Claude Code とSalesforce Apex・フローの下書きと本番反映のゲート（概念）

更新：2026年5月14日
この記事をシェア：
目次 クリックで開く

Salesforceの開発現場において、Apexのコーディングや複雑なフロー（Flow Builder）の設計は、常に「仕様の整合性」と「本番反映の安全性」という二つの壁に直面してきました。従来のChatGPTなどの汎用チャットAIは、コードの断片を生成するには長けていましたが、Salesforceプロジェクト全体（SFDXリポジトリ）のメタデータ構造や、既存クラスとの依存関係を完全に把握することは困難でした。

この状況を打破するのが、Anthropic社が提供するClaude Codeです。これは、ローカルのリポジトリ上で動作するCLI（コマンドラインインターフェース）型のコーディングエージェントであり、Salesforce開発の実務プロセスを劇的に進化させます。本記事では、Claude Codeを用いてApexやフローの下書きを作成し、それを「品質ゲート」を介して安全にSalesforce環境へデプロイするための完全な実務アーキテクチャを解説します。

Salesforce開発を劇的に変える「Claude Code」とは何か

汎用チャットAIとの決定的な違い：リポジトリ全体を俯瞰するコンテキスト理解

従来のブラウザ型AIツールとClaude Codeの最大の違いは、「今、目の前にあるローカルコードをすべて読み取れるか」という点にあります。Salesforceの開発では、一つのApexクラスを変更する際に、関連するトリガー、ハンドラークラス、そしてカスタムオブジェクトの定義（xml）を同時に考慮しなければなりません。

Claude Codeは、claudeコマンドを叩いた瞬間からリポジトリ内のディレクトリ構造をスキャンし、開発者が「このトリガーにエラーハンドリングを追加して」と指示するだけで、関連するすべてのファイルを特定し、矛盾のない修正案を提示します。これは単なるコード生成ではなく、リポジトリに深く根ざした「エンジニアリング・パートナー」としての振る舞いです。

Salesforce開発（SFDX）とCLIエージェントの親和性

Salesforce開発は現在、sf（旧sfdx）コマンドを中心としたCLI駆動の開発が標準となっています。Claude CodeはCLI上で動作するため、AIが生成したコードをそのままsf project deploy startで検証環境へデプロイしたり、sf apex test runでテストを実行したりといった、コマンドベースの連携が極めてスムーズです。

例えば、AIにコードを書かせた直後に「そのままテストクラスを実行して、エラーが出たら修正して」と命令することで、開発者はターミナルから一歩も出ることなく、デバッグ作業を完結させることが可能になります。

実践：Claude CodeをSalesforceリポジトリで起動する

実務でClaude Codeを運用するためには、単にツールをインストールするだけでなく、Salesforce固有のルールをAIに教え込む必要があります。

初期設定とインストール（CLI環境の準備）

Claude CodeはNode.js環境で動作します。以下の手順でセットアップを行います（詳細はAnthropic公式ドキュメントを参照）。

  1. Node.js 18以上をインストール。
  2. npm install -g @anthropic-ai/claude-codeを実行。
  3. Salesforceプロジェクトのルートディレクトリに移動し、claudeコマンドを起動。
  4. /authでAnthropicアカウントと連携。

CLAUDE.mdによるSalesforce開発ルールの定義

Claude Codeを賢く運用するための鍵は、リポジトリのルートに配置する「CLAUDE.md」ファイルです。ここには、そのプロジェクト固有のコーディング規約や、Salesforce特有の制約を記述します。


Salesforce Project Rules

API Version: 60.0

Naming Convention: Apex classes must use PascalCase and end with 'Handler' or 'Controller'.

Test Coverage: Minimum 75% required, but aim for 90%. Avoid using (SeeAllData=true).

Trigger Policy: One trigger per object. Use a Trigger Framework.

Command: Use sf project deploy start for deployment and sf apex run test for testing.

このファイルを置いておくことで、Claude Codeは常にこのルールに従ったコード生成を行うようになります。これは、大規模なチーム開発において品質ゲートを均一化するために不可欠なステップです。

内部リンクの紹介: 複雑なデータ連携が必要なSalesforceプロジェクトでは、会計基盤との整合性も重要です。
Salesforceとfreeeを繋いでも「サブスク売上」は自動化できない理由についても併せてご確認ください。

AGENTS.mdを活用したApex/フロー生成用サブエージェントの構築

さらに高度な運用として、AGENTS.mdを活用して役割別のサブエージェント（Skills）を定義できます。例えば、「Salesforce Architect」というエージェントを定義し、ガバナ制限（Governor Limits）のチェックを専門に行わせる、といった使い分けが可能です。

Apex開発のゲート運用：Claude Codeによる下書きからPR作成まで

Claude Code × Salesforce Apex／フロー 本番反映ゲート①ローカル開発Claude Code が下書き生成Apex / Flow XML / TestCLAUDE.md でルール提示ゲート1：人間レビュー開発者がコード確認git diff / PR作成⚠ AI出力は鵜呑みにしないゲート2：Sandbox検証sf project deploy startDev / UAT Sandbox実データに近い環境で検証ゲート3：テスト & 承認sf apex test runカバレッジ ≥75% 必須+ 管理者承認本番反映（Production）Change Set / DevOps Center→ 監査ログ自動記録3層ゲートで防ぐ典型的な失敗ゲート1なし：AIが生成した「もっともらしいが間違ったApex」がそのままPRに → レビュー負荷激増ゲート2なし：DEで動作 ≠ Sandbox 動作。ガバナ制限・データ量差で本番で初めて失敗するリスクゲート3なし：テストカバレッジ75%未満は本番デプロイ自体できない（Salesforce標準制約）★ AI駆動でも「人間の意思決定ポイント」を消さないClaude Code で生産性は2〜5倍になるが、3層ゲートは本番品質維持の必須条件。特に Flow Builder は実行ログが取りにくいため、Sandboxでの動作確認とテストカバレッジが命綱。
図：Claude Code を組み込んだ Salesforce 開発フローの3層ゲート（ローカル → 人間レビュー → Sandbox → 本番）。

実務において、AIにコードを書かせて終わりにするのは危険です。必ず「検証」と「レビュー」のゲートを設ける必要があります。Claude Codeを用いた標準的な開発フローは以下の通りです。

既存コードの読み取りとリファクタリング提案の自動化

「この古いApexクラスを、最新のTrigger Frameworkに合わせて書き換えて。ついでにSOQLクエリがループ内で発行されていないかチェックして」と指示します。Claude Codeは、関連する複数のファイルを読み込み、最適なリファクタリング案を新しいファイルまたは差分（diff）として提示します。

テストクラスの自動生成とsf test runのローカル検証

Salesforceにおいて、テストクラスの作成は最も時間がかかる作業の一つです。Claude Codeは実装コードを理解しているため、カバレッジを網羅するテストデータを自動的に生成できます。生成後、そのまま/run sf apex test run -n MyTestClassと命令すれば、ローカルでテスト結果を確認し、失敗すればその場で修正案を出させることができます。

Git連携：Claude Codeによる要約付きプルリクエストの作成

修正が完了したら、Claude Codeに「ここまでの変更を要約して、プルリクエストを作成して」と依頼します。AIは差分を解析し、人間が読むのに適した丁寧な要約文を作成し、gh pr createなどのCLIコマンドを組み合わせてPRの発行まで自動化します。これが、本番反映前の「人間によるレビュー」という第一のゲートになります。

注意点: Claude Codeは非常に強力ですが、Salesforceの「組織設定（Sharing Settings）」や「プロファイル権限」をコードだけで完全に見通すことはできません。アクセス権限に起因するエラーは、必ずサンドボックス環境での手動検証が必要です。

ノンコードの境界線：Salesforceフローの「下書き」をClaude Codeで制御する

Salesforceのフローは「ノンコード」と呼ばれますが、その実体は膨大なXMLファイルです。Claude CodeはこのXMLを直接編集・生成することが可能です。

フローXMLの構造を理解させ、ロジックのプロトタイプを生成する

複雑な分岐を持つフローをGUIで一つずつ配置するのは手間がかかります。「取引先が更新されたときに、関連する商談のフェーズを一括で更新するフローのXMLを生成して」と指示することで、プロトタイプとなる.flow-meta.xmlを生成させることができます。これをVS Codeで開き、Salesforceにプッシュすることで、GUI上には既にロジックが組み上がった状態で表示されます。

フローとApexの「責務分解」をAIとディスカッションする

「この処理はフローでやるべきか、Apexでやるべきか？」という設計上の悩みも、Claude Codeに相談できます。リポジトリ内の既存のロジック密度を計算し、保守性の観点から最適な提案を受けられます。

こうした自動化の考え方は、他の業務DXにも共通します。例えば、
Google Workspace × AppSheetを用いた業務DX
のように、適切なツール選定とAIによるロジック構築を組み合わせることで、開発コストを最小化できます。

運用・比較：Salesforce標準機能 vs AI駆動開発（Claude Code）

Claude Codeを導入することで、従来のSalesforce開発プロセスがどう変化するかを以下の表にまとめました。

工程 従来の開発（手動） Claude Code 運用
仕様把握 複数ファイルを行き来し手動で調査 /searchコマンドで全ファイルを瞬時に解析
下書き作成 ボイラープレートを手書き リポジトリの規約に沿ったコードを自動生成
テスト作成 実装後に苦労して作成 実装と同時にテストコードを自動生成
品質ゲート デプロイエラーが出てから修正 sf validateをAIが実行し、エラーを自動修正
ドキュメント Wiki等に手動で追記 CLAUDE.mdへの自動反映とPR要約の自動生成

セキュリティとガバナンス：機密情報を守るための設定

Salesforceの実務では、クライアントシークレットや認証情報を扱うことがあります。Claude Codeはデフォルトで.gitignoreを尊重しますが、念のため.claudeignoreファイルを作成し、デプロイ用スクリプトや鍵情報が含まれるディレクトリを明示的に除外することをお勧めします。

また、AIが生成したコードが既存のSaaSエコシステムに悪影響を及ぼさないよう、
SaaSコストと負債を断つためのアーキテクチャ設計
の視点を持ち、不要なAPIコールが発生していないかをゲートで確認することが重要です。

結論：Claude CodeがSalesforce実務の「新しいゲート」になる

Claude Codeの登場により、Salesforce開発は「コードを書く作業」から「AIが生成したロジックを承認し、品質ゲートを管理する作業」へとシフトしています。特にCLAUDE.mdを用いたコンテキスト共有と、CLI経由の自動テスト・デプロイ連携は、これまで属人化していたSalesforce開発の知見をチーム全体の資産に変える力を持っています。

まずは、小さなApexユーティリティクラスの作成や、既存フローの仕様ドキュメント作成からClaude Codeを使い始めてみてください。その圧倒的なスピードと、リポジトリに対する深い理解に驚くはずです。AIを単なるチャット相手ではなく、ターミナル上で共に戦う実務担当者として迎え入れることが、次世代のSalesforce開発における勝利条件となります。

ご相談・お問い合わせ

本記事の内容を自社の状況に当てはめたい場合や、導入・運用の設計を一緒に整理したい場合は、当社までお気軽にご相談ください。担当より折り返しご連絡いたします。

お問い合わせフォームへ

3. **追記するHTMLだけ**（通常は `

` で囲むとよい）。中に h2/h3、段落、リスト、table を使用可。

4. 次の1行を**そのまま**出力：

【2026年版】Claude Code × Salesforce 開発フロー設計

フェーズ Claude Codeの役割 人間レビュー
要件→Apex下書き クラス・テスト雛形生成 ロジック妥当性
Flow XML下書き メタデータXML生成 バルク処理対応
SFDX デプロイ CLIコマンド自動実行 デプロイ範囲確認
テスト実行 テストカバレッジ計測 本番反映承認

本番反映ゲート 必須3層

  • ☑ Sandbox実行：必ず Dev/UAT Sandbox で検証
  • ☑ テストカバレッジ75%以上：Salesforce本番反映の必須要件
  • ☑ 承認フロー：管理者の最終承認必須

FAQ

Q1. Cursorとの違いは？
A. 「Claude Code=自律CLI、Cursor=対話IDE」。詳細は SFA・CRM・MA・Webピラー。
Q2. 本番への直接デプロイは可能？
A. 絶対NG。必ずSandbox→UAT→本番の段階を踏む。

関連記事

  • 【AIコードエージェント比較】（ID 421）
  • 【Salesforce Flow】（ID 598）
  • 【Cursorデータ分析活用】（ID 424）

※ 2026年5月時点の市場動向を反映。

📚 関連資料

このトピックについて、より詳しく学びたい方は以下の無料資料をご参照ください：

システム導入・失敗回避チェックリスト PDF

DX推進・システム導入で陥りがちな落とし穴を徹底解説。選定から運用まで安全に進めるためのチェックリスト付き。

📥 資料をダウンロード →

レガシーシステム刷新・モダナイゼーションの関連完全ガイド

本記事のテーマに関連する旧基幹/旧SaaSからのモダナイゼーション完全ガイド一覧です。移行戦略・選定軸の参考にどうぞ。

AIエージェント / RAG 設計の完全ガイド

AIエージェント・RAG・LLMの導入と運用設計を深掘りした記事一覧です。

関連ピラー：【ピラー】データガバナンス完全ガイド：データカタログ・メタデータ管理・品質モニタリング・アクセス権限の統合設計

本記事のテーマを上位概念から体系的に学ぶには、こちらのピラーガイドをご覧ください。

関連ピラー：【ピラー】LINE × 業務システム統合 完全ガイド：LINE公式アカウント / LINE WORKS / LIFF / Messaging API の使い分けと CRM 連携設計

本記事のテーマを上位概念から体系的に学ぶには、こちらのピラーガイドをご覧ください。

関連ピラー：【ピラー】Salesforce 完全ガイド：CRM/SFA/MA/CDP/Agentforce の使い分けと統合設計、業界別実装パターン

本記事のテーマを上位概念から体系的に学ぶには、こちらのピラーガイドをご覧ください。





参考：Aurant Technologies 実プロジェクトのLooker Studio実装

本記事のテーマを実装段階まで進める際の参考として、Aurant Technologies が支援した複数の実案件で構築した Looker Studio ダッシュボードの一例をご紹介します。数値・社名・部門名はマスキングしていますが、実際に運用されている可視化です。

Aurant Technologies 実プロジェクトの経理DXダッシュボード（勘定科目別×部門別資金分析・Looker Studio実装、数値マスキング済）
Aurant Technologies 実プロジェクトの経理DXダッシュボード（勘定科目別×部門別資金分析・Looker Studio実装、数値マスキング済）

CRM・営業支援

Salesforce・HubSpot・kintoneの選定から導入・カスタマイズ・定着まで一貫対応。営業生産性を高め、商談化率を改善します。

CRM・営業支援サービスを見る まず無料相談する
AT
aurant technologies 編集

上場企業からスタートアップまで、数多くのデータ分析基盤構築・AI導入プロジェクトを主導。単なる技術提供にとどまらず、MA/CRM（Salesforce, Hubspot, kintone, LINE）導入によるマーケティング最適化やバックオフィス業務の自動化など、常に「事業数値（売上・利益）」に直結する改善実績多数。

この記事が役に立ったらシェア：
Xでシェア はてブ
← ブログ一覧へ戻る
RELATED

関連記事