AIコーディングを監査可能にする——PRゲートと監査ログ
AIコーディングを監査可能にする——PRゲートと監査ログ
無人で走らせるAI開発を、人間が後から検証できる形にする設計です。「機械が緑と言うまでマージできない」ゲートと、誰が何を確認したかが残る監査ログ。実際に運用している構成を書きました。
AI & Technology
AIツール・エージェント・開発手法・最新フレームワークまで、実際に使って分かった知見をお届けします。
AIコーディングを監査可能にする——PRゲートと監査ログ
無人で走らせるAI開発を、人間が後から検証できる形にする設計です。「機械が緑と言うまでマージできない」ゲートと、誰が何を確認したかが残る監査ログ。実際に運用している構成を書きました。
AIの記憶はファイルに置く
AIエージェントに記憶を持たせるには、状態をファイルに置く。当社のAI COOはセッションをまたぐメモリのディレクトリと索引ファイルで文脈を持ち越しています。その設計と運用の実際を書きました。
AIが書いた記事を門前払いする仕組み
AIが書いた記事をそのまま公開していませんか。うちでは6つの観点で機械採点し、最低ラインを割ったら強制的に却下しています。一人会社×AI COOが実運用する品質ゲートの設計思想を、正直に書きました。
誠実な良文を弾かないAIゲートに直す
AIレビューやゲートの過検出は、修辞や免責の言い回しまで機械的に弾いてしまいます。景表法ワードを一律ブロックから文脈判定へ移し、免責の表現を辞書に加えた、当社の品質ゲート校正の実例をまとめました。
AIに自分のPRをマージさせない
AIに実装を任せるほど、作る側と承認する側を分ける線引きが効いてきます。私たちはAIが書いたPRをAI自身にマージさせず、人が承認する形で回しています。その運用の実際と、なぜ分けるのかを書きます。
AI採点は3人にして中央値を取る
AIにコンテンツを評価させるなら、レビュアは1人でなく3人にして中央値を取る。1人だと票がブレて過検出が起きます。品質ゲートを実運用してわかった、合議で評価を安定させる話を書きました。
記事サムネは生成AI画像より部品で作る
記事のサムネイルを生成AIで作り込むのをやめ、私たちはコンポーネントで自動生成するブランドカードを全記事に当てる設計にしました。画像アセットが要らず、必要な記事だけ個別に上書きできます。
品質ゲートは決定論が先、AIは後
記事の品質チェックを、私たちはまず機械で決まる決定論チェックを通し、そのあとにAIの意味判定を置く順番にしています。機械で取れるものは機械に任せ、AIは人の目が要る部分に絞る。その層の分け方を書きます。
AI自走に『止まって聞く』点を埋め込む
AIに仕事を自走させるほど、勝手に進んでほしくない場面が出てきます。金銭・法的・外部公開・自己ロックアウトの4類型を事前承認に倒し、それ以外は広く任せる。当社の承認レベル運用を判断軸ごと書きました。
AIが出す数値は台帳で守る
AIが生成した文章の数値は、要約を経るたびに意味が変わっていく。当社で見積りの数字が別の事実として伝播しかけた経験から、数値は台帳で承認制にして守るという運用の考え方を書きました。
AIの危険操作はフックで止める
AIに実務を任せるほど、危険な操作を機械で止める仕組みが要る。当社では破壊的なgit操作のブロックや設定ファイルの保護をフックで動かしています。fail-closedとfail-openの使い分けを書きました。
自走AIのループ間隔はキャッシュで決める
自走エージェントを回す間隔を、私たちはプロンプトキャッシュが生きているうちに次を回す、という基準で決めています。キャッシュが切れてから回すとコストが跳ねる。その気づきと運用ルールを書きます。
AIの出力は自然文でなく型で受ける
AIエージェントに文章で答えさせると、後工程がその解釈でつまずきます。私たちは出力をスキーマで型に固定し、検証に通らなければAI自身に直させる形にしています。その組み方と、外した設計を書きます。
並列AIの作業場はworktreeで分ける
AIのセッションを複数同時に走らせると、共有した作業ディレクトリで互いの変更を壊しかけます。git worktree で作業場を分け、コミットをパス束縛にした、一人会社での並列運用ルールを実例で書きました。
AIの「できました」を信じない—決定論ゲートで検証する
AIに目標達成を自己判定させたら「90%以上できた」と言い、実測したら55.9%でテストがコンパイルすら通っていなかった。この一件から、停止判定を機械ゲートに移した話。
AIに自作をレビューさせない—作る役と検証役を分ける設計
実装したAIに同じ文脈でレビューさせると、自分の書いたものを甘く見る。実装はメイン、レビューは読み取り専用の別セッションに分けている理由と、その運用を書く。
自然文の約束を機械ゲートに昇格させる4層
「〜に気をつける」と書いたルールはAIに無視されます。だから守らせたい約束を、文書→AI意味判定→ブロッキング検証→構造テストの層に昇格させていく。自社で回している4層の仕組みを書きます。
コミット前フックでAIの事故を機械で止める
AIに実装を任せると、たまにsecretをコミットしようとしたり危ないコマンドを打とうとする。willink-claude-kitで実際に使っているコミット前フックの中身と、なぜ「注意する」ではなく機械で止めるのかを書きます。
AI CLIを複数並列で動かす自作ツールagentdeck
Claude Codeだけでなく複数のAI CLIを同時に動かしたくなり、並列操作するElectronツールを自作してOSSで公開した。何が便利で、何が要らなかったのかを正直に書く。
MCPで社内ツールをAIに繋ぐ—COOに実務権限を渡す設計
AIに実務を任せるには、GitHubやDB、社内ドキュメントに触れる手を渡す必要がある。MCPで社内ツールを繋いだときに気をつけた権限とスコープの線引きを書く。
subagentの使いどころと避けどころ—一人会社が引いた線
AIにサブエージェントを起動させると賢く見えるが、単一Readや1〜2回の検索に使うのはただのコスト。実際に自分の運用で「使う/使わない」をどう分けているかを正直に書きます。
Claude Code を一人会社の「チーム」代わりに使う
一人で会社を回していると、レビューしてくれる同僚がいない。そこで Claude Code を擬似チームとして使い、実装役と検証役を分け、PR のマージは人間が握る——監査できる自走をどう組んだか。合同会社を一人で回す立場から、設計と現実の限界を正直に書きます。

AI コーディングエージェントに「Issue を直してリリースまで」を任せる実験を OSS プロダクト Agent Deck で実施。実装役(Maker)と検証役(Checker)を別エージェントに分け、Checker は node --test の exit code など実行できる合否だけで判定する「監査できる自走」を設計しました。実際に回した 1 周を、誇張せず正直に綴ります。
Next.js 16.2のAI Agent DevToolsとTurbopack——開発体験はどう変わるか
Next.js 16.2で登場したAI Agent DevToolsとTurbopackデフォルト化を解説。Fast Refresh 5〜10倍高速化、Server Fast Refresh、実測パフォーマンスデータを交えて開発体験の変化を紹介します。
ノーコードvsAI×コード開発——あなたのMVPに本当に合う選択肢はどちらか
Bubble・Webflow・Adaloなどのノーコードツールと、AI支援によるコード開発を徹底比較。スピード・コスト・スケーラビリティ・カスタマイズ性の観点から、プロダクトの特性に合った選択肢を判断するための基準を解説します。
開発者向けプロンプトエンジニアリング——AIコーディング効率を3倍にするテクニック
Claude・ChatGPT・Cursorを使った実践的なプロンプトエンジニアリングを解説。コード生成・デバッグ・テスト作成・ドキュメント化それぞれの最適なプロンプトパターンと、チームで再利用できるプロンプトライブラリの作り方を紹介します。
MVPから事業成長へ——ユーザー10人から1,000人へのスケールアップ戦略
MVPリリース後に直面する「次の一手」を解説。ユーザーフィードバックの収集・優先順位付け・技術的負債の返済タイミング・追加調達のための指標づくりまで、PMF達成に向けたロードマップを紹介します。
AI開発パートナーの選び方——失敗しない発注先の見極め7つのチェックポイント
AI開発会社・フリーランスを選ぶ際の具体的な評価基準を解説。ポートフォリオの見方、技術スタックの妥当性確認、契約形態の選択まで、発注者が知っておくべき7つのチェックポイントを網羅します。
AI×MVP開発は本当に速いのか——自社プロダクト開発の実践と、短期リリースの設計パターン
i-Willinkが自社プロダクト(ClubLink・fit-ai・OSS)をClaude Code+Next.js/AWS Amplify/Flutterで短期開発してきた実践と、業界の公開データから、AI×MVPの短期リリース設計パターンを誇張なしで解説。特定顧客の受託事例ではありません。
MVP開発を加速する必須AIツール5選——Claude・Cursor・v0を使いこなす
MVP開発現場で実際に使われているAIツールを厳選紹介。Claude Code・Cursor・v0・GitHub Copilot・Perplexityの特徴と使い分け、開発効率を最大化するツールチェーンの組み合わせ方を解説します。
Next.js × AWS AmplifyでMVPを爆速構築——モダン技術基盤の選び方
Next.js App Router と AWS Amplify を組み合わせてMVPを最速で構築する方法を解説。認証・DB・ホスティング・CI/CDまで、エンタープライズ品質の基盤を最小コストで手に入れる手順を紹介します。
AI×MVP開発の要件定義——「作りすぎ」を防ぐスコープの決め方
MVP開発で最も重要なのは「何を作らないか」を決めること。要件定義の具体的なフレームワークとAIを使ったユーザーストーリーの書き方、スコープ管理のコツを紹介します。
AI×MVP開発の費用相場【2026年版】——予算別に選ぶ開発アプローチ
AI×MVP開発にかかる費用の相場を徹底解説。50万円・100万円・200万円の予算別に、何が実現できるかを具体的に紹介。コストを抑えながら品質を担保するための発注戦略も解説します。
AI×MVP開発とは?従来の開発との違いと最短1週間でプロダクトを形にする方法
AIを活用したMVP開発の全体像を解説。従来の開発手法との違い、コスト・期間の相場、スタートアップが最速でプロダクトを市場投入するための具体的なステップを紹介します。
開発パートナーを探していますか?
最短1週間でMVPを開発。アイデアの検証から本番リリースまで、i-Willinkがフルサポートします。まずはお気軽にご相談ください。
無料で相談する