AI駆動開発の本音 〜Claude Code並列開発で見えたエンジニアの新しい役割〜

git worktree × Claude Code × MCPで並列開発を実践。うまくいったこと、いかなかったことを本音で共有します。その過程で得た「AI=業務委託エンジニア」という気づきと、エンジニアとして今後どうAIと向き合っていくかについての考えをまとめました。

Transcript

1. AI駆動開発の本音 Claude Code並列開発で見えたエン ジニアの新しい役割 1
2. 自己紹介 鈴山 英寿 / @hisuzuya1 株式会社RAYVEN AIエージェント / MCP開発 趣味 料理教室 ラーメン巡り（豚山 ） 最近の悩み AI無茶振りが増えた 2
3. 今日話すこと 2つのパート 1. 実体験: 並列開発を実際にやってきてどうだったか 2. 立ち回り: これからどう立ち回るべきか 結論を先に コードはAIに任せ、決裁者になれ 3
4. Part 1: 実体験 並列開発を実際にやってきてどうだったか ※ 弊社の実際の開発フローです。基本的な内容も含まれますがご了承ください 4
5. 並列開発の全体フロー issue駆動開発 - issueごとにworktreeを作成 1. issue 作成 (Slack Bot → Linear MCP でissue 自動作成) ↓ 2. git worktree add でブランチ作成 ↓ 3. エージェントに指示（plan モード → 実装 → PR 作成） この流れを複数issueで並列実行 5
6. 1. issue作成 (Slack Bot → Linear MCP でissue自動作成) 6
7. 2. worktree でブランチ作成 Git Worktree Managerで管理 Worktree Copy Patterns で .env 、 .vscode/** 等を指定 issueごとにworktreeを作成 → 並列作業が可能に 7
8. 3. エージェントに指示 implementer.md を使って指示 planモード で設計作成 → 承認 実装 → PR作成 まで自動化 ポイント カスタムサブエージェント（implementerエージェント）が設計〜PR作成まで担当 複数issueを並列で処理可能 8
9. 0:00/ 0:52 9
10. 並列開発のポイント①: Agent構成 /issue-to-pr ─────────────────────────── スラッシュコマンド ├── /plan-issue ──────────────────── スラッシュコマンド ├── [ 実装] Agent Team ────────────── 並列実行 │ ├── implementer （機能A ）─ Agent │ │ ├── code-simplifier ─ Agent （簡素化） │ │ └── code-quality-enhancer ─ Agent （品質チェック） │ └── implementer （機能B ）─ Agent ├── [ テスト] Agent Team ───────────── 並列実行 │ ├── unit-test-writer （A ）─ Agent │ │ └── code-simplifier ─ Agent （簡素化） │ └── unit-test-writer （B ）─ Agent └── commit-and-pr ────────────────── Agent 担当ファイルを分けることで競合を回避 10
11. 並列開発のポイント②: 機能分離アーキテクチャ apps/frontend/features/ apps/backend/features/ ├── agents/ ├── mcp/ │ ├── components/ │ ├── commands/callTool/ │ ├── actions/ │ └── queries/listTools/ │ └── hooks/ ├── oauth/ ├── mcps/ └── health/ └── dashboard/ pnpm + Turborepo のmonorepo構造 frontend: Feature-Sliced Design（機能ごとにcomponents,actions,hooksを内包） backend: DDD + CQRS（domain層 + Command/Query分離） 共通: Feature間の直接依存を禁止 11
12. 並列開発のポイント③: 運用面 planモード - 設計レビューで手戻り削減 人間の介入ポイント 設計承認・コードレビュー・マージ 実装中の監視 → 変な方向に進んだら中断して軌道修正 動作検証 AIと一緒に Chrome DevTools MCP / Playwright MCPでデバッグ・レビュー サブエージェント / skills / MCP - 役割分担と知識共有で品質向上 個人的によかったポイント 音声入力 - 指示出しのスピードUP リモート実行 - SSH でClaude Codeを複数台でロングランで並列稼働 12
13. Part 1まとめ: 開発効率の変化 体感: 4〜5倍の開発効率 要因 効果 複数プロジェクト並列 待ち時間を他のissueに充てる POC的なプロジェクト 試行錯誤をAIに任せられる 機能分離アーキテクチャ ファイル競合が起きにくい 正直なところ 定量的な評価はできていない だが「Claude Codeのトークンが切れたら退勤」が社内で浸透 AIなしで開発しろと言われたら、もう開発できないレベル 13
14. Part 2: 気づきとこれから AIとエンジニアの役割はどう変わるか 14
15. 以前の認識(2025/06): Claude Code = 業務委託エンジニア ドメイン知識と設計能力が不足 → 適切なマネジメントが必須 15
16. 現在の認識: Claude Code = 即戦力エンジニア モデルの進化 コーディング能力の向上 - より正確で高品質なコード生成 Context量の増加 - 大規模なコードベースを理解可能に 知識・ツールの拡張 skills - ドメイン知識・設計パターンを習得 rules - コーディング規約を遵守 MCP - Editor / ブラウザ / Figma のようにツールを利用 → オンボーディング不要で即戦力として動ける 16
17. 自律性スペクトラム "humans in the loop, on the loop, and out of the loop" AIの自律性が高まるにつれ、人間の関与の仕方が変わる。 段階 人間の関与 説明 In the Loop 毎回承認 各アクションを人間が承認 On the Loop 監視・介入 自律動作を監視、必要時介入 ← 今ここ Out of the Loop 結果のみ確認 完全自律 Deloitte Tech Trends 2026（2025年11月）deloitte.com 17
18. Auto-Approval使用率の推移（Anthropic調査レポートより） ユーザータイプ Auto-Approval使用率 新規ユーザー 20% 中級者 30% 経験者（750+セッション） 42% Auto-Approval使用率が経験とともに上昇している。 「効果的な監督は、すべてのアクションを承認することではなく、必要な時に介 入できる立場にあることが重要」 → 経験者ほど「On the Loop」へ移行している Anthropic（2026年2月18日）anthropic.com 18
19. 次のステップ: Above the Loop（今後の方向性） "Humans move 'above the loop,' overseeing workflows instead of completing every step." On the Loopの先にある姿 = ワークフロー全体を監督・決裁する立場へ 現在（On the Loop） 今後（Above the Loop） 監視対象 個々のタスク ワークフロー全体 担当規模 少数Agent 数百Agent McKinsey（2025年12月）mckinsey.com 19
20. 人間の役割の根本的変化 ┌───────────────────┐ │ Human Manager │ ← 目標設定・決裁 └─────────┬─────────┘ ┌─────────┴─────────┐ │ Orchestrator Agent│ ← 調整・監視 └─────────┬─────────┘ ┌───┬───┬───┼───┬───┬───┐ ▼ ▼ ▼ ▼ ▼ ▼ ▼ Agent Agent Agent ... 数百Agent ← 実装・デザイン・テスト タスクを実行するオペレーター → 目標設定・決裁を行うリーダーへ AIが実行層を担い、人間は目標設定・トレードオフ判断・最終承認に専念する McKinsey（2025年12月）mckinsey.com GartnerPredicts2026（2025年10月）gartner.com 20
21. 2026年のエンジニアの仕事 【従来】 【AI 時代】 PM PM ┌─────┴─────┐ ┌──────┴──────┐ ▼ ▼ ▼ ▼ エンジニア 業務委託 　　 ──→ 　　 エンジニア AI Agent 　(Vibe Coding) 現実的なステップ 1. 短期: Vibe Codingで開発効率を上げる 2. 中長期: エンジニア枠は縮小傾向 → マネジメント層へ移行 生き残るために 決裁・責任を持てる人 → PM層の仕事ができるようになる AIエージェントに仕事を任せられる人 → 適切な指示・監督・軌道修正ができる 21
22. まとめ Part 1: 実体験 並列開発で 4〜5倍の開発効率 skills / rules / MCP で AIが即戦力エンジニア に Part 2: これからの立ち回り In the Loop → On the Loop へ 人間は タスク実行者 → 決裁者 へ（McKinsey / Gartner） 業務委託(SES) → AI Agent に代替、エンジニア（コーダー）も縮小傾向 マネジメント層 の仕事ができるようになる必要がある 22
23. RAYVENについて 23
27. RAYVENについて やりたいこと 本気でワクワクするプロダクトを作って、世界中に届ける 「面白い」と思えないものは作らない。 エンジニア募集中 一緒にワクワクするものを作りたい方、ぜひお話しさせて ください！ https://rayven.cloud/jobs 27
28. ご清聴ありがとうございました 質問・フィードバックはお気軽に X: @hisuzuya1 引用元・参考文献 主要な引用 Anthropic - Measuring AI agent autonomy (2026年2月) McKinsey - Accountability by design in the agentic organization Deloitte - AI agent orchestration (Tech Trends 2026) 28
29. 補足: 私の.claude構成 CLAUDE.mdは最小限、詳細は分離 .claude/ ├── agents/ # サブエージェント定義 │ ├── implementer.md │ ├── unit-test-writer.md │ └── code-simplifier.md ├── commands/ # スラッシュコマンド │ ├── issue-to-pr.md │ └── pr-review.md └── skills/ # 詳細なパターン・ガイド ├── api-patterns/ └── testing-patterns/ トークン効率を上げるコツ 29
30. 補足: 使えるMCPツール 私が実際に使っている7つ 用途 MCP タスク管理 Linear MCP E2Eテスト Playwright MCP デバッグ Chrome DevTools MCP DB操作 Postgres MCP Next.js next-devtools MCP コード理解 Serena MCP ドキュメント Context7 30