メインコンテンツへスキップ
見出し画像

【AI仕事効率化シリーズ⑧】Claude Code × Codexで開発してみた|AIコードレビューのメリットと課題3選


    はじめに

    AIにプログラムを書いてもらう。

    そして、別のAIにレビューしてもらう。

    最近、私はこの方法で開発しています。

    実装には「Claude Code」。

    レビューには「Codex」。

    それぞれのAIに役割を持たせています。

    結論から言うと、別のAIにレビューさせる方法は、かなり助かっています。

    実装時に見逃していた問題を、レビューで指摘してもらえるからです。

    ただし、良いことばかりではありません。

    実際に使ってみると、同じレビュー指摘を何度も受けることがありました。

    さらに、AIがレビューしたからといって、動作が保証されるわけではありません。

    そのため、最後は必ず手動でテストしています。

    今回は現役システムエンジニアの私が、Claude CodeとCodexを使い分けて感じたメリットと課題を紹介します。

    AIを使った開発に興味がある方や、AIが生成したコードの品質に不安がある方の参考になれば幸いです。


    なぜAIを使い分けるようになったのか

    以前の記事では、AIにシステム開発を任せすぎて気付いたことを書きました。

    AIはプログラムの実装ができます。

    テストまで実行してくれることもあります。

    非常に便利です。

    しかし、システムを丸ごと任せると、想定外の問題が発生することもありました。

    例えば、画面のデザインです。

    必要なマージンがなかったり、想定していない画面遷移になったりしました。

    プログラムとして動いていても、期待したシステムとは限りません。

    また、実際に操作すると、想定外のエラーが発生することもあります。

    そこで考えたのが、実装とレビューでAIを分ける方法です。

    一つのAIにすべてを任せるのではありません。

    実装するAIと、レビューするAIを分けます。

    人間のシステム開発でも、実装者とは別の人がレビューすることがあります。

    別の視点から確認することで、見落としに気付ける可能性があるからです。

    AIでも同じ考え方を取り入れられるのではないか。

    そう考えて、現在の開発フローを使うようになりました。


    私が使っているAIツール

    現在、主に二つのAIツールを使い分けています。

    実装担当:Claude Code

    まず、プログラムの実装を担当するのがClaude Codeです。

    Claude Codeは、コードの生成や修正を支援するAIツールです。

    私はシステムの実装部分で活用しています。

    作りたい機能を伝え、必要なコードを実装してもらいます。

    AIを使うことで、自分ですべてのコードを書く負担を減らせます。

    もちろん、AIが作ったコードが必ず正しいわけではありません。

    それでも、実装を進めるうえで助かっています。

    レビュー担当:Codex

    次に、コードレビューを担当するのがCodexです。

    Codexも、ソフトウェア開発を支援するAIツールです。

    私の場合は、Claude Codeが実装した内容を確認する役割で使っています。

    目的は、実装時に見逃した問題を発見することです。

    実装したAIとは別のAIに確認してもらうことで、違う観点からコードを見てもらえると考えました。

    ただし、別のAIだから必ず正しいというわけではありません。

    レビュー内容が妥当かどうかは、人間が確認する必要があります。


    実際のAI開発フロー

    私が普段行っている流れは、次のとおりです。

    Claude Codeで実装 → Codexでレビュー → 指摘対応 → 実装完了 → 手動テスト

    この流れを基本にしています。

    それぞれの工程で、どのようにAIを使っているのか紹介します。

    STEP1:Claude Codeで実装する

    最初はClaude Codeで実装します。

    作りたい機能や変更したい内容を伝え、プログラムを作ってもらいます。

    ここで重要なのは、AIに何を実装してほしいのかを伝えることです。

    例えば、画面を作る場合です。

    単に「画面を作って」と依頼するだけでは、期待した結果にならない可能性があります。

    必要な項目や動作を明確にする必要があります。

    画面遷移も同様です。

    どの操作で、どの画面へ移動するのか。

    こうした条件が曖昧だと、AIが想定とは異なる実装をすることがあります。

    私も以前、デザインや画面遷移で想定外の結果を経験しました。

    そのため、実装を任せる際は、期待する動作を意識するようにしています。

    ただし、この段階で完全な品質を保証できるわけではありません。

    そこで次の工程に進みます。

    STEP2:Codexでレビューする

    Claude Codeで実装したら、Codexにレビューを依頼します。

    ここでは、実装したコードに問題がないかを確認してもらいます。

    私が期待しているのは、実装時の見逃しを発見することです。

    自分でコードを書いていると、どうしても見落としが発生することがあります。

    AIによる実装でも同様です。

    実装できたことと、問題がないことは別です。

    そこで、別のAIに確認してもらいます。

    Codexから指摘が出たら、その内容を確認します。

    そして、修正が必要かを判断します。

    ここで気を付けたいのは、AIの指摘をすべて正しいと考えないことです。

    AIのレビューにも誤りはあり得ます。

    実装の意図や仕様と照らし合わせる必要があります。

    STEP3:レビュー指摘に対応する

    レビューが終わったら、指摘された内容に対応します。

    修正が必要なものは、実装へ反映します。

    ただし、ここで一つ課題がありました。

    それが、同じレビュー指摘を何度も受けることです。

    これは実際に使っていて気になった部分でした。

    問題を発見してくれるのは助かります。

    しかし、同じ指摘が繰り返されると、確認の手間が増えます。

    その指摘は本当に未対応なのか。

    すでに修正した内容なのか。

    修正したつもりでも、問題が残っているのか。

    こうした点を確認する必要があります。

    AI同士でやり取りしていても、すべてが自動的に解決するわけではありません。

    STEP4:実装完了後に手動テストする

    レビュー指摘への対応が終わったら、実装完了として手動テストへ進みます。

    私はこの工程を特に重要だと考えています。

    なぜなら、AIが実装して、別のAIがレビューしても、実際の動作が正しいとは限らないからです。

    コード上では問題が見つからなくても、実際に操作すると不具合が発生する可能性があります。

    また、デザインの違和感や画面遷移の問題もあります。

    そのため、最後は必ず自分で操作します。

    この手動テストについては、後ほど詳しく紹介します。


    メリット① 実装時の見逃しを発見できた

    今回、最も助かったのがこの部分です。

    Claude Codeによる実装だけでは見逃していた問題を、Codexのレビューで指摘してもらえました。

    実際に使っていて、見逃しを指摘されることは何度もありました。

    これは、AIを使い分ける大きなメリットだと感じています。

    実装が終わった段階では、問題がないように見えることがあります。

    しかし、別のAIで確認すると指摘が出てきます。

    つまり、実装が完了したように見えても、確認すべき部分が残っている可能性があります。

    これは人間のコードレビューにも似ています。

    実装者本人が気付かなかった問題を、レビュアーが発見することがあります。

    AIでも、役割を分けることで同様の効果を期待できます。

    もちろん、指摘が出たことだけで、コード品質が向上したとは断定できません。

    指摘内容が正しいかを確認し、必要な修正を行って初めて意味があります。

    それでも、見逃しに気付く機会が増えたことは、私にとって大きな収穫でした。


    メリット② 実装と確認の役割を分けられる

    二つ目のメリットは、役割を明確にできることです。

    私はClaude Codeを実装担当として使っています。

    そしてCodexをレビュー担当として使っています。

    このように役割を分けると、開発の流れを整理しやすくなります。

    実装する工程。

    問題を確認する工程。

    指摘へ対応する工程。

    それぞれの目的が明確になります。

    一つのAIですべてを完結させる方法もあります。

    その方法が悪いわけではありません。

    ただ、私の場合は別のAIに確認してもらうことで、実装内容を見直す機会が生まれています。

    ここで重要なのは、AIを二つ使うこと自体ではありません。

    実装と確認を、別の工程として扱うことです。

    AIが実装したから、そのまま完成とする。

    この考え方を避けられることに価値があると感じています。


    メリット③ 人間が確認するポイントを整理しやすい

    三つ目は、人間による確認との役割分担です。

    AIレビューを使うことで、コード上の問題を確認する機会が増えます。

    そのうえで、人間は実際の動作を確認します。

    もちろん、人間もコードを確認する必要があります。

    AIレビューで指摘された内容が正しいかを判断するためです。

    ただし、すべてを自分一人で最初から確認する方法とは、作業の進め方が変わります。

    AIに実装を任せる。

    別のAIにレビューしてもらう。

    人間が指摘を判断する。

    最後に手動テストをする。

    このように工程を分けることで、何を確認すべきかを整理しやすくなります。

    私にとっては、これがAIを開発に取り入れるうえで大切な考え方になっています。


    課題① 同じレビュー指摘を何度も受ける

    ここからは、実際に使って感じた課題です。

    まず、一番気になったのが重複指摘です。

    Codexでレビューすると、同じ内容を何度も指摘されることがありました。

    最初は、

    「また同じことを言われている。」

    と感じました。

    しかし、ここで考える必要があります。

    同じ指摘が出たからといって、必ずしもAIが間違っているとは限りません。

    本当に問題が残っている可能性もあります。

    反対に、修正済みの内容を再び指摘している可能性もあります。

    そのため、私は重複した指摘も確認する必要があると感じています。

    ここはAIレビューを利用するうえで、手間がかかる部分です。

    重複指摘への対応をどうするか

    今後、改善したいと考えているのがレビューの進め方です。

    例えば、次のような方法が考えられます。

    • 指摘された内容を記録する

    • 対応済みか未対応かを整理する

    • 修正した箇所を明確にする

    • 再レビューでは変更内容を伝える

    • 同じ指摘が出たら根拠を確認する

    これらは、重複指摘を減らすために試してみたい方法です。

    まだ、すべての方法で効果を検証できたわけではありません。

    ただ、AIレビューでも指摘管理が必要だと感じています。

    人間の開発でも、レビュー指摘の管理は重要です。

    AIを使う場合も、その考え方は変わらないのかもしれません。


    課題② AIレビューが正しいとは限らない

    次の課題は、AIのレビュー結果をどう扱うかです。

    これは今回の使い方で、常に意識したい部分です。

    Codexから指摘が出たとします。

    その指摘を見て、Claude Codeに修正してもらう。

    一見すると、効率的な流れです。

    しかし、ここには注意点があります。

    レビューAIの指摘が、必ず正しいとは限りません。

    仕様を十分に理解できていない可能性があります。

    実装の意図と異なる修正を提案する可能性もあります。

    そのため、指摘されたからといって、無条件で修正するのは避けたいところです。

    まず、何が問題なのかを確認します。

    次に、仕様と照らし合わせます。

    そして、本当に修正が必要かを判断します。

    AI同士でレビューと修正を繰り返しても、人間の判断は必要です。

    むしろ、AIを活用するほど、何を正しいと判断するかが重要になると感じています。


    課題③ AIレビューだけでは動作を保証できない

    三つ目の課題は、実際の動作です。

    これは前回の記事でも触れた内容です。

    AIがコードを実装する。

    別のAIがレビューする。

    指摘にも対応する。

    ここまで終わると、完成したように感じるかもしれません。

    しかし、私はここで終わらせません。

    必ず手動テストを行います。

    理由は、コードレビューと動作確認では、確認する対象が異なるからです。

    コード上で問題が見つからなくても、実際の操作で問題が発生することがあります。

    例えば、画面遷移です。

    想定していた画面へ移動するか。

    ボタンを押したときに正しく動くか。

    入力した内容が期待どおりに反映されるか。

    こうした動作は、実際に確認する必要があります。

    また、デザインも重要です。

    マージンが適切か。

    文字が読みやすいか。

    画面が崩れていないか。

    AIレビューだけで、これらを完全に保証することはできません。

    だからこそ、私は最後の手動テストを欠かさないようにしています。


    最後の手動テストは絶対に省略しない

    私がAI開発で大切にしているのは、最後の確認です。

    難しいテストを毎回すべて行うという意味ではありません。

    まずは、実装した機能が想定どおりに動くかを確認します。

    感覚としては、ざっくりとした単体テストに近いです。

    ただし、実際の画面操作や画面遷移も確認するため、厳密には単体テストだけではありません。

    例えば、画面にボタンを追加した場合です。

    ボタンが表示されるか。

    押したら期待した処理が動くか。

    想定した画面へ移動するか。

    表示に違和感がないか。

    こうした基本的な部分を確認します。

    もちろん、これだけですべての品質を保証できるわけではありません。

    システムの規模や重要度によっては、さらに詳細なテストが必要です。

    それでも、最低限の動作確認を省略しないことが重要だと考えています。

    AIが実装したから大丈夫。

    Codexがレビューしたから大丈夫。

    この考え方にはしないようにしています。


    AIレビューをもっと活用するために考えていること

    現在の開発フローには、メリットと課題の両方があります。

    特に、重複指摘への対応は改善したい部分です。

    そこで、今後はレビューの依頼方法も工夫したいと考えています。

    例えば、レビューの対象を明確にする方法です。

    どの機能を実装したのか。

    どのファイルを変更したのか。

    どのような動作を期待しているのか。

    こうした情報を整理して渡すことで、レビューの目的を明確にできるかもしれません。

    また、修正後の再レビューでは、前回の指摘と対応内容を共有する方法も考えています。

    これによって、同じ指摘を繰り返す問題が改善するかもしれません。

    ただし、現時点では改善効果を確認できていません。

    今後の検証課題として取り組みたいと思います。

    レビュー依頼のプロンプト例

    これから試すなら、次のようなプロンプトが考えられます。

    ※これは改善案として作成した例です。実際に効果を確認したプロンプトではありません。

    あなたはコードレビュー担当です。
    
    以下の実装についてレビューしてください。
    
    【実装目的】
    〇〇機能の追加
    
    【変更内容】
    〇〇の処理を追加しました。
    
    【確認してほしいこと】
    ・仕様との整合性
    ・エラー処理の不足
    ・既存機能への影響
    ・想定外の動作につながる問題
    ・保守性に関する問題
    
    【前回のレビュー指摘】
    〇〇について指摘がありました。
    
    【対応内容】
    〇〇を修正しました。
    
    【出力形式】
    1. 問題がある箇所
    2. 問題の理由
    3. 影響範囲
    4. 修正案
    5. 前回指摘との重複有無
    
    推測と確認できた事実を区別してください。
    問題がない場合は、無理に指摘を作らないでください。

    このように、前回のレビュー内容を含める方法です。

    重複指摘が減るかどうかは、今後試してみたいと思います。

    ただし、前回の指摘を伝えたからといって、同じ問題を無視してよいわけではありません。

    未解決の問題が残っていれば、再度指摘してもらう必要があります。

    大切なのは、指摘の回数を減らすことだけではありません。

    必要な問題を見逃さず、不要な確認を減らすことです。


    AIを複数使えば品質が上がるのか?

    ここまで読んで、

    「AIを二つ使えば品質が上がるの?」

    と思った方もいるかもしれません。

    私の答えは、

    「見逃しを発見する助けにはなる。ただし、品質向上が保証されるわけではない。」

    です。

    実際に、Codexのレビューで見逃しを指摘してもらえました。

    これは大きなメリットです。

    一方で、同じ指摘を何度も受けることもありました。

    AIを増やせば、それだけで開発が効率化するわけではありません。

    レビュー結果を確認する時間も必要です。

    指摘が妥当か判断する時間も必要です。

    修正後の動作確認も必要です。

    そのため、AIツールの数よりも、使い方が重要だと感じています。

    実装とレビューの目的を明確にする。

    AIの回答を鵜呑みにしない。

    最後は自分で確認する。

    この考え方を大切にしたいです。


    AIは開発チームの一員として使う

    以前の記事でも書きましたが、私はAIを開発チームの一員として考えています。

    今回の使い方は、その考え方をさらに具体化したものです。

    Claude Codeは実装担当。

    Codexはレビュー担当。

    そして私は、仕様や指摘を判断する担当です。

    最後の手動テストも行います。

    もちろん、AIは人間の開発者と同じではありません。

    責任を持って判断するのは人間です。

    それでも、役割を分ける考え方は役立っています。

    AIにすべてを丸投げするのではありません。

    AIに得意な作業を任せ、人間が判断する。

    これが、現在の私の開発スタイルです。


    AIを使うほどSEに必要な力も変わる

    AIを使っていると、コードを書く作業を任せられる場面が増えてきます。

    実装を支援してもらえる。

    テストを支援してもらえる。

    レビューも支援してもらえる。

    非常に便利です。

    しかし、その一方で、人間が考えるべきことも残ります。

    何を作るのか。

    どのような仕様にするのか。

    AIの実装が正しいのか。

    レビュー指摘は妥当なのか。

    ユーザーが期待する動作になっているのか。

    これらは、システム開発において重要な判断です。

    私はAIを使うほど、こうした判断の大切さを感じています。

    これからは、コードを書く力に加えて、AIが作ったものを確認する力も重要になるのかもしれません。

    ただAIに指示を出すだけではありません。

    出力されたものを理解する。

    問題を見つける。

    必要な修正を判断する。

    そして、完成したシステムを確認する。

    AIを使いこなすためには、こうした力も必要だと思っています。


    まとめ|AIに実装とレビューを任せても、最後は人間が確認する

    今回は、Claude CodeとCodexを使い分けた開発について紹介しました。

    私が実際に行っている流れは、次のとおりです。

    Claude Codeで実装

    ↓

    Codexでレビュー

    ↓

    レビュー指摘に対応

    ↓

    実装完了

    ↓

    手動テスト

    この方法を使って感じたメリットは、実装時の見逃しを発見できることです。

    実際にCodexから指摘を受け、助かった場面が何度もありました。

    一方で、同じレビュー指摘が繰り返される課題もありました。

    AIレビューは便利ですが、万能ではありません。

    レビュー結果が正しいかどうかも、確認する必要があります。

    そして、何より大切なのが最後の手動テストです。

    AIが実装した。

    別のAIがレビューした。

    それでも、実際に操作して問題がないかを確認します。

    今回の経験から、改めて感じたことがあります。

    AIに任せることと、AIに丸投げすることは違う。

    AIをうまく活用すれば、システム開発の負担を減らせます。

    しかし、最後の判断まで任せるべきではありません。

    これからもAIを活用しながら、より良い開発方法を探していきたいと思います。


    次回予告

    今回は、Claude CodeとCodexを使い分けた開発方法を紹介しました。

    AIを活用することで、実装やレビューの負担を減らせるようになりました。

    しかし、実際に開発へ取り入れてみると、便利なことばかりではありません。

    思いどおりに実装されない。

    修正したはずなのに、別の問題が発生する。

    AIへの指示がうまく伝わらない。

    こうした問題は、AIを使った開発で起こり得ます。

    次回は、

    「AIを使ったシステム開発で苦労したこと|現役SEが感じたAI開発の難しさ」

    というテーマで記事を書きたいと思います。

    AIを使って良かったことだけでなく、実際に苦労したことや、その問題にどう向き合ったのか。

    現役SEとしての実体験を紹介していきます。

    AIは便利。でも、AIを使えば何でも簡単になるわけではない。

    そんなリアルな部分もお伝えできればと思います。


     
     

    はむ

     
     
    普段SEとして働いています、はむと言います。 仕事関係や趣味の話、失敗談など色々発信させていただけたらと思ってます。

    あなたへのおすすめ