titc.ai › BLOG

Claude Code 解説 / 2026年11月時点

AIに任せた仕事をどう確かめるか:Claude Code チームの「検証」の考え方をやさしく整理

公開日 / 著者 富田 良治(TITC合同会社 代表社員)

AIに仕事を任せるほど、「出来上がったものが本当に正しいか」を確かめる仕組みが大切になります。Claude Code の開発チームが公開した考え方を、日本語で整理しました。

はじめに

この記事で分かることは、次の3つです。

紹介する元記事は、次のものです。ここでは翻訳ではなく、要点を日本語でまとめ直しています。細部や正確な表現は、元記事でご確認ください。

そもそも「検証」とは

新人に見積書づくりを任せたとします。出来上がった見積書を、そのまま取引先へ送る人はいないはずです。金額の計算、宛名、品目の抜けなどを、誰かが見直してから送ります。AIに任せた仕事を見直して、確かめる作業が「検証」です。

元記事の冒頭によると、Claude Code チームでは、コードの約90%がClaudeによって書かれ、レビュー(見直し)もされているそうです。ここまで任せられるのは、確かめる仕組みがあるからだ、というのが記事全体の主張です。

確かめる仕組みがあると、AIをたくさん同時に動かせます。記事は、仕組みがなければAIを動かせるのは同時に1〜2台程度、あれば数十〜数百台まで増やせる、と述べています。

たとえるなら、検品の流れが整った工場では、作業員が増えても品質を保てるのと同じです。検品のない工場では、作業員を増やすほど不良品が増えます。

投資する価値のある3種類のテスト

元記事は、数あるテストの中から、特に力を入れる価値のある3種類を挙げています。先に、避けたいテストの特徴が2つ紹介されています。

3種類のテストの比較
種類一言でいうとたとえ向いている場面
通しテスト(E2Eテスト)利用者と同じ操作を、最初から最後まで通して試すお客さんになったつもりで、注文から受け取りまで体験してみる画面の流れが正しく動くかの確認
性質テスト(プロパティテスト)「これは絶対に壊れない」という決まりを書き、大量のデータで崩せるか試す「在庫がマイナスになってはいけない」を、何千通りの注文で試す計算や変換など、守るべきルールがある処理
新旧比較テスト(差分テスト)同じ入力を新旧のシステムに与え、結果の違いを探す新しい経理ソフトと旧ソフトに同じ伝票を入れて、答えを突き合わせるシステムの入れ替えや作り直し

1. 通しテスト

元記事は、1種類だけ選ぶなら通しテストだと述べています(原文より:"If you have to focus on one test type, pick end-to-end.")。「カートに入れる、支払う、完了画面に着く」のような実際の流れを試します。失敗したとき、部品ごとのテストは「30秒でタイムアウト」のような短い知らせだけを返すことがあります。通しテストなら、どの段階で何が起きたかを、手順の記録や画面の写真で確認できます。

2. 性質テスト

「変換して元に戻せば、元と同じになる」「口座の残高は決してマイナスにならない」「同じ操作を2回しても、1回と結果が同じ」「速くした処理でも、遅いが確実な処理と答えが同じ」といった決まりを書きます。その決まりを崩せないか、ツールが大量の入力を作って試します。仕様書が現実の動きとずれてしまった作り直しにも役立つ、と紹介されています。

3. 新旧比較テスト

作り直すときは、古いシステムを「正解」と見なします。ランダムなデータや、本番で実際に流れたデータの一部を新旧に入れ、出力を比べます。空白の違いのような、どうでもよい差は取り除いておきます。「承知のうえで変えた点」の一覧も持っておきます。それ以外の違いは、不具合か、承認していない仕様変更の疑いがあります。

Claude Code チームの考え方:9つのやり方

元記事は、チームの検証の進め方を9つの見出しで紹介しています。まず一覧で全体を見て、そのあと少しずつ補足します。

チームの9つのやり方を一言で
やり方何をするかなぜか
1. 実際に動かして確かめるテストだけでなく、アプリを実際に動かして操作する紙の上で合っていても、動かすと違うことがあるため
2. 直らなければ人に渡すAIが直しを3回試しても通らなければ、人に引き継ぐAIが同じ失敗を繰り返し続けないため
3. 持ち主が確認項目を書くその部分の責任者が、自分なら指摘する点を確認項目にする現場の勘どころを、AIの見直しに反映させるため
4. 変更に応じて確認項目を選ぶ確認項目のリストから、今回の変更に関係するものだけを見る毎回全部を見るより、無駄が少なく、見落としも減るため
5. 見直し役は1人を育てる見直し役を増やさず、1人の見直し役に注意点を教え込み、何度か回す人数を増やすより、1人を鍛えるほうが効果的な場合が多いため
6. 変更が自分の合格基準を変えない合格基準は、変更中の作業場所ではなく、元の(確定済みの)場所から読む採点される側が採点表を書き換えられないようにするため
7. 新しい関門は「様子見」から止める関門を作るとき、最初は記録だけにして、あとから止める設定にする誤って止める失敗を、先に見つけるため
8. 確認する仕組み自体を試す過去の事故や取り消しを使って、見直し役が見つけられるかを測る確認する仕組みが役に立っているかを数字で知るため
9. 見逃しをルールにする見逃した不具合から、再発を防ぐルールを作り、整理もする同じ失敗を繰り返さず、ルールが増えすぎないようにするため

1. 実際に動かして確かめる

元記事は「アプリを最初から最後まで動かすことは、テストより大切」という趣旨で述べています。チームでは、アプリの起動や操作の手順を verify という名前の手順書(スキル)にまとめ、コミット(変更の確定)の前にClaudeが使うようにしているそうです。Webはブラウザ拡張、スマホはモバイル用の連携機能、パソコンのアプリは画面操作の機能で動かします。記事は、これがAnthropicのほぼすべての変更の確認方法だと述べています。

2. 直らなければ人に渡す

Claudeは確認を実行し、失敗すれば自分で直そうとします。3回試しても通らなければ、そこで止まり、人に引き継ぎます。人が見るのは「AIが行き詰まったところ」だけになります。

3. 持ち主が確認項目を書く

その部分のコードの持ち主が確認項目を書き、「持ち主ならここを指摘する」というところを見つけられるまで調整します。見直し役を呼ぶときは、なぜ呼ぶのかも書きます。

4. 変更に応じて確認項目を選ぶ

チームは39項目の「信頼性チェックリスト」を持っています。各項目には、変更の差分(どこがどう変わったか)から判断できる「引き金」があり、たとえば「再開機能が古い会話記録を読み込む」といった項目があります。実際に確認するのは、引き金に当てはまる項目だけで、元記事によれば通常は3〜10項目です。健康診断で、年齢や症状に合わせて検査を選ぶのと似ています。

5. 見直し役は1人を育てる

記事は、2人目の高価な見直し役を足すよりも、主となる1人を調整するほうが、多くの場合よい方法だと述べています。コードの場所ごとの注目点は、REVIEW.md というファイルに書いて教えます。2回目以降の見直しは、前の回の内容と過去の失敗を引き継いで行います。

6. 変更が自分の合格基準を変えない

Code Review(見直し機能)は、確認の基準を、変更中の内容ではなく、元の標準の場所から読みます。また、古い変更に対して通った見直しは意味がない、として、見直しは常に最新の変更に結びつけます。テストの採点表を、受験する本人が書き換えられない仕組みと考えると分かりやすいでしょう。

7. 新しい関門は「様子見」から

各変更には「どう確かめたか」の印(なしの場合も含む)をつけます。確認をしていない変更を止める関門は、「オフ・様子見(observe)・強制(enforce)」の3段階で導入します。様子見では、止めるはずだった件を記録するだけにして、誤って止める例を探します。強制の段階でも、同じ作業中に2回止められたら次は通します。元記事は、その理由を「Claude Code は完璧ではないから」と説明しています。

8. 確認する仕組み自体を試す

見直し役が役に立っているかも測ります。取り消された変更や、持ち主が確定前に却下した変更の数を見ます。同じ大きさで問題が起きなかった変更とも比べ、むやみに指摘しすぎないかも確かめます。Code Review の評価には、過去の事故と、1件ごとの一文の正解を使います。指摘は「重要」「軽微」「前からあった問題」に分けます。見つける率は、評価用のデータに合わせすぎない範囲で高めます。

9. 見逃しをルールにする

人のレビューのコメントや、取り消しになった変更から、2件以上の変更に現れ、差分から見分けられるパターンを探し、ルールの候補にします。結果が日によって変わるテストは、飛ばす・待つ・やり直すでごまかさず、原因が分からなければ削除し、理由を記録します。テストや手順書は放っておくと増える一方なので、定期的に整理します。

まとめ:元記事の結論

元記事の結論は、次の3点に整理できます。

なお、記事には社内での数字も出てきます。たとえば、構造化されたファイルを作る作業の社内テストで、別の採点役に基準表と照らして確認させると、通常の指示を繰り返す方法より、成功率が最大10ポイント上がったそうです。これは1種類の作業での、社内テストの「最大」の数字であり、どこでも当てはまる数字ではないと読むのが妥当です。

中小企業・小さなチームで真似するなら(筆者の考察)

ここからは元記事の内容ではなく、筆者(富田)の考察です。元記事に書かれていない事実は足していません。

  1. 「できた」の基準を、先に一言で決める。たとえば「見積書は、金額の合計と宛名が合っていること」のように、AIに任せる前に決めます。元記事の「done の定義を決める」にあたります。
  2. 実際の流れを、自分の目で一度は通す。難しいテストの仕組みがなくても、Webの申込フォームなら、お客さんと同じ手順で1回送ってみるだけで、通しテストの考え方を取り入れられます。
  3. 採点基準を、AIに書き換えさせない。確認項目の一覧は、AIが作業するフォルダとは別に保管します。AIが「自分に都合のよい基準」に変えてしまう事故を防げます。
  4. 新しい確認ルールは、まず記録だけにする。「止める」前に、1〜2週間は「止めるはずだった件」を数えます。誤って止める件が多いなら、ルールのほうを直します。
  5. ヒヤリとした件を、一行のルールにして残す。見逃した不具合は、確認項目に1行足します。ただし、増えすぎないよう、月に一度は見直して、役に立たない項目を消します。

出典

ご相談

AIに任せる仕事の確かめ方を、自社の業務に合わせて組み立てたい、費用を抑えて自走化したい——そうした相談は、無料AI自走化診断またはお問い合わせからどうぞ。

無料AI自走化診断 お問い合わせ

← ブログ一覧へ戻る

富田 良治

富田 良治(とみた よしはる)

TITC合同会社 代表社員

AI経営コンサルタント。中小企業診断士・ITストラテジスト。元ITエンジニアで駄菓子屋オーナー。 プロフィールを見る