Claude Code 新人オンボーディング｜最初に渡すリポジトリ課題リストの設計
目次 クリックで開く
新しくチームに加わったエンジニアやIT実務担当者が、最初に直面する壁は「膨大かつ複雑な既存リポジトリの理解」です。従来、この壁を乗り越えるには、数日間のドキュメント通読と、先輩社員への繰り返しの質問が必要でした。しかし、Anthropicが提供するCLIツールClaude Codeの登場により、このオンボーディングのあり方が劇的に変わろうとしています。
本記事では、日本最高峰のIT実務知見に基づき、Claude Codeを主軸に据えた「新人オンボーディング用リポジトリ課題」の型を公開します。単にツールを渡すのではなく、リポジトリ側に「AIと協調するための仕組み」を仕込むことで、新人のキャッチアップ速度を3倍以上に加速させる戦略です。
Claude Code で新人の「自走」をデザインする：オンボーディングの再定義
従来のオンボーディングは、静的な Wiki や README を読むことから始まりました。しかし、ドキュメントは常に風化し、実際のコードとの乖離が発生します。Claude Code を導入する最大のメリットは、「リポジトリそのものが最新のドキュメントとして機能し、新人と対話する」状態を作れる点にあります。
「聞く」前に「Claude Code に解析させる」文化の醸成
新人が「この関数はどこで使われていますか？」と先輩に聞く前に、ターミナルで claude を叩き、@file_path このロジックの依存関係を図解して と命じる。このプロセスをオンボーディングの初日に組み込みます。Claude Code は単なるチャット AI ではなく、ローカルのファイル構成を直接読み取り、シェルコマンドを実行し、ファイルを書き換える権限を持つ「エージェント」だからです。
この「AI との協調」を前提としたオンボーディングでは、新人に以下の3つの力を養わせることを目的とします。
- プロンプトエンジニアリング力： 曖昧な依頼ではなく、リポジトリの構造を考慮した具体的な指示を出す力。
- 検証力： AI が生成したコードや解説が、プロジェクトの慣習に沿っているかを判断する力。
- エージェント活用力： テスト実行、ビルド、リンターチェックまでを Claude Code に自律的に行わせるフローの習得。
オンボーディング用リポジトリに必須の「AI命令書」：CLAUDE.md と AGENTS.md
Claude Code を新人に渡す前に、リポジトリのルート直下に必ず配置すべきファイルがあります。これが、Claude Code の挙動を制御し、プロジェクト固有のルールを教え込むための「プロジェクト憲法」です。
1. CLAUDE.md による文脈の固定
CLAUDE.md は、Claude Code がプロジェクトを読み込む際に最初に参照するガイドラインです。ここに以下の情報を記載しておくだけで、新人が出す指示の精度が格段に上がります。
- ビルド・テストコマンド：
npm run buildやpytestなど、そのプロジェクトで「正解」とされるコマンド。 - コーディング規約： 「非同期処理は async/await を使用する」「命名則はキャメルケース」といった暗黙の了解。
- アーキテクチャの概要： 「このリポジトリは Clean Architecture に基づき、domain/usecase/infrastructure に分かれている」といった構造解説。
2. AGENTS.md によるタスクの自動化
より高度なオンボーディング課題として、AGENTS.md を活用します。ここには、特定のワークフロー（例：新機能の追加、バグ修正、ドキュメント生成）の手順をスクリプトのように記述します。新人は claude agent [タスク名] を実行することで、定義されたベストプラクティスに沿った作業を開始できます。
例えば、社内のデータ基盤と連携するスクリプトを作成させる課題であれば、あらかじめ AGENTS.md に「BigQuery へのクエリ作成手順」を定義しておきます。これにより、新人は細かな構文ミスに悩まされることなく、ビジネスロジックの構築に集中できます。このようなデータ連携の全体設計については、以下の記事が非常に参考になります。
【図解】SFA・CRM・MA・Webの違いを解説。高額ツールに依存しない『データ連携の全体設計図』
Claude Code を活用した新人オンボーディング課題：5つのステップ
具体的に、新人に渡すべき「最初の課題リスト」をステップバイステップで構成します。この課題を通じて、Claude Code の CLI 操作とリポジトリの構造を同時に理解させます。
STEP 1：既存コードの構造理解（静的解析）
課題内容： 「主要なエントリーポイントから、データベースへ至るまでの処理フローを Mermaid 形式で図解せよ」
新人は claude を開き、/compact モードなどを活用しながら、コードベースをスキャンします。Claude Code は ls や grep を自ら実行し、呼び出し階層を特定します。出力された Mermaid コードを Markdown ファイルに保存させるところまでを初日のゴールとします。
STEP 2：テスト駆動による小規模な不具合修正
課題内容： 「提供したテストコードが落ちる原因を特定し、修正してテストを通せ」
Claude Code に npm test を実行させ、エラーログを読み取らせます。新人は @test_file.spec.ts エラーを修正し、必要なら実装ファイルも直して と指示します。ここで重要なのは、Claude Code が提案した修正案を、新人が「なぜこの修正が必要なのか」を説明できるまで対話を繰り返させることです。
STEP 3：ユニットテストの自動生成とカバレッジ向上
課題内容： 「まだテストが書かれていない 〇〇 ユーティリティに対して、エッジケースを含めたテストコードを作成せよ」
Claude Code の真骨頂は、既存コードを模倣したコード生成です。新人は @lib/utils.ts に対応するテストを、既存の @tests/helper.ts を参考にして書いて と命じます。これにより、プロジェクト固有のテストの書き方を AI から学び取ることができます。
STEP 4：ドキュメント更新とプルリクエスト作成
課題内容： 「今回の修正内容を README に反映し、GitHub CLI を併用してプルリクエストを作成せよ」
Claude Code は gh コマンド（GitHub CLI）も実行可能です。git branch の作成から、変更内容のコミット、PR の説明文（Description）の作成までを一貫して Claude Code 上で行わせます。この際、PR の説明文に「AI が生成した箇所」と「人間が判断した箇所」を明記させる運用ルールを徹底します。
特に経理系システムやバックオフィス業務の自動化リポジトリを扱う場合、ドキュメントの正確性は極めて重要です。例えば、以下の記事にあるような複雑な会計ロジックの移行作業を Claude Code にサポートさせる際も、同様のドキュメント化手順が有効です。
STEP 5：業務自動化スクリプトの生成
課題内容： 「毎日 9 時に特定の SaaS からデータを取得し、Slack に通知するスクリプトを生成せよ」
最終課題として、Skills（スキル）機能を想定したスクリプト作成を課します。Claude Code に @docs/api.md を読んで、Node.js でデータ取得スクリプトを書いて と指示し、実際にローカル環境で動くものを作らせます。SaaS の乱立によるアカウント管理や削除漏れを防ぐ自動化など、実務に即したテーマを選ぶと新人のモチベーションも高まります。
SaaS増えすぎ問題と退職者のアカウント削除漏れを防ぐ。Entra ID・Okta・ジョーシスを活用した自動化アーキテクチャ
【実務者向け比較】Claude Code vs 汎用チャットAI vs GitHub Copilot
オンボーディングにおいて、なぜ ChatGPT ではなく Claude Code なのか。その違いを以下の表にまとめました。新人には、これらのツールの「使い分け」も教える必要があります。
| 比較項目 | Claude Code (CLI) | GitHub Copilot | ChatGPT (Web) |
|---|---|---|---|
| 主なインターフェース | ターミナル / CLI | IDE (VS Code等) | ブラウザ |
| リポジトリ全体の把握 | 非常に強い (自律的なファイル検索) | 強い (インデックス化されたコード) | 弱い (コピペが必要) |
| コマンド実行権限 | あり (npm, git, shell 等) | なし (提案のみ) | なし |
| ファイル編集 | 直接編集・保存が可能 | 提案に対し承認が必要 | 不可 (手動コピペ) |
| オンボーディング適性 | 最適 (対話しながら作業完遂) | 適している (実装補助) | 補助的 (概念解説) |
Claude Code は「実行」までを担う点が、他の AI ツールと決定的に異なります。新人がターミナルから一歩も出ることなく、コードの理解からデプロイ準備までを完結できる体験は、エンジニアとしての基礎体力を養う上で非常に強力です。
Claude Code 導入時の承認フローとセキュリティ設計
新人に強力な権限を持つ Claude Code を渡す以上、管理者はセキュリティとコスト、そして品質のガードレールを引かなければなりません。
1. 「承認フロー」の教育：Allow / Skip / Once
Claude Code はファイルを書き換える際、必ずユーザーに承認（Allow）を求めます。新人が何も考えずに All Allow（常に許可）を設定してしまうと、意図しない破壊的変更が発生する恐れがあります。オンボーディングでは、「AI の提案内容を 1 行ずつ読み、納得してから y を押す」という基本的な作法を徹底させます。
2. permissions.deny による機密情報の保護
リポジトリ内にある .env ファイルや、顧客情報が含まれる .csv などのテストデータは、Claude Code のコンテキストに含めるべきではありません。.claude/settings.json の permissions.deny に "Read(./.env)" や "Read(./**/*.csv)" といった Read(...) ルールを記述し、AI が読み取ってはいけないファイルを確実に拒否します（deny は allow より優先されます）。
3. トークン消費とコストの管理
Claude Code はリポジトリ全体をスキャンするため、1 回の指示で数万トークンを消費することがあります。Anthropic の API 料金（Claude Sonnet 4.6 等）に基づき、新人が無駄な全ファイルスキャンを繰り返さないよう、/compact モードや特定ファイルへの @file メンションの活用を推奨します。最新の料金体系については、Anthropic 公式の料金ページを確認してください。
企業規模・組織文化別 × Claude Codeオンボーディング設計パターン × 承認フローとセキュリティの重点ポイント 早見表
Claude Codeの導入効果は、企業規模や組織文化によって最適な設計が大きく異なります。以下の早見表では、組織の特性ごとに適したオンボーディング設計パターン・承認フロー・よくある失敗パターンを整理しています。自社の状況に近い行を参照することで、導入初期のつまずきを防ぐことができます。
| 企業規模・組織文化の特性 | Claude Codeオンボーディングの設計パターン | 承認フローとセキュリティの重点ポイント | 失敗パターンと実務的な回避策 |
|---|---|---|---|
| スタートアップ （10〜30名・フルスタック・ルール整備中） |
CLAUDE.mdをリポジトリごとにシンプルな1ファイル構成で作成し、コーディング規約・禁止操作・デプロイ手順の3点のみ明記するところから始めます。オンボーディングタスクは実際の小機能追加をAI補助で完結させる形にし、座学よりも手を動かす「体験型」で進めることが効果的です。ルールが整っていない段階では「何でも聞いてよい」ではなく「これだけは守る」最低限の制約を先に決めることが重要です。 | PRレビューは既存メンバー1名が必ず確認するルールを設け、AIが生成したコードであることを明示するコメント（例：「AI生成・要確認」）をPRテンプレートに含めます。外部APIキーや認証情報はENV変数管理を徹底し、CLAUDE.mdに「シークレットをコードに直書きしない」と明記します。Anthropicへの通信はHTTPS経由のみであることを確認し、社内ネットワーク制約がある場合はプロキシ設定を事前に確認します。 | よくある失敗は「CLAUDE.mdを作らずに使い始め、メンバーごとに使い方が分散する」ケースです。回避策として、最初の1週間はペアプログラミング形式でAI使用ルールを口頭共有しながらCLAUDE.mdを育てる運用が有効です。また「AIが書いたから正しいはず」という過信が起きやすいため、生成コードのテスト実行を必須ステップとして習慣化することが大切です。 |
| 中堅IT企業 （50〜200名・部門別開発・セキュリティポリシーあり） |
部門ごとのリポジトリにCLAUDE.mdを配置しつつ、全社共通の禁止事項（本番環境への直接操作禁止など）をAGENTS.mdで上位管理する二層構成が適しています。新人ごとに5段階のオンボーディングタスク（環境構築→小機能実装→バグ修正→テスト追加→ドキュメント更新）を設計し、各ステップでシニアのサインオフを必須とします。部門横断のClaude Code活用事例共有会を月1回開催することで、学習の属人化を防ぐことができます。 | 既存のセキュリティポリシーにAI生成コードのレビュー基準を追記し、「生成コードは全量レビュー対象」と明文化します。ソースコードのチャット投入に際しては、個人情報・顧客データが含まれていないかをチェックするゲートをPRテンプレートに設けます。情シス部門と連携してClaude Codeの通信先をホワイトリスト登録し、ゼロトラスト環境でも問題なく利用できることを事前に確認します。 | 「部門ごとにCLAUDE.mdの品質がバラバラで、新人が混乱する」失敗が多く見られます。回避策として四半期に1回CLAUDE.mdのクロスレビューを実施し、全社的に最低品質を担保する運用を設けます。また「PRレビュー時にAI生成部分だけ流し読みされる」問題には、AIコード行に自動でコメントを付与するリンタールール（例：コミットメッセージ規約）を導入することが効果的です。 |
| 大企業・SES/受託開発 （200名超・厳格なコードレビュー・情シス管理） |
CLAUDE.mdはプロジェクト単位で情シス承認済みテンプレートを用い、現場が独自に書き換えられない「ロック領域」と現場が追記できる「カスタム領域」に分離する設計が有効です。新人のClaude Code使用はステージング環境に限定し、本番リポジトリへのアクセスは一定期間後に段階的に解放します。受託案件では顧客のコードをClaude Codeに渡してよいかを契約レベルで確認し、許可範囲をCLAUDE.mdに明記することが必須です。 | AI生成コードの全量静的解析（SAST）をCI/CDパイプラインに組み込み、人手レビューの前に自動チェックを通す二重構造が推奨されます。SES案件では派遣先・委託元ごとにClaude Codeの使用可否が異なるため、案件受注時に「AI利用確認書」を締結するプロセスを標準化します。ログ保管要件がある場合、Claude Codeのセッション履歴を何らかの形で記録・保管する仕組みを情シスと合意しておく必要があります。 | 「情シスの承認が遅れてClaude Codeが使えない期間が長引く」ことが最大の失敗リスクです。導入前に情シスとのPoC期間（60〜90日）を設け、その間にセキュリティ評価・契約確認・ポリシー整備を並行進行させることで本格導入をスムーズにできます。また「新人が使い方を覚えても上司がレビュー方法を知らない」という逆転現象には、シニア向けの別途AI活用研修を先行して実施することで対処します。 |
| 非エンジニア組織のDX推進チーム （業務担当者がコード生成を使う場面） |
CLAUDE.mdには技術用語を使わず「やってよいこと・やってはいけないこと」を箇条書きで記載し、業務担当者が迷わず使えるよう平易な言葉で作成します。オンボーディングタスクはExcelマクロや簡易スクリプトの自動化など業務に直結するテーマを選び、「書いたコードが本当に動く体験」を最初のゴールに設定します。エンジニアサポーターを1名アサインして週次で相談できる体制を作り、業務担当者が技術的な壁で止まらないよう橋渡し役を明確にします。 | 業務担当者は意図せず個人情報や社外秘情報をClaude Codeに貼り付けるリスクがあるため、「入力してよいデータの種類」を具体例付きでCLAUDE.mdに明記し、初回研修で必ず説明します。生成されたスクリプトを本番業務システムに直接接続する前に、必ずエンジニアサポーターのレビューを挟むルールを組織のガイドラインとして設けます。AIが生成したコードを「完成品」と思い込まず「たたき台」として扱う意識づけを、研修資料とCLAUDE.mdの両方に繰り返し記載します。 | 「使い方が分からないまま放置され、誰も使わなくなる」離脱が最大のリスクです。回避策として導入後2週間以内に小さな成功体験（例：手作業30分の集計が3分になった）を必ず作り、社内Slackで共有する「成果報告文化」を意図的に作ります。また「AIが間違えた」ときに業務担当者が過度に萎縮しないよう、エラー事例とその対処法をFAQ形式でCLAUDE.mdに追記し続けることが長期活用の鍵です。 |
Claude Codeのオンボーディング設計で最も重要なのは、「組織のリスク許容度に合わせた承認フローを最初に決め、CLAUDE.mdに明文化すること」です。ツールの機能よりも、誰が何をレビューしてどう判断するかというプロセス設計が、AI活用の定着を大きく左右します。
よくある質問（Claude Code 新人エンジニア オンボーディング リポジトリ 課題設計）
Q. Claude Codeを使った新人エンジニアのオンボーディングで最初に渡すべき課題は？
最初に渡すべき課題の設計原則は①環境構築から始める：git clone → ローカル環境の構築 → サンプルテストの実行という一連のフローを課題として用意し、Claude Codeを使って詰まったところを解決させる②小さくて完結した機能追加：既存コードに1つの機能（バリデーション追加・ログ出力・APIエンドポイント追加等）を追加する課題。Claude Codeで実装後に人間がレビューするフローも学ばせる③バグ修正課題：意図的に仕込んだバグを修正させる（Claude Codeのデバッグ能力を体験させる）④テスト作成：既存の機能に対してユニットテストをClaude Codeで追加させる課題、の4種類を順番に体験させるのが効果的です。
Q. Claude Codeを使う新人に最初に教えるべき操作の基本は？
最初に教えるべき基本は①プロジェクトルートでの起動：`claude`コマンドでカレントディレクトリのコードを文脈として開始②CLAUDE.mdの役割説明：プロジェクトのルールやアーキテクチャが書かれたCLAUDE.mdを読ませると回答の精度が上がることを教える③具体的な依頼の書き方：「〇〇ファイルの△△関数を修正して□□が動くようにして」という具体的な依頼の書き方④承認フローの理解：Claude Codeがファイル変更・コマンド実行を提案するときに、内容を確認してからyesを押す習慣を最初に身に付けさせる⑤差分の確認：Claude Codeが変更したあとに必ず`git diff`で変更内容を確認する習慣、の5点です。
Q. Claude Codeを使うエンジニアチームのコードレビュー基準をどう設定すべきですか？
コードレビュー基準の設定は①AI生成コードとわかってもレビュー省略しない：Claude Codeが生成したコードも通常のPull Requestプロセスを経てレビュー必須（コード量が多くても省略しない）②レビュアーがロジックを理解することを必須化：「このコードが何をしているかわかるか？」をレビュアー自身が言語化できなければApproveしない③テストカバレッジの確認：Claude Codeが追加した機能にテストが含まれているかを確認（Claudeはテストを書くよう指示すれば書くが、指示しないと省く場合がある）④セキュリティスキャン：PR単位でSAST（Semgrep/Snyk）を自動実行してから人間レビュー、の4点を必須化するのが推奨です。
まとめ：AI を使いこなす「新人」を育てるための組織文化
Claude Code を使った新人オンボーディングの本質は、ツールの使い方を教えることではなく、「AI という相棒と共に、いかにして最短で本質的な価値（動くコード、正しいドキュメント）を出せるか」というマインドセットを伝えることにあります。
今回紹介した CLAUDE.md の整備や、5 つのステップ課題をリポジトリに組み込むことで、新人は「放置されている」と感じることなく、AI との対話を通じて着実にスキルアップできます。そして、その過程で生まれた「AI へのより良い指示（プロンプト）」や「AGENTS.md の改善案」自体が、チームの共有資産となっていくのです。
AI 時代におけるオンボーディングは、もはや教える側と教えられる側の二者関係ではありません。リポジトリ、AI、そして人間が三位一体となって進化し続ける、新しい開発文化の第一歩です。まずは、あなたのチームの主要なリポジトリに CLAUDE.md を 1 つ配置することから始めてみてください。
新人オンボーディング用にClaude Codeを組み込んだリポジトリを設計する際は、機密ファイルへの参照範囲の限定・新人の操作を上長が承認するフロー・操作ログの保持をCLAUDE.mdと運用ルールに明記することが重要です。チームの体制や開発環境に合わせた導入設計とオンボーディング課題の整備は、Claude Code 導入支援にご相談いただけます。
生成AIの法人導入・セキュリティ設計のご相談
ChatGPTやClaudeなど生成AIのプラン選定・セキュアな全社導入・権限／ログ設計を、貴社の体制に合わせて整理します。すでに導入済みの環境について『この設計で問題ないか』を確認したい、という導入前後のセカンドオピニオンにも対応しています。
AI・業務自動化
ChatGPT・Claude APIを活用したAIエージェント開発、n8n・Difyによるワークフロー自動化で繰り返し業務を削減します。まずはどの業務をAI化できるか診断します。