© Findy Inc. チームでAIを活かす 新規プロダクト開発の進め⽅ - 新規プロダクト開発におけるAI活⽤事例- 1 ファインディ株式会社 嶋村康平 

© Findy Inc. 2 プロフィール 嶋村 康平 Kohei Shimamura ファインディ株式会社所属 アカウント ● @fuvzn121 最近の仕事 ● Findy Insightsの開発 ● 開発チームのリード、バックエンド開発 趣味 ● 料理とお酒 

© Findy Inc. 3 アジェンダ ● プロダクト紹介 ● 背景紹介 ● 設計の話 ● 開発フェーズの話 ● カスタムコマンド‧MCPの活⽤事例 ● まとめ 

© Findy Inc. 深いユーザー接点を軸に、AIドリブンな仮説検証で、市場差別化を実現 4 AIによるアウトプットと差別化すべく、より深いユーザー接点‧インサイトを基にした仮説検証をサポート AIインサイト マネジメント AIリ サ ー チ マ ネ ジ メ ン ト ユーザー接点深化 仮説検証‧評価 顧客商談 ユーザー 問い合わせ パネル アンケート 社内会議 データ AIドリブン 仮説検証 ペルソナ 設計‧管理 リサーチ 設計‧管理 インサイト 分析 ソリューション 管理‧評価 競合サービス 分析 ユーザー ジャーニー管理 AIソ リ ュ ー シ ョ ン マ ネ ジ メ ン ト ナレッジ資産化‧インサイト分析 顧客管理 ツール連携 ユーザー インタビュー 

© Findy Inc. 5 新規プロダクトの開発背景 ● 2025年5⽉に新規プロダクト開発を開始 ● 7⽉末にα版提供を⽬標とした短期開発 ● チーム規模は5名（BE/FE）+ AIエンジニア1名 ● LLM統合を前提にバックエンドは Python を採⽤ ● 少⼈数でもスピードと品質を両⽴させるため、各フェーズでのAI活⽤を意識 ⇒今回は設計→開発(運⽤)の順で、どんなAI活⽤を⾏っていったかをご紹介 

© Findy Inc. 6 開発フェーズ - 設計の重要性 設計の質が出⼒の質を担保する ● ⽣成AIを使⽤してコーディングを⾏う中で、各メンバーのアウトプットの質を揃えた い ● 設計がふわっとしていたり、各層の責務が曖昧だとAIの出⼒がばらばらになる ● 決めた設計やコーディング/テストのルールをドキュメント化しておくことも重要 ⇒誰がAIを使ってもコードの品質がぶれにくい状態を作る 

© Findy Inc. 7 AIに渡すコンテキストを整備 設計をどうAIに理解させるか ● デフォルトのプロンプトにすべて書いてしまうのがミニマム ○ ⼤きくなってくるとコンテキストの肥⼤化やトークン消費の増加につながる ● デフォルトのプロンプトには絶対に守ってほしい部分だけを記載 ● API設計、テストの書き⽅などは別ファイルに切り出して必要なタイミングで渡す ○ ファイル化しておくことで⼈間/AIのどちらにも共有可能なドキュメントになる ● Sub AgentsやClaude Skillsで更に効率化が可能 architecture.md test_design_guidelines.md 

© Findy Inc. 8 開発フェーズ - 実装からレビューまで ⼈間が⾏っている作業をなくしていく ● イシューの作成‧更新、コード⽣成‧コミット‧PR作成などを極⼒⾃動化 ○ イシュー操作→MCP ○ コード⽣成→エージェント ○ コミット、PR作成→カスタムコマンド ⇒⼈が⼿を動かす⼯程を最⼤限削減し、開発速度を上げる 

© Findy Inc. 9 開発プロセスの省⼒化 Jiraとコーディングエージェントの連携 主な流れ 1. 💬 Claude Codeとの対話で実施したいタスクを適切な粒度に分解 2. 📋 分解したタスクをJiraの親チケットからサブタスク化(チェックリストでもよい) 3. ✅ 順番にタスク消化 

© Findy Inc. 10 カスタムコマンドの活⽤ Claude Codeのカスタムコマンド機能を活⽤し、チームの定型作業を効率化 ● PR作成⽤コマンド(/create_pull) ○ リポジトリのPRテンプレートに従ってAIがPRを作成 ○ localでの変更内容を理解し、それをもとにコミットやPRの概要を記載 ○ Jiraのチケットを渡すことでブランチの命名にもチケット番号を付与 ● local環境の診断コマンド(/doctor) ○ バックエンドのリポジトリでAPIへのリクエストがうまくいかない問題を診断 ○ 主にジョインしたてのメンバーや、FEメインのメンバー向け ○ サーバ、コンテナなどの起動確認、Cognito⽤のAWS SSOセッションの状態確 認、環境変数の不⾜などを診断 

© Findy Inc. 11 その他MCPの活⽤事例 Github ● PRやイシューの取得や更新など アラート監視 ● SentryのMCPを使⽤してstg/prodのエラー情報を取得、対応をAIに任せる フロントエンド ● Figma/Chakura UIのMCPを活⽤してデザインからコードとしてのUI実装を省⼒化 バックエンド ● PostgreSQLのMCP(Readonly)を活⽤してAIがDBの状態確認やSELECTクエリの実⾏ を可能に 

© Findy Inc. 12 まとめ 設計の重要さ ● AIの出⼒品質は設計品質に依存する ● →初期設計を明確にし、ドキュメント化することで“AIに渡すコンテキスト”が安定し 出⼒のブレが減る 開発フェーズ ● ⼈間が⾏っている作業をいかにAIに任せるか ● →作業を分解し、適切なAIに役割を割り当てることで、開発プロセスを段階的に⾃動 化できる ⇒AIに合わせた設計を⾏える新規開発こそAI活⽤の効果が最⼤化する