Share
Embed
Transcript
46 slides
-
自己紹介 村濱 一樹 (@muraaaaa_san) Scalebase株式会社 執行役員 VPoE 担当: 組織・採用・評価制度 Claude
Code / AIを浸透・活用に励んでます 2 -
QA の補強 スピードは十分に出てきたので、品質保証の文脈もしっかりやり始めてます 開発の 各フェーズ で、AI が自動で品質を担保する仕組みを入れてます Commit前: 自動フォーマット・コンパイル・lint 実装中:
テスト書き忘れの自動検知 機能完成後: テスト戦略の判定と自動実行 CI 失敗時: 失敗の自動分析と Issue 起票 7 -
Commit 前: 自動品質チェック git commit する直前に Claude が4つを自動でやります コードの見た目を整える インデント・改行・空白の統一(フォーマット)
型の不一致やコード破損を検知 val x: Int = "abc" みたいな書き間違いをコミット前に弾く テストコード自体が壊れてないか確認 テストコードのコンパイルエラーで本体だけ通す事故を防ぐ 未使用コードや古い書き方を自動修正 使ってない import を消す、新しい構文に直す 8 -
どうやって実現しているか Claude Code の Hook 機能 を使っています .claude/settings.json に下記を設定: PreToolUse
hook: matcher: Bash(git commit*) command: ./sbtc "scalafmtAll; compile; Test/compile; scalafixAll" git commit が呼ばれた瞬間に Hook が発火 通れば → そのまま commit 失敗したら → Claude がエラーを読んで、自分で修正・再 commit 9 -
実装中: テスト書き忘れの自動検知 実装コード や proto 定義を変更すると、Rule が自動で Claude に指示します 1.
対応するテストコード (*Spec.scala ) を確認 2. 実装変更がテスト更新を要するか判定 → 必要なら修正提案 3. テストがなければ、追加するかユーザーに確認 4. 影響を受けるテストを実行 「テスト書き忘れ」が、ほぼ起きません 10 -
どうやって実現しているか Claude Code の Rule 機能 を使っています .claude/rules/ 配下に置くと、常時 Claude
に読まれる → コード変更のたび自動でチェックが走る .claude/rules/testing-skill-reference.md : # Test Verification Rule on Implementation Changes When implementation code or proto definitions are modified, perform: 1. Check if corresponding test code exists (*Spec.scala) 2. If tests exist: Determine if test updates are needed 3. If no tests exist: Ask whether tests should be added 4. Run affected tests 11 -
機能完成後: テスト戦略の自動判定 feature-testing Skill が機能実装後に走ります 1. テスト戦略を判定: Browser integration test(UI変更、API+画面)
CI-only verification(内部ロジック、リファクタ) 2. テストプランを Issue にコメント 3. ブラウザ自動テスト or CI チェックを実行 4. 結果を Issue に報告 12 -
どうやって実現しているか Claude Code の Skill 機能 を使っています .claude/skills/feature-testing/SKILL.md を設置: ---
name: feature-testing description: After feature implementation, determine testing strategy (browser integration test or CI-only) and report results to the issue --- # Feature Testing Flow 1. Determine testing strategy 2. Prepare test plan 3. Execute tests 4. Report test results 13 -
Skill に組み込んだルール NEVER report test results to the issue if
tests are incomplete or have not been executed. Only report facts that were actually verified. 意訳: テストが未完了・未実行の場合は、絶対に結果を Issue に報告しない 実際に確認した事実だけを報告する AI に嘘をつかせないようにして Skill に組み込んでます 14 -
ブラウザも操作させてテスト chrome-devtools MCP 経由で、Claude がブラウザを直接操作します ページ遷移 (navigate_page ) フォーム入力 (fill_form
) クリック (click ) 要素の待機 (wait_for ) スクリーンショット (take_screenshot ) DOM スナップショット取得 (take_snapshot ) 人がブラウザを触るのと 同じこと を Claude がやってくれます 16 -
ログインも、Skill で自動化 ログインが必要な画面に当たったら、browser-login Skill が自動で起動 1. ログイン画面にリダイレクトを検知 ↓ 2. セッションクリア(localStorage
/ cookie 全消し) ↓ 3. ログインフォーム入力 → 送信 ↓ 4. 「ホーム」表示を待機して完了確認 ↓ 5. 元々アクセスしたかった URL に戻る → 認証の壁も突破したうえで、ブラウザテストをしてくれます 17 -
CI 失敗時: 自動分析と Issue 起票 E2E テストが落ちると、Claude が自動で分析して Issue を起票します
例: #1031 E2E Failure [stable-dev] 根本原因の分析と、関連 PR の紐付けまで自動 18 -
どうやって実現しているか GitHub Actions の workflow_run トリガーで、E2E 失敗時に Claude API を直接呼んで
分析します 1. デイリーリグレッション (9:00 / 16:00 JST) で E2E 実行 2. 失敗 → workflow_run トリガーで分析ワークフロー起動 3. レポート artifact + 関連リポジトリのマージ済み PR を収集 4. Claude API (claude-sonnet-4-6) を curl で叩いて分析 5. GitHub Issue を作成 or 既存 Issue にコメント追加 → 毎日のリグレッションが落ちたら、自動で Issue が立つ 19 -
Issue 管理の細かいところ E2E Failure [stable-dev] labels: automated / e2e-failure /
runner:stable-dev 1ランナーにつき1つの open Issue を維持 初回失敗 → 新規 Issue 起票 連続失敗 → 既存 Issue に Recurrence - YYYY-MM-DD コメント追加 修正されて成功しても Issue は open のまま、人がクローズする 同じ失敗で Issue が重複しないようにしています 20 -
ヘルプの自動書き換え helpdesk-sync-reviewer Agent が PR の変更からヘルプ更新の必要性を判定します 1. PR の差分を検知(機能追加・仕様変更・挙動修正) 2.
該当するヘルプドキュメントを横断検索 (apps/dashboard/src/app/help/_contents/ 配下: 見積 / 契約 / 設定 / テンプレート / 通知 等) 3. 更新が必要なドキュメントを特定 → 差分を提案 4. ユーザーに「PRに含める / 別PR / 後で対応」を聞く 「実装したけどヘルプ未更新」がなくなりました 21 -
一次調査の MCP 連携 開発だけじゃなく、Slack / Notion / Datadog の MCP
にも繋いで 一次調査をやり始めました アラート起票時の調査 過去事例の Notion からの参照 Datadog のメトリクスとログを横断 22 -
例: アラート発火時の自動調査 alert-triage という Skill が、ソースコードやDatadogなど様々な情報から原因を調査し、Slackに投稿 アラート調査結果 概要: subscription-ctx リーダーDB
プールのコネクション枯渇 (12本全て使用中、認証処理がタイムアウト) 影響: monolith-api の認証処理(ログイン/API呼び出しが失敗の可能性) 原因: 同日 17:11 の RDS CPU アラートと相関(RDS 高負荷で接続応答不能と推定) 対応: Pod 再起動で回復済み(接続数 12本は少ない可能性、再発リスクあり) → エンジニアの対応工数も大分減りました 24 -
CS チームも組織的に AI 活用してます Salesforce CLI でペルソナ構築支援 Notion MCP でプロバイダー情報からスタッフ回答を確認
Slack / Notion / Gmail 横断で朝一タスクチェック 他システムからのデータ移行時の名寄せルールを Claude が生成 ペイメント周りの収益関連クエリ作成 案件引き継ぎ: Notion議事録 + Slackやり取りから顧客状況を把握 → チームで AI 活用 MTG も実施、共有と標準化を進めてます 26 -
Skill を全社配布する仕組みも CS MTG のアクションアイテム: Claude スキルのファイル化と配布方法を検討・実装 CS チーム向けの共有スキルリポジトリ作成 個人用プラグインとして、各自の環境にインストール
フィードバックを集めて精度向上 将来的には組織レベルのプラグイン機能へ エンジニア発の仕組みを、非エンジニアに配布するルートを設計中 27 -
第1弾: 契約登録エージェント 営業書面(PDF)から 契約データを Scalebase に自動登録 契約登録時間 90% 削減 (数分の入力
→ 数十秒の確認) ヒューマンエラー対策にも効く 決算リードタイムも数日短縮 29 -
第2弾: Scalebase MCP α版 顧客自身の AI ツールから Scalebase を直接操作できる 顧客の
AI ツール (Claude Desktop / Claude Code / Cursor) ↓ Scalebase MCP ↓ Scalebase API ユースケース: 経理: 入金消込CSV → 数百件の請求を一括処理 営業: 商談クロージング → 顧客作成 → 契約 → 請求を一気通貫 分析: Salesforce 売上予測 × Scalebase 実績 → AI が予実差異レポート 30 -
例: YOUTRUST スカウトの自動評価 候補者評価結果 マッチ度: 中(72点) おすすめポイント: ・TypeScript 5年以上、DDD 3年以上
気になる点: ・フロント経験の記載なし ┗ by Claude Code レジュメのチェックなど時間がかかっていたこともスムーズに 32 -
エンジニア向けの行動指針も作りました 会社の行動指針を、エンジニア向けにシンプルに 2つ に翻訳 1. 顧客が真に感動するものを、領域を越え届けよう 2. AIを主役に、速度で期待を超えていこう 特に2つ目は、エンジニアに 「ドライバーを
AI に譲る覚悟」 を求めています 「自分で書いた方が早い」を一度手放して、AI に渡せる形に整え直す 35 -
エンジニアの動き方の変化 Before After 仕事の中心 コードを書く 顧客の業務を変える AIの位置づけ 助手席(補助) 主役(書き手) 役割の線引き
職種で区切る 領域を越えて担う 速さと品質 トレードオフ 速さを「型」で支える エンジニア個人の動き方まで、価値観として明文化 しています 36 -
例: エンジニアが「領域を越える」 少し前まで PdM が仕様を考える エンジニアは実装に集中 今 エンジニアが 問いを立てる ところから入る
自分で Insight(顧客の声・要望データ) を見に行く 顧客と直接コミュニケーション を取る 行動指針が言ってる 「顧客が真に感動するものを、領域を越え届けよう」 の動きが、エンジニア発で始 まっています 38 -
例: エンジニアが自分で情報収集 エンジニアが、各データソースを Claude Code で横断して分析してます Slack #product-request から顧客要望を取得(Notion インサイト連携)
Notion インサイト DB で詳細を確認 Datadog でメトリクス・ログを参照 Jenkins ジョブ実行履歴 で運用負荷を測定(jenkins-stats Skill) GitHub PR/Issue で実装影響範囲を分析 PdM の指示待ちじゃなく、自分で情報を集めて、企画まで起こす 39 -
例: インサイト633件を分類した PR 3ヶ月分の Slack #product-request を全件取得(19ページ分)→ Claude が分類 Scalebase
インサイト分析レポート(633件) Frontend完結: 19件 ( 3%) Front/Back 軽量: 305件 (48%) ← 請求書/帳票118件、CSV/レポート77件 Front/Back 重量: 160件 (25%) ← 契約柔軟性75件、収益認識47件 Backend完結: 134件 (21%) ← 一括改定64件、会計連携43件 温度感別、顧客別、機能企画別までブレイクダウン 40 -
結果として、少人数で圧倒的に動ける ひとりで複数の機能を、数倍の速度で動かせる。 「人を増やそう」という議論を、AI で成立させて不要にする。 少人数で回せる → コミュニケーションコストも、事業のコストも下がる。 生まれた余力を、個人への還元 や 新しい挑戦への投資
に振り向ける → これが、私たちが目指している 「組織でやる AI駆動」 44 -
AIで速度を作り、時間を顧客に向ける 行動指針が描いているサイクル: 1. AIで速度を作る 2. 生まれた時間で 顧客に向き合う 3. 顧客から得た理解を、AIに渡す 4.
また AI で速度を作る これを ひとりひとりが自律的に まわしていく組織を、これから作っていきたいです 45 -
ありがとうございました 村濱 一樹 / @muraaaaa_san Scalebase株式会社 VPoE 一緒に 「組織でやる AI
駆動」 やりませんか 積極採用中(エンジニア / PdM / CS / 営業) 気軽に @muraaaaa_san まで is.gd/5BQN7d 46