約2,000人が使うClaude Codeと向き合う。
サイバーエージェントは約2,000人のエンジニアがClaude Codeを活用する大規模組織での運用設計を公開し、開発者であるBoris Cherny氏とガバナンスや自動化の未来について議論した。
キーポイント
大規模組織でのAIエージェント活用フェーズへの移行
サイバーエージェントではClaude Codeの利用が個人の試行錯誤から組織全体へ拡大し、2,000人規模のユーザーを管理するためのガバナンス、コスト管理、セキュリティ体制が確立されている。
開発者本人との実課題ベースQ&A
AnthropicのClaude Code開発責任者Boris Cherny氏と、2028年の完全自動化目標や権限管理など、組織の実務課題に即したディスカッションが行われた。
SDLC全体における自動化戦略
単なるコード生成ツールではなく、PRレビュー、セキュリティ監査、Ops領域を含めたソフトウェア開発ライフサイクル全体の自動化プロセスと、人が担うべき領域の議論がなされた。
自動化の深さは継続利用に依存
AIエージェントによる自動化の度合いはコード規模ではなく、継続的に使い込み「うまくいった使い方」をスキルや手順として蓄積するプロセスによって決まります。
最小限のルールと検証ループの構築
細かなルールやコンテキストを詰め込むのではなく、テストやCIなどのフィードバックループを用意し、エージェントが自身の作業を検証できる状態を作ることが安定した自律作業に繋がります。
コスト削減からROIと役割変革へ
単なるトークンコストの抑制ではなく投資対効果（ROI）で判断し、エンジニアの役割がコード実装者から「文脈や制約を設計する人」へと変化していくことが大規模組織では重要です。
影響分析・編集コメントを表示
影響分析
この記事は、AIエージェントが単なる開発支援ツールから、企業の生産性基盤として組織的に統合される段階に入ったことを示す重要な事例です。特に大規模企業における「運用設計」や「ガバナンス」の重要性を具体化しており、他社が同様の導入を進める際のロードマップや課題解決の参考となる実証データを提供しています。
編集コメント
2026年という未来の日付を含む記事ですが、AIツールの組織導入におけるガバナンスと運用設計の重要性を浮き彫りにしており、実務家にとって非常に示唆に富む内容です。
作者Boris Cherny氏とのQ&Aから見えた、大規模組織でのAIエージェント活用
image Q&Aセッション後に撮影した集合写真。
はじめに
サイバーエージェントでは、Claude Codeの活用がエンジニア個人の試行錯誤から、組織全体での活用フェーズへ広がっています。現在、社内では約2,000人のユーザーがClaude Codeを利用しており、開発生産性だけでなく、ガバナンス（統治）、コスト管理、セキュリティ、教育、ナレッジ共有まで含めた運用設計が重要になっています。
こうした背景のもと、2026年6月12日、AnthropicでClaude Codeを開発するBoris Cherny氏とのQ&Aセッションを実施しました。Boris氏はAnthropic公式でもHead of Claude Code（Claude Code統括責任者）、inventor of Claude Code（Claude Codeの発明者）として紹介されている人物です。今回は、サイバーエージェントの開発現場で日々Claude Codeを使うメンバーが事前に質問を持ち寄り、大規模な組織でAIエージェントをどう使い、どう育て、どう管理していくべきかを直接相談しました。
今回のセッションは、Anthropic側から一方的に最新情報を紹介してもらう場ではなく、サイバーエージェント側の実課題を起点にしたQ&Aとディスカッションの形式で進みました。事前に集めた質問・テーマは、開発プロセスの自動化、コードレビュー（コード検証）、セキュリティレビュー、スキルやループの設計、エンタープライズでの権限管理、トークンコスト、組織的な教育と評価など、多岐にわたります。
なお、当日の議論にはNDA上の制約や非公開情報も含まれるため、本記事では公開可能な範囲に絞って内容を紹介します。
このセッションのきっかけは、社内で「Borisさんとのミーティングに関心がある人」を募ったことでした。想定以上に多くの反応があり、今回は特にClaude Codeを日常的にヘビーに使っているメンバーを中心に参加者を絞って開催しました。
また、Anthropic側から事前に質問を共有してほしいとの依頼があったため、社内で質問を募ったところ、数十件にのぼる質問が集まりました。その中から今回の場で議論すべきものをピックアップし、当日は20以上の質問についてBoris氏から回答をいただきました。
一方で、実際の場は質問票を順に消化するだけではなく、テーマをもとにしたディスカッションでもありました。
たとえば、サイバーエージェントが2028年までの開発プロセス完全自動化を重要な目標に掲げていることを共有し、その実現性や、今後2〜3年でどの領域から自動化が進み、最後まで人が担うべき領域はどこかについて、AIエージェントを提供する側と利用する側の双方の視点から意見を交わしました。
特に印象的だったのは、Claude Code を単なる「コードを書くツール」としてではなく、ソフトウェア開発ライフサイクル全体の中でどの工程をどう自動化していくか、という視点で議論できたことです。サイバーエージェントのように事業や技術スタックが多様な組織では、全社で一つの使い方に統一するのではなく、各チームの実務に合わせて、再現性のある使い方を増やしていくことが重要になります。
image質問はスプレッドシートでとりまとめ、Claude でスライド化してもらいました。
議論したテーマ
事前に集めた質問・テーマでは、主に次のようなテーマを扱いました。
- Claude Code の今後の進化と、他の AI エージェントとの差別化
- Anthropic 社内における AI 駆動開発の実態と、SDLC（ソフトウェア開発ライフサイクル）全体の自動化
- 2028 年までの開発プロセス完全自動化の現実性と、人が担うべき領域
- PR レビュー、セキュリティレビュー、Ops 領域での活用
- 大規模組織におけるエージェント運用の可視化とガバナンス
- 約 2,000 人規模で使う際の権限管理、設定管理、コスト管理
- CLAUDE.md や組織ルール、スキル、ループ、ルーティンの設計
- AI 活用が進む時代のエンジニア評価、人材像、チーム文化
これらの質問に対して、Boris 氏からは、モデルやプロダクトの進化を踏まえた考え方だけでなく、実際に開発チームでどのように自動化対象を見つけ、どのようにガードレールを作り、どのように効果を測っていくかについて、実践的なアドバイスをいただきました。
image質問・ディスカッションテーマのサマリー
大規模組織で使うための学び
1. 「どれだけ長く使い込むか」が自動化の深さを決める
セッションでは、AI エージェントによる自動化の度合いは、単純にコードベースの規模や難易度だけで決まるものではなく、どれだけ長く、継続的に使い込んできたかに大きく左右される、という話がありました。
これは大規模組織にとって重要な示唆です。ツールを配布して終わりではなく、各チームが日々の開発の中で「うまくいった使い方」を蓄積し、手作業が残った部分をスキルや手順として整備し、繰り返し改善していくことが必要です。社内で利用者が増えるほど、個人のノウハウを組織の資産に変える仕組みが重要になります。
2. ルールを詰め込みすぎず、検証できる状態を作る
Claude Code のようなエージェントを利用すると、つい細かいルールや長いコンテキストを与えたくなります。しかし、Boris 氏からは、ハーネスやコンテキストは最小限にし、必要な情報へ Claude 自身がアクセスできる状態を作ることの重要性が語られました。
これは、公式の Claude Code Best Practices でも強調されている「検証できる手段を与える」という考え方とも重なります。テスト、ビルド、スクリーンショット比較、ログ、CI など、エージェントが自分の作業を確認できるフィードバックループを用意することで、人が逐一指示するよりも安定した自律作業に近づけます。
3. コストではなく ROI で考える
大規模導入では、トークン利用量やコストの増加は避けて通れません。ただし、議論の中で繰り返し出てきたのは、単純なコスト削減ではなく、投資対効果（ROI）として考えるべきだという視点です。
AI エージェントの利用量を抑えることだけを目的にすると、本来得られるはずの開発速度や品質改善の機会を失う可能性があります。一方で、無制限に使えばよいわけでもありません。どの工程を自動化するとボトルネックが解消されるのか、どのチームで効果が出ているのか、どの利用パターンが再現性を持つのかを見える化し、投資判断につなげることが重要です。
4. 手作業はスキルに、繰り返し作業はループやルーティンにする
Boris 氏からは、日々の作業を棚卸しし、似た性質の作業をまとめ、手作業をスキル化し、繰り返し作業をループやルーティンへ発展させる考え方も共有されました。
サイバーエージェントのように多数のチームが並行して開発する環境では、この考え方は特に有効です。あるチームで作ったレビュー手順、調査手順、リリース前チェック、障害対応の初動などを再利用可能な形にできれば、個人の作業効率だけでなく、組織全体の標準化と品質向上につながります。
5. エンジニアの役割は「コードを書く人」から「文脈を設計する人」へ広がる
コードを書くこと自体の難易度が下がるほど、重要になるのは、何を作るべきか、どの制約を守るべきか、どの状態なら成功と判断できるかを定義する力です。Boris 氏との議論でも、エンジニアがビジネスコンテキストを理解し、自分で判断できる状態を作ることの重要性が話題になりました。
AI エージェント時代のエンジニアは、実装者であると同時に、目的、制約、検証方法、運用ルールを設計する存在になっていきます。これは、サイバーエージェントのように多様な事業を持つ組織において、現場ごとの意思決定力を高める上でも重要な変化だと感じました。
サイバーエージェントとしての持ち帰り
今回の Q&A を通じて、サイバーエージェントが次に取り組むべきことも明確になりました。
まず、約 2,000 人規模の Claude Code 利用を前提に、利用状況、コスト、権限、設定、セキュリティを見える化する仕組みをさらに整える必要があります。次に、チームごとに生まれている良い使い方をスキルやルーティンとして共有し、個人の工夫を組織の再現性につなげていくことが重要です。
また、導入を広げるだけでなく、安全に使いこなすための教育も引き続き必要です。サイバーエージェントグループでは、AI 活用度の可視化や、非エンジニア向けの Claude Code 研修など、組織全体で AI 活用を進める取り組みが広がっています。今回の Q&A で得た知見も、現場の開発プロセス、研修、ガイドライン、運用設計に反映していきます。
Claude Code は、単にコードを書く速度を上げるツールではありません。大規模組織においては、開発の進め方、チームの学習方法、ガバナンス、評価、そしてエンジニアの役割そのものを変える可能性があります。作者である Boris 氏と直接議論できた今回の機会は、サイバーエージェントが AI エージェント活用を次のフェーズへ進める上で、大きな示唆を得る場になりました。
image 熱意が集まりすぎてとても熱い（暑い？）会になりました。
参考リンク
- Anthropic 公式: Boris Cherny 氏の紹介
- Anthropic 公式: Claude Code Overview
- Anthropic 公式: Claude Code Best Practices
- CyberAgent Developers Blog: Claude Code をビジネス職が安全に使うためのエンジニア主導研修
原文を表示
作者Boris Cherny氏とのQ&Aから見えた、大規模組織でのAIエージェント活用
はじめに
サイバーエージェントでは、Claude Codeの活用がエンジニア個人の試行錯誤から、組織全体での活用フェーズへ広がっています。現在、社内では約2,000人のユーザーがClaude Codeを利用しており、開発生産性だけでなく、ガバナンス、コスト管理、セキュリティ、教育、ナレッジ共有まで含めた運用設計が重要になっています。
こうした背景のもと、2026年6月12日、AnthropicでClaude Codeを開発するBoris Cherny氏とのQ&Aセッションを実施しました。Boris氏はAnthropic公式でもHead of Claude Code、inventor of Claude Codeとして紹介されている人物です。今回は、サイバーエージェントの開発現場で日々Claude Codeを使うメンバーが事前に質問を持ち寄り、大規模な組織でAIエージェントをどう使い、どう育て、どう管理していくべきかを直接相談しました。
今回のセッションは、Anthropic側から一方的に最新情報を紹介してもらう場ではなく、サイバーエージェント側の実課題を起点にしたQ&Aとディスカッションの形式で進みました。事前に集めた質問・テーマは、開発プロセスの自動化、コードレビュー、セキュリティレビュー、スキルやループの設計、エンタープライズでの権限管理、トークンコスト、組織的な教育と評価など、多岐にわたります。
なお、当日の議論にはNDA上の制約や非公開情報も含まれるため、本記事では公開可能な範囲に絞って内容を紹介します。
このセッションのきっかけは、社内で「Borisさんとのミーティングに関心がある人」を募ったことでした。想定以上に多くの反応があり、今回は特にClaude Codeを日常的にヘビーに使っているメンバーを中心に参加者を絞って開催しました。
また、Anthropic側から事前に質問を共有してほしいとの依頼があったため、社内で質問を募ったところ、数十件にのぼる質問が集まりました。その中から今回の場で議論すべきものをピックアップし、当日は20以上の質問についてBoris氏から回答をいただきました。
一方で、実際の場は質問票を順に消化するだけではなく、テーマをもとにしたディスカッションでもありました。
たとえば、サイバーエージェントが2028年までの開発プロセス完全自動化を重要な目標に掲げていることを共有し、その実現性や、今後2〜3年でどの領域から自動化が進み、最後まで人が担うべき領域はどこかについて、AIエージェントを提供する側と利用する側の双方の視点から意見を交わしました。
特に印象的だったのは、Claude Codeを単なる「コードを書くツール」としてではなく、ソフトウェア開発ライフサイクル全体の中でどの工程をどう自動化していくか、という視点で議論できたことです。サイバーエージェントのように事業や技術スタックが多様な組織では、全社で一つの使い方に統一するのではなく、各チームの実務に合わせて、再現性のある使い方を増やしていくことが重要になります。
議論したテーマ
事前に集めた質問・テーマでは、主に次のようなテーマを扱いました。
- Claude Codeの今後の進化と、他のAIエージェントとの差別化
- Anthropic社内におけるAI駆動開発の実態と、SDLC全体の自動化
- 2028年までの開発プロセス完全自動化の現実性と、人が担うべき領域
- PRレビュー、セキュリティレビュー、Ops領域での活用
- 大規模組織におけるエージェント運用の可視化とガバナンス
- 約2,000人規模で使う際の権限管理、設定管理、コスト管理
- CLAUDE.mdや組織ルール、スキル、ループ、ルーティンの設計
- AI活用が進む時代のエンジニア評価、人材像、チーム文化
これらの質問に対して、Boris氏からは、モデルやプロダクトの進化を踏まえた考え方だけでなく、実際に開発チームでどのように自動化対象を見つけ、どのようにガードレールを作り、どのように効果を測っていくかについて、実践的なアドバイスをいただきました。
大規模組織で使うための学び
1. 「どれだけ長く使い込むか」が自動化の深さを決める
セッションでは、AIエージェントによる自動化の度合いは、単純にコードベースの規模や難易度だけで決まるものではなく、どれだけ長く、継続的に使い込んできたかに大きく左右される、という話がありました。
これは大規模組織にとって重要な示唆です。ツールを配布して終わりではなく、各チームが日々の開発の中で「うまくいった使い方」を蓄積し、手作業が残った部分をスキルや手順として整備し、繰り返し改善していくことが必要です。社内で利用者が増えるほど、個人のノウハウを組織の資産に変える仕組みが重要になります。
2. ルールを詰め込みすぎず、検証できる状態を作る
Claude Codeのようなエージェントを使うと、つい細かいルールや長いコンテキストを与えたくなります。しかし、Boris氏からは、ハーネスやコンテキストは最小限にし、必要な情報へClaude自身がアクセスできる状態を作ることの重要性が語られました。
これは、公式のClaude Code Best Practicesでも強調されている「検証できる手段を与える」という考え方とも重なります。テスト、ビルド、スクリーンショット比較、ログ、CIなど、エージェントが自分の作業を確認できるフィードバックループを用意することで、人が逐一指示するよりも安定した自律作業に近づけます。
3. コストではなくROIで考える
大規模導入では、トークン利用量やコストの増加は避けて通れません。ただし、議論の中で繰り返し出てきたのは、単純なコスト削減ではなく、投資対効果として考えるべきだという視点です。
AIエージェントの利用量を抑えることだけを目的にすると、本来得られるはずの開発速度や品質改善の機会を失う可能性があります。一方で、無制限に使えばよいわけでもありません。どの工程を自動化するとボトルネックが解消されるのか、どのチームで効果が出ているのか、どの利用パターンが再現性を持つのかを見える化し、投資判断につなげることが重要です。
4. 手作業はスキルに、繰り返し作業はループやルーティンにする
Boris氏からは、日々の作業を棚卸しし、似た性質の作業をまとめ、手作業をスキル化し、繰り返し作業をループやルーティンへ発展させる考え方も共有されました。
サイバーエージェントのように多数のチームが並行して開発する環境では、この考え方は特に有効です。あるチームで作ったレビュー手順、調査手順、リリース前チェック、障害対応の初動などを再利用可能な形にできれば、個人の作業効率だけでなく、組織全体の標準化と品質向上につながります。
5. エンジニアの役割は「コードを書く人」から「文脈を設計する人」へ広がる
コードを書くこと自体の難易度が下がるほど、重要になるのは、何を作るべきか、どの制約を守るべきか、どの状態なら成功と判断できるかを定義する力です。Boris氏との議論でも、エンジニアがビジネスコンテキストを理解し、自分で判断できる状態を作ることの重要性が話題になりました。
AIエージェント時代のエンジニアは、実装者であると同時に、目的、制約、検証方法、運用ルールを設計する存在になっていきます。これは、サイバーエージェントのように多様な事業を持つ組織において、現場ごとの意思決定力を高める上でも重要な変化だと感じました。
サイバーエージェントとしての持ち帰り
今回のQ&Aを通じて、サイバーエージェントが次に取り組むべきことも明確になりました。
まず、約2,000人規模のClaude Code利用を前提に、利用状況、コスト、権限、設定、セキュリティを見える化する仕組みをさらに整える必要があります。次に、チームごとに生まれている良い使い方をスキルやルーティンとして共有し、個人の工夫を組織の再現性につなげていくことが重要です。
また、導入を広げるだけでなく、安全に使いこなすための教育も引き続き必要です。サイバーエージェントグループでは、AI活用度の可視化や、非エンジニア向けのClaude Code研修など、組織全体でAI活用を進める取り組みが広がっています。今回のQ&Aで得た知見も、現場の開発プロセス、研修、ガイドライン、運用設計に反映していきます。
Claude Codeは、単にコードを書く速度を上げるツールではありません。大規模組織においては、開発の進め方、チームの学習方法、ガバナンス、評価、そしてエンジニアの役割そのものを変える可能性があります。作者であるBoris氏と直接議論できた今回の機会は、サイバーエージェントがAIエージェント活用を次のフェーズへ進める上で、大きな示唆を得る場になりました。
参考リンク
- Anthropic公式: Boris Cherny氏の紹介
- Anthropic公式: Claude Code Overview
- Anthropic公式: Claude Code Best Practices
- CyberAgent Developers Blog: Claude Codeをビジネス職が安全に使うためのエンジニア主導研修
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み