【事例型】企画がClaude Coworkで要件メモを整えCodeに渡した型（匿名・概念）
目次 クリックで開く
AI 技術の進化により、企画者が作成した「要件メモ」をそのままコードへ変換するハードルは劇的に下がりました。しかし、ブラウザ上のチャット AI にコードを書いてもらい、それを手動でコピペしてファイルを作る運用には、限界が見え始めています。特に、既存のファイル群との整合性や、依存関係の解決、そして継続的なメンテナンスにおいて、従来の「コピペ開発」はすぐに破綻します。
そこで注目されているのが、Anthropic が提供するコーディングエージェント Claude Code です。本記事では、企画者が Web 版の Claude で要件を整え、そのメモを Claude Code に渡してリポジトリ上で直接開発を進める「実務直結型」のワークフローを詳解します。
Claude Code が変える企画・開発の境界線
これまで、企画者（非エンジニア）と開発者の間には「仕様書」という名の巨大な壁が存在していました。Claude Code の登場は、この壁を「リポジトリ」という共通言語で取り払う可能性を秘めています。
Web版 Claude と CLI版 Claude Code の決定的な違い
まず整理すべきは、私たちが普段使っているブラウザ版の Claude（Claude.ai）と、ターミナルで動く Claude Code の役割の違いです。
- Web版 Claude (Claude.ai): アイデアの壁打ち、要件の構造化、プロトタイプの検討に最適。ユーザーインターフェースが優れており、思考の整理に向いています。
- Claude Code (CLI): 実際のリポジトリに対して「実行」権限を持つエージェント。ファイルの読み書き、ターミナルコマンドの実行、テストの実施、Git コミット、プルリクエストの作成までを自律的に行います。
企画者が Claude.ai で「こんなツールが欲しい」という要件を Markdown 形式のメモにまとめ、それを Claude Code が読み取ってコードを生成・修正する。この連携こそが、現代的な AI 駆動開発のスタンダードです。
「要件メモ」をリポジトリにコミットする新常識
Claude Code を運用する上で最も重要なのは、企画者が書いた要件メモ（requirements.md など）を、ソースコードと同じリポジトリ内に配置することです。Claude Code はリポジトリ全体をインデックスし、コンテキストとして理解する能力を持っています。メモがリポジトリ内にあることで、「この仕様に基づいて、このファイルを修正して」という指示が極めて正確に通るようになります。
Claude Code 導入のステップバイステップ
Claude Code は、Anthropic が提供する公式の CLI ツールです。利用には Google Cloud や AWS の環境は不要で、Anthropic の API キーがあれば開始できます。
インストールと認証
Node.js 環境（v18以上推奨）がインストールされているターミナルで、以下のコマンドを実行します。
npm install -g @anthropic-ai/claude-code
claude auth loginブラウザが立ち上がり、Anthropic アカウントでの認証を求められます。認証が完了すれば、あなたのターミナルは「Claude の脳」と直結した開発環境に変わります。
プロジェクト初期化と CLAUDE.md の役割
プロジェクトのルートディレクトリで claude コマンドを叩くと、エージェントが起動します。ここで最初に行うべきは、プロジェクト固有のルールを定義する CLAUDE.md の作成です。
Claude Code は、ディレクトリ内に CLAUDE.md というファイルを見つけると、それを「最優先の指示書」として読み込みます。ここに使用するライブラリ、命名規則、テストの実行コマンドなどを記述しておくことで、エージェントの迷いをなくし、精度の高いアウトプットを引き出すことが可能です。
例えば、経理業務の自動化を検討している場合、楽楽精算×freee会計の「CSV手作業」を滅ぼすアーキテクチャのような、既存のデータ構造やフローに関するドキュメントを docs/ フォルダに入れ、その参照ルールを CLAUDE.md に書いておけば、Claude Code はそれらを前提としたコードを生成します。
【実践】企画メモを Claude Code で「動くツール」に変える運用フロー
それでは、具体的な運用フローを見ていきましょう。ここでは「企画者が新しいデータ変換スクリプトを提案し、Claude Code が実装する」シーンを想定します。
Step 1：企画者が Claude.ai で要件を構造化する
企画担当者は、まずブラウザ版の Claude を使って、やりたいことを整理します。「この CSV の A 列と B 列を結合して、特定の日付フォーマットに変換する Python スクリプトが欲しい」といった曖昧な要望を、Claude との対話を通じて、入出力仕様、エラーハンドリング、バリデーションルールを含む「要件メモ」へと昇華させます。
Step 2：Markdown ファイルとしてリポジトリに配置する
整った要件を docs/requirements/2026-04-feature-A.md のような名前で保存し、Git リポジトリにプッシュ（またはローカルで配置）します。この際、複雑な技術用語は不要です。「期待する動作」が箇条書きになっていれば十分です。
Step 3：Claude Code への「丸投げ」コマンド
エンジニア、あるいは CLI 操作に慣れた実務担当者が Claude Code を起動し、以下のように指示します。
/ask docs/requirements/2026-04-feature-A.md を読み込んで、これに適合するスクリプトを src/scripts/ 内部に作成してください。既存のユーティリティ関数があれば再利用して。Claude Code はリポジトリ内を検索し、既存のコードスタイルを学習した上で、新しいファイルを作成します。作成後、エージェントは自ら「実行コマンド」を提案し、テストまで行おうとします。
Step 4：Skills 機能を用いた整合性チェック
Claude Code には、特定のタスク（例：複雑なデータ加工や外部 API 連携）をこなすための「Skills」という概念があります。また、既存のドキュメントを読み取らせる能力も非常に高いです。
例えば、Google Workspace × AppSheet の業務 DX ガイドで紹介されているような、スプレッドシート連携の仕様がドキュメント化されていれば、Claude Code は「AppSheet の API 仕様に沿っているか？」をリポジトリ内のドキュメントから自動で判断し、修正案を提示します。
主要 AI ツール比較表：エンジニアリング・エージェント編
Claude Code が他のツールと比較してどこに強みがあるのか、以下の表にまとめました。
| ツール名 | 主なインターフェース | リポジトリ操作 | 得意領域 | 料金体系（2026年時点） |
|---|---|---|---|---|
| Claude Code | CLI (ターミナル) | 強力（自律実行） | コンテキスト理解、正確なコード編集 | Anthropic API 使用量に応じた従量課金 |
| GitHub Copilot | IDE 拡張 / チャット | 部分的（提案ベース） | リアルタイムのコード補完 | 月額サブスクリプション |
| Cursor | 専用 IDE | 強力（GUIベース） | AI との統合エディタ体験 | 月額サブスクリプション |
| Cline (OpenDevin) | VS Code 拡張 | 強力 | オープンソース、複数モデル選択可 | 各モデルの API 利用料 |
※料金の詳細は各公式サイト（Anthropic Claude Code）をご確認ください。
開発効率を最大化する「CLAUDE.md」と「AGENTS.md」の設計
Claude Code を単なる「便利なチャット」で終わらせないためには、設定ファイルの作り込みが不可欠です。
非エンジニアでも書けるプロジェクト・ガイドラインの秘訣
CLAUDE.md は、エンジニアだけのものではありません。ここには「このプロジェクトでは何を成功と見なすか」というビジネスロジックの優先順位を記述できます。
- 「処理速度よりも、エラーログの正確さを優先する」
- 「すべての出力は UTF-8 で統一し、BOM は付けない」
- 「新しい API を作る際は、必ず docs/api/ に Swagger 形式の定義ファイルも更新する」
このような指示を CLAUDE.md に入れておくだけで、Claude Code が生成するコードの品質は劇的に安定します。
複数エージェントを制御するコンテキストの持たせ方
大規模なプロジェクトでは、AGENTS.md というファイルを活用するケースも増えています。これは、Claude Code に対して「あなたは今、セキュリティ監査役として振る舞ってほしい」「あなたはフロントエンドの実装担当だ」といった役割（ペルソナ）を切り替えるための指示書です。複数のエージェントがリポジトリを触るような高度な運用において、役割の衝突を防ぐ重要な役割を果たします。
企画担当者の業務種別 × Claude Codeによる実装パターン × CLAUDE.md設計方針 早見表
前のセクションでCLAUDE.mdとAGENTS.mdの設計を説明しましたが、企画担当者がClaude Codeを使う業務は「データ集計・可視化」「社内ツール作成」「レポート自動化」「ドキュメント整備」で、それぞれ適した実装パターンとCLAUDE.mdへの記載内容が異なります。「動くツールを作って」と一括指示するより、業務種別ごとにClaude Codeへの期待値と制約を明示することで生成物の品質が上がります。
| 企画担当者の業務種別 | Claude Codeによる実装パターン | CLAUDE.mdへの記載内容（設計方針） | 非エンジニアが注意すべき実運用のポイント |
|---|---|---|---|
| データ集計・可視化 （売上・KPI・広告レポート） |
CSVまたはGoogleスプレッドシートのデータを受け取り、Pythonのpandas/matplotlib/plotlyを使ってグラフ付きHTMLレポートまたはExcelファイルを生成するスクリプトをClaude Codeに作成させる。「毎週月曜にSalesforceからエクスポートしたCSVを渡すと集計レポートが完成する」形にすることで、繰り返し作業を自動化できる | CLAUDE.mdに「データソースの仕様（ファイル形式・列名・文字コード）」「KPIの定義（売上の計算式・集計期間・除外条件）」「出力フォーマット（グラフの種類・色・ファイル形式）」を記載する。「このデータは個人情報を含むためログ出力禁止」等のセキュリティルールも明記する | Claude Codeが生成したスクリプトは初回実行前に「何をするコードか」をClaude Codeに日本語で説明させてから実行する習慣をつける。特にデータ削除・上書き操作を含むコードは実行前に必ずレビューする。CSVファイルのパスが環境によって変わる場合は「設定ファイル（config.py）」を分離してパスだけを書き換えられる設計にすることをClaude Codeに依頼する |
| 社内ツール作成 （申請フォーム・管理画面・チェックツール） |
StreamlitまたはFlaskを使ったWebアプリとして社内向けツールをClaude Codeに作成させる設計が非エンジニアに最も扱いやすい。「経費申請フォームのバリデーションチェッカー」「案件ステータス管理ダッシュボード」「コンテンツ校正チェックツール」等のシンプルな社内ツールはStreamlit数十行で動作するものが多く、Claude Codeが1時間以内に動作可能なプロトタイプを生成できる | CLAUDE.mdに「ツールの目的（誰が何のために使うか）」「入力データの形式と制約（必須項目・バリデーションルール）」「出力形式（画面表示・ファイル出力・通知）」「使用禁止の外部API（社外へのデータ送信禁止等）」を記載する。チームで使うツールは「UIの言語（日本語固定）」もCLAUDE.mdに明記する | Streamlitアプリはローカル実行（社内PCのみ）と社内サーバー公開では設定が異なる。Claude Codeに「ローカルで動けばよい」または「社内サーバーに公開する」を明示してから実装を依頼することで、不要な認証機能追加や外部公開設定を防ぐ。社内ツールに個人情報・機密情報が入力される場合はデータの保存先（ローカルのみか社内サーバーか）を事前に決めてCLAUDE.mdに記載する |
| レポート・資料自動生成 （月次報告書・提案書の下書き） |
kintone・Salesforce・Googleスプレッドシートからデータを取得してWord（python-docx）またはPowerPoint（python-pptx）形式のレポートを自動生成するスクリプトをClaude Codeに作成させる。「毎月末に月次KPIデータを渡すと役員報告資料の数字部分が自動更新される」スクリプトは企画部門の月末作業工数を大きく削減できる | CLAUDE.mdに「レポートのテンプレート仕様（スライドレイアウト・フォントサイズ・図表の配置）」「数字の表示形式（千円単位・小数点以下桁数・前年同月比の計算方法）」「機密レベルと配布先（社外送付禁止のラベル挿入等）」を記載する。テンプレートファイルを所定フォルダに配置してClaude Codeが参照できる状態にすることが前提 | 自動生成した資料は必ず担当者が数字確認・レビューをしてから配布する運用ルールを設ける。Claude Codeが生成したコードの数字計算ロジックは初回導入時に3ヶ月分の実績で検証することを推奨する。資料生成スクリプトのメンテナンス（データソースの列名変更・テンプレートデザイン変更への対応）は定期的にClaude Codeに更新を依頼する体制を設ける |
| ドキュメント整備・更新 （手順書・FAQ・仕様書の管理） |
既存のWord・Google Docs・Notionページをインプットとして「最新情報への更新」「FAQ形式への変換」「新人向けの簡易版作成」等のドキュメント変換・整備作業をClaude Codeに依頼する。特に複数のドキュメントの内容を統合・整理する作業や、ドキュメント全体の表記ゆれ（用語統一・敬体統一）を一括修正する作業は、Claude Codeが人手作業と比べて高速かつ一貫して処理できる | CLAUDE.mdに「社内用語集（略称の正式名称・製品名の表記ルール）」「文体ルール（です・ます調固定・敬称の使い方）」「ドキュメントの保存先と命名規則」「更新禁止箇所（法的表現・個人情報を含む箇所は人間が必ず確認）」を記載する。ドキュメント更新時に「変更した箇所の差分サマリーを日本語で出力する」よう指示することでレビュー工数を削減できる | Claude Codeがドキュメントを修正する際は「原本を別名保存してから編集する」設計を徹底する。特に規程・契約条件・法的表現を含むドキュメントはClaude Codeによる自動修正後に必ず法務・担当者のレビューを挟むルールを設ける。ドキュメントの「最終更新者」記録にClaude Codeによる自動更新であることを明示することが、後から誰が確認済みかを追跡するための透明性確保に必要 |
この表で企画担当者がClaude Codeを使いこなすために最重要の設計が「自分が担当する業務種別ごとにCLAUDE.mdを整備して、Claude Codeへの指示品質を上げる『コンテキスト設計』を業務起動前に行うこと」です。Claude Codeは指示が曖昧なほど汎用的な実装を返してきます。業務固有の制約・データ仕様・出力要件をCLAUDE.mdに記載してから指示を出すことで、修正回数が減り実用可能な品質に到達するまでの時間が大幅に短縮されます。
運用の注意点とセキュリティ対策
Claude Code は強力な権限を持つため、適切なガードレールが必要です。
permissions.deny による読み取り制限
Claude Code は Git の .gitignore を既定で尊重するため、巨大すぎるログファイルや依存ライブラリは.gitignoreに記載すれば読み取り対象から外れ、トークン消費（コスト）の節約に繋がります。一方、顧客情報のサンプルデータや機密性の高い環境変数のように「確実に見せたくない」ファイルは、プロジェクトの .claude/settings.json に permissions.deny として "Read(./.env)" や "Read(./**/*.csv)" のような Read ルールを記述して明示的に拒否します。これにより、意図しないデータ流出を防げます。
特に、CAPI と BigQuery を用いたデータアーキテクチャのような、機密性の高いマーケティングデータを扱うリポジトリでは、この設定は必須と言えます。
コスト管理：トークン消費を抑える
Claude Code はリポジトリの構造を把握するために大量のトークンを消費することがあります。不要なディレクトリを読み込ませないよう、指示を出す際は /ask コマンドで対象ファイルを絞り込むか、/compact コマンドで対話履歴を整理する習慣をつけましょう。
まとめ：AI エージェントを「部下」としてリポジトリに迎える
Claude Code の真価は、単にコードを書くことではなく、「リポジトリという文脈を理解し、自律的に動くチームメンバー」になれる点にあります。企画者が Claude.ai で練り上げた構想を、Markdown という橋渡し役を通じて Claude Code に託す。このワークフローを確立することで、開発のスピード感は数倍に跳ね上がります。
まずは小さなスクリプト作成や、既存ドキュメントの整理から Claude Code を導入してみてください。ターミナルの中で AI があなたの指示に従ってファイルを次々と書き換えていく様子を目の当たりにすれば、これまでの開発・企画運用がいかに「摩擦」の多いものだったかに気づくはずです。
企画者が書いた要件メモをClaude Codeに渡してスクリプトやツールを生成させる際は、permissions.denyで本番データや顧客CSVを読み取り対象から外し、ダミーデータだけを見せる構成にしておくと情報漏洩リスクを大幅に下げられます。この種のワークフロー設計は、Claude Code 導入支援で自社に合わせた形に整理できます。
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。