。ただし、機密性の高いコードや顧客データを扱う場合は、EnterpriseプランのデータプライバシーオプションやAmazon Bedrock / Google Vertex AI経由での利用を検討してください。


    29-3. Team / Enterpriseプラン

    TeamEnterprise価格$30/席/月カスタムSSO—あり監査ログ—ありデータ保持ポリシー標準カスタムClaude CodeありありCoworkありあり専任サポート—ありセルフサーブ購入ありあり(2026/3〜)\small \def\arraystretch{1.5} \begin{array}{|l|c|c|} \hline \textbf{\textsf{}} & \textbf{\textsf{Team}} & \textbf{\textsf{Enterprise}} \\ \hline \textsf{価格} & \textsf{\$30/席/月} & \textsf{カスタム} \\ \hline \textsf{SSO} & \textsf{—} & \textsf{あり} \\ \hline \textsf{監査ログ} & \textsf{—} & \textsf{あり} \\ \hline \textsf{データ保持ポリシー} & \textsf{標準} & \textsf{カスタム} \\ \hline \textsf{Claude Code} & \textsf{あり} & \textsf{あり} \\ \hline \textsf{Cowork} & \textsf{あり} & \textsf{あり} \\ \hline \textsf{専任サポート} & \textsf{—} & \textsf{あり} \\ \hline \textsf{セルフサーブ購入} & \textsf{あり} & \textsf{あり(2026/3〜)} \\ \hline \end{array}

    Teamプラン($30/席/月)
    管理者ダッシュボード、チーム内でのプロジェクト共有、Claude Code / Cowork利用可能。小規模チーム(5-50人)に最適です。

    Enterpriseプラン(カスタム価格)
    SSO(シングルサインオン)、監査ログ、コンプライアンスAPI、データ保持ポリシーのカスタマイズ、専任サポート。大企業向けです。2026年3月からはセルフサーブでの購入も可能になりました。


    29-4. 組織導入の3ステップ

    Step 1:個人で検証する(2週間)
    まず自分のProプランで、実際の業務にClaude Codeを使ってみます。「どのタスクが自動化できるか」「どのくらい時間が短縮されるか」の実績データを集めます。

    Step 2:パイロットチームで試す(1ヶ月)
    5人程度のチームでTeamプランを契約し、1ヶ月間の効果を測定します。CLAUDE.mdとSkillsをチーム共通で定義し、使い方を統一します。

    Step 3:全社展開(順次)
    パイロットの成果をもとに、Enterpriseプランで全社展開します。

    主要な導入事例として、Accenture(3万人のプロフェッショナルがClaude研修を受講)、Cognizant(最大35万人のアソシエイトにClaude展開)があります。

    Snowflakeとの2億ドルの複数年契約も話題になりました。Fortune 10企業のうち8社がClaude顧客であり、年間100万ドル以上を支出する顧客は500社を超えています。

    中小企業の導入パターン:

    大企業の事例ばかりが注目されますが、5-20人規模のチームこそClaude導入の効果が大きいです。理由はシンプルで、「1人あたりの生産性向上」が全体に直結するからです。

    5人のエンジニアチームがClaude Codeを導入し、各メンバーのコーディング時間が30%短縮された場合、チーム全体で月に約150時間の工数削減(5人 × 160時間/月 × 30%)が見込めます。Teamプラン5席で月$150(約22,500円)のコストに対し、エンジニアの人件費換算で月100万円以上の価値があります。

    もちろん、「30%短縮」は保証されるものではなく、タスクの性質やCLAUDE.md / Skillsの整備度合いに大きく依存します。最初の1ヶ月は「使い方の学習」にコストがかかるため、即座に効果が出るとは限りません。Step 1の個人検証で実際のデータを取ることが重要です。


    29-5. 日本企業の導入動向

    海外事例だけでなく、日本市場でもClaudeの本格導入が加速しています。

    Anthropicは東京にアジア太平洋地域(APAC)初の拠点を設置しており、日本語処理能力と安全性の高さが日本の大手企業に評価されています。

    NRI(野村総合研究所)──認定リセラーと実証成果

    NRIは日本国内初のAnthropic認定リセラーとして、
    Claude Code、Claude for Enterpriseを含む包括的な導入支援を提供しています。
    自社内でもClaude for Enterpriseを全社導入し、コンサルティングからシステム開発まで、Claudeを使いこなせる人材を社内で育成しています。

    注目すべきは実証成果です。専門知識を要する日本語文書の分析処理において、従来「数時間」かかっていたワークフローを、Claudeの組み込みにより「数分」にまで短縮しました。コンサルティング業務における生産性の定義を根底から変える成果です。

    また、Anthropicが早期評価版として提供する「Claude Cowork」について、自社内での検証結果をAnthropic Japanと共有し、日本企業が安心して活用できる環境を共同構築しています。

    三菱電機──レガシー文書のデジタル資産化

    三菱電機は、Claude 3のマルチモーダル機能を使い、過去数十年分のソフトウェア開発関連ドキュメントの自動要約と解析を行っています。

    複雑な構成図やフローチャートが含まれる仕様書を、AIが図表ごと文脈を理解して処理できるようになり、ソフトウェア改修に伴う調査工数を約40%削減しました。人間のエンジニアが数週間かけていた仕様書の検索・把握プロセスがAIで自動化されたことになります。

    製造業が抱える「暗黙知の継承」問題に対する、Claudeの具体的な解決事例です。

    パナソニック──健康データに基づくパーソナライズ支援

    パナソニックはClaude搭載のウェルネスプラットフォーム「Umi」を公表し、健康データに基づくパーソナライズ支援に活用。


    これらの事例に共通するのは、AIを「チャットツール」としてではなく、業務を自律的に遂行する「デジタルな同僚」として組み込んでいる点です。つまり、日本のエンタープライズAI市場が「モデル単体の性能」を競うフェーズから、「いかに既存資産と接続し、自律的なワークフローを構築するか」というフェーズに移行したことを明確に示しています。


    この章のまとめ

    • Anthropic ConsoleでOrganization管理、APIキー管理、Usage監視が可能

    • チームはTeamプラン($30/席/月)、大企業はEnterprise(カスタム価格)

    • 導入は3ステップ:個人検証(2週間)→ パイロット(5人×1ヶ月)→ 全社展開

    • 日本ではNRI(認定リセラー)、三菱電機(調査工数40%削減)、パナソニック(Umi)が先行事例



    第30章:将来編──Anthropicはどこへ向かうのか 🔵全員向け

    この記事の最終章です。2026年3月時点でのAnthropicの方向性と、読者が今すべきことを整理します。


    30-1. Anthropicの企業方針

    Anthropicのミッションは「AI安全性の研究と、安全で有益なAIシステムの構築」です。

    2026年1月21日、Anthropicは約80ページにわたるClaudeの新しい「憲法」を公開しました。以前の「最も差別的でない回答を選べ」のようなルールベースのアプローチから、なぜそう振る舞うべきかの推論をAI自身に教えるアプローチに移行しています。

    特筆すべきは「良心的兵役拒否」の原則です。権力を不当に集中させる行為への支援は、Anthropic自身からの要請であっても拒否するよう、AIに指示しています。

    2026年2月にはRSP(Responsible Scaling Policy)v3.0が発表され、議論を呼びました。以前の「安全対策が証明されるまでトレーニングを停止する」というコミットメントが撤廃され、より柔軟なフレームワークに移行しています。


    30-2. 2026年3月時点での最新動向

    この記事を書いている今この瞬間も、Claudeのエコシステムは進化し続けています。

    Cowork Dispatch(3月17日)
    スマホからPCのCoworkを遠隔操作(第14章で解説済み)

    Channels(3月20日)
    Telegram/DiscordからClaude Codeにリアルタイムイベント送信(第14章で解説済み)

    The Anthropic Institute(3月11日)
    AIの社会的影響を研究する新組織の設立

    国防総省との対立(進行中)
    AI制御兵器と国内大量監視の2つのレッドラインを巡る紛争

    アーティファクト2.0(3月12日)

    Claude can now build interactive charts and diagrams, directly in the chat.

    Available today in beta on all plans, including free.

    Try it out: https://t.co/tHPAZRgQkn pic.twitter.com/WXRrD4VkAt

    — Claude (@claudeai) March 12, 2026

    チャット中にインタラクティブなグラフ・図表を直接作成・編集できるようになりました。生成後も「積み上げ棒グラフに変更して」「特定月のデータを除外して」のように自然言語で修正指示を出せます。従来の静的な画像ではなく、インラインで編集可能なビジュアルです。

    Office連携強化(3月)
    Excel / PowerPointアドインが強化され、同一会話コンテキストを複数ファイル間で共有できるようになりました。Excelで分析したデータを踏まえたままPowerPointでスライドを作成・編集できます。Skillsもアドイン内で利用可能になり、「差異分析」「顧客向け資料テンプレート」等のパターンをSkillに登録してワンクリックで再現できます。

    Computer Use(研究プレビュー)

    You can now enable Claude to use your computer to complete tasks.

    It opens your apps, navigates your browser, fills in spreadsheets—anything you'd do sitting at your desk.

    Research preview in Claude Cowork and Claude Code, macOS only. pic.twitter.com/sVymgmtEMI

    — Claude (@claudeai) March 23, 2026

    スクリーンショットを定期的に取得・解析し、マウスやキーボード操作を座標ベースで実行する仕組みです。APIではなく画面認識ベースのため、旧来のGUIやレガシーシステムも操作可能です。ただし、1タスク完了に数十秒〜数分かかるため、速度は直接のAPI連携に劣ります。セキュリティ上の懸念(意図しないコマンド実行等)もあり、操作前の確認プロンプトとサンドボックス制限が推奨されます。


    30-3. AGIへのロードマップ

    第1章で紹介した通り、Dario Amodeiは「パワフルなAIシステムは2026年末から2027年初頭に登場すると予想している」と公式に述べています。

    この予測が正しいかどうか、正直に言えば誰にもわかりません。Google DeepMindのDemis Hassabisは5-10年と予測しており、MetaのYann LeCunはLLMだけではAGIは達成できないと主張しています。

    しかし確実に言えることがあります。AIの能力は加速度的に向上しており、その速度は鈍化していません。

    2025年1月時点では、Claude Codeにはまだ「Skills」も「Subagents」も「Agent Teams」も「Cowork」も「Channels」も存在しませんでした。それが1年後の2026年3月には、30体のAIエージェントが並列でCコンパイラを構築し、税理士がスタッフゼロで60社を運営する世界になっています。

    この速度が続く限り、「AIを使いこなすスキル」の価値は増大し続けます。


    30-4. 読者が今すべきこと

    最後に、読者のプロフィールに応じた「今日からできるアクション」を整理します。

    エンジニアの方: CLAUDE.md を書いて、1つのSkillを作ってみてください。それだけで、Claude Codeの使い方が根本的に変わります。慣れてきたら、Subagentを1つ定義してタスク委譲を試してください。

    非エンジニアの方: Claude DesktopのCoworkタブで、ダウンロードフォルダを整理してみてください。15分で最初の成功体験が得られます。そこから第24章の50例を見て、自分の業務に合うものを1つ試してください。

    意思決定者の方: Proプランを1人分契約して、まず自分で触ってみてください。部下に「使え」と言う前に、自分で体験することが導入の成功確率を劇的に上げます。


    30-5. 半年後に読み返すためのチェックリスト

    この記事を読んだ半年後(2026年9月頃)に、以下を確認してみてください。

    • Claude 5はリリースされたか? どんな能力が追加されたか?

    • Agent Teamsは実験的機能を脱したか? GA(一般提供)になったか?

    • Coworkにどんな新機能が追加されたか? Google連携は実現したか?

    • GitHubコミットに占めるClaude Codeの割合は何%になったか?(2026年3月時点で4%)

    • Anthropicの売上はOpenAIを超えたか?(Epoch AIの予測では2026年8月頃)

    • AGIに該当するレベルのAIシステムは登場したか?

    これらの問いに対する答えが、この記事の情報がどれだけ古くなったかの指標になります。そして、古くなった章があれば、可能な限り追記・更新します。


    宇宙物理学では、数百億個の粒子の相互作用をたった数本の方程式で記述します。機械学習では、数百万行のデータをたった数層のモデルで表現します。

    Claude Codeも同じです。Skills、Subagents、Tasks、MCP──機能は多く見えますが、本質はシンプルです。

    「何を、誰が、いつ、何とつないで実行するか」

    この4つの問いに答えれば、あなただけのAIチームが動き出します。


    この章のまとめ

    • Anthropicのミッションは「安全で有益なAIシステムの構築」。2026年1月に約80ページの新しいAI憲法を公開

    • 2026年3月時点でDispatch、Channels、Anthropic Instituteが矢継ぎ早にリリース

    • Dario Amodeiは2026年末〜2027年初頭のAGI到来を公式に予測。速度は鈍化していない

    • 今すべきこと:エンジニアはCLAUDE.md + Skill、非エンジニアはCoworkでフォルダ整理、意思決定者は自分で触る



    まとめ

    この記事を読み終えたあなたは、Claudeの全体像を理解しています。でも、知識だけでは何も変わりません。

    今日、1つだけ試してください。

    エンジニアなら、CLAUDE.mdを書いて、1つのSkillを作ってみてください。 非エンジニアなら、Coworkでダウンロードフォルダを整理してみてください。 意思決定者なら、Proプランを1人分契約して、自分で触ってみてください。

    税理士の畠山さんは、2ヶ月前までGitHubもターミナルも知りませんでした。今、スタッフゼロで60社を運営しています。

    Y CombinatorのGarry Tanは、非エンジニアのCEOです。今、週100本のPRを出しています。

    2026年3月の今、Claudeを使い始めるのは「早い」のではなく「ちょうどいい」タイミングです。半年後には「遅かった」と感じるかもしれません。

    この記事が、あなたの最初の一歩になれば幸いです。



    読者特典

    この記事の感想をX(旧Twitter)で引用ポストしてくださった方に、記事内で紹介したCLAUDE.mdのテンプレート集(3パターン)をDMでお送りします。

    テンプレートの内容:

    • 小規模プロジェクト用(10行)── 個人開発・プロトタイプ向け

    • 中規模プロジェクト用(30行)── チーム2〜5人の開発向け

    • チーム開発用(50行)── 5人以上・CI/CDありのプロジェクト向け

    いずれもそのままコピーして使える記入例つきです。Python + FastAPI、Next.js + Prisma、Go + gRPCの3種類の実プロジェクトを想定した記入例を用意しました。

    関連する記事は、有料マガジン「AI推進ラボ」にまとめています。

    参加方法:

    1. この記事の感想をXで引用ポストする(無料エリアの感想だけでもOKです)

    2. @horizon_IT00 にリプライまたはDMで「投稿しました」とお知らせください

    3. 確認後、テンプレート集をDMでお送りします

    Xアカウント:https://x.com/horizon_IT00


    更新履歴

    • 2026/3/24:初版公開(無料エリア:第1〜13章)

    • 2026/3/25:有料エリア追記済(第14〜30章+まとめ)

    • 2026/04/04: Compute Use がリリースされたことを記載

    • 2026/04/05: エンジニア向け・生成AI技術推進部向けのルートマップ記載


     
     
    経歴:宇宙学→機械学習→生成AI(現在)→起業(未来) 実績:Signateグランドマスター / 総合7位。 「再現性ある成果を出し続けるエンジニア」になるための 実践知を発信しています。 特に生成AIツールの活用・AI実装を発信しています。

    あなたへのおすすめ