1 年間の育休から時短勤務で復帰した私が、 AI を駆使して立ち上がりを早めた話

2026年2月24日に開催された「LINEヤフー Development with Agents Meetup #2」の登壇資料です。
https://lycorptech-fukuoka.connpass.com/event/379537/

1年間の育休から時短勤務で復帰する中、技術的ブランク・ドメイン知識不足・時間制約という「3つの壁」に直面。
Claude Code × MCP から Agent Skills / Codex へと進化させたAI活用により、レビュー品質を高めながら週6時間を創出した実践事例を紹介。

Transcript

1. LINEヤフー Development with Agents Meetup #2 1 年間の育休から時短勤務で復帰した私が、 AI を駆使して⽴ち上がりを早めた話 上⼟井 涼⾺ ( Ryoma Jodoi ) LINEヤフー株式会社 / テクノロジーソリューション CBU
2. 上⼟井 涼⾺ LINEリサーチプラットフォーム Dev ( Backend + α ) 復帰直後、⽬の前にあった「3 つの壁」 技術的ブランク 生成AI革命による劇的な環境 変化。 1 年前の常識が通用しない。 ドメイン知識の壁 歴史ある⼤規模 Prj への 新規アサイン。 膨⼤なドメイン知識の習得が 必要。 家庭との両⽴ 障害児育児 × 時短勤務。 絶対的な時間の制約。 ⾃⼰紹介 / 直⾯した課題 2024/7 ⽉に第⼀⼦が誕⽣し 約 1 年間の育休取得。 2025/8 ⽉に時短勤務で職場復帰し現職。
3. Coding ( 実装 ) ⾃分の担当分だけの実装では、 理解が「局所的」に留まる。 Review ( 読解 ) チーム全体の PR を横断的に⾒ることで、 ドメイン知識を最短で吸収する。 “コードレビューこそ最強のキャッチアップ⼿段である。” by Jodoi 復帰戦略：「書く」より「読む」
4. 負のスパイラル：キャッチアップのためのレビューが、逆にボトルネック化。 Jira / Wiki 情報が散在しており、 どこにあるか、 何を⾒ればいいか不明瞭。 難解な SQL 複雑怪奇なクエリ。 ドメイン知識無しでは 解読不可能。 レビューの質 仕様がわからず 表⾯的なレビューしか できない。 直⾯した現実: 負のスパイラル
5. 「情報を探し要約する時間」を限りなく ゼロ にし、「理解と判断」に集中する。 Claude Code × MCP STEP 1 情報収集 STEP 2 背景‧仕様理解 STEP 3 コードレビュー STEP 1 AI が代⾏ STEP 2 AI が⼀部代⾏ STEP 3 AI が⼀部代⾏ 解決策：Claude Code × MCP / AIレビュードキュメント
6. Architecture: Claude Code + MCP
7.   「読める…！読めるぞ！！」 実装背景や仕様について AI が図解付きで詳しく解説。 複雑なロジックや難解な SQL も、 AI が仕様やドメイン知識を踏まえて図解付きで解説。 • ⼿も⾜も出なかった複雑な仕様の コードレビューを効率的に実施可能に。 • 変更背景や仕様の経緯などを把握でき より建設的なレビューを実施可能に。
8. AI レビュードキュメントだけでは 内容が不⾜する場合もある。 → 膨⼤な過去資料（設計書や企画書、議事録など）を ソースにした NotebookLM に問い合わせて補完する。 Q: なぜこのような仕様になっているの？ A: 20xx 年に発⽣した、⚪⚪と⾔う Outage に対する改 善策です。これにより△△を最適化しています。 NotebookLM - ドメインエキスパート
9. Custom Command → Agent Skills 情報が不⾜していると AI が判断した場合、 指定している Script や Skills を使⽤して、 NotebookLM や Confluence から⾃律的に情報収集 する。 Model Evolution Claude Code ( Claude 4.5 Sonnet ) → Codex CLI ( GPT-5.2-Codex ) Agent Skills に移⾏することで質が安定し、 MCP だけでは補えきれない情報も収集可能に。 Codex に変えたことで、 コードレビューの質‧精度が劇的に向上。 最新のアーキテクチャ：Agent Skills / Codex
10. 過去 1 年間の PR 総数： 3 件 / ⽇ 1 件あたりの実施時間： レビュー時間の内訳: 約 650 件 平均レビュー数： 60 分 10 m 20 m 30 m 情報収集 仕様‧背景理解 コードレビュー 約 30 分は “レビューの準備” に消えていた。 平均して「1 ⽇ 3 件」のレビューを実施
11. PR 1 件あたり約 30 分 → × 1 ⽇ 3 件 × 週 4 ⽇勤務 → 週 6 時間の削減。 AI レビュードキュメントを活⽤したことで時短勤務での成果を最⼤化。 捻出した時間で更なる AI 利活⽤を実施し、更なる業務効率化に取り組むことが可能に。 AI レビュードキュメント導⼊後の変化
12. 課題 ドメイン知識が浅いまま難解な SQL に直⾯。 複雑なロジックも多く、 コードリーディングすると頭の中が飽和状態に。 建設的なレビューが実施できていなかった。 解決 AI による図解付き解説で、 頭のモヤが晴れたように理解が加速。 ドメイン知識の習得も進み、不具合の混⼊も 検知するなど、レビュー品質が⼤幅に向上。 「レビュー品質」の向上 /「ドメイン知識習得」の加速
13. 標準化 (Standardization) ⽐較 - 社内標準 AI レビュー Bot 社内標準 AI レビュー Bot コードチェッカー - ドメイン知識皆無 - 差分のみ‧局所的 Claude Code 開発パートナー - 仕様‧背景‧ドメイン理解 - 関連コンポーネントも確認 汎⽤的 Custom Command ( Agent Skills ) を GitHub で 提供することで誰でも簡単に導入可能。 ドキュメントテンプレート 図解指定や全体構成などテンプレート化して いるため、同じアウトプットを担保。 ※Code Aimigo は GitHub の PR をトリガーに⾃動でコードレビューを実⾏するレビュー Bot。 AI Agent × MCP ではドメイン知識を含めたレビューやコード差分とその関連コンポーネントも 含めてレビューを実施してくれるが、Code Aimigo ではそれができない。 メンバーによっては、PR レビューに活⽤するだけではなく、 “Draft PR で AI レビューを実施し、壁打ち相⼿として役⽴てる” と⾔った、 ⾃⾝の設計や実装を洗練させるための新習慣 が定着していることも判明。 チームへの展開：コードチェッカーから「開発パートナー」へ
14. AIは ”増幅器” であり ”光” である 復帰直後の暗闇（不安）に、AI が光を灯してくれた。 AI は仕事を奪うものではなく、 ⼈間の強みを最⼤化する “パートナー”。 Human-in-the-loop ❌ 全てを AI でやろうとすると品質担保が難しく PoC で終わる。 ✅ AI を信頼できる “パートナー” として迎え⼊れ、共に考え、共に悩み、共に答えを出す。 この “⼈間と AI の調和” こそが（現状の）最適な形。
15. 全てを⼀⼈で完璧に理解しなくていい。 AI がいるから⼤丈夫。 まずは “AI ファースト” で、 今⽇から試してみてください。 使い続けることで、AI は頼れる “パートナー” に進化します。 ご清聴、ありがとうございました。 @zyodoi ryoma.jodoi