「AIにコード書かせてる会社って、実際どうなの？」
よく聞かれる質問だ。正直に答えると、僕らの会社では社長専属のAIエージェントが毎朝Slackに業務レポートを投げ、GitHub Copilotがペアプロしてくれて、Claude Codeがリファクタリングを自走してくる。
2026年、設立3期目のITコンサル会社がAIをどう使い倒しているか。「便利ツールとしてちょっと触ってる」レベルじゃない、チーム17人でアウトプット体感25人分を出すための、ガチの実務組み込みの話を全部見せます。
3つの主力ツール、何をどう使っているか
K.Platinumで日常的に使っている生成AIツールは、主に3つ。ChatGPT、GitHub Copilot、そしてClaude Codeだ。
「全部似たようなもんでしょ？」と思うかもしれない。でも使い込むほどに「こいつにはこれを任せたい」という得意領域がはっきりしてくる。料理に例えるなら、包丁・フライパン・オーブンみたいなもので、全部「調理器具」だけど役割がまるで違う。
まず、それぞれの使い方を具体的に紹介する。
ChatGPT — 設計・壁打ち・ドキュメントの万能パートナー
ChatGPTは、いちばん「対話」に向いている。
僕らが最もよく使うのは、設計フェーズの壁打ちだ。新しいシステムのアーキテクチャを考えるとき、「こういう要件なんだけど、AWSのサービス構成どうする？」と投げると、メリット・デメリットを整理した回答が返ってくる。もちろん鵜呑みにはしないが、ゼロから考えるより圧倒的に速い。
もう一つの主戦場が、ドキュメント生成。提案書の骨子、設計書のテンプレート、議事録の要約——こういう「構造化されたテキストを量産する」仕事はChatGPTが異常に得意だ。
社内では、よく使うプロンプトのテンプレートを共有している。「提案書骨子生成」「要件定義ヒアリングシート作成」「API設計書のひな形」みたいに、パターン化して誰でも同じクオリティで出せるようにした。
ただし注意点もある。ChatGPTは「それっぽい嘘」をつくのが上手い。特に技術的な細部、たとえばAPIの仕様やライブラリのバージョン情報は、平気で間違える。だから僕らは「ChatGPTの出力 ＝ 下書き」というルールを徹底している。最終チェックは必ず人間がやる。
GitHub Copilot — コーディングの「もう一人の自分」
GitHub Copilotは、コードを書く場面で最も体に馴染むツールだ。
VSCodeでコードを書いていると、次の行をサジェストしてくれる。慣れてくると、自分の思考を先回りして補完してくれる感覚になる。繰り返しの多いコード、テストコード、定型的なCRUD処理——こういう「書くのは簡単だけど時間がかかる」タイプの仕事でCopilotは圧倒的に速い。
K.Platinumでは全メンバーにCopilotのライセンスを付与している。17人の小さな会社だからこそ、一人あたりの生産性が会社の競争力に直結する。月額数千円で生産性が2〜3割上がるなら、これほどコスパの良い投資はない。
Copilotの使い方で面白いのは、コメントの書き方で出力が劇的に変わること。たとえば関数の上に「// ユーザーの年齢をバリデーションし、18歳未満なら例外を投げる」と日本語コメントを書くだけで、かなり正確な実装が出てくる。チーム内では「Copilotに通じるコメントを書く技術」が暗黙知として共有されている。
一方で限界もある。Copilotはコンテキストの理解が浅い。ファイル横断的な設計を理解した上でのコード生成は苦手で、「この関数がどこから呼ばれて、全体のアーキテクチャの中でどういう位置づけか」みたいな俯瞰はできない。だから設計判断が絡む部分は、人間が主導する。
Claude Code — エージェント型開発の最前線
そして、僕らが2025年後半から本格導入して一番インパクトが大きかったのが、Claude Codeだ。
Claude Codeの何がすごいかというと、「タスクを丸投げできる」ところにある。ChatGPTは対話ベース、Copilotは行単位の補完、それに対してClaude Codeは「このリポジトリのセキュリティ脆弱性を洗い出して修正して」と言えば、コードベース全体を読んで、問題箇所を特定して、修正PRまで作ってくれる。
実際にK.Platinumのコーポレートサイト（9ページ構成）のリニューアルでは、Claude Codeが主力エンジンとして動いた。HTMLのビルドシステム設計、セクション分離アーキテクチャの構築、GitHub Actionsによる自動デプロイ——これらの実装をClaude Codeがほぼ自走で完了させた。
さらに面白いのが、社長専属のAIエージェントとしての活用だ。僕らの会社には「ジョバンニ」と「ジェバンニ」という2体のAIエージェントがいて、Backlog課題の管理、提案書の下書き、ブログ記事の自動生成、メールの確認——日常のルーティンワークをかなりの範囲で自律的にこなしている。これはClaude Codeの「エージェント能力」がなければ実現できなかった。
ただし、Claude Codeにも弱点はある。長いセッションになると文脈を見失うことがあるし、複雑なビジネスロジックの「なぜこうなっているか」は理解できない。だから、タスクの粒度を適切に切って投げる技術——つまり「AIへの仕事の切り出し方」が、使いこなすカギになる。
使い分けの実際 — 「全部ChatGPTでいいじゃん」にならない理由
ここまで読んで、「結局どう使い分ければいいの？」と思った人のために、僕らの実運用をまとめる。
設計・企画段階 → ChatGPT。「何を作るか」を考えるフェーズ。ブレスト相手として最強。ドキュメントの雛形生成もここ。
コーディング中 → GitHub Copilot。手を動かしている最中のリアルタイム補完。流れを止めずにコードを書き進められる。
タスク実行 → Claude Code。「これやっといて」と丸投げできるエージェント。コードレビュー、リファクタリング、テスト生成、定型作業の自動化。
この3つを場面に応じて切り替えることで、チーム17人の会社が、体感的には25人分くらいのアウトプットを出せている。大げさじゃなく、AIツールの使いこなしが中小ITコンサルの生存戦略そのものだと思っている。
こういう環境で腕を磨きたいエンジニアの方へ
K.Platinumでは、生成AIを「実務の武器」として使い倒せるエンジニアを募集中です。
→ エンジニア募集中！詳しい条件を見る
AIを使いこなすエンジニアの3つの条件
最後に、生成AIを実務に組み込んで見えてきた「AIを使いこなすエンジニアの条件」を3つ書いておく。
1つ目は、「正しく疑う力」。AIの出力をそのまま信じない。必ず検証する。でも全否定もしない。「ここは合ってる、ここは怪しい」と見極める目が要る。
2つ目は、「タスクの分解力」。AIに丸投げするにしても、適切な粒度に仕事を切り出せないと、期待した結果は返ってこない。これはそのまま「上流工程の能力」だ。要件定義が下手な人は、AIへの指示も下手。
3つ目は、「アーキテクチャの理解」。AIが生成したコードが「なぜそう書かれているか」「全体の中でどう位置づけられるか」を判断できないと、技術的負債の山ができあがる。AIはコードを書けるけど、設計の責任は取れない。
つまり、AIが進化すればするほど、「人間にしかできない上流の力」が求められる。AIに仕事を奪われるんじゃなくて、AIをテコにして一人のエンジニアが何倍もの価値を出せる——そういう時代に僕らはいる。
K.Platinumでは、このAI活用の最前線を一緒に走れるエンジニアを探している。ツールの使い方は入社後にいくらでも教える。大事なのは、「新しいものを面白がれるか」と「本質的な技術力を磨き続けられるか」の2つだけだ。
筆者プロフィール
沼田海斗（ぬまた かいと）
株式会社K.Platinum 代表取締役。沖縄高専卒→トヨタ自動車→スタートアップITコンサル→24歳で起業。現在3期目、27歳。「WORKER 3.0 — エンジニアの能力を可視化し、正当に評価する」をMissionに掲げ、ITコンサル×自社プロダクト×教育の3軸で事業展開中。趣味はキックボクシングとママチャリ日本一周（達成済み）。
K.Platinumでは一緒に働くエンジニアを募集しています。「実力で正当に評価される環境」に興味がある方は、ぜひ採用ページをご覧ください。